统筹企业财产险、工程险及特殊风险险种核保全流程，涵盖风险评估、承保条件制定、限额审批及风险减量方案设计，协同业务端平衡风险管控与市场拓展目标。

• 主导设计中小微企业财产险标准化核保模板，基于制造业火灾风险、商贸业盗窃风险等行业特征，嵌入R语言风险评分模型（融合企业消防设施等级、周边5公里内历史事故率等12项指标），将单均核保决策时效从3个工作日压缩至6小时，年度核保规模同比增长40%，首年综合赔付率稳定控制在48%以下，获总公司‘创新核保工具奖’。
• 牵头落地某央企海外基建工程险项目（保额80亿元），针对施工地火山活动区、暴雨频发带等复杂风险，联动海外风控团队及Aon再保经纪，定制‘基础物质损失险+扩展战争险+巨灾超赔（1.5亿元层）’方案，设置5000万元绝对免赔额及损失率超赔再保触发条件，项目运行首年赔付率仅3.2%，成为分公司海外工程险标杆案例。
• 优化工程险核保流程，识别‘施工方案合理性验证’依赖人工图纸审核的低效痛点，推动与广联达BIM系统对接，开发模型自动比对功能（识别施工进度与设计风险的偏差点），核保资料完整性提升65%，人工复核工作量减少30%，该流程改进获总公司‘流程优化优秀案例’收录。
• 针对化工、仓储等高风险企财险业务开展专项治理，运用ISO 31000框架梳理200+历史赔案，提炼‘设备役龄超20年-消防系统未联动-周边1公里内有危化品企业’三维拒保规则，高风险业务拒保率从18%提升至32%，年度赔付率同比下降5.1个百分点。

协助核保团队完成企财险、家财险前端风险评估，搭建行业风险数据库，参与核保政策测试及优化建议输出。

• 负责企财险核保预筛选，通过Python爬取应急管理部事故数据及气象灾害记录，构建‘区域-行业-历史赔付’关联数据库，为核保团队提供300+目标客户预评估报告，将高风险客户识别准确率从72%提升至89%，助力团队季度核保通过率提升15%。
• 参与车险核保政策迭代项目，重点分析新能源车电池衰减、充电故障等新兴风险，提取10万+新能源车赔付样本，提出‘按电池类型（磷酸铁锂/三元锂）分级定价+充电场景附加险’调整方案，被纳入新版车险核保指引，上线后新能源车赔付率较旧版下降7.3%。
• 协助搭建工程险风险数据库，整理近5年120个工程险项目出险数据，归纳‘隧道工程塌方风险’‘桥梁桩基缺陷风险’等7类高频风险点，编制《工程险常见风险应对手册》，作为新人培训教材，团队风险识别效率提升25%。

为财产险产品开发提供精算数据支持，参与风险定价模型构建及市场调研，支撑核保政策科学化调整。

• 参与财产险定价模型优化，整合车险、企财险10万+历史赔付样本，运用广义线性模型（GLM）修正传统定价因子（新增‘企业安全生产标准化等级’‘区域防洪设施等级’等变量），模型预测准确率从85%提升至92%，支持3款新产品市场化定价，其中企财险新品首年综合成本率优于目标值2个百分点。
• 开展中小微企业保险需求调研，设计‘风险认知-投保偏好-支付能力’三维问卷体系，回收有效样本2000+份，输出《中小微企业保险需求白皮书》，发现73%企业关注‘小额高频损失覆盖’，推动公司开发‘企财险基础保障+附加险灵活可选’产品包，上市半年保费规模破5000万元。
• 协助开发内部核保辅助系统，负责风险指标模块需求文档编写及测试，系统上线后核保员查询企业行业风险等级、历史赔付均值等参数的时间从15分钟缩短至2分钟，团队人均核保处理量提升40%。

大型基建项目工程险全生命周期风险管控体系搭建项目

• 项目背景：随着公司新能源电站、跨海大桥等大型基建工程险业务占比提升至27%，传统“单点承保+事后理赔”的模式暴露出风险识别滞后、赔付率波动大（年波动幅度达±5个百分点）的问题。核心目标是搭建覆盖“承保前风险评估-施工中动态监控-理赔后复盘迭代”的全生命周期风险管控体系，实现风险前置与精准定价。
• 关键难题：一是基建项目类型异质性强（涵盖光伏、风电、地铁等8类），传统风险模型无法适配细分场景；二是内外部数据分散（内部承保/理赔数据、外部地质/工程进度数据未打通）；三是专家经验难以量化，风险权重设置依赖主观判断。我作为项目负责人，需统筹精算、理赔、风控及外部工程咨询团队解决这些问题。
• 核心行动：1. 基于COSO风险管理框架与ISO 31000标准，搭建“行业-项目-风险因子”三层维度库——例如针对光伏电站，拆解为“选址地质、组件供应商资质、运维方应急能力”3个一级维度、11个二级指标；2. 整合多源数据：内部拉取近5年基建项目理赔数据（1.2万条），外部接入中国地质环境监测院GDEMS地质灾害库、广联达项目管理系统进度数据，构建统一风险数据湖；3. 用随机森林算法将专家经验转化为量化权重——比如将“沿海地区台风历史频率”的风险权重从初始的15%调整为22%（通过历史赔付数据回测验证）。
• 项目成果：1. 体系落地后，大型基建项目赔付率从18%降至11%，单项目风险识别准确率从65%提升至89%；2. 开发“基建工程险智能风控平台”，核保效率提升40%（单项目评估时间从2周缩至1周）；3. 该体系被总公司推广至15家分公司，成为基建工程险标准化管控流程。我个人主导了框架设计与跨部门协同，推动模型量化及外部数据接入，直接贡献了35%的赔付率下降。

车险-非车险联合反欺诈模型优化项目

• 项目背景：公司车险反欺诈模型成熟（识别率达28%），但非车险（企财险、工程险）仍依赖人工排查，且两类险种欺诈行为存在隐性关联（如同一投保人通过车险“碰瓷”与非车险“虚增损失”套利），导致整体欺诈漏判率高达32%。目标是构建跨险种联合反欺诈模型，提升欺诈识别精准度与效率。
• 关键难题：一是车险与非车险数据结构差异大（车险侧重出险时间/地点，非车险侧重项目损失/第三方鉴定），无法直接关联；二是跨险种欺诈模式识别难，传统模型无法捕捉“多险种组合造假”的隐藏关联；三是外部数据缺失，难以验证投保人信用背景。
• 核心行动：1. 用图神经网络（GNN）构建“投保人-关联主体”关系图谱——将车险与非车险的投保人、修理厂、鉴定机构等12类主体关联，识别跨险种风险传导；2. 采用迁移学习技术，将车险模型的“频繁小额出险”“短时间内多次报案”等特征迁移至非车险，补充非车险“频繁申请小额理赔”“第三方鉴定报告异常”等特征；3. 接入法院失信被执行人名单、税务异常经营数据，丰富投保人信用维度。
• 项目成果：1. 联合模型欺诈识别率从28%提升至45%，年减少欺诈赔付约3000万元；2. 模型纳入总公司反欺诈标准体系，覆盖全国80%的非车险理赔案件；3. 我主导了图谱构建与迁移学习应用，整合了跨险种数据与外部信用信息，直接推动漏判率下降18个百分点。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。