负责公司企业财产险、建筑工程一切险（CAR）及安装工程一切险（EAR）的核保全流程管理，涵盖风险识别、费率厘定、承保方案设计及限额管控，目标是在支持业务拓展的同时将年度综合赔付率控制在目标区间内。

• 主导新能源电站（光伏+储能）财产险核保政策迭代，针对行业特有的设备衰减、极端天气及电网接入风险，牵头构建‘气象数据-设备寿命-运维能力’三维评估模型，引入RMS巨灾模型模拟区域风险敞口，配套制定差异化免赔额（较传统火电项目提升20%-30%）与附加条款（如‘储能单元热失控扩展责任除外’），上线后该类业务首年赔付率从试点期的92%压降至78%，年度保费规模突破8000万元。
• 处理某央企海外EPC工程险核保项目（标的为东南亚跨海大桥，保额12亿元），面对政治风险（战争险覆盖争议）、施工工艺（深水桩基施工）及汇率波动三重挑战，联合法务部梳理‘不可抗力事件触发条件’，协调再保部引入伦敦市场比例再保（分担40%风险），最终以1.8‰费率承保，项目连续2年未出险，成为公司海外工程险标杆案例。
• 优化中小微企业财产险核保流程，识别原人工核保中‘财务报表真实性验证难’‘固定资产明细缺失’两大痛点，推动开发‘工商数据-税务发票-卫星影像’交叉验证系统（基于Python爬虫与GIS地图比对），将单均核保时效从3个工作日压缩至6小时，同时通过数据交叉核验拦截12起虚增资产投保案例，涉及保额超5000万元，当年该客群赔付率同比下降15个百分点。
• 建立工程险‘风险减量服务’核保联动机制，在核保阶段即向客户输出‘施工安全培训+设备定期巡检’建议清单，联合第三方风控机构对15个重点项目开展入场查勘，全年推动客户整改高风险点23处，对应项目出险率较未参与服务项目低28%，该模式被总公司纳入工程险核保标准动作。

为企业客户提供财产险核保技术支持，包括风险评估报告撰写、核保疑问解答及承保方案优化建议，协助保险公司提升中小客户核保效率与风险把控精准度。

• 为30余家制造业客户提供企财险核保预评估服务，运用‘风险矩阵法’（可能性×损失程度）量化火灾、盗窃、自然灾害风险，输出包含‘消防设施达标率’‘存货周转周期’‘周边治安指数’等12项指标的评估报告，其中90%报告被承保公司采纳，对应客户核保通过率从65%提升至82%，客户投诉率下降40%。
• 针对某化工园区集中投保需求（涉及28家中小化工企业），设计‘区域风险池’核保方案：按企业危险等级（甲/乙/丙类车间占比）分级设定免赔额与费率（最高差异达3倍），并通过共保体分散单一区域集中风险，该方案落地后园区整体赔付率稳定在65%-70%，成为公司在化工领域标准化产品模板。
• 开发‘企财险常见拒保点速查手册’，梳理设备老化（超折旧年限）、仓储混存（危化品与普通货物同库）等18类高频拒保场景及替代解决方案（如加保特定附加险），手册被纳入公司内部培训教材，新入职核保支持岗学习周期从2周缩短至3天，核保建议准确率提升25%。

对保险资金投资的不动产、基础设施债权计划等非标资产进行风险评估，重点关注标的资产运营风险、现金流稳定性及抵押担保有效性，为投资决策提供风险定价依据。

• 参与某高速公路债权计划风险评估，通过‘车流量预测模型’（基于历史通行费+区域GDP增速）测算未来5年现金流，发现项目通行费收入对货车占比（超40%）敏感，提出‘设置货车流量低于基准值80%时触发差额补足’的增信要求，最终该计划风险评级从R3下调至R2，顺利通过投资评审。
• 搭建‘商业地产抵押品估值动态跟踪体系’，每月采集标的写字楼空置率、租金收缴率及周边竞品价格数据（来源：链家API+地方房管局），设置‘空置率超20%’或‘租金下跌超15%’预警阈值，期间成功提示2个项目风险，推动提前追加抵押物（评估价值增加1.2亿元），保障保险资金本金安全。
• 协助完成3笔应收账款债权计划风险穿透核查，通过‘四流一致’验证（合同流、物流、资金流、发票流）发现2笔底层资产存在贸易背景不实问题，避免了约5000万元潜在损失，相关核查方法被纳入公司非标资产风险评估操作规范。

商团客户数据驱动风险分级与精准定价系统构建项目

• 项目背景：商团险市场竞争白热化，公司传统定价依赖核保员经验判断，导致高风险客户赔付率超支（部分行业赔付率达75%以上）、低风险优质客户因定价偏高流失率超20%。核心目标是通过数据建模重构商团险定价体系，实现“高风险高定价、低风险低定价”的精准匹配，提升承保利润。我的职责是主导模型框架设计、全量数据治理、模型训练验证及跨数据/IT/业务部门的协同落地。
• 关键难题与技术：一是商团客户风险维度分散（涵盖行业属性、财务健康、运营稳定性、区域风险等），缺乏统一量化指标体系；二是企业财报、舆情文本等非结构化数据难以转化为风险因子；三是传统定价团队对模型的信任度低，担心“模型替代人工”。针对这些问题，我参考ISO 31000风险治理框架与COSO内控标准，搭建“四维风险指标体系”——包含行业风险（如行业赔付率均值偏差）、财务风险（如资产负债率、流动比率）、运营风险（如应收账款周转天数）、外部风险（如区域自然灾害频率）4个一级维度、21个二级指标；同时引入NLP技术处理企业年报与舆情数据，提取“涉诉金额占比”“管理层变动频率”等6个非结构化量化指标；模型层面选择LightGBM算法替代传统GLM，解决特征交互与非线性关系捕捉问题，并嵌入SHAP值解释模块，直观展示每个风险因子对定价的贡献度。
• 核心行动与创新：首先，我牵头梳理12个重点行业（制造业、批发零售业、建筑业等）的2000+条历史理赔数据，清洗缺失值与异常值，构建7:3的训练集与测试集；其次，与IT团队协作开发实时数据接口，打通财务系统、舆情监测系统与公司数据仓库，实现风险指标的动态更新；最后，针对业务团队的顾虑，我组织11场培训，用具体案例说明模型价值——比如某机械制造企业，模型提示其“应收账款周转天数较行业均值高35%”，对应赔付率可能上升18%，业务团队据此调整定价后，该客户续保率从40%提升至65%。此外，我创新性地将模型结果与核保员经验结合，设置“模型建议+人工 override”机制，兼顾自动化与灵活性。
• 项目成果与贡献：模型上线后，商团险整体赔付率从68%降至59%，年度承保利润提升2700万元；低风险客户（模型评分前30%）定价平均下降12%，续保率较之前提升18个百分点；该模型被纳入公司商团险核心定价系统，成为年度精算报告的关键组成部分。我个人主导了从指标体系搭建到业务落地的全流程，解决了“数据碎片化”“非结构化量化”“业务信任”三大核心问题，推动公司商团险从“经验驱动”向“数据驱动”转型，该项目也被总公司评为“2022年度最佳精算实践项目”。

财产险理赔反欺诈智能识别平台升级项目

• 项目背景：公司理赔端长期依赖人工核查，欺诈案件识别率仅35%，每年因欺诈导致的赔付损失超3000万元。核心目标是升级反欺诈平台，通过关联分析与机器学习识别团伙欺诈、跨险种欺诈等新型模式，提升识别效率与准确率。我的职责是主导理赔数据整合、关联图谱构建及反欺诈模型的落地应用。
• 关键难题与技术：一是理赔数据分散在车险、企财险、家财险等5个系统，缺乏跨险种关联；二是传统规则引擎（如“同一车辆一年出险超5次”）无法覆盖新型欺诈（比如修理厂与客户勾结，伪造多起小额事故）；三是对图数据库的应用经验不足，难以构建复杂的理赔关联网络。针对这些问题，我整合车险、企财险、家财险的理赔数据，构建“理赔知识图谱”——节点包括客户、车辆、企业、查勘员、修理厂5类实体，边包括“同一客户多险种理赔”“同一修理厂关联车辆出险”“同一查勘员重复查勘”等12种关系；模型层面选择GraphSAGE图神经网络算法，通过邻居节点的信息传递，识别隐藏的团伙欺诈模式；同时设计“实时预警+分级处置”机制，模型识别的高风险案件（得分≥80分）实时推送给理赔主管，中风险案件（60-79分）生成核查线索。
• 核心行动与创新：首先，我牵头完成5个系统的数据同步，清洗10万+条理赔数据，构建包含200万+节点、500万+边的理赔知识图谱；其次，与数据科学家团队合作，优化GraphSAGE模型的边权重——比如“同一修理厂关联车辆出险次数”的权重设为0.35，“同一客户多险种理赔”设为0.25，提升模型对团伙欺诈的敏感度；最后，我制定《反欺诈平台操作手册》，组织30场理赔人员培训，跟踪模型命中率与误报率，迭代优化3次模型参数。此外，我创新性地将“理赔时效”纳入模型特征，发现“查勘时效异常短”的案件欺诈概率较均值高22%，进一步提升了模型准确性。
• 项目成果与贡献：平台升级后，欺诈案件识别率从35%提升至62%，每年减少欺诈赔付损失约1200万元；理赔查勘效率提升30%，平均结案时间从7天缩短至4.9天；该平台被总公司评为“2021年度优秀风控项目”，推广至全国3个分公司。我个人主导了理赔数据的关联分析与图数据库应用，解决了“新型欺诈识别”“跨系统数据整合”两大核心问题，推动公司理赔风控从“被动核查”向“主动预警”转变，也成为我个人从“理赔执行”到“风控策略设计”成长的重要里程碑。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。