在企业财产险核保团队中承担基础风险评估与标准化承保执行，协助完善中小微企业风险分级模型，支持部门完成年度保费规模8000万+业务线的核保闭环管理。

• 主导300+笔中小微企业财产险核保项目，运用RMS精算模型结合企业行业属性（制造业/仓储业/批发零售业）、标的建筑结构（钢混/砖混）、历史损失数据完成风险分级，将高风险标的拒保率从18%提升至25%，低风险标的承保时效缩短40%（从3工作日压缩至1.8工作日）。
• 针对区域特色产业（如长三角纺织厂集群）设计差异化核保规则：联动风控部提取近5年火灾事故数据，识别出电气线路老化（占比37%）、消防设施不足（占比29%）为核心风险点，推动在标准条款中增加「强制安装智能烟感+年度电气检测」附加条件，次年该集群赔付率从72%降至61%。
• 参与搭建核保辅助系统「企财险风险画像模块」，负责梳理200+风险指标（含企业用电负荷波动、周边5公里内化工企业密度等外部数据），完成字段定义与权重赋值，上线后自动核保通过率提升22%，人工复核工作量减少35%。
• 处理争议核保案例17起，如某物流园因历史赔付率超支申请加费，通过调取卫星影像分析其仓储区扩建未报备情况，结合《财产综合险条款》第3条「标的变动需及时通知」条款，最终维持基准费率并要求追加特别约定，规避潜在超赔风险。

统筹大型基建/能源工程险核保决策，牵头制定区域工程险承保策略，管理5人核保小组，支撑公司工程险年度保费突破2亿，赔付率控制在58%以内（行业平均65%）。

• 主导10亿级地铁项目核保全流程：运用GLM广义线性模型预测施工期自然灾害（台风/暴雨）、第三方责任（管线碰撞）风险敞口，协调再保部设计「比例再保+超赔层」方案（自留40%+20%比例临分+1亿人民币超赔），最终项目综合成本率56.2%，优于目标值2个百分点。
• 优化工程险核保工具链：针对传统人工查勘效率低问题，引入无人机三维建模+AI图像识别技术，对桥梁桩基深度、隧道围岩等级等关键指标实现自动化检测，单项目现场查勘时间从7天缩短至3天，风险漏检率从12%降至4%。
• 制定《地铁/风电工程核保操作指引》，明确「地质勘察报告有效性」「总包方安全管理体系评级」等12项否决/加费标准，团队核保一致性评分从82分提升至94分（总部质检标准），争议申诉量下降60%。
• 推动工程险反欺诈系统落地：联合IT部搭建「材料价格异常波动+分包商重复投保」规则引擎，识别出3起虚构钢材采购量骗取保额案件，挽回损失280万元；该模型被总公司纳入工程险风控标准库。

负责公司财产险全产品线核保政策制定与落地，统筹再保资源优化风险分散，主导赔付率攻坚项目，推动整体综合成本率从63%降至57%（行业领先水平）。

• 重构财产险核保顶层逻辑：基于压力测试（设定百年一遇洪水/地震情景）调整风险偏好，将农房险、沿海地区企业财产险的承保限额分别下调15%和20%，同时引入「巨灾指数保险」作为补充，年度巨灾累积风险敞口从8亿压缩至5亿，极端情景下预期赔付率下降9个百分点。
• 搭建「核保-理赔-精算」数据闭环：主导开发「风险因子穿透分析平台」，打通核保时标的企业消防验收记录、理赔时的损失原因归类、精算的历史赔付周期数据，识别出「仓储企业未按规范分隔防火分区」是导致火灾高赔付的主因（贡献度41%），推动在新核保规则中增加「防火分区合规证明」强制要求，次年仓储险赔付率从78%降至65%。
• 管理再保合作生态：与瑞士再、慕尼黑再等5家机构建立「分层分保+动态调整」机制，针对新能源电站（光伏/风电）业务创新「发电量损失险+设备损坏险」组合产品，通过比例再保+巨灾期权对冲，将该类业务综合成本率从75%优化至62%，成为公司新增长极。
• 培养核保人才梯队：设计「风险识别-模型应用-策略制定」三阶培养体系，带教8名核保专员，其中3人晋升主管；团队在总公司核保技能竞赛中获「最佳风险管控方案奖」，个人获评「年度卓越核保管理者」。

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。