统筹企业财产险、工程险及特殊风险标的核保全流程管理，聚焦高净值客户风险评估与策略制定，主导模型优化与赔付率管控，支撑分公司年度承保利润目标达成。

• 主导高端制造业财产险核保策略升级，针对半导体厂房、精密仪器仓库等新兴标的，引入RMS巨灾模型与火灾动力学模拟软件（FDS），结合近5年行业火灾事故数据重构风险评估维度，解决传统核保依赖历史赔付数据的局限性；推动制定「设备折旧系数+工艺风险等级」双因子定价模型，落地12个重点项目，首年综合赔付率较同业均值低15%，该模型被纳入总公司标准核保指引。
• 牵头处理某央企地铁工程险项目核保，面对盾构机进洞、深基坑开挖等复杂工况，运用工程险核保「五维分析法」（地质水文、施工工艺、第三方责任、工期延误、应急能力），联合第三方风控机构完成17次现场查勘，识别出地下水位异常、相邻管线老化两项高风险点；通过附加「地质灾害超赔」与「管线修复费用」条款，平衡风险与收益，最终承保该项目保费规模860万元，当前已出险案件赔付率仅7.2%。
• 搭建财产险核保后评价体系，基于精算数据与理赔反馈，对2023年承保的500万以上企财险保单开展回溯分析，发现仓储类标的因「存货分类不清」导致的赔付占比达32%；推动在核保问卷中新增「存货品类明细+存储方式」必填项，并配套开发智能校验工具，2024年上半年同类标的赔付率同比下降18个百分点。
• 负责分公司核保团队带教，编制《工程险常见风险识别手册》《企财险核保决策树》等培训材料，累计培养3名初级核保师；主导季度核保质量评审会，通过「偏差率+合规性」双指标考核，将团队核保差错率从4.1%压降至1.7%，连续两个季度获总公司「核保质量优秀团队」称号。

独立承担中小企业财产险、家庭财产险核保工作，聚焦风险筛选与方案适配，协同业务端完成客户触达与风险教育，助力部门年度保费规模突破1.2亿元。

• 负责长三角地区商贸企业财产险核保，针对批发市场、仓储物流等高频出险场景，提炼「建筑耐火等级+消防设施覆盖率+存货周转率」三大核心指标，建立动态风险评估模板；2020年累计核保217家企业，其中拒绝高风险标的19家（主要为老旧市场仓储），承保标的首年平均赔付率62%，较部门前期水平下降9个百分点。
• 参与某连锁超市集团统保项目，为其全国87家门店设计「基础财产险+营业中断险+公众责任险」组合方案；运用情景模拟法测算不同火灾、漏水场景下的损失影响，将附加险赔付触发条件从「直接损失超50万」调整为「间接损失超20万」，在提升客户体验的同时，保证附加险赔付率可控在45%以内，项目续费率连续3年达92%。
• 优化核保系统操作流程，梳理出「人工核保-系统校验-分级审批」全链路痛点，提出将「消防验收证明」「特种设备登记证」等12项材料设置为系统自动校验项，减少人工核对时间40%；该优化方案在部门内推广后，单均核保时效从3个工作日缩短至1.8个工作日，客户满意度提升22%。

协助资深核保师完成中小微企业及个人财产险核保辅助工作，参与风险评估数据整理与核保政策落地执行，夯实财产险核保基础能力。

• 协助完成年度核保政策落地，整理总公司发布的《2018年财产险风险偏好陈述书》，提炼出「禁止承保高污染企业」「限制老旧厂房保额上限」等15项核心要求；编制《核保政策要点速查手册》供前端业务人员使用，推动政策知晓率从68%提升至95%，当年因政策理解偏差导致的错保拒保投诉减少40%。
• 参与车险与非车险交叉核保支持，针对「企业主个人车险+企业财产险」组合客户，分析其个人驾驶记录与企业经营稳定性关联度；通过交叉验证发现37个高风险客户（个人违章频发且企业现金流异常），协助团队拒绝承保其中29家，后续跟踪显示该群体出险率较承接组高2.3倍，验证了交叉核保的有效性。
• 负责历史赔付数据清洗与分析，从核心业务系统提取2016-2017年企财险赔付案件，运用Excel数据透视表梳理出「暴雨灾害」「电气短路」为前两大出险原因（合计占比61%）；撰写《企财险常见出险原因分析报告》，提出在核保问卷中增加「防洪设施等级」「电路改造时间」等追问项，相关建议被纳入次年核保指引修订。

车险精准定价模型迭代与商业化落地项目

• 车险综改后公司车险赔付率攀升至78%（行业均值75%），传统定价模型依赖车型、车龄等10个静态因子，无法捕捉个体风险差异，导致高估低风险客户保费、低估高风险客户赔付成本。我作为项目牵头人，负责从数据整合、模型构建到业务落地的全流程，目标是提升定价准确率至85%以上，降低赔付偏差。
• 项目面临三大核心挑战：一是外部驾驶行为数据（如GPS轨迹、OBD传感器数据）的合规获取与脱敏处理；二是非结构化数据的高效ETL（日均产生10TB原始数据）；三是模型可解释性不足（监管要求向客户说明定价因子逻辑）。我选择Spark分布式计算框架解决ETL瓶颈，将数据处理时长从8小时压缩至1.5小时；引入XGBoost算法构建预测模型，结合SHAP值生成因子贡献度报告，满足可解释性要求；联动法务部制定《第三方数据合作合规指引》，明确数据采集边界与匿名化标准。
• 我主导跨部门（数据、业务、合规）小组，梳理出12类动态定价因子（如日均行驶里程、急加速频率、夜间出行占比），设计“静态基础因子+动态行为因子”的双层模型架构；针对样本中高风险客户占比仅3%的失衡问题，采用SMOTE过采样技术平衡分布，调整LogLoss损失函数优化对极端值的敏感性；推动模型与核心业务系统对接，完成10万条历史保单的回溯测试，验证模型在不同车龄、区域的表现稳定性。
• 项目成果显著：模型预测准确率从72%提升至89%，车险赔付率降至63%（同比下降15个百分点），综合成本率优化2.3个百分点，年度为公司节省赔付成本8000万元；模型通过银保监会备案，成为公司车险定价的核心工具，覆盖80%的车险业务。我个人因此晋升为精算与数据建模主管，后续主导模型季度迭代，持续提升风险区分度。

工程险风险减量服务平台搭建与试点推广项目

• 公司工程险业务赔付率达35%（行业均值30%），传统风控依赖人工查勘（每项目年均5次，耗时10人天），无法提前识别基坑坍塌、起重机械故障等高频风险。我作为项目核心成员，负责平台需求设计、试点落地与效果验证，目标是通过物联网+AI技术实现风险实时监测，将工程险赔付率降低20%以上。
• 项目难点在于两点：一是不同工地物联网设备（如位移传感器、水位计）协议不兼容，无法统一采集数据；二是风险预警模型的时序预测准确性低（初始模型仅60%）。我采用MQTT协议搭建设备接入层，定义统一的JSON数据格式，解决了多设备兼容问题；用LSTM长短期记忆网络构建时序预测模型，整合基坑位移、水位、降雨量等多维度数据，优化预警阈值的动态调整机制。
• 我主导需求调研，对接10家大型基建工地试点，收集200+维度的风险数据；搭建平台四大核心模块——设备管理（支持100+种设备接入）、实时监测（毫秒级数据更新）、风险预警（分红、黄、蓝三级）、处置闭环（联动施工方整改）；联合地质灾害专家优化预警规则，例如当基坑水平位移速率超过2mm/天时触发红色预警，要求2小时内现场核查并反馈整改结果。
• 试点效果远超预期：项目赔付率降至27%（同比下降8个百分点），人工查勘成本减少30%（每项目年均3.5人天）；平台随后推广至全公司50+个工程险项目，年度节省风控成本1200万元。项目形成的《工程险风险减量服务操作规范》成为企业标准，推动公司非车险风控从“事后赔付”向“事前预防”转型，我的能力也得到总部认可，后续调入精算条线负责车险模型工作。

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。