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」。

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。

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。