统筹企业财产险、工程险及特殊风险标的核保全流程，负责风险评估模型搭建、核保政策迭代及重大项目承保决策，平衡业务拓展与风险管控目标。

• 主导千万级至亿元级企业财产险项目核保，运用RMS风险建模系统与火灾动力学模拟软件（FDS）量化分析标的内外部风险因子，完成15个工业厂房、物流园区项目的风险画像，识别电气线路老化（占比38%）、仓储密度超国标（平均超120%）等核心风险点，针对性提出加装智能烟感系统、调整货架间距等缓释方案，推动项目综合赔付率从行业均值78%压降至65%，年度保费规模突破1.2亿元。
• 针对新能源光伏电站、数据中心等新兴标的，牵头整合气象灾害数据（台风路径、冰雹频率）、设备可靠性参数（逆变器MTBF≥10万小时）及行业运维标准，构建差异化核保模板，将新业务上线周期从45天压缩至20天，首年承保18个项目，实现零重大赔案，区域市场份额从第五提升至第二。
• 基于近3年2500+理赔案件数据，运用GLM广义线性模型量化区域（沿海/内陆）、行业（化工/机械）、保额占比（超标的80%）等7项变量对赔付率的影响权重，优化高风险行业（木材加工、家具制造）费率浮动规则，年度核保拒保率从12%提升至19%，优质客户（AAA级信用）投保转化率提高30%。
• 联动理赔部建立“核保-理赔”复盘机制，针对某化工企业火灾赔案（估损1500万），追溯核保阶段风险查勘报告，发现未强制要求安装可燃气体监测系统的问题，推动修订《化工类标的核保指引》，新增“危化品存储分区合规性”“应急演练频次”等6项必查项，后续同类标的出险率下降42%。

辅助核保团队完成中小微企业财产险风险评估、核保材料初审及风险数据库搭建，保障基础核保流程高效运转。

• 负责中小微企业财产险核保辅助，使用Excel VBA开发风险评估模型，整合消防设施等级（甲/乙/丙类）、行业风险系数（参照GB/T 18218）、历史赔付率（近3年）等15项指标，自动生成0-100分风险评分卡，将单客户核保评估时间从2小时缩短至40分钟，累计处理1200+件核保需求，准确率达99%。
• 参与公司内部风险数据库建设，通过Python爬虫抓取应急管理部事故通报、气象局灾害数据（2015-2020年省/市/县三级），清洗分类后录入“区域风险特征库”，形成覆盖纺织、机械等8大行业的风险标签（如“长三角梅雨季仓储霉变风险”），团队风险评估效率提升35%。
• 针对核保指引中“仓储类标的分区要求模糊”问题，调研50家仓储企业消防规范，梳理普通/恒温/危化仓储的建筑耐火等级（一级/二级）、安全出口数量（≥2个）等标准，新增10条差异化核保规则，后续该类标的赔付率下降25%。

协助核保团队处理客户咨询、核保材料收集及初步风险筛查，保障核保流程基础环节顺畅运行。

• 负责财产险新单核保材料初审，对照《核保材料清单》核查消防验收证明、近1年财务报表等10项必备文件，建立“材料缺失预警表”（标注常见缺失项及补正模板），将材料补正次数从平均3次/单降至1.1次/单，核保流程平均时效从5个工作日缩短至2.8个工作日。
• 整理客户高频咨询问题（如“仓储类标的分区是否影响费率”“机器设备附加险投保条件”）28项，协同产品部编制《财产险核保常见问题手册》，覆盖90%以上客户疑问，客户咨询响应满意度从82%提升至96%。
• 参与新人核保培训，提炼“三看”风险识别法（看行业属性、看标的用途、看历史风险），制作15个典型案例PPT（含某仓库因未设防火门导致全损案例），帮助新人2个月内掌握基础风险筛查技能，新员工独立处理核保任务周期从3个月缩短至1.2个月。

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。