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。

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。

• 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。