- 课程学习：系统学习了刑法、民法、商法等核心课程，重点掌握了损失预防与风险控制的法律基础，包括合同法、知识产权法等，培养了法律分析和问题解决能力。
- 实践活动：参与了校内法学院组织的模拟法庭和损失控制案例分析项目，通过实际案例学习了零售环境中的盗窃预防和财产损失管理策略，提升了风险评估和应急处理技能。
- 学术成就：在校期间，担任法学院学生会干部，组织了多次法律知识讲座，涉及防损员相关主题如商品安全管理和消费者权益保护，成绩优异，获得校级奖学金。
- 技能发展：通过课程和实践，掌握了法律文书撰写、证据收集和法庭辩论技巧，这些技能直接应用于防损工作中，帮助识别和预防潜在损失事件。
- 课程学习：主修了管理学原理、战略管理、供应链管理等课程，特别关注了零售业运营管理和损失控制理论，学习了库存管理、防盗系统设计和数据分析在防损中的应用，培养了系统思维和决策能力。
- 实践活动：参与了学校合作企业的真实案例研究项目，例如针对超市盗窃问题进行风险评估和解决方案设计，使用了SWOT分析和损失预防模型，提升了团队协作和问题解决技能。
- 学术成就：在项目中获得了优秀团队奖，并发表了相关论文，探讨了现代防损技术如RFID监控系统在零售环境中的应用，成绩排名专业前10%，体现了对防损领域的深入理解。
- 技能发展：通过实习和课程项目，掌握了项目管理工具和数据分析软件，这些技能帮助我在防损工作中高效执行日常巡查、损失报告撰写和预防策略制定，确保企业资产安全。
日常防盗巡查
负责超市卖场内商品防盗系统的日常巡查与维护，包括防盗标签的粘贴、检测及异常处理。每周完成不少于50次的全店巡逻，及时发现并制止盗窃行为。
监控系统管理
监控店内闭路电视系统运行状态，对可疑人员及异常行为进行实时跟踪与记录。负责监控录像的调取与保存，协助警方调查案件。
防盗技术创新
参与推广新型防盗技术，如电子价签、智能防盗扣等，并对员工进行相关培训。定期总结防盗工作案例，提出改进建议以提升防盗效率。
客户服务协调
在执行防盗职责时保持专业礼貌，妥善处理顾客关于防盗系统的疑问。与店长及各部门保持良好沟通，共同维护卖场安全与商品完好。
负责商场防盗系统的日常维护与管理，监督防盗措施的执行情况。
使用先进的防盗设备，监控顾客行为，及时处理可疑情况，包括但不限于商品盗窃、内部盗窃及外部安全隐患。
制定并执行安全巡检计划，定期检查商品陈列区域、收银台及出入口，确保防盗设施正常运行。
组织员工进行防盗培训，提升员工对防盗系统的认知及应对突发事件的能力。
协调与公安部门的联动，参与商场安全应急预案的制定与演练，确保在紧急情况下快速响应，最大限度减少财产损失。
项目描述：
项目背景：针对门店盗窃率上升的问题，实施智能防盗系统，包括RFID标签和电子警报，以提升资产保护水平。
技术难点：系统集成过程中，需确保不影响顾客购物体验，同时处理与现有POS系统的兼容性问题，以及误报率控制。
解决方案：采用模块化设计，逐步部署系统，并进行员工培训和系统测试，优化算法以降低误报率。
成果：盗窃率下降30%，系统稳定运行，公司年度损失减少约15万元，客户满意度提升。
项目描述：
-
背景：仓库盗窃和产品损坏问题频发，导致年度损失超过50万元，影响公司运营。
-
措施：安装高清监控摄像头、实施门禁系统、开展防损培训课程，并建立风险评估模型。
-
挑战：平衡安全性和运营效率，处理夜间巡逻与自动化系统的结合，以及员工对新系统的接受度。
-
结果：损失减少25%，员工报告可疑事件15起，公司安全评级提升，库存准确率提高15%。
个人总结
专业技能
- 精通风险评估与损失预防策略，包括数据分析和预防措施制定，熟练操作监控系统、防盗设备及风险评估软件。
工作经验
- 拥有8年防损员经验，服务于多家知名零售企业，成功处理多起盗窃及资产损失事件，降低企业损失率达20%。
职业规划
- 致力于通过持续学习和行业实践，成为防损专家，并提升至管理职位，推动团队专业发展。
研究背景
本研究针对防损员行业中的零售盗窃问题，开发了一种基于行为分析的预测模型，旨在通过数据挖掘技术识别高风险行为模式，降低经济损失。
研究内容
- 分析了过去五年的零售盗窃案例数据，包括顾客行为、商品类型和时间因素。
- 应用机器学习算法（如随机森林和神经网络）构建预测模型，识别盗窃高发时段和区域。
研究方法
- 数据收集：从多个零售门店获取匿名化数据，包括交易记录、监控视频和员工报告。
- 模型开发：使用Python和R语言进行数据预处理和模型训练，采用交叉验证优化参数。
- 实验设计：在试点门店实施模型，监测盗窃事件发生率和响应时间。
研究成果
- 成功将试点门店的盗窃损失率降低20%，并通过模型实现了实时预警系统。
- 发表论文《行为分析在零售防损中的应用》于行业期刊，并获得企业内部创新奖。
研究背景
本研究聚焦于防损员行业的数字化转型，探索智能监控系统（如AI视频分析）在损失预防中的集成，提升实时响应能力和数据分析效率。
研究内容
- 研究了现有监控系统的局限性，提出了基于深度学习的异常行为检测方案。
- 开发了多模态数据融合框架，结合图像识别和传感器数据，提高欺诈和盗窃的识别准确率。
研究方法
- 系统设计：采用开源AI框架（如TensorFlow）构建模型，集成物联网设备数据。
- 实验验证：通过模拟测试和实地部署，在多个零售环境进行效果评估，使用精确率和召回率指标。
- 创新点：引入实时反馈机制，使防损员能快速响应潜在风险，减少人为干预延迟。
研究成果
- 实验显示，识别准确率提升至92%，减少了约30%的假阳性事件。
- 成果已申请专利，并在企业内部推广应用，获得行业认可和用户反馈积极。
- 英语: CET-4，能熟练阅读英文安保资料，与外籍同事进行基本工作沟通
- 普通话: 母语，表达清晰流畅
- 粤语: C1级，能与广东籍同事进行日常交流
- 防损员资格证书：持证上岗，具备风险识别与控制基础能力
- 应急处置证书：掌握突发事件处理流程，熟悉消防、急救规范
- 风险管理师：系统学习风险评估与损失预防理论
- 防盗监控系统操作：熟悉闭路监控设备调试与异常行为识别
- 突发事件处理：掌握消防器材使用、人群疏散流程
- 谈判技巧：具备应对持刀/抢歹徒事件的临场应变能力