Data Analytics en assurance

L’arrivée des données de masse avec les technologies pour les sauvegarder et les analyser est aujourd’hui une réalité pour les institutions financières et en particulier les assureurs. Il n’y a pas que le cadre réglementaire et le cadre comptable qui évoluent ; les réseaux sociaux, les objets connectés associés à de nouvelles technologies vont modifier profondément les modes de consommation et de relations entre les assurés et leurs assureurs et peut être modifier la chaîne de valeur du secteur de l’assurance.

Les méthodes analytics traditionnelles ont été utilisées et perfectionnées depuis les années 1980 dans la banque et dans d’autres industries pour fabriquer des scores notamment. En assurance, il y a matière à gagner de la productivité et à acquérir de l’expérience client, pour tenter de développer l’acceptation automatique de sinistre, le remplacement de la sélection médicale par du scoring pour les meilleurs clients, un score d’appétence pour le télémarketing, un score anti-attrition, etc…

Méthodes Analytics modernes
Les aspects dits modernes de l’Analytics correspondent aux outils pour les méga-données et aux challenges, de type Kaggle. Dans le cadre du Data lab de BNP Paribas Cardif, il est question de challenger certaines régressions logistiques existantes avec des modèles plus modernes. Dans ce cadre, un concours Kaggle pourrait être organisé avec la Chaire. Les équipes de BNP Paribas Cardif pourraient également être impliquées au côté de l’équipe Kaggle de l’ISFA qui a été créée lors du FORUM ISFA 2014 (cette équipe compte aujourd’hui une trentaine d’étudiants et est dirigée par Denis Clot, maître de conférences rattaché à l’ISFA).

Management des données et interactions avec les modèles prédictifs et de simulations
Dans une logique de gestion des risques, de futurs modèles, qui auront plus d’aspects « boîte noire », qui seront plus sophistiqués, avec des aspects machine learning, sortiront pour faire la tarification, la souscription, la gestion des sinistres. L’Enterprise Risk Management donnera lieu à des contraintes sur ces nouveaux modèles : quels modèles analytics ne pourraient pas être utilisés sur tel ou tel sujet car cela créerait trop de risque ? Quelles bonnes pratiques pour l’utilisation de ces nouvelles techniques en assurance ?