Big Data

Le Big Data représente aujourd’hui une évolution considérable dans le domaine de l’assurance et la prévoyance. Dans ce contexte, l’utilisation de méthodes innovantes d’apprentissage statistique (ou « machine learning ») peut être un avantage compétitif déterminant. Actuelia met en place une démarche visant à comprendre les enjeux de la Data Science, s’informer des évolutions technologiques et lancer des projets pilotes.

Big data données actuelia

Proof Of Concepts (POC)

Nous nous proposons d’accompagner les mutuelles et les organismes d’assurance dans la conception et la mise en place de projets pilotes en Data Science dans ses différents aspects avec une approche pragmatique et agile de type « test & learn ».

Les projets sont réalisés en utilisant des compétences en Data Science et en technologie à l’état de l’art : ciblage, scoring, clustering, segmentation de clientèle, pricing, analyse prédictive, etc. Il existe de nombreuses méthodes d’apprentissage statistique : les arbres (CHAID, C.4.5, CART), les réseaux de neurones, les machines à vecteurs de support (SVM), les méthodes ensemblistes (« bagging ») dont font partie les Random Forest, ou les algorithmes boostés (« boosting ») : AdaBoost, Gradient Tree Boosting, ou XGBoost.

Les travaux de R&D menés en lien avec le machine learning portent sur les deux sujets suivants.

La fraude

Suivant les études, entre 2 % et 5 % des sinistres déclarés seraient frauduleux. L’amélioration de la lutte contre la fraude est donc un enjeu important. Celle-ci est en particulier permise par l’automatisation des opérations de détection. L’utilisation d’un outil d’aide à la détection de dossiers frauduleux, par l’attribution d’un score de suspicion par exemple, pourra alors permettre de bloquer les dossiers suspects en analysant en temps réel les demandes de remboursement, mais aussi de mieux cibler les meilleurs segments de clientèle avant leur souscription.

L’évaluation du risque

Plus généralement, une des problématiques posées aux compagnies d’assurance est de pouvoir identifier les segments de portefeuille fragilisant leurs résultats, ou au contraire ceux qui peuvent être créateurs de richesse : comment identifier les garanties et les adhérents les plus rentables ? Les nouvelles méthodes de machine learning ont fait la preuve de leur efficacité dans le cadre de l’évaluation du risque et peuvent donc jouer un rôle dans la tarification.

Notre offre


Notre plaquette


 

Nous contacter

ACTUELIA

12, Avenue de la grande armée

75017 Paris

01 85 08 08 43