Anticiper les interactions avec les clients, leurs choix, leurs achats sont autant d’éléments qui légitiment l’usage des outils d’analyse prédictive. Retour sur le phénomène de Big Data Analytics, pas si nouveau mais encore inexploité à son optimum dans le secteur de l’assurance.
L’assurance parmi les trois Mousquetaires du Big Data Analytics ?
C’est du moins ce qu’indique le dernier rapport du spécialiste Dresner Advisory Services. L’Assurance serait en effet le deuxième secteur, derrière les télécommunications et devant la publicité, à employer l’usage d’outils Business Intelligence pour dicter ses choix stratégiques. Mais qu’est-ce que l’analyse prédictive ? Afin d’être le plus intelligible possible, nous pouvons la définir comme une technologie machine qui s’appuie sur les données stockées pour anticiper le futur, en croisant une multitude de datas et mettant ainsi en lumière leurs dépendances et, correspondances. Dans ce secteur, l’hyper utilisation des données est loin d’être un phénomène naissant. Les actuaires, statisticiens et calculateurs de risques, restent toujours en première ligne pour déterminer et fixer le montant adéquat des primes d’assurance ou de prévoyance. Mais l’évolution des modes de consommation oblige également les entreprises à aller encore plus loin. Les clients désirent davantage de produits sur mesure, correspondant aux spécificités de leurs besoins. L’implémentation de modèles prédictifs dans les outils d’analyse de données en est donc un exemple notable. À partir d’un affinage toujours plus rigoureux, les instances marketing ont toutes les billes pour proposer des tarifs compétitifs sur le marché, des produits adaptés aux besoins du consommateur mais aussi traiter plus rapidement les dossiers contentieux.
Source : www.worldprogramming.com – Exemple de la plate-forme WPS Analytics
Le schéma ci-dessus met en exergue tout le potentiel de la mise en place d’un outil comme Word Programming System, logiciel statistique et décisionnel. Autour de plusieurs langages informatiques tels que SAS, R, Python ou SQL, la plateforme respecte les exigences de l’ETL, à savoir l’extraction, la transformation et le chargement des données.
La BI, pierre angulaire de l’aide à la décision
Toute l’intelligence autour du data-mining et du machine learning se révèle être un outil puissant de segmentation et conséquemment d’aide à la décision. En 2010, aux Etats-Unis, le géant Aviva avait initié l’implémentation d’un modèle prédictif basé sur le comportement des clients sur les réseaux sociaux afin de définir des coûts personnalisés de souscription. L’objectif était de réduire les coûts des tests médicaux, évalués en moyenne à 125 dollars. Il s’est avéré que 99,3% des données évaluées sur les réseaux sociaux ont coïncidé avec celles recensées dans les centres médicaux. Aujourd’hui le sujet a traversé l’Atlantique et touche à des thématiques plus larges.
Prenons l’exemple de la start-up Predictive, lauréate du prix digital Wilco Academy 2018. Son outil d’analyse avance pouvoir anticiper les décisions de justice grâce à différents calculs de probabilité autour du gain d’une action contentieuse ou encore la détermination du montant des indemnités qui peuvent être recouvrées. Afin de lutter en amont contre la fraude, certaines licornes hexagonales telle que Shift technology se servent aussi des techniques algorithmiques sur des volumétries importantes de données. Cela permet de distinguer des comportements litigieux et de gérer ainsi plus facilement les processus d’indemnisation.
La transformation numérique opérée dans le secteur doit donc permettre aux assureurs de gagner en efficacité opérationnelle, via des systèmes automatisés et des modèles prédictifs. L’évolution de la réglementation, comme la loi Hamon de 2015, qui permet une résiliation plus aisée de son contrat au bout de 12 mois, s’inscrit dans ce processus et il est irrécusable que les futurs contrats et les moyens d’y souscrire tendent à répondre pleinement à l’exigence des nouveaux modes de consommation.
Auteur : Darius KACHANI, Consultant mc2i Groupe
