Assurance : 1ère partie : Outils d'analyse prédictive pour l'assurance

Blog

Publié

25 juin 2018

Catégorie

Science des données

Partager

Par : Natasha Mashanovich, Senior Data Scientist chez World Programming, Royaume Uni

On peut définir une assurance comme une promesse de compensation si certains événements surviennent pendant une période donnée. A la différence de nombreux produits dont le vendeur connaît le coût final, par définition, on ne peut pas savoir à l'avance le coût final d'une police pour un assureur. C'est pourquoi la vente de produits d'assurance comporte un risque financier important.

Mathématiquement, le prix d'un produit est la somme du coût et du profit. L'objectif principal, et le principal défi, du secteur de l'assurance est d'évaluer précisément le coût du produit. Au fil des ans, les assureurs ont mis au point nombre d'outils, de méthodologies et de modèles mathématiques pour calculer le prix. La révolution du Big Data – ainsi que les progrès du traitement des données, de l'analyse prédictive et de l'intelligence artificielle – ont facilité cette tâche. Cependant, le fait est qu'en 2015, le secteur de l'assurance automobile au Royaume-Uni a été bénéficiaire pour la première fois depuis 1994 (source : abi.org.uk).

Les éléments présentés par l'Association of British Insurers (ABI) dans son dernier rapport annuel « UK Insurance & Long-term Savings » confirme l'importance des assurances dans la force économique du Royaume-Uni. Le secteur britannique de l'assurance est le plus gros d'Europe, et le quatrième au monde, avec au total 300 Md £ de primes perçus en 2016. Il y a plus de 900 assureurs généraux autorisés au Royaume-Uni, avec plus de 300 000 employés. La valeur des primes versées ne cesse de croître, avec l'automobile et les biens mobilisers en tête du peloton. Plus de 75 % des foyers britanniques ont eu une assurance auto et/ou biens mobiliers. Malgré des revenus atteignant des dizaines de milliards, l'étroitesse des marges et des fraudes atteignant 800 M £ ont causé 200 M £ de pertes dans le secteur automobile.

Figure 1. UK Insurance Key Facts (source : www.abi.org.uk, 2017)

L'objectif premier du marché de l'assurance est donc d'établir un niveau de cotisation qui soit adéquat, équitable et compétitif. Avec une approche basée sur le client, le système d'établissement des tarifs d'assurance doit être facile à comprendre, offrir des prix stables, s'adapter aux évolutions économiques et inclure un contrôle des pertes tout en maintenant des tarifs abordable. Ces exigences souvent contraires représentent un fardeau financier important pour les assureurs.

Pour déterminer le niveau des primes, les assureurs doivent répondre à de nombreuses questions sur le parcours des clients (figure 2), telles que : le client est-il dangereux ; faut-il lui proposer une remise ; si oui, de combien ; comment acquérir de nouveaux clients ; comment conserver ses clients actuels ; quelle est la probabilité d'un sinistre, et comment prédire le montant total des sinistres ; comment détecter les fraudes ; comment encourager les clients à acheter d'autres produits ; et ainsi de suite.

Figure 2. Interactions au fil du parcours du client

Pour répondre à ces questions et garantir une relation sur la durée avec le client, il est nécessaire de calculer des polices d'assurance qui soient à la fois adéquates, équitables et compétitives Par conséquent, les tarifs sont le principal moteur du secteur de l'assurance, et de la science des données dans ce secteur. Les deux principaux concepts à équilibrer pour définir des polices adéquates, équitables et compétitives sont les tarifs et les sinistres. Ces deux concepts, ainsi que la détection des fraudes, contribuent à une avancée rapide des innovations technologiques dans les assurances (figure 3).

Figure 3. Infrastructure d'analyse des données pour les assurances

Le tableau 1 illustre comment utiliser la science des données sur ces trois domaines et pour répondre aux problèmes survenant aux diverses étapes du cycle de vie du client.

SegmentProblèmesSolution d'analyseApproche typique de la modélisationAvantages métier
TARIFSImpossible de savoir le coût final d'une police d'assurance au moment de la venteTarification niveau client (tarifs basés sur les risques)Modèles linéaires généralisés (par exemple la procédure GENMOD du langage SAS)Tarifs adéquats et équitables, pour que Prime = Pertes + Profits
Comprendre un marché concurrentiel et ses dynamiquesModèles tarifaires basés sur le marché, notamment pour la conversion, la demande et la rétentionModélisation des propensionsDévelopper la clientèle, l'avantage compétitif
Quelle est la valeur de mes clients ?Valeur vie du clientAnalyse de survie, segmentation, modèles de propension Campagnes marketing optimisées
Qu'est-ce que la tolérance du client aux tarifs ?Elasticité des prixOptimisationMaximisation des profits
SINISTRESRéduire les frais d'exploitation/informatiques et maintenir la satisfaction des clients Infrastructure de traitement des sinistres, première notification des dégats incluseApproche globale utilisant modèles de propension et de régression incluant dommages corporels, coûts des sinistres et pertes totalesDécision en temps réel, monétisation
DETECTION DES FRAUDESDétection des fraudes pour propositions et sinistresStructure de détection des fraudesApproche globale utilisant modèles de propension, détection des anomalies, règles de fraude, listes noires, analyse des liensMinimiser les pertes

Tableau 1. Exploiter la science des données pour l'assurance

La réussite du développement, de l'implémentation et de l'utilisation des modèles prédictifs dans l'assurance dépend en grande partie du choix de la plate-forme d'analyse des données. Cette dernière doit répondre à de nombreuses exigences : capacités ETL (extraction, transformation et chargement), manipulation, préparation et visualisation des données, élaboration et validation des modèles, déploiement des modèles, tests, mise en production et surveillance, entre autres. Les assureurs misent généralement sur un mélange d'outils commerciaux et libres, afin de réduire le coût de l'implémentation. Toutefois, il est nécessaire de bien réfléchir à son choix, car une solution mal adaptée peut être coûteuse et longue à mettre en place lors de l'intégration.

Figure 4. Plate-forme WPS Analytics pour l'assurance