CERES CONSEIL Vous accompagne vers l assurance digitale

Transcription

1 CERES CONSEIL Vous accompagne vers l assurance digitale Tirez parti de vos données pour (ré)inventer votre offre de service. Notre métier Cérès Conseil accompagne les projets de transformation digitale, avec comme ambition d augmenter les performances de ses clients à travers une réponse numérique évoluée, apportant de la valeur ajoutée à leur offre de service.

2 Big Data Enjeux et futurs possibles pour les assureurs et mutuelles Image :

3 La révolution digitale Nous vivons une révolution numérique permanente où la technologie change nos vies plus rapidement que jamais et où personne ne peut prédire avec précision ce que l'avenir nous réserve. Le facteur le plus crucial dans ce changement a été l'augmentation astronomique de la quantité de données qui peuvent être créées, collectées et analysées. Le Big Data permet de prendre davantage de décisions basées sur des faits. Image :

4 Marketing Le Big Data pour un marketing stratégique et une approche client 3.0 Décloisonnement de l approche traditionnelle en silos pour une approche globale des risques pertinents de l assuré. Vers une mesure de l appétence / aversion au risque. Emergence de communautés de clients qui dialoguent avec l assureur. Construction de contrats «sur mesure» et / ou évolutifs dans le temps. Passer d une segmentation basée sur des critères statiques à une segmentation plus fine sur les comportements. Image :

5 Tarification prospective Le Big Data pour révolutionner la théorie du risque par une tarification prospective comportementale Image : Remise en cause des principes d asymétrie d information et de la mutualisation des risques. Passer d une tarification basée sur l expérience statistique rétrospective du marché, tarification fréquence/coût moyen, à une tarification comportement / coût. S appuyer sur des algorithmes comportementaux prospectifs. Applique les techniques de «tarif de crédibilité» des souscripteurs de risques industriels aux risques de particuliers. Mettre en place la notion de Value at Risk de l assuré. Une complémentarité des nouveaux modèles du Big Data pour enrichir et affiner les «anciens» modèles. Aller vers un prix actuariels plus exact et précis, mais inéquitable et non mutualisé?

6 Prévention des résiliations Le Big Data comme outil de prévention des résiliations en Assurance IARD et des rachats en Assurance Vie-Epargne Une meilleure évaluation de l attitude des assurés vis-àvis de l assurance en général et des options d organisation prises : quel impact des sinistres considérés comme mal réglés sur les résiliations de contrats? Mesure de la sensibilité client par rapport aux gestes commerciaux, à la gestion des sinistres, aux hausses de tarifs. Connaissance des motivations de l épargnant et de sa sensibilité à la rentabilité annuelle de l épargne, aux variations de taux des marchés, aux mouvements de la fiscalité, contrats UC ou multi-supports. Image :

7 Gestion des sinistres Le Big Data : un impact global sur la gestion des sinistres Vers une évaluation plus solide des Sinistres Maximum Possibles, et une conception prospective et stochastique. Enrichissement de l information sur la description du sinistre IARD à l ouverture pour établir des scénarios prospectifs de déroulement du processus d indemnisation. Evolution de l Assistance comme acteur incontournable pour des prestations de services à coûts maîtrisés ex ante. Image :

8 Assureurs et Mutuelles : des futurs possibles Assurance Personnalisée Intégration et orchestration de services Prévention du risque Proposition de valeur Assurance personnalisée basée sur la connaissance de l assuré et du contexte dans lequel celui-ci évolue à un instant donné. Orchestration de services intégrés autour d un besoin spécifique. Prévention des risques via l utilisation d objets connectés, de sites Web de prévention, etc. Capacités clefs Push d offres ciblées basées sur la situation instantanée des assurés. Proposition de polices d assurances personnalisées selon l aversion au risque observée de l assuré selon la nature du risque. Partage de données entre les différents acteurs proposant des services intégrés à la plateforme. Plateforme de gestion des services sous-traités. Intégration de données environnementales en temps-réel. Analyse prédictive basée sur les données collectées par des senseurs. Education et/ou sensibilisation des assurés. Exemples Assurance temporaire basée sur la localisation : ski, golf, etc. Site d achat/vente de voitures d occasions proposant révision de la voiture, assurance, expertise après sinistre, etc. Senseurs permettant de détecter les fuites d eau (MRH), etc.. Source : Internet of Things and insurance, Roland Berger, 2015

9 Les offres Cérès Conseil Image :

10 Les offres Cérès Conseil La digitalisation touche l entreprise à tous les 1 Big Data Assurance niveaux, de son offre de services jusqu aux processus opérationnels dans le cadre d une relation clients redéfinie. Cérès Conseil accompagne ses clients assureurs et mutuelles dans leurs grands projets de transformation digitale. 2 3 Intégration des Objets Connectés Définition d une nouvelle relation clients

11 Les offres Cérès Conseil Offre Prestations proposées Big Data Assurance Réalisation d un PoC Big Data Assurance (BACKBONE) Collecte et organisation des données et préparation à leur traitement (nouveaux modèles de scoring, machine learning) Intégration des Objets Connectés Accompagnement à l évolution de l offre de services Amélioration de l auditabilité et de la sécurité des données Définition d une nouvelle relation clients Mise en place de nouveaux modes de communication clients (mobile, réseaux sociaux) Construction d une vue client consolidée (cross selling, cross media)

12 Zoom sur : BACKBONE Le PoC Big Data Assurance de Cérès Conseil Image :

13 L infrastructure de BACKBONE BACKBONE NiFi MondoBrain* * Cérès Conseil est partenaire MondoBrain :

14 BACKBONE c est NiFi D4M Accumulo Intégration Structuration Stockage Outil d intégration de données. Permet de tracer les transformations faites sur le flux entre la source et la destination. Modèle de données permettant de structurer tous types de données multidimensionnelles. Langage de requête permettant d extraire les données de manière simple. Basé sur Hadoop. Théorème CAP : C & P. Scale de façon quasi-linéaire en augmentant le nombre de serveurs. Sécurisation des données et non de l accès à la base.

15 Nous contacter Image :

16 Si vous souhaitez nous rencontrer Marc PAGNIER Cyrille SAVELIEF 20 ans d expérience dans le conseil en systèmes d informations. Responsable du secteur Assurance / Protection Sociale pendant 10 ans en cabinet de conseil (250 consultants). Actuaire, Centrale Paris. 10 ans d expérience dans le domaine du traitement des données. Ingénieur R&D chez FactSet Estimates (collecte et redistribution). Master Parisien de Recherche en Informatique, Paris 7. mpagnier@ceresconseil.com csavelief@mncc.fr