Le data mining et l assurance Mai Charles Dugas Président Marianne Lalonde Directrice, développement des affaires
|
|
|
- Charles Nadeau
- il y a 8 ans
- Total affichages :
Transcription
1 Le data mining et l assurance Mai 2004 Charles Dugas Président Marianne Lalonde Directrice, développement des affaires
2 AGENDA Qu est-ce que le data mining? Le projet et les facteurs de réussite Les technologies du data mining Les applications en assurance
3 Qu est-ce que le data mining? Processus de sélection, d exploration, de modification et de modélisation... de grandes bases de données afin de découvrir des relations entre les données jusqu alors inconnue.
4 Domaines d utilité Services bancaires et financiers Commerce de détails Secteur manufacturier Domaine pharmaceutique Télécommunications Assurances
5 Les applications en assurance Estimation des risques Plan de Répartition des Risques Acquisition de nouveaux clients Customer Relationship Management Détection de fraudes
6 Pourquoi le data mining? Point de vue client: les produits d assurance se LA DIFFÉRENCE: ressemblent LE MONTANT DE LA POLICE LA RELATION AVEC LE CLIENT
7 Des statistiques au data mining BEACOUP DE DONNÉES + PROBLÈMES PLUS COMPLEXES = = MODÈLES PLUS COMPLEXES MODÈLES PLUS PRÉCIS
8 Les 7 étapes d un projet Détermination d un objectif Inventaires de données Collecte, nettoyage et mise en forme Mise en oeuvre des algorithmes Validation et choix d un modèle Communication des résultats Déploiement
9 ApSTAT Technologies Technologie performante Méthodologie rigoureuse Plateforme de développement efficace Solutions adaptées Spécialisée en assurance
10 Les méthodes traditionnelles
11 Les arbres de décision Avantages Règles explicites Traitent les données hétérogènes manquantes Détection de dépendances non-linéaires Désavantages Moindre robustesse Niveaux interdépendants Discontinuités dans le score Développement rapide
12 Modèles linéaires généralisés Avantages Désavantages Continuité de la valeur obtenue Résultats explicites Détection de dépendances non-linéaires Manque de flexibilité Meilleure robustesse
13 Réseaux de neurones Avantages Désavantages Détection de dépendances non-linéaires Bonne résistance aux données manquantes Résultats non explicites Développement long Puissance de prédiction Problème des grandes réclamations
14 Le data mining et l assurance Estimation des primes pures Plan de Répartition des Risques Acquisition de nouveaux clients Fidéliser les clients actuels Détection de fraudes
15 Estimation des primes pures Attribue des primes pures individualisées Réduction des pertes Augmentation de la part de marché Substantiellement plus précises Augmentation des profits Reflétant plus justement le niveau de risque
16 Plan de Répartition des Risques Le futur assuré magasine une police d assurance auto comme à l habitude et contacte un assureur. L assureur évalue le risque et le cède au PRR s il est trop élevé plutôt que de le sous-tarifer. L assureur envoie au PRR 75% de la prime chargée à l assuré et garde 25% de frais d administration. Le PRR rembourse à l assureur les réclamations faites par cet assuré pour toute la durée de la police.
17 Économies possibles 1 million / $100M de volume de primes
18 Acquisition de nouveaux clients de l impact du marketing de masse Déterminer l objectif Identifier les clients potentiels ciblés Solliciter directement ces clients significative du taux de réponse
19 Le data mining et le CRM Nouvelle vision de l art du marketing Un avantage concurrentiel indéniable LifeTime Value Une connaissance personnalisée de la clientèle
20 Détection de fraudes Réclamation Ajusteur??? Fast Track Fraude? OUI??? NON Paiement SIU Traitement et paiement
21 Pourquoi le data mining? Réduction des pertes dû aux «mauvais risques» et aux fraudes Augmentation de la part de marché grâce à l acquisition de nouveaux clients Augmentation des profits en évaluant la durée de la relation client
22 Contacts Marianne Lalonde Directrice, développement des affaires (514) poste APSTAT lalonde@apstat.com Charles Dugas Président (514) poste APSTAT dugas@apstat.com
5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com
Application des réseaux de neurones au plan de répartition des risques 5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Copyright c
Agenda de la présentation
Le Data Mining Techniques pour exploiter l information Dan Noël 1 Agenda de la présentation Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un projet de Data Mining Place du Data Mining
Introduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Chef d entreprise, Responsable Commercial, Responsable Marketing, ou acteurs de la Gestion Relation Client en entreprise.
PROGRAMME DE FORMATION : Gestion de la Relation Client (GRC ou CRM) De la collecte de données clients, à la gestion opérationnelle de votre relation client : découvrez comment faire de votre CRM un levier
Application du data mining pour l évaluation de risque en assurance automobile
Application du data mining pour l évaluation de risque en assurance automobile 4 Septembre 2012 Sylvain Pannetier Lebeuf Recherche & Analytique Contenu Qui on est: La compagnie L équipe de recherche et
Travailler avec les télécommunications
Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la
Business & High Technology
UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 6 : Customer Relationship Management (CRM) Sommaire Introduction... 1 Les enjeux
L'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie
Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier
Le Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
L olivier Assurances Licence 3 Econométrie Lyon II
15 novembre 2013 L olivier Assurances Licence 3 Econométrie Lyon II Pascal Gonzalvez 1 L olivier Assurances et le Groupe Admiral Segmentation et tarification en assurance auto Autres applications de la
E-mail marketing, scoring comportemental & analyse prédictive
E-mail marketing, scoring comportemental & analyse prédictive Formation Dolist - Score MD Les 25 & 26 juin 2013 Dolist.net - Tous droits réservés 26/04/2013 Formation E-mail Marketing, scoring & analyse
Méthodes d apprentissage statistique «Machine Learning»
Méthodes d apprentissage statistique «Machine Learning» Fabrice TAILLIEU, Sébastien DELUCINGE, Rémi BELLINA Le marché de l assurance a rarement été marqué par un environnement aussi difficile qu au cours
LA GESTION DE LA RELATION CLIENT
Conquérir un prospect coûte beaucoup plus cher que de fidéliser un client. C est la raison pour laquelle un grand nombre d entreprises orientent leur stratégie autour des services proposés à leurs clients.
" # $ % % & ' ( ) * +,! '()*+ *, + ' +' + ' ' -+ - +.+. /0 / 1 0 12 1 1 2 34+ 4 1 +. 50 5 * 0 4 * 0 6! "##$ % &!
"# $ %%& ' ( )*+, '()*+,'+''-++.+/0112134+1.50*406 "##$ %& 8CC "#$%& ' ( )* +,-./ 0 123 456+7 3 7-55-89.*/ 0 +3 *+:3 ;< =3 3-3 8 0 23 >-8-3 >5? //*/*0;* @A: *53,,3 / * $/ >B+? - 5, 2 34*56 7 /+#** //8
«Théoriquement, si je peux couper les coûts suffisamment, on devrait pouvoir devenir profitable sans plus rien vendre»
«Théoriquement, si je peux couper les coûts suffisamment, on devrait pouvoir devenir profitable sans plus rien vendre» Stratégie Marketing et CRM: Le Client Est Un Capital Jean - Charles Neau La croissance
LE MARKETING RELATIONNEL ET LA GESTION DE LA RELATION CLIENT
Cycle: Licence professionnelle Filière: Technique banques et assurances LE MARKETING RELATIONNEL ET LA GESTION DE LA RELATION CLIENT Réalisé par: Mlle Asmae AIT RAI Mlle Ghizlane JALIAD Mlle Hafida EL
CRM et GRC, la gestion de la relation client R A LLER PL US L OI
3 R A LLER PL US L OI CRM et GRC, la gestion de la relation client Comment exploiter et déployer une solution de relation client dans votre entreprise? Les usages d une CRM Les fonctionnalités d une CRM
«Outils de gestion pour TPE CRM / ERP» Club
Réunion des membres du 7 juin 2011 «Outils de gestion pour TPE CRM / ERP» Comment faciliter la gestion journalière d un commerce ou d une TPE par l utilisation d outils TIC? L adoption d outils TIC mais
Sage CRM. Customer Relationship Management (CRM) pour petites et moyennes entreprises
Sage CRM Customer Relationship Management (CRM) pour petites et moyennes entreprises La clé de votre succès. Sage CRM, en tant que solution CRM primée, livre aux petites et moyennes entreprises dans le
Spécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Mesures de Valeur-Client. Étienne Plante-Dubé Modélisation & Recherche Desjardins Groupe d assurances générales etienne.plante.dube@dgag.
Mesures de Valeur-Client Étienne Plante-Dubé Modélisation & Recherche Desjardins Groupe d assurances générales etienne.plante.dube@dgag.ca Plan de la présentation 2 Différents points de vue de valeur Valeur
DECLARATION DES PERFORMANCES N 1
DECLARATION DES PERFORMANCES N 1 Résistance mécanique C18 EN 1912 : 2012 + EN 338 :2009 DECLARATION DES PERFORMANCES N 2 Résistance mécanique C24 EN 1912 : 2012 + EN 338 :2009 DECLARATION DES PERFORMANCES
ANALYSE STATISTIQUE PRÉDICTIVE
Yoshua Bengio Chaire de Recherche du Canada sur les Algorithmes d Apprentissage Statistique, Université de Montréal Charles Dugas ApSTAT Technologies Inc. Et Aviva Canada SALON INTELLIGENCE D AFFAIRE 8
ICHEC MANAGEMENT SCHOOL
CASE TELECOMMUNICATION - MOBISTAR BUSINESS CASE TELECOMMUNICATIONS - MOBISTAR Defort Florence De Veyt Marie-Laure Dierickx Arnaud Leruite Julien Marlot Camille ICHEC MANAGEMENT SCHOOL MOBISTAR, EN ROUTE
Malgré la crise, Le décisionnel en croissance en France
Malgré la crise, Le décisionnel en croissance en France 11 juin 2009 www.idc.com Cyril Meunier IDC France Consulting Manager Copyright 2009 IDC. Reproduction is forbidden unless authorized. All rights
Introduction à l Informatique Décisionnelle - Business Intelligence (7)
Introduction à l Informatique Décisionnelle - Business Intelligence (7) Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Septembre 2013 Emergence
Accélérer l agilité de votre site de e-commerce. Cas client
Accélérer l agilité de votre site de e-commerce Cas client L agilité «outillée» devient nécessaire au delà d un certain facteur de complexité (clients x produits) Elevé Nombre de produits vendus Faible
ARIA Languedoc-Roussillon. Atelier CRM / Fidélisation
ARIA Languedoc-Roussillon Atelier CRM / Fidélisation «Gestion de la Relation Clients : Les nouvelles Définition et bonnes technologies pratiques» au service de votre NELIS, Philippe Rossi développement
B/ La gestion des relations avec les clients
Le CRM Le marketing one to one Le nouveau mix marketing Conclusion: du marketing de masse au marketing personnalisé CRM (Customer relationship management) e-crm Marketing one to one Marketing one to one
Les Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
Bénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires
Pivotal CRM 6.0 Quelle que soit la tendance d évolution des marchés, faites de vos clients le moteur de votre réussite avec une meilleure maîtrise et une meilleure flexibilité et un coût de possession
INTELLIGENCE MARKETING ETUDES DE MARCHE - DATA MINING - CONSEIL EN MARKETING - SYSTEMES D INFORMATION MARKETING
ETUDES DE MARCHE - DATA MINING - CONSEIL EN - SYSTEMES D INFORMATION Notre mission Des études de marché au data mining Cinq sur Cinq est un institut d intelligence marketing. Notre métier : collecter,
TECHNIQUES DE DISTRIBUTION
MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENERALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION TECHNIQUES
BIG DATA et données externes dans les modèles de tarification
BIG DATA et données externes dans les modèles de tarification BIG DATA BIG DATA : Quelques clés Eric FROIDEFOND MAAF MBA CNAM ENASS en cours Intégration du BIG DATA dans la tarification en assurances IARD
Cinq impératifs prédictifs pour maximiser la valeur client Utilisation des analyses prédictives pour améliorer la gestion de la relation client
Cinq impératifs prédictifs pour maximiser la valeur client Utilisation des analyses prédictives pour améliorer la gestion de la relation client Table des matières : 1 Introduction 4 Les cinq impératifs
RELATION CLIENT - CRM - MARKETING
INNOVATION TECHNOLOGIES AU SERVICE DES PME PMI ETI SOeMAN RELATION CLIENT - CRM - MARKETING La solution d'aide au pilotage et au management de la performance commerciale Produit et service de la société
Agenda. Impact d une mauvaise gestion des données. Les stratégies de promotion interne de la gestion de données
Comment définir les enjeux métier de la gestion de données Christophe Toum Chef de Produit DQ & MDM (Titre original dans l agenda : «Cas d utilisation de la gestion de données») Agenda Impact d une mauvaise
Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients
Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Frédérick Vautrain, Dir. Data Science - Viseo Laurent Lefranc, Resp. Data Science Analytics - Altares
GESTION DE LA RELATION CLIENT (CRM) Etat actuel et perspectives du marché suisse en 2002
GESTION DE LA RELATION CLIENT (CRM) Etat actuel et perspectives du marché suisse en 2002 CONSULTING KPMG Consulting SA La «gestion de la relation client» (ou, en anglais, Customer Relationship Management,
Fiabilisation des bases de données BtoB : Un enjeu majeur
0 Fiabilisation des bases de données BtoB : Un enjeu majeur 1 L entreprise IMS HEALTH GROUP Société fondée en 1954 Opère dans plus de 100 pays 15 000 collaborateurs 3,3 milliards de dollars de CA Plus
1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3.
1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3. Vente et marketing... 7 3.3.1. Gestion de la relation Client
satisfaction client Relation client : satisfaction? fidélisation?
Relation client : satisfaction? fidélisation? Un pilier fondamental de la GRC : la satisfaction client La gestion de la relation client Les missions de l entreprise Créer de la valeur pour les clients
Présentation GRILOG. Février 2013
Présentation GRILOG Février 2013 Sujet / Agenda Comment maximiser ses performances commerciales et services à l aide d un CRM métier Editeur/intégrateur? Agenda: La filière de l édition de logiciel : Les
La relation bancaire avec la clientèle des particuliers : revue de la littérature
Direction de la stratégie Service de Veille et d Intelligence économiques et stratégiques du Groupe Mission de la Recherche @res @rgos Note de synthèse La relation bancaire avec la clientèle des particuliers
Coup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Marketing comportemental. Guide méthodologique de mise en œuvre
Marketing comportemental Guide méthodologique de mise en œuvre Sommaire Présentation...3 Les limites du marketing de masse ou du marketing «produit»...5 L idéal marketing : délivrer le bon message au bon
Gérer sa relation clients : Excel peutil suffire encore longtemps?
Gérer sa relation clients : Excel peutil suffire encore longtemps? Pôle Numérique / CCI Bordeaux 29 Mars 2012 Intervenants : KEOLIS Bordeaux, VivaSoft, Microclimat 1 Agendas Le pôle numérique de la CCI
QU EST-CE QUE LE DECISIONNEL?
La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce
Université de Montréal. par Sylvain Pannetier Lebeuf
Université de Montréal Prédiction de l attrition en date de renouvellement en assurance automobile avec l aide de processus gaussiens par Sylvain Pannetier Lebeuf Département de mathématiques et statistiques
Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.
2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle
LES DONNÉES CLIENTS APPLIQUÉES À LA MOBILITÉ : ENJEUX, ÉVOLUTIONS ET ACTIONS
LES DONNÉES CLIENTS APPLIQUÉES À LA MOBILITÉ : ENJEUX, ÉVOLUTIONS ET ACTIONS BIG DATA, DIRTY DATA, MULTI DATA : DE LA THÉORIE À LA PRATIQUE : ARTÉMIS Paris le 4 avril 2013 EFFIA Synergies 20 Bd Poniatowski
Cybermarché et analyse comportementale
Cybermarché et analyse comportementale Antoine-Eric Sammartino aesammartino@e-laser.fr Séminaire Data Mining - Educasoft Formations 18 juin 2001-1- MENU Le Groupe LaSer Le processus Data Mining L industrialisation
Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
PLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions
PLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions Juillet 2014 N/Réf. : 930.01 Le Groupement des assureurs automobiles agit à titre d agence autorisée par l Autorité des marchés financiers. Ce document
(Customer Relationship Management, «Gestion de la Relation Client»)
(Customer Relationship Management, «Gestion de la Relation Client») Les Banques et sociétés d assurance sont aujourd'hui confrontées à une concurrence de plus en plus vive et leur stratégie " clientèle
Christophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Module de gestion des contacts et échanges avec les clients et fournisseurs (CRM)
bmi-fact+ Module de gestion des contacts et échanges avec les clients et fournisseurs (CRM) Module commun aux applications bmi-fact, bmi-compta, POWERGES et Gest-Office. Qu est-ce qu un CRM (Customer Relationship
Table des matières. Comment utiliser efficacement cet ouvrage pour en obtenir les meilleurs résultats?... 5
Table des matières Sommaire.................................................................. v Avant-propos et remerciements............................................. 1 Note du traducteur.....................................................
Une offre performante, la clé du succès Techniques Marketing pour PME, TPE et Indépendant
Les clés de la Réussite Une offre performante, la clé du succès Techniques Marketing pour PME, TPE et Indépendant E-learning 14 heures Tarif : 490 Le manque d approche Marketing pénalise les petites structures.
Mémoire d Actuariat Tarification de la branche d assurance des accidents du travail Aymeric Souleau aymeric.souleau@axa.com 3 Septembre 2010 Plan 1 Introduction Les accidents du travail L assurance des
Livre blanc. CRM: Quels sont les bénéfices pour votre entreprise?
Livre blanc CRM: Quels sont les bénéfices pour votre entreprise? Longtemps considéré comme un outil de luxe exclusivement réservé aux grands groupes, le CRM a su démontrer au fil du temps, que son efficacité
Le cloud conçu pour votre organisation.
Le cloud conçu pour votre organisation. C est le Cloud Microsoft. Chaque organisation est unique. De la santé à la grande distribution, de l industrie à la finance - il n y a pas deux organisations qui
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Guide du. Jeune Diplômé. We are creating Customer Value. Management Consulting Business Solutions Technology Services
Guide du Jeune Diplômé We are creating Customer Value. Management Consulting Business Solutions Technology Services Cette année encore, de nombreux stagiaires et jeunes diplômés intègreront nos équipes
AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES
1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte
Le Marketing Relationnel Universitaire : 2010.2011 0
Universitaire : 2010.2011 0 Introduction : Chaque jour à travers le monde, des managers déplorent la baisse de fidélité de leurs clients qui sont courtisés plus fébrilement par des concurrents offrant
INTRODUCTION A LA GESTION DE LA RELATION CLIENT
INTRODUCTION A LA GESTION DE LA RELATION CLIENT La Gestion de la Relation Client (GRC) correspond à l'expression anglaise Customer Relationship Management (CRM). «La GRC est l'ensemble des outils et techniques
GÉREZ VOTRE RELATION CLIENT SANS QUITTER MICRO SOFT OUTLOOK
Face à l évolution rapide des marchés, les entreprises doivent continuellement reconsidérer leurs axes de développement et leurs stratégies commerciales. Les sollicitations permanentes des concurrents
Vision prospective et obstacles à surmonter pour les assureurs
smart solutions for smart leaders Le «Big Data» assurément Rédigé par Pascal STERN Architecte d Entreprise Vision prospective et obstacles à surmonter pour les assureurs Un avis rendu par la cour de justice
RESPONSABLE DU DÉVELOPPEMENT COMMERCIAL ET MARKETING
RESPONSABLE DU DÉVELOPPEMENT COMMERCIAL ET MARKETING Formation intensive à temps plein - Titre certifié par l État de niveau II Arrêté du 19/11/2013 publié au JO du 29/11/2013 BIENVENUE DANS LE MONDE DES
Des données à la connaissance client. A la découverte de la plateforme de connaissance client knowlbox
Des données à la connaissance client A la découverte de la plateforme de connaissance client knowlbox Livre blanc mai 2013 A l heure du Big Data, les entreprises s interrogent davantage sur leurs données.
Observatoire de l e-assurance. E-assurance: synthèse du bilan 2009. 02 Juin 2010
E-assurance: synthèse du bilan 2009 02 Juin 2010 1 Agenda Synthèse des résultats Le Bilan 2009 2 Résumé L assurance sur Internet continue sa montée en puissance en 2009, avec un trafic en hausse de 23%
Définitions 16/04/2015
1 Définitions Définitions (Wikipedia) La télématique est un terme qui recouvre les applications associant les télécommunications et l'informatique Un système embarqué est un système électronique et informatique
Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
La tendance au regroupement : comment réussir à naviguer dans un tel contexte
Étude technique La tendance au regroupement : comment réussir à naviguer dans un tel contexte Les technologies de l'information appliquées aux solutions d'affaires MC Totalité du contenu 2006 par le Groupe
8 bonnes raisons d utiliser un CRM pour une PME
8 bonnes raisons d utiliser un CRM pour une PME Résumé Analytique : En tant que PME, l utilisation d une solution CRM présente de multiples avantages. En premier lieu, elle vous permettra d accroître votre
b) La liste de vos anciens noms pour les 5 dernières années (avec explications) Si non applicable, veuillez cocher
PROPOSITION D ASSURANCE RESPONSABILITÉ PROFESSIONNELLE POUR LES CABINETS, LES REPRÉSENTANTS AUTONOMES, LES REPRÉSENTANTS AGISSANT POUR LE COMPTE D UN CABINET SANS Y ÊTRE EMPLOYÉS ET LES SOCIÉTÉS AUTONOMES
Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining
Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining Améliorez les résultats de votre entreprise Points clés Incorporez des types de données supplémentaires dans
Comment réussir son projet de Master Data Management?
Comment réussir son projet MDM? Table des matières Comment réussir son projet de Master Data Management?...... 2 Un marché en croissance..... 2 Les démarches qui réussissent... 2 A quels projets métiers
PROSPECTION TÉLÉPHONIQUE DÉTECTION DE PROJETS
Département CRM PROSPECTION TÉLÉPHONIQUE DÉTECTION DE PROJETS QUI SOMMES-NOUS? CUSTOMER RELATIONSHIP MANAGEMENT (CRM) Ensemble de mesures prises pour optimiser la relation et la fidélisation client dans
UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE
LIVRE BLANC UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE Comment choisir un CRM qui répondra à toutes les attentes de vos commerciaux www.aptean..fr LIVRE BLANC UNE SOLUTION CRM CONÇUE POUR LA FORCE
CRM Service. Exemples de secteurs concernés. Fonctionnalités clés. Gestion de l activité quotidienne. Gestion complète de la force de vente
CRM Service Exemples de secteurs concernés Société de commerce et de négoce Société de services informatiques Cabinet de formation Cabinet de recrutement Société de sécurité et de nettoyage Société de
Le programme d'accompagnement E-tourisme des CCI de Provence Alpes Côte d'azur Parcours : «Approfondissement»
Le programme d'accompagnement E-tourisme des CCI de Provence Alpes Côte d'azur Parcours : «Approfondissement» JOURNEE 1 : LA DEMARCHE MARKETING JOURNEE 2 : SITE WEB ET OPTIMISATION DE SA VISIBILITE WEB
Gender Directive Impacts opérationnels pour les assureurs
Gender Directive Impacts opérationnels pour les assureurs Conférence ActuariaCnam Présentation 3 1 / 0 5 / 2 0 1 2 Julien Chartier, Actuaire Manager AGENDA Introduction Partie 1 - L arrêt «Test-Achats»
Notes techniques pour les règles de souscription de l assurance-automobile
Annexe B pour les règles de souscription de l assurance-automobile Émis avec le Bulletin No. A-09/03 I.A.R.D. - Auto ommission des services financiers de l Ontario 29 juillet 2003 pour les règles de souscription
Assurance Vie en Ligne
Synthèse - Mars 2014 Benchmark concurrentiel de l expérience client en ligne e Assurance Vie en Ligne 6 sites d acteurs de référence de l Assurance Vie en Ligne plus de 7.000 internautes mobilisés www.observatoire-eperformance.com
2000 Ans pour la Démocratisation D
2000 Ans pour la Démocratisation D du CRM Reto M. Schibli SMARTrms - salesforce.com partner SMARTrms - Reto M. Schibli 30, ch. François-Chavaz CH-1213 Onex / Genève Mobile 078 732 81 74 Email rschibli@smartrms.com
Votre laisser-passer pour les. Big Data Guide visuel
Votre laisser-passer pour les Big Data Guide visuel Les Big Data ont une immense valeur Apprenez à en libérer tout le potentiel Nul doute aujourd hui que les Big Data entraînent une profonde mutation du
Données des SIM. Données signalétiques (nom, adresse), Historique d achat, Réactions passées aux actions de promotion
Données des SIM Bases de données produits Identification, caractéristiques techniques, caractéristiques commerciales (prix, unités de vente, fournisseurs), état des stocks, ventes réalisées Bases de données
IBM SPSS Direct Marketing
IBM SPSS Statistics 19 IBM SPSS Direct Marketing Comprenez vos clients et renforcez vos campagnes marketing Points clés Avec IBM SPSS Direct Marketing, vous pouvez : Comprendre vos clients de manière plus
Base de données clients outil de base du CRM
Base de données clients outil de base du CRM Introduction Objectifs SOMMAIRE Constitution de la base de données clients Alimentation Datamart et DataWarehouse Contenu Dimensions Exploitation de la base
Séminaire CRM Les directions de recherche et les perspectives du Customer Relationship Management 1
Faculté des Sciences économiques et sociales de l Université de Fribourg Séminaire CRM Les directions de recherche et les perspectives du Customer Relationship Management 1 Séminaire présenté auprès de
1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données
1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données Votre interlocuteur Didier Gaultier Directeur Data Science Business & Decision Professeur de Statistique à l
RÉALISÉ PAR : LOGISTIQUE HOSPITALIERE SYSTEME CRM
RÉALISÉ PAR : LOGISTIQUE HOSPITALIERE SYSTEME CRM 1 SOMMAIRE La logistique hospitalière : De quoi s agit il?: La chaine logistique hospitalière Principaux flux Les chaines logistiques du secteur de la
Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours
Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP
Plus de données, quels impacts sur la gestion des sinistres? 4 avril 2013 Gontran Peubez
Plus de données, quels impacts sur la gestion des sinistres? 4 avril 2013 Gontran Peubez Sans sinistres, pas d assurance Langage Logique Analyse Intuition Perception Créativité «La plupart des gens utilisent
Savoir fidéliser ses clients
Savoir fidéliser ses clients le programme partie 1 Les enjeux de fidélisation partie 2 La relation client : un levier de fidélisation Partie 3 Gérer sa base de données clients Partie 4 Les outils pour
Introduction Big Data
Introduction Big Data SOMMAIRE Rédacteurs : Réf.: SH. Lazare / F. Barthélemy AXIO_BD_V1 QU'EST-CE QUE LE BIG DATA? ENJEUX TECHNOLOGIQUES ENJEUX STRATÉGIQUES BIG DATA ET RH ANNEXE Ce document constitue