Big Data en (Ré)Assurance

Transcription

1 Big Data en (Ré)Assurance Université d été de l Institut des Actuaires Régis Delayat SCOR, DSI Groupe 7 Juillet 2014

2 Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes 2

3 La donnée est (devenue) l un des principaux actifs de l Enterprise Employees Capital Clients Processes Assets Information System Data Value chain Strategy Design Production Sales Support Management & Control Shareholders Suppliers Clients Regulators Partners Media Rating Agencies Financial Markets & Investors 3

4 Le numérique, c est aussi l ère de l information Internal Office Mixed generations Hierarchical Mass Limited Standard Product-oriented Offer-driven Months & years Structured R&D Department Process automation Global solutions In-house Structured & limited Borders Location Staff Organization Production Segmentation Service level Offer Model Timeframe Collaboration Innovation IT focus Projects Hosting Information Extended / Partnerships Worldwide Mobility + Digital natives Networks / Communities Tailor made Detailed Personnalized Service-oriented Demand-driven Days & weeks Social networks Open Analytics & decision Customized solutions Cloud Big Data 4

5 Big Data en Assurance : vraie opportunité, maturité encore faible (Bearing Point Institute, Mai 2014) 5

6 Big Data & Analytics «Avalanche d informations», «tsunami de données», «explosion des données», «infobésité» un air de catastrophe!? Mais surtout une vraie opportunité la richesse dépend de notre capacité à exploiter les données, alors «mine d or»? «pétrole»? La connaissance s acquiert par l expérience, tout le reste n est que de l information 6

7 Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes 7

8 Section 1 Section 2 Section 3 Section 4 I Section 5 I Section 6 I Section 7 I Section 8 I Section 9 L Intelligence Economique au service du développement du Groupe (1/2) Une structure, des professionnels de l IE Une marque ~100 thèmes de veille, 600 abonnés, 100 newsletters Des recherches ponctuelles Une plate-forme de veille Des newsletters personnalisées Le Daily News Un site Competitive Intelligence Un blog des utilisateurs de SCORWatch Une plaquette commerciale Un lobbying interne : Matinées de l IE, SCOR Lunch ( Crise et IE, Risques émergents), marketing à l international Un lobbying externe : conférences, réseaux d échanges, partage d expérience 8

9 L Intelligence Economique au service du développement du Groupe (2/2) Demande des Métiers Usage Opérationnel Détection précoce de signaux faibles & Collecte Enrichissement CAPITALISATION Diffusion & Partage Validation de pertinence & élimination du bruit 9

10 Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes 10

11 La stratégie numérique de SCOR Dans une activité B2B, la transformation numérique pourrait être vue comme une evolution naturelle et progressive n est-ce pas plutôt une révolution silencieuse? Parmi les grands réassureurs, est global et agile, des caractéristiques propres! En ligne avec sa stratégie Optimal Dynamics, va capitaliser sur ses forces, et devenir A network company A Client service company A data driven company Capital Employees Processes Data Strengthen all dimensions of data management Information System Le numérique est structurant dans ces transformations qui doivent être engagées dès maintenant 11

12 SCOR, la transformation numérique Le Système d Information actuel de Third-Parties* Capital Management Global Financial and Back-office Standard Workplace Cloud infrastructure services (GDC) *Clients, Partners, Suppliers, Brokers, etc.. 12

13 SCOR, la transformation numérique Les principaux leviers de la transformation numérique Knowledge/Services extension Third-Parties* Solutions convergence Mobile capabilities increase Capital Management Global Financial and Back-office Standard Workplace Cloud infrastructure services (GDC) Cloud services extension Analytics capabilities enhancement Internal/external collaboration development *Clients, Partners, Suppliers, Brokers, etc.. 13

14 SCOR, la transformation numérique Third-Parties* Global solutions Business Intelligence Capital Management Global Financial and Back-office Individual & Collective productivity tools Standard Workplace Transformation through digital Dans son contexte, Cloud services devra absolument préserver Agilité et Interopérabilité *Clients, Partners, Suppliers, Brokers, etc.. 14

15 Digital Strategy outcomes Digital initiatives inside and outside the company Business specific Une (r)évolution (SGL) des métiers, des services, des compétences Solutions Métiers Développer une «expérience SCOR» unique, via l apport de nouveaux services aux Clients Favoriser la transversalité en interne, et la coopération avec les partenaires Optimiser l usage des données, internes et externes, pour le développement du business et l excellence opérationnelle Solutions transverses Gestion documentaire Workflow global Transformation culturelle L adaptation des hommes et des femmes du Groupe, de leurs compétences et comportements, est un objectif clé Big Data CRM Applications mobiles Analytics Une transformation culturelle portée par les RH, la Communication et l IT 15

16 Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes 16

17 Big Data : Volume, Velocity & Variety but Value is in Analytics Current State Unrealized Business Opportunity and Value Volume: Growing quantity of data Internal systems Untapped data, industry and public data Velocity: Quickening speed of data Weekly or daily Hourly Real-time Variety: Increase in types of data Structured enterprise data Any kind of unstructured data (web, client discussion, audio, video ) 17

18 Business Intelligence : des silos actuels vers les «Analytics» Des datawarehouse isolés, spécifiques à chaque système de Production, et des analyses basées uniquement sur des données internes et limitées au domaine fonctionnel Modèle Interne Opérations Vie Clients Back Office global Opérations P&C Finance Marchés Investissements Plus de transversalité des outils d analyses, et extension à des données externes de clients ou de marchés 18

19 Business Intelligence : des silos actuels vers plus d intégration Résultat complet des contrats et des portefeuilles - pricing - cumuls - capital alloué - résultat technique - revenus financiers - frais généraux Modélisations du capital de plus en plus sophistiquées et basées sur des données de plus en plus nombreuses et détaillées, qui doivent être validées, réconciliées et archivées à chaque exécution officielle Modèle Interne Risk analytics Analyses de souscription enrichies d informations externes en provenance des clients (detail polices, des expositions), des marchés, ou de données géographiques UWing analytics Clients Marchés Opérations Vie UWing analytics Opérations P&C UWing analytics - Résultat des investissements avec intégration de données des marchés financiers, pour améliorer l analyse de risque et de performance, et permettre des simulations. - Réconciliations financières également. Investments analytics Investissements Re-insurance analytics Back Office global Finance Finance analytics - Solvency II reporting sur base de données issues des domaines Finance et Riskq finance and risk areas. - Economic Balance Sheet vs IFRS. - QRT Reporting (QRT) regroupant des données de provenance diverse Analyses financières étendues à un détail des données comptables de réassurance et investissements 19

20 Quelques applications traitant de gros volumes de données à SCOR Données collectées sur le marché En P&C, expositions détaillées (cat, aviation, credit ) pour l analyse de risque, le contrôle de cumuls et la tarification En Vie, détail des polices individuelles (principalement aux US), à des fins de tarification, provisionnement, embedded-value, et analyse de portefeuille Données nécessaires à la fourniture de services de souscription en ligne aux Clients Vie Données générées par des applications de simulations de scénarios multiples Resultats de simulations de catastrophes naturelles Simulations de cash-flows pour calcul de provisonnement et embedded-value Analyses Financières Dynamiques (DFA) utilisées pour le modèle interne Données non-structurées Intelligence Economique SCORWatch 20

21 Les initiatives (Big) Data à SCOR (1/2) Plus et mieux exploiter les données internes déja disponibles dans notre système d information Préparer les évolutions techniques nécessaires au traitement de nouvelles données à fort volume (stockage, accès, analyse ) Identifier les types d usage de ces données : analyses marketing, développement de produits, tarification, analyses prédictives, mesures de performance, etc Exploiter les différentes sources de données non-structurées (Intelligence Economique SCORWatch, autres données du web, open data, réseaux sociaux, rapports de visite Clients, fichiers GED/OCR, sites collaboratifs, fichiers partagés, geolocalisation, vidéos, etc ) Lancer des «proofs of concept» (PoC), et en tirer des enseignements pratiques 21

22 Les initiatives (Big) Data à SCOR (2/2) Proof of Concept Tarification risques produits Vie Prospection grands risques P&C Elaboration de nouveaux produits Vie Tarification de risques émergents P&C Modèle Interne & Analytics Longévité, Mortalité Exploitation de bases d expériences sinistres Chantiers de construction Evolutions du nucléaire (politiques, techniques, fin de vie) Analyse du comportement des consommateurs Cyber risks sinistralité des énergies renouvelables (éoliennes, gaz de schiste ) Tests techniques des nouveaux outils de traitement de gros volumes de données, de simulation, et de présentation Externes Structurées Externes Non Structurées Internes Structurées Internes Non Structurées 22