Notre objectif est d’amener les opérateurs à mieux comprendre les enjeux du « Big Data »

L’Agefi Actifs. - Big Data et modélisation prédictive : quels sont vos développements sur ce terrain ?

David Dubois. - RGA a développé une équipe dédiée à cette discipline dont la mission se concentre sur l’analyse des données et leur interprétation. Celles-ci sont nombreuses en provenance des cédantes aussi bien en matière de connaissance client que de sinistralité.

Sur le marché français, l’activité est encore embryonnaire à la différence des pays anglo-saxons où l’accès à l’information est plus facile. Nous avons globalement tendance à nous réfugier derrière les réglementations pour justifier le manque de données ou la difficulté de les travailler. Les bases de données des assureurs comportent un ensemble d’informations sur les caractéristiques des assurés, les options des contrats ainsi que les conditions de marché mais elles ne sont pas toujours bien utilisées à des fins statistiques.

En assurance de personnes par exemple, quelles sont les applications possibles ?

-La modélisation prédictive est particulièrement adaptée sur ce marché dans le domaine de la sélection des risques en permettant, au travers de l’analyse de l’information, d’innover dans les processus de souscription tout en les rendant aussi fiable. Ainsi, on peut s’interroger sur l’intérêt de poser ou non certaines questions au preneur d’assurance. A titre d’exemple, en Asie, RGA a travaillé avec un bancassureur et fait ressortir qu’il était aussi efficace, en vue de mieux cerner les risques à la souscription, d’utiliser certains critères patrimoniaux en lieu et place de certains critères médicaux par des critères patrimoniaux, en l’occurrence le montant du patrimoine. Certes, pour mener cette étude nous avons eu suffisamment d’information pour qualifier ces conclusions.

L’objectif de notre colloque du 20 mai est d’amener les opérateurs à mieux comprendre les enjeux du « Big Data » pour affiner leur démarche et innover avec en ligne de mire la possibilité de réduire leurs coûts et d’optimiser les services apportés tant aux réseaux de distribution qu’aux clients.