Le data scientist : assureur d'aujourd'hui et de demain
Personnalisation de la relation avec les assurés, prévention des risques climatiques, recueil des données issues de la voiture connectée... Les cas d'usage de la data science se multiplient dans l'assurance.
Bien avant l'apparition des GAFA, les assureurs ont recueilli et manipulé de nombreuses données, en particulier celles liées aux sinistres afin de déterminer le risque porté par un client et ainsi ajuster le prix des offres. Avec la transformation digitale, le data scientist est apparu dans les entreprises afin de répondre à leur demande croissante d'analyse et de valorisation des données. Il joue désormais un rôle central dans leur fonctionnement.
Ce phénomène est particulièrement manifeste pour les compagnies d’assurance, au point de se demander : dans un monde de plus en plus digital où la donnée est reine, le data scientist est-il devenu l’assureur de demain ?
Depuis longtemps analysées par les équipes d’actuaires, les données ont permis aux assureurs de trouver un équilibre subtil pour proposer un prix juste à un contrat d’assurance. Mais soucieuses de répondre aux nouveaux besoins et attentes des clients qui souhaitent une offre et des interactions toujours plus personnalisées, les compagnies se tournent depuis 5 à 10 ans vers un nouveau spécialiste de la science des données. Son rôle : analyser des quantités massives de données (Big Data) au-delà de celles purement assurantielles, issues des objets connectés ou des parcours digitaux, et créer des modèles pour perfectionner le fonctionnement de l’entreprise. Une fois expérimentés, ces modèles sont industrialisés par les DSI dans les systèmes informatiques de distribution, de relation client et de gestion des contrats.
Chaque compagnie recrute désormais ces hypers spécialistes afin de valoriser leurs datas. Parmi les cas d’usages développés figure notamment l’utilisation des données météorologiques qui permet aux assureurs d’endosser un rôle important en matière de prévention. En raison du changement climatique, les assurés subissent de plus en plus d’aléas climatiques (tempête, pluie, grêle) et de catastrophes naturelles. Ainsi grâce à l’analyse de ces données météorologiques, les compagnies peuvent avertir leurs assurés que leur lieu de résidence pourrait subir dans les 48h un événement climatique et leur indiquer les précautions à prendre pour s’en prémunir.
Un autre exemple de l’utilité des données dans la prévention des risques des assurés nous est fourni par la voiture connectée. L’émergence de celle-ci permet au data scientist d’analyser, avec l’accord explicite de l’assuré, la façon dont le véhicule est conduit et ainsi valoriser des comportements de conduite qui ont une faible probabilité d’occasionner un accident.
Enfin, le data scientist joue un rôle primordial auprès des conseillers d’agence et des gestionnaires des compagnies d’assurance en permettant d’enrichir et personnaliser leur relation avec les assurés, un enjeu clé du secteur. Comment ? En développant des modèles de recommandations et de prédictions, le data scientist peut guider le conseiller via des outils proposant les conseils et les couvertures les plus adaptés aux besoins de ses assurés, estimer rapidement le montant des sinistres grâce à l’analyse d’images, ou détecter l’insatisfaction afin d’éviter la résiliation. La force de ces algorithmes auto-apprenants (machine learning) réside dans la possibilité de dégager des trames complexes à partir d’importants volumes de données.
Le data scientist n’est pas un assureur de formation : il dispose d’un regard agnostique sur la profession et donc d’une certaine neutralité dans la recherche de causalité. Si l’assureur conserve donc son territoire d’expertise, le data scientist possède la capacité à croiser les nombreuses données bancaires et assurantielles pour approfondir le modèle gagnant de la bancassurance. Dans un monde de plus en plus digital où les consommateurs génèrent de nombreuses données, son rôle devient de plus en plus stratégique, ce qui en fait assurément le bancassureur de demain.