Le big data joue les Shiva numériques

Il ne faut pas s'attendre à une révolution. Le big data va s'imposer doucement, mais sûrement, dans tous les métiers de l'assurance. À chacun de trouver son bon usage.

On ne se souviendra pas d'un avant et d'un après big data. En effet, cette technologie, qui consiste à traiter, pratiquement en temps réel, une masse importante de données, de sources et de formats variés, va s'insinuer petit à petit dans les pratiques. D'ailleurs, « la majorité des assureurs expérimentent le big data, même si peu communiquent sur le sujet, pour des raisons évidentes de stratégie concurrentielle », confirme Marc Dupuis, responsable métier digital au cabinet Optimind Winter.

Le big data est un moyen de mieux valoriser les données de son système d'information en les confrontant à d'autres d'origine externe. Il permet de mieux éclairer le comportement de tout l'écosystème de l'entreprise, clients, partenaires, fournisseurs... « En croisant des données internes et externes, le big data doit permettre de prendre la bonne décision au bon moment tout au long du cycle de vie du contrat du client. Il est également une aide à la décision concernant les produits à vendre, à quel prix, sous quelle forme... », résume Vincent Guien, consultant senior chez Actuaris.

Une nouvelle démarche intellectuelle

Les actuaires brassent déjà des volumes très importants de données. Ce qui change avec le big data, c'est que leurs sources et leurs formats sont très variés. Elles peuvent provenir d'Internet, des réseaux sociaux, mais également de l'Insee, de bases météorologiques, d'objets embarqués tels que des capteurs dans les voitures... Cependant, « le big data est une nouvelle façon d'aborder un projet, une nouvelle démarche intellectuelle. Il ne faut pas avoir d'idée préconçue. Ce sont les données qui conduisent à formuler de nouvelles hypothèses », prévient Marc Dupuis. Chaque métier aura donc à se l'approprier. Les pages précédentes présentaient quelques exemples d'usage du big data, mais bien d'autres restent à inventer.

Conquérir et fidéliser

L'objectif pour les assureurs est d'accroître le multiéquipement et la fidélisation. En leur donnant une meilleure connaissance du prospect ou du client, le big data les aide à trouver des variables permettant de détecter leurs besoins, les probabilités de résiliation, etc. Axa France, par exemple, a testé en 2013 des technologies big data pour adapter ses propositions aux différents visiteurs de son site. Pour cela, l'assureur a acheté à des agrégateurs des informations sur le parcours de l'internaute. « Si un prospect ou un client a fait des recherches répétées sur l'organisation d'un déménagement, nous pouvons aller vers lui avec une proposition présentant notre offre en la matière et lui offrir ainsi un meilleur service », explique Damien Bourgeois, responsable CRM d'Axa France. L'entreprise a également testé les capacités prédictives du big data. Elle a absorbé un grand nombre de données publiques (venant de l'Insee, des indicateurs financiers, d'études traduisant l'opinion des ménages et des chefs d'entreprise, de conversations sur des forums) et a tenté de déceler le lien entre des faits généraux et le comportement de ses clients en épargne, comme les arbitrages, les retraits, les versements... L'objectif est de savoir comment vont réagir ses assurés et d'en faire un atout commercial.

Se comparer en temps réel

Des robots, via les comparateurs, sont capables de récupérer les tarifs des concurrents. L'assureur peut ainsi affiner son positionnement, analyser les niveaux de segmentation, connaître les politiques de ses concurrents en temps réel et valider des hypothèses tarifaires lorsque les données manquent en interne.

Protéger sa réputation

Le big data peut être utilisé pour la promotion et la protection de sa marque. Il est possible, via les échanges sur la Toile ou les e-mails reçus par l'assureur, d'analyser sa réputation, de mesurer la confiance dont elle jouit et de segmenter cette approche par région ou population. « On prend des données en masse et totalement hétérogènes. On est bien dans l'univers du big data. Si la marque n'est pas bien perçue, cela permet de compenser en menant des campagnes adaptées », explique Marc Dupuis, responsable métier digital au cabinet Optimind Winter.

Qualifier le risque

Par la meilleure connaissance du client, le big data permet de mieux estimer son risque. En collective, l'assureur pourrait prendre en compte le secteur d'activité de l'entreprise, sa santé financière, son environnement concurrentiel pour tenter de prédire l'évolution de sa sinistralité. En auto, la télématique embarquée devrait à terme délivrer beaucoup de matière pour en déduire le comportement du conducteur. Un assuré qui déclare qu'il fréquente beaucoup les réseaux sociaux sera a priori un moins bon risque qu'un jeune père de famille... Toute la difficulté réside dans la capacité à collecter ces informations de manière fiable. « Avec le big data, on peut aussi réduire la taille des groupes. Ainsi, en habitation, la taille des zoniers pourrait être affinée. Attention, cependant, aux conséquences sur la mutualisation », note Marc Dupuis (Optimind Winter).

Consolider les clients rentables

« En détectant un client qui n'est pas très sensible au prix, on peut plus aisément augmenter son tarif, donc améliorer sa rentabilité, tout en minimisant le risque de résiliation », explique Vincent Guien, consultant senior chez Actuaris. Le calcul de l'élasticité prix ou de la probabilité de résiliation permet de ne plus raisonner sur une rentabilité à un instant T, mais sur la durée de la relation avec le client.

Faire de la prévention

- Grâce à l'analyse des requêtes, Google est capable de localiser en quasi-temps réel la propagation de la grippe. Ses résultats sont très proches de ceux des réseaux de surveillance des professionnels de santé, et ils sont disponibles bien plus rapidement. Grâce aux objets connectés, le big data pourra aider à prévenir le risque, en santé ou en auto, par exemple. « Il permettra de déterminer que telle personne aurait besoin de consulter tel type de spécialiste, dans le respect des données personnelles et médicales, bien sûr », précise Marc Dupuis.

Lutter contre la fraude

« Les assureurs font déjà beaucoup de calculs sur les réclamations des clients, mais ils peuvent encore améliorer leurs modèles en prenant, par exemple, des données de météorologie, pour vérifier les impacts de foudre et détecter des fraudes. Il faut être capable de fusionner les données reçues et celles extraites du système de gestion client, des médias sociaux, des rapports météo, etc. », explique Yves Le Roux, consultant chez CA Technologies. Le big data permet aussi de déduire que tel groupe de population a plus de propension à frauder. En auto, par exemple, on peut mettre en lumière que des bandes organisées fraudent dans telle région. L'assureur recoupera ces informations avec ses propres fichiers clients afin de déterminer que tel client doit être surveillé en cas de déclaration de sinistre. « Le big data permet de diligenter des contrôles sur des dossiers identifiés comme étant à risque », explique Marc Dupuis. Cependant, le processus et les outils devront respecter la réglementation en vigueur, notamment celle édictée par la Cnil.

Les trois piliers du big data

Le flux remplace le stock

Ce qui caractérise le big data c'est :

  • l'important volume et la variété des données à traiter ;
  • leur vitesse de traitement, qui doit approcher du temps réel.

Puiser à toutes les sources

  • Les données dites structurées issues du système d'information sur les contrats et les assurés ;
  • les données issues d'enquêtes, de bases de données comme celles de l'Insee, de baromètres... ;
  • les fichiers audio et image (photos, vidéos) ;
  • les échanges sur les réseaux sociaux (professionnels et personnels), les tweets, les forums ;
  • les données vendues par les intégrateurs (comme Amazon, Facebook, Google...) pour connaître, par exemple, les sites que fréquente l'internaute, les requêtes qu'il a effectuées ;
  • les informations transmises par les objets connectés (dans les voitures, la domotique, la e-santé...) ;
  • les données de géolocalisation ;
  • celles issues de l'open data (ressources publiques ouvertes)...

Se doter de nouveaux outils

  • Le big data nécessite des outils et des technologies de traitement très puissants, qui, à la base, ont été conçus par les géants du Web tels qu'Amazon, Facebook ou Google ;
  • les outils traditionnels ne suffisent bien souvent pas pour capturer, stocker, partager, analyser et visualiser cette masse de données ;
  • les entrepôts de données vont devoir être capables d'héberger des données non structurées. Il est possible de commencer à utiliser ces outils du big data pour ses données propres. Cela permet de se familiariser avec ces technologies et de réduire de façon importante les temps de traitement.

Yves le roux, principal consultant chez CA Technologies et administrateur de l'AFAI (1)

« Mesurer le risque qu'il y a à utiliser les données »

« Les assureurs vont devoir travailler des sources de données qui ne sont passtructurées et dont la durée de vie est très courte. Il faut donc être capable de récupérer l'information très rapidement. Mais encore faut-il que celle-ci soit juste. Les assureurs ont de grosses difficultés pour mesurer le risque à cause de la rapidité de réception des données. Cela va trop vite pour pouvoir faire des recoupements, mais il faut pouvoir utiliser les données exactes. C'est ce qui fait la différence avec la gestion des risques classiques. Sur les réseaux sociaux, les fausses déclarations sont nombreuses. Les gens y ont plusieurs identités, et faire confiance à ces propos est difficile. Une personne peut dire tout et son contraire sous deux identités différentes, ce qui pose des problèmes de corrélation. Il faut donc vérifier d'où viennent les données et savoir mesurer le risque qu'il y a à les utiliser. Les outils qui les traitent doivent aider à prendre des décisions, il faut donc être très attentif à leur qualité. »

1. Association française de l'audit et du conseil informatiques.

Les cinq erreurs à éviter

1. Limiter le big data aux bases de données massives et structurées, déjà dans le périmètre de l'assureur.

2. Impliquer uniquement les directions informatiques. Un projet big data est d'abord un projet métier.

3. Définir à l'avance ce que l'on attend du big data. La puissance des informations que l'on peut en tirer se découvre au fur et à mesure.

4. Stocker d'énormes volumes de données sans en avoir défini l'usage au préalable. Cela n'a aucun intérêt et présente un risque de saturation.

5. Définir d'emblée une architecture cible. Mieux vaut privilégier des prototypes sur de petits projets.

SOURCE : NUMÉRO D'OCTOBRE 2013 DES DOSSIERS TECHNIQUES D'INFORMATION SUR LE BIG DATA D'OPTIMIND WINTER

Testez L'Argus de l'assurance en mode abonné. Gratuit et sans engagement pendant 15 jours.

Le Magazine

ÉDITION DU 16 avril 2021

ÉDITION DU 16 avril 2021 Je consulte

Emploi

Futur Associé H/F

Postuler

ADSEARCH

Chargé de Comptes IARD - Anglais H/F

Postuler

+ de 10 000 postes
vous attendent

Accéder aux offres d'emploi

APPELS D'OFFRES

Fourniture et gestion de chéquiers cadeau pour le personnel du Département du Tarn.

Comité des Oeuvres Sociales du Personnel du Département du Tarn

15 avril

81 - ALBI

Service de carte d'achat avec assistance technique et fonctionnelle du Département ...

Conseil Départemental du Val de Marne

15 avril

94 - CONSEIL DEPARTEMENTAL

Proposé par   Marchés Online

Commentaires

Le big data joue les Shiva numériques

Merci de confirmer que vous n’êtes pas un robot

Votre e-mail ne sera pas publié