Blog

L’exploitation des données : Un terrain de jeu fertile pour les assurances

Analyse de données assurances

Le cœur de métier de l’assurance consiste à comprendre et évaluer le risque, ainsi qu’à générer des souscriptions. Par définition, un apport massif de données et d’indicateurs est nécessaire pour satisfaire ces trois enjeux stratégiques :

  • La maîtrise du risque
  • L’optimisation de l’allocation du capital
  • Le développement d’une relation client forte et durable

Dans cette logique, la vague porteuse de la Data (Big, Smart, Small…) touche donc fortement le secteur. Les nouvelles possibilités d’analyse, les évolutions sociétales et comportementales donnent naissance à un ensemble de nouvelles offres tournées vers la personnalisation des produits et de la relation client. Toutes les problématiques liées à l’exploitation des données doivent tenir compte des contraintes réglementaires, de protection et de sécurisation des données. Voici quelques exemples d’intérêts et leviers stratégiques :

  • L’analyse des sentiments : L’analyse des données issues des réseaux sociaux, des échanges sur les chatbots, des emails et des centres d’appels combiner avec un alignement participatif des équipes internes permet de détecter et d’optimiser les « moments de vérité » de l’assuré (souscription, gestion, indemnisation et résiliation).
  • Les déclarations frauduleuses : Une analyse textuelle de l’ensemble des déclarations de sinistres sert à isoler automatiquement les incohérences. Ces analyses permettent d’appliquer un score de risque à chaque assuré et oriente donc les contrôles humains.
  • Le Crowd-Innovation : De plus en plus de concours internes sont organisés afin de trouver des algorithmes les plus pertinents pour prédire la sinistralité. Dans ce cadre, l’utilisation de l’open data devient de plus en plus importante.
  • Le parcours d’un véhicule : L’analyse de données kilométriques et de conduite (fréquence et nature des accélérations, freinages ou prises de virages) permettent de proposer des offres d’assurance auto « Pay-As-You-Drive » et « Pay-How-You-Drive ».
  • La santé : Les assurés qui transmettent leurs données de santé issues des objets connectés (podomètre, cardiofréquencemètre…) peuvent être récompensés en fonction de leurs pratiques sportives. Ces données permettent aussi de prévenir des maladies cardiovasculaires…
  • Les risques climatiques : L’analyse fine des données météo (température, radiations solaires, pluviométrie, vitesse des vents, hauteur des vagues…) permet de proposer des offres personnalisées et paramétriques pour les activités météo-sensibles.

Des offres sur-mesure pour le secteur des assurances

Aujourd’hui, les comportements sont étudiés afin de mieux adapter l’offre, la segmenter, l’individualiser et la rendre éphémère. Comme l’indique Benoit Merel, Directeur Général adjoint de la Parisienne Assurances, un produit d’assurance doit désormais être « PEPSI » : Personnalisé, Éphémère, Pertinent, Simple et Instantané.

Le modèle relationnel entre assureur et assuré se transforme et leurs intérêts convergent. L’assureur passe d’une vision de rentabilité court-terme (minimiser l’indemnisation, vente de garanties peu utiles…) à une relation de confiance long-terme (indemnisation adaptée, conseil, services…) avec ses effets bénéfiques sur la fidélisation. Cette confiance est le socle pour améliorer la performance et la rentabilité tout en évitant l’ « uberisation » du secteur. Malgré ces transformations, 90% des professionnels de l’assurance déclarent distinguer la stratégie métier de l’approche data (étude Deloitte effectuée en 2017).

L’ère de l’assurance « Data Driven » (pilotée par les données) n'en est donc qu’à ses prémices. L’heure est au passage à l’acte. Alors, comment réconcilier la vision stratégique avec vos projets et dispositifs de pilotage ? Comment tirer parti des données pour améliorer l’expérience client ? Les chantiers sont majoritairement décomposés autour de trois grands domaines :

  • La gouvernance des données : Qualité de données, Gestion des données de références, Conformité GDPR, Urbanisation SI, conduite de changement…
  • La Business Intelligence : Schéma directeur, Pilotage financier et opérationnel, BI Self-Service, BI Mobile…
  • La Business Data Value : Valorisation données Big Data, Data Marketing/DMP, Vision Client 360°, Data Visualization, Machine Learning…

Le choix des chantiers varie selon les entreprises et leur contexte. Mais il se dégage aujourd’hui des étapes clés pour réussir les transformations du secteur à partir de la Data :

  • Sensibiliser les dirigeants pour favoriser l’adhésion et insuffler une conviction durable pour rendre la DATA visible et attractive au sein de l’organisation.
  • Mettre en place une organisation transverse dédiée à ces sujets et faciliter la collaboration.
  • Envisager de nouvelles façons de travailler et favoriser l’agilité.
  • Engager une réflexion sur les process de gestion des données (qualité, référentiels…)
  • « Voir grand et commencer petit » : Le passage de l’expérimentation à l’industrialisation doit être anticipé.
Alban, Consultant BI et Data Management

Publié le 13/09/2017
Les articles similaires