• Aucun résultat trouvé

Big Data en (Ré)Assurance

N/A
N/A
Protected

Academic year: 2022

Partager "Big Data en (Ré)Assurance"

Copied!
22
0
0

Texte intégral

(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

(3)

3

La donnée est (devenue) l’un des principaux actifs de l’Enterprise

Capital

V alue chain

Shareholders

Financial Markets &

Investors Clients

Partners

Regulators

Media Suppliers

Rating Agencies

Management

& Control

Strategy Design Production Sales Support

Employees

Data

Assets

Processes

Information System

Clients

(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

Segmentation Production

Service level Offer Model

Collaboration Innovation

Projects Borders

IT focus

Hosting Timeframe

Staff Location

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

Organization

(5)

Big Data en Assurance : vraie opportunité, maturité encore faible

(Bearing Point Institute, Mai 2014)

(6)

« 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”

Big Data & Analytics

?

(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

(8)

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

Section 1 | Section 2 | Section 3 | Section 4 I Section 5 I Section 6 I Section 7 I Section 8 I Section 9

(9)

9

L’Intelligence Economique au service du développement du Groupe (2/2)

CAPITALISATION Demande des

Métiers

Diffusion &

Partage Validation de

pertinence &

élimination du

“bruit”

Enrichissement

Usage Opérationnel

Détection précoce de signaux faibles

& Collecte

(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

(11)

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

Information System Employees

Processes

Data Strengthen all dimensions of data management

Le numérique est structurant dans ces transformations qui doivent être engagées dès maintenant

(12)

Third-Parties*

Global Financial and Back-office

Standard Workplace

Cloud infrastructure services (GDC)

SCOR, la transformation numérique

Capital Management

Le Système d’Information actuel de

(13)

13

Les principaux leviers de la transformation numérique Knowledge/Services extension

Analytics capabilities enhancement Internal/external

collaboration development

Cloud services extension

Solutions convergence

Mobile capabilities

increase

Third-Parties*

Global Financial and Back-office

Standard Workplace

Cloud infrastructure services (GDC)

*Clients, Partners, Suppliers, Brokers, etc..

Capital Management

SCOR, la transformation numérique

(14)

Global Financial and Back-office

Standard Workplace Business Intelligence

Global solutions

Individual & Collective productivity tools

Cloud services

Third-Parties*

Transformation through digital

Capital Management

SCOR, la transformation numérique

(15)

Digital Strategy outcomes

Digital initiatives inside and outside the company

Business specific (SGL) Une (r)évolution des métiers, des services, des compétences…

15

Solutions transverses

Gestion documentaire Workflow global

Big Data Applications mobiles

CRM Analytics

L’adaptation des hommes et des femmes du Groupe, de leurs compétences et comportements, est un objectif clé

Une

transformation culturelle portée par les RH, la Communication et l’IT

Transformation culturelle Solutions Métiers

Développer une « expérience SCOR » unique, via l’apport de nouveaux services

aux Clients

Optimiser l’usage des données, internes et externes, pour le développement du business et l’excellence opérationnelle Favoriser la transversalité en interne, et la

coopération avec les partenaires

(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

(17)

Big Data : Volume, Velocity & Variety…but Value is in Analytics

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

Current State

Any kind of unstructured data (web, client discussion, audio, video…)

Unrealized Business Opportunity and Value

17 

(18)

Business Intelligence : des silos actuels vers les « Analytics »

Opérations Vie

Opérations P&C

Back Office global

Finance

Investissements

Modèle Interne

Clients

Marchés

Des datawarehouse isolés, spécifiques à chaque système de Production, et des analyses basées uniquement sur des données internes et limitées au domaine fonctionnel

Plus de transversalité des outils d’analyses, et extension à des données externes de clients

ou de marchés

(19)

Business Intelligence : des silos actuels vers plus d’intégration

Opérations Vie

Opérations P&C

Back Office global

Finance

Investissements

Modèle Interne

Clients

Marchés

Risk analytics

Re-insurance analytics

Finance analytics Investments analytics

UWing analytics UWing analytics

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

Analyses de souscription enrichies d’informations externes en provenance des clients (detail polices, des expositions), des marchés, ou de données géographiques

- 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.

- 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

Résultat complet des contrats et des portefeuilles -  pricing

-  cumuls -  capital alloué -  résultat technique -  revenus financiers -  frais généraux

UWing analytics

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

(21)

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

(22)

Les initiatives (Big) Data à SCOR (2/2)

Tarification risques produits Vie

Elaboration de nouveaux produits Vie

Tarification de risques émergents P&C Prospection grands

risques 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

Proof of Concept

Externes Structurées Externes Non Structurées Internes

Références

Documents relatifs

They are especially powerful for the first steps of the data exploration process, namely understanding the data and generating hypotheses about the data, but they also

In this talk, I will describe the key secular trends that characterize the field of Big Data with respect to enterprise analytics.. I will describe some of the open challenges

Big Data is a new term used to identify the datasets that due to their large size, we can not manage them with the typical data mining software tools.. Instead of defining “Big Data”

Pour l’instant, nous avons principalement évoqué Google, Apple et Amazon, trois en- treprises américaines, mais en Asie, Baidu 16 , Alibaba, Rakuten 17 ou encore Tencent ont tous

Sans souci d’exhaustivité et après avoir illustré ces muta- tions successives, cet article présente brièvement les nouvelles ques- tions de recherche qui émergent rapidement

A lot of work has been done in the concerned direction by different authors, and the following are the contribu- tions of this work: (1) An exhaustive study of the existing systems

The big data analytics architecture [26] is built and implemented on big data open source technologies for the enrichment of massive scale data including spatial data.. The

Moreover, it permitted us to de- fine a set of Dimensional Fact Models (DFM) [23] able to describe a typical fetal-ma- ternal test, along with its variable aspects. A simplified