Par Marc Atallah et Gontran Peubez
L’industrie de l’assurance est confrontée à une double contrainte : d’une part satisfaire les exigences de compétitivité dans un marché très concurrentiel, et d’autre part maintenir un niveau de solvabilité et de couverture des sinistres élevés. Les assureurs tentent donc de créer des produits de plus en plus précis nécessitant une compréhension très fine de leurs clients, afin de proposer au prix le plus juste, une couverture rentable spécifique. Déterminer le comportement de l’assuré, pour mieux appréhender ses risques, est donc le principal défi. Et c’est là tout l’objectif de l’Analytics.
En assurance, la compréhension du client représente un double atout pour l’assureur en raison de l’inversion du cycle de production : il ne s’agit pas seulement de comprendre le comportement d’achat ou d’attrition, mais également d’anticiper le comportement de sinistralité. L’analytics permet de mieux comprendre les caractéristiques et les risques de l’assuré. Grâce à une analyse objective par les données, elle permet de profiler les individus et d’expliquer leur comportement face à la consommation d’assurance.
Comment ça marche ?
Deux modèles permettent de traduire le comportement des assurés. Le premier concerne les modèles de comportement clients qui permettent d’analyser les causalités induisant un type de comportement particulier (fraude, attrition…). Le deuxième s’intéresse aux modèles de valeur client qui ont pour but de refléter l’adage anglo-saxon « all growth is not good growth » : il ne s’agit pas seulement de se concentrer sur le chiffre d’affaire, par le biais notamment de la conquête de nouveaux clients, mais également de consolider la croissance, en se focalisant sur les clients au potentiel d’équipement fort, avec une sinistralité maîtrisée.
Aujourd’hui, il est possible de marier technologies et expertises pour appréhender ces modélisations dans toute leur complexité. Des techniques d’exploration symbolique alliées à la puissance informatique permettent de faire parler les données restées jusqu’ici muettes, d’établir des liens de causalités entre des caractéristiques propres ou non à l’assuré, numériques ou non, et son comportement. L’approche permet d’analyser l’ensemble des attributs et d’examiner leur potentiel contributif dans le phénomène comportemental recherché. Diagnostiquer que les assurés célibataires de 35-45 ans, qui détiennent une voiture rouge de puissance fiscale élevée (>16 CV), résilient davantage leur contrat auto lorsque le CAC 40 est bas pour un concurrent moins cher, tel est l’apport de l’Analytics.
Détection des surconcentrations comportementales
La connaissance de la valeur client, appréhendée grâce à la dimension comportementale, est un élément différenciant pour l’assureur qui peut recentrer ses efforts sur les populations les plus fidèles. La fouille de données permet de révéler quelles données sont susceptibles d’expliquer une hausse de la sinistralité, quelles données sont corrélées à un choix de montée en gamme (up-selling) ou encore à la volonté de s’équiper d’un nouveau produit (cross-selling). C’est cette trajectoire d’équipement qui intéresse les assureurs aujourd’hui, puisque la fidélité est étroitement corrélée au nombre de contrats souscrits.
Mieux comprendre le client pour mieux affecter ses ressources
Qu’il s’agisse de comportement à la souscription ou de comportement à risque influençant la sinistralité, la compréhension des comportements de l’assuré est un levier inédit de rentabilité dans un espace commercial extrêmement concurrentiel et sévèrement encadré.
Diligenter des experts à bon escient pour lutter contre la fraude, savoir ne pas réveiller le client qui dort, mais relancer celui qui est prometteur et au contraire ne pas se montrer trop pressant à l’égard du porteur de mauvais risques dont la résiliation ne serait pas une mauvaise nouvelle… Voici autant de casse-tête que les assureurs peuvent désormais résoudre.
Si vous êtes intéressé par ce sujet, ou que vous rencontrez ce type de problématique, n’hésitez pas à nous contacter.
Marc Atallah a consacré ses plus de 16 ans d’expérience à la gestion de données, dont six ans dédiés à la fouille de données et à l’analytics. Il intervient dans différents secteurs dont celui de l’Assurance. Au cours de sa carrière, Marc s’est spécialisé dans l’analyse approfondie des données, appliquée à de multiples domaines tels le profilage client, la modélisation comportementale, la segmentation client, la rétention/attrition, l’analyse du risque, la tarification et la fraude.
Gontran Peubez, Senior Manager, est en charge d’Insurance Analytics. Actuaire depuis une quinzaine d’années, Gontran s’est consacré aux secteurs de l’assurance et des services financiers. Il est spécialisé dans des missions de gestion de l’utilisation des données auprès des directions financières, comptables et techniques.