Afin de lutter efficacement contre les fraudes, il est important de construire un processus robuste, à la fois au niveau des métiers, et au niveau des données.
On étudiera le processus global ainsi que les différentes étapes individuelles
Chaque matin en Afrique, une gazelle se réveille, elle sait qu’elle doit dépasser le lion le plus rapide ou elle sera tuée. Chaque matin en Afrique, un lion se réveille. Il sait qu’il doit courir plus vite que la gazelle la plus lente, ou il va mourir de faim. Peu importe que vous soyez le lion ou une gazelle - quand le soleil se lèvera, vous feriez mieux de courir. - Christopher McDougall.
Le métier de détection et de gestion des fraudes peut être décrit de cette façon. En effet, les fraudeurs essaient toujours de trouver des méthodes nouvelles de triche; et les gestionnaires doivent sans cesse innover pour détecter des fraudes de plus en plus sophistiquées.
Dans ce contexte, l’expertise métier et les méthodes de data science doivent aller de pair pour mettre en place des méthodes efficaces de prévention et de détection. Les gestionnaires doivent devancer les fraudeurs et, s’imaginant à leur place, essayer d’envisager les pistes possibles de leur créativité.
Grâce aux données, les outils de data science permettent de construire des indicateurs pour industrialiser les processus de protection et de détection.
La détection et la gestion des fraudes peuvent toucher des problématiques très vastes, ce n’est pas seulement un sujet de classification binaire. La gestion des anomalies dans les contrats, dans les comportements des clients et des intermédiaires d’assurance peut passer par trois étapes:
Ce processus n’est pas uniquement réservé aux indemnisations des sinistres, mais doit intervenir au début de la souscription, réalisée par le réseau de distribution, en passant par la direction technique qui gère les produits d’assurance et leur tarification.