Il s’agit d’un extrait de la formation. Cette formation peut se faire en présentiel ou à distance. Pour en savoir plus, merci de me contacter.
1 Introduction
Dans le processus data science, cette étape est communément appelée “feature engineering”. A partir des données brutes, on va devoir construire des variables caractéristiques.
L’idée est de transformer les intuitions et les expertises des gestionnaires en indicateurs quantitatifs. On pourra ensuite vérifier l’efficacité des indicateurs statistiques.
2 Types d’indicateurs
2.1 Souscription
Certains comprennent des failles dans les contrats, et souscrivent massivement. On peut détecter les anomalies en étudiant certaines caractéristiques spécifiques des contrats.
Bien vérifier l’activité garantie, sinon l’assuré peut se retourner contre l’assureur de ne pas avoir bien vérifié.
Souscrire un contrat avec trop de garanties pour un bien de peu de valeur (par exemple, contrat auto), dans l’optique de déclarer un faux sinistre
Déclaration non conforme: on peut dire qu’on va appliquer la règle de proportionnalité. Mais parfois, pour garantir l’image de l’entreprise, on n’applique pas toujours cette règle. Aussi, pour les victimes en automobile, on n’applique pas la règle de proportionnalité. Donc important de vérifier les conditions de souscription si on a la possibilité de le faire en amont.
2.2 Indicateurs indemnisations
Analyse des sinistres précédents, pour des objets déclarés et montants
Analyse des victimes pour certains phénomènes: troubles psychologiques, coup du lapin