1 Objectif

A l’heure où le secteur de l’assurance brasse de gros volumes de données, associés aux algorithmes de plus en plus sophistiqués, la data science transforme les métiers et bouscule les fondamentaux de l’assurance. Cette formation permet de comprendre comment la data science se décline aujourd’hui dans la chaîne de valeur assurance : création de produits individualisés, prévention des risques, indemnisation des sinistres, lutte contre la fraude.

• Démystification de la data science
• Introduction à des cas d’usage concrets en entreprise
• Processus d’un projet data science

Points forts

• Retours d’expériences
• Discussion autour des cas d’usage concrets
• Astuces et bonnes pratiques concernant l’utilisation des modèles dans une entreprise d’assurance

2 Public concerné

À toute personne susceptible d’intervenir dans l’élaboration et la mise en oeuvre d’une stratégie Big Data, et ce dans les domaines : produits, marketing, distribution et tarification. Ainsi qu’à toute personne désireuse de se familiariser avec ce sujet en devenir.

3 Programme

Stratégies d’entreprise

• Approches stratégiques : produits, distribution, clients
• Exemples de décisions fondées sur les données
• Changement de paradigme et compétences en Data Science
• Panorama des entreprises spécialisées dans le Big Data
• Assurance connectée : stratégies, et exemples
• Réglementation autour des données personnelles

Collecte et nettoyage des données

• Importance d’acquisition des données
• Sources de données publiques et propriétaires : web, réseaux sociaux, objets connectés, etc.
• Utilisation des données publiques en entreprise
• Outils de collecte et de nettoyage
• Nature des données non-structurées, et leur manipulation
• Cas pratiques : web scraping

Analyse des données

• Différents types d’analyses et exemples
• Extraction de caractéristiques
• Algorithmes d’apprentissage automatique et validation
• Cas pratique : plusieurs cas d’applications de machine learning
• Text mining

Big data et passage à l’échelle

• Contexte actuel du Big Data et impact sur différents secteurs
• Besoin et nécessité des technologies Big Data
• Cas pratique : Big data en assurance ?
• Types de bases de données
• Stockage parallélisés et distribués

Visualisation des données et outils de production

• Principes de visualisation
• Outils de visualisation
• Cas pratique : visualisation avec R
• R et ses nombreux packages pour la data science

4 Informations pratiques

Durée: 2 jours

Pour obtenir quoi ?

Une compréhension globale de la problématique Big Data et des outils disponibles à ce jour nécessaires à son traitement.

Comment ?

Des exemples pratiques animeront chaque étape du processus de traitement du Big Data, et complèteront la définition et les perspectives de ce nouveau métier.

Quels sont les pré-requis ?

Aucun en particulier. L’intérêt et l’utilisation des outils numériques sont cependant fortement recommandés. Chaque participant se munira d’un ordinateur portable pour les travaux pratiques.