1 Objectifs de la formation

Comprendre les enjeux opérationnels de la data science appliquée à la lutte contre la fraude
Découvrir des résultats tangibles de l’usage de la data science dans la lutte contre la fraude et identifier les possibilités d’exploitation dans les années à venir
Comprendre l’impact et les conséquences sur les acteurs métiers de la fraude
Apprendre à intégrer efficacement la data science dans ses modes opératoires et identifier les conséquences sur les processus à automatiser

2 Publics concernés

Direction des risques ; Responsable des risques opérationnels ; Responsable Fraude ; Contrôleur interne ; Responsable conformité et lutte contre le blanchiment et le financement du terrorisme ; Direction sinistres ; Direction indemnisations ; Direction techniques ; Gestionnaire, et plus largement toute personne impliquée dans la lutte contre la fraude cherchant à mieux comprendre les applications de la data-science à la lutte contre la fraude et à les intégrer dans son métier. Toute personne impliquée dans un dispositif de lutte contre la fraude.
Compagnies d’assurance, mutuelles, institutions de prévoyance, sociétés de bancassurance, sociétés de courtage, sociétés d’assistance

Data science : définition, applications dans la chaîne de valeur assurance

Définir la data science : statistique / data-mining / intelligence artificielle / machine learning / big data
Démystifier l’intelligence artificielle: ce que la machine peut faire et ne peut pas faire
Identifier les applications possibles de la data science dans la chaîne de valeur assurance : dans la gestion des risques, dans l’offre produit, dans la relation client, dans le marketing

Évaluer les impacts et les gains dans le cadre de la lutte contre la fraude

Aperçu de l’adoption de solutions analytiques de détection des fraudes en France
Identifier les impacts et la création de valeur liés à l’usage de la data science dans le processus de lutte contre la fraude
Illustrations tirées de cas concrets d’usage de la data science dans la lutte contre la fraude : fausses déclarations et abus

Stratégie opérationnelle de la lutte contre la fraude et data science

Comprendre comment évoluent les stratégies de contrôle de lutte contre la fraude avec l’usage de la data science
Illustration : tableau de bord de pilotage et d’analyse d’anomalies basé sur un algorithme de data science
Identifier les nouveaux indicateurs à prendre en compte pour repérer les cas de fraude
Comprendre le nouveau rôle des gestionnaires face aux outils de détection automatisée des anomalies, des erreurs, et des abus

Mettre en oeuvre la data science dans un service de lutte contre la fraude

Appréhender les nouvelles formes de collaboration entre data scientist, gestionnaires, contrôleurs, métiers et acteurs impliqués dans la lutte contre la fraude
Comprendre comment évoluent les rôles des acteurs métiers liés à la lutte contre la fraude
Comprendre comment évoluent les systèmes de décision avec l’usage de la data science: (« décision humaine » versus « décision algorithmique » ?)