Avec deux modules destinés aux publics différents, cette formation en e-learning a pour but de présenter les généralités et des cas pratiques dans la détection de fraude.
Module 1
Comprendre le cadre juridique et les mécanismes de la fraude
Comprendre les différents types de fraude et les enjeux financiers et opérationnels
Mise en place de la détection analytique et un processus de lutte anti-fraude avec dffiérents métiers concernés
Module 2
Comprendre le cadre analytique et l’utilisation de la data science dans la détection de fraude
Assimiler les techniques avec les cas pratiques
Construire un tableau de bord de surveillance et d’indicateurs
2 Programme e-learning
2.1 Module 1: cadre stratégique et généralités
Cadre juridique des fraudes en assurance
Sanctions
Enquêtes
Jurisprudences
Droit des contrats
Typologies des fraudes
Fraudes en assurance dommage et santé
Fraudes en assurance vie
Fraude à la souscription (ou avenants)
Fraude à l’indemnisation
Autres fraudes durant la vie du contrat
Fraudes internes, fraudes des intermédiaires d’assurance, fraudes des assurés, des prestataires
Métiers de la lutte anti-fraude
les métiers de la lutte anti-fraude: gestionnaires sinistres, data scientists, avocats, juristes
les autres métiers concernés par la lutte anti-fraude
Processus de la lutte anti-fraude
Prévention: informer sur certains points qui peuvent générer des tentatives de fraude
Détection: mettre en place un système qui permet de détecter des anomalies
Alertes: envoyer des messages quand certaines anomalies sont détecter
Sanction: étudier des cas et prouver la fraude pour demander des sanctions
Méthode analytique de la détection
Comment passer du contrôle aléatoire au ciblage structuré
Changement de paradigme dans le processus de contrôle et de sanction
Détection de fraude automatisée et data science
Exemples et études de cas de fraudes
Anomalies et fraudes
Fraude optique
Fraude en assurance automobile
Différentes typologies de fraude et les dispositifs d’anti-fraude
2.2 Module 2: utilisation de data science dans la détection de fraude
Plusieurs cas pratiques utilisant des techniques de data science
Collecte de données et webscraping
Transformation des données (textes et images)
Méthode déterministe et construction d’indicateurs
Machine learning
Apprentissage supervisé
Apprentissage non-supervisé
Visualisation des résultats
Construction de tableau de bord
3 Publics concernés
3.1 Module 1
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
3.2 Module 2
Data scientist, chargé d’étude statistique, actuaire et plus largement toute personne impliquée dans la détection de la fraude
Compagnies d’assurance, mutuelles, institutions de prévoyance, sociétés de bancassurance, sociétés de courtage, sociétés d’assistance
4 Informations pratiques
Comment ?
Accès à une plateforme d’e-learning pour le suivi du cours
Quizz pour mieux contrôler la maîtrise du sujet
Appel visio avec le formateur pour mieux comprendre le sujet
Quels sont les pré-requis ?
Aucun en particulier.
Dates et durée
Durée: selon le rythme de l’apprenant, de 30 à 40 minutes