4 questions à Anat Chefner

Anat Chefner, Responsable Actuarial Analytics chez BNP Paribas Cardif, co-anime la formation #CPPDS- Concevoir et Piloter un Projet de Data Science de l’Institut du Risk Management.
A l’occasion de la prochaine journée 100% Actuaire 100% Data Science du jeudi 17 novembre 2022, organisée par l’Institut des actuaires, elle partage avec nous sa vision de l’actuariat en tant que Data Scientist et manager.

« Quels sont les principaux défis - challenges pour un actuaire en 2023 ?
Les défis sont nombreux : réglementaires, économiques, informatiques, même le changement climatique… Disons qu’il est rare de s’ennuyer en Actuariat !

Je me permets de proposer un focus sur les challenges Analytics : une matière première grandissante ... la data !

Le secteur Assurantiel est en mouvement sur les métiers qui manipulent de la donnée et ce mouvement s’accélère significativement avec les jeunes diplômés qui font de moins en moins de SAS et questionnent les freins à l’utilisation des librairies Open Source qui offrent tellement d’agilité.

Les profils Analytics ont besoin d’intégrer de plus en plus de dimensions dans leurs analyses, d’injecter de la structure, de l’automatisation.

Le challenge est d’adapter les outils et nos modes de travail pour continuer d’être en capacité d’éclairer les risques, de mieux les anticiper.

Le principal défi de l’actuaire focus Analytics est de monter en compétence en programmation et d’adapter les modèles pour pouvoir prendre en considération plus de critères.

J’aimerais profiter de cet échange pour encourager la curiosité d’apprentissage et la persévérance.

En tant que manager, comment recrutez-vous au sein de votre équipe de Data Scientist ?
Quels sont les critères que vous recherchez ?
Aujourd’hui je recrute des profils de datascientists :
 - rigoureux et matures en programmation Python,
 - autonomes dans l’auto-formation pour challenger l’apport des nouvelles librairies,
 - performants en modélisation.

Dit autrement, je recrute des profils qui savent passer de l’idée au code, challenger & interpréter leurs résultats et capables de chercher, de manière efficace, les possibilités d’amélioration offertes par l’Open Source.

Je prends en charge directement les autres compétences nécessaires pour nos projets comme « la connaissance ‘métier’ » ou « la restitution des résultats de manière compréhensible par les décideurs ».

Avez-vous des conseils, des recommandations particulières à donner aux futurs Data Scientists ?
Les projets de Machine Learning ne sont pas des projets comme les autres.

Le temps de développement consacré n’est pas toujours synonyme de création de valeur.

Si les variables sont mal sélectionnées ou la problématique mal posée, le modèle de Machine Learning n’aura pas de pouvoir prédictif. Une fois arrivé jusqu’à la prédiction du modèle, il est possible que son niveau de performance ne justifie pas les budgets nécessaires à sa mise en production.

La double compétence Actuariat / DataScience permet de gagner un temps précieux, sur le cadrage en amont, sur la compréhension et la priorisation des projets où le Machine Learning va avoir de la valeur ajoutée.
Prenez ce temps en début de projet, pour impliquer les décideurs, fixer des indicateurs de réussite et cultivez vos capacités à pivoter en cas de besoin. »

Nous remercions chaleureusement Anat pour avoir répondu à nos questions et nous vous informons que l’Institut du Risk Management sera présent le jeudi 17 novembre à la journée 100% Actuaire 100% Data, venez-nous rencontrer.