Mémoire d'actuariat

Tarification Multirisques Immeuble, Le Big Data au service de la Simplicité Client et de la sophistication tarifaire de l'assureur
Auteur(s) LUCAS Gérald
Société AXA
Année 2019
Confidentiel jusqu'au 24/06/2021

Résumé
L'objectif de ce mémoire est de montrer qu'avec le développement du Big Data et l'avènement de l'Open Data, il est possible de transformer la tarification en assurance IARD, pour simplifier l'expérience Client tout en améliorant le développement et maintenant la rentabilité du produit Multirisques Immeuble. A l'heure de la digitalisation, la simplification de l'expérience Client s'obtient via la simplicité et la diminution du nombre de tâches que le client a à réaliser, que ce soit pour souscrire / modifier son contrat ou pour déclarer / gérer son sinistre. L'assureur doit donc arrêter de faire subir à ses clients la complexité de son métier, ceci l'oblige donc à innover en profondeur ses process. Souscription en 1 clic, e-déclaration, produit à la carte sont les nouvelles priorités qui viennent s'ajouter à la liste des tâches à réaliser. Pour cela, il est indispensable de trouver de nouvelles informations qui doivent se substituer à celles que le Client nous donnait auparavant. Pour le produit MRI, de plus en plus d'informations sont à disposition, tout l'enjeu est de pouvoir les associer ce qui sera évoqué lors de la création d'un référentiel Immeubles, agrégé à la maille Adresse. Cette source de données devient alors le point de départ de nombreuses utilisations. Challenge des renseignements déclarés à la souscription, segmentation du risque via les nouvelles variables externes, prospection des adresses non présentes en portefeuille sont quelques exemples parmi tant d'autres des sujets à développer. De notre côté, nous nous concentrerons principalement sur la comparaison du modèle attritionnel actuel vs le modèle "Adresse", créé via un modèle linéaire généralisé, qui limite au maximum le nombre de renseignements à demander au Client. Il sera ensuite nécessaire de vérifier si ce modèle simplifié pour le Client est tout aussi prédictif, segmentant et robuste pour l'assureur ce qui nous permettrait alors de continuer le développement du business tout en conservant notre rentabilité.

Abstract
With the development of Big Data and Open Data, we want to show it's possible to transform P&C pricing insurance and simplify client experience and also grow our business and keep rentability specially on buildings insurance. With digitalisation, to simplify client experience we must decrease number of actions to manage contract or claim. Insurers must transform and innovate all theirs process because now clients want to suscribe with 1 clic, open claim with smartphone or choose specific offer. So, it's necessary to find new information to replace its given by client previously. About buildings insurance, a lot of information are available with open data, now we must manage to aggregate it by address in a big data lake. For example, with this database, we will be able to verify data given by client in new business, improve pricing with new variables or find new address to suggest a contract. During this study, we will focus our comparison between current model and new model, sepcifically on attritional pure premium. To build new model, we will use a GLM and we will try to replace al client information by open data. We will have to compare quality in both models to be sure that new address model could replace current model by increasing portfolio but also keeping rentability.