Mémoire d'actuariat

Optimisation de la gestion des sinistres en arrêt de travail
Auteur(s) DODY Romain
Société Sogecap
Année 2017
Confidentiel jusqu'au 26/09/2022

Résumé
De plus en plus étudiées par les compagnies d'assurance du fait de l'explosion du volume de données mises à leur disposition, la Data-Science permet d'élargir le métier de l'actuaire. En effet, il commence à exploiter les données recueillies sur ses clients afin de leur proposer des produits spécifiques ou d'ajuster leurs tarifications. L'utilisation des données sensibles, comme les données médicales récoltées lors de la souscription d'un prêt, permettent après utilisation des différents modèles d'apprentissage supervisé de cibler des individus à risque. C'est notamment le cas lors de l'optimisation de la gestion des sinistres en arrêt de travail dans les produits d'assurance des emprunteurs, qui sera développée dans ce mémoire. Après avoir présenté le parcours d'un dossier sinistre, comportant les étapes où la donnée est collectée, détaillé les types de fraude possibles, ce mémoire s'appuiera sur l'étude des données afin de se focaliser sur les différents modèles qu'il est possible d'exploiter. Ces derniers seront comparés pour choisir le meilleur modèle au sens d'une fonction d'évaluation prédéfinie afin de détecter la fraude ou un cas suspicieux.

Abstract
Currently, more and more used by insurance companies due to rapid growth of the available volume of data, Data-Science enables the widening of the actuary's job. Indeed, they start to utilize the collected data on their clients in order to offer theim specific products or to adjust their pricing. The use of sensitive data, like medical data collected when a loan subscription occurs, enables the targeting of risky people after using different supervised models. This is the case of claims' managements optimisation during work leave in loan insurance products which will developed in this study. After presenting the insurance claim path, which includes the steps where data is collected, and the type of details of possible frauds, this study will rely on featuring engineering on data in order tot focus on different models which are possible to use. These will be compared according to an evaluation function in order to detect fraud or suspicious cases.