1
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
1
Petit déjeuner
Assurance : vo...
2
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
3
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
4
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
5
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
6
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
7
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
8
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
9
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
14...
10
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
11
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
12
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
13
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
14
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
15
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
16
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
17
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
18
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
19
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
20
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
21
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
22
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
23
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
24
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
25
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
26
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
27
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
28
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
29
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
30
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
1...
31
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
S...
32
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
33
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
34
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
35
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
36
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
37
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
38
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
39
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
40
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
41
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
42
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
43
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
44
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
45
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
46
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
S...
47
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
48
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
49
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
50
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
51
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
52
L’impact de la data science dans l’analyse de marge
Les gouvernances dans solvabilité II
Lily Abenhaim / Bruno Seznec
V...
Prochain SlideShare
Chargement dans…5
×

Petit dej solva2_datascience_gouvernance _14janvier2016

378 vues

Publié le

Support pour la mini-formation du 14 janvier 2016. Maison des mines. Solvancy, Data Science, Gouvernance de la donnée.
Lily Abenhaim et Bruno Seznec

Publié dans : Données & analyses
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
378
Sur SlideShare
0
Issues des intégrations
0
Intégrations
12
Actions
Partages
0
Téléchargements
0
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Petit dej solva2_datascience_gouvernance _14janvier2016

  1. 1. 1 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II 1 Petit déjeuner Assurance : vos enjeux marketing, technologiques et réglementaires La data science dans l’analyse de marge, Les gouvernances selon solvabilité II Le 14 Janvier 2016 à la Maison des Mines 8h30 à 10h30 Lily Abenhaim, contact.amiconsulting@gmail.com / 06.62.71.47.84 Bruno Seznec, consult@seznec.net / 06.51.86.57.21
  2. 2. 2 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 SOMMAIRE I. Introduction II. Analyser les marges des produits Epargne III. Analyser les marges des produits Rentes IV. Projection et analyse d’un compte de résultat V. Contrôles VI. L’impact de la data science dans l’analyse de marge VII. Les gouvernances dans solvabilité II
  3. 3. 3 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 Objectifs de Solvabilité II : o Protéger les assurés o Uniformiser au niveau européen le système de solvabilité o Faire converger les normes – IFRS 4 o Renforcer le contrôle interne des organismes assureurs o Encourager le contrôle de tous les risques auxquels sont soumis les organismes assureurs o Promouvoir l’utilisation des modèles internes pour l’évaluation des besoins en fonds propres o Donner aux autorités les moyens d’identifier les entreprises en risque financier ou organisationnel important o Système basé sur des principes. I. Introduction
  4. 4. 4 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 Les trois piliers de Solvabilité II : I. Introduction
  5. 5. 5 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 I. Identifier les différents types de marges  Le compte de résultat type simplifié comprend 3 types de marges : o Résultat technique du risque Résultat de l'ensemble des opérations techniques (primes, prestations, variations de provisions, frais généraux, commissions et produits financiers nets rattachés) nettes de réassurance. Des comptes de résultats techniques vie et non vie sont établis séparément. • Cette marge est toujours nulle pour les produits d’épargne • Positive ou négative pour les produits de rentes : – Marge technique (+) : La mortalité est supérieure aux prévisions de la table de tarification – Marge technique (-) : La mortalité est inférieur aux prévisions de la table de tarification o Résultat technique de gestion ou marge administrative : écart entre les différents chargements de gestion prélevés aux clients et les frais internes et externes o Résultat financier : écart entre les produits financiers et les intérêts techniques et participations aux bénéfices servis aux assurés o La somme des 3 marges constitue le résultat brut opérationnel de la compagnie (c’est-à-dire le résultat avant impacts de la réassurance, des opérations non techniques et des impôts et taxes)
  6. 6. 6 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 II. Présentation des marges pour un produit d’épargne  Le résultat technique pour un produit d’épargne contient les postes suivants :  Transfert (entrant) / Transfert (sortant)  Arbitrage (entrant) / Arbitrage (sortant)  Cotisations ou prime pure  Prestations : Rachats partiels, ou totales  Capitaux constitutifs  Provision Mathématique ouverture  Provision Mathématique clôture  Participation aux bénéfices  Rémunération au taux minimum Garanti Résultat technique
  7. 7. 7 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 II. Présentation des marges pour un produit d’épargne  Définition des postes suivants (produit d’épargne) o Transfert (entrant) / Transfert (sortant) : o Possibilité offerte au souscripteur de transférer la gestion de son contrat vers un autre assureur tout en continuant à bénéficier de l’antériorité fiscale attachée au contrat d’origine. o Le transfert n'est pas une opération autorisée pour les contrats d'assurance Vie. Il existe une exception pour les contrats Retraite ( PERP ou MADELIN) o Frais de transfert o Cotisations ou primes acquises se décomposent en o la prime pure acquise : Somme versée, périodiquement ou en une seule fois, par le souscripteur à l'assureur en échange de la prise en charge d'un risque. Elle n’inclut pas les chargements o les chargements sur primes, o Prestations : L’engagement de l’assureur en cas de réalisation d’un risque est de verser une prestation o Rachats partiels, ou totales o Prestations décès o Provision Mathématique : o différence entre les valeurs actuelles des engagements respectivement pris par l'assureur et par les assurés o PM ouverture : Elle correspond à la PM de clôture de l’année n-1 o PM Clôture : Provision calculée au moment des inventaires .
  8. 8. 8 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 II. Présentation des marges pour un produit d’épargne  Définition des postes suivants (produit d’épargne) o Arbitrage la possibilité de modifier la ventilation de vos unités de compte au sein d’un même contrat d’assurance vie comme vous le souhaitez. L’arbitrage vous offre une grande souplesse dans la gestion de vos unités de compte et vous permet de modifier quand vous le souhaitez votre épargne ou de le répartir sur plusieurs supports. o Participation aux bénéfices : Il s’agit de la rémunération accordée par l’assureur au contrat en complément de celle calculée au taux technique o Rémunération au Taux minimum Garanti : Il s’agit d’un taux d’intérêt servant à la tarification ou au provisionnement des contrats d’assurance vie
  9. 9. 9 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 II. Présentation des marges pour un produit d’épargne  Le résultat de gestion pour un produit d’épargne contient les postes suivants : Les chargements suivants sont prélevés aux clients :  Frais sur transfert (entrant)  Frais sur transfert (sortant)  Frais sur arbitrage (entrant)  Frais sur arbitrage (sortant)  Frais sur prestations  Frais sur cotisations On doit déduire de ces chargements prélevés aux clients les différents postes de frais généraux correspondants Résultat de gestion
  10. 10. 10 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 II. Présentation des marges pour un produit d’épargne  D’une manière générale les chargements de gestion, c'est-à-dire les chargements permettant de couvrir les frais opérationnels de l'assureur (salaires, loyers, commissions, ...). Les chargements s’appliquent sur chaque opération que vous allez faire, ils sont contractuels et définis au niveau des CG (conditions générales) et CP (conditions particulières)  Définition des postes suivants : o Frais sur transfert (entrant) / (sortant) : Chargements prélevés par la compagnie en cas de transfert entre deux compagnies ou dans le cas d’un transfert Fourgous o Frais sur arbitrage (entrant) / (sortant) : Chargements prélevés sur le client en cas d’arbitrage entrant et sortant o Frais sur prestations : Chargements prélevés sur le client en cas de rachat partiel, rachat total o Frais sur cotisations : Chargements prélevés sur le client sur le montant de la prime
  11. 11. 11 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 II. Présentation des marges pour un produit d’épargne  Le résultat financier pour un produit d’épargne contient les postes suivants :  + Rémunération brute (correspond aux produits financiers nets de frais financiers)  - Rémunération nette (correspond à la rémunération versée à l’assuré)  = Frais sur encours (correspond à la différence entre la rémunération brute et la rémunération nette) Résultat financier
  12. 12. 12 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 II. Présentation des marges pour un produit d’épargne  Le résultat financier pour un produit d’épargne contient les postes suivants : o Rémunération brute : Il s’agit du montant des encours multipliés par le taux de PAB brut : Encours * taux PAB brut o Rémunération nette : Il s’agit du montant des encours multipliés par le taux de PAB net : Encours * taux PAB net o Frais sur encours : Ces frais sont calculés sur l'encours global de chaque fond. o Encours : o L’encours est la somme total d’actifs ou de passifs, de crédits, de stocks, ou de valeurs détenus ou empruntés à un instant donné par un acteur économique. o Dans la pratique l’encours en méthode approximative correspond à la somme : PM ouverture + Capitaux constitutifs de rentes o Taux de PAB brut = ((1+ taux de PAB net) / (1- taux de frais sur encours)) - 1
  13. 13. 13 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 III. Présentation des marges pour un produit de rente  Présentation générale d’un produit de retraite : PHASE EPARGNE PHASE DE RENTES Actifs Rentiers Capitaux constitutifs Prestations / Rentes
  14. 14. 14 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 III. Présentation des marges pour un produit de rente  Le résultat technique pour un produit de rente contient les postes suivants (produits de rentes)  - Arrérages  + Primes  + Provision Mathématique ouverture  - Provision Mathématique clôture  + Frais sur arrérage  - Capitaux constitutifs de rentes  - Capitaux de revalorisation Résultat technique de rentes
  15. 15. 15 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 III. Présentation des marges pour un produit de rente  Définition des postes suivants (produits de rentes) o Arrérages : o Les arrérages correspondent à des sommes d'argent versées périodiquement par un organisme social ou par une compagnie d’assurance à un créancier au titre d'une rente ou d'une pension. o Les arrérages concernent les montants échus d'une pension de retraite ou d'une rente d'un contrat d'assurance vie que perçoit une personne sous la forme d’un versement régulier o Capitaux constitutifs de rentes : o Le capital constitutif de la rente est le capital à partir duquel va être versée la rente. Il correspond à l'épargne-retraite (pour les produits dédiés à la préparation de la retraite) ou à la valeur de rachat (pour les contrats d'assurance vie, de capitalisation, PEA,…) diminuée des éventuels prélèvements fiscaux et sociaux qui s'appliquent sur la phase épargne du contrat, avant la transformation en rente. o Il correspond à la provision à la date de souscription de l’assuré, ce montant est fixe durant toute la vie du contrat o Provision Mathématique : o différence entre les valeurs actuelles des engagements respectivement pris par l'assureur et par les assurés o PM ouverture : Elle correspond à la PM de clôture de l’année n-1 o PM Clôture : Provision calculée au moment des inventaires .Capitaux de revalorisation : o L’assureur peut garantir une revalorisation annuelle minimale annuelle du montant de la rente à partir d’un indice o Le taux de revalorisation est défini annuellement en date du 01/01/N
  16. 16. 16 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 III. Présentation des marges pour un produit de rente  Le résultat de gestion pour un produit d’épargne contient les postes suivants :  Frais sur arrérage : Il s’agit des chargement prélevés par la compagnie sur les arrérages  Afin d’obtenir le résultat de gestion, il faut déduire les frais d’arrérages supportés par la compagnie Résultat de gestion
  17. 17. 17 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 IV : Projection d’un compte de résultat Epargne & Rente o La conception d’un profit testing nécessite : • une projection du compte de résultat relatif à une police type, • l’appréciation de la rentabilité de cette police par rapport aux critères définis dans le chapitre précédent. o La police type peut être : • une police non encore commercialisée relative à un nouveau produit, • une police déjà commercialisée.
  18. 18. 18 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les hypothèses à regrouper sont de nature : o commerciales (taux et nature des commissions, primes moyennes attendues, âge de l’assuré à la souscription, durée maximale du contrat…), o techniques (taux minimum garanti, règles d’attribution de la participation aux bénéfices, taux de chargement sur les primes, taux de chargement sur les encours, montant des pénalités de rachat, table de mortalité servant à la tarification, cadences de règlements des sinistres,…), o financières o administratives (frais d’acquisition par police, frais annuels de gestion par police). IV : Projection d’un compte de résultat Epargne & Rente
  19. 19. 19 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Le diagramme suivant présentent les échanges d’informations entre les différents services IV : Projection d’un compte de résultat Epargne & Rente Direction actuarielle Direction Financière Direction Comptable Département de gestion Département Informatique Rapprochement compta gestion Saisie des informations clients dans le SI
  20. 20. 20 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  La collecte et la validation des hypothèses retenues nécessite l’implication de l’ensemble des départements de la compagnie : o département financier : • Elle détermine le taux techniques / TMG / Taux de produits financier o département technique • Elle réalise la projection de compte de résultats ou projection financiers o département informatique • Communique les données de bases pour l’établissement des comptes de résultats o département comptable • Intervient lors des rapprochement comptabilité / gestion o département de gestion : • Communique les flux réels de primes / prestation à l’actuariat o Direction Générale IV : Projection d’un compte de résultat Epargne & Rente
  21. 21. 21 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les étapes pour la construction du compte de résultat IV : Projection d’un compte de résultat Epargne & Rente Récupération des flux des back offices de gestion ou SI Calcul des frais Projection des produits financiers Calcul des marges Cotisations Prestations (arrérages, rachats) Capitaux de rentes PM ouverture - clôture Frais sur Cotisations Frais sur Prestations (arrérages, rachats) Frais sur encours Rémunération au TMG Rémunération PAB Frais sur encours Résultat technique du risque Résultat technique de gestion Résultat technique financier
  22. 22. 22 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les étapes de contrôles Rapprochement des flux Entre la comptabilité / Gestion Contrôles de cohérences aux niveaux des frais Contrôles de cohérences au niveau des produits financiers Contrôles de cohérences au niveau des marges Cotisations Prestations (arrérages, rachats) Capitaux de rentes PM ouverture - clôture Frais sur Cotisations Frais sur Prestations (arrérages, rachats) Frais sur encours Rémunération au TMG Rémunération PAB Frais sur encours Résultat technique du risque Résultat technique de gestion Résultat technique financier IV : Projection d’un compte de résultat Epargne & Rente
  23. 23. 23 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 IV : Projection d’un compte de résultat Epargne & Rente  Exemple de compte de résultat simplifié , détail de la projection de compte
  24. 24. 24 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les étapes de calculs  Etape 1 : Calcul des frais : o Frais sur cotisations : Taux de frais * Montant de cotisation brute o Frais sur arrérages : Taux de frais * Montant d’arrérage brut  Etape 2 : Calcul du montant des provisions o PM Clôture épargne : Provient du SI ou déterminé par enroulement o PM clôture rente : Provient des SI ou déterminé par projection IV : Projection d’un compte de résultat Epargne & Rente
  25. 25. 25 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les étapes de calculs  Etape 3 : Calcul des produits financiers phase épargne o Rémunération PAB : calculs d ’intérêts sur l’ensemble des flux aux taux de PAB • Les flux assiette des calculs sont : Cotisations réelles à la date d'inventaire / PM ouverture / Capitaux de rentes o Rémunération au TMG : actualisation de l’ensemble des flux aux TMG • Les flux assiette des calculs sont : Cotisations réelles à la date d'inventaire / PM ouverture / Capitaux de rentes o Frais sur encours : Encours * taux de frais sur encours • Encours : PM moyenne  Etape 4 : Calcul des produits financiers phase de rentes (méthode simplifiée) o Rémunération PAB : Encours * taux de PAB o Rémunération au TMG : Encours * TMG o Frais sur encours : Encours * taux de frais sur encours • Encours : PM moyenne RQ : o Dans la pratique, le SI calcul la rémunération des produits de rentes en calculant chaque mouvement sur le contrat IV : Projection d’un compte de résultat Epargne & Rente
  26. 26. 26 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les étapes de calculs  Etape 4 : Calcul des marges  Marge technique :  Cotisations réelles à la date d'inventaire (net de frais)  PM N-1  PM N-  PB provisoire N  Capitaux de rentes  Marge administrative  Frais sur cotisations  Frais sur arrérages  Marge financière  Frais sur encours épargne  Frais sur encours de rentes IV : Projection d’un compte de résultat Epargne & Rente
  27. 27. 27 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les étapes de contrôles  Rapprochement des flux entre les back office comptables / Back office de gestion  Contrôles de cohérence entre deux AT au niveau  Niveau des flux  Niveau des marges  Niveau du résultat technique de rentes  Niveau des produits financiers : PAB / TMG  Niveau des taux de frais  Calcul des VAN / TRI pour estimer la rentabilité du produit V : Les contrôles dans l’analyse de marges
  28. 28. 28 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016  Les états de contrôles du compte de résultat o Le pilier II impose aux compagnies de réaliser des contrôles au niveau des models points. o Plusieurs niveaux de contrôles sont exigés: • Niveau I : Contrôles de cohérences • Niveau II : Contrôles qualitatifs • Niveau III : Contrôles quantitatifs o Le tableau suivant présente des exemples de contrôles de cohérence à mettre en place lors de la réception des données V : Les contrôles dans l’analyse de marges Poste contrôles PM ouverture Valider que la PM ouverture = PM 31/12/ N-1 PM clôture Comparer par produit les ratio des PM N et N-1 Cotisations Valider que les flux de primes sont (+) Prestations Valider que les flux de prestations sont (-) Niveau des cotisations Comparer les ratios de cotisations entre N et N-1 Niveau de prestations Comparer les ratios de prestations entre N et N-1 Niveau des capitaux constitutifs de rentes Comparer les ratios des capitaux entre N et N-1
  29. 29. 29 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 o Le tableau suivant présente des exemples de contrôles de cohérence qualitatifs V : Les contrôles dans l’analyse de marges Poste contrôles Cohérence du fichier Valider que le fichier n’a pas de « blanc » Date de naissance Valider la cohérence des dates de naissance Portefeuille Valider que le portefeuille est complet Compta / Gestion Valider les écarts compta gestion Mettre des seuils d’alertes au niveau des écarts
  30. 30. 30 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec 14/01/2016 o Le tableau suivant présente des exemples de contrôles de cohérence qualitatifs V : Les contrôles dans l’analyse de marges Poste contrôles Taux de frais Valider en fonction des CG / CP des taux de frais sur prime / prestations / frais sur encours Taux financiers Validation du taux de PAB Validation des taux de produits financiers Pour les rentes Valider les ratios suivants : Ratio (Résultat technique / Provision mathématique au dernier jour) Ratio (Capitaux de revalorisation/Provision Mathématique au 1er jour) Ratio ( Provision mathématique au dernier jour/ arrérages) : qui correspond au ax) Produits d’épargne Valider que le RT = 0 Valider la PM de clôture par enroulement Taux PAB Valider que le Taux de PAB brut > taux de PAB net
  31. 31. 31 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec SOMMAIRE I. Introduction II. Analyser les marges des produits Epargne III. Analyser les marges des produits Rentes IV. Projection et analyse d’un compte de résultat V. Contrôles VI. L’impact de la data science dans l’analyse de marge VII. Les gouvernances dans solvabilité II
  32. 32. 32 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Plan de cette partie :  Contexte de la Data Science et du Machine Learning  Rappels (si nécessaire) : Approche « data driven », Big data / datalake Profil Data Scientist  Présentation des méthodes de prédiction par arbre de décision  Présentation de l'algorithme XgBoost  Application au contrôle des comptes / bilan fiscaux Références : MOOCs Statistical Learning, Poly ESILV, Tax Audit : Michaël Benisty (Deloitte)
  33. 33. 33 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Contexte de la Data Science et du Machine Learning  Le Machine Learning ou Apprentissage Machine/Statistique/Artificiel existe depuis les années 80/90 en marge des grands programmes d'Intelligence Artificielle. Il revient sur le devant de la scène avec les mouvements Big Data et Cloud  La nouveau paradigme consiste à s'appuyer sur les données pour en déduire des règles (prédiction ou classification), éventuellement un modèle, au lieu de procéder classiquement par la création d'un modèle, puis l'analyse des données.  En Statistique classique, il s'agit de comprendre la distribution des données, en Apprentissage statistique, il faut être capable de prédire des informations non observées (flux de données). => En conséquence ce nouveau paradigme permet d'utiliser tous les types de données.
  34. 34. 34 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Motivations : cas d’utilisations (période « classique ») •Faire un filtre de classification des mails Spam / Non-Spam; •Reconnaissance de caractères (identification du code postal); •Predire la probabilité d’une attaque cardiaque d’un patient en fonction de mesures cliniques, son régime et de données démographiques ; •Classifier un échantillon de tissu des classes de cancer à partir du profil d'expression des gènes; • Calculer une relation entre le niveau de salaire et les variables démographiques obtenues dans un recensement de la population. •Classifier les pixels dans une image LANDSAT, en fonction de leur caractéristiques (terres cultivées, sol humide / sec, terres rouges, etc...)
  35. 35. 35 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Motivations : cas d’utilisations (période « moderne » / Big Data) •Reconnaissance d’images (FB); •Traduction de texte automatique (Google); •Reconnaissance de la parole.
  36. 36. 36 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge D’où viennent les Big Data ? A retenir : The Elements of Data Science are : • Data Acquisition • Data Preparation • Analysis / Machine Learning • Data Presentation • Data Products Slides Mooc Spark Edx Week1
  37. 37. 37 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Aspect RH / Quelles compétences ? http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram
  38. 38. 38 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Positionnement du Data Scientist (Slide Paris Saclay)
  39. 39. 39 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Présentation du vocabulaire Data Science , apprentissage supervisé, non-supervisé. Présentation des méthodes par arbre de décision (slides Statistical Learning)
  40. 40. 40 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Variance / Biais - Flexibility
  41. 41. 41 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Overfitting
  42. 42. 42 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Train data vs Validation data Model Complexity
  43. 43. 43 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Decision trees are simple and interpretable models for regression Points clés pour les méthodes d’arbres de décision •Ce sont des modèles simples pour la classification et la régression; •Cependant ils sont souvent peu compétitifs avec d’autres méthodes en ce qui concerne la précision; •Le bagging, les algos de Random Forest et de Boosting sont des méthodes qui améliorent la précision de la méthode d’arbre de décision; • Leur principes est de faire croitre plusieurs arbres de décision sur les données d’entrainement et de combiner les prédictions; •Les arbres de décisions sont facilement interprétables, par contre les RF et le Boosting sont plus complexes à interpréter.
  44. 44. 44 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge Application à l'analyse des comptes  Slides Mickaël Benisty (p 14-15) – Paris Machine Learning Meetup (13/05/2015)  Analyse des comptes : trouver les caractéristiques donnant les lignes qui sont en anomalies  Analyse de marge : trouver les caractéristiques donnant les lignes qui ont le plus de poids dans la marge.
  45. 45. 45 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VI : L’impact de la data science dans l’analyse de marge  Lien avec la partie précédente (compte de résultat simplifié) , détail de la projection de compte  Application à l’analyse de marge
  46. 46. 46 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec SOMMAIRE I. Introduction II. Analyser les marges des produits Epargne III. Analyser les marges des produits Rentes IV. Projection et analyse d’un compte de résultat V. Contrôles VI. L’impact de la data science dans l’analyse de marge VII. Les gouvernances dans solvabilité II
  47. 47. 47 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VII : Gouvernance de la donnée Plan de cette partie :  Présentation des méthodes Modélisation/Audit/Contrôle avec volet SI : DAMA, Praxeme (voir document Politique de la donnée), Cobit  Voir http://www.dama-france.org/ http://www.praxeme.org  Le cycle de vie de la donnée  Volet Ressources Humaines :  Nomination d’un CDO,  Création de structure d'innovation transverse « DataLab »  …
  48. 48. 48 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VII : Gouvernance de la donnée Dama France : Association qui a vocation à promouvoir la compréhension, le développement et les bonnes pratiques en matière de données. Thèmes abordés : • Le capital données de l’entreprise (dont la gouvernance); • L’architecture de données; • La qualité des données; • … Praxeme : Méthode publique de modélisation de l’entreprise. Approche holistique. Voir slide suivante :la topologie du système d’entreprise Initiative PxData : Formulaire / Procédé : Politique de la donnée Voir aussi slides Joel Bizingre (Conix)
  49. 49. 49 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VII : Gouvernance de la donnée Praxeme : Topologie du Système Entreprise
  50. 50. 50 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VII : Gouvernance de la donnée  Le cycle de vie de la donnée (voir EDA)  Peut se pratiquer avec des AGL « Data » exemple Dataiku : DSS
  51. 51. 51 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VII : Gouvernance de la donnée Contexte Gouvernance de la donnée et Solva 2. Rapprochement comptable, Flux à auditer : Direction actuarielle Direction Financière Direction Comptable Département de gestion Département Informatique Rapprochement compta gestion Saisie des informations clients dans le SI
  52. 52. 52 L’impact de la data science dans l’analyse de marge Les gouvernances dans solvabilité II Lily Abenhaim / Bruno Seznec VII : Gouvernance de la donnée / Conclusions I. Automatisation de la vérification de contraintes réglementaires via un ou des algorithmes de Machine Learning ; II.Possible reconfiguration et/ou ré-organisation de l’entreprise autour de la donnée ; III.Enlever les silos .

×