Local Optimization European Minded
© Tous droits réservés. Reproduction interdite sans l’autorisation d’Optimind Winter.
A...
Sommaire
Université d'Eté IA – Analytics & Big Data - 08/07/2014 2
1 Introduction
2 Focus techniques
Données / Datamasse
E...
Université d'Eté IA – Analytics & Big Data - 08/07/2014 3
Introduction1
• Emergence des nouvelles technologies et des nouv...
DIGITAL
Université d'Eté IA – Analytics & Big Data - 08/07/2014 4
Introduction1
Socle
Nouvelles
technologies
Nouveaux
usag...
Sommaire
Université d'Eté IA – Analytics & Big Data - 08/07/2014 5
1 Introduction
2 Focus techniques
Données / Datamasse
E...
Données / Datamasse
Focus techniques2
• L’approche classique consiste à caractériser les Big Data comme :
• Des données ma...
Données / Datamasse
Focus techniques2
7Université d'Eté IA – Analytics & Big Data - 08/07/2014
• Archives
• Documents
• Me...
• 1 sec  22 To de données générées sur le web
• 1 jour  2,5 Eo Générées (10^6 To)
Données / Datamasse
Focus techniques2
...
Jobtracker
Evolutions BI
Focus techniques2
9Université d'Eté IA – Analytics & Big Data - 08/07/2014
Logiciels et algorithm...
Evolutions BI
Focus techniques2
10Université d'Eté IA – Analytics & Big Data - 08/07/2014
Hadoop 1.0 (Décembre 2011)
• Lim...
• Storm : système de calcul distribué en temps réel permettant de traiter de façon fiable des flux de données
illimitées, ...
Evolutions BI
Focus techniques2
12Université d'Eté IA – Analytics & Big Data - 08/07/2014
Combiner Hadoop et Storm permet ...
Evolutions BI
Focus techniques2
Université d'Eté IA – Analytics & Big Data - 08/07/2014
Mahout est un projet open source d...
Evolutions BI
Focus techniques2
14Université d'Eté IA – Analytics & Big Data - 08/07/2014
• Une abondance de technologies ...
• La révolution Big Data réhabilite d’anciennes approches de statistiques, d’analyse et de modélisation des
données
• Les ...
16
Apports des algorithmes et évolution de paradigme
Focus techniques2
Université d'Eté IA – Analytics & Big Data - 08/07/...
Apports des algorithmes et évolution de paradigme
Focus techniques2
Short-list liée aux cas
d’usage
Sélection de
l’algorit...
Evolution culturelle et stratégique pour les structures d’assurance
Focus techniques2
18Université d'Eté IA – Analytics & ...
Sommaire
Université d'Eté IA – Analytics & Big Data - 08/07/2014 19
1 Introduction
2 Focus techniques
Données / Datamasse
...
Quels apports en Assurance?
Nouvelles perspectives pour les actuaires3
2
• L’impact attendu du « Big Data » selon Mc Kinse...
Quels apports en Assurance?
Nouvelles perspectives pour les actuaires3
21Université d'Eté IA – Analytics & Big Data - 08/0...
22
De nouvelles fonctions pour de nouvelles approches
Nouvelles perspectives pour les actuaires3
• 4 axes d’adaptation néc...
De nouvelles fonctions pour de nouvelles approches
Nouvelles perspectives pour les actuaires3
Sources de données externes
...
• Le Chief Data Officier, une fonctions clé d’organisation et de gouvernance des données
• Un acteur majeur de la gestion ...
25
Impacts potentiel sur le rôle de l’actuaire
Nouvelles perspectives pour les actuaires3
• Distinctions à opérer suivant ...
26
Impacts potentiel sur le rôle de l’actuaire
Nouvelles perspectives pour les actuaires3
• Une profession qui s’adapte
• ...
Sommaire
Université d'Eté IA – Analytics & Big Data - 08/07/2014 27
1 Introduction
2 Focus techniques
Données / Datamasse
...
Université d'Eté IA – Analytics & Big Data - 08/07/2014 28
Conclusion4
• Enfin, quelques repères sur le positionnement et ...
Société & Offres
• Interlocuteur de référence pour les assureurs, mutuelles,
administrations, banques et grandes entrepris...
Prochain SlideShare
Chargement dans…5
×

Big data analytics focus technique et nouvelles perspectives pour les actuaires

3 056 vues

Publié le

Big data analytics focus technique et nouvelles perspectives pour les actuaires

Publié dans : Formation
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
3 056
Sur SlideShare
0
Issues des intégrations
0
Intégrations
596
Actions
Partages
0
Téléchargements
104
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Big data analytics focus technique et nouvelles perspectives pour les actuaires

  1. 1. Local Optimization European Minded © Tous droits réservés. Reproduction interdite sans l’autorisation d’Optimind Winter. Analytics & Big Data Focus techniques & nouvelles perspectives pour les actuaires Université d’Eté de l’Institut des Actuaires Mardi 8 juillet 2014 Intervenants : Alexandre Keiflin, consultant senior, practice leader PCOW Big Data et Digital Emmanuel Berthelé, actuaire consultant senior, responsable Practice
  2. 2. Sommaire Université d'Eté IA – Analytics & Big Data - 08/07/2014 2 1 Introduction 2 Focus techniques Données / Datamasse Evolutions BI Apports des algorithmes et évolution de paradigme 3 Nouvelles perspectives pour les actuaires De nouvelles fonctions pour de nouvelles approches Impacts potentiels sur le rôle de l’actuaire 4 Conclusion
  3. 3. Université d'Eté IA – Analytics & Big Data - 08/07/2014 3 Introduction1 • Emergence des nouvelles technologies et des nouveaux supports  sources du digital Années 1980 1ères expériences d’un monde à distance Années 1990 Internet se généralise Années 2000 Socialement connectés Années 2010 Equipements de haute technologie Physiquement connectés 1978 : Premiers téléphones mobiles 1982 : Protocole Internet Standardisé 1983 : Première Banque en ligne 1991 : Création du World Wide Web Sources Kurt Salmon research 1992 : Premier site Internet commercial 1995 1998 1997 Premiers paiements mobiles 2004 2006 2007 2011 201x 2015 201x
  4. 4. DIGITAL Université d'Eté IA – Analytics & Big Data - 08/07/2014 4 Introduction1 Socle Nouvelles technologies Nouveaux usages Constat Ere Numérique Acteurs économiques en pleine mutation Opportunités Evolution des business models Repenser la relation client Nécessité Penser digital Gouvernance et organisation adaptée Grands volumes de données Desoutils adaptés Big Data Analytics Vision encore plus orientée données Repenser le traitement de ces données
  5. 5. Sommaire Université d'Eté IA – Analytics & Big Data - 08/07/2014 5 1 Introduction 2 Focus techniques Données / Datamasse Evolutions BI Apports des algorithmes et évolution de paradigme 3 Nouvelles perspectives pour les actuaires De nouvelles fonctions pour de nouvelles approches Impacts potentiels sur le rôle de l’actuaire 4 Conclusion
  6. 6. Données / Datamasse Focus techniques2 • L’approche classique consiste à caractériser les Big Data comme : • Des données massives • Et Variées • Le concept « Big Data » encapsule cependant naturellement les nouvelles technologie et les nouveaux outils capables de traiter ce volume considérable de données structurées ou non en quasi temps réel • Concrètement, l’intérêt du Big Data réside principalement dans sa capacité à générer de la Valeur en valorisant ses données internes en les appariant à des donnés externes • Nouvelles capacités offertes par le Big Data en approche « Data Driven » • Révéler des schéma non intuités • Obtenir des capacités prédictives à partir d’un grand volume d’informations 6Université d'Eté IA – Analytics & Big Data - 08/07/2014
  7. 7. Données / Datamasse Focus techniques2 7Université d'Eté IA – Analytics & Big Data - 08/07/2014 • Archives • Documents • Medias • Stockage des données • Applications métiers • Internet • Réseaux sociaux • Logs techniques • Objets connectés source :http://kapowsoftware.com/resources/infographics/intelligence- by-variety-where-to-find-and-access-big-data.php
  8. 8. • 1 sec  22 To de données générées sur le web • 1 jour  2,5 Eo Générées (10^6 To) Données / Datamasse Focus techniques2 8Université d'Eté IA – Analytics & Big Data - 08/07/2014 • 90% des données créées ces 2 dernières années • Prévision d’une hausse de 800% d’ici 5 ans Source http://pennystocks.la/internet-in-real-time/
  9. 9. Jobtracker Evolutions BI Focus techniques2 9Université d'Eté IA – Analytics & Big Data - 08/07/2014 Logiciels et algorithmes nécessaires aux traitements des Big Data: Hadoop facilite la création d’application distribuée pour le calcul (Mapreduce) et le stockage (HDFS et Hbase) Données  BIG DATA 1 2 3Découpage en blocs (64 MO par défaut) Réplication (2 fois par défaut) Name Node Name Node (secondary) 1 2 3 1 2 3 321 DataNode 132 DataNode 213 DataNode Job tracker Tasktracker Tasktracker Tasktracker Système HDFS -Grille de stockage Framework Map reduce - Grille de calcul
  10. 10. Evolutions BI Focus techniques2 10Université d'Eté IA – Analytics & Big Data - 08/07/2014 Hadoop 1.0 (Décembre 2011) • Limitation à 4000 nœuds par cluster • Goulot d’étranglement au niveau du service Job Tracker (Gestion des ressources, planification et suivi) • Un seul namenode • MAP Reduce utilise des slots de ressources statiques • Seul Map reduce peut tourner Hadoop 2.0 (octobre 2013) • Plus de 10000 nœuds par cluster • Utilisation cluster plus efficient grâce à YARN meilleure gestion des ressources • Plusieurs namenodes par cluster • Ressources dynamiques • Toutes les applications peuvent être intégrées sous Hadoop • Compatibilité ascendante Zoom sur Spark (30/05/2014) 1. Rapide jusqu’à 100x (in memory) 2. Facile utilisation (Java, Scala, Python) 3. Générale (SQL, Streaming, analytics) 4. Intégration sur Hadoop 2 - Yarn
  11. 11. • Storm : système de calcul distribué en temps réel permettant de traiter de façon fiable des flux de données illimitées, faisant pour le traitement en temps réel ce que Hadoop a fait pour le traitement batch Evolutions BI Focus techniques2 Université d'Eté IA – Analytics & Big Data - 08/07/2014 Détection de fraude bancaire, 2 solutions techniques: 1. Lancer un traitement Hadoop avec l'ensemble des transactions de la journée et tenter d'isoler des comportements étranges pour un compte. Non temps réel 2. Analyse de chaque transaction dès qu'elle est effectuée en temps réel grâce à Storm Architecture et principe de Storm Nimbus Zookeeper Zookeeper Zookeeper Superviser Superviser Superviser Superviser Superviser Spout Bolt A Bolt B Bolt C 11
  12. 12. Evolutions BI Focus techniques2 12Université d'Eté IA – Analytics & Big Data - 08/07/2014 Combiner Hadoop et Storm permet de répondre à des besoins complémentaires: 1. Analyse des flux en temps réèl permettant d’augmenter la réactivité 2. Analyse de l’ensemble de données en batch permet d’augmenter la profondeur d’analyse • Une architecture combinée Storm/Hadoop pour apporter du temps réel aux traitements des Big Data
  13. 13. Evolutions BI Focus techniques2 Université d'Eté IA – Analytics & Big Data - 08/07/2014 Mahout est un projet open source d'algorithmes d'apprentissage automatique distribuée sur la plate- forme Hadoop utilisant jusqu’à aujourd’hui le framework Map Reduce (en cours de migration vers SPARK) Mahout peut tourner en dehors d’Hadoop. Mahout est encore en cours de développement ; le nombre d'algorithmes implémentés a rapidement augmenté, mais certains manquent encore. Hama est un framework de calcul distribué basé sur un autre modèle de calcul (BSP-Bulk Synchronous Parallel Model) qui se révèle bien plus performant que map reduce sur des algorithmes ciblés Filtrage Collaboratif • Utilisateurs • Objets • Factorisation de matrices: • Moindres carrés alternés (avec Implicit Feedback ou non) • Valeur singulière (SVD) Classification (Supervisé) • Régression logistique • Classification naive Bayesienne • Forêts aléatoires • Perceptron multicouche • Modèle de markov caché Apprentissage non supervisé (Clustering) • Canopy Clustering • Algorithme des k- moyennes • Algorithme des fuzzy k-moyennes • Algorithme des Streaming k- moyenne • Apprentissage spectral Réduction de dimension • Algorithme de Lanczo • Décomposition en valeurs singulières • Standard (SVD) • Stochastiques • Analyse en composante principale Modèle de sujet • Allocation de Dirichlet latente Divers • Frequent Pattern Mining • Nombre d’occurrences • Matrices: • Comparaison par paires • Concatenation Reconnaissance de forme Suggestion Traitement automatique du langage : Correction ou traduction 13
  14. 14. Evolutions BI Focus techniques2 14Université d'Eté IA – Analytics & Big Data - 08/07/2014 • Une abondance de technologies et d’outils répondant souvent à des besoins spécifiques, il est donc nécessaire de • Cibler ses besoins métiers • S’appuyer sur les DSI pour choisir les bons outils (pérennité, adapté aux besoins,…) • Réaliser une veille technologique sur l’ensemble du paysage « Big Data » Des acteurs ont disparus du paysage < 4 % Des acteurs se positionnent post- infrastructure Big Data >70 % Des acteurs proposent une offre globale 3 %Nombre entreprises= 377 Nombre de sorties: 15
  15. 15. • La révolution Big Data réhabilite d’anciennes approches de statistiques, d’analyse et de modélisation des données • Les mesures de corrélations statistiques datent du XIXe siècle • Les premiers travaux sur les réseaux neuronaux remontent aux années 50 • Les modèles auto-apprenants ne sont pas nouveaux mais bénéficient d’un regain d’intérêt notable du fait des nouvelles capacités calculatoires et tendent à être largement améliorés Sont considérées comme relevant de l’Analytics toutes méthodes et outils statistiques permettant de comprendre, anticiper et expliquer un phénomène à partir de données massives L’Analytics est un levier essentiel de la création de valeur grâce à l’extraction d’informations des données issues du « Big Data » 15 Apports des algorithmes et évolution de paradigme Focus techniques2 Université d'Eté IA – Analytics & Big Data - 08/07/2014 Big Data Extraction d’informations Aide à la décision Processus de création de valeur
  16. 16. 16 Apports des algorithmes et évolution de paradigme Focus techniques2 Université d'Eté IA – Analytics & Big Data - 08/07/2014 Analytics (Data mining) Méthodes descriptives (recherche de patterns) Non supervisé Modèles géométriques Analyse factorielle Analyse typologique Réduction de dimension Modèles combina toires Classification relationnelles Modèles à base de règle logique Détection de liens et d’associations Méthodes prédictives (modélisation) Supervisé Modèle à base de règle logique Arbre de décision Modèle à base de fonctions mathématiques Réseaux de neurones Modèle paramétriques ou semi- paramétriques Prédicti on sans modèle Source : Stéphane TUFFERY • Classification des méthodes applicables au Big Data
  17. 17. Apports des algorithmes et évolution de paradigme Focus techniques2 Short-list liée aux cas d’usage Sélection de l’algorithme à utiliser via différents critères Test sur échantillon et usage grandeur réelle • Caractéristiques des données (Nombre de points, nombre de variables…) • La puissance de calculs nécessaire • La complexité de mise en œuvre et (calibrage, compréhension, robustesse…) • L’exploitation des résultats Validation grandeur réelle Test perform ances Test volumes Calibrag e Systèm e • Classification de données • Analyse comportementale • Projections / simulations • Tests de performances • Tests de volumes • Calibrage Système • Validation en grandeur réelle Université d'Eté IA – Analytics & Big Data - 08/07/2014 17
  18. 18. Evolution culturelle et stratégique pour les structures d’assurance Focus techniques2 18Université d'Eté IA – Analytics & Big Data - 08/07/2014 Création de nouveaux produits adaptés aux besoins de marché Amélioration du pilotage de son portefeuille Optimisation des processus internes de l’entreprise • La donnée étant la matière première des structures d’assurance, le métier est donc amené à évoluer en profondeur dès lors que la transition vers le Big Data est amorcée L’utilisation de modèles analytiques n’est pas nouvelle pour les actuaires et le monde de l’assurance dans des approches intuitées: HYPOTHESIS DRIVEN La variété de données et la volumétrie importante exploitable grâce au Big Data doivent permettre la création de valeur dans des approches données DATA DRIVEN Lois Données Calibration Validation Données Collecte et analyse Lois et calibration Validation
  19. 19. Sommaire Université d'Eté IA – Analytics & Big Data - 08/07/2014 19 1 Introduction 2 Focus techniques Données / Datamasse Evolutions BI Apports des algorithmes et évolution de paradigme 3 Nouvelles perspectives pour les actuaires Quels apports en Assurance De nouvelles fonctions pour de nouvelles approches Impacts potentiels sur le rôle de l’actuaire 4 Conclusion
  20. 20. Quels apports en Assurance? Nouvelles perspectives pour les actuaires3 2 • L’impact attendu du « Big Data » selon Mc Kinsey dans les principaux secteurs d’activités 20 20Université d'Eté IA – Analytics & Big Data - 08/07/2014  Valeur maximale attendue en « Assurance »  Facilité de mise en œuvre d’après 4 critères:  Talent  Présence IT  Etat d’esprit « Data Driven »  Disponibilité des données
  21. 21. Quels apports en Assurance? Nouvelles perspectives pour les actuaires3 21Université d'Eté IA – Analytics & Big Data - 08/07/2014 Assurance auto : passage du « Pay as you drive » au « Pay how you drive » via boitiers embarqués Santé / prévoyance : informations sur entreprise/secteur/e-réputation pour appréhender le risque d’arrêt de travail de ses salariés Lutte anti fraude : croiser les déclarations récentes de sinistres avec une activité spécifique sur les réseaux sociaux et/ou des consultations sur des forums DOMAINE Marketing Produit Gestion du risque Lutte anti fraude USAGE POTENTIEL Améliorer les processus de souscription Personnaliser les garanties et les tarifs Faciliter la veille concurrentielle et cibler ses opérations marketing Anticiper et mesurer les risques (lois comportementales) EXPLOITATION DES DONNÉES AVEC LE BIG DATA Expliquer la sinistralité Comprendre le comportement d’achat Identifier les tendances de marché Surveiller l’e- réputation de la société Identifier les comportements anormaux en temps réel Obtenir des informations en quasi temps réel Vision 360° du client Ajuster les modèles aux assurés en portefeuille Identifier les données volontairement biaisées Pilotage de la rentabilité du produit et de son activité
  22. 22. 22 De nouvelles fonctions pour de nouvelles approches Nouvelles perspectives pour les actuaires3 • 4 axes d’adaptation nécessaires pour les structures d’assurances • 2 nouvelles fonctions apparaissent explicitement autour des pratiques du Big Data et de l’Analytics • Chief Data Officer • Data Scientist • Ces fonctions ne devraient pas remplacer des fonctions actuellement existantes (data miner ou actuaires) mais devraient les compléter et les enrichir • Les impacts majeurs porteront donc • Sur la définition des nouvelles compétences et rôles attendus • Sur leur intégration dans les organisations existantes : chaque assureur devra à ce titre mener une réflexion sur son organisation cible • Sur la redéfinition des relations entre ces nouvelle fonctions et les métiers « traditionnels » Université d'Eté IA – Analytics & Big Data - 08/07/2014 Connaissance des sources de données Maîtrise des technologies et outils Evolution culturelle et stratégique Maîtrise de la création de valeur
  23. 23. De nouvelles fonctions pour de nouvelles approches Nouvelles perspectives pour les actuaires3 Sources de données externes Collecte et intégration des données Retraitements des données et mise en œuvre de systèmes de calculs Mise à disposition des résultats pour exploitation par les métiers • Le data scientist, principal acteur de la chaîne de valeur du Big Data en amont des utilisations expertes des métiers • Des compétences spécifiques nécessaires • Connaissance des sources de données, tant internes qu’externes • Compétences BI et IT • Compétences algorithmiques et statistiques • Communication et échanges avec les métiers afin  D’identifier les use cases potentiels  De maximiser la data valorisation Université d'Eté IA – Analytics & Big Data - 08/07/2014 23
  24. 24. • Le Chief Data Officier, une fonctions clé d’organisation et de gouvernance des données • Un acteur majeur de la gestion des risques liés aux nouveaux usages des données • Des compétences spécifiques nécessaires • Connaissances SI et des chaînes de valeur liées à la valorisation des données • Connaissances des enjeux métiers, juridiques, stratégiques et opérationnels • Organisation et pilotage opérationnel • Communication inter-directions (DSI et Marketing, mais pas seulement) De nouvelles fonctions pour de nouvelles approches Nouvelles perspectives pour les actuaires3 Centralise la connaissance de la production des données Organise les contrôles et le suivi qualité Coordonne la gouvernance stratégique du capital « Données » de l’entreprise Université d'Eté IA – Analytics & Big Data - 08/07/2014 24 Contraintes réglementaires liées à l’utilisation des données Hyper segmentation Fraude Traçabilité
  25. 25. 25 Impacts potentiel sur le rôle de l’actuaire Nouvelles perspectives pour les actuaires3 • Distinctions à opérer suivant la taille des acteurs • Un positionnement a priori moins rapide des acteurs de taille restreinte  Des ressources limitées et concentrées sur d’autres sujets (réglementaires et produits notamment)  Des investissements nécessaires susceptibles d’être un frein (bien que la volonté d’acteurs BI de se positionner sur le secteur de l’Assurance ouvre des opportunités en termes d’études préalables) • Une moindre segmentation des rôles et responsabilités  Des profils cumulant compétences en actuariat et data science auraient un intérêt mais sont à l’heure actuelle inexistants • Conservation par les actuaires de prérogatives spécifiques, notamment en termes de gestion des risques • Du moins tant que les business models n’évoluent pas radicalement • Une question en attente : combien de temps mettront les acteurs spécialistes du Big Data à adopter un positionnement plus agressif sur le secteur de l’assurance? • Le plan Big Data de François Bourdoncle et Paul Hamelin, dans le cadre des 34 plans pour la France industrielle, propose 14 pistes pour contrer les acteurs dominants, notamment en Assurance Université d'Eté IA – Analytics & Big Data - 08/07/2014
  26. 26. 26 Impacts potentiel sur le rôle de l’actuaire Nouvelles perspectives pour les actuaires3 • Une profession qui s’adapte • GT IA Big Data sous la responsabilité de Florence Picard  Organisé en sous-groupes thématiques – Norme et éthique – Nouveaux modèles de mutualisation – Impact sur le métier d’actuaire – Algorithmes prédictifs de comportements – Risques opérationnels et pistes d’audit – Big Data à l’étranger – Assurance connectée  Des cycles de conférence permettant une ouverture sur les nouveaux usages  Un nombre important d’actuaires participants  Un site dédié : http://actuaires-bigdata.fr/ • Formation « Data science pour actuaires » lancée en 2015  Délivrant le diplôme data scientist de l’Institut du Risk Management • Adaptation du code de déontologie  Prise en compte des nouveaux usages et risques liés aux données • Des efforts de communication restent cependant à réaliser afin de sensibiliser l’ensemble des actuaires aux enjeux liés à l’évolution induite par l’arrivée du Big Data en Assurance • Des efforts individuels nécessaires pour s’adapter à une évolution rapide de l’activité d’Assurance Université d'Eté IA – Analytics & Big Data - 08/07/2014
  27. 27. Sommaire Université d'Eté IA – Analytics & Big Data - 08/07/2014 27 1 Introduction 2 Focus techniques Données / Datamasse Evolutions BI Apports des algorithmes et évolution de paradigme 3 Nouvelles perspectives pour les actuaires Quels apports en Assurance De nouvelles fonctions pour de nouvelles approches Impacts potentiels sur le rôle de l’actuaire 4 Conclusion
  28. 28. Université d'Eté IA – Analytics & Big Data - 08/07/2014 28 Conclusion4 • Enfin, quelques repères sur le positionnement et l’état d’esprit à adopter Démarrer au plus tôt pour générer un avantage concurrentiel Implication primordiale du top-management (positionnement stratégique) Nécessité de sortir des usages courants et de s’engager dans la voie de la transformation Développement d’une culture du Test and learn et de l'apprentissage (sans redouter l’échec) Envisager différents use cases et poursuivre les pistes les plus prometteuses Nécessité d’adopter un esprit d'entreprenariat et de conquête
  29. 29. Société & Offres • Interlocuteur de référence pour les assureurs, mutuelles, administrations, banques et grandes entreprises qui souhaitent un partenaire métier les accompagnant dans leurs projets • 180 collaborateurs dont 70 actuaires diplômés membres de l’Institut des Actuaires • Une offre organisée autour des métiers suivants  Actuariat Conseil  Protection Sociale  Risk Management  Finance & Performance  Projets & Maîtrise d’ouvrage  Digital Notre Practice • Composée de 12 Pôles de Compétences (PCOW) métiers ou transverses, animés par nos Practice Leaders, pour une couverture matricielle de nos besoins en expertises • Travaux de fond, recherche applicative, connaissances marchés et produits, veille, formations et communication interne et externe • Nos objectifs :  l’amélioration et le partage des connaissances et expertises  Le développement et la diffusion des meilleures pratiques professionnelles au sein de nos équipes Une société de conseil experte et indépendante Optimind Winter Partenariats et engagements • Relai français du réseau EURACS, European Actuarial & Consultancy Services Références client • Plus de 95 % du marché de l’assurance en volume de CA Université d'Eté IA – Analytics & Big Data - 08/07/2014 29

×