SlideShare une entreprise Scribd logo
Big Data en (Ré)Assurance
Université d’été de l’Institut des Actuaires
Régis Delayat
SCOR, DSI Groupe
7 Juillet 2014
2
Agenda
1 La donnée au coeur des attentions de nos entreprises
2 SCOR, une culture de l’information
3 la stratégie numérique de SCOR
4 Big Data & Analytics : initiatives concrètes
3
La donnée est (devenue) l’un des principaux actifs de l’Enterprise
Capital
Valuechain
Shareholders
Financial
Markets &
Investors
Clients
PartnersRegulators
Media
Suppliers
Rating
Agencies
Management
& Control
Strategy Production Sales SupportDesign
Employees
DataAssetsProcesses
Information System
Clients
Le numérique, c’est aussi l’ère de l’information
4 
Internal
Office
Mixed generations
Hierarchical
Mass
Limited
Standard
Product-oriented
Offer-driven
Months & years
Structured
R&D Department
Process automation
Global solutions
In-house
Structured & limited
Segmentation
Production
Service level
Offer
Model
Collaboration
Innovation
Projects
Borders
IT focus
Hosting
Timeframe
Information
Staff
Location
Extended / Partnerships
Worldwide Mobility
+ Digital natives
Networks / Communities
Tailor made
Detailed
Personnalized
Service-oriented
Demand-driven
Days & weeks
Social networks
Open
Analytics & decision
Customized solutions
Cloud
Big Data
Organization
Big Data en Assurance : vraie opportunité, maturité encore faible
(Bearing Point Institute, Mai 2014)
5 
« Avalanche d’informations », « tsunami de données », « explosion des données », « infobésité »…
…un air de…catastrophe !
Mais surtout une vraie opportunité…la richesse dépend de notre capacité à exploiter les données, alors…
… « mine d’or » ? « pétrole » ?
“La connaissance s’acquiert par l’expérience, tout le reste n’est que de l’information”
Big Data & Analytics
?
6 
Agenda
1 La donnée au coeur des attentions de nos entreprises
2 SCOR, une culture de l’information
3 la stratégie numérique de SCOR
4 Big Data & Analytics : initiatives concrètes
7 
L’Intelligence Economique au service du développement du Groupe (1/2)
  Une structure, des professionnels de l’IE
  Une marque
  ~100 thèmes de veille, 600 abonnés, 100 newsletters
  Des recherches ponctuelles
  Une plate-forme de veille
  Des newsletters personnalisées
  Le “Daily News”
  Un site “Competitive Intelligence”
  Un blog des utilisateurs de SCORWatch
  Une plaquette commerciale
  Un lobbying interne : Matinées de l’IE, SCOR Lunch
(“Crise et IE”, Risques émergents), marketing à
l’international
  Un lobbying externe : conférences, réseaux d’échanges,
partage d’expérience
Section 1 | Section 2 | Section 3 | Section 4 I Section 5 I Section 6 I Section 7 I Section 8 I Section 9
8
9
L’Intelligence Economique au service du développement du Groupe (2/2)
CAPITALISATION
Demande des
Métiers
Diffusion &Partage
Validation de
pertinence &
élimination du
“bruit”
Enrichissement
Usage
Opérationnel
Détectionprécoce
designauxfaibles
&Collecte
Agenda
1 La donnée au coeur des attentions de nos entreprises
2 SCOR, une culture de l’information
3 la stratégie numérique de SCOR
4 Big Data & Analytics : initiatives concrètes
10 
11
La stratégie numérique de SCOR
Dans une activité B2B, la transformation numérique pourrait être vue comme une
“evolution naturelle et progressive”…n’est-ce pas plutôt une “révolution silencieuse” ?
Parmi les grands réassureurs, est global et agile, des caractéristiques propres !
En ligne avec sa stratégie “Optimal Dynamics”, va capitaliser sur ses forces, et devenir…
A network company
A Client service company
A data driven company
Capital
Information System
Employees
Processes
Data
Strengthen all dimensions of
data management
Le numérique est structurant dans ces transformations qui doivent être engagées dès maintenant
12
Third-Parties*
Global Financial and Back-office
Standard Workplace
Cloud infrastructure services (GDC)
SCOR, la transformation numérique
*Clients, Partners, Suppliers, Brokers, etc..
Capital Management
Le Système d’Information actuel de
13
Les principaux leviers de la transformation numérique
Knowledge/Services extension
Analytics
capabilities
enhancement
Internal/external
collaboration
development
Cloud services extension
Solutions
convergence
Mobile
capabilities
increase
Third-Parties*
Global Financial and Back-office
Standard Workplace
Cloud infrastructure services (GDC)
*Clients, Partners, Suppliers, Brokers, etc..
Capital Management
SCOR, la transformation numérique
14
Dans son contexte, devra absolument préserver Agilité et Interopérabilité
Global Financial and Back-office
Standard Workplace
Business Intelligence
Global
solutions
Individual & Collective productivity tools
Cloud services
Third-Parties*
*Clients, Partners, Suppliers, Brokers, etc..
Transformation
through digital
Capital Management
SCOR, la transformation numérique
Digital Strategy outcomes
Digital initiatives inside and outside the company
Business specific (SGL)Une (r)évolution des métiers, des services, des compétences…
15
Solutions transverses
Gestion documentaire Workflow global
Big Data Applications mobiles
CRM Analytics
L’adaptation des hommes et des femmes du Groupe, de leurs
compétences et comportements, est un objectif clé
Une
transformation
culturelle portée
par les RH, la
Communication
et l’IT
Transformation culturelle
Solutions Métiers
Développer une « expérience SCOR »
unique, via l’apport de nouveaux services
aux Clients
Optimiser l’usage des données, internes et
externes, pour le développement du
business et l’excellence opérationnelle
Favoriser la transversalité en interne, et la
coopération avec les partenaires
Agenda
1 La donnée au coeur des attentions de nos entreprises
2 SCOR, une culture de l’information
3 la stratégie numérique de SCOR
4 Big Data & Analytics : initiatives concrètes
16 
Big Data : Volume, Velocity & Variety…but Value is in Analytics
Volume: Growing quantity of data
Internal systems Untapped data, industry and public data
Velocity: Quickening speed of data
Weekly or daily Hourly Real-time
Variety: Increase in types of data
Structured enterprise
data
Current
State
Any kind of unstructured data (web,
client discussion, audio, video…)
Unrealized Business
Opportunity and Value
17 
18
Business Intelligence : des silos actuels vers les « Analytics »
Opérations Vie
Opérations P&C
Back Office global
Finance
Investissements
Modèle Interne
Clients
Marchés
Des datawarehouse isolés, spécifiques à chaque système de Production, et des analyses
basées uniquement sur des données internes et limitées au domaine fonctionnel
Plus de transversalité des outils d’analyses, et extension à des données externes de clients
ou de marchés
Business Intelligence : des silos actuels vers plus d’intégration
Opérations Vie
Opérations P&C
Back Office global
Finance
Investissements
Modèle Interne
Clients
Marchés
Risk analytics
Re-insurance
analytics
Finance
analytics
Investments analytics
UWing analytics
UWing analytics
Modélisations du capital de plus en plus sophistiquées et basées sur des
données de plus en plus nombreuses et détaillées, qui doivent être validées,
réconciliées et archivées à chaque exécution officielle
Analyses de souscription
enrichies d’informations
externes en provenance
des clients (detail polices,
des expositions), des
marchés, ou de données
géographiques
- Résultat des investissements avec intégration de données
des marchés financiers, pour améliorer l’analyse de risque
et de performance, et permettre des simulations.
- Réconciliations financières également.
- Solvency II reporting sur base
de données issues des
domaines Finance et Riskq
finance and risk areas.
- Economic Balance Sheet vs
IFRS.
- QRT Reporting (QRT)
regroupant des données de
provenance diverse
Analyses financières étendues
à un détail des données
comptables de réassurance et
investissements
Résultat complet des
contrats et des portefeuilles
-  pricing
-  cumuls
-  capital alloué
-  résultat technique
-  revenus financiers
-  frais généraux
UWing analytics
19 
Quelques applications traitant de gros volumes de données à SCOR
  Données collectées sur le marché
  En P&C, expositions détaillées (cat, aviation, credit…) pour l’analyse de risque, le contrôle de
cumuls et la tarification
  En Vie, détail des polices individuelles (principalement aux US), à des fins de tarification,
provisionnement, embedded-value, et analyse de portefeuille
  Données nécessaires à la fourniture de services de souscription en ligne aux Clients Vie
  Données générées par des applications de simulations de scénarios multiples
  Resultats de simulations de catastrophes naturelles
  Simulations de cash-flows pour calcul de provisonnement et embedded-value
  Analyses Financières Dynamiques (DFA) utilisées pour le modèle interne
  Données non-structurées
  Intelligence Economique SCORWatch
20 
21
Les initiatives (Big) Data à SCOR (1/2)
  Plus et mieux exploiter les données internes déja disponibles dans notre système
d’information
  Préparer les évolutions techniques nécessaires au traitement de nouvelles
données à fort volume (stockage, accès, analyse…)
  Identifier les types d’usage de ces données : analyses marketing, développement
de produits, tarification, analyses prédictives, mesures de performance, etc…
  Exploiter les différentes sources de données non-structurées (Intelligence
Economique SCORWatch, autres données du web, open data, réseaux sociaux,
rapports de visite Clients, fichiers GED/OCR, sites collaboratifs, fichiers partagés,
geolocalisation, vidéos, etc…)
  Lancer des « proofs of concept » (PoC), et en tirer des enseignements pratiques
Les initiatives (Big) Data à SCOR (2/2)
Tarification risques
produits Vie
Elaboration de
nouveaux
produits Vie
Tarification de
risques
émergents P&C
Prospection grands
risques P&C
Modèle Interne
& Analytics
•  Longévité,
Mortalité
•  Exploitation de
bases
d’expériences
sinistres
•  Chantiers de
construction
•  Evolutions du
nucléaire
(politiques,
techniques, fin
de vie)
•  Analyse du
comportement
des
consommateurs
•  Cyber risks
•  sinistralité des
énergies
renouvelables
(éoliennes,
gaz de
schiste…)
•  Tests techniques
des nouveaux outils
de traitement de
gros volumes de
données, de
simulation, et de
présentation
Proof of Concept
Externes
Structurées
Externes Non
Structurées
Internes
Structurées
Internes Non
Structurées
22 

Contenu connexe

Tendances

Valtech - Du BI au Big Data, une révolution dans l’entreprise
Valtech - Du BI au Big Data, une révolution dans l’entrepriseValtech - Du BI au Big Data, une révolution dans l’entreprise
Valtech - Du BI au Big Data, une révolution dans l’entreprise
Valtech
 
Competitic big data et commerce
Competitic   big data et commerceCompetitic   big data et commerce
Competitic big data et commerce
COMPETITIC
 
Atelier 2AM / BIG DATA LAB by Groupe CARTEGIE
Atelier 2AM / BIG DATA LAB by Groupe CARTEGIEAtelier 2AM / BIG DATA LAB by Groupe CARTEGIE
Atelier 2AM / BIG DATA LAB by Groupe CARTEGIE
Groupe IDAIA
 
L'utilisation du Big Data en entreprise
L'utilisation du Big Data en entrepriseL'utilisation du Big Data en entreprise
L'utilisation du Big Data en entreprise
Mathieu Lahaye
 
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
Romain Fonnier
 
Big Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendancesBig Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendances
Jean-Michel Franco
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
Amal Abid
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
Minyar Sassi Hidri
 
Big data
Big dataBig data
Machine intelligente d’analyse financiere
Machine intelligente d’analyse financiereMachine intelligente d’analyse financiere
Machine intelligente d’analyse financiere
Sabrine MASTOURA
 
Big Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologiesBig Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologies
Hassan Lâasri
 
Etude sur le Big Data
Etude sur le Big DataEtude sur le Big Data
Etude sur le Big Data
Nexialog Consulting
 
Ch&cie présentation du big data dans l'assurance
Ch&cie présentation du big data dans l'assuranceCh&cie présentation du big data dans l'assurance
Ch&cie présentation du big data dans l'assurance
Betito Yan
 
La Big Data et ses applications
La Big Data et ses applicationsLa Big Data et ses applications
La Big Data et ses applications
Affinity Engine
 
Formation professionnelle "Big data : concepts et enjeux"
Formation professionnelle "Big data : concepts et enjeux"Formation professionnelle "Big data : concepts et enjeux"
Formation professionnelle "Big data : concepts et enjeux"
Philippe METAYER
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
Zakariyaa AIT ELMOUDEN
 
Conférence big data
Conférence big dataConférence big data
Conférence big data
Stéphane Traumat
 
Analyse spatiale en Big data
Analyse spatiale en Big dataAnalyse spatiale en Big data
Analyse spatiale en Big data
Soufiane ElATEF✔️
 
Matinée 01 Big Data
Matinée 01 Big DataMatinée 01 Big Data
Matinée 01 Big Data
Evenements01
 

Tendances (20)

I love BIG DATA
I love BIG DATAI love BIG DATA
I love BIG DATA
 
Valtech - Du BI au Big Data, une révolution dans l’entreprise
Valtech - Du BI au Big Data, une révolution dans l’entrepriseValtech - Du BI au Big Data, une révolution dans l’entreprise
Valtech - Du BI au Big Data, une révolution dans l’entreprise
 
Competitic big data et commerce
Competitic   big data et commerceCompetitic   big data et commerce
Competitic big data et commerce
 
Atelier 2AM / BIG DATA LAB by Groupe CARTEGIE
Atelier 2AM / BIG DATA LAB by Groupe CARTEGIEAtelier 2AM / BIG DATA LAB by Groupe CARTEGIE
Atelier 2AM / BIG DATA LAB by Groupe CARTEGIE
 
L'utilisation du Big Data en entreprise
L'utilisation du Big Data en entrepriseL'utilisation du Big Data en entreprise
L'utilisation du Big Data en entreprise
 
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
 
Big Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendancesBig Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendances
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
 
Big data
Big dataBig data
Big data
 
Machine intelligente d’analyse financiere
Machine intelligente d’analyse financiereMachine intelligente d’analyse financiere
Machine intelligente d’analyse financiere
 
Big Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologiesBig Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologies
 
Etude sur le Big Data
Etude sur le Big DataEtude sur le Big Data
Etude sur le Big Data
 
Ch&cie présentation du big data dans l'assurance
Ch&cie présentation du big data dans l'assuranceCh&cie présentation du big data dans l'assurance
Ch&cie présentation du big data dans l'assurance
 
La Big Data et ses applications
La Big Data et ses applicationsLa Big Data et ses applications
La Big Data et ses applications
 
Formation professionnelle "Big data : concepts et enjeux"
Formation professionnelle "Big data : concepts et enjeux"Formation professionnelle "Big data : concepts et enjeux"
Formation professionnelle "Big data : concepts et enjeux"
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
 
Conférence big data
Conférence big dataConférence big data
Conférence big data
 
Analyse spatiale en Big data
Analyse spatiale en Big dataAnalyse spatiale en Big data
Analyse spatiale en Big data
 
Matinée 01 Big Data
Matinée 01 Big DataMatinée 01 Big Data
Matinée 01 Big Data
 

Similaire à Big data en (ré)assurance régis delayet

Livre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligenceLivre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligence
Hélène Etienne
 
Pilotage & Performance 2012
Pilotage & Performance 2012Pilotage & Performance 2012
Pilotage & Performance 2012
Business & Decision
 
Note sectorielle - Enjeux DSI - février 2018 - Sextant Expertise
Note sectorielle - Enjeux DSI - février 2018 - Sextant ExpertiseNote sectorielle - Enjeux DSI - février 2018 - Sextant Expertise
Note sectorielle - Enjeux DSI - février 2018 - Sextant Expertise
FrdricANGER
 
Big Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entrepriseBig Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entreprise
Genève Lab
 
[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data
Yann Gourvennec
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
Denodo
 
Des reportings efficients pour des analyses pertinentes
Des reportings efficients pour des analyses pertinentesDes reportings efficients pour des analyses pertinentes
Des reportings efficients pour des analyses pertinentes
Soft Computing
 
Etude Apec - Les métiers de la data
Etude Apec - Les métiers de la dataEtude Apec - Les métiers de la data
Etude Apec - Les métiers de la data
Apec
 
[Actualités] Les nouveaux rôles de la DSI
[Actualités] Les nouveaux rôles de la DSI [Actualités] Les nouveaux rôles de la DSI
[Actualités] Les nouveaux rôles de la DSI
Colibee
 
Le Big Data dans la Banque et l'Assurance
Le Big Data dans la Banque et l'AssuranceLe Big Data dans la Banque et l'Assurance
Le Big Data dans la Banque et l'Assurance
AMNIS Consulting
 
Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?
Denodo
 
HUBREPORT - Future of Data & CRM [EXTRAIT]
HUBREPORT - Future of Data & CRM [EXTRAIT]HUBREPORT - Future of Data & CRM [EXTRAIT]
HUBREPORT - Future of Data & CRM [EXTRAIT]
HUB INSTITUTE
 
06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program
Soft Computing
 
Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...
Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...
Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...
OCTO Technology
 
Simalaya - IoT - enjeux, impacts et facteurs clés de succès
Simalaya - IoT - enjeux, impacts et facteurs clés de succès Simalaya - IoT - enjeux, impacts et facteurs clés de succès
Simalaya - IoT - enjeux, impacts et facteurs clés de succès
Simalaya SA
 
Offre onepoint - Data science et big data
Offre onepoint  - Data science et big data Offre onepoint  - Data science et big data
Offre onepoint - Data science et big data
GroupeONEPOINT
 
Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-business
Vincent de Stoecklin
 
AI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financement
AI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financementAI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financement
AI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financement
Moov AI
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
Denodo
 

Similaire à Big data en (ré)assurance régis delayet (20)

Livre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligenceLivre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligence
 
Pilotage & Performance 2012
Pilotage & Performance 2012Pilotage & Performance 2012
Pilotage & Performance 2012
 
Note sectorielle - Enjeux DSI - février 2018 - Sextant Expertise
Note sectorielle - Enjeux DSI - février 2018 - Sextant ExpertiseNote sectorielle - Enjeux DSI - février 2018 - Sextant Expertise
Note sectorielle - Enjeux DSI - février 2018 - Sextant Expertise
 
Big Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entrepriseBig Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entreprise
 
[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
 
Des reportings efficients pour des analyses pertinentes
Des reportings efficients pour des analyses pertinentesDes reportings efficients pour des analyses pertinentes
Des reportings efficients pour des analyses pertinentes
 
Etude Apec - Les métiers de la data
Etude Apec - Les métiers de la dataEtude Apec - Les métiers de la data
Etude Apec - Les métiers de la data
 
[Actualités] Les nouveaux rôles de la DSI
[Actualités] Les nouveaux rôles de la DSI [Actualités] Les nouveaux rôles de la DSI
[Actualités] Les nouveaux rôles de la DSI
 
Le Big Data dans la Banque et l'Assurance
Le Big Data dans la Banque et l'AssuranceLe Big Data dans la Banque et l'Assurance
Le Big Data dans la Banque et l'Assurance
 
Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?
 
HUBREPORT - Future of Data & CRM [EXTRAIT]
HUBREPORT - Future of Data & CRM [EXTRAIT]HUBREPORT - Future of Data & CRM [EXTRAIT]
HUBREPORT - Future of Data & CRM [EXTRAIT]
 
06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program
 
Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...
Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...
Le Comptoir OCTO x Dataiku x Snowflake - COMMENT CRÉER PLUS DE VALEUR ET DEVE...
 
Pulse Mag juin 2013
Pulse Mag juin 2013Pulse Mag juin 2013
Pulse Mag juin 2013
 
Simalaya - IoT - enjeux, impacts et facteurs clés de succès
Simalaya - IoT - enjeux, impacts et facteurs clés de succès Simalaya - IoT - enjeux, impacts et facteurs clés de succès
Simalaya - IoT - enjeux, impacts et facteurs clés de succès
 
Offre onepoint - Data science et big data
Offre onepoint  - Data science et big data Offre onepoint  - Data science et big data
Offre onepoint - Data science et big data
 
Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-business
 
AI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financement
AI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financementAI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financement
AI Mornings 003 - Accélérer vos projets d'IA grâce aux programmes de financement
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
 

Plus de Kezhan SHI

Big data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-septBig data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-sept
Kezhan SHI
 
Big data fiche data science 15 09 14
Big data fiche data science 15 09 14Big data fiche data science 15 09 14
Big data fiche data science 15 09 14
Kezhan SHI
 
Big data ads gouvernance ads v2[
Big data ads   gouvernance ads v2[Big data ads   gouvernance ads v2[
Big data ads gouvernance ads v2[
Kezhan SHI
 
Big data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-septBig data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-sept
Kezhan SHI
 
B -technical_specification_for_the_preparatory_phase__part_ii_
B  -technical_specification_for_the_preparatory_phase__part_ii_B  -technical_specification_for_the_preparatory_phase__part_ii_
B -technical_specification_for_the_preparatory_phase__part_ii_
Kezhan SHI
 
A -technical_specification_for_the_preparatory_phase__part_i_
A  -technical_specification_for_the_preparatory_phase__part_i_A  -technical_specification_for_the_preparatory_phase__part_i_
A -technical_specification_for_the_preparatory_phase__part_i_
Kezhan SHI
 
20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard
Kezhan SHI
 
20140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-201420140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-2014
Kezhan SHI
 
20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan
Kezhan SHI
 
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
Kezhan SHI
 
Qis5 technical specifications-20100706
Qis5 technical specifications-20100706Qis5 technical specifications-20100706
Qis5 technical specifications-20100706
Kezhan SHI
 
Directive solvabilité 2
Directive solvabilité 2Directive solvabilité 2
Directive solvabilité 2
Kezhan SHI
 
Directive omnibus 2
Directive omnibus 2Directive omnibus 2
Directive omnibus 2
Kezhan SHI
 
Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2
Kezhan SHI
 
Optimal discretization of hedging strategies rosenbaum
Optimal discretization of hedging strategies   rosenbaumOptimal discretization of hedging strategies   rosenbaum
Optimal discretization of hedging strategies rosenbaum
Kezhan SHI
 
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Kezhan SHI
 
Détection de profils, application en santé et en économétrie geissler
Détection de profils, application en santé et en économétrie   geisslerDétection de profils, application en santé et en économétrie   geissler
Détection de profils, application en santé et en économétrie geissler
Kezhan SHI
 
Loi hamon sébastien bachellier
Loi hamon sébastien bachellierLoi hamon sébastien bachellier
Loi hamon sébastien bachellier
Kezhan SHI
 
Eurocroissance arnaud cohen
Eurocroissance arnaud cohenEurocroissance arnaud cohen
Eurocroissance arnaud cohen
Kezhan SHI
 
From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...
Kezhan SHI
 

Plus de Kezhan SHI (20)

Big data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-septBig data fp prez nouv. formation_datascience_15-sept
Big data fp prez nouv. formation_datascience_15-sept
 
Big data fiche data science 15 09 14
Big data fiche data science 15 09 14Big data fiche data science 15 09 14
Big data fiche data science 15 09 14
 
Big data ads gouvernance ads v2[
Big data ads   gouvernance ads v2[Big data ads   gouvernance ads v2[
Big data ads gouvernance ads v2[
 
Big data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-septBig data f prez formation_datascience_14-sept
Big data f prez formation_datascience_14-sept
 
B -technical_specification_for_the_preparatory_phase__part_ii_
B  -technical_specification_for_the_preparatory_phase__part_ii_B  -technical_specification_for_the_preparatory_phase__part_ii_
B -technical_specification_for_the_preparatory_phase__part_ii_
 
A -technical_specification_for_the_preparatory_phase__part_i_
A  -technical_specification_for_the_preparatory_phase__part_i_A  -technical_specification_for_the_preparatory_phase__part_i_
A -technical_specification_for_the_preparatory_phase__part_i_
 
20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard20140806 traduction hypotheses_sous-jacentes_formule_standard
20140806 traduction hypotheses_sous-jacentes_formule_standard
 
20140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-201420140613 focus-specifications-techniques-2014
20140613 focus-specifications-techniques-2014
 
20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan20140516 traduction spec_tech_eiopa_2014_bilan
20140516 traduction spec_tech_eiopa_2014_bilan
 
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_C  -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
C -annexes_to_technical_specification_for_the_preparatory_phase__part_i_
 
Qis5 technical specifications-20100706
Qis5 technical specifications-20100706Qis5 technical specifications-20100706
Qis5 technical specifications-20100706
 
Directive solvabilité 2
Directive solvabilité 2Directive solvabilité 2
Directive solvabilité 2
 
Directive omnibus 2
Directive omnibus 2Directive omnibus 2
Directive omnibus 2
 
Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2Tableau de comparaison bilan S1 et bilan S2
Tableau de comparaison bilan S1 et bilan S2
 
Optimal discretization of hedging strategies rosenbaum
Optimal discretization of hedging strategies   rosenbaumOptimal discretization of hedging strategies   rosenbaum
Optimal discretization of hedging strategies rosenbaum
 
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...Machine learning pour les données massives algorithmes randomis´es, en ligne ...
Machine learning pour les données massives algorithmes randomis´es, en ligne ...
 
Détection de profils, application en santé et en économétrie geissler
Détection de profils, application en santé et en économétrie   geisslerDétection de profils, application en santé et en économétrie   geissler
Détection de profils, application en santé et en économétrie geissler
 
Loi hamon sébastien bachellier
Loi hamon sébastien bachellierLoi hamon sébastien bachellier
Loi hamon sébastien bachellier
 
Eurocroissance arnaud cohen
Eurocroissance arnaud cohenEurocroissance arnaud cohen
Eurocroissance arnaud cohen
 
From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...From data and information to knowledge : the web of tomorrow - Serge abitboul...
From data and information to knowledge : the web of tomorrow - Serge abitboul...
 

Dernier

1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
NadineHG
 
Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
Txaruka
 
Zineb Mekouar.pptx Écrivaine marocaine
Zineb Mekouar.pptx   Écrivaine  marocaineZineb Mekouar.pptx   Écrivaine  marocaine
Zineb Mekouar.pptx Écrivaine marocaine
Txaruka
 
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGESGUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
DjibrilToure5
 
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
Editions La Dondaine
 
Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024
Friends of African Village Libraries
 

Dernier (6)

1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
 
Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
 
Zineb Mekouar.pptx Écrivaine marocaine
Zineb Mekouar.pptx   Écrivaine  marocaineZineb Mekouar.pptx   Écrivaine  marocaine
Zineb Mekouar.pptx Écrivaine marocaine
 
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGESGUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
 
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
 
Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024
 

Big data en (ré)assurance régis delayet

  • 1. Big Data en (Ré)Assurance Université d’été de l’Institut des Actuaires Régis Delayat SCOR, DSI Groupe 7 Juillet 2014
  • 2. 2 Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l’information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes
  • 3. 3 La donnée est (devenue) l’un des principaux actifs de l’Enterprise Capital Valuechain Shareholders Financial Markets & Investors Clients PartnersRegulators Media Suppliers Rating Agencies Management & Control Strategy Production Sales SupportDesign Employees DataAssetsProcesses Information System Clients
  • 4. Le numérique, c’est aussi l’ère de l’information 4  Internal Office Mixed generations Hierarchical Mass Limited Standard Product-oriented Offer-driven Months & years Structured R&D Department Process automation Global solutions In-house Structured & limited Segmentation Production Service level Offer Model Collaboration Innovation Projects Borders IT focus Hosting Timeframe Information Staff Location Extended / Partnerships Worldwide Mobility + Digital natives Networks / Communities Tailor made Detailed Personnalized Service-oriented Demand-driven Days & weeks Social networks Open Analytics & decision Customized solutions Cloud Big Data Organization
  • 5. Big Data en Assurance : vraie opportunité, maturité encore faible (Bearing Point Institute, Mai 2014) 5 
  • 6. « Avalanche d’informations », « tsunami de données », « explosion des données », « infobésité »… …un air de…catastrophe ! Mais surtout une vraie opportunité…la richesse dépend de notre capacité à exploiter les données, alors… … « mine d’or » ? « pétrole » ? “La connaissance s’acquiert par l’expérience, tout le reste n’est que de l’information” Big Data & Analytics ? 6 
  • 7. Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l’information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes 7 
  • 8. L’Intelligence Economique au service du développement du Groupe (1/2)   Une structure, des professionnels de l’IE   Une marque   ~100 thèmes de veille, 600 abonnés, 100 newsletters   Des recherches ponctuelles   Une plate-forme de veille   Des newsletters personnalisées   Le “Daily News”   Un site “Competitive Intelligence”   Un blog des utilisateurs de SCORWatch   Une plaquette commerciale   Un lobbying interne : Matinées de l’IE, SCOR Lunch (“Crise et IE”, Risques émergents), marketing à l’international   Un lobbying externe : conférences, réseaux d’échanges, partage d’expérience Section 1 | Section 2 | Section 3 | Section 4 I Section 5 I Section 6 I Section 7 I Section 8 I Section 9 8
  • 9. 9 L’Intelligence Economique au service du développement du Groupe (2/2) CAPITALISATION Demande des Métiers Diffusion &Partage Validation de pertinence & élimination du “bruit” Enrichissement Usage Opérationnel Détectionprécoce designauxfaibles &Collecte
  • 10. Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l’information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes 10 
  • 11. 11 La stratégie numérique de SCOR Dans une activité B2B, la transformation numérique pourrait être vue comme une “evolution naturelle et progressive”…n’est-ce pas plutôt une “révolution silencieuse” ? Parmi les grands réassureurs, est global et agile, des caractéristiques propres ! En ligne avec sa stratégie “Optimal Dynamics”, va capitaliser sur ses forces, et devenir… A network company A Client service company A data driven company Capital Information System Employees Processes Data Strengthen all dimensions of data management Le numérique est structurant dans ces transformations qui doivent être engagées dès maintenant
  • 12. 12 Third-Parties* Global Financial and Back-office Standard Workplace Cloud infrastructure services (GDC) SCOR, la transformation numérique *Clients, Partners, Suppliers, Brokers, etc.. Capital Management Le Système d’Information actuel de
  • 13. 13 Les principaux leviers de la transformation numérique Knowledge/Services extension Analytics capabilities enhancement Internal/external collaboration development Cloud services extension Solutions convergence Mobile capabilities increase Third-Parties* Global Financial and Back-office Standard Workplace Cloud infrastructure services (GDC) *Clients, Partners, Suppliers, Brokers, etc.. Capital Management SCOR, la transformation numérique
  • 14. 14 Dans son contexte, devra absolument préserver Agilité et Interopérabilité Global Financial and Back-office Standard Workplace Business Intelligence Global solutions Individual & Collective productivity tools Cloud services Third-Parties* *Clients, Partners, Suppliers, Brokers, etc.. Transformation through digital Capital Management SCOR, la transformation numérique
  • 15. Digital Strategy outcomes Digital initiatives inside and outside the company Business specific (SGL)Une (r)évolution des métiers, des services, des compétences… 15 Solutions transverses Gestion documentaire Workflow global Big Data Applications mobiles CRM Analytics L’adaptation des hommes et des femmes du Groupe, de leurs compétences et comportements, est un objectif clé Une transformation culturelle portée par les RH, la Communication et l’IT Transformation culturelle Solutions Métiers Développer une « expérience SCOR » unique, via l’apport de nouveaux services aux Clients Optimiser l’usage des données, internes et externes, pour le développement du business et l’excellence opérationnelle Favoriser la transversalité en interne, et la coopération avec les partenaires
  • 16. Agenda 1 La donnée au coeur des attentions de nos entreprises 2 SCOR, une culture de l’information 3 la stratégie numérique de SCOR 4 Big Data & Analytics : initiatives concrètes 16 
  • 17. Big Data : Volume, Velocity & Variety…but Value is in Analytics Volume: Growing quantity of data Internal systems Untapped data, industry and public data Velocity: Quickening speed of data Weekly or daily Hourly Real-time Variety: Increase in types of data Structured enterprise data Current State Any kind of unstructured data (web, client discussion, audio, video…) Unrealized Business Opportunity and Value 17 
  • 18. 18 Business Intelligence : des silos actuels vers les « Analytics » Opérations Vie Opérations P&C Back Office global Finance Investissements Modèle Interne Clients Marchés Des datawarehouse isolés, spécifiques à chaque système de Production, et des analyses basées uniquement sur des données internes et limitées au domaine fonctionnel Plus de transversalité des outils d’analyses, et extension à des données externes de clients ou de marchés
  • 19. Business Intelligence : des silos actuels vers plus d’intégration Opérations Vie Opérations P&C Back Office global Finance Investissements Modèle Interne Clients Marchés Risk analytics Re-insurance analytics Finance analytics Investments analytics UWing analytics UWing analytics Modélisations du capital de plus en plus sophistiquées et basées sur des données de plus en plus nombreuses et détaillées, qui doivent être validées, réconciliées et archivées à chaque exécution officielle Analyses de souscription enrichies d’informations externes en provenance des clients (detail polices, des expositions), des marchés, ou de données géographiques - Résultat des investissements avec intégration de données des marchés financiers, pour améliorer l’analyse de risque et de performance, et permettre des simulations. - Réconciliations financières également. - Solvency II reporting sur base de données issues des domaines Finance et Riskq finance and risk areas. - Economic Balance Sheet vs IFRS. - QRT Reporting (QRT) regroupant des données de provenance diverse Analyses financières étendues à un détail des données comptables de réassurance et investissements Résultat complet des contrats et des portefeuilles -  pricing -  cumuls -  capital alloué -  résultat technique -  revenus financiers -  frais généraux UWing analytics 19 
  • 20. Quelques applications traitant de gros volumes de données à SCOR   Données collectées sur le marché   En P&C, expositions détaillées (cat, aviation, credit…) pour l’analyse de risque, le contrôle de cumuls et la tarification   En Vie, détail des polices individuelles (principalement aux US), à des fins de tarification, provisionnement, embedded-value, et analyse de portefeuille   Données nécessaires à la fourniture de services de souscription en ligne aux Clients Vie   Données générées par des applications de simulations de scénarios multiples   Resultats de simulations de catastrophes naturelles   Simulations de cash-flows pour calcul de provisonnement et embedded-value   Analyses Financières Dynamiques (DFA) utilisées pour le modèle interne   Données non-structurées   Intelligence Economique SCORWatch 20 
  • 21. 21 Les initiatives (Big) Data à SCOR (1/2)   Plus et mieux exploiter les données internes déja disponibles dans notre système d’information   Préparer les évolutions techniques nécessaires au traitement de nouvelles données à fort volume (stockage, accès, analyse…)   Identifier les types d’usage de ces données : analyses marketing, développement de produits, tarification, analyses prédictives, mesures de performance, etc…   Exploiter les différentes sources de données non-structurées (Intelligence Economique SCORWatch, autres données du web, open data, réseaux sociaux, rapports de visite Clients, fichiers GED/OCR, sites collaboratifs, fichiers partagés, geolocalisation, vidéos, etc…)   Lancer des « proofs of concept » (PoC), et en tirer des enseignements pratiques
  • 22. Les initiatives (Big) Data à SCOR (2/2) Tarification risques produits Vie Elaboration de nouveaux produits Vie Tarification de risques émergents P&C Prospection grands risques P&C Modèle Interne & Analytics •  Longévité, Mortalité •  Exploitation de bases d’expériences sinistres •  Chantiers de construction •  Evolutions du nucléaire (politiques, techniques, fin de vie) •  Analyse du comportement des consommateurs •  Cyber risks •  sinistralité des énergies renouvelables (éoliennes, gaz de schiste…) •  Tests techniques des nouveaux outils de traitement de gros volumes de données, de simulation, et de présentation Proof of Concept Externes Structurées Externes Non Structurées Internes Structurées Internes Non Structurées 22