Big data et data science dans l'assurance

Fondamentaux de la data science : outils et bénéfices

8.7/10
381 participants recommandent nos formations (au cours des 6 derniers mois)
Big data et data science dans l'assurance

Big data et data science dans l'assurance

Big data et data science dans l'assurance
Big data et data science dans l'assurance
Référence
ADI17
Durée
1 jour - 7 heures
Aucune session Inter disponible en ce moment
Référence
ADI17
Cette formation peut être organisée en intra entreprise (dans vos locaux ou à distance)
Référence
ADI17

Cette thématique vous intéresse ? Notre équipe pédagogique peut vous proposer une formation sur mesure adaptée à vos besoins spécifiques.

Objectifs

  • Cerner le potentiel du big data et de l’analytics pour l’assurance

  • Identifier les applications de la data science dans l'assurance : amélioration de la connaissance client, prédiction, lutte contre la fraude…

  • Lancer ses premières expérimentations big data

Pour qui ?

Directions générales, Directions marketing, Directions du développement, Directions distribution, Directions stratégie, Directions innovation, Directions marchés, Directions de la Relation Client, Directions des systèmes d’information

Compagnies d’assurance, mutuelles, institutions de prévoyance, sociétés de bancassurance, sociétés de courtage, sociétés d’assistance

Prérequis de la formation

Cette formation entre dans le champ d'application des dispositions relatives à la formation professionnelle continue car considérée comme une action d'adaptation et de développement des compétences des salariés.

Programme de la formation

Télécharger le programme
  • Big data : opportunités et enjeux

    • Qu’est-ce que le Big data : définition, enjeux

    • Maîtriser les implications de l’émergence de nouvelles sources de données

    • Appréhender l’écosystème technologique du Big Data

  • Data science et analytics : comprendre et démystifier le travail du data scientist

    • Quels sont ses objectifs, ses missions

    • Identifier le profil type du Data Scientist : quels outils utilise-t-il et quelles sont ses méthodes de travail

    • Introduction au machine learning : définition et usage

    • Analyse supervisée/non supervisée : quelles différences

  • Enjeux et usages de l’analyse supervisée

    • Quelles typologies de problèmes l’analyse supervisée permet-elle de résoudre : régression, classification

    • Text mining : comprendre le traitement du langage

  • Enjeux et usages de l'analyse non-supervisée

    • Quelles typologies de problèmes l’analyse non-supervisée permet-elle de résoudre : clustering et segmentation, détection d'anomalies

  • Illustration

    Data-visualisation : comment visualiser les données pour mieux les comprendre

  • Connaître les contraintes réglementaires

    • Quelles contraintes juridiques prendre en compte dans la pratique métier

    • Bonnes pratiques relatives à la conformité Privacy

  • Cas pratique

    Quelles opportunités pour la relation client dans l’assurance

    • Mieux cibler les campagnes marketing

    • Améliorer l’estimation du risque d’attrition client

    • Parfaire la recommandation de produits

    • Mieux segmenter sa clientèle et ses prospects

  • Cas pratique

    Problématique de la gestion du crédit client

    • Savoir utiliser le scoring de risque client

    • Quelles nouvelles possibilités de gestion des défauts de paiement

  • Modalités pédagogiques, d'évaluation et techniques

    • Modalités pédagogiques:
    • Pour les formations synchrones-présentiel ou classes virtuelles (formations à distance, en direct), les stages sont limités, dans la mesure du possible, à une douzaine de participants, et cherchent à respecter un équilibre entre théorie et pratique. Chaque fois que cela est possible et pertinent, des études de cas, des mises en pratique ou en situation, des exercices sont proposées aux stagiaires, permettant ainsi de valider les acquis au cours de la formation. Les stagiaires peuvent interagir avec le formateur ou les autres participants tout au long de la formation, y compris sur les classes virtuelles durant lesquelles le formateur, comme en présentiel peut distribuer des documents tout au long de la formation via la plateforme. Un questionnaire préalable dit ‘questionnaire pédagogique’ est envoyé aux participants pour recueillir leurs besoins et attentes spécifiques. Il est transmis aux intervenant(e)s avant la formation, leur permettant de s’adapter aux publics. Pour les formations en E-learning (formations à distance, asynchrones), le stagiaire peut suivre la formation à son rythme, quand il le souhaite. L’expérience alterne des vidéos de contenu et des activités pédagogiques de type quizz permettant de tester et de valider ses acquis tout au long du parcours. Des fiches mémos reprenant l’essentiel de la formation sont téléchargeables. La présence d’un forum de discussion permet un accompagnement pédagogique personnalisé. Un quizz de validation des acquis clôture chaque parcours. Enfin, le blended-learning est un parcours alternant présentiel, classes virtuelles et/ou e-learning.
    • Modalités d'évaluation:
    • Toute formation se clôture par une évaluation à chaud de la satisfaction du stagiaire sur le déroulement, l’organisation et les activités pédagogiques de la formation. Les intervenant(e)s évaluent également la session. La validation des acquis se fait en contrôle continu tout au long des parcours, via les exercices proposés. Sur certaines formations, une validation formelle des acquis peut se faire via un examen ou un QCM en fin de parcours. Une auto-évaluation des acquis pré et post formation est effectuée en ligne afin de permettre à chaque participant de mesurer sa progression à l’issue de la formation. Une évaluation à froid systématique sera effectuée à 6 mois et 12 mois pour s’assurer de l’ancrage des acquis et du transfert de compétences en situation professionnelle, soit par téléphone soit par questionnaire en ligne.
    • Modalités techniques FOAD:
    • Les parcours sont accessibles depuis un simple lien web, envoyé par Email aux stagiaires. L’accès au module de E-learning se fait via la plateforme 360Learning. La durée d’accès au module se déclenche à partir de la réception de l’invitation de connexion. L’accès aux classes virtuelles se fait via la plateforme Teams. Le(a) stagiaire reçoit une invitation en amont de la session lui permettant de se connecter via un lien. Pour une bonne utilisation des fonctionnalités multimédia, vous devez disposer d’un poste informatique équipé d’une carte son et d’un dispositif vous permettant d’écouter du son (enceintes ou casque). En ce qui concerne la classe virtuelle, d’un microphone (éventuellement intégré au casque audio ou à la webcam), et éventuellement d’une webcam qui permettra aux autres participants et au formateur de vous voir. En cas de difficulté technique, le(a) stagiaire pourra contacter la hotline au 01 70 72 25 81, entre 9h et 17h ou par mail au logistiqueformations@infopro-digital.com et la prise en compte de la demande se fera dans les 48h.

Les points forts

  • Ancrées dans l'actualité Des formation mises à jour en continue selon les changements du secteur assurantiel
  • Formateurs issus du terrain Pour une pleine connaissance de vos problématiques métier
  • Pédagogie reconnue 9 stagiaires sur 10 sont satisfaits de la pédagogie de nos formateurs

Parmi nos formateurs :

Kezhan SHI
Kezhan SHI Diot-Siaci Data scientist et actuaire certifié
Expérience
    Kezhan est membre certifié de l’Institut des actuaires français. Il est diplômé de l’École Centrale Paris et titulaire d’un master en actuariat de l’Université Paris Dauphine. Il a travaillé en tant qu’actuaire chez CCR, Prim’Act et Direct Assurance, avant de rejoindre Allianz en 2017, au titre de Manager Data Scientist.

Accessibilité

handicap

Nos formations sont accessibles aux personnes en situation de handicap

Pour plus d'informations : nous contacter

Les autres évènements