DATA

Big data et data science dans l'assurance

Découvrir les outils et les bénéfices

Nouveau !

ADI17

1 jour

7 heures

à partir de 796 €ht

Objectifs de la formation

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

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

  • Lancer ses premières expérimentations big data

Programme Résumé

Big data et data science dans l'assurance

Découvrir les outils et les bénéfices

1 jour 7 heures

télécharger le programme

voir le programme long

  • Big data : opportunités et enjeux

    • 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

    • Objectifs et missions
    • Identifier le profil type du data scientist : outils et méthodes de travail
    • Introduction au machine learning : définition et usage
    • Comprendre la différence entre l'analyse supervisée et l'analyse non supervisée
  • Enjeux et usages de l’analyse supervisée

    • Typologies de problèmes résolus par l’analyse supervisée: régression, classification
    • Text mining : comprendre le traitement du langage
  • Enjeux et usages de l'analyse non-supervisée

    • Typologies de problèmes résolus par l’analyse non-supervisée: clustering et segmentation, détection d'anomalies
  • Illustration data visualisation : 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
  • 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

Animée par

  • Alberto GUGGIOLA

    Alberto GUGGIOLA Quantmetry

  • Alberto GUGGIOLA

    Quantmetry

    Data Scientist

  • Alberto Guggiola est docteur en physique de l'ENS Paris, et a travaillé pendant sa thèse sur la compréhension des événements rares qui peuvent se produire sur les graphes. Au cours de sa thèse, il a eu l’occasion de présenter son travail à des publics hétérogènes. En 2015, il rejoint Quantmetry en tant que Data Scientist, convaincu de la contribution que son expertise dans la modélisation de différents systèmes aurait pu apporter dans la recherche de solutions data-driven aux problèmes de leurs clients. Il a travaillé dans des contextes business variés comme la santé (étude de l’impact d’une protéine sur le pronostic des cancers du sein), l’assurance (détermination de l’appétence à un ensemble de produits, anti-churn) et les transports (amélioration d’une application mobile grâce à l’exploitation des données de géolocalisation). Il a ainsi participé à plusieurs activités pédagogiques : organisation et animation de formations en Machine Learning, accompagnement des équipes au cours d’Hackathon. Il est récemment devenu responsable éditorial du blog Quantmetry.
  • SES ANIMATIONS :

    Programmer en R - Niveau 1, Les fondamentaux techniques pour devenir data scientist

Publics concernés

  • 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

Critères d'admission

  • 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.

Prérequis de la formation

  • Aucun prérequis n'est nécessaire

Certifications et Agréments

ISQ-OPQF

Qualification professionnelle délivrée aux organismes de formations en reconnaissance de leur professionnalisme. Il est fondé sur les critères suivants de respect de la règlementation, l'adéquation des compétences et des moyens techniques et humains aux actions de formation, la satisfaction des clients, la pérennité financière, le respect du code de déontologie, du code de conduite professionnelle et du règlement intérieur.

Prise en charge OPCA

Notre organisme est référencé par les OPCA et nos formations peuvent être prise en charge

Prochaine(s) session(s)

  • Paris

    12/12/2019

Tarif(s) d'inscription

Le tarif comprend : l'accès à l’événement et/ou formation, les pauses, la restauration (selon le format et les horaires de l’événement), les supports papier ou électronique pour les événements de format conférence et les formations
Promo -20% -20% pour 2 inscriptions jusqu'au 31/08 Offre été : -20% pour 2 inscrits, prix/personne 796,00 €HT / 955,20 € TTC 995,00 €HT / 1 194,00 €TTC
Tarif général 995,00 €HT / 1 194,00 € TTC
Promo -10% -10% pour 1 inscription avant le 31/08 Offre été : -10% pour 1 inscription 895,50 €HT / 1 074,60 € TTC 995,00 €HT / 1 194,00 €TTC

Programme disponible en intra

contactez-nous

Modalités pédagogiques et d’évaluation

  • Tous nos stages de formations sont limités, dans la mesure du possible, à une douzaine de participants.
  • Les formations se déroulent en présentiel ou en classe virtuelle avec un équilibre théorie / pratique. Chaque fois que cela est pertinent des études de cas et des mises en pratique ou en situation sont proposées aux stagiaires.
  • 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.
  • 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.
  • 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.
S’inscrire Ajouter à ma sélection