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