Analytics dans les services financiers

FINANCIAL SERVICES : La Data Science et le Big Data dans la Banque, l’Assurance

La Data Science et le Big Data dans les services financiers (Banque et Assurance) traite deux grandes familles de sujets : ceux liés aux risques et ceux liés au développement commercial et au marketing.

La survenance d’Incendies Graves, d’Accident Corporels Graves, de Fraudes, de Défauts, le Risque Crédit, d’une Créance Douteuse, ou encore de l’opportunité d’une IPO réussie… peut ainsi être mieux prédite dès lors que l’on sait collecter et analyser des données issues de nombreuses variables et sources habituellement ignorées (le contenu des tweets des salariés d’une entreprise ne pourraient-ils pas donner des signaux prédictifs de sa faillite prochaine ?).

De même la Data Science peut découvrir de nouvelles combinaisons précises de leviers à appliquer sur des nouveaux sous-segments de clients pour maximiser l’up-sell d’une carte de crédit (passage de la gold à la platinium), ou le cross-sell d’un contrat d’assurance (auto / maison), ou encore pour éviter le churn (ou l’attrition) d’une banque à une autre. La Data Science dans les services financiers permet aussi d’allouer de façon optimale les moyens marketing pour en maximiser le ROI.

Au sein des banques et compagnies d’assurance, les Quants, Traders, Directeurs du Risque, Directeurs de la modélisation, Directeurs de la Validation des Modèles s’intéressent aux nouvelles approches Data Science et Big Data pour améliorer leurs performances ; ils ont dans leurs équipes des (Seniors) Data Scientists, Mathématiciens et Informaticiens, qui développent des Algorithmes d’Intelligence Artificielle adaptés aux différents sujets spécifiques de ces secteurs (et aux contraintes réglementaires Bâloise et Solvency). Ils maîtrisent des langages comme R, Python, C# ou C++. Ils sont experts de la conception et de la mise en œuvre des technologies comme les SVM, les Réseaux de Neurones, le Deep Learning, les Arbres de Décisions, les Régressions Logistiques, etc.

Des Chief Data Officers au plus haut niveau incarneront l’initiative Data Science & Big Data et des Business Application Manager initieront et piloteront les projets au quotidien.

Des experts de la préparation des données (Data Preparation, Data Cleaning) sont nécessaires à la bonne marche d’un projet : il y a peu de technologies « presse-bouton » et rarement des données prêtes à l’analyse pour une problématique précise.

Partager :