19 septembre 2024

L’analyse de données dans un secteur de l’assurance post-perturbation

L’assurance a toujours été une activité axée sur les données. Plus l’assureur dispose d’informations sur le risque en cause, plus il peut le souscrire avec précision.

Par le passé, l’accès des assureurs aux données était limité en grande partie par les capacités humaines. Les assureurs pourraient comprendre et souscrire le risque en se basant sur les capacités de leurs propres experts à analyser et à comprendre les données. Les données utilisées étaient limitées par les capacités d’autres humains à recueillir et à enregistrer des informations.

Aujourd’hui, ces limites s’appliquent toujours, mais d’une nouvelle manière. La disruption numérique permet de créer, de stocker, d’accéder et d’analyser de vastes ensembles de données. L’analyse peut avoir lieu en un instant et les résultats mis à disposition le lendemain.

L’analyse des données offre un nouveau monde passionnant pour l’assurance. Pourtant, ce nouveau monde pose également des défis.

C’est un monde axé sur les données

L’information a toujours été précieuse. Les données sur les événements météorologiques aident les assureurs à mieux comprendre et prévoir les risques. Les informations sur le comportement des clients aident les détaillants à décider si, quand et combien de stock commander et comment les afficher. Les registres de circulation fournissent aux bibliothécaires les informations dont ils ont besoin pour organiser efficacement les collections de médias.

Cependant, l’explosion des appareils basés sur les données ces dernières années a généré son propre baby-boom sous la forme de données. Environ un billion d’appareils connectés devraient être utilisés d’ici 2025, générant une « avalanche de nouvelles données », écrivent Ramnath Balasubramanian, Ari Libarikian et Doug McElhaney chez McKinsey.

Les assureurs voient l’écriture (numérique) sur le mur. Dans une enquête d’EY sur la science des données dans le domaine de l’assurance, tous les assureurs interrogés ont déclaré que l’analyse des données sera très importante pour le succès continu des assureurs, écrivent Corina Gruenenfelder et Sabine Betz d’EY. Pourtant, tous les assureurs n’ont pas fait de progrès pour s’adapter à cet avenir numérique. Seuls 25 % des répondants utilisent des méthodes avancées d’analyse de données pour leur activité principale. Les 75 % restants espéraient améliorer et étendre leurs méthodes d’analyse existantes en utilisant mieux les outils d’analyse numérique.

La plupart des assureurs ont entamé la transition vers une analyse de données numériques robuste en se concentrant sur des outils analytiques à appliquer à leurs propres collections de données. Les assureurs se sont concentrés sur la collecte d’informations à partir de leurs propres données clients stockées, d’informations sur leurs processus internes et de données collectées auprès des agents et des courtiers. Pourtant, les assureurs ont également accès à un pool de données en croissance rapide provenant de sources extérieures, y compris des ensembles de données publiques et des agrégateurs tiers, écrit Kirill Pankratov, responsable de la transformation du groupe UW en assurance commerciale chez Zurich Insurance.

Les outils qui permettent aux assureurs d’analyser ces données à la recherche d’informations et de modèles fourniront des informations auxquelles les compagnies d’assurance n’ont pas pu accéder par le passé – et qui changeront profondément la façon dont les assureurs souscrivent les risques et distribuent les couvertures.

Appliquer les données pour de meilleures décisions en matière d’assurance

L’application des données offre aux assureurs de nouvelles façons de conceptualiser, d’aborder et de résoudre de vieux problèmes. Pourtant, l’analyse des données pose ses propres défis.

Une meilleure analyse des données peut aider les assureurs à gérer les coûts, déclare Tim Brockett, vice-président exécutif et responsable des lignes spécialisées chez Munich Re US. M. Brockett note qu’avec les bons outils, le secteur de l’assurance « peut améliorer notre tarification, notre souscription et nos analyses autour des réclamations et de la segmentation de la clientèle afin d’améliorer notre rentabilité et de comprendre notre risque ».

La souscription et la distribution offrent un terrain fertile pour l’analyse des données d’assurance. « L’actuariat tel qu’il est traditionnellement pratiqué présente de nombreuses similitudes avec l’analyse de données », écrit Rachel Hastings chez Emeritus. L’actuariat et l’analyse des données d’aujourd’hui dépendent toutes deux de données de haute qualité pour assurer leur succès.

Pour les assureurs, cependant, le succès de l’analyse des données dépendra de la façon dont les données sont comprises et utilisées.

L’évolution des modèles de risque a commencé à créer deux catégories distinctes : les risques plus mesurables, plus fréquents et moins graves et les risques moins mesurables, moins fréquents et plus graves. Par exemple, le risque d’infiltration d’eau dans le sous-sol lors de fortes pluies printanières entre dans la première catégorie, tandis que le risque qu’une inondation catastrophique emporte tout le sous-sol de la même maison entre dans la seconde.

L’analyse des données peut traiter les deux types de risques, bien que les défis liés à l’application des données à chaque type diffèrent, écrivent Tanguy Catlin et d’autres membres des groupes Assurance et Organisation de McKinsey.

Par exemple, les risques plus mesurables et plus fréquents impliquent des quantités de données beaucoup plus importantes, en particulier lorsqu’il s’agit de points de données individuels en temps réel provenant de capteurs intelligents et d’appareils similaires. Les assureurs auront besoin d’outils qui leur permettent d’agréger et de synthétiser d’énormes ensembles de données et de suivre les modèles existants comme base de l’analyse prédictive.

En revanche, les risques moins mesurables et moins fréquents s’accompagnent d’ensembles de données plus petits, mais l’intensité de ces risques exerce une plus grande pression sur les assureurs pour qu’ils prédisent et tarifent en conséquence. La capacité à modéliser les incertitudes de manière fiable et à fournir des solutions au-delà du transfert de risque sera essentielle, expliquent Catlin, et al.

Les données offrent de nouvelles façons de relever les défis de l’assurance. Il offre même un moyen de rester au fait de l’évolution rapide des modèles de risque. Pour saisir ces opportunités, les assureurs devront aborder leurs outils de données de manière réfléchie.

Responsabilités et défis en matière d’analyse de données

« Les capacités de données et d’analyse deviennent des enjeux de table dans le secteur de l’assurance de dommages en Europe et en Amérique du Nord », écrivent Kia Javanmardian et ses collègues chercheurs chez McKinsey. En investissant dans les données et l’analyse, en particulier pour améliorer la souscription, les assureurs ont constaté une augmentation des ratios sinistres-primes, des primes pour les nouvelles affaires et de la rétention.

À mesure que l’analyse avancée des données devient monnaie courante dans le secteur de l’assurance, trois changements majeurs auront lieu, selon Violet Chung de McKinsey :

Les primes et les prestations d’assurance s’adapteront en fonction du comportement du client sur le moment, par exemple dans le cas de l’assurance automobile à la carte.
Les changements sismiques dans les profils de risque et l’accès à des données sans précédent sur ces risques obligeront les assureurs à réexaminer les risques et les primes associées.
L’analyse automatisée des données en temps réel permettra aux assureurs de souscrire automatiquement davantage de types de risques.

Ces changements permettront à leur tour de reconstruire d’autres principes fondamentaux de l’assurance, notamment les relations avec les clients et le rôle des agents dans la distribution. Pour mettre les données à profit, les assureurs devront faire face à certains défis et accepter la responsabilité qui accompagne ces défis.

« Pour saisir ces opportunités, les compagnies d’assurance doivent remodeler leurs organisations et se transformer en entreprises axées sur les données », écrivent Marck Timmermans et ses collègues chercheurs de Compact Magazine. L’enthousiasme de saisir de nouvelles opportunités doit être mis en balance avec le besoin de sécurité, de contrôle du processus et de prise de conscience des attentes sociales.

Parmi les autres défis à relever dans l’utilisation de l’analyse des données, citons :

Enracinement des biais existants dans les ensembles de données disponibles, en particulier lorsque les ensembles de données sont limités.
Création de profils de clients incomplets ou trompeurs à partir de données publiques.
Le risque que la prise de décision autonome par les algorithmes conduise à des erreurs coûteuses.

Les préoccupations éthiques concernant l’analyse des données dans l’assurance se concentrent sur l’impact de l’utilisation des données sur la vie humaine. Pourtant, l’éthique n’est pas la seule raison pour laquelle les assureurs devraient tenir compte de la façon dont leurs outils de données interagissent avec les efforts humains.

Malgré les progrès récents de la technologie, le secteur de l’assurance continue de s’appuyer fortement sur l’expertise et les compétences de sa main-d’œuvre. L’analyse de données et d’autres outils technologiques peuvent améliorer l’expertise et les compétences des professionnels de l’assurance, mais elles ne peuvent pas toujours les remplacer. L’association d’outils numériques et d’experts humains peut faire ressortir le meilleur de chacun, ce qui permet de poursuivre la croissance et d’accroître la résilience face aux défis numériques futurs.

Images par : skracht/©123RF.com, woodysphotos/©123RF.com, pavelvozmischev/©123RF.com

Nouvelles