Stratégie de données pour l’analytique et l’IA
Défi
Une compagnie d’assurance souhaitait améliorer la détection des fraudes, le traitement des sinistres, les campagnes marketing et les décisions commerciales grâce à l’analytique et à l’apprentissage automatique.
Leur paysage de données interne était complexe et fragmenté avec de multiples systèmes et des datamarts à usage unique dans presque tous les départements.
Les équipes financières et actuarielles étaient incapables de prises rapides de décisions éclairées car elles passaient trop de temps à chercher les bonnes données et à faire du nettoyage ou de la manipulation de données.
Solution
Collaboration avec les dirigeants et les parties prenantes pour identifier les objectifs stratégiques et créer une stratégie de données conforme à ces objectifs.
Évaluation de l’écart entre le paysage de données actuel et futur afin d’identifier les données, les logiciels et l’infrastructure nécessaires pour atteindre les objectifs.
Élaboration d’une feuille de route sur trois ans pour bâtir un programme et une organisation de gouvernance des données et combler l’écart entre le paysage des données en utilisant une approche agile et progressive.
Résultats
Mise en place d’un lac de données centralisé infonuagique pour l’analyse et le reporting des données et amélioration systématique de la qualité globale des données.
Gain de temps pour les équipes chargées des finances, des sinistres, de la tarification et de l’actuariat grâce à des ensembles de données structurés.
Mise en place d’une structure et d’une plateforme de responsabilisation de la gouvernance des données pour cataloguer, suivre l’utilisation et protéger les données PII.
Mise en œuvre de solutions d’apprentissage automatique pour améliorer le marketing, la souscription, la tarification et les sinistres.