Data Scientist Assurance

10 min

En alliant les sciences mathématiques, statistiques et informatiques, le data scientist valorise et développe les diverses données externes et/ou détenues par les entreprises d’assurance (base de données clientèle, chiffres de vente, historique des sinistres, visites du site web...) pour en extraire de la connaissance utile à l’optimisation des produits et services proposés.

Activités principales

Élaboration et coordination du projet data

  • Contribuer à la réflexion sur la stratégie de business intelligence/big data de l’entreprise (échanges avec la direction, groupes de travail, etc.).
  • Rencontrer les différents services de l’entreprise pour identifier leurs problématiques business pouvant nécessiter un projet data.
  • Recueillir et comprendre les besoins métiers propres à chaque projet data (optimisation du CRM, ciblage des campagnes marketing, automatisation de process d’indemnisation, identification des agences à auditer…).
  • Traduire les enjeux métiers en problématiques mathématiques/data, et imaginer les solutions opérationnelles potentielles.
  • Échanger avec la DSI et la maîtrise d’ouvrage pour préciser les besoins/contraintes techniques du projet data.
  • Participer à la rédaction, en collaboration avec le chief data officer le cas échéant, du cahier des charges propre à chaque projet data (planning de réalisation, choix techniques et méthodologiques, ressources nécessaires…).
  • Coordonner les prestataires de services informatiques éventuels en appui à une étape du projet data (fouille de données, extraction de données, traitement de données…).

Extraction, structuration et gestion de données

  • Explorer les données à disposition de l’entreprise (base de données clientèle, chiffres de vente, historique des sinistres, visites du site web...).
  • Collecter et sélectionner les données internes à l’entreprise pertinentes pour l’analyse.
  • Identifier d’autres sources de données externes nécessaires pour apporter un éclairage complémentaire (disponibles en open data, achetées auprès de fournisseurs…) et coordonner leur acquisition et leur usage.
  • Identifier et construire, avec l’équipe informatique, la solution de stockage de données adaptée à chaque projet data.
  • Nettoyer et coder les bases de données, pour les rendre disponibles et analysables, dans leur forme et leur contenu.
  • Veiller à la conformité et au respect des normes juridiques pour les données exploitées (protection des données personnelles/RGPD, confidentialité…).

Traitement et analyse statistique des données

  • Mettre en place les meilleures solutions techniques pour assurer le traitement de grands volumes de données.
  • Développer les modèles statistiques et algorithmes mathématiques appropriés pour chaque analyse de données, en s’appuyant sur les outils et langages dédiés.
  • Élaborer des scénarios et modèles de prédiction grâce au machine Learning (développement et implémentation de méthodes par répétition et « apprentissage automatique »).
  • Investiguer les nouvelles méthodes d’analyse data en développement : intelligence artificielle, text mining, reconnaissance vocale, reconnaissance de forme, traitement de l’image…
  • Construire des indicateurs de pilotage et de reporting à long terme.

Valorisation des données et accompagnement dans leur utilisation opérationnelle

  • Traduire et « faire parler » les données chiffrées pour les transformer en informations opérationnelles pour les métiers de l’entreprise.
  • Mettre en perspective les données analysées avec les orientations business globales et/ou spécifiques de l’entreprise et mesurer leur impact stratégique à moyen et long terme.
  • Présenter les données analysées de manière claire, visuelle et pédagogique, en s’appuyant notamment sur l’infographie et la data visualization.
  • Accompagner les équipes métiers dans l’appropriation et l’utilisation opérationnelle des données transmises et/ou de nouvelles solutions data au quotidien.

Veille technologique, amélioration continue et formation des collaborateurs

  • Maintenir une veille technologique et documentaire sur les nouvelles techniques et solutions logicielles de big data, en participant notamment à des séminaires, colloques et conférences scientifiques.
  • Se former régulièrement à l’usage de nouvelles techniques, nouveaux outils, nouveaux logiciels.
  • Mesurer la pertinence et la performance des techniques d’analyse data utilisées, et proposer des améliorations de fond et de forme sur les bases de données internes à l’entreprise.
  • Accompagner la montée en compétences des collaborateurs de l’équipe data, et l’appropriation des data science par les équipes métiers non techniques.

Profil

Diplômes requis

Diplôme de niveau Bac +5 Master en big data, data science Master en mathématiques appliquées, statistiques, modélisation des données, informatique décisionnelle, économétrie Diplôme d’ingénieur statisticien, avec une spécialisation big data, data science Diplôme de niveau Bac +8 Doctorat en mathématiques appliquées, statistiques, modélisation des données, informatique décisionnelle

Compétences requises

Compétences techniques

  • Maîtrise des techniques analytiques : algorithmes, apprentissage statistique, machine Learning, modèles prédictifs, scoring, segmentation...
  • Maîtrise des outils, langages de programmation et logiciels de data sciences propres à chaque entreprise (Excel, Access, SPSS, SAS, Python, R, SQL, Spark, C++)
  • Connaissance transversale des métiers de l’assurance (actuariat, souscription, indemnisation, relation client…) et du périmètre d’action de l’entreprise (assurance collective, particuliers, entreprises)
  • Connaissance de l’environnement réglementaire du secteur assurantiel (Solvabilité 2)
  • Connaissance des réglementations propres à l’usage des données (RGPD notamment)
  • Maîtrise de l’anglais technique

Aptitudes professionnelles

  • Goût pour les chiffres
  • Esprit d’analyse et de synthèse
  • Rigueur et méthode
  • Créativité et force de proposition
  • Curiosité et intérêt pour les nouvelles technologies du big data (objets connectés, intelligence artificielle…)
  • Capacité à apprendre et adaptabilité
  • Esprit de challenge
  • Écoute et sens du service
  • Capacité à travailler en mode projet
  • Communication orale et écrite
  • Pédagogie et vulgarisation des éléments techniques

Rémunération

Jeune diplômé : entre 35 et 40 k€ Jeune cadre : entre 40 et 50 k€ Cadre confirmé : entre 50 et 70 k€ (Fourchettes de rémunération selon profil, niveau d’expérience, responsabilité hiérarchique, taille et statut de l’entreprise…)