MMA, MAAF et GMF montent en puissance sur le Big Data


Le groupe d’assurance Covéa qui réunit les marques MMA, MAAF et GMF mise sur le Big Data. Il unifie l’ensemble de ses données clients dans un lac de données. Cette approche permettra de développer  de nouveaux applicatifs pour les métiers, le marketing et l’IT. La première application est un moteur de recherche sur les clients. 

Le groupe Covéa, société qui regroupe trois assureurs MAAF, MMA et GMF, met en place une plateforme industrielle Big Data afin de mieux connaître ses clients et développer de nouveaux applicatifs.

Une recherche sous forme de probabilité


Cette nouvelle approche va permettre aux agents d’assurance du groupement de connaitre davantage les risques d’assurance en débutant par une meilleure connaissance des contrats liés à chaque client. A terme, il s’agit d’évaluer les risques de voir un client changer d’assureur, ainsi que d’aller au-delà d’une approche statistique pour développer des algorithmes prédictifs.

Première étape, « le Big Data permet de faire une recherche de lien sur un client donné, de connaître son contrat, ses sinistres, sous forme de probabilité » décrit Guillaume Lemele, directeur du Centre de Solutions Relation Client, Distribution et Digital chez Covéa.

Il s’agit d’une application de type moteur de recherche employé en interne par les métiers de Covéa et les agents d’assurance. On obtient ainsi une vision 360° de chaque client qui unifie à la fois ses contrats, ses sinistres et les documents qui le concernent, même les appels téléphoniques qu’il a pu passer. Cette vision du client est rafraîchie en temps réel.

Mêler le certain et l’incertain

« C’est un vrai plus par rapport à l’existant » dit Guillaume Lemele. « Auparavant, l’information client qui provient d’une multitude de sources était difficile à reconstituer » reconnaît-il. Dans la nouvelle approche 360°, « on mêle le certain et l’incertain, ce qui a été très nouveau pour nous » admet-il.

En effet, à partir de quelques mots entrés dans le moteur de recherche, une synthèse des informations sur un client est remontée. Des informations y seront toutefois attachées avec plus ou moins de certitude car il existe des enregistrements dans les bases de données en lien avec un client donné et qui suscitent le doute.

4 mois de Proof of Concept 

Le projet est d’abord passé par une phase de Proof of Concept qui s’est déroulée sur une période d’un peu moins de 4 mois. Il a été porté par une équipe mixte métiers et IT. C’est la distribution Cloudera de Hadoop qui a été retenue. Le succès de cette phase d’expérimentation a été ensuite partagé au sein de l’organisation, en particulier avec le réseau des agents MMA, et le passage à un projet opérationnel, c’est-à-dire avec une mise en production à la clé a été actée.

Pour Covea, il s’agit d’améliorer sa vision client 360°. Covéa a entrepris cette adoption du Big Data en 2013. Le groupe a alors créé trois lacs de données – un par marque MAAF, MMA et GMF.

Supprimer le cloisonnement

Le but était de faire évoluer les bases de données orientées « traitement » en supprimant le cloisonnement des informations entre les métiers pour en tirer plus de valeur.

Le premier cas d’usage a donc été la mise en place d’un moteur de recherche qui fonctionne sur l’ensemble des informations pertinentes du système d’information et ne se contente plus de chercher les données clients sur Internet ou dans les bases de données classiques.

Synthèse des informations

Ce moteur de recherche indexe le lac de données dans lequel l’ensemble des données utiles sont fédérées, il exécute des requêtes dont le résultat est mis sous forme de synthèse à destination des assureurs et des clients.

En gardant la proximité avec les trois systèmes d’information historiques, l’injection des données dans les Data Lakes et l’indexation sur le moteur de recherche se font en temps-réel.

Côté matériel, l’infrastructure a été conçue afin de monter en charge de manière horizontale en ajoutant des serveurs pour gagner en puissance, ou par augmentation de leur puissance. Idem pour la partie stockage. Il suffit d’augmenter les capacités via des disques supplémentaires ou de plus grande capacité.

Socle technique industriel

Dans la foulée, de nombreux projets ont émergé chez Covea accélérant la nécessité de mettre en place un socle technique industriel Big Data dès 2015 pour être en mesure de leur apporter une réponse.

Un Data Lab expérimental pour le Groupe est prévu en septembre 2015, basé sur la même architecture que les trois Data Lakes. Ce Data Lab s’appuiera sur une fédération des données des Data Lakes des trois enseignes.

Le marketing aux commandes 

Il sera dédié notamment aux professionnels du marketing et aux data scientists, et aura un objectif de « bac à sable » pour tester des modèles prédictifs communs et définir de nouveaux scores. Les utilisateurs vont apprendre à maitriser au niveau métiers l’usage du Big Data.

Les données clients présentes au sein de ce Data Lab seront anonymisées pour respecter les règles de déontologie sur l’exploitation des informations clients.

Une réaction sur “MMA, MAAF et GMF montent en puissance sur le Big Data” :

  1. plouffe

    La santé pour tout le monde ?

    Aujourd’hui en France, plus de 3 millions de
    français n’ont pas la possibilité de se payer une mutuelle. 1 français sur 3
    est peu ou mal couvert. Les rendez-vous annulés pour raisons financières se
    font de plus en plus nombreux, et les premiers soins à être sacrifiés sont les
    soins dentaires et les soins spécialisés.

    Pour faire face à ce phénomène goo.gl/3KoMym a mis en place plusieurs initiatives, qui ont
    pour objectif d’amélioré les dépense de santé qui sont remboursé, avec un prix plus bas et les même garantie que les organismes que l’on peut trouver le marché .

    En 2016, la couverture complémentaire des soins par l’entreprise sera rendue obligatoire pour l’ensemble des salariés. La situation devrait donc normalement s’améliorer.

    Répondre

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *