Analyser
Prédire le risque d'accident des futurs assurés
Modélisation par forêt aléatoire sur 500 000 assurés auto enrichis de données externes, et livraison d'un simulateur prédisant le risque de sinistre avec primes ajustables. Cas remporté par l'équipe.
Démo interactive
Le simulateur de risque et de prime
Décrivez un futur assuré et son véhicule : le modèle estime la probabilité d'un sinistre dans l'année, explique ce qui la fait varier, et la traduit en une prime ajustable.
Chargement de la démo…
Le défi
Réalisé lors d'un Business Deep Dive de trois semaines avec Generali, ce cas visait à évaluer finement le risque de sinistre de futurs assurés automobiles et à transformer les prédictions du modèle en un outil de tarification directement exploitable.
La question
Comment exploiter l'historique de 500 000 assurés et des données externes pour prédire si un futur conducteur aura un sinistre dans l'année et ajuster dynamiquement sa prime d'assurance ?
Ce que j'ai fait
Nettoyage approfondi des données, enrichissement par des sources externes et segmentation des profils par clustering. Entraînement et optimisation d'un modèle Random Forest évalué via les métriques ROC-AUC, Accuracy et Precision, puis intégration du modèle dans un simulateur interactif.
Coulisses · Sources de données
Un jeu de données de 500 000 assurés automobiles regroupant des variables liées au conducteur et au véhicule, enrichi par l'intégration de jeux de données externes.
Le résultat
L'équipe a remporté le Business Deep Dive. Livraison d'un simulateur opérationnel capable de prédire le risque de sinistre d'un futur assuré et de proposer des primes d'assurance ajustables selon le niveau de risque.
À voir aussi
- Construire · Expérience proStagiaire Data Science & Développeur Full-StackGenerali
- Analyser · HackathonTrajectoire de décarbonation à 25 ans, projections et plan d'actionGrand acteur bancaire français
- Analyser · Business Deep DiveTransformer les enregistrements d'entreprise en connaissance exploitableSynchrone