Par Philippe Lefèvre, senior manager Finance & Risk, et Heather Adams, managing director Finance & Risk. Accenture
Utiliser l’analyse des données pour lutter contre la fraude et la criminalité financière
Les hackers et les fraudeurs développant des techniques de plus en plus sophistiquées, les assureurs doivent eux aussi se servir de l’apport de dernières avancées technologiques pour tenter de juguler ces activités criminelles. Les clients veulent que leurs coordonnées bancaires et personnelles soient suffisamment protégées, et qu’en cas de fraude les fraudeurs soient identifiés.
Les assureurs doivent se protéger des menaces concernant l’appropriation des données confidentielles, telles que les données personnelles des assurés, et doivent lutter contre les déclarations d’indemnisation frauduleuses.
Un océan de données
Les assureurs obtiennent des données de multiples provenances, à la fois structurées (de la part des assurés), et non structurées (de la part des médias sociaux, de tiers, etc.). Gérer ces données, s’assurer de leur pertinence, à une juste fréquence, et les rendre accessibles à ceux qui en ont besoin, est un défi majeur. Il est indispensable pour les assureurs de bénéficier d’une vision intégrée des données : ce qui suppose des systèmes centralisant les informations qui fournissent une vue unique du client et de ses relations avec l’assureur, en lien avec les autres sources de données clés, tel que les bases de données externes. Dans la plupart des cas, l’information a été obtenue et stockée indépendamment, dans différents départements.
Dans d’autres cas, des informations précieuses sécurisées, provenant des médias sociaux par exemple, peuvent être utilisées dans des buts commerciaux, mais non partagées avec les équipes en charge de la lutte contre la fraude. Les recherches d’Accenture montrent qu’un peu plus de la moitié des organisations financières ont une vue unique de leurs clients, et seulement la moitié environ ont un système unique pour se mettre en conformité avec les directives de lutte contre le blanchiment d’argent. De même, les données liées à la gestion contre la fraude sont fragmentées entre les différentes filières et produits d’assurance. En conséquence, mettre en place une gouvernance des données devient un objectif majeur pour les assureurs qui doit leur permettre de :
- mieux contrôler les flux de données et assurer leur protection, ce qui est un élément central de la gestion du risque de réputation.
- s’assurer de la fiabilité, de la qualité et de la cohérence des données, dont le volume entrant est chaque jour plus important, pour que leur utilisation puisse être un levier de croissance.
Combiner les données et l’analytics pour lutter contre la fraude et la criminalité financière
Les nouvelles technologies apportent des solutions pour faciliter le travail d’acquisition et d’intégration des données, dont de précieuses informations et analyses peuvent être tirées grâce à l’utilisation des techniques d’analyse les plus avancées.
Pour cela, les assureurs doivent disposer de trois choses :
Disposer de données de meilleure qualité. La première étape d’amélioration de la qualité de données consiste à définir les métriques appropriées pour juger de leur qualité. Cela nécessite un ensemble cohérent de critères pour mesurer et améliorer la qualité des données, incluant l’exactitude et l’intégrité des données, leur complétude ou la capacité à les dater afin de vérifier si elles sont toujours à jour ou nécessitent une actualisation pour pouvoir être utilisées.
La seconde étape est de mettre en place un dispositif de réconciliation et d’analyse des données. Un filtrage et un nettoyage approprié des données améliorent la qualité de l’analyse et aident à réduire le nombre de faux-positifs.
La troisième étape est d’améliorer le dispositif de gouvernance des données. Beaucoup d’assureurs disposent désormais d’un «?Chief Data Officer?». Une gouvernance des données, avec des règles bien définies concernant la propriété des données et leur qualité, est un point de passage nécessaire pour coordonner les différents acteurs.
Utiliser «?l’analytics?» pour transformer les données en information, et l’information en analyse. Plus encore que le manque de données, le vrai défi est le manque de «?bonnes?» données, c’est-à-dire trouver les données utiles parmi un flux croissant de nouvelles données arrivant constamment. La plupart des institutions financières utilisent moins de 5?% de leurs données disponibles pour prendre des décisions relatives à la prévention contre la criminalité financière. Les techniques d’analyse vont permettre d’utiliser ces données brutes pour en tirer des enseignements. La mise en place d’un modèle de scoring, l’analyse prédictive, ou l’analyse de données textuelles («?text mining?»), par exemple, peuvent accroître le champ d’informations pouvant être tirées des données. Cela peut aider l’assureur à comprendre un risque posé par un problème spécifique à un client ou à un type de produit, ou à identifier avec plus de précision les cas de sinistres à investiguer.
Utiliser des techniques de visualisation des données. En réponse au volume et à la complexité croissante des données, des techniques de visualisation permettent à des données complexes d’être visualisées et interprétées par les experts du métier via une interface visuelle. Cela les aide à identifier des scénarios et des incohérences. Par exemple, une fois qu’un contrat d’assurance est ouvert, il y a une surveillance continue pour repérer d’éventuelles opérations suspectes. Un éclairage visuel sur les flux d’opérations liées aux contrats aide les investigateurs à identifier de nouveaux scénarios de fraude, par exemple quand différents sinistres ou prestations proviennent d’un même prestataire.
Les avantages d’une meilleure gestion des données
Étant donné le volume important et croissant d’opérations à contrôler, les investigateurs les plus chevronnés ont des difficultés à absorber l’accroissement du nombre de données et d’opérations à traiter selon les approches traditionnelles. Atteindre l’idéal d’une vue unique et exhaustive de chaque client pour aider à détecter et empêcher la fraude et la criminalité financière, peut aider les assureurs à réduire le risque de non-conformité. Ils peuvent ainsi prendre de meilleures décisions de manière préventive lors de l’évaluation des risques, ou l’identification des cas de sinistres à investiguer. Les technologies émergentes peuvent être utilisées pour tirer de l’information des analyses de mails, des messages vocaux et même des messageries instantanées. De plus en plus de clients communiquant directement avec leur assureur via des canaux digitaux et mobiles, la capacité à reconnaître précisément un appareil spécifique et ses accès, peut être extrêmement importante pour pouvoir empêcher les cyberattaques. Une vue unique sur le client permet aussi de rendre plus facile la vente croisée, améliorer la qualité de service, et augmenter le taux de fidélisation du client, grâce à une meilleure compréhension des acteurs avec qui les assureurs interagissent.
Les assureurs doivent se protéger des menaces concernant l’appropriation des données confidentielles, telles que les données personnelles des assurés, et doivent lutter contre les déclarations d’indemnisation frauduleuses.
Un océan de données
Les assureurs obtiennent des données de multiples provenances, à la fois structurées (de la part des assurés), et non structurées (de la part des médias sociaux, de tiers, etc.). Gérer ces données, s’assurer de leur pertinence, à une juste fréquence, et les rendre accessibles à ceux qui en ont besoin, est un défi majeur. Il est indispensable pour les assureurs de bénéficier d’une vision intégrée des données : ce qui suppose des systèmes centralisant les informations qui fournissent une vue unique du client et de ses relations avec l’assureur, en lien avec les autres sources de données clés, tel que les bases de données externes. Dans la plupart des cas, l’information a été obtenue et stockée indépendamment, dans différents départements.
Dans d’autres cas, des informations précieuses sécurisées, provenant des médias sociaux par exemple, peuvent être utilisées dans des buts commerciaux, mais non partagées avec les équipes en charge de la lutte contre la fraude. Les recherches d’Accenture montrent qu’un peu plus de la moitié des organisations financières ont une vue unique de leurs clients, et seulement la moitié environ ont un système unique pour se mettre en conformité avec les directives de lutte contre le blanchiment d’argent. De même, les données liées à la gestion contre la fraude sont fragmentées entre les différentes filières et produits d’assurance. En conséquence, mettre en place une gouvernance des données devient un objectif majeur pour les assureurs qui doit leur permettre de :
- mieux contrôler les flux de données et assurer leur protection, ce qui est un élément central de la gestion du risque de réputation.
- s’assurer de la fiabilité, de la qualité et de la cohérence des données, dont le volume entrant est chaque jour plus important, pour que leur utilisation puisse être un levier de croissance.
Combiner les données et l’analytics pour lutter contre la fraude et la criminalité financière
Les nouvelles technologies apportent des solutions pour faciliter le travail d’acquisition et d’intégration des données, dont de précieuses informations et analyses peuvent être tirées grâce à l’utilisation des techniques d’analyse les plus avancées.
Pour cela, les assureurs doivent disposer de trois choses :
Disposer de données de meilleure qualité. La première étape d’amélioration de la qualité de données consiste à définir les métriques appropriées pour juger de leur qualité. Cela nécessite un ensemble cohérent de critères pour mesurer et améliorer la qualité des données, incluant l’exactitude et l’intégrité des données, leur complétude ou la capacité à les dater afin de vérifier si elles sont toujours à jour ou nécessitent une actualisation pour pouvoir être utilisées.
La seconde étape est de mettre en place un dispositif de réconciliation et d’analyse des données. Un filtrage et un nettoyage approprié des données améliorent la qualité de l’analyse et aident à réduire le nombre de faux-positifs.
La troisième étape est d’améliorer le dispositif de gouvernance des données. Beaucoup d’assureurs disposent désormais d’un «?Chief Data Officer?». Une gouvernance des données, avec des règles bien définies concernant la propriété des données et leur qualité, est un point de passage nécessaire pour coordonner les différents acteurs.
Utiliser «?l’analytics?» pour transformer les données en information, et l’information en analyse. Plus encore que le manque de données, le vrai défi est le manque de «?bonnes?» données, c’est-à-dire trouver les données utiles parmi un flux croissant de nouvelles données arrivant constamment. La plupart des institutions financières utilisent moins de 5?% de leurs données disponibles pour prendre des décisions relatives à la prévention contre la criminalité financière. Les techniques d’analyse vont permettre d’utiliser ces données brutes pour en tirer des enseignements. La mise en place d’un modèle de scoring, l’analyse prédictive, ou l’analyse de données textuelles («?text mining?»), par exemple, peuvent accroître le champ d’informations pouvant être tirées des données. Cela peut aider l’assureur à comprendre un risque posé par un problème spécifique à un client ou à un type de produit, ou à identifier avec plus de précision les cas de sinistres à investiguer.
Utiliser des techniques de visualisation des données. En réponse au volume et à la complexité croissante des données, des techniques de visualisation permettent à des données complexes d’être visualisées et interprétées par les experts du métier via une interface visuelle. Cela les aide à identifier des scénarios et des incohérences. Par exemple, une fois qu’un contrat d’assurance est ouvert, il y a une surveillance continue pour repérer d’éventuelles opérations suspectes. Un éclairage visuel sur les flux d’opérations liées aux contrats aide les investigateurs à identifier de nouveaux scénarios de fraude, par exemple quand différents sinistres ou prestations proviennent d’un même prestataire.
Les avantages d’une meilleure gestion des données
Étant donné le volume important et croissant d’opérations à contrôler, les investigateurs les plus chevronnés ont des difficultés à absorber l’accroissement du nombre de données et d’opérations à traiter selon les approches traditionnelles. Atteindre l’idéal d’une vue unique et exhaustive de chaque client pour aider à détecter et empêcher la fraude et la criminalité financière, peut aider les assureurs à réduire le risque de non-conformité. Ils peuvent ainsi prendre de meilleures décisions de manière préventive lors de l’évaluation des risques, ou l’identification des cas de sinistres à investiguer. Les technologies émergentes peuvent être utilisées pour tirer de l’information des analyses de mails, des messages vocaux et même des messageries instantanées. De plus en plus de clients communiquant directement avec leur assureur via des canaux digitaux et mobiles, la capacité à reconnaître précisément un appareil spécifique et ses accès, peut être extrêmement importante pour pouvoir empêcher les cyberattaques. Une vue unique sur le client permet aussi de rendre plus facile la vente croisée, améliorer la qualité de service, et augmenter le taux de fidélisation du client, grâce à une meilleure compréhension des acteurs avec qui les assureurs interagissent.
