Une compagnie d'assurance économise plus de 16 millions de reais en un an avec l'analyse prédictive

La solution développée par act digital a permis d'éviter des pertes de plusieurs millions dues aux paiements de sinistres injustifiés

Défi

Une compagnie d'assurance brésilienne cherchait à augmenter la précision de l'analyse des risques liés à la sinistralité, aux refus, aux déviations ou aux fraudes. Même avec l’utilisation d’un système, l'entreprise avait toujours des pertes financières liées à des paiements indus en raison de l'incapacité à identifier ces événements.

Solution

L’équipe d’act digital a adopté une solution basée sur le Machine Learning (apprentissage automatique) et l'Intelligence Artificielle (IA) pour améliorer l'analyse prédictive du système utilisé par l'entreprise. De plus, de nouvelles fonctionnalités et ressources ont été intégrées au logiciel, améliorant ainsi la gestion des risques pour l'entreprise.

Résultats

Au cours de la première année, après la mise en œuvre de la solution, l'entreprise a réalisé une économie de 16,6 millions de reais. L'entreprise prévoit, sur cinq ans, d'économiser 490 millions de reais, grâce à la plus grande capacité prédictive de son système.

Traiter la sinistralité (demandes d’assurances) et identifier les fraudes sont des défis constants pour les assureurs qui cherchent à protéger sa santé financière. Dans ce marché où chaque sinistre génère un impact financier et augmente les risques, la capacité à prévoir et prévenir les fraudes est essentielle. Avec l'avancement des nouvelles technologies, telles que l'intelligence artificielle et l'apprentissage automatique [Machine Learning], de nouvelles possibilités apparaissent pour relever ce défi.

C'est dans le but d'intégrer des technologies avancées dans ses processus que l'une des plus importantes compagnies d'assurance du Brésil a engagé act digital. Le projet consistait à mettre en œuvre un modèle prédictif basé sur l'IA et l'apprentissage automatique [Machine Learning], capable d'identifier les modèles suspects et les sinistres injustifiés, en évitant ainsi la perte de plusieurs millions.

La solution a garanti à l'entreprise une vue complète et détaillée des opérations, en permettant des actions préventives plus efficaces. Dès la première année après la mise en œuvre, la compagnie d’assurance a économisé plus de 16 millions de reais, ce qui démontre l'impact positif et l'importance de l'analyse prédictive dans la gestion des sinistres et des fraudes.

En outre, le taux moyen des refus effectués – métrique qui indique la proportion de refus (refus de paiement pour les services fournis) effectués – est passé d’environ 50 % à 70 %. Ces résultats ont permis à l'entreprise de prévoir des économies de 490 millions de reais en cinq ans. Découvrez tous les détails du projet !

Client : présence centenaire sur le marché de l'assurance

Fondée en 1895, l’entreprise est l'une des plus grandes compagnies d'assurance du Brésil. En 2007, elle a commencé à fonctionner comme une entreprise cotée en bourse, en renforçant ainsi ses relations avec les investisseurs et le marché. Actuellement, le groupe sert plus de 7 millions de clients, qui souscrivent des assurances dans différents domaines, tels que la santé, la dentisterie, la vie et la prévoyance, ainsi que des investissements.

Grâce à ces produits, la compagnie remplit sa mission d'assurer une vie meilleure aux personnes, en leur offrant soutien, sécurité et autonomie à tout moment. Ses solutions sont axées sur la santé physique, émotionnelle et financière.

Avec plus de 4 000 employés, la compagnie d'assurance dispose d'un réseau complet d’experts, composé de courtiers, médecins, consultants et autres professionnels travaillant dans les secteurs de l'assurance et de l'investissement.

Défi : augmenter la précision dans l’analyse des sinistres, des refus et des fraudes

L'entreprise avait des pertes financières résultant de fraudes, sinistres et refus indûment payés. Par exemple, les refus, c'est-à-dire les refus de paiements pour des services fournis, lorsqu'ils ne sont pas identifiés, ils génèrent un coût qui pourrait être évité. Le problème était que le système d'analyse de l'entreprise ne fournissait pas d'analyses avec le niveau de précision nécessaire pour réduire ces pertes et optimiser ses processus.

La compagnie d’assurance utilisait déjà un système, mais celui-ci était obsolète et ne répondait pas aux besoins de l’opération. Par exemple, seuls deux déviations étaient vérifiées par l'outil et quelques analyses importantes n'étaient pas vérifiées (comme celles liées aux matériels et aux médicaments qui pourraient être refusés).

Objectifs attendus

  • Réduire les pertes financières.
  • Prédire les risques de fraude, de déviations et d’abus.
  • Augmenter les variables et les situations analysées par le système.
  • Améliorer la capacité analytique et prédictive de l'entreprise.
Machine Learning e IA

Solution : système amélioré grâce à l'IA et à l'apprentissage automatique

Pour faire face aux défis présentés, un modèle prédictif a été développé pour identifier et prévenir les gloses, en structurant une banque de données robuste et en intégrant d'autres provenant de plusieurs sources transactionnelles. La solution comprend la visualisation des données et la surveillance continue de la performance du modèle prédictif, en permettant des actions préventives plus efficaces.

Méthodologies

Des méthodologies telles que le Design Thinking, l’Human-Centered Design et le DesignOps ont été adoptées pour soutenir le processus de design. De plus, l'outil Duplo Diamante a été utilisé pour mener des recherches UX et développer des prototypes.

Technologies employées

  • Google Cloud Platform (GCP) : utilisée pour la structuration et la gouvernance des données.
  • Python : mise en œuvre pour développer un apprentissage automatique du modèle prédictif.
  • Tableau : utilisée pour la visualisation des données.
  • Miro : outil pour mener et documenter toutes les recherches UX.
  • Adobe XD : utilisé pour prototyper la solution.

Changements apportés au système

  • Déviations : l’outil, qui n’évaluait auparavant que deux types de déviations, considère désormais huit variables.
  • Matériels et médicaments : le système a commencé à analyser les situations liées à l’utilisation de matériels et de médicaments (qui pourraient également conduire à des refus).
  • Analyse prédictive étendue : le logiciel a étendu l'analyse prédictive à tous les types de comptes, couvrant à la fois les domaines administratifs et techniques, alors qu'elle se limitait auparavant à ce dernier.
  • Refus de masse : fonctionnalité qui n’était pas encore proposée par le système.
  • Dashboards : des panneaux de données contenant des informations pouvant être surveillées par les équipes.

Résultats : économie de plusieurs millions avec sinistres et déviations

La mise en œuvre de la solution a apporté des améliorations significatives à l'entreprise, en optimisant les processus et en réduisant les pertes. L'analyse technique et administrative des refus a été automatisée, en permettant une plus grande rapidité dans la reconnaissance des fraudes. Par conséquent, l’efficacité opérationnelle a augmenté, ce qui a entraîné une réduction significative des fraudes et des refus, en générant ainsi des économies pour la compagnie d’assurance.

Principaux résultats

  • Automatisation des processus : amélioration de l’analyse technique et administrative des refus.
  • Reconnaissance rapide des fraudes : agilité accrue dans l’identification des fraudes.
  • Optimisation opérationnelle : réduction des étapes manuelles dans l'analyse des refus.
  • Économie financière : réduction significative des fraudes et des refus, en générant des économies pour l'entreprise. Au cours de la première année, la compagnie a cessé de dépenser 16,6 millions de reais. La projection sur cinq ans est que le montant économisé atteindra 490 millions de reais.
  • Plus d'efficacité : le taux d'efficacité moyen dans l'analyse des refus est passé d'environ 50 % à 70 %.

Comment pouvons-nous aider votre entreprise

Les services d’act digital garantissent la sécurité et la précision, en proposant des solutions innovantes utilisant des technologies avancées. La gestion effective des données et les processus opérationnels efficaces aident les compagnies d’assurance à s'adapter au nouveau marché numérique.

Nous apportons des innovations grâce à un écosystème d’affaires moderne et numérique, en surveillant et analysant les données en temps réel. Nous créons des modèles prédictifs qui anticipent les fraudes et les sinistres injustifiés, en plus d'offrir des solutions personnalisées qui répondent aux besoins spécifiques de chaque client. Découvrez quelques-unes de nos principales approches dans ce secteur!

  • IoT et Machine Learning : nous intégrons des appareils connectés et des algorithmes avancés pour collecter et analyser les données en temps réel, identifier les modèles et prévenir les risques.
  • Informatique en nuage : nous utilisons des plateformes de nuage pour stocker et traiter de gros volumes de données de manière sécurisée et efficace.
  • Intelligence artificielle : nous développons des modèles d'IA pour prédire et réduire la fraude, en améliorant ainsi la prise de décision et la gestion des risques.
  • Gestion stratégique des données : nous mettons en œuvre des pratiques avancées de gestion des données, en garantissant l'intégrité, la sécurité et l'utilité des informations pour la prise de décision stratégique.

Votre entreprise a-t-elle besoin d’une solution avancée d’analyse prédictive ? Nous pouvons vous aider. Contactez nos experts!

Share
Copy
Article copied

Vous souhaitez transformer votre entreprise et mener un processus d’innovation ? Nous avons les bonnes méthodes, technologies et experts pour soutenir votre entreprise.

image