Aller à la navigation principale Aller au contenu Aller à la navigation de bas de page
Répertoire spécifique

Management en data science pour l'actuariat

Active

N° de fiche
RS3921
Code(s) NSF :
  • 326n : Analyse informatique, conception d'architecture de réseaux
  • 326t : Programmation, mise en place de logiciels
  • 326m : Informatique, traitement de l'information
Formacode(s) :
  • 31054 : informatique
Date d’échéance de l’enregistrement : 31-12-2021
Nom légal Nom commercial Site internet
INSTITUT DES ACTUAIRES - -
Objectifs et contexte de la certification :

La certification vise le développement des compétences techniques des actuaires permettant :

  •  D'aborder de facon opérationnelle les problématiques liées aux nouveaux usages du numerique et à la nouvelle typologie des données : diversité et volumetrie.
  • D'acquerir les elements de la chaîne de traitement de données massives : stockage, filtrage, analyse prédictive, validation, visualistaion, valorisation.
  • D'identifier des enjeux économiques (valeur client, tarification personnalisée, prévention ciblée des risques) dans un cadre juridique et déontologique en évolution.
Compétences attestées :

A1. Maintenir une connaissance à jour sur les sujets de data science et d’intelligence artificielle afin de sélectionner les algorithmes pertinents pour le secteur de l’actuariat en effectuant une veille technique, technologique, et règlementaire.

  •  A1C1. Suivre les avancées et innovations en matière d’algorithmes de data science à travers divers vecteurs d’informations (sites internet spécialisés) ou en participant à des évènements dédiés.
  • A1C2. Evaluer la validité scientifique et opérationnelle des algorithmes de data science pertinents afin d’en déduire des méthodologies innovantes adaptées à l'actuariat.
  • A1C3. Identifier l’impact des évolutions règlementaires en droit des données sur les procédures opérationnelles de gestion des données dans les société d’assurance.

A2. Sélectionner et déployer des algorithmes de data science sur des problématiques de quantification de risques actuariels

  • A2C1. Mettre en œuvre et tester les algorithmes de data science identifiés, en corrigeant imperfections des logiciels récupérés en open source (Capacité de codage).
  • A2C2. Préparer les données de sa compagnie d’assurance  afin de les normaliser pour y appliquer des algorithmes de data science et  quantifier un risque actuariel.
  • A2C3. Utiliser les nouvelles méthodes prédictives de machine learning pour challenger les modèles actuariels habituels de quantification des risques dans les sociétés d’assurance.

A3. Auditer, manipuler, exploiter et mettre en forme de grands volumes d’information non structurée afin de les utiliser dans des processus de quantification de risque actuariel en société d’assurance.

  • A3C1. Créer et valoriser l’information disponible non exploitée dans les sociétés d’assurance (qualitative, quantitative, texte), en la structurant sous forme de base de données.
  • A3C2. Traiter et intégrer ces nouvelles données dans les modèles actuariels existants.
  • A3C3. Développer, calibrer et back tester sur ces données des algorithmes de machine learning pour la prédiction de risque actuariel.
  • A3C4. Veiller à respecter une utilisation de ces données conforme aux réglementations et législations en matière d’assurance ; protection des données personnelles (CNIL, RGPD), responsabilité Civile et en s'appuyant sur les services juridiques pour valider ses choix.

A4. Communiquer et synthétiser l’information pertinente issue d’analyse de données massives auprès de professionnels du monde de l’assurance, afin d’aider à la prise de décision opérationnelle.

  • A4C1. Fusionner des données externes et internes d’une entreprise et analyser les relations entre ces variables pour identifier celles qui sont pertinentes à un contexte ou à une problématique actuarielle particulière.
  • A4C2. Sélectionner les tables, graphiques et outils de visualisation adaptés au public visé et aux objectifs attendus, dans le cadre de la présentation des résultats d’une étude actuarielle.
  • A4C3. Synthétiser, mettre en forme les données à l'aide de systèmes d'informations liés au machine learning (R ; Python)  pour en extraire une connaissance décisionnelle opérationnelle en compagnie d’assurance.
  • A4C4. Mettre en place un dashboard, un reporting ou une présentation à tout public (spécialiste ou non) en vue de faciliter la prise de décision opérationnelle sur une problématique actuarielle.
  • A1C2. Evaluer la validité scientifique et opérationnelle des algorithmes de data science pertinents afin d’en déduire des méthodologies innovantes adaptées à l'actuariat.
  • A1C3. Identifier l’impact des évolutions règlementaires en droit des données  sur les procédures opérationnelles de gestion des données dans les société d’assurance.
  • A2C1. Mettre en œuvre et tester les algorithmes de data science identifiés, en corrigeant imperfections des logiciels récupérés en open source (Capacité de codage).
  • A2C2. Préparer les données de sa compagnie d’assurance  afin de les normaliser pour y appliquer des algorithmes de data science et  quantifier un risque actuariel.
  • A2C3. Utiliser les nouvelles méthodes prédictives de machine learning pour challenger les modèles actuariels habituels de quantification des risques dans les sociétés d’assurance.
  • A3C1. Créer et valoriser l’information disponible non exploitée dans les sociétés d’assurance (qualitative, quantitative, texte), en la structurant sous forme de base de données.
  • A3C2. Traiter et intégrer ces nouvelles données dans les modèles actuariels existants.
  • A3C3. Développer, calibrer et back tester sur ces données des algorithmes de machine learning pour la prédiction de risque actuariel.
  • A3C4. Veiller à respecter une utilisation de ces données conforme aux réglementations et législations en matière d’assurance ; protection des données personnelles (CNIL, RGPD), responsabilité Civile et en s'appuyant sur les services juridiques pour valider ses choix.
  • A4C1. Fusionner des données externes et internes d’une entreprise et analyser les relations entre ces variables pour identifier celles qui sont pertinentes à un contexte ou à une problématique actuarielle particulière.
  • A4C2. Sélectionner les tables, graphiques et outils de visualisation adaptés au public visé et aux objectifs attendus, dans le cadre de la présentation des résultats d’une étude actuarielle.
  • A4C3. Synthétiser, mettre en forme les données à l'aide de systèmes d'informations liés au machine learning (R ; Python)  pour en extraire une connaissance décisionnelle opérationnelle en compagnie d’assurance.
  • A4C4. Mettre en place un dashboard, un reporting ou une présentation à tout public (spécialiste ou non) en vue de faciliter la prise de décision opérationnelle sur une problématique actuarielle.
Modalités d'évaluation :

La formation est uniquement accessible par la formation continue ou par la validation d'acquis.

168 heures de formation répartie sur 12 mois.

Le cas échéant, niveaux de maîtrise des compétences :

N/A

Le cas échéant, durée de validité en années :
Si durée limitée, modalités de renouvellement :
Possibilité de validation partielle :

Oui

Périmètre de la validation partielle :

La certification partielle peut advenir dans le cas d'une VAE. Dans ce cas, la poursuite du parcours se fait sur proposition du jury et le candidat doit apporter la preuve de l'acquisition des compétences manquantes par unité de certification correspondant aux 4 activités du référentiel.

Références juridiques des règlementations d’activité :
Le cas échéant, prérequis à la validation des compétences :

Professionnel maitrisant les techniques actuarielles ayant 3 années d’expérience dans la fonction.



Lien avec d’autres certifications professionnelles, certifications ou habilitations : Non
Date d'échéance de l'enregistrement 31-12-2021
Statistiques :
Lien internet vers le descriptif de la certification :

https://www.institutdesactuaires.com


Le certificateur n'habilite aucun organisme préparant à la certification

Fiche au format antérieur au 01/01/2019
Ouvre un nouvel onglet Ouvre un site externe Ouvre un site externe dans un nouvel onglet