Les statistiques jouent, dans les coulisses, un rôle essentiel dans l’activité d’une assurance. Y compris chez AXA. Nadine Golinelli, Data Scientist, explique ce qui la fascine dans son travail et quelles compétences il requiert.
Nadine, en quoi consiste ton travail de Data Scientist?
Nous abordons sous un angle analytique les questions liées à l’activité d’AXA et mettons en évidence des corrélations à l’aide de données. Les conclusions ainsi obtenues nous permettent d’optimiser les processus.
Quelles sont les qualités requises?
Un bon esprit d’analyse et une méthode de travail axée sur les solutions. Nous examinons chaque idée d’un œil critique afin d’obtenir le meilleur résultat possible au sein de l’équipe.
Comment devient-on Data Scientist?
Il n’y a pas de parcours type! Mes collègues viennent d’horizons très variés: génie mécanique, statistiques, biomécanique, informatique de gestion. J’ai moi-même étudié les sciences politiques. Dès mon bachelor, j’ai su que je voulais approfondir les méthodes quantitatives. Dans le cadre de mon master spécialisé dans ce domaine, j’ai pu acquérir les outils dont j’ai aujourd’hui besoin chez AXA. Mon travail me permet d’appliquer et d’approfondir mes connaissances.
«Nous examinons chaque idée d’un œil critique afin d’obtenir le meilleur résultat possible au sein de l’équipe.»
Les méthodes quantitatives et les statistiques ne sont-elles pas des matières un peu ingrates?
Absolument pas! J’ai tout de suite été conquise par cette logique et cette méthode de travail. Nous essayons toujours de faire évoluer nos cas d’usage en utilisant de nouvelles sources de données et de nouvelles approches de modélisation. Dans l’univers de l’assurance, les cas d’usage basés sur les données sont en outre passionnants et très variés. L’idée que notre travail permet de développer des solutions pour l’avenir est très gratifiante.
Un cas d’usage analytique est un cas d’application concret qui utilise des données et des techniques de data science pour résoudre un problème commercial réel.
De quelles solutions peut-il s’agir?
Concrètement, nous développons entre autres des méthodes visant à optimiser la détection des fraudes ou des recours. L’amélioration constante de la qualité ne profite pas seulement à AXA, mais également à l’ensemble de notre clientèle. Ce que j’aime aussi dans mon travail, c’est qu’il me fait sans cesse découvrir de nouveaux champs d’application dans lesquels la data science peut créer une valeur ajoutée. Je pense par exemple à la détection d’un dommage total à partir des données ou à l’examen automatisé de la notion d’accident.
Quelle est la structure de l’équipe Claims Analytics?
Notre équipe se compose d’analystes quantitatifs (quants) et d’ingénieurs. Les quants réalisent des analyses commerciales et de données, des modèles statistiques et des évaluations. Les ingénieurs travaillent sur la connexion et le traitement des données et établissent des bases stables et efficaces pour un projet de data science. Les frontières sont toutefois assez floues.
Nous attachons beaucoup d’importance au développement et à l’apprentissage mutuel.
Quelle est la recette du succès pour une équipe?
Je citerais trois aspects:
En tant que collaboratrice, qu’est-ce qui te plaît chez AXA?
J’apprécie la culture de communication positive et ouverte, mais aussi l’examen critique systématique des nouvelles solutions et idées. Nous sommes toujours en action et nous développons constamment. En tant qu’assurance toutes branches, AXA propose par ailleurs une très large palette de possibilités pour les services analytiques. Nous devons faire preuve de vigilance et nous informer des évolutions des autres secteurs, afin de pouvoir exploiter les synergies et apprendre des autres. Cette vision globale est à la fois très stimulante et inspirante. J’apprécie par ailleurs beaucoup la flexibilité de notre collaboration. Chaque membre de l’équipe est libre de choisir son lieu de travail. Si je dois travailler seule sur une tâche précise, je reste volontiers à la maison. Pour aborder ensemble une nouvelle problématique, nous nous retrouvons toutes et tous au bureau: nous sommes alors très efficaces et atteignons plus rapidement l’objectif visé.