Objectif : Scoring de risque de crédit.
◼ Développement sous Python de statistiques descriptives et exploratoires des cautionnements.
◼ Détection des variables les plus pertinentes par modélisation Machine Learning LightGBM de défaut
de sinistre via package scikit learn.
◼ Gini comparatifs des performances des modèles de score actuel EDC versus modèle de
score Machine Learning.
◼ Modélisation par régression logistique du risque de crédit sur les cautionnements des Tabac Presse
PMU FDJ après réduction des dimensions via package statsmodels.
Objectif 1 : Conception d’une base unique de données d’Epargne Retraite Individuelle et Collective.
◼ Conception des règles d’alimentation des flux de primes prestations, des stocks de provisions, des
éléments techniques, à la maille produit protocole garantie option tarif support, des systèmes de
gestion PTV 8X et LMP dans une base oracle unique de données d’épargne retraite individuelle et
collective.
◼ Contrôle de la qualité des données alimentées dans la base de données Réceptacle Epargne Retraite
(RER) : Contrôle de cohérence référentiels des flux, cohérence primes reçues - primes investies,
cohérence prestations payées - prestations désinvestis, récurrence des provisions, reporting htlm via
SAS Guide.
Contrôle des flux par rapprochements compta-gestion, reporting de suivi de écarts sous Excel
◼ Construction des KPIs de suivi d’avancement des User Story de la Backlog Jira via Excel.
◼ Amélioration continue de la base Réceptacle Epargne Retraite en cohérence avec son modèle de
données.
Objectif 2 : Construction de model-points pour projection de PM, Chiffre d’affaires et Frais
d’Acquisition Reportés dans l’outil de modélisation Tychee.
◼ Construction des axes de projection Solvabilité 2 IFRS 17 type :
Produit, type d’affaire, type d’activité, classe ifrs4, type de support, tarif garanti, lien de participation,
indicateur de sortie en rente obligatoire, phase du contrat (constit, restit), type d’engagement, mode
comptabilisation, type de fiscalité, segment IFRS, génération de contrat etc.
◼ Implémentation sous SAS des règles d’enrichissement et d’agrégation des model-points.
Regroupement des Model Points par seuil de petits par famille de produit, par durée moyenne
écoulée et durée moyenne restante du contrat, par âge moyen de l’assuré principal
Objectif 1 : Conception d’une base unique de données d’Epargne Retraite Individuelle et Collective.
Conception des règles d’alimentation des flux de primes prestations, des stocks de provisions, des
éléments techniques, à la maille produit protocole garantie option tarif support, des systèmes de
gestion PTV 8X et LMP dans une base oracle unique de données d’épargne retraite individuelle et
collective.
Contrôle de la qualité des données alimentées dans la base de données Réceptacle Epargne Retraite
(RER) : Contrôle de cohérence référentiels des flux, cohérence primes reçues - primes investies,
cohérence prestations payées - prestations désinvestis, récurrence des provisions.
Contrôle des flux par rapprochements compta-gestion.
Amélioration continue de la base Réceptacle Epargne Retraite en cohérence avec son modèle de
données.
Objectif 2 : Construction de model-points pour projection de PM, Chiffre d’affaires et Frais
d’Acquisition Reportés dans l’outil de modélisation Tychee.
Construction des axes de projection Solvabilité 2 IFRS 17 type :
Produit, type d’affaire, type d’activité, classe ifrs4, type de support, tarif garanti, lien de participation,
indicateur de sortie en rente obligatoire, phase du contrat (constit, restit), type d’engagement, mode
comptabilisation, type de fiscalité, segment IFRS, génération de contrat etc.
Implémentation sous SAS des règles d’enrichissement et d’agrégation des model-points.
Regroupement des Model Points par seuil de petits par famille de produit, par durée moyenne
écoulée et durée moyenne restante du contrat, par âge moyen de l’assuré principal
Contribution à l’alimentation de base actuarielle pour calcul des SCR
Objectif 1 : Rétro documentation du programme SAS de suivi des gros sinistres
Analyse des programmes de suivi des gros sinistres sur les branches DAB, GAV et RC Auto et Diverse.
Rétro rédaction des spécifications technico fonctionnelles
Objectif 2 : Optimisation du programme de calcul de cessions de sinistres aux réassureurs de BPCE
Assurances
Optimisation du programme SAS de calcul des PSAP et des règlements de sinistres à céder aux
réassureurs
Développement des clauses de stabilité, de rente, d’agrégat déductible et d’agrégat limite
conformément aux traités de réassurance en vigueur entre BPCE Assurances et ses réassureurs.
Objectif 1 : Au sein de la Direction de l’Actuariat Patrimonial, Optimisation des reporting sur les
Embedded Values pour respect délai de livraison à l’ACPR
Audit des programmes SAS de production de reporting sur les Embedded Values, rédaction du
rapport d’audit.
Préconisations d’optimisation des traitements pour passer de 5 jours de processus de traitements à
une demi-journée.
Mise en place des préconisations. Présentation à la direction des modifications apportées et
démonstration de l’effectivité de l’optimisation.
Objectif 1 : Contrôle de qualité des données à la Direction Financière et Risque
Migration technique d’applications métiers SAS (Reporting SAP, Récurrence des PM, Machine à écrire
des Provisions Techniques etc.), optimisation des programmes.
Prise en charge de l’analyse de la qualité des données sur les actes de gestion de l’application Rivage
et les écritures comptables dans SAP.
Rapprochement entre la gestion et la comptabilité.
Préparation de la documentation sur la qualité des données dans le cadre de Solvency 2.
Objectif 2 : Construction d’une base de données unique d’assurance individuelle sur les produits
Epargne Prévoyance Retraite à destination des actuaires de GGVIE
Analyse des programmes des actuaires et recensement des données pertinentes pour les inventaires
et les modèles pointes.
Harmonisation des données clé des Back Office (les garanties, les produits, les supports, la fiscalité,
les types de montants d’inventaire, les types de flux etc.).
Construction de référentiels produits/garanties.
Conception et développement des programmes SAS d’alimentation de la base de données oracle.
Mise en place de la récurrence des PM et de contrôles de qualité de données source / cible.
Objectif 1 : Contrôle de qualité des données prudentielles et comptables à destination des contrôleurs de
l’ACPR et de la BCE.
Data Analyst dans le cadre des taxonomies de collecte de données assurances/banques Taxonomie
Solvabilité II EIOPA (AEAPP), Taxonomie Reporting Assurance National (RAN) définit les remises
annuelles décrites dans les États Nationaux Spécifiques (ENS), Taxonomie LCB-FT (Lutte Contre le
Blanchiment et le Financement du Terrorisme), Taxonomies CRD4 (Corep, Finrep), SURFI.
Construction de maquettes d'indicateurs bâlois sous SAS Guide, SAS Addin.
Automatisation de reportings réglementaires pour la BCE, EBA.
Objectif 1 : Conception technique de l’application « Paris_INSEE » de Constitution des référentiels INSEE
et Traitement de Mise en Concordance Automatique.
Rédaction du DCT (Document de Conception Technique) de l’application « Paris INSEE ».
Développement de la mise en concordance des données par l’algorithme de distance d’édition
généralisée.
Objectif 1 : Conception d’applications de surveillance de portefeuille de contrats d’assurance, de suivi
des sinistres, de la qualité des données de Provision Mathématique dans le cadre de Solvency 2.
Mise en place d’évolution de règles de gestion fonctionnelles sur les contrats Auto, Non Auto, gestion
des sinistres sur contrats entreprise et particuliers, assurance vie individuelle.
Recueil des besoins auprès du métier actuariat et transcription des cahiers des charges en
spécification fonctionnelle pour l’implémentation technique des nouvelles majorations de
primes sur contrats auto/entreprise et...