Auteurs

Par Adam Fisher, directeur des données chez Sedgwick

Chaque sinistre raconte une histoire. Il révèle comment les risques se développent, ce qui influence les coûts, où surviennent les retards et quelles interventions peuvent avoir le plus d'impact sur les résultats. L'analyse de millions de réclamations s'étalant sur des décennies, différents secteurs et régions géographiques permet de dégager des tendances qui nous aident à prendre de meilleures décisions.

Chez Sedgwick, nous avons accès à l'une des bases de données de réclamations les plus complètes de l'industrie, cinq fois plus importante que celle de notre principal concurrent. Cette envergure nous donne une perspective unique sur les défis auxquels nos clients sont confrontés, qu'il s'agisse de la gravité croissante des réclamations, des coûts des litiges ou des besoins de plus en plus complexes en matière de main-d'œuvre.

Les progrès dans les domaines du nuage, de l'analytique de données et de l'intelligence artificielle nous permettent de tirer davantage de valeur de ces informations. Nous pouvons identifier des tendances significatives, anticiper les risques émergents et fournir des analyses pertinentes aux décideurs, en nous appuyant sur des décennies d'expérience pour mieux comprendre les dossiers actuels.

Au cours des dernières années, nous avons investi massivement dans les ressources humaines, technologiques et infrastructurelles nécessaires à la réalisation de ce travail. Ces investissements contribuent à façonner l'évolution continue d'Omni, l'écosystème numérique intégré de Sedgwick, et créent de nouvelles solutions pour améliorer les résultats obtenus par nos clients et les personnes qu'ils servent.

Établir les bases d'une meilleure intelligence

La gestion des données à l'échelle de Sedgwick exige une infrastructure sophistiquée. Dans le cadre de nos activités mondiales, nous traitons d'énormes volumes d'informations générées par différents systèmes de gestion des réclamations, secteurs d'activité, programmes clients et environnements régionaux.

Historiquement, une grande partie de ces informations était gérée par une infrastructure de données hautement sécurisée et bien établie, qui continue de jouer un rôle important dans nos opérations. Au cours des dernières années, nous avons augmenté nos investissements dans les technologies infonuagiques afin d'analyser des volumes d'informations plus importants et de rendre les données plus facilement accessibles.

L'un de ces investissements est Snowflake, une plateforme de données infonuagique qui nous permet d'intégrer sélectivement des informations provenant de nos systèmes existants dans un environnement conçu pour prendre en charge l'analytique et les rapports avancés.

Cette approche nous offre une plus grande souplesse dans le traitement des données. Nous pouvons ainsi prendre en charge des modèles prédictifs de plus en plus sophistiqués, diffuser l'information à un plus large public et adapter nos outils analytiques à l'évolution technologique.

Ça nous permet aussi d'opérer plus efficacement à l'échelle mondiale. Les exigences réglementaires, les pratiques commerciales et les méthodes de déclaration des réclamations varient d'une région à l'autre. Notre architecture de données nous permet de maintenir des environnements régionaux adaptés tout en appliquant des outils et des approches analytiques cohérents pour l'ensemble de nos opérations internationales.

La gouvernance des données est essentielle tout au long de ce processus. Le maintien de contrôles appropriés sur l'accès à l'information, son organisation et son utilisation contribue à garantir la fiabilité des renseignements que nous produisons et le traitement responsable des renseignements de nos clients.

Trouver plus d'informations dans les données qu'on a déjà.

L'une des évolutions les plus excitantes en science des données est notre capacité croissante à analyser des informations qui, historiquement, étaient difficiles à utiliser à grande échelle.

Les déclarations de réclamation génèrent deux grandes catégories d'informations. Les données structurées comprennent les informations saisies dans des champs définis, tels que le type de réclamation, la juridiction, les caractéristiques des blessures, les coûts et les dates importantes. Ces renseignements alimentent depuis longtemps nos rapports, nos analyses comparatives et nos analyses prédictives.

Les données non structurées ajoutent une autre dimension. Elles comprennent les notes de réclamation, la documentation médicale, les plans d'action et d'autres renseignements narratifs qui aident à expliquer le déroulement d'une réclamation tout au long de son cycle de vie.

Pendant des années, extraire des informations pertinentes de ces données nécessitait un travail manuel considérable. Aujourd'hui, les progrès de l'IA et du traitement automatique du langage naturel nous permettent d'intégrer davantage de ces informations dans nos modèles analytiques.

Nous avons constaté par nous-mêmes l'importance de ce contexte supplémentaire. Lors du développement de notre nouvelle génération de modèles de gravité des réclamations, l'une des améliorations les plus significatives a été l'intégration d'informations non structurées aux données de réclamation traditionnelles.

Cette compréhension plus fine nous aide à identifier des tendances qui seraient autrement difficiles à reconnaître, notamment lorsqu'on examine des millions de demandes d'indemnisation présentant des caractéristiques et des circonstances différentes.

À mesure que nos experts en sinistres utilisent de plus en plus d'outils d'IA pour faciliter la documentation et la synthèse des informations, nous constituons un corpus croissant d'informations détaillées et cohérentes, essentielles aux analyses futures. La richesse et la qualité de ces renseignements continueront d'enrichir les analyses que nous pourrons réaliser.

Mettre l'information au service des décisions

Les rapports et les tableaux de bord jouent depuis longtemps un rôle important pour aider les organisations à comprendre la performance de leurs programmes de gestion des sinistres. Les gestionnaires de risques et les dirigeants d'entreprise s'appuient sur ces outils pour suivre les tendances, évaluer les résultats et identifier les points à améliorer au sein de leurs programmes.

Nous élargissons actuellement la manière dont ces renseignements parviennent aux personnes, en mettant l'accent sur la mise à disposition des informations pertinentes au sein des processus décisionnels.

Prenons l'exemple d'un expert en sinistre qui examine un dossier. Ce professionnel met à profit son expérience, son jugement et sa connaissance du contexte pour déterminer les prochaines étapes. Grâce à l'analyse de données intégrée, nous pouvons enrichir cette expertise avec des leçons tirées de milliers de dossiers similaires, notamment les tendances historiques, les indicateurs de gravité potentiels et les facteurs qui ont influencé les résultats.

Le fait de disposer de ces informations pendant l'examen d'une réclamation peut aider les professionnels à identifier les problèmes émergents et à évaluer les interventions potentielles plus tôt dans le processus.

Grâce à nos investissements continus dans l'analyse intégrée et l'écosystème Omni, nous renforçons la capacité de nos employés à fournir des informations pertinentes directement dans les systèmes qu'ils utilisent pour gérer les sinistres. Ces renseignements peuvent ainsi être présentés dans le contexte de leur travail quotidien, facilitant l'intégration de recommandations fondées sur les données dans leurs décisions.

Pour les clients, ces fonctionnalités permettent également une gestion de programme plus proactive. L'analyse avancée des données peut aider à identifier les tendances émergentes, à faciliter les prévisions et à mieux comprendre les facteurs influençant le traitement des sinistres.

À mesure que nous développons ces outils, nous nous efforçons de rendre les informations plus accessibles et utiles à un plus large éventail de personnes, du gestionnaire de sinistres qui gère un dossier individuel au gestionnaire des risques qui supervise un programme mondial complexe.

Transformer l'intelligence prédictive en action

La valeur de nos données devient particulièrement évidente lorsque nous les appliquons à des problèmes ayant un impact significatif sur l'issue des réclamations.

Un exemple de ceci est la gravité des sinistres. Dans le cadre des programmes d'assurance responsabilité civile, le repérage précoce des réclamations potentiellement complexes ou coûteuses permet une intervention plus efficace, une allocation des ressources optimisée et une gestion des litiges plus performante.

Notre équipe de science des données a mis au point une nouvelle génération de modèles de gravité qui s'appuient sur des millions de dossiers de sinistres historiques, des centaines de millions de notes de sinistres non structurées et des décennies d'expérience. Ces modèles évaluent les sinistres selon cinq catégories de gravité, permettant ainsi aux professionnels de comprendre le risque relatif et de prioriser leurs interventions en fonction des caractéristiques de chaque sinistre.

Pour les demandes d'indemnisation pour dommages corporels en responsabilité civile générale, nous avons déjà mis en œuvre cette approche. Les modèles utilisent un large éventail d'informations, notamment les caractéristiques structurées des demandes d'indemnisation et les documents non structurés, afin d'identifier les demandes qui pourraient nécessiter une attention particulière.

Nous appliquons aussi l'intelligence prédictive à l'intervention clinique. Nos systèmes d'aide à la décision en matière de soins basés sur l'IA analysent les données des demandes de remboursement afin d'identifier les cas susceptibles de bénéficier de l'intervention d'un clinicien, permettant ainsi un accès plus rapide à l'expertise et aux soins appropriés.

La portée de nos renseignements historiques confère à ces modèles une base solide pour identifier les tendances, tandis que nos experts en sinistres apportent l'expertise nécessaire pour interpréter les résultats et déterminer la marche à suivre appropriée.

Un aspect essentiel de notre démarche consiste à s'assurer que les modèles fournissent des directives pertinentes aux gestionnaires de sinistres. Outre l'identification d'un problème potentiel, nous voulons aider les professionnels à comprendre les facteurs qui contribuent à cette évaluation, qu'il s'agisse d'une juridiction particulière, d'une caractéristique du préjudice ou d'un schéma observé dans des réclamations similaires.

Ce contexte fournit au gestionnaire de sinistres des renseignements supplémentaires à prendre en compte en plus de son expérience et de son jugement. L'explication du score prédictif peut s'avérer particulièrement précieuse pour l'aider à déterminer les mesures à prendre.

Continuer d'élargir l'éventail des possibilités

La quantité d'informations à notre disposition ne cesse de croître, et les progrès de l'IA et de l'analyse de données élargissent notre champ d'action. Nous sommes de plus en plus capables d'intégrer des informations provenant de l'ensemble du cycle de vie d'un sinistre, de les analyser avec une plus grande finesse et de diffuser les enseignements qui en découlent à un plus grand nombre de personnes.

Chez Sedgwick, nous continuons de renforcer notre infrastructure de données, d'intégrer de nouvelles sources d'information et d'affiner nos modèles prédictifs. Nous nous attachons également à simplifier l’utilisation de ces outils afin que les analyses de nos équipes de science des données puissent être appliquées de manière cohérente à l’ensemble de nos opérations.

Chaque dossier que nous gérons contribue à notre compréhension des risques, du recouvrement, des facteurs de coûts et des éléments qui influencent les résultats. Au fil du temps, cette expérience accumulée renforce notre capacité à identifier les tendances et à repérer les situations où une intervention plus rapide pourrait faire la différence.

Ce travail est essentiel à l'évolution continue d'Omni. En connectant davantage nos données, nos capacités analytiques et notre expertise en matière de réclamations au sein de l'écosystème, nous pouvons offrir à nos collègues et à nos clients une vision plus claire des facteurs qui influencent l'issue des réclamations et les aider à réagir avec plus d'assurance.

Grâce à la richesse des renseignements dont dispose Sedgwick et aux investissements que nous avons faits dans leur utilisation, nous sommes idéalement placés pour continuer à développer le rôle des données dans la gestion des sinistres. Je suis particulièrement enthousiaste quant aux connaissances que nous pourrons acquérir en intégrant davantage d'informations à notre environnement analytique et en appliquant ces enseignements aux sinistres que nous gérons au quotidien.