Comment l'intelligence artificielle peut transformer l'assurance en Tunisie
Uitgelicht
|
87,90 |
Naar shop
|
|
87,90 |
Naar shop
|
|
87,99 |
Naar shop
|
Beschrijving
Bol
Le secteur de l'assurance en Tunisie est confronté à des inefficacités opérationnelles, à des taux de fraude élevés en matière de responsabilité civile automobile (RCA) avec des ratios de sinistres dépassant 100%, et à des tables de mortalité obsolètes comme la TD 99 qui créent des risques de rentabilité et de tarification erronée.Une méthodologie mixte séquentielle explicative a été utilisée : une enquête auprès de 56 professionnels de l'assurance utilisant les cadres TAM, TOE et DOI, suivie d'une modélisation quantitative avec GLM pour la tarification non-vie, Kaplan-Meier pour la régression logistique mortalité/déchéance pour la prédiction de la déchéance, Random Forest pour la détection de la fraude, et un prototype de chatbot pour la gestion des sinistres. La mortalité observée est inférieure de 17 à 18 % à celle de TD 99 (chapitre 6). La prédiction des déchéances atteint une SSC ¿ 0,96 (IC à 95 % : 0,942-0,978) [Tableau 16]. La détection des fraudes donne une SSC ¿ 0,805 (IC à 95 % : 0,801-0,898) [Tableau 24]. Le chatbot réduit les délais de traitement des demandes d'indemnisation de 40 % [Tableau 18], générant des gains estimés à 2 029 750 TND (~ 648 880 USD) [Tableau 43].
Le secteur de l'assurance en Tunisie est confronté à des inefficacités opérationnelles, à des taux de fraude élevés en matière de responsabilité civile automobile (RCA) avec des ratios de sinistres dépassant 100%, et à des tables de mortalité obsolètes comme la TD 99 qui créent des risques de rentabilité et de tarification erronée.Une méthodologie mixte séquentielle explicative a été utilisée : une enquête auprès de 56 professionnels de l'assurance utilisant les cadres TAM, TOE et DOI, suivie d'une modélisation quantitative avec GLM pour la tarification non-vie, Kaplan-Meier pour la régression logistique mortalité/déchéance pour la prédiction de la déchéance, Random Forest pour la détection de la fraude, et un prototype de chatbot pour la gestion des sinistres. La mortalité observée est inférieure de 17 à 18 % à celle de TD 99 (chapitre 6). La prédiction des déchéances atteint une SSC ¿ 0,96 (IC à 95 % : 0,942-0,978) [Tableau 16]. La détection des fraudes donne une SSC ¿ 0,805 (IC à 95 % : 0,801-0,898) [Tableau 24]. Le chatbot réduit les délais de traitement des demandes d'indemnisation de 40 % [Tableau 18], générant des gains estimés à 2 029 750 TND (~ 648 880 USD) [Tableau 43].
AmazonPagina's: 168, Paperback, Editions Notre Savoir
Prijshistorie
* Prijshistorie bevat geen data van Amazon, Amazon Marketplace.
Prijzen voor het laatst bijgewerkt op: