LexisNexis – Bonnes pratiques des modèles prédictifs

English version here


Lexis Nexis a publié cet été un livre blanc sur les bonnes pratiques des modèles prédictifs, ou plus précisément sur les étapes à suivre pour implémenter ce type de solutions.

Selon eux, 4 étapes sont nécessaires à une création de produit de ce type:

  • Ideation
  • Design et développement
  • Implémentation
  • Monitoring

Jusqu’ici rien de transcendant, me direz vous!

Ideation

Une idéation réussie suppose que 2 conditions soient réunies: un sponsorship fort et une équipe cross-fonctionnelle.

Les responsabilités de cette équipes sont les suivantes:

  • Identifier et valider les problèmes métier à résoudre
  • Générer des idées sur la manière de résoudre ces questions avec les modèles prédictifs
  • Sélectionner les meilleures idées
  • Mettre en avant les avantages des modèles prédictifs
  • Calculer les coûts d’implémentation
  • Déterminer le ROI et justifier l’utilisation de modèles prédictifs par rapport à une autre solution
  • Etablir une acceptation du sujet parmi les équipes.

Design et développement

Le rapport étant centré sur les contrats / produits pour les petites entreprises. La suggestion est alors de passer par un « score d’assurance » pour analyser et estimer le risque et pour le tarifer, en fonction d’une probabilité de pertes.

3 étapes sont nécessaires:

bonnes pratiques des modèles prédictifs

      • Exploration de données: nature de données, sources, fréquences d’actualisation, etc. Par exemple, il est possible d’utiliser les données historiques de sinistralité (Note: évidemment…!), mais aussi les données de crédit, ou les données publiques à propos de l’entreprise. De manière plus poussées, la localisation géographique est pertinente. (Note: à ce stade, notons que l’on n’utilise rien de complexe!)
      • Création et validation de modèles: Il s’agit de déterminer sur la base d’un set de données des modèles ou des corrélations qui se reproduisent. On est ici en mode déductif, on part des données pour déduire un modèle. L’enjeu est d’identifier quelles sont les données qui jouent un rôle dans la réalisation de l’objectif recherché. Ensuite, il est possible de tester les modèles identifier sur des données et des processus de production, pour s’assurer que l’on est en mesure, lors de la capture des données, de catégoriser une nouveau client grâce aux modèles définis.
        • Voici le genre de rapport qu’il est possible de générer pour définir un certain nombre de groupes pour automatiser la souscription avec 3 actions possibles: acceptation (à droite), demande de visa (au centre) ou refus automatique (pour les pires groupes).

    bonnes pratiques des modèles prédictifs

  • Revue réglementaire : Cet aspect spécifique au marché américain (mais finalement assez proches des aspects réglementaires valables un peu partout), requiert de confronter les données exigées aux spécificités de chaque état, et d’appliquer, le cas échéant, des restrictions.

Implémentation

L’implémentation s’appuie sur quelques étapes clés

bonnes pratiques des modèles prédictifs

Monitoring

Enfin, le suivi de la pertinence du modèle suppose d’une part de traquer l’usage qui est fait de ce produit, mais aussi d’en mesure son efficacité.

bonnes pratiques des modèles prédictifs

Tracking: Les scores doivent être suivis lorsqu’ils sont appliqués et lorsqu’ils sont modifiés avant application. Dans ces derniers cas, il s’agit de comprendre pourquoi et de modifier éventuellement le modèle de manière itérative pour l’améliorer.

Efficacité: Le plus important est de s’assurer sur le long terme que le modèle permet bien d’atteindre les objectifs métiers qui avaient été définis initialement. Si ce n’est pas le cas, il faut soit le recalibrer (conserver les mécanismes, mais réajuster les valorisations), soit le reconstruire!

 

Petit bonus sur les bonnes pratiques des modèles prédictifs

Par ailleurs, sur ce sujet et toujours par Lexis Nexis, je vous invite à consulter cette vidéo, qui reprend quelques uns des fondamentaux:

bonnes pratiques des modèles prédictifs

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *