Cas client Un leader du courtage en assurance prédit ses demandes de prêt
![Cabinet de conseil data cloud et transformation digitale - Micropole](https://www.micropole.com/wp-content/uploads/2021/09/micropolewhite.png)
×
Une grande société de courtage en assurance prédis ses demandes de prêts
Découvrez comment les équipes de Micropole ont permis à notre client de modéliser le volume d’activité prévisionnel grâce au machine learning.
Contexte
Notre client est un courtier en assurance emprunteur et en prévoyance individuelle depuis maintenant 30 ans, l’entreprise développe son business model sur le territoire européen. Elle est l’intermédiaire entre l’assureur et le distributeur (banques, courtier en crédits, …) pour la gestion de contrats d’assurance, de prêt et de prévoyance individuelle. Le rôle de notre client est d’accompagner l’assuré tout au long de la vie de son contrat.
Quelques chiffres :
- 197 millions € de CA
- 730 collaborateurs
- 15 millions de contrats gérés
- 1 assurance de prêt immobilier sur 4 traitée par notre client en France
Enjeux
Quand les équipes de Micropole ont été sollicitées, le volume des demandes de prêts immobiliers était très fluctuant dans le temps, impactant ainsi la disponibilité des ressources dédiées à la gestion des demandes. La formation d’un téléconseiller en assurance de prêt nécessitant plusieurs mois, la gestion et la planification des ressources représentait un réel enjeu pour l’entreprise.
Méthodes
Micropole a modélisé le volume d’activité prévisionnel plusieurs mois à l’avance afin d’ajuster au mieux les besoins en recrutement et/ou durées des contrats, d’anticiper les baisses et les pics d’activité et de garantir une bonne qualité de formation des téléconseillers.
La méthode design Sprint a été utilisée ici pour maitriser la qualité du produit final
- Sprint #1 : une optimisation des algorithmes ML (effectuée après un constat de l’incapacité des données disponibles à répondre aux objectifs du projet).
- Sprint #2 : un modèle produisant des prévisions d’excellente qualité à 3 mois (MAPE < 10%) suite à l’intégration de nouvelles données OpenData axées sur les recherches de mots-clés spécifiques sur Google
Bénéfices
Meilleur pilotage des ressources humaines et anticipation des besoins en recrutement et formation de nouveaux téléconseillers
Meilleur dimensionnement de l’équipe de téléconseillers et amélioration de l’expérience client du fait d’un temps d’attente optimisé