Programma

Dalle 9.15 alle 17.30

Prima giornata

9.15 – 13.30

Scelta dei canali utili alla raccolta dei dati sul cliente

• Individuare i dati che i consumatori condividono maggiormente con le aziende
• Esaminare il comportamento di acquisto del consumatore e le scelte in ambito assicurativo
• Scegliere le informazioni rilevanti e utili per gli sviluppi attuariali
• Selezionare i canali (social media, email, web site, App, cloud, touch point offline) per la raccolta dei dati
• Gestire in modo integrato ed efficiente le fonti dei dati a disposizione dell’azienda
• Impostare l’architettura di raccolta e classificazione dei dati
• Analizzare diverse modalità di raccolta e utilizzo dei dati

14.30 – 17.30

Utilizzare i dati per sviluppare prodotti più affini al cliente

• Conoscere criticità e impatto sulle attività secondo i limiti imposti dal GDPR
• Big vs Small Data:
  - Uniformare le informazioni: metodologie per analizzare e catalogare i dati per variabili
  - Valutazione del dato e interpretazione: dal Data Quality all’Information Quality
  - Modellizzazione dei dati per la costruzione dell’informazione
  - Data process per finalità di analisi esplorative

Esempi di estrazione, analisi e costruzione di DB con l’utilizzo di R

Maurizio Monaco, Data Science Business Translator, Prometeia

Seconda giornata

9.15 – 12.30

L’Intelligenza Artificiale per prodotti assicurativi più profittevoli

• Adottare l’intelligenza artificiale per gestire grandi mole di dati
• Cosa fanno le big tech in ambito Artificial Intelligence
• Cosa fanno i top player con l'intelligenza artificiale e quali i piani di sviluppo
• Esempi di strumenti che raggruppano diverse informazioni utilizzando simulatori
• Come l’AI può essere di supporto nel processo della sorveglianza e del monitoraggio
• Saper analizzare i dati e proiettare le informazioni utili per l’azienda
• Come l’utilizzo della AI può essere di supporto per:
  - Costruzione di nuovi prodotti e di polizze comportamentali
  - Personalizzazione dei prodotti
  - Rapida e personalizzata risoluzione dei reclami

Esempi di utilizzo dell’Intelligenza Artificiale per meglio soddisfare le esigenze del cliente

Maurizio Monaco, Data Science Business Translator, Prometeia

12.30 – 13.30

Case history AXA Assicurazioni: Velocizzare la data cleaning e il model assessment con il supporto dell’Intelligenza Artificiale

Mariangela Grieco, Head of Actuary P&C, AXA Assicurazioni

14.30 – 16.30

Machine Learning: funzionamento, applicazione e modelli predittivi

• Capire come le macchine apprendono dall’esperienza
• Classificare il Machine Learning in base al funzionamento e al settore di applicazione
• Quali possono essere le modalità di utilizzo per la Compagnia Assicurativa
• Ultilizzare il ML per conoscere e prevedere il comportamento del cliente
• Analisi di Modelli Predittivi di Machine Learning e loro utilizzo all’interno delle Compagnie Assicurative

Maurizio Monaco, Data Science Business Translator, Prometeia

16.30 – 17.30

Case History Cattolica Assicurazioni: Demand modelling e stime di price elasticity per analisi di impatto

Marcello Zacchetti, Head of Insurance Analytics-Danni Auto, Insurance Analytics and Business Architecture, Cattolica Assicurazioni