<img src="https://secure.leadforensics.com/91140.png" style="display:none;">

Importance de la qualité des données dans la gestion des risques et des assurances

Qualité des données dans la gestion des risques et des assurances

Dans le cadre de leur activité, les entreprises produisent tous les jours d'énormes quantités de données. Une bonne qualité des données constitue la base pour l'analyse et l'évaluation à tous les niveaux de la hiérarchie de l'entreprise et est cruciale pour atteindre les objectifs fixés. Et la gestion des risques et des assurances au niveau de l'entreprise ne fait pas exception.

Quels sont les principaux objectifs dans la gestion des risques et des assurances ?

Regardons par exemple l'objectif principal classique „Optimisation du coût global des risques assurables de X pour cent d'ici fin 201X“. Cet indice (également connu comme „Total Cost of Insurable Risk“ /TCOiR) est idéalement défini pour être spécifique, mesurable, (si possible) réalisable et déterminé dans le temps. Mais un objectif principal ne peut être atteint que si toute une série d'autres "sous-objectifs" complémentaires sont atteints (pour le TCOiR, on parle donc d'un indice composé).

En liaison avec l'optimisation du TCOiR, je voudrais mentionner les "sous-objectifs" suivants :

  • Optimisation des coûts du contrôle des sinistres : investissement dans la protection incendie/environnement, gestion de la qualité, c'est-à-dire coûts qui sont reliés au contrôle d'un risque.
  • Optimisation des coûts pour les sinistres pris en charge par l'entreprise (rétention) :  sinistres consciemment ou inconsciemment non assurés, sinistres non assurables ou franchises.
  • Optimisation des coûts financiers : coûts imputés pour capitaux propres immobilisés requis pour le financement des risques.
  • Optimisation des coûts de transfert de risques :  primes d'assurance, impôts, taxes, etc.
  • Optimisation des coûts d'administration des risques : coûts d'administration interne et externe autour de la gestion des risques et des assurances.

Comme vous le voyez, il existe un grand nombre de variables et d'outils de réglage pour atteindre l'objectif principal d'optimisation du TCOiR.

Mais pourquoi  cette digression ?

C'est parce que la disponibilité de données et d'informations de bonne qualité est la condition préalable à l'obtention des sous-objectifs qui contribuent à leur tour à l'obtention de l'objectif principal. Ceci étant, la qualité des données pour le dernier sous-objectif „Optimisation des coûts administratifs“ ne joue qu'un faible rôle car il s'agit ici essentiellement de l'optimisation de processus, (échange de données entre les parties... ).

composition coûts de risque

Les 7 paramètres de qualité des données

Il n'est pas simple de définir le concept de „qualité des données“,  car ce que l'on considère dans un contexte (p. ex. gestion des assurances) comme qualité suffisante des données peut ne pas être suffisant dans un autre contexte (p. ex. comptabilité financière). Dans ce contexte, on parle aussi de „adapté à la situation“ : le fait que la qualité des données soit suffisante dépend de chaque situation.

Une bonne nouvelle : il existe des paramètres objectifs à l'aide desquels on peut définir la qualité des données et des informations. Ces „Data Criteria“ ont été définis dans le cadre internationalement reconnu du COBIT. Ce sont :

  1. Efficience (Effectiveness): pertinence des informations pour le processus ainsi que mise à disposition concernant le temps, l'exactitude, la cohérence et l'utilité
  2. Efficacité (Efficiency ) : optimisation de l'investissement en temps et en moyens pour la saisie, le traitement et la mise à disposition d'informationsdans le but d'atteindre l'objectif
  3. Confidentialité (confidentiality ) : traite de l'accès à des informations confidentielles
  4. Intégrité (integrity ) : se rapporte à l'exactitude, l'intégralité et l'actualité des données
  5. Disponibilité (availability ) : se rapporte au fait que des informations actuelles et historiques sont disponibles pour les personnes autorisées
  6. Conformité (compliance) : respect des lois, des règlementations et des accords contractuels
  7. Fiabilité (reliability ) : se rapporte à la crédibilité des données mises à disposition

Les paramètres sont en partie complémentaires. Si par exemple, les méthodes employées pour la saisie des données de risques et d'assurances ne sont pas fiables, la qualité des données ainsi que des décisions prises sur cette base en pâtit.

La qualité des données peut être planifiée

Pour une qualité élevée des données dans la gestion des risques et des assurances, l'interaction entre les processus, les hommes et l'informatique est – comme bien souvent - nécessaire. Alors que des paramètres comme la confidentialité, l'intégrité, la disponibilité sont liés aux outils informatique comme un Système d'Information de Gestion des Risques (SIGR), les paramètres comme la fiabilité et la conformité sont dépendants des hommes.

La qualité des données n'est pas le fruit du hasard mais doit au contraire être planifiée avec soin. A cet effet, un SIGR comme plateforme centralisée de gestion des données est la base idéale. En effet, il assiste tous les participants à la gestion des risques et des assurances (gestion centrale des risques, filiales locales, courtiers, assureurs, etc.) dans l'échange des données, d'informations, de rapports et de documents  pertinents.

Post image: geralt sur pixabay

Detaillierte Informationen über den Einsatz eines Risikomanagement-Informationssystems (RMIS)

Catégories: Risk Management Software La gestion des données