Mémoires d'Actuariat
Analyse quantitative de la qualité des données sous Solvabilité 2
Auteur(s) MOTARD C.
Société Grant Thornton
Année 2024
Résumé
Les textes réglementaires de Solvabilité 2 ont défini explicitement des critères de qualité des données (QDD), ainsi que des exigences et des recommandations. Au cours des années qui suivent la mise en place de Solvabilité 2, les constats de l’ACPR et de l’EIOPA concernant les politiques de QDD au sein des organismes d’assurance sont encourageants mais révèlent une implication modeste sur le sujet. Notamment, les résultats des contrôles ne sont pas systématiquement exploités pour apprécier la suffisance de la QDD. En novembre 2023, l’ACPR publie la notice « Exigences en matière de qualité des données pour les organismes et groupes d’assurance soumis à la Directive Solvabilité 2 ». Cette notice reprend les exigences réglementaires en matière de QDD et explicite comment elles doivent être respectées dans la pratique. Entre autres, la notice précise que les résultats des contrôles doivent être synthétisés afin d’être exploités et de mener un suivi de la QDD. Ce mémoire a pour objectif de proposer une méthode quantitative d’évaluation de la qualité des données. La première partie de ce mémoire contextualise la mise en place d’une évaluation quantitative de la QDD. Quels sont les enjeux qui en découlent ? Quel est le cadre réglementaire autour de la QDD ? Quel est l’état du marché sur la QDD ? Quelles sont les raisons qui ont poussé le cabinet Grant Thornton à développer une méthode d’évaluation quantitative de la QDD ? La deuxième partie développe la méthode de l’évaluation quantitative de la QDD. Le développement de la méthode se fait autour de grands principes auquel nous proposons des solutions. La méthode présentée repose sur le calcul d’une note agrégée, calculée à partir des notes attribuées à des données considérées comme critiques. Les données critiques sont identifiées au préalable selon une méthode prédéfinie et les notes attribuées aux données découlent quant à elles des contrôles effectués, auxquels il faut attribuer un résultat quantitatif. La dernière partie porte sur la mise en pratique de l’évaluation de la QDD au sein d’un dispositif de maîtrise dédié à cette qualité. Cette partie traite d’une part de l’exploitation de la méthode dans le cadre du reporting, et d’autre part de la mise en place d’un dispositif adapté aux exigences réglementaires ainsi qu’aux prérequis imposés par la méthode.
Abstract
The Solvency 2 regulatory texts have explicitly defined data quality criteria, as well as requirements and recommendations. In the years following the introduction of Solvency 2, the French and European insurance authorities’ findings regarding insurance companies' Solvency 2 Data Quality (SDQ) policies are encouraging yet reveal only modest involvement in the subject. In particular, the results from the controls performed are not systematically used to assess sufficiency of the SDQ. In November 2023, the French Prudential and Resolution Supervisory Authority (ACPR) published a note named "Data quality requirements for insurance organizations and groups subject to Solvency 2 Directive". This note sets out the regulatory requirements for SDQ and explains how these requirements are to be met in practice. Among other things, the notice specifies that control results must be summarized in order to be used for SDQ monitoring. The aim of this paper is to provide a quantitative method for assessing SDQ. The first part of this paper contextualizes the implementation of a quantitative assessment of SDQ. What are the issues involved? What is the regulatory framework for SDQ? What is the market condition on SDQ? What mission prompted Grant Thornton to develop a quantitative method for SDQ assessment? The second part develops the method of SDQ quantitative evaluation. The development of the method is based on major principles, to which we provide solutions. The presented method is based on the calculation of an aggregate score, derived from the scores assigned to data that is considered critical. The scores assigned to the data are derived from the controls performed, to which we must assign a quantitative result. The last part looks at the practical application of the SDQ assessment within a dedicated quality control system. This part will deal on the one hand with the use of the method in the context of reporting, and on the other hand with the implementation of a system adapted to regulatory requirements and the prerequisites imposed by the method.
Mémoire complet
Auteur(s) MOTARD C.
Société Grant Thornton
Année 2024
Résumé
Les textes réglementaires de Solvabilité 2 ont défini explicitement des critères de qualité des données (QDD), ainsi que des exigences et des recommandations. Au cours des années qui suivent la mise en place de Solvabilité 2, les constats de l’ACPR et de l’EIOPA concernant les politiques de QDD au sein des organismes d’assurance sont encourageants mais révèlent une implication modeste sur le sujet. Notamment, les résultats des contrôles ne sont pas systématiquement exploités pour apprécier la suffisance de la QDD. En novembre 2023, l’ACPR publie la notice « Exigences en matière de qualité des données pour les organismes et groupes d’assurance soumis à la Directive Solvabilité 2 ». Cette notice reprend les exigences réglementaires en matière de QDD et explicite comment elles doivent être respectées dans la pratique. Entre autres, la notice précise que les résultats des contrôles doivent être synthétisés afin d’être exploités et de mener un suivi de la QDD. Ce mémoire a pour objectif de proposer une méthode quantitative d’évaluation de la qualité des données. La première partie de ce mémoire contextualise la mise en place d’une évaluation quantitative de la QDD. Quels sont les enjeux qui en découlent ? Quel est le cadre réglementaire autour de la QDD ? Quel est l’état du marché sur la QDD ? Quelles sont les raisons qui ont poussé le cabinet Grant Thornton à développer une méthode d’évaluation quantitative de la QDD ? La deuxième partie développe la méthode de l’évaluation quantitative de la QDD. Le développement de la méthode se fait autour de grands principes auquel nous proposons des solutions. La méthode présentée repose sur le calcul d’une note agrégée, calculée à partir des notes attribuées à des données considérées comme critiques. Les données critiques sont identifiées au préalable selon une méthode prédéfinie et les notes attribuées aux données découlent quant à elles des contrôles effectués, auxquels il faut attribuer un résultat quantitatif. La dernière partie porte sur la mise en pratique de l’évaluation de la QDD au sein d’un dispositif de maîtrise dédié à cette qualité. Cette partie traite d’une part de l’exploitation de la méthode dans le cadre du reporting, et d’autre part de la mise en place d’un dispositif adapté aux exigences réglementaires ainsi qu’aux prérequis imposés par la méthode.
Abstract
The Solvency 2 regulatory texts have explicitly defined data quality criteria, as well as requirements and recommendations. In the years following the introduction of Solvency 2, the French and European insurance authorities’ findings regarding insurance companies' Solvency 2 Data Quality (SDQ) policies are encouraging yet reveal only modest involvement in the subject. In particular, the results from the controls performed are not systematically used to assess sufficiency of the SDQ. In November 2023, the French Prudential and Resolution Supervisory Authority (ACPR) published a note named "Data quality requirements for insurance organizations and groups subject to Solvency 2 Directive". This note sets out the regulatory requirements for SDQ and explains how these requirements are to be met in practice. Among other things, the notice specifies that control results must be summarized in order to be used for SDQ monitoring. The aim of this paper is to provide a quantitative method for assessing SDQ. The first part of this paper contextualizes the implementation of a quantitative assessment of SDQ. What are the issues involved? What is the regulatory framework for SDQ? What is the market condition on SDQ? What mission prompted Grant Thornton to develop a quantitative method for SDQ assessment? The second part develops the method of SDQ quantitative evaluation. The development of the method is based on major principles, to which we provide solutions. The presented method is based on the calculation of an aggregate score, derived from the scores assigned to data that is considered critical. The scores assigned to the data are derived from the controls performed, to which we must assign a quantitative result. The last part looks at the practical application of the SDQ assessment within a dedicated quality control system. This part will deal on the one hand with the use of the method in the context of reporting, and on the other hand with the implementation of a system adapted to regulatory requirements and the prerequisites imposed by the method.
Mémoire complet
