Pricing Actuary / Data Scientist F/M

AXA
Redhill
10 months ago
Applications closed

Related Jobs

View all jobs

MOTOR INSURANCE PRICING PRACTITIONER / DATA SCIENTIST

MOTOR INSURANCE PRICING PRACTITIONER/DATA SCIENTIST

Data Science Lead

Quantitative Developer

Data Analyst – Asset Optimisation

Quantitative Analyst (Equities & Equity Derivatives - VP)

L'ambition d'AXA Partners est de construire un leader mondial de la distribution pour compte de tiers afin de contribuer à la croissance du Groupe AXA sur le marché de la distribution. AXA Partners contribue à enrichir l'offre d'assurance de base d'AXA avec des assurances spécialisées et des services innovants aux clients finaux, contribuant ainsi à la transformation du Groupe AXA de payeur à partenaire.

Afin de garantir la rentabilité des activités d'AXA Partners P&C et de s'assurer que les questions techniques sont abordées de manière cohérente, une équipe centrale d'excellence technique travaille en étroite collaboration avec l'équipe de gestion des risques pour soutenir le développement de l'activité.

Le Département Central Technical Excellence d'AXA Partners P&C comprend 13 experts techniques (équipes centrales de souscription et de réassurance, de sinistres techniques et de science des données) travaillant pour les différentes lignes d'activité d'assistance : Automobile, Habitation, Voyage et Santé.

Au sein de cette équipe Central Technical Excellence, le/la Data Scientist / Pricing Actuary est responsable :

-Du développement de modèles de tarification sophistiqués pour soutenir à la fois les équipes TEX locales et l'excellence technique de la ligne d'activité.

-De l'analyse des données pour traiter d'autres sujets commerciaux (élargir l'utilisation de l'analyse des données pour inclure l'analyse opérationnelle, l'analyse des fraudes et des demandes d'indemnisation).

-D’effectuer des analyses pour évaluer l'impact financier des nouveaux modèles de tarification.

-De fournir un soutien actuariel technique aux lignes d'activité et aux équipes TEX locales. 

Vos principales missions seront les suivantes :

·

- Élaborer de modèles de tarification pour soutenir l'excellence technique au niveau local et dans les secteurs d'activité.

- Effectuer le traitement préparatoire des données.

- Développer des modèles en R / Python.

- Documenter les résultats.

- Développer une analyse d'impact pour évaluer l'impact de l'utilisation du nouveau modèle de tarification.

- Soutenir les équipes informatiques dans la mise en œuvre du modèle de tarification.

- Communiquer les résultats aux parties prenantes des équipes commerciales et de souscription.

·

- Appliquer l'analyse des données à d'autres sujets non liés à la tarification.

- Préparer des données et créer de modèles prédictifs.

- Communiquer des résultats à l'ensemble de l'entreprise.


Votre Profil

·

- Formation supérieure type Bac+4/5 ou diplôme d'ingénieur dans un domaine technique pertinent tel que l'informatique, les statistiques ou les mathématiques,

- Expérience d’au moins 3 ans en tant que Data Scientist/Actuaire Pricing,

- Bonne connaissance de la programmation en Python/R serait un atout, tout comme la connaissance de SQL. La connaissance de l'écosystème Big Data (par exemple Hive, Spark, Scala) serait un plus. Expérience préalable dans la manipulation et la compréhension de données complexes provenant de sources multiples. Une compréhension des techniques Data Science serait un plus (par exemple Random Forests, Gradient Boosting, LGBM,...),

- Maîtrise de l'anglais est requise. La maîtrise d'autres langues serait un plus.

·

- Expérience dans la conduite de projets de Data Science de bout en bout serait très appréciée,

- Bonne capacité à interagir avec les personnes de cultures différentes,

- Facilité d’adaptation dans un environnement complexe et en constante évolution,

- Bonne capacité d'influence et de communication, ténacité et enthousiasme,

- Réactivité et orientation vers les résultats,

- Capacité à travailler de manière autonome, à prendre des initiatives et à être réactif.

AXA Partners s’engage, à compétences égales, pour la diversité & l’inclusion.

Rejoignez une entreprise qui contribue à la protection des forêts ! Chez AXA Partners, nous plantons un arbre pour chaque nouvelle recrue (en CDI). Pour en savoir plus sur le programme Reforest, cliquez

#LI-FR


A propos d'AXA

Le Groupe AXA est un leader mondial de l’assurance et de la gestion d’actifs, avec 160 000 collaborateurs au service de 105 millions de clients dans 62 pays.
Nous protégeons et conseillons nos clients à chaque étape de leur vie, en proposant des produits et services qui répondent à leurs besoins dans les domaines de l'assurance, de la prévoyance, de l'épargne et de la gestion des actifs. 

Notre mission: Donner à chacun les moyens de vivre une vie meilleure. Nos valeurs: Customer first, Intégrité, Courage et One AXA
A propos de notre entité

AXA Partners est une BU transversale d’AXA qui propose une large gamme de solutions en matière de services d’assistance, d’assurance voyage et de couverture de crédit.

Le rôle d’AXA Partners est aussi de mettre en œuvre des solutions innovantes issues de l’unité AXA Innovation.


Conjuguant passion et expertises de pointe, nous concevons et déployons des solutions à l'échelle mondiale pour nos partenaires, leurs clients et leurs collaborateurs, pour protéger ce qui compte dans les moments importants.


Subscribe to Future Tech Insights for the latest jobs & insights, direct to your inbox.

By subscribing, you agree to our privacy policy and terms of service.

Industry Insights

Discover insightful articles, industry insights, expert tips, and curated resources.

How Many Data Science Tools Do You Need to Know to Get a Data Science Job?

If you’re trying to break into data science — or progress your career — it can feel like you are drowning in names: Python, R, TensorFlow, PyTorch, SQL, Spark, AWS, Scikit-learn, Jupyter, Tableau, Power BI…the list just keeps going. With every job advert listing a different combination of tools, many applicants fall into a trap: they try to learn everything. The result? Long tool lists that sound impressive — but little depth to back them up. Here’s the straight-talk version most hiring managers won’t explicitly tell you: 👉 You don’t need to know every data science tool to get hired. 👉 You need to know the right ones — deeply — and know how to use them to solve real problems. Tools matter, but only in service of outcomes. So how many data science tools do you actually need to know to get a job? For most job seekers, the answer is not “27” — it’s more like 8–12, thoughtfully chosen and well understood. This guide explains what employers really value, which tools are core, which are role-specific, and how to focus your toolbox so your CV and interviews shine.

What Hiring Managers Look for First in Data Science Job Applications (UK Guide)

If you’re applying for data science roles in the UK, it’s crucial to understand what hiring managers focus on before they dive into your full CV. In competitive markets, recruiters and hiring managers often make their first decisions in the first 10–20 seconds of scanning an application — and in data science, there are specific signals they look for first. Data science isn’t just about coding or statistics — it’s about producing insights, shipping models, collaborating with teams, and solving real business problems. This guide helps you understand exactly what hiring managers look for first in data science applications — and how to structure your CV, portfolio and cover letter so you leap to the top of the shortlist.

The Skills Gap in Data Science Jobs: What Universities Aren’t Teaching

Data science has become one of the most visible and sought-after careers in the UK technology market. From financial services and retail to healthcare, media, government and sport, organisations increasingly rely on data scientists to extract insight, guide decisions and build predictive models. Universities have responded quickly. Degrees in data science, analytics and artificial intelligence have expanded rapidly, and many computer science courses now include data-focused pathways. And yet, despite the volume of graduates entering the market, employers across the UK consistently report the same problem: Many data science candidates are not job-ready. Vacancies remain open. Hiring processes drag on. Candidates with impressive academic backgrounds fail interviews or struggle once hired. The issue is not intelligence or effort. It is a persistent skills gap between university education and real-world data science roles. This article explores that gap in depth: what universities teach well, what they often miss, why the gap exists, what employers actually want, and how jobseekers can bridge the divide to build successful careers in data science.