Réalisations

Nous aidons nos clients à analyser et structurer leurs données, pour les exploiter au mieux et faire des prévisions sur leurs enjeux opérationnels et stratégiques

Prédire l’appétence à un produit

Pour Crédit Agricole International, nous avons conçu un modèle de Machine Learning permettant d’identifier au sein de la population des assurés ceux susceptibles d’être appétents à d’autres produits.

En savoir plus

Anticiper le comportement à long terme

Dans le cadre de l’assurance-vie, nous avons mis en oeuvre une nouvelle segmentation client afin de prédire précisément le comportement des épargnants sur le long terme.

En savoir plus

Prévoir les risques de dommages extrêmes

Pour Pacifica, nous avons élaboré un modèle de Machine Learning permettant de prédire précisément les risques extrêmes.

En savoir plus

Optimiser le Bonus-Malus

Pour Crédit Agricole Assurances, nous avons conçu un modèle de Machine Learning permettant de prédire la sinistralité de l’assuré afin d’optimiser son Bonus-Malus.

En savoir plus

Nous contacter :

01 89 16 28 56

contact@kobia.fr

© Kobia

8 rue Neuve des Boulets – 75011 Paris

img.wp-smiley,img.emoji{display:inline !important;border:none !important;box-shadow:none !important;height:1em !important;width:1em !important;margin:0 .07em !important;vertical-align:-.1em !important;background:none !important;padding:0 !important;}#text-blog p{margin-top:.86em;margin-bottom:-.1em;line-height:30px;}#text-blog ul,ol{margin-top:10px;margin-bottom:10px;}#text-blog li{line-height:30px;}#text-blog ul li:not(:first-child){margin-top:10px;}#text-blog ol li:not(:first-child){margin-top:10px;}#text-blog h2{margin-top:1.95em;}#text-blog h3{margin-top:1.72em;}#text-blog h4{margin-top:1.49em;}#text-blog .no-margin-top{margin-top:.86em;}.figure-article{margin-top:10px;margin-bottom:10px;}#legende-realisation{line-height:21px;font-size:16px;}#citation-realisation{line-height:40px !important;}#liste-formation li{margin-top:10px;margin-bottom:10px;}.elementor-sticky.scrolled{background-color:white;}.elementor-sticky.scrolled a{color:black !important;}.elementor-sticky.scrolled a:hover{color:#df2838 !important;}#btn-formation{position:fixed;bottom:0px;z-index:99;width:100%;}.text-red{color:#df2838;}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{text-decoration:none;}@media all and (max-width: 767px){.elementor-location-footer .elementor-icon-box-icon,.expertise .elementor-icon-box-icon,.nousrejoindre .elementor-icon-box-icon,.contact .elementor-icon-box-icon{float:left;padding-right:15px;}}@media all and (min-width: 768px){.elementor-column-gap-wider>.elementor-row>.elementor-column>.elementor-element-populated{padding:30px 40px !important;}}.elementor-heading-title p{line-height:25px !important;}#cancel-comment-reply-link{padding-left:20px;font-size:20px;}#cible-formation ul{list-style-type:none;display:contents;}.resultats-realisations ul{list-style:none;padding-left:0px;}.resultats-realisations li{display:flex;}.resultats-realisations li strong{display:contents;}.resultats-realisations li::before{content:"•";color:#df2838;font-size:40px;padding-right:10px;}.elementor-message:before{color:#88ba55;}.h2like span{color:#2e2e2d;font-family:"Merriweather",Sans-serif;font-size:36px;font-weight:600;line-height:46px;padding:0;margin:0;}.h3like h2{color:#6c6c6c;font-family:"Merriweather",Sans-serif;font-size:25px;font-weight:600;line-height:35px;padding:0;margin:0;}.h2like-titre span{color:#fff;font-family:"Merriweather",Sans-serif;font-size:36px;font-weight:600;line-height:46px;padding:0;margin:0;}.survol-rouge a:hover{color:#df2838 !important;}@media only screen and (min-width : 1224px){.swiper-container-horizontal>.swiper-pagination-bullets{display:none;}}.elementor-location-header section.elementor-section{overflow:hidden;transition:height .4s ease-in-out !important;height:80px !important;}.elementor-location-header section.elementor-section.scroll-down{height:0px !important;}.elementor-location-header section.elementor-section.scroll-up{height:80px !important;}