Unipol Assicurazioni S.p.A., compagnia assicurativa multi-ramo del Gruppo Unipol, leader in Italia nei rami Danni,nell’ottica di un potenziamento della propria struttura, è alla ricerca di un/una giovane laureato/a in Scienze Statistiche Attuariali (o percorso universitario equivalente) da inserire nel ruolo di:
Non Motor Pricing Actuary
Sede di lavoro: Torino
Modalità di lavoro: in sede
Il profilo ricercato, una volta inserito nel contesto organizzativo dell’area “ Tariffe Non Motor ”, sarà incaricato delle seguenti attività utilizzando avanzati modelli statistici e attuariali:
- Sviluppo di modelli predittivi (pricing, retention, conversion) per i prodotti assicurativi dedicati al segmento Retail Non Motor (es.: Casa, Infortuni, Pet, Travel);
- Gestione end to end del ciclo di vita dei prodotti assicurativi da un punto di vista quantitativo (Data Management, Pricing e modeling, monitoraggio);




- Definizione e introduzione di nuove soluzioni di modellizzazione tariffaria orientate ai processi di ottimizzazione - utilizzando sia metodi tradizionali di analisi statistica sia tecniche di Machine Learning e AI;
- Monitoraggio costante delle performance dei prodotti esistenti e, più in generale, dei KPI di business, individuando punti di criticità e possibilità e proponendo azioni correttive sul pricing atte ad indirizzarli verso una maggiore redditività;
- Valutazione periodica della qualità e della correttezza di modelli e analisi.

Requisiti:
- Laurea Magistrale in Scienze Statistiche Attuariali, Matematica, Fisica o Ingegneria conseguita con ottima votazione finale;
- Esperienza professionale pregressa da 2 a 5 anni nello sviluppo di modellistica avanzata nel pricing danni ( Non Motor o Motor ) acquisita presso compagnie assicurative o studi di consulenza attuariale;
- Esperienza su temi di ottimizzazione tariffaria, avvalendosi anche di tecniche di Machine Learning;
- Padronanza dei più comuni strumenti di modellizzazione attuariale (es. suite WTW Radar/Emblem e SAS

📌 Non Motor Pricing Actuary (Torino)
🏢 Unipol
📍 Torino