Senior Data Scientist (Credit Risk)
⚲ Wrocław, Krzyki
Do uzgodnienia
Wymagania
- SQL
- Python
- Xcode
- PostgreSQL
- Snowflake Data Cloud
Opis stanowiska
Nasze wymagania:
Minimum 3 lata komercyjnego doświadczenia w zaawansowanej analizie danych i budowie modeli predykcyjnych.
Bardzo dobra znajomość SQL i relacyjnych baz danych.
Bardzo dobra znajomość Pythona (Pandas, scikit-learn, XGBoost / LightGBM) lub R w kontekście analizy i modelowania danych.
Umiejętność łączenia danych z kontekstem biznesowym i wyciągania syntetycznych wniosków
Wysoko rozwinięte zdolności komunikacyjne i umiejętność płynnej współpracy z biznesem.
Język angielski na poziomie pozwalającym na sprawną komunikację w projektach międzynarodowych.
Mile widziane:
Doświadczenie w sektorze finansowym: bankowości, leasingu, faktoringu lub zarządzaniu wierzytelnościami (strategie windykacyjne / NPL).
Znajomość analizy finansowej przedsiębiorstw (B2B).
Doświadczenie w pracy z PostgreSQL lub Snowflake.
Doświadczenie we wdrażaniu modeli ML na produkcję (MLOps).
Zakres obowiązków:
Obszar danych i architektury:
- Współtworzenie docelowej architektury danych (od lekkiego stacku opartego o PostgreSQL po rozwiązania klasy Snowflake).
- Projektowanie logiki zasilania warstwy analitycznej danymi z systemów źródłowych.
- Współpraca z zespołem IT przy definiowaniu i optymalizacji struktur danych dla obszaru ryzyka.
- Zapewnienie jakości danych oraz identyfikacja braków, niespójności i anomalii w danych.
- Realny wpływ na architekturę danych oraz wybór technologii wykorzystywanych w organizacji.
Obszar ryzyka i modelowania:
- Projektowanie, walidacja i wdrażanie modeli analitycznych i scoringowych (w tym m.in. scoring aplikacyjny, behawioralny, anty-fraudowy).
- Monitorowanie jakości i stabilności modeli w środowisku produkcyjnym oraz ich dalsza optymalizacja.
- Ścisła współpraca z analitykami ryzyka w celu przełożenia wiedzy biznesowej na modele decyzyjne.
- Budowa warstwy raportowej wspierającej monitoring portfela.
- Automatyzacja procesów decyzyjnych w obszarze polityki ryzyka.
- Rozwój obszaru zaawansowanej analityki danych, modele Machine Learning i AI.
Sposób pracy i odpowiedzialność:
- Duża autonomia w podejmowaniu decyzji technologicznych i analitycznych.
- Przestrzeń do testowania i wdrażania własnych rozwiązań end-to-end.
- Ścisła, partnerska współpraca z biznesem oraz IT.
- Realny wpływ na architekturę - decydujesz o sposobie gromadzenia i wykorzystania danych w organizacji.
Minimum 3 lata komercyjnego doświadczenia w zaawansowanej analizie danych i budowie modeli predykcyjnych.
Bardzo dobra znajomość SQL i relacyjnych baz danych.
Bardzo dobra znajomość Pythona (Pandas, scikit-learn, XGBoost / LightGBM) lub R w kontekście analizy i modelowania danych.
Umiejętność łączenia danych z kontekstem biznesowym i wyciągania syntetycznych wniosków
Wysoko rozwinięte zdolności komunikacyjne i umiejętność płynnej współpracy z biznesem.
Język angielski na poziomie pozwalającym na sprawną komunikację w projektach międzynarodowych.
Mile widziane:
Doświadczenie w sektorze finansowym: bankowości, leasingu, faktoringu lub zarządzaniu wierzytelnościami (strategie windykacyjne / NPL).
Znajomość analizy finansowej przedsiębiorstw (B2B).
Doświadczenie w pracy z PostgreSQL lub Snowflake.
Doświadczenie we wdrażaniu modeli ML na produkcję (MLOps).
Zakres obowiązków:
Obszar danych i architektury:
- Współtworzenie docelowej architektury danych (od lekkiego stacku opartego o PostgreSQL po rozwiązania klasy Snowflake).
- Projektowanie logiki zasilania warstwy analitycznej danymi z systemów źródłowych.
- Współpraca z zespołem IT przy definiowaniu i optymalizacji struktur danych dla obszaru ryzyka.
- Zapewnienie jakości danych oraz identyfikacja braków, niespójności i anomalii w danych.
- Realny wpływ na architekturę danych oraz wybór technologii wykorzystywanych w organizacji.
Obszar ryzyka i modelowania:
- Projektowanie, walidacja i wdrażanie modeli analitycznych i scoringowych (w tym m.in. scoring aplikacyjny, behawioralny, anty-fraudowy).
- Monitorowanie jakości i stabilności modeli w środowisku produkcyjnym oraz ich dalsza optymalizacja.
- Ścisła współpraca z analitykami ryzyka w celu przełożenia wiedzy biznesowej na modele decyzyjne.
- Budowa warstwy raportowej wspierającej monitoring portfela.
- Automatyzacja procesów decyzyjnych w obszarze polityki ryzyka.
- Rozwój obszaru zaawansowanej analityki danych, modele Machine Learning i AI.
Sposób pracy i odpowiedzialność:
- Duża autonomia w podejmowaniu decyzji technologicznych i analitycznych.
- Przestrzeń do testowania i wdrażania własnych rozwiązań end-to-end.
- Ścisła, partnerska współpraca z biznesem oraz IT.
- Realny wpływ na architekturę - decydujesz o sposobie gromadzenia i wykorzystania danych w organizacji.
🔍 Dekoder Ogłoszenia
🔴
Współtworzenie docelowej architektury danych (od lekkiego stacku opartego o PostgreSQL po rozwiązania klasy Snowflake).
Może oznaczać zarówno pracę nad nowoczesnym, skalowalnym rozwiązaniem, jak i konieczność radzenia sobie z istniejącą, być może przestarzałą infrastrukturą.
🔴
Realny wpływ na architekturę danych oraz wybór technologii wykorzystywanych w organizacji.
Może oznaczać dużą swobodę decyzyjną, ale też potencjalne obciążenie związane z koniecznością uzasadniania i wdrażania nowych rozwiązań wbrew istniejącym przyzwyczajeniom.
🟡
Umiejętność łączenia danych z kontekstem biznesowym i wyciągania syntetycznych wniosków
Oczekuje się, że będziesz nie tylko analitykiem, ale także osobą potrafiącą przetłumaczyć złożone wyniki na język zrozumiały dla osób nietechnicznych i proponować konkretne działania.
🟡
Wysoko rozwinięte zdolności komunikacyjne i umiejętność płynnej współpracy z biznesem.
Przygotuj się na częste interakcje z działami biznesowymi, które mogą mieć różne priorytety i oczekiwania.
🔴
Doświadczenie we wdrażaniu modeli ML na produkcję (MLOps).
Może oznaczać zarówno pracę z istniejącymi procesami MLOps, jak i konieczność budowania ich od podstaw w organizacji.