Senior Data Scientist (Credit Risk)
⚲ Wrocław, Krzyki
Do uzgodnienia
Wymagania
- SQL
- Pandas
- Python
- R
- Snowflake
- PostgreSQL
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:
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.
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.
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:
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.
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.
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
🟡
Minimum 3 lata komercyjnego doświadczenia w zaawansowanej analizie danych i budowie modeli predykcyjnych.
Oznacza to, że szukają kogoś, kto faktycznie pracował nad realnymi projektami, a nie tylko ukończył kursy lub pracował nad projektami akademickimi.
🟢
Umiejętność łączenia danych z kontekstem biznesowym i wyciągania syntetycznych wniosków
Oczekują, że będziesz rozumieć, dlaczego dane są ważne dla firmy i potrafisz przekazać te informacje w zrozumiały sposób.
🟡
Wysoko rozwinięte zdolności komunikacyjne i umiejętność płynnej współpracy z biznesem.
Będziesz musiał dużo rozmawiać z ludźmi, którzy niekoniecznie są ekspertami od danych, i tłumaczyć im złożone zagadnienia.
🟢
Realny wpływ na architekturę danych oraz wybór technologii wykorzystywanych w organizacji.
Masz szansę kształtować sposób, w jaki firma pracuje z danymi, a nie tylko wykonywać polecenia.
🟡
Współtworzenie docelowej architektury danych (od lekkiego stacku opartego o PostgreSQL po rozwiązania klasy Snowflake).
Może to oznaczać, że obecna architektura jest w fazie rozwoju lub wymaga znaczących zmian, a Ty będziesz częścią tego procesu.