Требуемый опыт работы: от 2х лет
Полная занятость, полный день
Гибрид в Москве
Проекты одного из крупнейших
Российских Банков
Работа у нас:
Возможность участвовать в масштабном и долгосрочном проекте;
Гибридный формат работы (офис в Сити);
Все, что нужно для успешной работы: мощное железо, компенсация расходов на мобильную связь;
Полностью официальная конкурентная заработная плата;
Оформление по ТК РФ в аккредитованной IT-компании (бессрочный Трудовой договор);
Отсрочка в рамках частичной мобилизации при наличии профильного высшего образования;
Расширенная программа ДМС для сотрудников и родственников;
Обучение и посещение конференций для развития своих навыков за счет компании;
Возможность карьерного роста в том числе за счет перехода между проектами;
Насыщенная корпоративная жизнь: выездные корпоративы, онлайн мероприятия, корпоративная библиотека, магазин подарков.
Отсутствие бюрократии, возможность принимать активное участие в жизни компании;
Оплачиваемая программа рекомендаций.
Обязанности:
Внедрение программного продукта по управлению кредитным риском для банковского сектора: анализировать методологию и логику расчёта дефолтов, инициировать новые доработки / изменения в алгоритмах;
Согласование модели данных входной и выходной витрины для внедряемого ПО;
Участие в функциональном тестировании работы внедренного ПО.
Требования:
Хорошие навыки статистического анализа, портфельного анализа, представления результатов анализа высшему руководству;
Опыт формирования витрин данных из различных внешних источников, проверки качества данных и корректности формирования итоговой витрины, математические и экспертные знания SQL, понимание принципов Hadoop, PySpark, баз данных, навыки и опыт необходимый для самостоятельной работы с витринами данных;
Общее понимание банковской деятельности, банковских продуктов, принципов формирования дохода банка за счет пассивов, понятие трансфертной ставки, принципов работы казначейства банков и юридических лиц.
Будет плюсом:
Опыт проведения портфельного анализа клиентов юридических или физических лиц;
Опыт постановки задач на разработку моделей (или самостоятельной разработки) CLTV (customer lifetime value), next best offer, NLP (Natural Language Processing), кластеризации клиентов, скоринговых моделей;
Умение пользоваться DS-библиотеками Python (pandas, numpy, pytorch,tensorflow, scikit-learn)$
Опыт руководства командой аналитиков, дата инженеров.