Brasil
Pentera
CRNCY Group
Científico de Decisión
RemotoBrasil
Brazil
PythonSQL
Traducción automática. Consulta el original.
Por qué este trabajo importa
Científico de Decisión
En todo el mundo en desarrollo, el acceso al crédito todavía depende de trámites que la mayoría de las personas no pueden presentar. Un profesor con seis años en el mismo puesto. Un vendedor que ha regentado el mismo puesto durante una década. Ambos son solventes, pero ilegibles para un sistema construido para otra persona.
CRNCY existe para cerrar esa brecha, utilizando la tecnología para abrir puertas a las personas que más lo necesitan. Cada regla que escribas aquí decide quién puede pasar.
Misión
Ayudar a CRNCY a convertirse en el mejor suscriptor de riesgo crediticio del mundo utilizando datos no estructurados y alternativos. Operamos en mercados donde los clientes a menudo tienen información crediticia tradicional limitada. Nuestro objetivo es tomar mejores decisiones de préstamo en condiciones de incertidumbre y mejorar continuamente la rentabilidad ajustada al riesgo.
La configuración
CRNCY · Remoto · Contrato
- Trabajarás directamente con nuestro liderazgo de crédito y finanzas y con el fundador. Camino corto desde el análisis hasta la decisión.
- Propiedad real desde el primer día, en múltiples mercados.
Qué harás
- Analizar el rendimiento de la cartera e identificar oportunidades para mejorar la rentabilidad a través de la estrategia de crédito.
- Modelar la probabilidad de reembolso, impago y fraude a partir de datos incompletos y alternativos, y construir la inferencia estadística detrás de ello.
- Convertir ese análisis en las propias reglas de crédito: estrategia de aprobación, requisitos de suscripción, dimensionamiento del primer préstamo y segmentación de clientes.
- Optimizar los requisitos de suscripción y reducir la fricción innecesaria para el cliente.
- Diseñar y evaluar experimentos para mejorar los resultados de los préstamos.
- Cuantificar las compensaciones entre crecimiento, riesgo, experiencia del cliente y rentabilidad.
- Traducir el análisis en recomendaciones prácticas de suscripción y de cartera.
Realizas este trabajo tú mismo. No hay un equipo de análisis al que delegar. Tú planteas la pregunta, construyes el análisis y te haces responsable de la decisión que resulta de él.
Cómo trabajamos
- Honestos y directos. La retroalimentación aquí es sin adornos e inmediata. La recibirás, y esperamos que la devuelvas.
- Sin miedo a fracasar. La mayoría de lo que pruebes no funcionará. Preferimos ejecutar el experimento y descubrirlo que defender una regla que nadie ha cuestionado.
- Comprometidos con la excelencia. Altos estándares, aplicados a nosotros mismos antes que a nadie.
- Dedicados al cliente. La persona al otro lado de la decisión es la razón por la que el trabajo importa.
El tipo de persona que necesitamos
Piensas de forma natural en probabilidades, compensaciones y valor esperado.
Te sientes incómodo con reglas que existen solo porque "así es como siempre lo hemos hecho". Instintivamente preguntas:
- ¿Cuál es la probabilidad de este resultado?
- ¿Cuál es el coste si ocurre?
- ¿Cuál es el coste de prevenirlo?
- ¿Vale la pena el riesgo para la recompensa?
- ¿Cuál es la decisión económicamente racional?
No solo te interesa la predicción. Te interesa la calidad de la decisión.
Has utilizado datos y razonamiento probabilístico para tomar o influir en decisiones empresariales importantes, has evaluado compensaciones entre objetivos contrapuestos bajo incertidumbre, has aplicado juicio analítico en lugar de depender únicamente de reglas o modelos predefinidos, has traducido el análisis en decisiones y recomendaciones empresariales prácticas, y has sido responsable de los resultados empresariales de esas decisiones.
Antecedentes ideales
El candidato ideal ha trabajado en entornos donde las decisiones debían tomarse bajo incertidumbre utilizando datos incompletos o imperfectos.
Experiencia en al menos una de las siguientes áreas: estrategia o análisis de cartera, estrategia de suscripción, estrategia de préstamos, gestión de riesgos, u otro puesto analítico que implique la toma de decisiones de alto impacto bajo incertidumbre.
Título de una universidad de prestigio en Ciencia de la Decisión, Investigación de Operaciones, Matemáticas Aplicadas, Estadística, Economía, Ingeniería o Informática con importantes cursos cuantitativos.
Capacidades técnicas
Este no es un puesto de investigación pura en ciencia de datos. Sin embargo, debes ser lo suficientemente técnico como para trabajar con datos, probar suposiciones y responder a preguntas prácticas de modelado.
Capacidades útiles incluyen
- SQL y Python a nivel de análisis y modelado, incluida la escritura de tu propio código.
- Probabilidad, estadística, segmentación, modelado predictivo y análisis de valor esperado.
- Regresión logística, tarjetas de puntuación, XGBoost, LightGBM o modelos prácticos similares.
- Backtesting, validación fuera de tiempo, diseño de experimentos y análisis de potencia, y disciplina de validación limpia, incluida la prevención de fugas de datos.
Se requiere un inglés fluido.
Se requiere una superposición diaria significativa con las Américas.
Los candidatos sólidos pueden tener experiencia con:
- Ciencia de la decisión, optimización de riesgos, estrategia de préstamos o economía de cartera.
- Segmentación de clientes, análisis de valor esperado, rendimientos ajustados al riesgo u optimización de precios.
- Riesgo crediticio, análisis de suscripción, tarjetas de puntuación, probabilidad de impago, impago del primer plazo, pérdida esperada o análisis del comportamiento de reembolso.
- Trabajo de riesgo relacionado con seguros, como fijación de precios actuarial, análisis de suscripción, selección de riesgos, previsión de pérdidas, análisis de reclamaciones, detección de fraudes o fijación de precios basada en el riesgo.
- Datos alternativos, datos conductuales, datos no estructurados, entornos de clientes con historial limitado, análisis de cohortes, análisis de vintages, pérdida esperada, valor de vida del cliente o seguimiento del rendimiento de la cartera.
- Experimentación, inferencia causal, pruebas A/B, pruebas campeón/retador, pruebas bayesianas o simulación de Montecarlo.
- Uso de datos internos desordenados para mejorar decisiones empresariales reales.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil