Brésil
Pentera
CRNCY Group
Decision Scientist
À distanceBrésil
Brazil
PythonSQL
Traduction automatique. Consultez l’original.
Pourquoi ce travail est important
Decision Scientist
Dans le monde en développement, l'accès au crédit dépend encore de documents que la plupart des gens ne peuvent pas produire. Un enseignant six ans dans le même poste. Un vendeur qui tient le même étal depuis une décennie. Solvables, tous les deux — et illisibles pour un système conçu pour quelqu'un d'autre.
CRNCY existe pour combler cet écart, en utilisant la technologie pour ouvrir des portes aux personnes qui en ont le plus besoin. Chaque règle que vous écrivez ici décide qui passe.
Mission
Aider CRNCY à devenir le meilleur souscripteur de risque de crédit au monde en utilisant des données non structurées et alternatives. Nous opérons sur des marchés où les clients ont souvent des informations de crédit traditionnelles limitées. Notre objectif est de prendre de meilleures décisions de prêt en cas d'incertitude et d'améliorer continuellement la rentabilité ajustée au risque.
La configuration
CRNCY · À distance · Contrat
- Vous travaillerez directement avec notre direction du crédit et des finances, ainsi qu'avec le fondateur. Chemin court de l'analyse à la décision.
- Véritable propriété dès le premier jour, sur plusieurs marchés.
Ce que vous ferez
- Analyser la performance du portefeuille et identifier les opportunités d'améliorer la rentabilité grâce à la stratégie de crédit.
- Modéliser la probabilité de remboursement, de défaut et de fraude à partir de données incomplètes et alternatives, et construire l'inférence statistique sous-jacente.
- Transformer cette analyse en règles de crédit elles-mêmes : stratégie d'approbation, exigences de souscription, dimensionnement du premier prêt et segmentation client.
- Optimiser les exigences de souscription et réduire les frictions inutiles pour le client.
- Concevoir et évaluer des expériences pour améliorer les résultats de prêt.
- Quantifier les compromis entre croissance, risque, expérience client et rentabilité.
- Traduire l'analyse en recommandations pratiques de souscription et de portefeuille.
Vous effectuez ce travail vous-même. Il n'y a pas d'équipe d'analyse à qui déléguer. Vous formulez la question, construisez l'analyse et assumez la décision qui en résulte.
Comment nous travaillons
- Honnête et direct. Les retours ici sont sans fard et immédiats. Vous les recevrez, et nous attendons les vôtres en retour.
- Sans peur de l'échec. La plupart de ce que vous testez ne fonctionnera pas. Nous préférons lancer l'expérience et le découvrir plutôt que de défendre une règle que personne n'a remise en question.
- Engagés envers l'excellence. Des normes élevées, appliquées à nous-mêmes avant quiconque d'autre.
- Dédiés au client. La personne à l'autre bout de la décision est la raison pour laquelle le travail est important.
Le type de personne dont nous avons besoin
Vous pensez naturellement en termes de probabilités, de compromis et de valeur attendue.
Vous êtes mal à l'aise avec les règles qui existent uniquement parce que « c'est comme ça qu'on a toujours fait ». Vous demandez instinctivement :
- Quelle est la probabilité de ce résultat ?
- Quel est le coût si cela se produit ?
- Quel est le coût pour le prévenir ?
- Le risque vaut-il la récompense ?
- Quelle est la décision économiquement rationnelle ?
Vous ne vous intéressez pas seulement à la prédiction. Vous vous intéressez à la qualité de la décision.
Vous avez utilisé des données et un raisonnement probabiliste pour prendre ou influencer des décisions commerciales importantes, évalué des compromis entre des objectifs concurrents sous incertitude, appliqué un jugement analytique plutôt que de vous fier uniquement à des règles ou des modèles prédéfinis, traduit l'analyse en décisions et recommandations commerciales pratiques, et assumé la responsabilité des résultats commerciaux de ces décisions.
Profil idéal
Le candidat idéal a travaillé dans des environnements où des décisions devaient être prises sous incertitude en utilisant des données incomplètes ou imparfaites.
Expérience dans au moins un des domaines suivants : stratégie ou analyse de portefeuille, stratégie de souscription, stratégie de prêt, gestion des risques, ou un autre rôle analytique impliquant une prise de décision à fort enjeu sous incertitude.
Diplôme d'une université reconnue en sciences de la décision, recherche opérationnelle, mathématiques appliquées, statistiques, économie, ingénierie ou informatique avec des cours quantitatifs significatifs.
Capacités techniques
Ce n'est pas un rôle de recherche pure en science des données. Cependant, vous devez être suffisamment technique pour travailler avec les données, tester des hypothèses et répondre à des questions de modélisation pratiques.
Capacités utiles incluent
- SQL et Python au niveau de l'analyse et de la modélisation, y compris l'écriture de votre propre code.
- Probabilités, statistiques, segmentation, modélisation prédictive et analyse de la valeur attendue.
- Régression logistique, tableaux de score, XGBoost, LightGBM ou modèles pratiques similaires.
- Backtesting, validation hors temps, conception d'expériences et analyse de puissance, et discipline de validation propre, y compris la prévention des fuites de données.
La maîtrise de l'anglais est requise.
Un chevauchement quotidien significatif avec les Amériques est requis.
Les candidats solides peuvent avoir de l'expérience avec :
- La science de la décision, l'optimisation des risques, la stratégie de prêt ou l'économie de portefeuille.
- La segmentation client, l'analyse de la valeur attendue, les rendements ajustés au risque ou l'optimisation des prix.
- Le risque de crédit, l'analyse de souscription, les tableaux de score, la probabilité de défaut, le défaut de premier paiement, la perte attendue ou l'analyse du comportement de remboursement.
- Le travail sur les risques liés à l'assurance, tel que la tarification actuarielle, l'analyse de souscription, la sélection des risques, la prévision des pertes, l'analyse des sinistres, la détection de fraude ou la tarification basée sur le risque.
- Les données alternatives, les données comportementales, les données non structurées, les environnements clients à dossier mince, l'analyse de cohortes, l'analyse de millésimes, la perte attendue, la valeur vie client ou le suivi de la performance du portefeuille.
- L'expérimentation, l'inférence causale, les tests A/B, les tests champion/challenger, les tests bayésiens ou la simulation de Monte-Carlo.
- L'utilisation de données internes complexes pour améliorer de vraies décisions commerciales.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil