高级数据科学家（信用政策）
Cientista de Dados Sênior (Políticas de Crédito)
如果你对创新充满热情，并希望在一个敏捷、协作且具有挑战性的环境中工作，这可能是你的机会！
Asaas的信用政策团队正在寻找一位数据科学家高级工程师，负责在客户整个生命周期中，从端到端（end-to-end）设计、测试假设、模拟和优化业务规则和策略。
在这个职位中，你将作为数据分析与风险决策之间的关键分析纽带，积极与建模、工程、风险和产品团队合作。核心目标是应用分析模型、人工智能和大数据分析，开发自动化、高效且高影响力的信用政策，旨在在严格控制风险偏好和违约率的前提下，最大化审批率和可盈利的客户群增长。
对这个机会感兴趣但不住在若因维利？没问题，我们提供远程/居家办公的工作方式。
- 数据科学应用于政策（端到端）：开发和应用先进的数据分析、优化和情景模拟（backtesting、stress testing）技术，以精确衡量业务规则变更在部署生产前的财务影响；
- 客户生命周期演进：自主构建、校准并持续优化不同信用阶段的策略和决策规则（授信/开户流程、动态额度管理、定价、基础维护和催收）；
- 技术执行与最佳实践（Playbook & Frameworks）：使用并持续改进该领域的政策模拟框架，应用严格的测试方法（A/B、冠军/挑战者）、模块化流程和分析结构来展示结果；
- 性能与风险监控：通过关键业务和风险指标（转化率、审批率、NPL、逾期率、滚动率、LTV和风险权衡）持续跟踪现有规则和策略的表现，一旦发现与目标的偏差，及时提出调整建议；
- 创新、研发与人工智能在工作流中的应用：应用决策算法、机器学习和数学优化，将静态规则演进为动态和个性化的策略。
查看英文原文
Se você tem paixão por inovação e busca trabalhar em um ambiente ágil, colaborativo e desafiador, esta pode ser a sua oportunidade!
O time de Políticas de Crédito do Asaas está buscando uma pessoa para atuar como Cientista de Dados Sênior no time de , sendo responsável por executar, de ponta a ponta (end-to-end), o desenho, teste de hipóteses, simulação e otimização das regras de negócio e estratégias ao longo de todo o ciclo de vida do cliente.
Nesta posição, você atuará como um elo analítico fundamental entre a Ciência de Dados e a tomada de decisão de risco, colaborando ativamente com os times de Modelagem, Engenharia, Risco e Produtos. O objetivo central é aplicar modelos analíticos, inteligência artificial e análise de grandes volumes de dados no desenvolvimento de políticas de crédito automatizadas, eficientes e de alto impacto, buscando maximizar a aprovação e o crescimento rentável da carteira sob controle rigoroso do apetite de risco e da inadimplência.
Se interessou pela oportunidade mas não reside em Joinville? Não tem problema, possibilitamos o trabalho remoto/home office.
- Ciência de Dados Aplicada a Políticas (End-to-End):Desenvolver e aplicar técnicas avançadas de análise de dados, otimização e simulação de cenários (backtestingestress testing) para mensurar com precisão o impacto financeiro de alterações nas regras de negócio antes dodeployem produção;
- Evolução do Ciclo de Vida do Cliente:Construir, calibrar e evoluir autonomamente estratégias e regras de decisão para as diferentes etapas do ciclo de vida de crédito (Esteiras de Concessão/Onboarding, Gestão Dinâmica de Limites, Precificação, Manutenção de Base e Cobrança);
- Execução Técnica e Boas Práticas (Playbook & Frameworks):Utilizar e contribuir para a melhoria contínua dosframeworksde simulação de políticas da área, aplicando metodologias rigorosas de teste (A/B, Campeão/Desafiante), modularização de rotinas e estruturas analíticas para apresentações de resultados;
- Monitoramento de Performance e Risco:Acompanhar continuamente o desempenho das réguas e estratégias ativas por meio de métricas chave de negócio e risco (Conversion Rate,Approval Rate,NPL,Overdue,Roll-Rates,LTVeTrade-offde Risco), recomendando ajustes ágeis sempre que identificar desvios em relação aos alvos projetados;
- Inovação, P&D e IA no Fluxo de Trabalho:Aplicar algoritmos de decisão, Aprendizado de Máquina e otimização matemática para evoluir réguas estáticas para estratégias dinâmicas e personalizadas. Incorporar ferramentas de Inteligência Artificial e automação nas rotinas de trabalho diárias para otimizar o tempo de desenvolvimento, desde a validação de hipóteses até o monitoramento em produção;
- Parceria com Stakeholders:Atuar em forte sintonia com as áreas de Risco, Prevenção à Fraude e Finanças, traduzindo análises einsightscomplexos em recomendações técnicas claras e acionáveis para o negócio.
- Experiência sólida e comprovada na estruturação e otimização de estratégias de risco de crédito, atuando hands-on com Ciência de Dados em instituições financeiras, fintechs,bureausde crédito ou consultorias;
- Domínio avançado de linguagens de programação voltadas para análise e ciência de dados;
- Domínio da linguagens e vivência em ambientes de Big Data para extração, limpeza e criação de variáveis analíticas;
- Sólida experiência prática em modelagem preditiva aplicada a políticas, desenho e avaliação de testes A/B, algoritmos de classificação/regressão, otimização restrita e simulações;
- Boa compreensão dos indicadores financeiros e métricas operacionais de crédito (P&L de Crédito,Risk-Adjusted Return,Loss Provision,NPL,LTV, Safras eRoll-Rates).
Informações adicionais
Modelo de Trabalho:
- Carga horária de 8h por dia (segunda a sexta-feira);
- Contratação CLT.
Originally posted on Himalayas