Data Scientist (FinTech)

Привет, коллега!

Мы — «Небус», финтех-компания, которая не стоит на месте со своей идеологией и ценностями.

Кого мы ищем

Нам нужен Data Scientist, который умеет слышать цифры и переводить их на язык бизнес-решений. Ты будешь не просто строить модели, а исследовать поведение клиентов, находить скрытые закономерности и превращать сырые данные в точные прогнозы. Мы ищем исследователя, который умеет задавать правильные вопросы данным, а не только программиста, который разворачивает сервисы.

Задачи

Исследование и модели:

→ Искать закономерности и значимые признаки, влияющие на дефолтность клиентов;

→ Строить и улучшать скоринговые модели (логистическая регрессия, градиентный бустинг, деревья решений);

→ Тюнинговать существующие модели и пересобирать их с нуля при изменении бизнес-среды или появлении новых данных;

→ Создавать прототипы и проверять их качество на исторических и валидационных выборках.

Эксперименты и инсайты:

→ Тестировать риск-правила через A/B-эксперименты: оценивать влияние на долю дефолтов и отсечение надёжных клиентов;

→ Подбирать оптимальные пороговые значения (cut-off) для баланса между прибылью и рисками;

→ Давать рекомендации для новых продуктов на основе анализа потребления клиентов;

→ Мониторить качество моделей в жизни (дрифт данных), предлагать гипотезы по улучшению.

Требования

Обязательно:

• Практический опыт разработки скоринговых моделей именно для кредитного скоринга (банки / МФО / финтех);
• Глубокий Python (Pandas, NumPy, Scikit-learn, LightGBM / XGBoost);
• Сильная математика: статистика, теория вероятностей, линейная алгебра — понимание алгоритмов «под капотом»;
• Уверенный SQL (оконные функции, CTE, подзапросы) — уметь самостоятельно собирать выборки из DWH;
• Git;
• Умение формулировать бизнес-гипотезы и проверять их на данных;
• Навык презентации результатов для не-технической аудитории.

Будет плюсом:

• Знание метрик розничных рисков (воронка одобрения, NPL, PD);
• Опыт с MLflow / Airflow (для коммуникации с ML-инженерами);
• 2–3 реализованных ML-проекта (желательно в финансах).

Что мы даем взамен

• Удалёнка, можешь работать из любого гео;
• Гибкий график и договор ГПХ/ИП РФ;
• Зарплата, которую ты сам назовешь, если на собесе докажешь свой скилл.

Важно

Нам нужен «достигатор». Тот, кто не ждёт, пока скажут, а сам видит, где что сломалось. Если ты такой — ждем твое резюме!