Junior / Middle Analyst / ML Scientist (Risk Collection)

Ищем аналитика/ML-специалиста в команду рисков, который хочет делать модели “под ключ” и видеть реальный эффект от своей работы.
У нас много данных, понятные метрики, быстрый цикл проверки гипотез и задачи, которые напрямую отражаются на финансовом результате.

Чем предстоит заниматься

1) Full-cycle ML для задач collection

• собирать, анализировать и готовить данные для моделей (feature engineering, датасеты, витрины);
• разрабатывать модели (например, скоринг/приоритизация действий/вероятности исходов), проводить валидацию;
• защищать модельные решения перед бизнесом/внутренними стейкхолдерами (логика, метрики, эффект);
• автоматизировать внедрение и интеграцию в стратегии взыскания;
• регулярно мониторить качество, стабильность и дрейф моделей, улучшать их по результатам.

2) Улучшение стратегии взыскания через аналитику и эксперименты

• разбирать текущие процессы взыскания и находить точки роста;
• формулировать гипотезы, проводить A/B-тесты, оценивать влияние на ключевые метрики.

3) Работа с данными

• искать, оценивать и подключать новые источники данных (внутренние и внешние);
• проверять качество и полезность источников для моделей/стратегии.

4) Ad-hoc аналитика

• быстрые расчёты, исследования и ответы на вопросы руководства и бизнеса.

5) LLM/GenAI в collection

• настройка/адаптация LLM-подходов под прикладные задачи взыскания (например, классификация обращений, подсказки, автоматизация рутинных операций, анализ текста — в зависимости от вашей экспертизы).

Что важно для нас

• Высшее образование (математика / физика / IT или смежные);
• уверенный SQL (джойны, оконные функции, агрегации — важно для ежедневной работы);
• Python для аналитики и ML: Pandas/NumPy + один из бустингов (XGBoost / LightGBM / CatBoost);
• Excel на уровне уверенного пользователя;
• базовые/практические знания ML-моделирования: постановка задачи, метрики, валидация, интерпретация результата.

Будет плюсом:

• опыт A/B-тестов и статистики (power, дизайн экспериментов, корректная интерпретация);
• опыт продового внедрения моделей (пайплайны, мониторинг, автоматизация).

Что предлагаем

• работу в сильной команде в современном банке и задачи «в прод», а не в стол;
• прямое влияние на прибыль: эффект моделей и экспериментов измеряется в понятных метриках;
• возможность применять современные подходы и технологии, включая AI/LLM;
• рост: от аналитики и моделей — к ownership направления/модельного контура.