16 сент.
Аналитик суперфункции поддержки
ЗП не указана, ≈ 203 995 ₽
Санкт-Петербург, RU; Москва, RU
Офис
Адаптируем резюме под ATS-фильтры, подготовим сопроводительное на основе резюме и вакансии, соберём гайд подготовки к собеседованию, найдём контакты HR и нанимающих
Этот сайт использует файлы cookie для улучшения работы в интернете. Нажимая Принять, вы соглашаетесь на использование файлов cookie. Политика использования cookie
Зачем присоединяться к dLocal?
dLocal — финансовая инфраструктура, которая обеспечивает глобальную коммерцию на самых быстрорастущих рынках мира. Крупнейшие компании мира доверяют нам раскрывать потенциал роста в более чем 60 странах развивающихся рынков — переводя деньги там, где другие видят лишь сложность. Мы не просто обрабатываем платежи; мы проектируем платёжные экосистемы и выступаем партнёрами в расширении бизнеса наших клиентов. Вы будете работать вместе с более чем 1300 коллегами из 40+ стран и с первого дня решать глобальные задачи.
В чём возможность?
Мы ищем опытного специалиста по данным с минимум 5 годами опыта для команды комплаенса с фокусом на мониторинг транзакций в рамках противодействия отмыванию денег (AML) и финансированию терроризма (CFT). Вы будете отвечать за аналитическую основу наших систем мониторинга транзакций и активно участвовать в формировании более широкой стратегии работы с данными в комплаенсе — будь то взаимодействие с командой дата-сайентистов или влияние на продуктовые команды, работающие «выше по потоку» от нас. Это практическая роль с реальным влиянием на то, как мы выявляем финансовые преступления в LATAM, EMEA и APAC.
Отвечать за полный аналитический цикл наших rule-based систем мониторинга транзакций — от выгрузки и исследования данных в Databricks до предложений по изменению правил и порогов в соответствии с требованиями руководства комплаенса.
Поддерживать и совершенствовать нашу методологию ложных отрицаний — как мы определяем, что мониторинг упускает, а не только что он фиксирует.
Участвовать в формировании агентной функции мониторинга — от проектирования оркестрации до внедрения — по мере расширения автоматизации в наших процессах AML/CFT мониторинга.
Выступать техническим связующим звеном с дата-сайентистами для ML-ориентированного выявления: собирать и документировать требования, критически оценивать и валидировать поставляемые модели и обеспечивать пригодность результатов для принятия решений в комплаенсе.
Отвечать за регуляторную отчётность по AML/CFT мониторингу транзакций, обеспечивая точность, полноту и прослеживаемость исходных данных — проактивно выявляя и устраняя проблемы качества данных до того, как они станут проблемами отчётности или аудита.
Создавать и поддерживать документацию, готовую к аудиту, по каждому изменению методологии — обоснование, которое можно защитить перед регулятором или аудитором спустя месяцы после принятия решения человеком, которого не было в комнате.
Взаимодействовать с руководством комплаенса, переводя меняющиеся регуляторные требования AML/CFT в конкретные потребности в данных и мониторинге.
Готовить отчёты и дашборды, которые доносят общую эффективность Framework и мониторинга как до технических, так и до нетехнических стейкхолдеров.
Степень бакалавра или магистра в области информатики, data science, статистики, инженерии или подтверждённый опыт в смежной области.
5+ лет опыта в аналитике данных, рисках или аналитике мошенничества/финансовых преступлений, желательно в финансовых услугах или fintech. Глубокий опыт AML/CFT мониторинга транзакций — сильное преимущество, но не обязательное требование.
Уверенное владение SQL и Python (предпочтительно среда Databricks); комфорт со статистическим анализом — это не исключительно роль дата-сайентиста, поэтому ML-фреймворки — плюс, а не обязательное требование.
Твёрдое понимание полного цикла данных — от сырых данных и пайплайнов до моделирования и отчётности — достаточное для эффективного сотрудничества с инженерами данных, аналитиками данных и дата-сайентистами.
Подтверждённый опыт технического связующего звена или владельца требований при работе с командами Data, Product и Engineering — человек, который может возразить против поставки, не соответствующей потребности, а не просто принимать то, что передали.
Опыт подготовки документации, выдерживающей аудит или регуляторную проверку, — сильное преимущество.
Проактивный, командный подход; комфортная работа с высокой степенью автономии в AML-аналитике данных в составе небольшой растущей команды.
Будьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
ЖмитеГайд по безопасности
