.
Responsabilidades e atribuições
- Desenvolver modelos de Credit Scoring (Application Score, Behavior Score e Collection Score)
- Construir modelos de Probability of Default (PD), Loss Given Default (LGD) e Exposure at Default (EAD)
- Desenvolver modelos de Machine Learning para concessão de crédito, cobrança, churn e fraude
- Construir motores de decisão (Decision Engine) para aprovação automática
- Desenvolver políticas de crédito baseadas em dados
- Realizar análises exploratórias (EDA) em grandes volumes de dados
- Criar pipelines de tratamento e engenharia de atributos (Feature Engineering)
- Implementar testes A/B para validação de estratégias
- Monitorar performance de modelos utilizando indicadores estatísticos
- Desenvolver dashboards para acompanhamento dos indicadores de crédito
- Trabalhar em conjunto com áreas de negócio, risco, compliance e tecnologia
- Requisitos e qualificações
Requisitos:Conhecimentos em Crédito: Crédito Pessoa Física, Cadastro Positivo, Bureau de Crédito, Política de Crédito, Motor de Crédito, Limite de Crédito, Prevenção à Fraude, Cobrança, Recuperação de Crédito;
Experiência nas Linguagens Python e SQL;
Experiênmcia com Banco de Dados: SQL Server, PostgreSQL, Oracle;
- Diferenciais:Experiência em fintechs, bancos ou instituições financeiras
- Vivência com motores de decisão como FICO, Blaze Advisor ou similares
- Conhecimento em explainability (SHAP, LIME)
- Desenvolvimento de modelos interpretáveis para ambientes regulados
- Experiência com validação e governança de modelos (Model Risk Management)
- Conhecimento em OCR, biometria e prevenção à fraude
- Experiência com Open Finance e integração de dados financeiros
