Cientista de Dados – Modelagem e Políticas de Crédito e Cobrança

CREFAZ; Maringá; On-site; BRL 201,000 - 290,000; Full time

Job summary

A CREFAZ está recrutando cientistas de dados para atuar em duas frentes: desenvolvimento de modelos estatísticos que sustentam o ciclo de crédito e definição de políticas de concessão e cobrança. A atuação é colaborativa entre modelagem, políticas e o time de decisão.

Você trabalhará com dados internos, birôs e fontes alternativas, validando modelos, documentando e acompanhando o deploy para garantir que o que é desenvolvido é replicável na produção.

Qualifications

• Formação em Estatística, Matemática, Engenharia, Economia ou áreas afins.
• Experiência com modelagem preditiva de risco de crédito ou políticas de crédito/ cobrança em financeiro, banco ou fintech.
• Boa base estatística: regressão, árvores, gradient boosting, amostragem e validação.

Responsibilities

• Desenvolver modelos de aplicação, comportamento e collection score.
• Desenhar políticas de concessão, limites e preços com base em scores e dados internos.
• Monitorar carteira por safra, explicar oscilações e propor melhorias.
• Realizar estudos de swap-set, testes A/B e simulações de impacto antes de mudar regras.
• Apresentar achados com recomendações para liderança.

Skills

Regressão logística

Árvores de decisão

Gradient boosting

XGBoost/LightGBM

Validação estatística

SQL

Python

R

Comunicação

Habilidade analítica

Education

Estatística

Engenharia/Computação

Economia

Tools

AWS

Databricks

Athena

Git

Power BI

Job description

Buscamos cientistas de dados para duas frentes complementares: desenvolver os modelos estatísticos que sustentam o ciclo de crédito e usar esses modelos para definir políticas de concessão e estratégias de cobrança. Conforme o perfil, a pessoa terá mais foco em uma das frentes, sempre em parceria com a outra e com o time do motor de decisão.

O que você vai fazer:

Na frente de modelagem estatística

• Desenvolver, calibrar e evoluir modelos de application, behavior e collection score.
• Construir bases de modelagem e variáveis (feature engineering) a partir de dados internos, de birôs e de fontes alternativas.
• Medir discriminação e estabilidade dos modelos (KS, Gini/AUC, PSI) e propor recalibrações quando o desempenho cair.
• Documentar cada modelo e acompanhar o deploy, garantindo que o modelo implantado reproduz o desenvolvido.

Na frente de políticas de crédito e cobrança

• Construir e revisar políticas de concessão, limite e preço a partir de scores, variáveis de birô e dados internos.
• Desenhar estratégias de cobrança e recuperação: segmentação por risco, réguas, canais e propostas de acordo.
• Monitorar a carteira por safra (FPD, over 30/60/90, roll rates, perda esperada) e explicar o porquê de cada oscilação.
• Fazer estudos de swap-set, testes A/B e simulações de impacto antes de mudar uma regra.

Nas duas frentes

• Apresentar os achados de forma clara, com recomendação objetiva para a liderança.

Requisitos:

O que buscamos

• Formação em Estatística, Matemática, Engenharia, Economia, Ciência da Computação ou áreas afins.
• Experiência com modelagem preditiva de risco de crédito ou com políticas de crédito/estratégia de cobrança em financeira, banco ou fintech.
• Boa base estatística: regressão logística, árvores, gradient boosting (XGBoost/LightGBM), técnicas de amostragem e validação.
• SQL avançado e Python (pandas, scikit-learn) ou R.
• Domínio dos indicadores de risco de crédito e de leitura de safras.
• Comunicação clara para explicar resultados técnicos e defender o trade-off entre risco e crescimento.

Diferenciais

• Vivência com crédito pessoal, consignado ou CDC, ou em birô de crédito.
• Conhecimento de motores de decisão de crédito.
• Explicabilidade de modelos (SHAP).
• Experiência com nuvem (AWS, Athena, Databricks), Git e Power BI.
• Habilidade com ferramentas de IA para acelerar análises, código e documentação.