Cientista de Dados Júnior (Análise de Risco em Meios de Pagamento)

confidential; United States; Remote; USD 50,000 - 80,000; Full time

Benefits offered by this job

Trabalho remoto total

Ambiente de equipe

Flexibilidade de horário

TotalPass/Mediquo

Team Care

Job summary

Sylision está abrindo uma vaga para Cientista de Dados Júnior, foco em análise de risco em meios de pagamento. O trabalho é 100% remoto, com contratação CLT ou PJ, e requer formação em estatística/matemática/computação ou projeto próprio com dados.

Você irá montar bases de dados com transações e histórico de pagamentos, treinar modelos simples (regressão logística, árvores rasas) e avaliar risco com métricas apropriadas, cuidando para evitar vieses.

Qualifications

• Formação em andamento ou concluída em estatística, matemática, economia, engenharia ou área afim, ou projeto próprio com dados.
• Conhecimento de Python com Pandas e scikit-learn para análises e modelos simples.
• SQL para extrair e juntar dados, e noções de metodologia estatística básica.

Responsibilities

• Montar a base de análise juntando transações, antecipações e histórico de pagamento.
• Explorar a distribuição de inadimplência por faixa de faturamento, segmento e tempo de relacionamento.
• Treinar modelos interpretáveis e comparar com regras atuais usando KS, AUC e curva de ganho.
• Tratar desbalanceamento de classes e escolher métricas adequadas.
• Documentar premissas, limitações e forma de reproduzir os resultados em notebook.
• Apresentar conclusões à área de risco com linguagem simples e próximos passos.

Skills

Python

Pandas

scikit-learn

SQL

Estatística básica

Métricas de risco

Comunicação de resultados

Education

Estatística/Matemática/Economia/Engenharia (ou similar)

Tools

Jupyter

Git

Job description

Vaga aberta de Cientista de Dados Júnior (Análise de Risco em Meios de Pagamento). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: junior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Um meio de pagamento que antecipa recebíveis ou aprova crédito a estabelecimentos precisa saber qual cliente tem maior chance de não honrar o compromisso. A decisão hoje combina regras fixas de faixa de faturamento e tempo de relacionamento, e ninguém mede se essas regras separam bem quem paga de quem não paga. Você vai ajudar a construir essa análise e um modelo simples de risco, com dados de transações e de histórico de pagamentos.

Com revisão e orientação próximas, você monta a base, explora os padrões, treina modelos interpretáveis, como regressão logística e árvore rasa, e mede se eles separam bem os grupos de risco. Aprende a cuidar do que é delicado em risco: a inadimplência é evento raro, então a acurácia engana, e variáveis como bairro podem esconder discriminação indireta e precisam de revisão antes de serem usadas.

O que se espera é uma análise reprodutível, com métrica adequada ao problema e com os limites bem descritos.

O que você vai fazer:

• Montar a base de análise juntando transações, antecipações e histórico de pagamento
• Explorar a distribuição de inadimplência por faixa de faturamento, segmento e tempo de relacionamento
• Treinar modelos interpretáveis e comparar com as regras atuais usando KS, AUC e curva de ganho
• Tratar o desbalanceamento da classe de inadimplentes e escolher a métrica correta
• Verificar se alguma variável gera discriminação indireta e levar a dúvida à revisão
• Documentar em notebook as premissas, as limitações e a forma de reproduzir o resultado
• Apresentar as conclusões à área de risco com linguagem simples e sugestão dos próximos passos

Requisitos:

• Formação em andamento ou concluída em estatística, matemática, economia, engenharia ou área afim, ou projeto próprio com dados
• Python com Pandas e scikit-learn para análise e modelos simples
• SQL para extrair e juntar dados
• Estatística básica, como distribuição, teste de hipótese e regressão logística
• Compreensão de que métricas como acurácia enganam em eventos raros
• Disposição para pedir revisão, explicar o raciocínio e receber crítica

Diferenciais:

• Noção de risco de crédito e de indicadores como KS e curva de ganho
• Projeto próprio com classificação em dados desbalanceados
• Interesse por justiça em modelos e por interpretação de resultados
• Prática de escrever relatório curto e direto

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. No início, cada análise é revisada por uma pessoa mais experiente e as dúvidas são resolvidas em conversa curta. Com o tempo você assume uma parte do modelo, sempre com o histórico de decisões registrado no repositório. Na candidatura, informe a sua pretensão salarial.

Benefícios oferecidos pela empresa contratante:

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com TotalPass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• Pandas
• scikit-learn
• SQL
• Estatística
• Jupyter
• Git
• Análise de risco

Seus dados:

tratados conforme a LGPD, com remoção a qualquer momento, a pedido.