Cientista de Dados Pleno (Análise de Risco em Bancos Digitais)

Sylision; United States; Remoto; USD 22.000 - 33.000; Tempo integral

Benefícios oferecidos por esta vaga

Ambiente colaborativo

Trabalho remoto total

Conexão global

TotalPass e Mediquo

Team Care

Resumo da vaga

A Sylision procura Cientista de Dados Pleno para atuar em análise de risco de bancos digitais, com atuação 100% remota e contratação CLT ou PJ.

Você definirá variáveis de inadimplência, construirá bases de modelagem e desenvolverá modelos como regressão logística e scorecard, além de validar fora do tempo e documentar para risco e auditoria.

Qualificações

• Python com Pandas e scikit-learn para modelagem de risco.
• Métrica de crédito KS, AUC; calibração e estabilidade de populações.
• SQL sobre dados transacionais volumosos; interpretação dos resultados.
• Compreensão de viés de seleção e interpretação de rejeitados.
• Comunicação clara de limites e incerteza.

Responsabilidades

• Definir variável de inadimplência e safras de análise.
• Construir base de modelagem tratando viés de seleção.
• Desenvolver modelos interpretáveis (logística, scorecard) e comparar com árvores.
• Validar fora do tempo; medir separação, calibração e estabilidade.
• Analisar vintages e evolução da carteira por faixa de risco.
• Simular efeito de mudar o ponto de corte em aprovação e perda esperada.
• Documentar o modelo para risco e auditoria.
• Apresentar resultados e limitações em linguagem direta à diretoria.

Conhecimentos

Python

Pandas

scikit-learn

SQL

Jupyter

Git

KS

AUC

Interpretable models

Incerteza & limiar

Ferramentas

Python

Pandas

scikit-learn

SQL

Jupyter

Git

Descrição da vaga

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

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Um banco digital concede crédito a clientes com pouco histórico em bureau, e a decisão depende de um modelo que estima a chance de inadimplência. A pergunta de negócio é quanto risco aceitar por faixa de cliente, qual limite oferecer e como o desempenho muda quando a economia muda. A resposta precisa ser explicável para a área de risco e para quem audita a política.

Os problemas clássicos aparecem: o modelo só vê quem foi aprovado, o que cria viés de seleção; a definição de inadimplência muda conforme o prazo; e a carteira de hoje não se parece com a de dois anos atrás. Você vai trabalhar com safras, comparar desempenho por vintage, medir estabilidade da população e propor ajustes que respeitem a política de crédito.

O resultado é uma análise e um modelo com validação fora do tempo, com a incerteza dita em números. Mede-se por poder de separação, calibração da probabilidade, estabilidade do índice de população e impacto estimado em perda e em aprovação.

O que você vai fazer:

• Definir com o negócio a variável de inadimplência e as safras de análise
• Construir a base de modelagem, tratando viés de seleção em clientes não aprovados
• Desenvolver modelos interpretáveis, como regressão logística e scorecard, e compará-los com árvores
• Validar fora do tempo e medir separação, calibração e estabilidade da população
• Analisar vintages e a evolução da carteira por faixa de risco
• Simular o efeito de mudar o ponto de corte em aprovação e perda esperada
• Escrever a documentação do modelo para a área de risco e para auditoria
• Apresentar o resultado e as limitações em linguagem direta para a diretoria

Requisitos:

• Python com Pandas e scikit-learn para modelagem de risco
• Estatística aplicada: regressão, intervalo de confiança e testes de hipótese
• Entendimento de métricas de crédito, como KS, AUC e índice de estabilidade
• SQL sobre dados transacionais volumosos
• Noção de viés de seleção e de inferência de rejeitados
• Comunicação clara de limite e de incerteza

Diferenciais:

• Conhecimento de política de crédito e de provisão
• Modelos monotônicos e interpretáveis
• Prática com monitoramento pós-implantação
• Familiaridade com regulação de risco de crédito
• Experiência com dados alternativos, como comportamento de uso

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Toda análise de risco é revisada por outra pessoa de dados antes de seguir para o comitê. A documentação fica no repositório junto do código, e as decisões ficam registradas por escrito. 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
• Scorecard
• Jupyter
• Git

Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.