Cientista de Dados Pleno (Análise de Risco no E-commerce)

Sylision; United States; Remote; USD 90,000 - 130,000; Full time

Job summary

Sylision está recrutando um Cientista de Dados Pleno para atuar no domínio de Análise de Risco no E-commerce. O trabalho é 100% remoto, com contratação via CLT ou PJ, permitindo atuação em diferentes fusos horários e clientes.

Você ficará responsável por analisar o risco de cada pedido, construir atributos de comportamento e ambiente de compra, treinar modelos, definir pontos de corte por custo esperado e relatar resultados às equipes de risco e finanças, mantendo foco na acurácia e na redução

Qualifications

• Aprimoramento em estatística aplicada e classificação desbalanceada.
• Experiência com Python para análise e treino de modelos.
• Conhecimento de SQL para bases de pedidos e pagamentos.
• Validação temporal e métricas como precisão/ recall.
• Capacidade de comunicação para risco e finanças.

Responsibilities

• Montar base de pedidos com rótulo de contestação.
• Criar atributos de comportamento, dispositivo, endereço e velocidade.
• Treinar e comparar modelos com validação por período.
• Definir pontos de corte por custo de erro.
• Analisar viés de pedidos recusados e propor estratégias.
• Avaliar regras existentes.
• Apresentar resultados ao time de risco e finanças.

Skills

Estatística aplicada

Classificação desbalanceada

Custo assimétrico

Python

SQL

Validação temporal

Comunicação clara

Tools

Pandas

scikit-learn

SQL

Jupyter

Git

Job description

Vaga aberta de Cientista de Dados Pleno (Análise de Risco no E-commerce). 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:

Cada pedido pago no cartão pode virar contestação semanas depois, e a loja arca com o prejuízo e com a taxa. A área quer decidir, no momento da compra, se aprova, pede validação extra ou recusa. Recusar bom cliente custa venda; aprovar fraude custa dinheiro e reputação junto às operadoras. O ponto é equilibrar os dois erros com números.

Você vai analisar o risco: construir atributos (histórico do cliente, dispositivo, endereço de entrega diferente do de cobrança, velocidade de compras, valor do carrinho), treinar modelos, escolher o ponto de corte por custo esperado e medir quanto da perda cada regra evita. O rótulo de fraude chega atrasado e incompleto, e o que foi recusado nunca revela se era fraude, então o viés de seleção exige atenção.

O resultado é medido por taxa de contestação, valor perdido, taxa de aprovação de bons pedidos e carga de revisão manual. Você apresenta as recomendações ao time de risco e explica o que o modelo acerta e onde ele erra.

O que você vai fazer:

• Montar a base de pedidos com rótulo de contestação, tratando o atraso entre compra e resultado
• Criar atributos de comportamento, dispositivo, endereço e velocidade
• Treinar e comparar modelos com validação por período
• Definir pontos de corte por custo de erro e capacidade da revisão manual
• Analisar o viés causado por pedidos recusados e propor estratégias para reduzi-lo
• Avaliar regras existentes e sugerir aposentar as que não ajudam
• Apresentar resultados e recomendações a risco e a finanças

Requisitos:

• Estatística aplicada, com foco em classificação desbalanceada e custo assimétrico
• Python para análise e treino de modelos, com Pandas no dia a dia
• SQL para construir bases a partir de pedidos e pagamentos
• Validação temporal e leitura crítica de métricas como precisão e recall
• Raciocínio de custo esperado para decidir limiar
• Comunicação clara para quem decide sobre risco

Diferenciais:

• Prática com detecção de fraude ou de anomalias
• Modelos de grafos para ligar contas e dispositivos
• Explicabilidade para justificar recusa ao time de risco
• Inferência com dados censurados ou com seleção
• Acompanhamento de regras em produção

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

Técnologias envolvidas:

• Python
• Pandas
• scikit-learn
• SQL
• Estatística
• Detecção de fraude
• Jupyter
• Git

Seus dados:

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