Cientista de Dados Pleno (Previsão de Inadimplência em Meios de Pagamento)

Sylision; United States; Remote; USD 90.000 - 150.000; Vollzeit

Zusammenfassung

Sylision está contratando um Cientista de Dados Pleno para atuar remotamente nos EUA. Você definirá a inadimplência, criará variáveis a partir de histórico de transações e treinará modelos de classificação com validação por safra.

A função envolve calibrar probabilidades, interpretar modelos com SHAP e traduzir resultados em políticas de limite e preço. O papel exige visão de risco de crédito, uso de Python/Pandas/scikit-learn, SQL e melhoria contínua de métodos.

Qualifikationen

• Conhecimento de Python com Pandas e scikit-learn para classificação.
• Análise de risco de crédito: perda esperada, safra, roll rate.
• Capacidade de interpretar modelos com SHAP ou equivalente.

Aufgaben

• Definir inadimplência e janelas de observação por safra com a área de crédito.
• Construir variáveis a partir do histórico de vendas, chargebacks e comportamento de lojistas.
• Treinar e comparar modelos de classificação com validação por safra e fora do tempo.
• Calibrar probabilidades e medir a estabilidade entre safras.
• Traduzir probabilidades em políticas de limite e preço, simulando perda esperada.
• Acompanhar sazonalidade das safras e desvios entre perda esperada e observada.

Kenntnisse

Análise de risco de crédito

Pensamento analítico

Interpretação de modelos

Tools

Python

Pandas

scikit-learn

SQL

SHAP

Jobbeschreibung

Vaga aberta de Cientista de Dados Pleno (Previsão de Inadimplência em Meios de Pagamento)

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:

A empresa de meios de pagamento oferece antecipação de recebíveis e capital de giro a lojistas, e parte dessas operações vira inadimplência quando as vendas futuras que garantiam o crédito não acontecem. A pergunta é de negócio: a quais lojistas oferecer, em que limite e a que preço, de modo que a perda esperada fique dentro do que o produto suporta.

O que você vai fazer:

• Definir com a área de crédito o conceito de inadimplência e as janelas de observação por safra
• Construir variáveis a partir do histórico de vendas, chargebacks e comportamento do lojista
• Treinar e comparar modelos de classificação com validação por safra e fora do tempo
• Calibrar as probabilidades e medir a estabilidade do modelo entre safras
• Tratar viés de seleção por meio de análise dos recusados no passado
• Traduzir a probabilidade em política de limite e de preço, com simulação de perda esperada
• Comparar a política nova com a antiga por meio de teste controlado quando possível
• Montar o acompanhamento mensal das safras e do desvio entre perda esperada e observada

Requisitos:

• Python com Pandas e scikit-learn em modelagem de classificação
• SQL para montar bases de safras sem vazamento de informação
• Estatística: calibração, intervalos de confiança, curva ROC, KS e estabilidade da população
• Entendimento de risco de crédito: perda esperada, safra, roll rate
• Interpretação do modelo para áreas de crédito e de risco, com SHAP ou equivalente
• Escrita de documentação técnica que um auditor consiga seguir

Diferenciais:

• Experiência com crédito para pessoa jurídica ou recebíveis
• Inferência de rejeitados e estimativa de efeito causal de política
• Regressão logística com restrições de monotonicidade
• Conhecimento das normas do Banco Central sobre provisão e risco

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada modelo é validado por uma segunda pessoa de dados com acesso à documentação e aos dados originais, e as conclusões são levadas ao comitê de crédito com as limitações descritas. O ritmo é mensal, em torno do fechamento das safras.

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
• Risco de crédito
• Estatística
• Calibração de modelos
• Jupyter

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