Cientista de Dados Sênior (Previsão de Inadimplência no E-commerce)

Sylision; United States; Remote; USD 81,000 - 132,000; Full time

Benefits offered by this job

Remoto total

Horários flexíveis

Contrato CLT ou PJ

Job summary

A Sylision procura um Cientista de Dados Sênior para atuar no domínio de inadimplência em E-commerce. O desafio envolve definir o desfecho, preparar dados, evitar vazamentos e orientar decisões de crédito, tudo em ambiente 100% remoto.

Você vai treinar e validar modelos (logística e gradient boosting), calibrar probabilidades, explicar resultados para negócio e risco, e acompanhar a estabilidade ao longo de ciclos trimestrais, com documentação rigorosa e integração com equipes globais.

Qualifications

• Modelagem de risco de crédito e validação por safra.
• Python com Pandas e scikit-learn.
• SQL para dados de compra, pagamento e cobrança.
• Estatística: calibração, intervalos e testes.
• Capacidade de explicar um modelo a áreas não técnicas e a quem audita.
• Noção de LGPD e de decisão automatizada.
• Jupyter e Git.

Responsibilities

• Definir o desfecho de inadimplência e a janela de observação.
• Montar variáveis com data de corte e eliminar vazamento de informação posterior à compra.
• Tratar o viés de seleção dos recusados com técnicas de inferência de rejeitados.
• Treinar e validar modelos por safra, comparando regressão logística e gradient boosting.
• Calibrar as probabilidades e traduzir em política de limite e entrada.
• Explicar o resultado a negócio e a risco, incluindo variáveis que mais pesam.
• Acompanhar estabilidade da população e do desempenho, e propor reajuste.
• Orientar cientistas sobre validação por safra e comunicação de incerteza.

Skills

Python

Pandas

scikit-learn

SQL

Estatística

Jupyter

Git

SHAP

Tools

SHAP

Job description

Vaga aberta de Cientista de Dados Sênior (Previsão de Inadimplência no E-commerce). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: senior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Um e-commerce vende parcelado e oferece pagamento por boleto e por crediário próprio. A inadimplência corrói a margem, mas recusar demais derruba a conversão. A previsão de inadimplência estima, no momento da compra, a chance de o cliente não pagar, para decidir limite, entrada e meio de pagamento oferecido.

Os dados têm armadilhas conhecidas. O desfecho só é conhecido meses depois, então o modelo aprende com um passado que já mudou; clientes recusados nunca revelam se pagariam, o que gera viés de seleção; e variáveis de comportamento pós-compra, como contato de cobrança, contaminam o treino. Além disso, decisão automatizada de crédito precisa ser explicável ao cliente e ao regulador.

Você conduz do desenho do problema à decisão. O sucesso se mede por poder de ordenação (AUC e KS), calibração, perda esperada por faixa de risco, impacto na aprovação e estabilidade do modelo ao longo dos meses.

O que você vai fazer:

• Definir o desfecho de inadimplência e a janela de observação, com atenção a dados ainda não maduros
• Montar variáveis com data de corte e eliminar vazamento de informação posterior à compra
• Tratar o viés de seleção dos recusados com técnicas de inferência de rejeitados e discutir seus limites
• Treinar e validar modelos por safra, comparando regressão logística e gradient boosting
• Calibrar as probabilidades e traduzir em política de limite e entrada
• Explicar o resultado a negócio e a risco, incluindo variáveis que mais pesam
• Acompanhar estabilidade da população e do desempenho, e propor reajuste
• Orientar cientistas sobre validação por safra e comunicação de incerteza

Requisitos:

• Modelagem de risco de crédito e validação por safra
• Python com Pandas e scikit-learn
• SQL para dados de compra, pagamento e cobrança
• Estatística: calibração, intervalos e testes
• Capacidade de explicar um modelo a áreas não técnicas e a quem audita
• Noção de LGPD e de decisão automatizada
• Jupyter e Git

Diferenciais:

• Interpretabilidade com SHAP
• Conhecimento de crediário, boleto e parcelamento
• Inferência de rejeitados
• Monitoramento de índice de estabilidade populacional
• Experimentos de política de crédito

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Os modelos de crédito passam por revisão metodológica independente antes de entrar em uso, e a documentação de cada versão registra dados, premissas e limites. O ritmo é de ciclos trimestrais de desenvolvimento, com acompanhamento mensal do que já está 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

Tecnologias envolvidas:

• Python
• Pandas
• scikit-learn
• SQL
• Estatística
• Risco de crédito
• Jupyter
• Git

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