Senior/Lead Data Scientist -Credit Risk Modeling

Senior/Lead Data Scientist -Credit Risk Modeling

Full-Time 121500 - 148500 € / anno (stimato) In sede
Deel

In sintesi

  • Mansioni: Progetta modelli di rischio di credito innovativi e guida il team nella loro implementazione.
  • Azienda: Klarna, leader nel settore fintech con un focus sull'innovazione.
  • Benefit: Stipendio competitivo, opportunità di crescita e lavoro flessibile.
  • Altre informazioni: Ambiente dinamico con opportunità di mentoring e sviluppo professionale.
  • Perché questo lavoro: Fai la differenza nel mondo del credito e guida l'innovazione nei modelli di scoring.
  • Qualifiche: 5+ anni di esperienza in modellazione del rischio di credito e competenze avanzate in Python e SQL.

La retribuzione prevista è compresa tra 121500 - 148500 € per anno.

Dettagli del lavoro: Data Science / Data Science, Milano, Tempo pieno, €65,133 EUR - €93,142 EUR.

In Klarna, i nostri modelli di rischio di credito sono al centro di come sottoscriviamo e valutiamo il rischio per milioni di consumatori a livello globale. Stiamo cercando un Lead Data Scientist per aiutare a plasmare la prossima generazione di modelli di scoring del credito a livello consumer e di valutazione del portafoglio.

Cosa farai

Come Lead Data Scientist nel modeling del rischio di credito, plasmerai i modelli di scoring del credito a livello consumer e di valutazione del portafoglio di Klarna. Progetterai e manterrai modelli PD (Probability of Default) in tempo reale utilizzando approcci statistici e ML, integrandoli in framework per l'ottimizzazione della sottoscrizione e del ritorno economico. Svilupperai framework di calibrazione, garantirai la conformità agli standard normativi e di equità, ed esplorerai metodologie innovative — inclusi LLM per l'interpretabilità e l'ingegneria delle caratteristiche. Collaborando con team interfunzionali, tradurrai le intuizioni dei modelli in politiche di credito strategiche e valore commerciale, mentre mentori membri junior del team e contribuirai alla visione a lungo termine di modeling di Klarna.

Chi sei

  • 5+ anni di esperienza nel modeling del rischio di credito per prestiti al consumo, carte di credito o BNPL.
  • Profondità nella sviluppo e validazione di modelli PD, con forte conoscenza delle tecniche di calibrazione.
  • Competenze avanzate in Python e SQL; familiarità con XGBoost, scikit-learn, pandas, MLFlow.
  • Esperienza con framework di interpretabilità come SHAP, LIME, PDP.
  • Capacità di comunicare concetti tecnici in modo chiaro e influenzare decisioni interfunzionali.
  • Familiarità con il modeling in tempo reale e le attuali tendenze in ML e analisi del credito.

Fantastico avere

  • Esperienza pratica nell'uso di LLM per estrarre caratteristiche da dati non strutturati (ad es., comunicazioni dei clienti, domande di credito).
  • Conoscenza dell'integrazione di dati di bureau di credito di terze parti nei modelli di produzione.
  • Comprensione dei framework di modelli champion/challenger e infrastruttura di test A/B.
  • Esposizione al modeling economico a livello di prestito, inclusi costi di capitale e metriche di perdita.

Si prega di includere un CV in inglese.

Senior/Lead Data Scientist -Credit Risk Modeling datore di lavoro: Deel

Lavorare come Staff Engineer in questa azienda significa entrare a far parte di un ambiente stimolante e innovativo, dove la cultura del lavoro è incentrata sulla crescita e sull'eccellenza ingegneristica. Offriamo opportunità di mentoring e sviluppo professionale, insieme a vantaggi competitivi come la flessibilità del lavoro remoto e accesso a spazi WeWork, il tutto in un contesto che promuove l'uguaglianza e il riconoscimento del merito. Unisciti a noi per plasmare il futuro dell'infrastruttura globale delle buste paga in una delle principali aziende SaaS del settore.

Deel

Dettagli di contatto:

Team di recruiting di Deel

Consigli degli esperti StudySmarter🤫

Ecco come pensiamo che potresti ottenere Senior/Lead Data Scientist -Credit Risk Modeling

✨Sfrutta i Meetups di Data Science

Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.

✨Progetti Open Source per Farsi Notare

Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!

✨Unisciti a Comunità Online

Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.

✨Candidati Direttamente su Deel

Non dimenticare di candidarti direttamente sul sito di Deel! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.

Pensiamo che ti servano queste competenze per eccellere come Senior/Lead Data Scientist -Credit Risk Modeling

Modellazione del rischio di credito
Sviluppo e validazione di modelli PD
Tecniche di calibrazione
Python avanzato
SQL avanzato
XGBoost
scikit-learn

Alcuni consigli per la tua candidatura 🫡

Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!

Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di Deel. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!

Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!

Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di Deel. Mostra loro come pensi e come apprendi!

Come prepararti a un colloquio di lavoro presso Deel

✨Brilla con il tuo Portafoglio

Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!

✨Preparati a Domande Tecniche

Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.

✨Mostra la tua Curiosità

Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.

✨Comunica Chiaramente i Tuoi Risultati

Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.