In sintesi
- Mansioni: Sviluppa modelli di rischio creditizio innovativi e collabora con team multidisciplinari.
- Azienda: Klarna, leader nel settore fintech con un ambiente di lavoro stimolante.
- Benefit: Salario competitivo, opportunità di crescita professionale e un ambiente di lavoro flessibile.
- Altre informazioni: Ambiente dinamico con opportunità di mentoring e sviluppo delle competenze.
- Perché questo lavoro: Contribuisci a modelli di scoring creditizio all'avanguardia e fai la differenza per milioni di consumatori.
- Qualifiche: 5+ anni di esperienza in modellazione del rischio creditizio e competenze avanzate in Python e SQL.
La retribuzione prevista è compresa tra 120000 - 150000 € per anno.
At Klarna, our credit risk models sit at the heart of how we underwrite and price risk for millions of consumers globally.
We’re looking for a Lead Data Scientist to help shape the next generation of consumer-level credit scoring and portfolio valuation models.
What You’ll Do
As a Lead Data Scientist within credit risk modeling, you will shape Klarna’s next-generation consumer-level credit scoring and portfolio valuation models.
You’ll design and maintain real-time PD (Probability of Default) models using statistical and ML approaches, integrating them into frameworks for underwriting and economic return optimization.
You’ll develop calibration frameworks, ensure compliance with regulatory and fairness standards, and explore novel methodologies — including LLMs for explainability and feature engineering.
Collaborating with cross-functional teams, you’ll translate modeling insights into strategic credit policies and business value, while mentoring junior team members and contributing to Klarna’s long-term modeling vision.
Who You Are
- 5+ years’ experience in credit risk modeling for consumer lending, credit cards, or BNPL.
- Deep proficiency in PD model development and validation, with strong knowledge of calibration techniques.
- Advanced Python and SQL skills; familiar with XGBoost, scikit-learn, pandas, MLFlow.
- Experience with explainability frameworks such as SHAP, LIME, PDP.
- Ability to communicate technical concepts clearly and influence cross-functional decisions.
- Familiarity with real-time modeling and current trends in ML and credit analytics.
- Awesome to have
- Hands-on experience using LLMs to extract features from unstructured data (e. g., customer communications, credit applications).
- Knowledge of integrating third-party credit bureau data into production models.
- Understanding of champion/challenger model frameworks and A/B testing infrastructure.
- Exposure to loan-level economic modeling, including cost-of-capital and loss metrics.
Please include a CV in English Curious to learn more about Klarna and what it’s like to work here? Explore our career site!
Senior/Lead Data Scientist -Credit Risk Modeling datore di lavoro: Klarna
Klarna è un datore di lavoro eccezionale, offrendo un ambiente di lavoro stimolante e innovativo nel cuore della tecnologia finanziaria. I dipendenti possono beneficiare di opportunità di crescita professionale attraverso il mentoring e la collaborazione con team trasversali, contribuendo a modelli di rischio creditizio all'avanguardia. Inoltre, la cultura aziendale promuove la diversità e l'inclusione, rendendo ogni giorno un'opportunità per imparare e fare la differenza nel settore.
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 Klarna
Non dimenticare di candidarti direttamente sul sito di Klarna! 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
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 Klarna. 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 Klarna. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso Klarna
✨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.
