Clara — ведущая платформа в Латинской Америке, позволяющая компаниям осуществлять и управлять всеми платежными операциями. Более 50 000 ведущих и быстрорастущих компаний используют наши корпоративные карты, оплату счетов, финансирование и B2B-платежи, а в 2025 году Financial Times назвала Clara самой быстрорастущей компанией региона. Мы увлечены тем, что помогаем каждой компании, с которой работаем, становиться более эффективной — и, тем самым, повышать конкурентоспособность региона. Нас около 400 человек, нас поддерживают, среди прочих, Notable Capital, Coatue, Kaszek, monashees, DST Global, ICONIQ, General Catalyst и Goldman Sachs.
Что вы будете делать
Мы ищем старшего специалиста по науке о данных (Senior Data Scientist) — моделированию рисков, который присоединится к команде Risk Data Science в Clara. В этой роли вы будете сочетать передовую аналитику, машинное обучение и экспертизу в области кредитного риска для разработки и улучшения моделей и стратегий, которые поддерживают андеррайтинг, управление портфелем и принятие решений по рискам на всех рынках Clara.
Вы будете тесно сотрудничать с отделами Risk, Data, Engineering, Finance и Operations, решая аналитические задачи от исследования и разработки моделей до валидации, мониторинга и бизнес-внедрения.
Ваши обязанности будут включать:
- Разработку моделей кредитного риска: проектирование, создание, валидация и поддержка предиктивных моделей для андеррайтинга кредитов, поведенческого риска, управления портфелем и других сценариев использования, связанных с рисками.
- Управление жизненным циклом моделей: работа на всех этапах жизненного цикла модели, включая определение проблемы, построение совокупности и целевой переменной, инжиниринг признаков, разработку, валидацию, бэктестинг, калибровку, мониторинг и перекалибровку моделей.
- Продвинутую аналитику рисков: использование SQL и Python для исследования больших наборов данных, выявления тенденций в портфеле, анализа просроченной задолженности и убытков, а также преобразования результатов в действенные стратегии управления рисками.
- Укрепление принятия решений по кредитам: поддержка разработки и оптимизации стратегий андеррайтинга, пороговых значений скоринговых баллов, кредитных лимитов, сегментации и политик управления портфелем.
- Мониторинг производительности моделей и портфеля: создание систем мониторинга для отслеживания дискриминации моделей, калибровки, стабильности, дрейфа данных, тенденций портфеля, винтажей, коэффициентов перехода (roll rates), просроченной задолженности и других ключевых индикаторов риска.
- Повышение качества данных и моделирования: валидация источников данных, внедрение контроля качества данных, оценка стабильности признаков и выявление потенциальных проблем, таких как утечка данных, систематическая ошибка отбора или дрейф совокупности.
- Работа с отклоненными и ненаблюдаемыми совокупностями: вклад в методологии для решения проблем вывода данных по отклоненным заявкам, систематической ошибки отбора, совокупностей с ограниченной историей (thin-file) и ограниченной информации о производительности, где это применимо.
- Разработку в современной среде ML: использование Databricks, MLflow, GitHub, Python, SQL, scikit-learn и других подходящих инструментов моделирования для создания воспроизводимых и хорошо документированных аналитических решений.
- Поддержку внедрения моделей: сотрудничество с командами Data и Engineering для обеспечения надежного развертывания моделей, разработанных Risk Data Science, и их интеграции в бизнес-процессы принятия решений.
- Преобразование аналитики в бизнес-решения: четкое донесение сложных аналитических выводов руководству Risk и нетехническим заинтересованным сторонам, а также помощь в преобразовании результатов моделей в действенные бизнес-стратегии.
- Вклад в стандарты Risk Analytics: помощь в построении масштабируемых методологий для разработки, валидации, мониторинга, документирования и управления моделями в Мексике, Бразилии и Колумбии.
Кто вы
Мы ищем кандидата, который соответствует минимальным требованиям для рассмотрения на эту должность. Предпочтительные квалификации являются бонусом, а не требованием.
Обязательно
- 4–6+ лет опыта работы в области Data Science, Risk Analytics, Credit Risk или смежных аналитических областях.
- Минимум 2 года практического опыта разработки или валидации моделей кредитного риска или других предиктивных моделей рисков.
- Отличное владение Python и SQL для манипулирования данными, статистического анализа и разработки моделей.
- Опыт работы с Databricks или аналогичными облачными аналитическими платформами.
- Опыт разработки предиктивных моделей с использованием таких библиотек, как scikit-learn, LightGBM/XGBoost, PyTorch или эквивалентных инструментов.
- Понимание полного жизненного цикла моделей, включая разработку, валидацию, бэктестинг, мониторинг, перекалибровку и документирование.
- Глубокое понимание аналитики кредитного риска, включая такие концепции, как:
- просроченная задолженность и дефолт;
- винтажный анализ;
- коэффициенты перехода (roll rates);
- коэффициенты дефолта (bad rates);
- производительность портфеля;
- дискриминация и калибровка скоринговых баллов;
- стабильность совокупности и моделей.
- Опыт работы с большими финансовыми или транзакционными наборами данных и твердая приверженность качеству и целостности данных.
- Способность преобразовывать количественный анализ в кредитные стратегии и бизнес-рекомендации.
- Рабочий уровень владения английским и испанским языками.
- Академическое образование в области статистики, математики, экономики, инженерии, компьютерных наук, актуария, науки о данных или смежной количественной области.
- Способность работать в быстро меняющейся среде и сотрудничать с командами Risk, Data, Engineering и бизнес-подразделениями.
Желательно
- Опыт работы в финтехе, кредитовании, кредитных картах, платежах или B2B финансовых продуктах.
- Опыт работы на кредитных рынках Латинской Америки, особенно в Мексике, Бразилии или Колумбии.
- Знание данных кредитных бюро и альтернативных источников данных.
- Опыт работы с методологиями PD modeling, expected loss, ECL, LGD или EAD.
- Опыт работы с выводом данных по отклоненным заявкам (reject inference) или моделированием при наличии систематической ошибки отбора (selection bias).
- Опыт определения стратегий кредитных линий, пороговых значений, риск-сегментации или политик андеррайтинга.
- Опыт работы с MLflow, реестрами моделей, контролем версий и воспроизводимыми рабочими процессами ML.
- Опыт работы с Git и GitHub.
- Знание концепций инженерии данных и ETL/конвейеров данных.
- Опыт вывода моделей от разработки до внедрения в партнерстве с Engineering.
- Опыт работы с инструментами визуализации или BI, такими как Metabase.
- Степень магистра в области статистики, науки о данных, машинного обучения, экономики, финансов или смежной количественной области.
Где мы работаем
Это гибридная роль: вы будете делить свое время между офисом, клиентами и домом. Мы не устанавливаем минимальное количество дней в офисе для большинства должностей — вы будете проводить время в офисе естественным образом, и большинство дней во время вашего обучения или по запросу вашего руководителя.
Почему Clara
- Команда с высокой концентрацией талантов, стремящаяся оказать влияние на Латинскую Америку — низкое эго, высокое чувство ответственности.
- Конкурентная заработная плата и опционы на акции (ESOP) с первого дня.
- Ежегодный бюджет на обучение и ускоренные пути развития.
- Английский — наш рабочий язык, испанский и португальский — повседневные.
Как мы работаем
- Clarity (Ясность) — Открытое и прямое общение: мы говорим то, что имеем в виду, и предоставляем контекст там, где это важно.
- Simplicity (Простота) — Если что-то можно упростить, это следует упростить.
- Ownership (Ответственность) — Мы несем полную ответственность за все, что делаем. Когда что-то нужно сделать, мы не ждем.
- Pride (Гордость) — Мы предъявляем высокие стандарты к себе, и это отражается в результатах нашей работы.
- ABC (Always Be Changing) (Всегда меняйся) — Мы быстро адаптируемся, принимаем изменения и продолжаем учиться.
- Inclusivity (Инклюзивность) — Разнообразие идей, историй и точек зрения способствует созданию лучшей Clara.
Если вы соответствуете обязательным требованиям, подавайте заявку — желательные квалификации являются бонусом, а не требованием.
