Мониторинг и контроль портфеля:

• Стресс-тестирование портфеля и расчет резервов под ожидаемые кредитные убытки (в соответствии с МСФО 9 / управленческой моделью).
• Регулярный и своевременный мониторинг качества кредитного портфеля, сегментация клиентов по уровню риска.
• Подготовка аналитики по факторам, влияющим на размер риска и мерам по ее снижению.

Цифровизация и внедрение ML-моделей:

• Внедрение онлайн-скоринга: запуск процесса принятия решений по лимитам в режиме реального времени (online scoring) на этапе привлечения клиента.
• Разработка и внедрение ML-моделей: инициация и контроль разработки моделей прогнозирования кредитного риска на основе поведенческих факторов и моделей скоринга новых клиентов с использованием внешних и внутренних источников данных.
• Настройка процесса регулярного мониторинга и тестирования новых источников данных для повышения точности моделей и эффективности бизнеса.
• Автоматизация мониторинга портфеля: внедрение дашбордов и ролевых моделей доступа для постоянного мониторинга качества портфеля и раннего обнаружения проблем (Early Warning System).

Что необходимо для максимального результата?

• Опыт от 3 лет на руководящих позициях в сфере управления кредитными рисками в B2B/B2C (Банки, МФО, Лизинговые компании, Финтех, крупные дистрибьютеры).
• Размер кредитного портфеля в управлении от 1 млрд руб.
• Опыт управления командой с полным набором функций по управлению риском (автоматизация, отчетность, управление кредитной политикой, разработка моделей, тестирование источников данных, прогнозирование).
• Глубокое понимание специфики кредитования/авансирования юридических лиц или физических лиц.
• Понимание цикла разработки ML-моделей в кредитном скоринге.
• Умение ставить задачи Data Science команде (от EDA до валидации модели).
• Понимание метрик качества модели (Gini, KS, PSI) и специфики их применения.
• Продвинутый уровень Excel / SQL / работа в системах визуализации (Tableau, Power BI) для самостоятельного анализа больших массивов данных.
• Опыт использования в оценке юридических лиц различных источников данных (включая данные по физическим