Head Of Data Science & Credit Risk（远程职位）

这条招聘信息来自 FINN，岗位是 Head Of Data Science & Credit Risk：这是团队负责人的位置，要对一个团队或者一整条业务线负责。职位属于「数据与分析」类别，完全远程。公司不限制候选人的居住地，在任何地方都可以申请。

招聘信息单独点名了 Machine Learning，也就是说，正是这一项工具的使用经验会成为决定因素。

公司没有公布具体数字，这一项会在面试时谈定。对工作时间，招聘信息没有提出任何条件。

这个职位通过了自动核查：凡是要求外国工作许可、签证担保、特定国籍，或者必须居住在指定国家的招聘信息，都不会进入列表。

职位标题：数据科学与信用风险负责人 部门：数据科学与信用风险 地点：全球

关于 FINN

FINN 是一家金融科技公司，致力于为欠银行化员工提升金融健康。我们的主要服务提供按需访问已赚工资，并配以财务管理工具，帮助建立储蓄、获取保险、创造额外收入以及利用更公平的金融产品。

成立于2022年，FINN 是东南亚地区早期工资访问市场的领先企业，并正迅速扩展至新的全球市场。我们正积极寻求创新且有抱负的专业人士，他们能够承担责任，迅速行动，并希望打造能够显著影响人们生活的产 品。

我们正在寻找一位数据科学与信用风险负责人，以监督我们的机器学习驱动的承保策略，并在东南亚强化风险评估。在此职位中，您将结合深厚的 数据科学知识与信用风险专长，从模型开发到实际影响，管理整个过程。您将领导数据科学家和风险分析师团队，与工程、产品和财务紧密合作，以提升审批流程，增强组合表现，并负责任地扩大信贷准入。

机器学习与模型开发

- 领导创建、测试和实施用于信贷决策、欺诈检测和风险分层的机器学习模型。 - 利用替代数据源开发承保算法，以增强风险评估并提高金融可及性。 - 构建并推出实时或近实时评分模型，可以在多个市场中进行扩展。 - 确保模型透明、公平且具有弹性，持续监控其准确性、特征稳定性及漂移。 - 建立机器学习操作 (MLOps) 实践，包括版本控制、实验、部署和持续监督。 - 在组织内推广机器学习，为客户提供价值、增加收入并提高营销效果。

信用风险策略与监控

- 制定并维护针对每个市场的信用风险框架、政策和审批程序。 - 设定风险阈值和客户细分策略，平衡增长、违约率和组合健康。 - 跟踪关键风险指标，调查重大变化，并建立组合下降的早期预警信号。 - 进行政策和模型变化的模拟，支持 A/B 测试，并使用绩效数据和业务 KPI 优化策略。 - 领导压力测试和预期信贷损失建模，与财务部门紧密合作，进行拨备和资本分配。 - 通过符合区域监管标准的本地化风险模型和政策支持市场扩展。

团队与战略领导

- 建立、领导并指导数据科学家和风险分析师团队，同时积极参与技术工作。 - 拥有数据科学与信用风险路线图，协调业务增长和扩展计划中的优先事项。 - 向执行团队和董事会汇报模型性能、组合趋势和战略洞察。 - 与工程、产品和财务部门合作，将分析发现转化为实际的商业成果。 - 评估并建立与替代数据提供商和信用局的合作关系。 - 培养实验、问责和数据驱动决策的文化。

业务影响

- 在保持期望的违约率的同时提高审批率，并遵守负责任的放贷标准。 - 通过自动化承保和评分系统加快决策。 - 通过高级分析发现新的客户细分和产品机会。 - 通过风险细分和客户价值建模优化单位经济。 - 监控模型和政策调整的影响，使用反馈循环提高性能。

您的背景

必需：

- 至少10年在金融科技、数字放贷、BNPL或按需工资访问领域中的数据科学、机器学习和消费者信用风险方面的综合经验。 - 在多个产品、市场或两者兼有的大规模创建和管理信用政策和组合的经验。 - 在真实或近实时决策管道中建立、部署和监控生产机器学习模型的成功记录。 - 实验和A/B测试以评估模型和政策变化的手动经验。 - 强大的统计和数学技能，精通经典统计方法和现代机器学习。 - 熟练掌握SQL和探索性数据分析，具有云数据平台经验。我们使用GCP BigQuery，但此特定平台不是必需的。 - 能够建立和领导技术团队，同时积极参与模型开发和问题解决。 - 优秀的沟通能力，能够向业务利益相关者清晰解释复杂模型和信用风险概念。 - 健全的商业判断力，能够将技术决策与增长、组合表现和投资回报率联系起来。 - 适应快节奏创业环境的灵活、主动心态。

加分项：

- 对东南亚信贷市场、信用局和替代数据源的了解。 - 对MLflow或类似框架用于生产模型开发和部署的理解。 - 对多个市场或区域的IFRS 9和当地信贷法规的理解。

我们提供的

- 基于经验和地点的竞争力薪资。 - 股权参与。 - 持续学习、成长和塑造增长中的数据科学与信用风险功能的机会。 - 通过重新定义欠银行化员工的金融服务来产生有意义影响的机会。

加入 FINN 的原因

- 通过扩大欠银行化员工的金融服务来产生有意义的影响。 - 从头开始创建机器学习和风险能力。 - 使用现代机器学习工具和云基础设施工作。 - 通过领导核心功能来推动快速成长，随着 FINN 进入新市场。 - 参与使命驱动的工作，通过更公平、更可访问的金融服务来改善金融健康。

#全球

原文发布于喜马拉雅山