Datenanalyst, Interne Revision

GiveDirectly hat seit 2011 mehr als 1 Milliarde US-Dollar in bar direkt an mehr als 2 Millionen in Armut lebende Menschen in 15 Ländern gespendet. Wir glauben, dass Bargeldtransfers eine der skalierbarsten, kostengünstigsten und würdevollsten Formen der Hilfe sind, und die Forschung untermauert dies. Über unsere Arbeit wurde von The Economist, NPR, TED und der Washington Post berichtet. Wir sind eines der einflussreichsten Unternehmen von Time100 im Jahr 2026.

Unsere Kultur ist offen, analytisch und nicht hierarchisch. Wir unterstützen eine hohe Eigenverantwortung und echtes berufliches Wachstum. Neugierig, wie es wirklich ist, hier zu arbeiten? Lesen Sie unsere Werte und hören Sie von den Menschen, die dies tun. Wenn sie ankommen, könnte das gut passen!

Über diese Rolle

GD transferiert Bargeld direkt in die Hände von Menschen, die in Armut leben, oft in Kontexten mit begrenzter Infrastruktur und Aufsicht. Der Schutz dieses Geldes vor Betrug – sei es durch externe Betrüger, Außendienstmitarbeiter oder Empfänger – ist von zentraler Bedeutung für unsere Mission und das Vertrauen der Spender. Die interne Revision ist die zweite Verteidigungslinie des GD gegen Betrug, und diese Rolle steht im Mittelpunkt.

Wir suchen einen Datenanalysten, der rohe Betriebs-, Zahlungs- und Registrierungsdaten in ein klares Bild davon umwandeln kann, wo in unseren Programmen Betrugsrisiken auftreten, diese Muster in Empfehlungen übersetzen kann, die die Gestaltung von Projekten ändern, und der mit unserem Produktteam zusammenarbeiten kann, um die Tools zu entwickeln, die uns helfen, Betrug früher und zuverlässiger zu erkennen. Sie bewegen sich fließend zwischen tiefgreifender Analyse, klarem Storytelling für Stakeholder, die keine Datenspezialisten sind, und praktischer Zusammenarbeit mit Ingenieuren und Produktmanagern.

Diese Rolle ist innerhalb der Internen Revision angesiedelt, verfügt jedoch über eine punktuelle Berichtslinie zum Datendirektor, um sicherzustellen, dass wir die technischen Qualitätsanforderungen der Organisation erfüllen und analytische und technische Praktiken sowie Arbeitsweisen im gesamten Unternehmen standardisieren. Die interne Revision ist für Betrugsrisikofragen, Indikatordefinitionen, Untersuchungsanalysen und Interpretation zuständig, während das zentrale Datenteam für die gemeinsame Dateninfrastruktur, Produktionspipelines, geregelte Datenmodelle und Plattformstandards zuständig ist. Der Analyst verbindet beides: Er trägt zu Domänenanforderungen, Validierung und Qualitätssicherung bei und stellt sicher, dass diese Arbeit mit unternehmensweiten Analyse- und Technikpraktiken übereinstimmt.

Sie fühlen sich in einer Tabellenkalkulation oder SQL-Konsole genauso wohl wie in einem Raum mit Länderprogrammleitern, die erklären, warum ein Trend wichtig ist und was man dagegen tun kann. Sie bevorzugen Beweise vor Instinkt, wissen aber, dass eine gute Einsicht nur dann nützlich ist, wenn jemand danach handelt.

Berichtet an: Senior Manager der Internen Revision

Ebene: Analyst / Manager

Standort: Abgelegen, mit der Anforderung, dass sich die Zeitzone um mindestens 3 Stunden mit der ostafrikanischen Zeitzone überschneidet. Da wir derzeit nur an bestimmten Orten Mitarbeiter beschäftigen können, lohnt es sich, einen Blick auf unsere aktuelle Liste der förderfähigen Länder zu werfen, um zu sehen, ob auch Ihr Land dabei ist. Wenn Sie woanders ansässig sind, ist das kein automatisches Nein, aber melden Sie es frühzeitig Ihrem Personalvermittler. Wir sind derzeit nicht in der Lage, Arbeitsvisa in den USA oder im Vereinigten Königreich zu sponsern oder zu übernehmen.

Was du tun wirst

• Analysieren Sie Betrugsrisikotrends: Sammeln Sie Registrierungs-, Zahlungs-, Umfrage- und Feldeinsatzdaten, um Muster, Anomalien und aufkommende Betrugstypologien (z. B. doppelte Registrierungen, Absprachen, Identitätsbetrug, Umleitung von Geldern) in den Programmen und Regionen von GD zu identifizieren.

• Entwerfen und überwachen Sie Betrugsrisikoindikatoren: Erstellen, validieren und pflegen Sie wiederkehrende Überwachungen in Zusammenarbeit mit zentralen Daten- und Betriebskontrollverantwortlichen.

• Identifizieren Sie Datenqualitätsprobleme in den derzeit von der Internen Revision gesammelten Daten und helfen Sie bei der Konzeption und Implementierung von Prozessverbesserungen, um diese zu beheben.

• Integrieren Sie datengesteuertes Denken in das IA-Design: Identifizieren Sie betrugsbezogene Entscheidungen, bei denen GiveDirectly stärker datengesteuert sein sollte, und integrieren Sie dies in das interne Audit-Prozessdesign.

• Erkenntnisse in die Tat umsetzen: Verpacken Sie die Analyse in klare, glaubwürdige Briefings und Präsentationen für Länderteams, die Betriebsführung und die Geschäftsleitung, mit konkreten Empfehlungen zur Reduzierung des Betrugsrisikos.

• Unterstützen Sie Betrugsuntersuchungen: Stellen Sie Datenabfragen bereit, quantifizieren Sie die Gefährdung und helfen Sie bei der Rekonstruktion von Ereignissen für bestimmte Fälle – stellen Sie sicher, dass die Analyse reproduzierbar und revisionssicher ist, mit dokumentierten Abfragen, Datenherkunft, Annahmen, Ausschlüssen und Qualitätssicherungsprüfungen.

• Arbeiten Sie mit Product and Central Data an Betrugserkennungstools zusammen: Übersetzen Sie validierte Risikosignale in Produktanforderungen, bringen Sie Fachwissen und Akzeptanzkriterien ein und testen Sie, ob Kontrollen wie beabsichtigt funktionieren – unter Wahrung klarer Eigentums- und Unabhängigkeitsgrenzen.

• Arbeiten Sie mit Data Engineering an Upstream-Datenqualitäts- und Pipeline-Verbesserungen zusammen, während Sie gleichzeitig Eigentümer der Downstream-Analyseebene sind.

• Methodik im Laufe der Zeit stärken: Risikoindikatoren mit untersuchten Fällen vergleichen, Präzision, Abdeckung und Falsch-Positiv-Raten überwachen und basierend auf Ergebnissen und neu auftretenden Risiken verfeinern.

• Kommunizieren Sie Unsicherheit ehrlich: Unterscheiden Sie bestätigten Betrug von verdächtigen, aber unbestätigten Mustern und helfen Sie den Beteiligten, Entscheidungen zu treffen, ohne die Ergebnisse zu überbewerten.

Was Sie mitbringen

• 4+ Jahre Erfahrung in der Datenanalyse, Prüfung, Risiko oder einer verwandten analytischen Rolle; Erfahrung in der internen Revision, Betrug/Forensik oder einem gemeinnützigen/Entwicklungskontext ist von Vorteil, aber nicht erforderlich.

• Starke SQL-Kenntnisse und Komfort beim direkten Arbeiten mit großen, manchmal unübersichtlichen Betriebsdatensätzen (Salesforce-Daten, Zahlungsdaten, Umfragedaten).

• Erfahrung mit Python für reproduzierbare Analysen, Automatisierung, Datensatzverknüpfung, Anomalieuntersuchung oder Datenqualitätstests wird dringend empfohlen.

• Vertrautheit mit analytischen Notizbüchern, Versionskontrolle und der Dokumentation von Analysen, damit diese von anderen überprüft und reproduziert werden können, ist von Vorteil.

• Erfahrung mit Visualisierungstools (z. B. Looker, Tableau, Power BI) und/oder Python/R zur Analyse.…

Quelle: Jobicy (https://jobicy.com/jobs/153127-data-analyst-internal-audit)