científico de datos

Sobre nosotros
Hawk es el proveedor líder de tecnología de detección de fraude y antilavado de dinero respaldada por inteligencia artificial. Los bancos y proveedores de pagos a nivel mundial están utilizando la poderosa combinación de reglas tradicionales e inteligencia artificial explicable de Hawk para mejorar la efectividad de su cumplimiento ALD y prevención de fraude al identificar más delitos y al mismo tiempo maximizar la eficiencia al reducir los falsos positivos. Con nuestra solución, estamos desempeñando un papel vital en la lucha global contra el lavado de dinero, el fraude o la financiación del terrorismo. Ofrecemos una cultura de confianza mutua, apoyo y pasión, al mismo tiempo que brindamos a las personas oportunidades para crecer profesionalmente y marcar una diferencia en el mundo.

Tu misión
Como científico de datos de clientes en Hawk, usted es la persona en la que nuestros clientes confían para hacer que sus modelos de detección de fraude y AML realmente funcionen para ellos: sintonizados con sus patrones de transacciones, defendibles ante sus reguladores y demostrablemente efectivos en sus propios números. Usted se sienta dentro del equipo de clientes regional y trabaja directamente junto con los socios de valor para el cliente en cuentas reales, no detrás de una pared de tickets de una función central de ciencia de datos. Su trabajo abarca el ajuste de modelos y umbrales, una investigación analítica profunda sobre el rendimiento de la detección y la creación de una narrativa orientada al cliente que muestre exactamente qué se ha mejorado y por qué. Ya ha hecho esto frente a clientes antes y conoce la diferencia entre un modelo que obtiene buenos resultados en un cuaderno y uno que sobrevive al contacto con la carga de trabajo de un investigador real.

Responsabilidades clave

• Sintonice y optimice los modelos y umbrales de detección con los datos de transacciones en vivo de cada cliente, equilibrando la efectividad de la detección con la carga de falsos positivos, no solo con un conjunto de datos de referencia.

• Investigue profundamente el rendimiento de la detección: investigue los casos perdidos, la calidad de las alertas y la deriva de patrones, y convierta lo que encuentre en ajustes o cambios de configuración concretos.

• Traducir los hallazgos técnicos en información orientada al cliente: cree el análisis que muestre las ganancias en la productividad de los investigadores, la reducción de costos de falsos positivos y las mejoras en la efectividad de la detección en el lenguaje que el liderazgo en materia de cumplimiento y riesgo de un cliente realmente utiliza.

• Siéntese en la sala directamente con los clientes. Presente los hallazgos, defienda su metodología ante el equipo de cumplimiento o ciencia de datos del propio cliente y responda en vivo las preguntas difíciles de "¿por qué el modelo hizo esto?".

• Asóciese estrechamente con sus socios regionales de valor para el cliente en la estrategia de cuentas, informándoles dónde debe cambiar el modelo para desbloquear la siguiente etapa de realización de valor o una conversación de renovación.

• Introducir patrones y hallazgos en el modelo más amplio de Hawk y en las funciones del producto, distinguiendo entre “este cliente necesita ajuste local” y “esta es una brecha sistémica que vale la pena solucionar de manera centralizada”.

• Ser dueño de la defensa regulatoria de las decisiones de ajuste que tome. Documente su razonamiento para que la auditoría del cliente o la revisión del regulador se mantengan.

• Aplique rigor a la forma de validar los cambios del modelo antes de que entren en funcionamiento: pruebas retrospectivas, revisión de muestras y disciplina de aprobación que proteja la postura de cumplimiento del cliente.

Tu perfil

• 5-7 años como científico de datos en una función de cara al cliente, presentando análisis y defendiendo decisiones de modelos directamente ante los clientes. Esta no es una formación interna en ingeniería o ciencia de datos de productos; te has sentado frente a un cliente antes.

• Se requiere experiencia real en AML, detección de fraude o análisis de delitos financieros. Usted comprende el monitoreo de transacciones, las tipologías y lo que realmente le cuesta a un investigador un falso positivo, no solo lo que le cuesta en una matriz de confusión.

• Fuertes habilidades prácticas en la pila de ciencia de datos estándar (Python, SQL y cualquier herramienta de aprendizaje automático que haya utilizado en producción), pero su ventaja es el juicio bajo ambigüedad: saber cuándo es seguro realizar un cambio de modelo y cuándo se necesita un ser humano en el circuito.

• Se siente cómodo siendo la voz técnica en una sala con las partes interesadas en el riesgo, el cumplimiento o la ciencia de datos de un cliente, y defendiéndose cuando se le pregunta.

• Un historial de traducción del desempeño del modelo en valor comercial sobre el cual una parte interesada no técnica puede actuar: no solo métricas de precisión, sino también horas de investigación ahorradas, costos de falsos positivos evitados y casos detectados.

• Comodidad genuina con la ambigüedad y los sistemas de producción en vivo. No está buscando un problema de investigación fuera de línea claro, está buscando el problema de "¿por qué se activó esta alerta en los datos de un cliente real hoy a las 2 p.m.?".

• Una mentalidad de propiedad. No esperas por un boleto; Te das cuenta cuando el rendimiento de detección de una cuenta está cambiando y descubres por qué.

Bono

• Experiencia específicamente en monitoreo de transacciones o detección de fraude en pagos en un banco, proveedor de pagos o un proveedor que los preste.

• Familiaridad con la IA explicable y los enfoques de detección híbrida basados ​​en reglas, ya que eso es fundamental para el funcionamiento de los modelos de Hawk.

Encuentre más trabajos de habla inglesa en Alemania en Arbeitnow

Fuente: Arbeitnow (https://www.arbeitnow.com/jobs/companies/hawk/data-scientist-munich-358174)