Analyste de données, Audit interne

GiveDirectly a distribué plus d'un milliard de dollars en espèces directement à plus de deux millions de personnes vivant dans la pauvreté dans 15 pays depuis 2011. Nous pensons que les transferts monétaires sont l'une des formes d'aide les plus évolutives, les plus rentables et les plus dignes, avec des recherches à l'appui. Notre travail a été couvert par The Economist, NPR, TED et The Washington Post. Nous sommes l’une des entreprises les plus influentes de Time100 en 2026.

Notre culture est franche, analytique et non hiérarchique. Nous soutenons une forte appropriation et une véritable croissance professionnelle. Curieux de savoir ce que c'est vraiment de travailler ici ? Lisez nos valeurs et écoutez ceux qui les défendent. S’ils résonnent, cela pourrait être un bon choix !

À propos de ce rôle

GD transfère l’argent directement entre les mains des personnes vivant dans la pauvreté, souvent dans des contextes où les infrastructures et la surveillance sont limitées. Protéger cet argent contre la fraude – qu’elle soit tentée par des acteurs externes malveillants, du personnel de terrain ou des destinataires – est au cœur de notre mission et de la confiance des donateurs. L'audit interne constitue la deuxième ligne de défense de GD contre la fraude, et ce rôle en est au centre.

Nous recherchons un analyste de données capable de transformer les données brutes d'exploitation, de paiements et d'inscription en une image claire de l'endroit où le risque de fraude apparaît dans nos programmes, de traduire ces modèles en recommandations qui changent la façon dont les projets sont conçus et de collaborer avec notre équipe produit pour créer les outils qui nous aident à détecter la fraude plus tôt et de manière plus fiable. Vous évoluerez de manière fluide entre une analyse approfondie, une narration claire pour les parties prenantes qui ne sont pas des spécialistes des données et une collaboration pratique avec les ingénieurs et les chefs de produit.

Ce rôle relève de l'audit interne, mais relève d'une ligne hiérarchique en pointillés vers le directeur des données afin de garantir que nous respectons la barre de qualité technique organisationnelle et que nous standardisons les pratiques et les méthodes d'analyse et d'ingénierie dans l'ensemble de l'organisation. L'audit interne est responsable des questions sur le risque de fraude, des définitions d'indicateurs, de l'analyse d'enquête et de l'interprétation, tandis que l'équipe centrale de données possède l'infrastructure de données partagée, les pipelines de production, les modèles de données gouvernés et les normes de plateforme. L'analyste fait le lien entre les deux : contribuer aux exigences du domaine, à la validation et à l'assurance qualité, et s'assurer que ce travail s'aligne sur les pratiques analytiques et d'ingénierie à l'échelle de l'organisation.

Vous êtes aussi à l'aise dans une feuille de calcul ou une console SQL que dans une salle avec des responsables de programmes nationaux expliquant pourquoi une tendance est importante et comment y remédier. Vous privilégiez par défaut les preuves plutôt que l’instinct, mais vous savez qu’une bonne idée n’est utile que si quelqu’un agit en conséquence.

Relève de : Gestionnaire principal de l’audit interne

Niveau : Analyste / Manager

Emplacement : Éloigné, avec obligation de chevaucher d'au moins 3 heures le fuseau horaire de l'Afrique de l'Est. Pour le moment, nous ne pouvons employer des personnes que dans certains endroits. Il vaut donc la peine de consulter notre liste actuelle de pays éligibles pour voir si le vôtre est inclus. Si vous êtes basé ailleurs, ce n'est pas un non automatique, mais signalez-le tôt à votre recruteur. Nous ne sommes pas en mesure de parrainer ou de prendre en charge le parrainage de visas de travail aux États-Unis ou au Royaume-Uni pour le moment.

Ce que tu feras

• Analyser les tendances des risques de fraude : données d'inscription dans les mines, de paiement, d'enquête et d'opérations sur le terrain pour identifier les modèles, les anomalies et les typologies de fraude émergentes (par exemple, inscriptions en double, collusion, fraude d'identité, détournement de fonds) dans les programmes et les zones géographiques de GD.

• Concevoir et superviser des indicateurs de risque de fraude : créer, valider et maintenir une surveillance récurrente en partenariat avec les propriétaires de données centrales et de contrôle opérationnel.

• Identifier les problèmes de qualité des données actuellement collectées par l'audit interne et aider à concevoir et mettre en œuvre des améliorations de processus pour les résoudre.

• Intégrer une réflexion basée sur les données dans la conception de l'IA : identifiez les décisions liées à la fraude pour lesquelles GiveDirectly devrait être davantage basée sur les données, et intégrez-les dans la conception du processus d'audit interne.

• Traduire les résultats en action : regrouper l'analyse dans des mémoires et des présentations clairs et crédibles destinés aux équipes pays, aux responsables des opérations et à la haute direction, avec des recommandations concrètes pour réduire le risque de fraude.

• Soutenez les enquêtes sur les fraudes : fournissez des extractions de données, quantifiez l'exposition et aidez à reconstituer les événements pour des cas spécifiques, en garantissant que l'analyse est reproductible et prête pour l'audit, avec des requêtes documentées, un traçage des données, des hypothèses, des exclusions et des contrôles d'assurance qualité.

• Collaborez avec Product and Central Data sur les outils de détection de fraude : traduisez les signaux de risque validés en exigences de produit, apportez votre expertise du domaine et vos critères d'acceptation, et testez si les contrôles fonctionnent comme prévu, tout en maintenant des limites claires en matière de propriété et d'indépendance.

• Collaborer avec Data Engineering sur la qualité des données en amont et l'amélioration du pipeline, tout en possédant la couche analytique en aval.

• Renforcer la méthodologie au fil du temps : tester les indicateurs de risque par rapport aux cas étudiés, surveiller la précision, la couverture et les taux de faux positifs, et affiner en fonction des résultats et des risques émergents.

• Communiquer honnêtement l'incertitude : distinguer la fraude confirmée des modèles suspects mais non confirmés, aidant ainsi les parties prenantes à prendre des décisions sans surestimer les résultats.

Ce que tu apporteras

• 4+ années d'expérience dans l'analyse de données, l'audit, les risques ou un rôle analytique connexe ; une expérience en audit interne, en fraude/criminalistique ou dans un contexte à but non lucratif/développement est un plus mais n'est pas obligatoire.

• Solides compétences SQL et aisance à travailler directement sur des ensembles de données opérationnels volumineux, parfois désordonnés (données Salesforce, données de paiement, données d'enquête).

• Une expérience de l'utilisation de Python pour l'analyse reproductible, l'automatisation, le couplage d'enregistrements, l'enquête sur les anomalies ou les tests de qualité des données est fortement préférée.

• La connaissance des cahiers d'analyse, du contrôle de version et de l'analyse documentaire afin qu'elle puisse être révisée et reproduite par d'autres est un plus.

• Expérience avec les outils de visualisation (par exemple Looker, Tableau, Power BI) et/ou Python/R pour l'analyse.…

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