Scientifique des données

À propos de nous
Hawk est le principal fournisseur de technologies de lutte contre le blanchiment d’argent et de détection de fraude basées sur l’IA. Les banques et les prestataires de paiement du monde entier utilisent la puissante combinaison de règles traditionnelles et d’IA explicable de Hawk pour améliorer l’efficacité de leur conformité AML et de leur prévention de la fraude en identifiant davantage de délits tout en maximisant l’efficacité en réduisant les faux positifs. Avec notre solution, nous jouons un rôle essentiel dans la lutte mondiale contre le blanchiment d’argent, la fraude ou encore le financement du terrorisme. Nous offrons une culture de confiance mutuelle, de soutien et de passion, tout en offrant aux individus des opportunités de développement professionnel et de faire une différence dans le monde.

Votre mission
En tant que Customer Data Scientist chez Hawk, vous êtes la personne en qui nos clients ont confiance pour que leurs modèles AML et de détection de fraude fonctionnent réellement pour eux : adaptés à leurs modèles de transactions, défendables auprès de leurs régulateurs et dont l'efficacité est prouvée dans leurs propres chiffres. Vous faites partie de l'équipe client régionale, travaillant directement aux côtés des Customer Value Partners sur des comptes réels, et non derrière un mur de tickets provenant d'une fonction centrale de science des données. Votre travail comprend le réglage du modèle et des seuils, une enquête analytique approfondie sur les performances de détection et la création d'un récit destiné au client qui montre exactement ce qui a été amélioré et pourquoi. Vous avez déjà fait cela devant des clients et vous connaissez la différence entre un modèle qui obtient de bons résultats dans un cahier et un modèle qui survit au contact de la charge de travail d'un véritable enquêteur.

Principales responsabilités

• Ajustez et optimisez les modèles et les seuils de détection par rapport aux données de transaction en direct de chaque client, en équilibrant l'efficacité de la détection par rapport à la charge de faux positifs, et pas seulement par rapport à un ensemble de données de référence.

• Enquêtez en profondeur sur les performances de détection : explorez les cas manqués, la qualité des alertes et la dérive des modèles, et transformez ce que vous trouvez en ajustements concrets ou en modifications de configuration.

• Traduire les résultats techniques en informations destinées au client : créez une analyse qui montre les gains de productivité des enquêteurs, la réduction des coûts des faux positifs et les améliorations de l'efficacité de la détection dans un langage réellement utilisé par la direction des risques et de la conformité d'un client.

• Asseyez-vous directement dans la salle avec les clients. Présentez vos résultats, défendez votre méthodologie auprès de l'équipe de science des données ou de conformité d'un client et répondez en direct aux questions difficiles « pourquoi le modèle a-t-il fait cela ».

• Collaborez étroitement avec vos partenaires régionaux de valeur client sur la stratégie de compte, en indiquant les domaines dans lesquels le modèle doit changer pour débloquer la prochaine étape de réalisation de valeur ou une conversation de renouvellement.

• Intégrer les modèles et les résultats dans le modèle plus large et les fonctions du produit de Hawk, en faisant la distinction entre « ce client a besoin d'un réglage local » et « il s'agit d'une lacune systémique qui mérite d'être corrigée de manière centralisée ».

• Posséder la défendabilité réglementaire des décisions de réglage que vous prenez. Documentez votre raisonnement afin que l'audit d'un client ou l'examen d'un régulateur tienne le coup.

• Apportez de la rigueur à la façon dont vous validez les modifications du modèle avant leur mise en ligne : backtesting, examen d'échantillons et discipline d'approbation qui protège la posture de conformité du client.

Votre profil

• 5 à 7 ans en tant que data scientist dans un rôle en contact direct avec les clients, présentant des analyses et défendant les décisions de modèle directement aux clients. Il ne s’agit pas d’une formation en ingénierie interne ou en science des données produit ; vous vous êtes déjà assis à la table d'un client.

• Une véritable expérience en matière de LBC, de détection de fraude ou d'analyse de la criminalité financière est requise. Vous comprenez la surveillance des transactions, les typologies et ce qu'un faux positif coûte réellement à un enquêteur, et pas seulement ce que cela coûte sur une matrice de confusion.

• Solides compétences pratiques dans la pile standard de science des données (Python, SQL et tout autre outil ML que vous avez utilisé en production), mais votre avantage réside dans le jugement en cas d'ambiguïté : savoir quand un changement de modèle peut être effectué en toute sécurité et quand il nécessite un humain dans la boucle.

• À l'aise d'être la voix technique dans une salle avec les parties prenantes du risque, de la conformité ou de la science des données d'un client, et de se défendre lorsqu'on lui pose des questions.

• Un historique de traduction des performances du modèle en valeur commerciale sur laquelle une partie prenante non technique peut agir : non seulement des mesures de précision, mais aussi des heures d'investigation économisées, des coûts de faux positifs évités et des cas détectés.

• Véritable confort avec l'ambiguïté et les systèmes de production en direct. Vous ne recherchez pas un problème de recherche hors ligne propre, vous recherchez le problème « pourquoi cette alerte s'est-elle déclenchée sur les données d'un client réel à 14 heures aujourd'hui ».

• Une mentalité de propriétaire. Vous n'attendez pas un billet ; vous remarquez quand les performances de détection d'un compte dérivent et vous allez découvrir pourquoi.

Bonus

• Expérience spécifique dans la surveillance des transactions ou la détection des fraudes aux paiements dans une banque, un fournisseur de paiement ou un fournisseur qui les dessert.

• Familiarité avec l'IA explicable et les approches de détection hybride basées sur des règles, car c'est au cœur du fonctionnement des modèles de Hawk.

Trouvez plus d'emplois anglophones au Royaume-Uni sur Arbeitnow

Source : Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/hawk/data-scientist-london-185289)