Специалист по данным

Кто мы

Provenir — это унифицированная платформа аналитики решений, которая дает предприятиям полный контроль над комплексным принятием решений клиентами — для управления рисками, стимулирования роста и преобразования результатов бизнеса. Консолидируя данные, модели искусственного интеллекта, аналитику, агентов и управление в единой среде принятия решений, Provenir дает бизнес-командам возможность напрямую настраивать и развивать стратегию, сохраняя при этом надежность корпоративного уровня и соответствие нормативным требованиям. Компания Provenir, которой доверяют более 120 учреждений в более чем 60 странах, ежегодно обрабатывает более 4 миллиардов решений, превращая архитектурную согласованность в устойчивую эффективность рисков и измеримую ценность. Готовы решать значимые задачи, работать с корпоративными клиентами и помогать формировать будущее принятия решений на основе искусственного интеллекта? Присоединяйтесь к нам.

О глобальной прикладной разведке

Global Applied Intelligence (GAI) — это команда, которая превращает возможности платформы Provenir в измеримые результаты для клиентов. Мы используем науку о данных, прикладной искусственный интеллект и опыт доставки непосредственно при взаимодействии с клиентами, действуя в качестве доверенных консультантов и технических партнеров, а не исполнителей бэк-офиса. GAI работает через региональные бизнес-партнерства, поддерживаемые глобальными практиками, а это означает, что необходимый опыт достигает каждого взаимодействия, независимо от географического положения.

Что вы будете делать

Мы ищем практического специалиста по данным для поддержки растущего бизнеса Provenir. На этой должности вы будете помогать клиентам и внутренним командам понимать, создавать и применять решения для обработки данных с помощью нашей платформы принятия решений на основе искусственного интеллекта.

Вы будете работать над различными вариантами использования для анализа и принятия решений, помогая превращать данные, модели, правила и идеи в практические бизнес-результаты. Они могут включать такие области, как принятие решений клиентами, анализ рисков, предотвращение мошенничества, сбор платежей, управление клиентами, операционная эффективность и более широкая автоматизация бизнеса.

Вы присоединитесь к глобальной команде Provenir по науке о данных и будете тесно сотрудничать с коллегами из отделов продаж, предпродажной подготовки, GAI, продуктов и технологий. Эта роль сочетает в себе практическую аналитическую работу с общением с заинтересованными сторонами и работой с клиентами. Он хорошо подходит для тех, кто любит решать реальные проблемы и хочет развить свои способности объяснять решения в области науки о данных в коммерческой среде.

Это удаленная должность, базирующаяся в Индии. Могут потребоваться периодические поездки для встреч региональной команды и взаимодействия с клиентами в Бангалоре.

Ваши обязанности

– Поддержка взаимодействия с клиентами в различных вариантах использования в области анализа данных, аналитики и принятия решений.

– Работать с внутренними командами и, при необходимости, с клиентами для понимания бизнес-проблем, доступности данных, аналитических требований и ожидаемых результатов.

– Создавайте, оценивайте и объясняйте аналитические решения, включая прогнозные модели, системы показателей, правила принятия решений, анализ сегментации, моделирование и бизнес-аналитику.

– Используйте Python и общие библиотеки обработки данных для очистки, исследования, преобразования и анализа данных.

– Помогите подготовить аналитические результаты, готовые для клиентов идеи, сводные данные о производительности моделей и бизнес-рекомендации.

– Вносить вклад в науку о данных в открытия, семинары, демонстрации и мероприятия по доставке при поддержке более опытных членов команды.

– Помогите объяснить, как машинное обучение, правила, объяснимость, мониторинг и принятие решений могут применяться на платформе Provenir.

– Четко доносить технические концепции как до технической, так и до нетехнической аудитории.

– Документируйте анализ, предположения, код и рекомендации в ясной и воспроизводимой форме.

– Следуйте лучшим практикам команды и вносите свой вклад в обеспечение качества кода, документации, контроля версий, тестирования и ресурсов многократного использования.

– Сотрудничать с коллегами по Data Science со всего мира, чтобы делиться знаниями, совершенствовать внутренние подходы и поддерживать согласованное предоставление услуг в разных регионах.

Ваши сильные стороны и навыки

– Степень бакалавра в области STEM плюс минимум 3 года опыта работы в области науки о данных, аналитики, науки о принятии решений, прикладного машинного обучения или смежных областях; или степень магистра или эквивалентный опыт в соответствующей области STEM.

– Опыт построения, проверки или интерпретации моделей машинного обучения на Python.

– Сильные навыки манипулирования данными, включая объединение, очистку, выборку, профилирование и подготовку данных для анализа.

– Практический практический опыт использования инструментов искусственного интеллекта (например, Copilot, Codex, Claude Code, OpenCode и т. д.) для поддержки работы по кодированию, анализу или доставке.

– Способность сбалансировать производительность модели, объяснимость, сложность и удобство использования в бизнесе.

– Хорошее понимание общих концепций оценки моделей, таких как AUC, точность, полнота, подъем, стабильность и мониторинг модели.

– Способность преобразовывать аналитические результаты в четкие идеи и рекомендации.

– Уверенное и комфортное общение напрямую с клиентами, а также с внутренними заинтересованными сторонами в рамках реализации проекта и открытия.

– Любознательный, инициативный и готовый изучать новые области бизнеса, аналитические методы и возможности платформы.

– Организованность и ориентированность на результат, способность управлять множеством приоритетов в быстро меняющейся среде.

– Хоть это и не обязательно, но было бы здорово, если бы у вас тоже были какие-то из этих сильных сторон,

– Опыт работы в сфере финансовых услуг, финансовых технологий, банковского дела, кредитования, платежей, страхования, телекоммуникаций или другой отрасли, богатой данными.

– Участие в работе с клиентами, семинарах, демонстрациях продуктов или межфункциональных деловых дискуссиях.

– Опыт работы с MLOps, развертыванием моделей, API, MLflow, CI/CD или управлением производственной моделью.

– Знание кредитного риска, мошенничества, взыскания долгов или вариантов использования управления клиентами.

– Опыт подготовки презентаций, технической документации или бизнес-резюме для инициатив в области науки о данных.

Процесс собеседования

Процесс собеседования обычно строится следующим образом:…

Источник: Удаленная работа в ЕС (https://euremotejobs.com/job/data-scientist-6/).