Analityk Bezpieczeństwa i Detekcji Nadużyć – Hybrydowo in Wrocław

Analityk Bezpieczeństwa i Detekcji Nadużyć – Hybrydowo in Wrocław

Wrocław Pełny etat 62100 - 75900 zł / rok (szac.) Stacjonarnie
B

W skrócie

  • Zadania: Rozwijaj metody badań anty-nadużyć i zarządzaj mechanizmami detekcji.
  • Firma: Bank Millennium z dynamicznym zespołem zabezpieczeń.
  • Benefity: Hybrydowy tryb pracy, atrakcyjne benefity i rozwój zawodowy.
  • Pozostałe informacje: Świetne możliwości rozwoju kariery w stabilnej instytucji.
  • Dlaczego ta praca: Pracuj nad innowacyjnymi rozwiązaniami w obszarze bezpieczeństwa płatności.
  • Kwalifikacje: Znajomość SQL/T-SQL oraz narzędzi analitycznych.

Przewidywane wynagrodzenie mieści się w przedziale 62100 - 75900 zł za rok.

Bank Millennium poszukuje specjalisty ds. analiz w zespole zabezpieczeń we Wrocławiu.

Obowiązki obejmują rozwój metod badań anty-nadużyć, zarządzanie mechanizmami prewencji i detekcji oraz wdrażanie rozwiązań opartych o statystyczne metody wykrywania nadużyć w obszarze usług płatniczych.

Wymagana jest praktyczna znajomość SQL/T-SQL, SSRS, Power BI i narzędzi analitycznych; mile widziane Python, Py Spark i Azure.

Oferujemy pracę w trybiehybrydowym i pakiet benefitów.

Analityk Bezpieczeństwa i Detekcji Nadużyć – Hybrydowo in Wrocław – pracodawca: Bank Millennium

Bank Millennium Spółka Akcyjna to doskonały pracodawca, który stawia na innowacyjność i bezpieczeństwo w obszarze technologii. Oferujemy dynamiczne środowisko pracy, w którym możesz rozwijać swoje umiejętności w zakresie architektury bezpieczeństwa oraz DevSecOps, a także korzystać z licznych możliwości rozwoju zawodowego. Nasza kultura pracy opiera się na współpracy i wsparciu zespołowym, co sprawia, że każdy pracownik ma realny wpływ na kształtowanie bezpiecznych rozwiązań w bankowości.

B

Dane kontaktowe:

Zespół rekrutacyjny Bank Millennium

Naszym zdaniem te umiejętności pozwolą ci błyszczeć jako Analityk Bezpieczeństwa i Detekcji Nadużyć – Hybrydowo in Wrocław

SQL
T-SQL
SSRS
Power BI
Narzędzia analityczne
Python
PySpark