Data Scientist w obszarze ryzyka kredytowego klientów bankowości detalicznej in Warsaw

Data Scientist w obszarze ryzyka kredytowego klientów bankowości detalicznej in Warsaw

Warsaw Pełny etat 62100 - 75900 zł / rok (szac.) Stacjonarnie
P

W skrócie

  • Zadania: Buduj i rozwijaj modele ryzyka kredytowego w dynamicznym zespole.
  • Firma: Wiodący bank z elastyczną kulturą pracy.
  • Benefity: Atrakcyjne wynagrodzenie, elastyczne benefity i wsparcie zdrowotne.
  • Pozostałe informacje: Możliwości rozwoju kariery i nauki w przyjaznym środowisku.
  • Dlaczego ta praca: Zrób różnicę w finansach, pracując z danymi i nowoczesnymi technologiami.
  • Kwalifikacje: Doświadczenie w modelowaniu statystycznym i umiejętność analizy danych.

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

Przełam rutynę i nadaj tempa swojej karierze. Dołącz do nas jako Data Scientist w obszarze ryzyka kredytowego klientów bankowości detalicznej w Departamencie Ryzyka Kredytowego Klientów Indywidualnych - Warszawa Świętokrzyska 36.

Umowa o pracę, praca hybrydowa.

Na co dzień w naszym zespole:

  • budujesz, rozwijasz, wspierasz wdrożenie i monitorujesz modele ryzyka kredytowego dla klientów bankowości detalicznej,
  • poszukujesz nowych źródeł danych i nowoczesnych metod analitycznych zwiększających skuteczność modeli,
  • przygotowujesz analizy wspierające decyzje biznesowe oraz rozwój modeli oceny ryzyka kredytowego i polityki kredytowej,
  • współpracujesz z jednostkami biznesowymi, IT oraz partnerami zewnętrznymi.

To stanowisko może być Twoje, jeśli:

  • posiadasz doświadczenie w budowie modeli statystycznych lub uczenia maszynowego wykorzystywanych w procesach biznesowych,
  • potrafisz samodzielnie prowadzić prace modelowe, od przygotowania danych i budowy modelu po ocenę jego jakości oraz monitorowanie,
  • myślisz analitycznie, wyciągasz wnioski i kreatywnie szukasz rozwiązań,
  • lubisz pracę z danymi i potrafisz przekładać je na konkretne decyzje biznesowe,
  • biegle posługujesz się Pythonem (Pandas, NumPy, Scikit-learn, XGBoost lub podobne biblioteki),
  • dobrze znasz SQL i swobodnie pracujesz z dużymi zbiorami danych,
  • dodatkowym atutem będzie doświadczenie w bankowości lub instytucjach finansowych oraz znajomość regulacji dotyczących ryzyka kredytowego.

Twój Pakiet Korzyści:

  • Docenienie działania i zaangażowania - Oprócz wynagrodzenia, każdy z nas ma określone cele – które doceniamy w ramach systemów premiowych.
  • Oferta specjalna - Wspieramy Twoje finanse i oferujemy produkty naszej Grupy Kapitałowej na preferencyjnych warunkach (m.in. kredyt hipoteczny, kartę kredytową czy ubezpieczenie) oraz pomagamy odkładać na emeryturę w PPE.
  • Elastyczność benefitów - Różnimy się, dlatego to Ty wybierasz z jakich benefitów skorzystasz. Mamy dla Ciebie system kafeteryjny lub działania w ramach ZFŚS m.in. dofinansowanie opieki nad dziećmi, wakacji czy pożyczkę na remont.
  • Możliwości rozwoju - U nas masz szerokie perspektywy rozwoju i możesz uczyć się, jak lubisz. Oferujemy dostęp do różnych form nauki – stacjonarnie i cyfrowo.
  • Wsparcie w zdrowiu i odpoczynku - Dbamy o naszą formę mentalną i fizyczną. Możesz skorzystać z kart sportowych, opieki medycznej LuxMed, stomatologa, programu wellbingowego #FokusNaCiebie czy dodatkowych dni wolnych.

Pracuj w miejscu, które zna każdy.

Data Scientist w obszarze ryzyka kredytowego klientów bankowości detalicznej in Warsaw – pracodawca: PKO Bank Polski

PKO Bank Polski SA to doskonały pracodawca, który oferuje stabilne zatrudnienie w przyjaznej atmosferze oraz możliwość rozwoju zawodowego w obszarze bankowości hipotecznej. Pracując w naszym oddziale we Wrocławiu, zyskujesz dostęp do szkoleń, wsparcia mentorskiego oraz atrakcyjnych benefitów, co sprawia, że możesz skutecznie budować relacje z klientami i osiągać swoje cele sprzedażowe.

P

Dane kontaktowe:

Zespół rekrutacyjny PKO Bank Polski

Naszym zdaniem te umiejętności pozwolą ci błyszczeć jako Data Scientist w obszarze ryzyka kredytowego klientów bankowości detalicznej in Warsaw

Budowa modeli statystycznych
Uczenie maszynowe
Analiza danych
Python (Pandas, NumPy, Scikit-learn, XGBoost)
SQL
Praca z dużymi zbiorami danych
Myślenie analityczne