Cientista de Dados – Modelagem e Políticas de Crédito e Cobrança

Descrição: Buscamos cientistas de dados para duas frentes complementares: desenvolver os modelos estatísticos que sustentam o ciclo de crédito e usar esses modelos para definir políticas de concessão e estratégias de cobrança. Conforme o perfil, a pessoa terá mais foco em uma das frentes, sempre em parceria com a outra e com o time do motor de decisão.

O que você vai fazer:

Na frente de modelagem estatística · Desenvolver, calibrar e evoluir modelos de application, behavior e collection score. · Construir bases de modelagem e variáveis (feature engineering) a partir de dados internos, de birôs e de fontes alternativas. · Medir discriminação e estabilidade dos modelos (KS, Gini/AUC, PSI) e propor recalibrações quando o desempenho cair. · Documentar cada modelo e acompanhar o deploy, garantindo que o modelo implantado reproduz o desenvolvido. Na frente de políticas de crédito e cobrança · Construir e revisar políticas de concessão, limite e preço a partir de scores, variáveis de birô e dados internos. · Desenhar estratégias de cobrança e recuperação: segmentação por risco, réguas, canais e propostas de acordo. · Monitorar a carteira por safra (FPD, over 30/60/90, roll rates, perda esperada) e explicar o porquê de cada oscilação. · Fazer estudos de swap-set, testes A/B e simulações de impacto antes de mudar uma regra. Nas duas frentes · Apresentar os achados de forma clara, com recomendação objetiva para a liderança.

Requisitos: O que buscamos · Formação em Estatística, Matemática, Engenharia, Economia, Ciência da Computação ou áreas afins. · Experiência com modelagem preditiva de risco de crédito ou com políticas de crédito/estratégia de cobrança em financeira, banco ou fintech. · Boa base estatística: regressão logística, árvores, gradient boosting (XGBoost/LightGBM), técnicas de amostragem e validação. · SQL avançado e Python (pandas, scikit-learn) ou R. · Domínio dos indicadores de risco de crédito e de leitura de safras. · Comunicação clara para explicar resultados técnicos e defender o trade-off entre risco e crescimento. Diferenciais · Vivência com crédito pessoal, consignado ou CDC, ou em birô de crédito. · Conhecimento de motores de decisão de crédito. · Explicabilidade de modelos (SHAP). · Experiência com nuvem (AWS, Athena, Databricks), Git e Power BI. · Habilidade com ferramentas de IA para acelerar análises, código e documentação.