Cientista de Dados – Modelagem e Políticas de Crédito e Cobrança

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.

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.