ANALISTA DE DADOS SR - PREVENÇÃO A FRAUDE

Fazer parte da Afinz é integrar uma empresa que é 100% a fim de pessoas, afinal, crescer juntos, lado a lado, é o que nos interessa. Por este motivo investimos no crescimento de todos, pois acreditamos que isso é fundamental para a continuação do nosso desenvolvimento como Cia, enquanto, paralelamente, você se torna cada vez mais protagonista da sua própria história.

Enxergamos os nossos profissionais além de colaboradores ou recursos, mas sim como Gente, que são partes fundamentais em nosso ecossistema, que é vivo e regido por nossa Cultura.

Pertencer a Afinz é ter espaço para vivenciar formas que unem ideias, pessoas e sonhos.

VemPraAfinz aqui a nossa afinidade vai de A a Z.

Responsibilities

• Investigar padrões de fraude e propor regras, modelos e ações preventivas baseadas em dados;
• Desenvolver, validar e monitorar modelos e indicadores de desempenho;
• Avaliar impactos em perdas, precisão, recall, falsos positivos, aprovação e fricção;
• Realizar simulações, testes e acompanhar estratégias após implantação;
• Transformar análises em recomendações objetivas para lideranças e áreas parceiras.

Requirements

• Ensino superior em Estatística, Matemática, Ciência da Computação, Engenharia ou áreas correlatas;
• Python e SQL avançados, com experiência em modelagem estatística, machine learning, otimização de consultas e processamento de grandes volumes de dados;
• Conhecimento em modelos de classificação, preparação de dados, validação e avaliação de modelos, incluindo métricas de desempenho e impacto financeiro;
• Conhecimento em prevenção a fraudes, autorização de cartões e meios de pagamento;
• Perfil analítico, pensamento crítico, autonomia, visão de negócio, priorização, colaboração e comunicação objetiva com lideranças;
• Capacidade de transformar análises técnicas em decisões de negócio.

Conhecimentos desejáveis:

• ISO 8583, mensageria de cartões e fluxos de autorização entre emissores, adquirentes, processadoras e bandeiras;
• EMV 3-D Secure e processos de autenticação de transações;
• Modelos de boosting (XGBoost, LightGBM e CatBoost), tratamento de classes desbalanceadas e explicabilidade de modelos (SHAP).

Diferenciais

• Experiência com motores antifraude, especialmente Falcon e Visa Risk Manager (VRM);
• Conhecimento em PySpark, AWS Athena/S3, data lakes e automação de pipelines;
• Experiência com implantação e monitoramento de modelos em produção, em ambientes de alta volumetria;
• Conhecimento em bibliotecas estatísticas e de visualização de dados, como SciPy, statsmodels, Matplotlib, Seaborn e Plotly.