Cientista de Dados Pleno (Previsão de Inadimplência em Recursos Humanos)

Vaga aberta de Cientista de Dados Pleno (Previsão de Inadimplência em Recursos Humanos) . A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision. Nível: pleno. Modelo de trabalho: 100% Remoto. Contratação: tempo integral, CLT ou PJ. Sobre a vaga: A área de recursos humanos concede adiantamento salarial e empréstimo consignado a colaboradores, com desconto em folha. Mesmo com o desconto, existe inadimplência: pessoas desligadas antes de quitar, rescisões que não cobrem o saldo e margem consignável que muda com afastamento. A pergunta do negócio é qual a probabilidade de o saldo não ser recuperado, para ajustar limite e prazo concedido a cada pessoa. Esse problema tem peculiaridades. A inadimplência aqui se confunde com desligamento, então um modelo ingênuo aprende a prever demissão e não risco de crédito. Os dados chegam censurados, porque quem ainda está pagando não tem desfecho, e a classe de interesse é rara. Também há um cuidado ético evidente: usar afastamento por saúde ou licença maternidade como atributo seria discriminação, e a validação precisa mostrar que o modelo não penaliza grupos protegidos. Você entrega um modelo com validação fora do tempo, calibração das probabilidades, explicação por pessoa do que pesou e uma recomendação de política de limite que o time financeiro consiga aprovar e acompanhar. O que você vai fazer: Definir a variável alvo de inadimplência separando saldo irrecuperável de simples desligamento Construir atributos a partir de histórico de folha, margem, tempo de casa e comportamento de pagamento Treinar regressão logística e modelos de árvores, comparando desempenho e interpretabilidade Validar fora do período de treino e verificar a calibração das probabilidades Analisar equidade entre grupos e excluir atributos que gerem discriminação Explicar para cada decisão os fatores que mais pesaram, em linguagem do financeiro Simular o efeito de políticas de limite sobre perda esperada e sobre volume concedido Requisitos: Python com Pandas e scikit-learn, em notebooks organizados e reproduzíveis Estatística: calibração, intervalo de confiança, curva ROC e KS SQL para montar a base de análise a partir de tabelas de folha Cuidado com vazamento de dados e com viés de seleção Entendimento de risco de crédito em nível básico Comunicação do resultado para financeiro e jurídico Diferenciais: Ter feito modelo de risco de crédito ou de cobrança Noção de análise de sobrevivência para dados censurados Conhecimento de métricas de equidade em decisões que afetam pessoas Experiência com monitoramento de estabilidade de variáveis, como o PSI Como é trabalhar aqui: Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O modelo é discutido com o financeiro e o jurídico antes de qualquer uso, e a documentação inclui limites conhecidos. Depois de implantado, a perda observada é comparada com a prevista a cada mês. Benefícios oferecidos pela empresa contratante: Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe Trabalhe de qualquer lugar, com liberdade e flexibilidade Conexão global: convivência com times de diferentes países e culturas Apoio à saúde física com TotalPass e Mediquo Cuidado com a saúde mental pelo programa Team Care Contratação e jornada definidas com a empresa contratante Tecnologias envolvidas: Python Pandas scikit-learn SQL Estatística Jupyter Regressão logística Git Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido. #J-18808-Ljbffr Sylision