Cientista de Dados Sênior (Previsão de Inadimplência no E-commerce)

Vaga aberta de Cientista de Dados Sênior (Previsão de Inadimplência no E-commerce) . A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision. Nível: senior. Modelo de trabalho: 100% Remoto. Contratação: tempo integral, CLT ou PJ. Sobre a vaga: Um e-commerce vende parcelado e oferece pagamento por boleto e por crediário próprio. A inadimplência corrói a margem, mas recusar demais derruba a conversão. A previsão de inadimplência estima, no momento da compra, a chance de o cliente não pagar, para decidir limite, entrada e meio de pagamento oferecido. Os dados têm armadilhas conhecidas. O desfecho só é conhecido meses depois, então o modelo aprende com um passado que já mudou; clientes recusados nunca revelam se pagariam, o que gera viés de seleção; e variáveis de comportamento pós-compra, como contato de cobrança, contaminam o treino. Além disso, decisão automatizada de crédito precisa ser explicável ao cliente e ao regulador. Você conduz do desenho do problema à decisão. O sucesso se mede por poder de ordenação (AUC e KS), calibração, perda esperada por faixa de risco, impacto na aprovação e estabilidade do modelo ao longo dos meses. O que você vai fazer: Definir o desfecho de inadimplência e a janela de observação, com atenção a dados ainda não maduros Montar variáveis com data de corte e eliminar vazamento de informação posterior à compra Tratar o viés de seleção dos recusados com técnicas de inferência de rejeitados e discutir seus limites Treinar e validar modelos por safra, comparando regressão logística e gradient boosting Calibrar as probabilidades e traduzir em política de limite e entrada Explicar o resultado a negócio e a risco, incluindo variáveis que mais pesam Acompanhar estabilidade da população e do desempenho, e propor reajuste Orientar cientistas sobre validação por safra e comunicação de incerteza Requisitos: Modelagem de risco de crédito e validação por safra Python com Pandas e scikit-learn SQL para dados de compra, pagamento e cobrança Estatística: calibração, intervalos e testes Capacidade de explicar um modelo a áreas não técnicas e a quem audita Noção de LGPD e de decisão automatizada Jupyter e Git Diferenciais: Interpretabilidade com SHAP Conhecimento de crediário, boleto e parcelamento Inferência de rejeitados Monitoramento de índice de estabilidade populacional Experimentos de política de crédito Como é trabalhar aqui: Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Os modelos de crédito passam por revisão metodológica independente antes de entrar em uso, e a documentação de cada versão registra dados, premissas e limites. O ritmo é de ciclos trimestrais de desenvolvimento, com acompanhamento mensal do que já está em produção. 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 Risco de crédito Jupyter Git Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido. #J-18808-Ljbffr Sylision