Аналитик данных (Риски корпоративно-инвестиционного бизнеса)

Ориентир по рынку≈ 147 000 – 212 000 ₽наш грубый ориентир по 199 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

≈ 1,8 тыс.–2,6 тыс. $

ОфисMiddleПолная занятостьКорпорацияопубликовано 29 окт.

≈ 147 000 – 212 000 ₽наша приблизительная оценка

Описание

Разбор

Подготовить откликОтклик

История

Чем предстоит заниматься

Постановка задачи на агента: цель, бизнес-заказчик, потребители результата, критерии успеха

Организация работы с экспертами (напр. кредитные риски, андеррайтинг, мониторинг, работа с проблемной задолженностью): интервью, воркшопы, формализация экспертной логики принятия решений

Анализ внутрибанковских процессов, с которыми связан агент и точек использования его результата

Разработка методологии агента: признаки, правила, пороги, зависимости; разделение логики на детерминированную (расчёты и правила) и недетерминированную (интерпретация и выводы LLM)

Поиск и верификация источников данных: витрины, таблицы, поля, глубина истории, частота обновления, качество; маппинг до уровня конкретного атрибута

Прототипирование агента: сборка рабочего прототипа (Python, Jupyter, вызовы LLM) на выбранных данных и методологии

Тестирование прототипа на лаб-контуре: проверка корректности и полноты выбранных данных, проверка того, что результат агента устраивает экспертов и отвечает запланированным целям; доработка методологии по итогам

Описание контракта агента: состав и формат входа и выхода, место агента в мультиагентной системе и взаимодействие с другими агентами

Подготовка эталонных кейсов клиентов с ожидаемым результатом для тестирования и приёмки агента

Передача разработчику и дата-инженерам спецификации вместе с проверенным прототипом, сопровождение разработки, приёмка результата вместе с экспертами

Оценка качества работы агента после запуска, сбор обратной связи, доработка и версионирование методологии

Ведение базы знаний по агентам: методологии, источники данных, результаты тестов прототипов, принятые решения

Наши требования

Высшее образование в области математики, статистики, экономики, информационных технологий или смежных областях

Опыт работы с различными LLM

Опыт разработки агентов

3+ года Python, опыт async-сервисов, знание современных библиотек Data Science (Pandas, Scikit-Learn, TensorFlow)

Глубокое знание SQL и оптимизации запросов

Опыт prompt-инжиниринга и настройки LLM-инференса

Глубокое понимание принципов построения мультиагентных систем и опыта их практического внедрения

Знание методик когортного анализа и умение строить прогнозы финансовых показателей портфелей малого и микробизнеса

Опыт руководящей должности от двух лет в проектах, связанных с обработкой больших данных, построением аналитических моделей и управлением рисками

Понимание специфики сектора малого и микробизнеса в российских условиях, особенностей финансового поведения данной категории заемщиков

Наличие успешных кейсов разработки AI-продуктов и решений для кредитных организаций

Опыт реализации крупных интеграционных проектов в финансовой сфере

Навыки работы с зарубежными аналоговыми системами и технологиями в рамках международного сотрудничества и системами и технологиями в рамках международного сотрудничества

Мы предлагаем

Комфортный современный офис рядом с м. Кутузовская

Ежегодный пересмотр зарплаты и годовая премия

Корпоративный спортзал и зоны отдыха

Уникальная система обучения Сбера для профессионального и карьерного развития

Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

Подписка Прайм с возможностью совместного использования на трёх близких

Скидки на продукты компаний-партнеров

Вознаграждение за рекомендацию друзей в команду Сбера

Дополнительно

Мы строим мультиагентную систему для раннего выявления рисков в сегменте микро- и малого бизнеса - систему, где AI-агенты анализируют данные, находят сигналы ухудшения и помогают бизнесу принимать решения в режиме, близком к реальному времени

Это не просто аналитика и не просто ML - это новая архитектура работы с рисками: от данных к автономным интерпретациям и рекомендациям

Мы ищем дата-аналитика, который хочет работать на переднем крае: разрабатывать и обучать AI-агентов, собирать сложные пайплайны данных и участвовать в создании системы, которая масштабируется на весь портфель

В чем будет заключаться ваша магия: на вашей стороне превращение бизнес-задачи в проверенный прототип агента и готовую к разработке спецификацию. Вы собираете экспертизу, выстраиваете методологию, находите данные и описываете, что агент получает на вход и что отдаёт на выход. Код агента пишет разработчик, данные подводят дата-инженеры — вы отвечаете за то, чтобы агент делал правильную вещь на правильных данных