Аналитик данных в команду «Кредитное решение»

Сбер·Москва·5 дн назад

Аналитик данных в команду «Кредитное решение»

Ориентир по рынку≈ 140 000 – 300 000 ₽наш грубый ориентир по 195 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🏢 ОфисMiddleПолная занятостьКорпорация

≈ 140 000 – 300 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Зарплату в объявлении не раскрыли. Грубый ориентир: столько платят в 195 вакансиях уровня Middle по всему рынку, без учёта специальности.

платят меньше140 000 – 300 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Опубликована 5 дней назад. Свежие вакансии почти всегда живые.

Свежая

Описание

Обязанности: 7, требования: 6. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноSQLPythonML

ПлюсомLLM

Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

Разрабатывать и внедрять передовые методы финансовой аналитики с использованием инструментов анализа данных и ML

Проектировать компоненты автономных систем принятия решений для управления кредитным портфелем

Исследовать скрытые взаимосвязи и влияние макроэкономических, отраслевых и поведенческих факторов на портфель

Формировать и тестировать гипотезы с применением методов математической статистики

Создавать интерактивные дашборды и аналитические продукты для принятия стратегических решений

Участвовать в полном цикле: от сбора и обработки данных до презентации результатов топ-менеджменту

Проводить ad-hoc исследования, которые напрямую влияют на портфельную стратегию

Наши требования

Высшее образование в топ-вузах (МФТИ, ВШЭ ФКН, МГУ, МИФИ, МГТУ)

Уверенное владение SQL и Python для анализа данных и построения моделей

Знание основных портфельных риск-метрик (PD, LGD, EAD,) либо готовность быстро в них погрузиться

Хорошая база по инструментам машинного обучения, а также знания математической статистики и теории вероятности: проверка гипотез, доверительные интервалы, регрессионный анализ, основы моделирования

Знание байесовской статистики

Интерес к тематике LLM агентов

Мы предлагаем

Работа в удобном и современном офисе недалеко от станции метро Кутузовская

Ежегодный пересмотр зарплаты, годовая премия

Корпоративный спортзал и зоны отдыха

Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

Подписка Прайм с возможностью совместного использования на трёх близких

Вознаграждение за рекомендацию друзей в команду Сбера

Дополнительно

Наша команда отвечает за разработку системы принятия решений и проведение предиктивной аналитики для корпоративного кредитования. Наша цель - создавать автономные системы принятия решений на базе ML и формировать стратегии управления кредитным портфелем