Ang BBVA ay isang pandaigdigang grupo ng pagbabangko at serbisyong pinansyal na nagsisikap gawing mas makabago ang paraan ng pamamahala ng pera ng mga tao at negosyo. Saklaw ng mga aktibidad nito ang corporate at investment banking, fintech, at digital banking, at nagbibigay ito ng mga solusyong pinansyal na pinapagana ng teknolohiya sa 71.5 milyong customer. Sa mahigit 121,000 empleyado, pinagsasama ng BBVA ang kadalubhasaan sa pagbabangko, pagkonsulta, at marketing sa isang kolaboratibong kapaligirang nakatuon sa inobasyon, digital transformation, at kahusayan sa propesyon.
Analista ng Datos sa Panganib sa Kredito – BBVA, Lungsod ng Mexico Hybrid
Sumali sa BBVA bilang isang analyst ng datos sa panganib sa kredito na susuporta sa mga retail lending portfolio gamit ang Python, PySpark, SAS, at SQL. Bumuo ng mga KPI, mag-validate ng datos, at ilapat ang mga prinsipyo ng IFRS 9 sa pagsusuri ng panganib sa kredito.
Paglalarawan
- Suriin at i-optimize ang mga end-to-end na proseso sa mga retail credit portfolio, kabilang ang mga card, consumer loan, auto loan, at mortgage.
- Pamahalaan, baguhin, at pagsamahin ang datos mula sa mga legacy platform at mas bagong tool sa pamamagitan ng mga ETL workflow gamit ang Python, PySpark, SAS Guide, at SQL.
- Gumawa at mag-automate ng mga ulat sa collections at performance, kabilang ang mga pangunahing performance indicator.
- Ayusin at suriin ang mga database upang matukoy ang mga pattern ng gawi ng customer at masuri ang bisa ng mga estratehiya.
- Isagawa ang mahahalagang buwanang proseso, kabilang ang mga day-zero activity, quality testing, at mga pagsusuri sa consistency ng database.
- Ilapat ang mga kinakailangan ng IFRS 9 para sa mga provision, inaasahang pagkalugi, exposure at default, panganib sa kredito, at panganib sa operasyon.
- Makipagtulungan sa mga multidisciplinary team sa Risk, Finance, at Planning.
- Maghanda ng mga executive presentation na naglalahad ng mga natuklasan at iminungkahing aksyon.
- Pamahalaan ang malalaking dami ng datos sa mga Big Data environment habang hinaharap ang mahihigpit na deadline at buwanang operational peak.
- Gawing malinaw at maisasagawang rekomendasyon ang mga kumplikadong pagsusuri.
Mga Kinakailangan
- Automated data analysis gamit ang Python para sa Data Analysis at SQL Fundamentals.
- Karanasan sa PySpark, SAS Guide, at mga ETL workflow.
- Advanced na kasanayan sa Excel, kabilang ang pivot table at macro, pati na rin ang kahusayan sa Google Workspace.
- Kaalaman sa panganib sa kredito, collections, o mga kinakailangan ng IFRS 9 tungkol sa inaasahang pagkalugi, exposure at default, at mga provision.
- Karanasan sa paggamit ng mga artificial intelligence tool tulad ng ChatGPT at Gemini.
- Intermediate na Ingles para sa pagbasa at pag-unawa ng teknikal na dokumentasyon.
- Kaalaman sa mga modelo ng prediksyon ng gawi sa pagbabayad.
- Karanasan sa paggamit ng Power BI.
- Mga sertipikasyong SAS Certified Specialist.
- Kurso o postgraduate study sa Data Science, Machine Learning, o Big Data.
- Bachelor’s degree o engineering qualification sa Actuarial Science, Economics, Mathematics, Finance, Business Administration, o kaugnay na larangan; maaaring mag-apply ang mga kasalukuyang estudyante at nagtapos.
- Tatlo hanggang limang taong karanasan sa pagsusuri ng financial data, credit portfolio, risk, o collections.
- Analitikal at organisadong paraan ng pagtatrabaho, matinding atensyon sa detalye, at data-driven na pag-iisip.
- Mataas na stress tolerance, katatagan, at mahusay na pamamahala sa sarili.
- Nakatuon sa pagpapatupad na may matibay na pangako sa kalidad.
- Pamumunong nakabatay sa pagbibigay at pagtanggap ng feedback.
- Aktibong kasanayan sa pakikipagtulungan.
Mga Benepisyo
- May mga makatwirang adjustment sa buong proseso ng pagpili upang suportahan ang ganap na pakikilahok.
- Isang diverse, inclusive, at patas na lugar ng trabaho.
- Isang collaborative at inclusive na kapaligiran sa trabaho.