Swish Analytics razvija softver temeljen na strojnom učenju i prediktivne podatke za industriju sportskog klađenja. Njihova B2B platforma pomaže kladionicama i platformama za fantasy sportove u stvaranju kvota u stvarnom vremenu za oklade na učinak igrača, momčadi i utakmice, predikcije prije utakmica, događaje tijekom igre, kombinirane oklade, izradu oklada i mikrotržišta. Tvrtka također podržava automatizirano upravljanje cijelim životnim ciklusom oklada, kombinirajući modele određivanja cijena i skalabilnu infrastrukturu kvota kako bi pojednostavila stvaranje i upravljanje proizvodima za klađenje.
Analitičar trgovanja – sportsko klađenje | Swish Analytics (hibridni rad, Filipini)
Upravljajte rizikom sportskog klađenja, sastavima momčadi i koeficijentima za prediktivne sportske podatkovne proizvode tvrtke Swish Analytics. Analizirajte trendove klađenja uživo u glavnim američkim sportovima.
Opis
- Upravljati rizikom klijenata i povećavati marže Swishovih proizvoda donošenjem odluka s pozitivnom očekivanom vrijednošću
- Održavati i provjeravati točnost sastava momčadi
- Pravodobno prilagođavati postavke prije utakmice i tijekom igre
- Strateški istraživati i pratiti pouzdane izvore vijesti
- Procjenjivati važne vijesti i njihov utjecaj na tržišta klađenja
- Samostalno provoditi analize trendova klađenja utemeljene na podacima
- Pretvarati analitičke nalaze u mjerljive aktivnosti trgovanja
Zahtjevi
- Najmanje tri godine iskustva u trgovanju tijekom utakmica u internetskoj kladionici
- Temeljito poznavanje sportskog klađenja i oblikovanja koeficijenata
- Snažan interes za NBA, NFL, MLB, NHL te sveučilišnu košarku i američki nogomet, uz detaljno poznavanje tih sportova
- Izražene matematičke, statističke ili analitičke sposobnosti
- Sposobnost tumačenja, izračunavanja i pretvaranja koeficijenata u stvarnom vremenu
- Usmjerenost na rezultate i poboljšanje procesa, ishoda i profitabilnosti
- Spremnost na fleksibilno radno vrijeme, uključujući noći, vikende i blagdane
- Poželjna je diploma prvostupnika iz STEM područja
- Poželjno je iskustvo suradnje s međufunkcionalnim timovima
- Iskustvo u timu za podatkovnu znanost je prednost
- Može biti potrebno uspješno proći provjeru pozadine i referenci
Pogodnosti
- Poslodavac koji pruža jednake mogućnosti
- Može biti potrebno uspješno proći provjeru pozadine i referenci