Hastings Direct
Hastings Direct
1.001 – 5.000 Funcionários
AutomotivoConsultoriaLogística
A Hastings Direct é uma provedora britânica de seguros gerais focada em seguros pessoais oferecidos digitalmente, incluindo cobertura para carros, vans, motos e residências. Seu trabalho combina serviços de seguros voltados aos clientes com operações de precificação, análise de dados, sinistros, subscrição, atuária, prevenção de fraudes e tecnologia. A empresa tem cerca de 4.800 funcionários em vários escritórios no Reino Unido e contrata profissionais para as equipes especializadas e operacionais que dão suporte ao seu negócio de seguros.

Cientista de Dados – Londres (Híbrido)

Vaga de cientista de dados na Hastings Direct para desenvolver modelos preditivos que apoiem decisões de precificação e subscrição de seguros. A função utiliza Python, SQL e aprendizado de máquina em um ambiente híbrido em Londres.

Descrição

  • Apoiar o design, o desenvolvimento e a implantação de modelos preditivos para as atividades de precificação da Hastings Direct.
  • Criar e manter modelos preditivos que avaliem riscos de seguros e orientem decisões de precificação e subscrição.
  • Ajudar a integrar modelos preditivos aos sistemas de produção.
  • Contribuir para o monitoramento e a manutenção contínuos dos modelos.
  • Criar e aprimorar ferramentas, pipelines e processos reutilizáveis para uma modelagem eficiente, confiável e reproduzível.
  • Trabalhar de acordo com os padrões estabelecidos de codificação, documentação, testes e desenvolvimento de modelos.
  • Identificar, avaliar e preparar novos atributos de dados.
  • Avaliar o valor preditivo, a estabilidade e a interpretabilidade dos atributos, bem como seus possíveis efeitos nos resultados de precificação para os clientes.
  • Participar da triagem com recrutadores, das apresentações aos gestores contratantes e das entrevistas baseadas em estudos de caso com a equipe de contratação.

Requisitos

  • Experiência na criação e avaliação de modelos preditivos, incluindo modelos lineares e de gradient boosting.
  • Proficiência em Python e em bibliotecas adequadas de aprendizado de máquina.
  • Proficiência em SQL, incluindo preparação e transformação de dados para modelagem preditiva.
  • Conhecimento básico de Git ou de outro sistema de controle de versão de código.
  • Excelentes habilidades de comunicação e gestão do tempo.
  • Experiência comprovada na entrega de soluções de ciência de dados que influenciaram decisões de negócios e geraram valor comercial mensurável.
  • É desejável ter experiência com o Azure Machine Learning Studio ou uma plataforma de aprendizado de máquina em nuvem comparável.
  • É desejável ter experiência com Snowflake ou uma plataforma de dados em nuvem comparável.
  • É desejável ter experiência em seguros gerais.
  • As pessoas candidatas devem poder trabalhar sem patrocínio; não há patrocínio disponível para esta posição.
  • É obrigatória a aprovação nas verificações de referências, crédito e antecedentes criminais.

Benefícios

  • Modelo de trabalho híbrido flexível.
  • Programa de bônus competitivo, incluindo um bônus anual de desempenho 4Cs.
  • Seguro de vida com cobertura equivalente a quatro vezes o salário.
  • Proteção de renda sem custo adicional.
  • Contribuições correspondentes para a previdência de até 10%.
  • Descontos e ofertas de cashback.
  • Consultoria hipotecária independente gratuita.
  • Acesso gratuito a suporte para bem-estar financeiro.
  • Acesso ao aplicativo de saúde mental Thrive.
  • Programa de assistência aos funcionários disponível 24 horas por dia, 7 dias por semana.
  • Profissionais internos de primeiros socorros em saúde mental.
  • Grupos de apoio e uma equipe dedicada ao bem-estar mental.
  • 25 dias de férias anuais, além dos feriados.
  • Opção de comprar ou vender uma semana de férias.
  • Planos de reembolso de despesas de saúde.
  • Planos odontológicos.
  • Avaliações de saúde com desconto.
  • Programa de bicicleta para o trabalho.
  • Programas de tecnologia.
  • Acesso gratuito e com desconto a instalações no local de trabalho.
  • Eventos sociais ao longo do ano.
  • Suporte para treinamento e desenvolvimento.