Visa — глобальна технологічна компанія у сфері платежів, яка обслуговує споживачів, продавців, фінансові установи та державні органи через свою електронну платіжну мережу. Її платформа підтримує кредитні, дебетові та передплачені операції, а також обробку платежів, запобігання шахрайству, забезпечення безпеки, аналітику й інші послуги для споживачів і компаній. Visa також розробляє сучасні платіжні рішення, зокрема ініціативи у сфері комерції з використанням штучного інтелекту, і сприяє фінансовій доступності через Visa Foundation.
Старший фахівець із даних: ПВК та санкційний скринінг
Розробляйте й удосконалюйте моделі Visa для протидії відмиванню коштів і санкційного скринінгу за допомогою машинного навчання та нечіткого зіставлення. Підвищуйте якість виявлення та зменшуйте кількість хибних спрацьовувань під час перевірки глобальних платежів на відповідність вимогам.
Опис
- Аналізувати великі набори даних і перетворювати бізнес-запитання на практичні висновки.
- Досліджувати структуровані та частково структуровані дані, зокрема імена, адреси й ідентифікатори.
- Оцінювати якість і повноту даних, а також їхню придатність для санкційного скринінгу.
- Визначати й тестувати ознаки для зіставлення та оцінювання.
- Співпрацювати з командами інженерії даних щодо отримання та перетворення даних.
- Розробляти й удосконалювати засновані на правилах моделі санкційного скринінгу та моделі з нечітким зіставленням.
- Налаштовувати порогові значення й логіку оцінювання, щоб підвищувати точність виявлення та зменшувати кількість хибних спрацьовувань.
- Аналізувати результати скринінгу й допомагати створювати ознаки, що поліпшують якість зіставлення.
- Вести документацію щодо логіки моделей, припущень і змін, готову до аудиту.
- Відстежувати ефективність моделей і вдосконалювати їх відповідно до нормативних вимог і стандартів управління модельним ризиком.
- Розробляти й проводити експерименти для оцінювання ефективності моделей із використанням відповідних метрик і статистичних методів.
- Координувати тестування, валідацію, аудити й регуляторні перевірки з командами комплаєнсу, управління модельним ризиком і технологій.
- Перевіряти моделі, підтверджуючи їхню точність, надійність і відповідність вимогам.
- Співпрацювати із зацікавленими сторонами з бізнес-підрозділів і регульованих організацій для підтримки практик управління модельним ризиком.
- Документувати архітектуру, реалізацію та методологію моделей.
- Переглядати звіти щодо моделей і ділитися висновками, аналітичними спостереженнями та рекомендаціями з технічними й бізнес-зацікавленими сторонами.
- Відповідати на нерегулярні запити бізнес-зацікавлених сторін.
- Створювати зрозумілі інтерфейси для кінцевих користувачів, що приносять вимірювану користь.
Вимоги
- Щонайменше 5 років відповідного досвіду за наявності ступеня бакалавра, 2 роки за наявності наукового ступеня, досвід не потрібен за наявності ступеня PhD або щонайменше 8 років відповідного досвіду.
- Ступінь бакалавра або магістра в галузі інженерії, економіки, статистики, математики чи суміжній технічній галузі.
- Щонайменше 5 років досвіду в аналізі даних, звітності, статистичному аналізі, дослідженнях, інтелектуальному аналізі даних, аналізі тенденцій або суміжній сфері.
- Досвід розроблення та впровадження моделей машинного навчання з використанням SAS, SQL, Python або R, Hive та/або Spark.
- Досвід побудови прогнозних і описових статистичних моделей за допомогою методів ШІ та машинного навчання, як-от логістична регресія, випадкові ліси, SVM, XGBoost, CNN або RNN.
- Експертні знання із санкційного скринінгу та зіставлення імен.
- Знання систем протидії відмиванню коштів і фінансуванню тероризму, а також практик комплаєнсу у сфері фінансових злочинів.
- Розуміння глобальних санкційних режимів, зокрема вимог OFAC, ЄС, ООН і Великої Британії.
- Досвід роботи з моделями, заснованими на правилах, або статистичними моделями.
- Знайомство з платформами санкційного скринінгу, такими як Fircosoft, Comply, Advantage, World-Check і Actimize.
- Експертні знання методів ШІ, зокрема машинного навчання, обробки природної мови, глибокого навчання та генеративного ШІ.
- Досвід роботи з бібліотеками Python, такими як pandas, NumPy, Matplotlib і scikit-learn.
- Знання нечіткого зіставлення, n-грам на основі NLP, фонетичних методів, токенізації та оцінювання схожості.
- Впевнені навички керування базами даних, вилучення й обробки даних.
- Уміння ефективно працювати в динамічному середовищі з високим рівнем навантаження в командах по всьому світу.
- Готовність працювати за гнучким графіком із урахуванням різних часових поясів.
- Відмінні навички комунікації, ділового письма та взаємодії із зацікавленими сторонами.
Переваги
- Гібридний формат роботи.
- Гнучкий графік із урахуванням різних часових поясів.