Аналитик-разработчик в команду B2B-кредитования Финтеха

Наша команда развивает кредитование для бизнеса в Финтехе Яндекса. Мы создаём продукты, которые помогают юридическим лицам и индивидуальным предпринимателям получать кредитные предложения, подходящие под их бизнес, обороты и финансовый профиль.

Для этого мы анализируем внутренние и внешние данные о компаниях и предпринимателях: платежи за услуги внутри Яндекса, рекламную и транзакционную активность, обороты на маркетплейсе, финансовую отчётность и другие источники. Эти данные помогают лучше понимать бизнес клиента, точнее оценивать его потребности и принимать более качественные кредитные решения.

Мы ищем человека в команду рисков, который будет исследовать информацию о бизнес-клиентах, находить новые полезные сигналы внутри экосистемы Яндекса, развивать хранилище фич и в перспективе участвовать в развитии скоринговых моделей. Эта роль подойдёт тем, кому интересно анализировать данные в Python и SQL, разбираться в бизнес-смысле данных, общаться с командами разных сервисов и кто хочет постепенно развиваться в сторону ML-аналитики или DS.

Какие задачи вас ждут

Анализ данных о бизнесе клиентов
Вам предстоит работать с внутренней и внешней информацией о юридических лицах и индивидуальных предпринимателях: анализировать обороты, платежи, рекламную активность, транзакции, финансовую отчётность и другие признаки, которые помогают понять состояние и динамику бизнеса.

Нужно будет искать в данных физический и бизнес-смысл: какие сигналы отражают устойчивость бизнеса, какие — помогают оценить потенциальный спрос на кредитный продукт, а какие могут быть полезны для оценки риска.

Поиск новых источников данных внутри экосистемы Яндекса
В экосистеме Яндекса много сервисов, где бизнес-клиенты продают товары и услуги, привлекают пользователей, принимают платежи, размещают рекламу и развивают продажи. Вам предстоит исследовать эти источники, разбираться в их структуре и договариваться с командами о том, как использовать данные для кредитных продуктов.

Цель — собрать более полный финансовый портрет клиента, чтобы точнее рассчитывать подходящее кредитное предложение и лучше понимать потребности бизнеса.

Помощь в развитии хранилища фич для кредитных решений
Вы будете помогать расширять фичестор: проектировать новые признаки, проверять их качество, устойчивость и бизнес-смысл, оценивать их вклад в принятие решений и готовить фичи к регулярному использованию.

Использование новых признаков в моделях — один из способов принести пользу бизнесу: повысить качество кредитных решений, точнее оценивать клиентов и лучше подбирать условия кредитования.

Участие в развитии скоринговых моделей
Основной фокус роли — аналитика, но со временем вы сможете глубже погружаться в ML-задачи: обучать модели, сравнивать подходы, анализировать качество скоринга и проверять, какие признаки действительно улучшают предсказательную силу моделей.

Эта задача подойдёт тем, кто хочет развиваться в сторону ML-аналитики или DS, но понимает, что хорошие модели начинаются с качественных данных, сильных признаков и глубокого знания предметной области.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждем, что вы

• Хорошо анализируете данные в Python
• Умеете писать SQL-запросы
• Эффективно строите дашборды и выбираете для них подходящие метрики
• Понимаете базовые принципы классического ML
• Способны искать смысл в данных и критически относитесь к результатам анализа
• Профессионально общаетесь с коллегами из разных команд, задаёте правильные вопросы и договариваетесь о совместной работе
• Можете объяснять результаты анализа понятным языком и аргументированно защищать свои выводы