Auf einen Blick
- Aufgaben: Analysiere Daten zu ACH-Transaktionen und entdecke Trends im Zahlungsrisiko.
- Unternehmen: Innovatives Fintech-Unternehmen mit einem dynamischen Team.
- Vorteile: Flexibles Arbeiten, wettbewerbsfähiges Gehalt und Entwicklungsmöglichkeiten.
- Weitere Informationen: Arbeiten in einem internationalen Team mit spannenden Herausforderungen.
- Warum dieser Job: Gestalte die Zukunft des Zahlungsrisikos mit datengetriebenen Entscheidungen.
- Qualifikationen: 3+ Jahre Erfahrung in Zahlungsrisiko und starke SQL- sowie Python-Kenntnisse.
Das prognostizierte Gehalt liegt zwischen 45000 - 65000 € pro Jahr.
Wir suchen einen Risk & Payments Intelligence Analyst, der unser Risk & Fraud-Team verstärkt. In dieser Rolle analysieren Sie Daten zu ACH-Transaktionen, ML-Risikoscores, Risikoregeln, Entscheidungssystemen und Lieferantendaten, um die Leistung zu verstehen, aufkommende Trends zu erkennen und die fortlaufende Optimierung von Zahlungsprogrammentscheidungen zu informieren. Diese Rolle konzentriert sich auf Portfolio- und Systemanalysen anstelle von Einzelfallüberprüfungen oder manuellen Warteschlangen und erfordert starkes analytisches Urteilsvermögen in mehrdeutigen, datengestützten Umgebungen.
Hauptverantwortlichkeiten:
- Analyse der End-to-End-ACH-Zahlungsentscheidungsleistung, einschließlich ML-Risikoscores und Risikoregeln, über Genehmigungen und Verluste hinweg.
- Erkennung und Analyse aufkommender Trends im Kundenverhalten, Zahlungsergebnissen und Risikosignalen.
- Bewertung, wie Änderungen in Strategien, Daten oder Regeln die nachgelagerten Entscheidungen und Ergebnisse im Laufe der Zeit beeinflussen.
- Unabhängige Definition analytischer Fragen, Zusammenstellung von Datensätzen aus mehreren Quellen und Iteration auf Erkenntnisse ohne vordefinierte Berichtsvorlagen.
- Verwendung von Python zur Durchführung explorativer Datenanalysen, Merkmalsbewertung, Kohortenanalyse und Experimenten über große ACH- und Risikodatensätze.
- Entwicklung wiederholbarer analytischer Workflows und leichter Werkzeuge in Python zur Beschleunigung der Erkenntnisgewinnung und Reduzierung des manuellen Analyseaufwands.
- Durchführung ad-hoc Analysen zur Bewertung des Wertes und der Nützlichkeit neuer oder bestehender Datensignale für Risikobewertungen.
- Gestaltung von Analysen und Berichten, die laufende Risikoüberprüfungen, Strategiegespräche und Portfolioüberwachungen unterstützen.
- Erforschung und Anwendung etablierter und aufkommender Analysetechniken zur Beschleunigung der Erkenntnisgewinnung, Trenddetektion und Entscheidungsunterstützung innerhalb regulierter Risiko- und Zahlungsdatensätze.
- Partnerschaft mit Risk-, Produkt- und Relationship-Management-Teams zur Information über Strategieanpassungen und Priorisierungen.
- Klare Kommunikation von Trends, Ergebnissen und Empfehlungen an interne Stakeholder und, wenn zutreffend, externe Kunden.
- Arbeiten mit großen, unvollkommenen und regulierten Datensätzen, um umsetzbare Schlussfolgerungen trotz Datenlücken, Latenz oder Attributionsherausforderungen zu ziehen.
Anforderungen:
- 3+ Jahre Erfahrung in Zahlungsverarbeitung, Betrugsanalytik oder Leistungsanalyse von Entscheidungen im Bereich Fintech, Zahlungen oder E-Commerce.
- Erfahrung mit ACH- oder Banküberweisungsdaten wird stark bevorzugt.
- Starke SQL-Kenntnisse und Erfahrung mit großen transaktionalen Datensätzen.
- Starke Python-Kenntnisse für Datenanalysen (z.B. pandas, Notebooks), Experimente und analytische Automatisierung.
- Erfahrung in der Verwaltung und Analyse von Daten im Zusammenhang mit risikobasierten Entscheidungssystemen oder ähnlichen Entscheidungsrahmen.
- Fähigkeit, komplexe analytische Ergebnisse in klare, umsetzbare Empfehlungen für technische und nicht-technische Zielgruppen zu übersetzen.
- Komfort im Umgang mit mehrdeutigen Umgebungen mit unvollständigen, verzögerten oder unvollkommenen Daten.
- Erfahrung mit KI-unterstützten Werkzeugen oder Modellen zur Datenanalyse, Mustererkennung oder Erkenntnisgewinnung ist von Vorteil.
Arbeitssprache: Englisch (schriftlich und mündlich) ist die Sprache, die die meiste Zeit verwendet wird, da Arbeitskollegen, Kunden und strategische Lieferanten geografisch verteilt sind.
Data Scientist (Payments Risk Analytics) Arbeitgeber: Dormont Manufacturing Co
Dormont Manufacturing Co ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern in Genf die Möglichkeit bietet, an der Weiterentwicklung der SonarQube-Plattform zu arbeiten. Mit einer flexiblen Arbeitsweise, die sowohl Büro- als auch Remote-Tage umfasst, fördert das Unternehmen eine Kultur der Vielfalt und des kontinuierlichen Lernens, während es gleichzeitig spannende Wachstumschancen in einem dynamischen Umfeld bietet.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Data Scientist (Payments Risk Analytics) erhalten könnten
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Dormont Manufacturing Co zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Data Scientist (Payments Risk Analytics) mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Data Scientist (Payments Risk Analytics) bei Dormont Manufacturing Co gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Dormont Manufacturing Co vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Dormont Manufacturing Co entscheidend sein!
