Auf einen Blick
- Aufgaben: Verbessere Kreditrisikomodelle und arbeite an spannenden Datenprojekten.
- Unternehmen: Innovatives Unternehmen im Finanztechnologiebereich mit dynamischer Teamkultur.
- Vorteile: Attraktives Gehalt, Gesundheitsleistungen und flexible Arbeitsmöglichkeiten.
- Weitere Informationen: Hohe Verantwortung und Entwicklungsmöglichkeiten in einem modernen, datengestützten Umfeld.
- Warum dieser Job: Gestalte die Kreditstrategie und beeinflusse echte Geschäftsentscheidungen.
- Qualifikationen: Mindestens 2 Jahre Erfahrung in Datenanalyse oder Data Science.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Als Data Scientist in unserem Credit Risk-Team werden Sie daran arbeiten, sowohl die Antragsbewertung (um die Onboarding-Entscheidungen zu verbessern) als auch die Verhaltensbewertung (um die Rentabilität des Portfolios zu steigern) zu optimieren. Sie sind verantwortlich für den gesamten Modellierungszyklus: von der Datenexploration und der Identifizierung bedeutungsvoller Muster bis hin zum Aufbau und zur Validierung von Modellen, der Bewertung ihrer geschäftlichen Auswirkungen, dem Schreiben klarer Implementierungsanforderungen und der Überwachung der Produktionsleistung.
Die Rolle geht über die Modellierung hinaus - Sie werden mit Produktmanagern, Analysten und Ingenieuren zusammenarbeiten, um den Geschäftskontext zu verstehen, Hypothesen zu generieren und zu testen sowie unsere Entscheidungsstrategie kontinuierlich zu verfeinern. Wir arbeiten in einer modernen, datengestützten Umgebung, in der Modelle und Statistiken wichtige Entscheidungen vorantreiben und die Infrastruktur schnelle Iterationen und Bereitstellungen unterstützt. Jede Aufgabe wird durch die Linse des Geschäftswerts bewertet - es gibt keine Arbeit „für die Schublade“.
Dies ist eine verantwortungsvolle, wirkungsvolle Rolle für jemanden, der bereit ist, Strategien zu beeinflussen, Ergebnisse zu übernehmen und tiefen Einblick in Kreditdaten, Nutzerverhalten und Marktdynamik zu gewinnen.
Ihre zukünftigen Verantwortlichkeiten:
- Den gesamten Modellierungszyklus besitzen - von der Erkundung roher Daten bis zur Vorbereitung produktionsbereiter Spezifikationen
- Metriken wie AUC, KS, Ausfallrate und Stabilitätsindex verwenden, um die Modellqualität zu validieren
- Verfolgen, wie Modelle nach dem Start abschneiden, und wissen, wann es Zeit ist, sie neu zu trainieren oder anzupassen
- Wert durch NPV, Backtesting und reale Portfolioleistung bewerten
- Einblicke in Entscheidungen umsetzen - Sie helfen, unsere Kreditstrategie weiterzuentwickeln, nicht nur Modelle zu erstellen
- Ideen beitragen, die ändern, wie wir Kredite genehmigen, bepreisen und verwalten - unsere internen Tools sind flexibel und datengestützt
- Eng mit Produkt und Daten zusammenarbeiten, um jedes Modell mit realen Geschäftszielen abzustimmen
- Über Ihren Aufgabenbereich hinaus eingreifen, wenn nötig - wir schätzen Eigenverantwortung über starre Rollen
- Jede Aufgabe wird durch die Linse des Geschäftswerts bewertet - keine „Modelle für die Schublade“ hier
Was wir von Ihnen erwarten:
- 2+ Jahre praktische Erfahrung in Datenanalyse oder Data Science
- Tiefes Wissen über Statistik, Wahrscheinlichkeit und Algorithmen des maschinellen Lernens
- Kenntnisse in Python (pandas, scikit-learn) und SQL für Datenexploration und Modellierung
- Erfahrung mit Kreditbewertungsmodellen - Aufbau oder Validierung von Modellen für Antrags- oder Verhaltensrisiken
- Praktische Erfahrung mit dem gesamten Modelllebenszyklus: von der Datenanalyse und Merkmalsgestaltung bis hin zu Bereitstellung und Nachverfolgung nach der Produktion
- Fähigkeit, Modellierungslogik in implementierungsbereite Spezifikationen zu übersetzen
- Frühere Arbeit mit Kreditprodukten ist ein großer Vorteil, insbesondere im Fintech-Bereich
- Erfahrung in der Bewertung der geschäftlichen Auswirkungen von Modellen (z.B. NPV, Backtesting) ist von Vorteil
- Einblick in funktionsübergreifende Zusammenarbeit (z.B. mit Produkt- oder Ingenieurteams) ist von Vorteil
- Bereitschaft, an unseren Hauptsitz in Manila umzuziehen, ist ein großer Vorteil
Data Science (Credit Risk) Arbeitgeber: Salmon Group
Als Arbeitgeber bieten wir Ihnen die Möglichkeit, in einem dynamischen und innovativen Umfeld zu arbeiten, das auf Zusammenarbeit und kontinuierliches Lernen setzt. Unsere Unternehmenskultur fördert Eigenverantwortung und Kreativität, während wir gleichzeitig umfangreiche Weiterbildungsmöglichkeiten und Karriereentwicklung bieten. In dieser Rolle als Data Analyst im Bereich Kreditkarten haben Sie die Chance, direkt mit Produktmanagern zusammenzuarbeiten und einen echten Einfluss auf die Portfolio-Performance zu nehmen, was Ihre Arbeit sowohl bedeutungsvoll als auch erfüllend macht.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Science (Credit Risk) erhalten könntest
✨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 Salmon Group 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 Science (Credit Risk) 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 Science (Credit Risk) bei Salmon Group gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Salmon Group 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 Salmon Group entscheidend sein!
