Data scientist (команда CRM и модели оптимизации)

Описание

• профилирование и сегментирование клиентов;
• прогнозирование склонностей к определенным видам кредитных и некредитных продуктов, к категориям транзакций, к каналам коммуникации (next best action, best channel, best time to call);
• системы рекомендаций продуктов и услуг, прогнозирование уровня удовлетворенности клиентов сервисами банка и каналами взаимодействия;
• прогнозирование LTV и др;
• наиболее часто применяемые методы: деревья решений, бустинги, лог.регрессия, различные методы кластеризации, ALS/SVD, методы NLP, нейросети для анализа транзакционных данных, текстовой аналитики, для создания эмбеддингов;
• примеры задач: профилирование и сегментирование клиентов, анализ интересов, склонностей к определенным видам кредитных и некредитных продуктов, к категориям транзакций, прогнозирование уровня удовлетворенности клиентов сервисами банка и каналами взаимодействия, аналитика точек продаж, анализ инвестиционного риск-аппетита клиентов, задачи оптимизации, выявление родственных связей, анализ отзывов в сети Интернет и суммаризация текстов обращений, задачи поиска шаблонов в смс;
• выступаем на конференциях, публикуем статьи, по возможности занимаемся RnD;
• ведение проектов по Agile/Scrum в Cфера (аналог Jira и Confluence), Gitlab+BitBucket+MLFlow.

• опыт работы в моделировании от 1 - 2-х лет в роли аналитика/DS, понимание банковских бизнес-процессов;
• уверенное владение Python, Spark;
• знание алгоритмов ML: деревьев решений и случайных лесов, регрессии, бустингов, кластеризации, временных рядов и др., понимание принципов работы рекомендательных систем и лежащих в основе алгоритмов, опыт работы с текстовыми данными приветствуется (NLP: тематическое моделирование, поиск ключевых слов, анализ тональности, задачи суммаризации, шаблонизации и др.);
• знание DL приветствуется: опыт обучения и использования нейросетей и предобученных моделей (RNN, LSTM, BERT, GPT);
• опыт написания ТЗ, БТ, проектной документации;
• наличие публикаций по ML/DL, опыт выступления на ML-конференциях как плюс;
• ценится проактивный и творческий подход в решении задач.