Middle data scientist (команда CRM и модели оптимизации)

Навыки

• Agile
• AI-инструменты в работе
• XGBoost / LightGBM / CatBoost
• Confluence
• CRM-системы
• Финтех и платежи
• Jira

О компании и продукте

• Присоединяйся к команде и развивай финтех в масштабах страны Откликнуться 82% соискателей рекомендуют нас по данным платформы DreamJob 2026 г. 2 место среди лучших работодателей в рейтинге hh.ru 2025 г. В команду разработки бизнес моделей CRM моделирования розничного бизнеса ищем разработчика моделей уровня middle.

Задачи

• профилирование и сегментирование клиентов
• задачи поиска и привлечения ВИП клиентов
• анализ интересов, склонностей к определенным видам кредитных и некредитных продуктов, к категориям транзакций, к каналам коммуникации
• системы рекомендаций продуктов и услуг
• прогнозирование уровня удовлетворенности клиентов сервисами банка и каналами взаимодействия
• анализ инвестиционного риск-аппетита
• анализ отзывов в сети Интернет и суммаризация текстов обращений, 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
• разработка моделей прогнозирования склонностей к определенным видам кредитных и некредитных продуктов, к категориям транзакций, к каналам коммуникации (next best action, best channel, best time to call)
• разработка систем рекомендаций продуктов и услуг, прогнозирование уровня удовлетворенности клиентов сервисами банка и каналами взаимодействия
• ведение проектов по Agile/Scrum в Cфера (аналог Jira и Confluence), Gitlab+BitBucket+MLFlow

Требования

• опыт работы в моделировании от 2-х лет в роли 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
• будет плюсом опыт работы с текстовыми данными (NLP: тематическое моделирование, поиск ключевых слов, анализ тональности, задачи суммаризации, шаблонизации и др.)

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.