Anti-Fraud Analytics Team Lead

Яндекс Финтех — быстрорастущее направление Яндекса. Сплит, Супер Сплит, Пэй, ID, Про и Сейвы используют миллионы людей: компания строит платёжные сервисы, кредитные продукты и инструменты управления личными финансами. За продуктами стоит финансовая функция, которая принимает решения, определяющие устойчивость и рост экосистемы.

• Руководить группой из 3–6 антифрод-аналитиков: ставить цели и KPI, проводить ревью, заниматься менторством и развивать экспертизу команды.
• Выстраивать и развивать систему обнаружения аномалий: работать с операционными метриками и инфраструктурой алертинга для каждого продукта.
• Своевременно выявлять фрод-волны и координировать их устранение — от срабатывания алерта до выпуска отказа в продакшен.
• Работать с антифрод-гипотезами: искать паттерны, собирать признаки, включая внутренние и внешние данные, разрабатывать и тестировать правила и ML-модели, выпускать их в продакшен и анализировать эффект после запуска.
• Оценивать экономическую эффективность решений и запускать подключение новых внешних источников данных.
• Создавать защиту от мошенничества при запуске новых продуктов и мерчантов: разрабатывать скрипты и правила, выстраивать операционный процесс, прорабатывать методологию разбора ситуаций и оцифровывать процессы с нуля.
• Работать с командами рисков, продукта, ML, разработки и комплаенса.
• Взаимодействовать с внешними поставщиками данных — бюро кредитных историй, скоринговыми сервисами и телеком-компаниями: договариваться об условиях сотрудничества и оценивать выгоду подключения их услуг.

• Более трёх лет опыта в аналитике рисков, антифроде или смежных направлениях финтеха.
• Не менее двух лет руководства командой аналитиков: постановка задач, обратная связь и развитие сотрудников.
• Понимание методов обнаружения аномалий и антифрода (fraud detection), умение провести задачу от гипотезы до результата в продакшене.
• Уверенное владение SQL и Python.
• Умение выстраивать операционные процессы и определять метрики: KPI команды, SLA, качество и нагрузку.
• Будет плюсом опыт работы с ML-моделями — обучения, валидации и оценки эффекта в продакшене; работы с внешними источниками данных; запуска антифрода в новом продукте или сегменте; работы по Agile или Scrum, планирования спринтов и управления бэклогом команды.

• Полная занятость.
• Офис или гибридный режим работы.