Especialista Prevenção a Fraude (Fintech)

Seu Cardápio Diário

• Investigar padrões de fraude como chargebacks account takeover synthetic identity e fraud rings;
• Estruturar processos de investigação replicáveis definindo dados a coletar sequência de validações e templates de análise;
• Escrever queries SQL avançadas para explorar dados de transação comportamento device e parceiros;
• Analisar dados em Python usando pandas para validar hipóteses construir visualizações e suportar decisões;
• Desenhar e monitorar experimentos A/B e realizar backtesting de regras e modelos;
• Construir scores preditivos e propor mudanças no motor de fraude com visão de trade offs entre fraude conversão e falso positivo;
• Integrar fontes internas e de parceiros garantindo qualidade governança e observabilidade dos dados;
• Colaborar com Produto Operações e Tecnologia para priorizar roadmap do motor de fraude e justificar decisões com dados;
• Conduzir investigações em incidentes críticos organizar war rooms e documentar causas raízes e aprendizados;
• Documentar playbooks templates e registrar evidências por trás de cada decisão;
• Capacitar e mentorar analistas para replicar métodos e padrões de investigação.

Ingredientes que buscamos

• SQL avançado para consultas complexas e otimização;
• Python para análise de dados com pandas para manipulação exploração e validação de hipóteses;
• Pensamento estatístico para desenhar experimentos interpretar significância e controlar vieses;
• Domínio de motores de fraude e lógica de regras para avaliar impacto operacional e de receita;
• Capacidade de construir modelos de risco e scoring para detecção proativa de fraude;
• Habilidade para integrar múltiplas fontes de dados e estruturar pipelines estáveis;
• Mentalidade orientada a métricas com foco em definição de KPIs relevantes para fraude;
• Autonomia para conduzir projetos do discovery à validação e rollout com stakeholders diversos;
• Comunicação clara para traduzir análises complexas para público técnico e executivo;
• Liderança para mentorar revisar análises priorizar iniciativas e conduzir decisões em crises
• Organização e priorização aplicando princípio 80 20 em ambiente ágil.

Para Realçar o Sabor:

• Familiaridade com PySpark e processamento distribuído de dados;
• Conhecimento em orquestração de pipelines como Airflow ou Prefect;
• Experiência com ETL /ELT e engenharia de dados em produção;
• Familiaridade com AWS e serviços de dados gerenciados;
• Conhecimento do ecossistema de adquirência subadquirência e fluxos de pagamento incluindo PIX;
• Familiaridade com LLMs e ferramentas como Claude GPT Gemini e NotebookLM para suporte à investigação;
• Conhecimento em frameworks para LLM e agentes como LangChain e LlamaIndex;
• Práticas de MLOps e LLMOps aplicadas a modelos e agentes em produção;
• Uso de Git para versionamento e colaboração;
• Background em prevenção a fraude ou risco em ambientes de fintech adquirência ou subadquirência.