Вакансии

— Поиск и развитие партнеров (вебмастеры, инфлюенсеры/стримеры, SEO); — Ведение переговоров и согласование моделей выплат (CPA, RevShare, Hybrid);

Location: Самара На позиции клиентского менеджера ты будешь принимать входящие звонки и проводить анализ в системах банка. Позиция клиентского менеджера предполагает, как вертикальную карьеру, так и возможность перейти в смежные специальности. Обязанности * прием входящих звонков от клиентов * общение с клиентом с целью выявления возможного мошенничества * принятие решения о правомерности операции. Требования * среднее специальное или высшее образование * опыт работы в сфере клиентской поддержки от 6 месяцев (опыт работы в сфере фрод-мониторинга будет преимуществом) * навыки анализа больших объемов данных и принятия решений в условиях неопределенности * отличные коммуникативные способности, грамотная устная и письменная речь * умение работать в команде и готовность к обучению новым методикам и инструментам * высокая степень ответственности и внимательность к деталям. Условия * стабильный оклад и социальная поддержка сотрудников * возможность выбрать удобный график: 5/2 или 2/2 * официальное оформление с первого дня * расширенный ДМС с первого дня и льготное страхование для близких * теплая база клиентов * корпоративное обучение в Виртуальной школе Сбера * подписка Прайм с возможностью совместного использования на трёх близких, скидки на продукты компаний-партнеров * корпоративная пенсионная программа * современный офис с зонами отдыха, где можно поиграть в приставку, настольные игры или просто отдохнуть * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ.

Закрывать ключевые IT- вакансии для поддержки наших продуктовых команд; Вести полный цикл подбора: от брифа с командой до выхода кандидата;

Location: Москва Мы – команда управления рисками блока сеть продаж. Мы создаем инструменты и сервисы, как классические, так и AI/ML-решения, которые позволяют минимизировать риски мошенничества в отношении клиентов и банка. Сейчас нам в команду требуется руководитель направления, который поможет нам выстроить систему регулярного мониторинга для каждого проекта, покрыв их метриками (AI/ML, бизнес, клиентские метрики), оперативного реагирования и эскалации западающих зон и организацию их исправления. Обязанности * Взаимодействие с бизнес-командами для сбора требований, согласования гипотез, презентации результатов и формирования бэклога. * Руководство распределенной командой инженеров и аналитиков данных (2 чел.). * Управление бэклогом команды: планирование, постановка, приоритизация и контроль выполнения в Jira. Ведение и актуализация проектной документации в Confluence. * Поиск, анализ и оценка новых источников с релевантными данными для использовании в работе. * Решение сложных аналитических задач: расчет бизнес-метрик, проектирование и реализация логики преобразования данных для анализа. * Разработка, оптимизация алгоритмов обработки данных на SQL, Python. * Формирование и формализация алгоритмов для построения отчетности и аналитических исследований. * Выполнение аналитических ad-hoc задач. * Проектирование, разработка и поддержка аналитических витрин и слоя данных в Greenplum, Hadoop, Spark, СМД. * Внедрение и поддержка процессов обеспечения качества данных (Data Quality): контроль стандартов, мониторинг целостности, точности и своевременности поступления данных. * Реализация и развитие BI-отчетности, дэшбордов для мониторинга динамики риска поведения / фрода и оценки причин изменений, выявления фродовых / подозрительных операций, оценки эффективности мероприятий по предотвращению рисков. Требования * Понимание основ проектирования, разработки и оптимизации ETL/ELT-процессов и дата-пайплайнов. * Опыт проектирования, создания и поддержки аналитических витрин данных. * Продвинутое владение PostgreSQL (создание процедур, оконные функции, поставка витрин через PXF), Python (pandas, numpy, matplotlib). * Опыт работы с распределенными системами, такими как Greenplum, Hadoop и Spark, СМД. * Навыки применения статистического анализа и методов машинного обучения (классификация, обнаружение аномалий) для решения бизнес-задач. * Способность решать сложные аналитические задачи: расчет метрик, анализ первопричин, формализация алгоритмов для выявления подозрительных активностей. * Опыт внедрения и поддержки практик обеспечения качества данных, мониторинга их целостности и точности. * Опыт разработки и поддержки BI-отчетности (Qlik, Navigator) и дэшбордов для мониторинга и аналитики. Условия * График 5/2, офис на м. Кутузовская; * Режим работы - офис; * Достойный уровень вознаграждения (оклад + годовая премия); * Возможность возглавить AI-направление и влиять на цифровую трансформацию банка; * Широкие возможности для профессионального развития: корпоративный университет и множество онлайн-программ обучения. Корпоративное обучение за счёт компании; * Бесплатная подписка СберПрайм+, многочисленные скидки и бонусы от партнёров: СберМаркет, МегаМаркет, Самокат, Еаптека и др.

Требования: — Глубокое понимание продукта и паттернов поведения игрока. — Умение ставить ТЗ и критически анализировать метрики. — Базовый навык работы с дашбордами. — Предметное использование AI-инструментов. — Понимание фрод-паттернов игрока. — Опыт VIP-коммуникации. Техника предоставляется + будет полиграф. Локация: удалённо.

Управлять портфелем каналов: CPA-сети (сейчас ~50% трафика, зависимость надо снижать), ASO, SEO, контекст, партнёрства с мобильными операторами. Решать по LTV-модели, когда поднять или снизить ставку, отключить партнёра, масштабировать источник.

— Развивать antifraud-направление: определять стратегию, roadmap и приоритеты; — Руководить командой scientists/developers и развивать экспертизу;

— Сквозная аналитика пользователей и источников; — Анализ GGR/NGR, retention и прогноз LTV;

— Собрать сквозную модель данных: игрок, источники, ID, депозиты, бонусы, GGR/NGR; — Настроить витрины и дашборды, чтобы команда не просила выгрузки вручную;

Location: Москва Мы ищем аналитика данных, который поможет команде превращать большие объёмы данных о поведении клиентов и операциях в работающие антифрод-решения. При этом зона ответственности существенно шире криптовалют: предстоит исследовать всю экосистему операций Сбербанк Онлайн, находить взаимосвязи между продуктами и каналами и помогать выявлять мошенничество на ранних этапах Перед командой стоит более широкая задача: научиться видеть мошенничество как единый сценарий, который может начинаться в одном продукте, продолжаться в другом и завершаться криптовалютной операцией или наоборот. Поэтому в работе будут данные и сценарии из разных частей Сбербанк Онлайн, а результаты вашей аналитики напрямую будут влиять на правила, модели и клиентские решения Антифрода. Обязанности * Анализировать большие массивы данных о клиентах, операциях и их поведении. * Исследовать криптовалютные операции и выявлять признаки мошеннического поведения. * Искать связи между криптовалютными операциями и другими действиями клиента в Сбербанк Онлайн. * Выявлять аномалии, нетипичные клиентские сценарии и новые паттерны мошенничества. * Строить аналитические витрины, метрики и мониторинги для антифрод-команды. * Разрабатывать и проверять гипотезы по новым признакам фрода. * Оценивать качество и эффективность антифрод-правил и моделей. * Анализировать false positive / false negative и искать баланс между безопасностью и удобством клиента. * Проводить post-analysis мошеннических кейсов и находить признаки, которые могли бы позволить обнаружить их раньше. * Исследовать клиентские пути и определять, на каком этапе эффективнее всего поставить профилактический контроль. * Участвовать в разработке новых антифрод-моделей и алгоритмов совместно с ML-командами и фрод-аналитиками * Автоматизировать регулярный анализ и мониторинг показателей. * Формировать аналитические выводы и рекомендации для продуктовых и антифрод-команд. Требования * уверенный SQL; * Python и инструменты анализа данных; * опыт работы с большими объёмами данных; * опыт в антифроде, банковской аналитике, платежах или финансовом мониторинге; * понимание статистики и A/B-тестирования; * опыт работы с ML-моделями будет преимуществом; * интерес к криптовалютам, блокчейну и новым финансовым технологиям. Условия * Комфортный современный офис (ст.м.Кутузовская) * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Нижний Новгород Отдел служебных расследований и дисциплинарных взысканий в поисках кандидата на должность руководителя направления. Команда занимается выявлением ФРОДа в продажах. Обязанности ### Задачи: * организовывать и контролировать процесс проведения проверки по выявлению ФРОДа и недобросовестных практик * проводить бизнес-анализ продукта / процессов * формировать требования к проверке и улучшению качества данных * готовить регулярные материалы, отчетность Требования ### Требования: * способность быстро понимать задачу, определять приоритеты, брать на себя ответственность, вникать в суть процесса * умение структурировать информацию, искать взаимосвязи и видеть целостную картину * знание банковских продуктов и процессов * опыт работы с выявлением нарушений, включая риски недобросовестных практик и фрода Условия ### Преимущества: * официальное трудоустройство согласно ТК РФ * оплата складывается из оклада, квартальной и годовой премий * удобный график работы: 5/2, 09.00-18.00 * современный офис в центре города: ул. Костина, 6 * возможность профессионального роста и развития внутри Компании * обучение в одном из лучших Корпоративных университетов и в Виртуальной школе Сбера * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * ДМС для сотрудников/родственников (с первого дня трудоустройства) * материальная помощь и социальная поддержка, корпоративная пенсионная программа * подписка Прайм с возможностью совместного использования на трёх близких * реферальная программа для сотрудников: можно пригласить в команду знакомых профессионалов и получить вознаграждение до 100 тыс. рублей. Если Вы готовы стать частью нашей команды профессионалов и внести свой вклад в развитие банка, отправляйте свое резюме!

-развивать real-time антибот и антифрод: детектировать ботов и фрод с помощью потоковых эвристик, разрабатывать новые сигналы. -развивать обогащение событий: строить операторы обогащения кликстрим-событий (геолокация, категории, атрибуты пользователя, рекламные метрики).

— собрать сквозную модель данных: игрок, источник, ID, депозиты, бонусы, GGR/NGR; — настроить витрины и дашборды;

— Строить сквозную аналитику: источники, партнёры, саб-ID, депозиты, бонусы, GGR/NGR. — Анализировать качество трафика и окупаемость партнёров при текущем CPA.

— запускать и вести рекламные кампании в Яндекс Директ; — настраивать, оптимизировать и масштабировать рекламу;

▪️Самостоятельно вести и развивать пул affiliate-партнёров. ▪️Курировать ключевых партнёров и вести переговоры по стратегическим сделкам.

Location: Москва Мы развиваем продукт DataQuality - систему мониторинга качества данных, которая в реальном времени следит за потоком событий антифрод-платформы: согласованность полей, заполненность расчетов, стабильность скорингов и агрегатов, статистику срабатывания фрод-правил, пропажу типов событий. Мы ищем аналитика данных, который возьмет на себя две связанные задачи: довести систему алертов до состояния, когда сигналов мало, но каждый по делу, и исследовать связанные с данными обращения пользователей антифрод-платформы, находя в них подсказки о том, что мы еще не умеем мониторить. Это техническая роль. Поток платформы - тысячи событий в секунду, история в Hadoop - миллиарды строк. Поэтому нужно понимать, как Spark исполняет ваш запрос, и уверенно владеть статистикой: пороги алертов выводятся из распределений, а не подбираются на глаз. Роль хорошо подойдет тем, кто работал с ML (обучал и оценивал модели, искал аномалии, следил за дрейфом признаков), но не хочет уходить в Data Science или MLOps. У нас статистика и ML-подходы применяются к прикладной задаче с быстрым результатом: настроенная вами проверка уже завтра ловит реальный инцидент на боевом потоке. Обязанности * разбирать поток срабатываний проверок качества данных, отличая реальную деградацию от шума и ложных сигналов * настраивать проверки так, чтобы снижать долю ложных срабатываний: подбирать пороги по уровням severity, окно агрегации и базовый период на основе распределения метрики за исторический период, а не «на глаз» * копать до первопричины срабатываний: идти в сырые события, поднимать историю, сопоставлять с релизами и инцидентами * оценивать качество алертов: сколько сигналов были ложными и почему (строгий порог, короткое окно, сезонность, редкий тип события) * развивать методы детектирования: проверять статистические и ML-подходы к поиску аномалий и дрейфа на временных рядах и распределениях скорингов, оценивать их на истории инцидентов и предлагать, что включать в продукт * работать с полной историей событий в Hadoop: писать запросы и расчеты на Spark SQL и PySpark так, чтобы они укладывались в ресурсы общего кластера * исследовать обращения, которые пользователи антифрод-платформы пишут в поддержку, и вытаскивать из них реальную проблему с данными * соотносить обращения с текущим покрытием мониторинга: понимать, что уже отлавливается проверками, а где инструмента нет * доводить находку до понятного «полуфабриката»: проблема, подтвержденная на данных, и передавать ее системному аналитику, который оформит из нее требования для команды разработки. Требования * опыт в аналитике данных или Data Science от трех лет, включая работу с потоковыми или near-real-time данными и с большими объемами в Hadoop / Spark * Spark SQL и PySpark на больших объемах - ежедневный инструмент: условия проверок в системе пишутся на Spark SQL. Важно понимать, как запрос исполняется. Нужно уметь прочитать план запроса и оценить его стоимость до запуска: кластер общий, и тяжелый запрос по полной истории мешает всем * SQL уверенно: оконные функции, многошаговые агрегации, джойны с контролем кардинальности, корректная работа с NULL и типами. Понимание, почему запрос деградирует, и чем колоночная СУБД отличается от строчной; опыт с ClickHouse будет плюсом * Python как основной рабочий инструмент, а не эпизодический. Способность быстро написать скрипт, который поднимет историю срабатываний и покажет, какие пороги дают ложные сигналы * теория вероятностей и математическая статистика на уровне уверенного применения: доверительные интервалы, проверка гипотез, ошибки первого и второго рода и тд * прикладная статистика для мониторинга: дрейф распределений (PSI), отклонение среднего и дисперсии от базовой линии, выбросы (z-score / IQR), сезонность; precision / recall применительно к алертам. Меры расхождения распределений и принятые для них пороговые значения, баланс ложноположительных и ложноотрицательных срабатываний * практический опыт с ML: потребуется понимать метрики качества, как работает переобучение, дрейф признаков и то, как качество данных влияет на модель. Выводить модели в продакшен не потребуется * понимание принципов мониторинга качества данных: типы проверок, уровни severity и то, что за ними стоят разные действия от информирования до инцидента * системный взгляд и исследовательская жилка: видеть картину целиком, не лечить симптом порогом, если корень в источнике данных, и копать до истины Будет плюсом: * понимание работы фрод-правил и скорингов * опыт оптимизации расчетов на Spark * опыт ML-детектирования аномалий и дрейфа данных в промышленном мониторинге (это направление у нас в развитии) * опыт работы в поддержке / эксплуатации: разбор инцидентов, приоритизация обращений * опыт с инструментами контроля качества данных: Great Expectations, Soda, Evidently, Monte Carlo. Отдельно ценим понимание, где их настройки по умолчанию перестают работать на больших объемах * опыт с каталогами данных и lineage: Atlas, DataHub, OpenLineage * опыт работы с ИИ-ассистентами при разборе кода. Условия * комфортный современный офис в Москве, Кутузовский, 32 * график работы – офис * ежегодный пересмотр зарплаты, квартальная и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для Junior позиций) * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбер

— Собрать сквозную модель данных: игрок, источники, ID, депозиты, бонусы, GGR/NGR; — Настроить витрины и дашборды, чтобы команда не просила выгрузки вручную;