中国平安｜征信模型开发岗

1. 核心模型开发与支持 协助构建并优化核心及定制化信用风险模型，包括申请评分卡、行为评分卡、定制化风险分类模型、贷款能力预测模型以及基于替代数据的评分算法。 设计、审查并优化数据处理逻辑与特征工程流程，确保下游建模所用数据的质量稳健可靠。 2. 客户分析支持与模型测试 概念验证（PoC）与回溯测试：协调并执行基于历史数据的回溯分析和模型验证测试，面向潜在银行与小额贷款机构，展示我们征信数据及评分产品的提升效果与预测能力。 技术产品演示：在售前阶段提供支持，准备清晰的分析材料、性能图表和数据摘要，向潜在客户的风险团队进行展示。 客户模型定制：协助零售银行和小额贷款机构将其信贷审批与风险管理流程中的征信数据进行微调或校准。 分析问题排查：作为客户在遇到数据异常、评分差异或需要临时风险报告时的第一线技术和分析支持。 支持运营团队调查零售消费者咨询及信用评分争议。 3. 模型实施与IT协作 撰写业务需求文档（BRD）：将统计模型和复杂的数据处理逻辑转化为清晰、结构化的《业务需求文档》，供技术团队开发使用。 生产环境部署：与IT团队紧密合作，推动模型从开发环境顺利过渡至生产系统。

教育背景：硕士或博士学位，专业方向为高度量化领域，例如统计学、数据科学、量化金融、数学、计算机科学或相关学科。 编程能力：熟练掌握Python和SQL；具备使用pandas、scikit-learn或类似库的实际经验。 统计学基础：扎实掌握回归方法、分类算法及评估指标（如Gini、KS、PSI）。 沟通能力：出色的口头与书面表达能力，能够为工程团队清晰地记录数据逻辑和分步业务规则。 注重细节：在解读模型参数与输出结果、编写与调试代码、验证生产数据输出时表现出极强的细致性。 优先条件（加分项） 学术背景或实习经历中接触过信用风险相关概念（如信用报告、零售银行评分卡、巴塞尔框架等）。 有版本控制系统（如Git）使用经验。 曾参与面向客户的项目或有过技术演讲经验。 精通英语和粤语（书面与口语），以便在跨团队协作及客户沟通中高效交流。