Responsabilidades
- Arquitetar e manter a fábrica de modelagem: garantir coerência entre modelos de crédito, liquidez, capital, operacional e riscos não-financeiros
- Coordenar squad de analistas e builders — priorização de calibrações, code review, design de nova metodologia, feedback técnico
- Desenhar novos modelos e prototipar soluções: Databricks, Python/SQL, validação end-to-end (dados → transformação → modelo → output validado)
- Pesquisar sobre como sistemas e agentes que vão consumir os modelos: estruturar inputs, outputs, validação, SLAs
- Migrar sistemas legados ao novo paradigma: documentação de metodologias, model cards, integração em pipelines modernos
- Governar knowledge base interno: curação de decisões, metodologias, regulatory updates, lições aprendidas — manter "single source of truth" para o conhecimento quantitativo
- Trabalhar closely com sistemas/agentes em construção: design de inputs/outputs, validation rules, SLAs
- Roadmap de calibração H1–H2: PD/ECL, RAS expansion, Stress Testing, Capital Planning
- Interlocução com regulador: preparação de arquivos, defesa de metodologia e suporte a supervisão
Requisitos
- Polyglot modeller: Confortável saltando entre credit, liquidity, capital, operational e non-financial risks
- Hands-on builder + modern statistical methods: Code it yourself em Python, SQL, Databricks; confortável com regressão, survival analysis, simulação — mas também aberto a técnicas modernas quando o problema exigir (machine learning, ensemble methods, modern feature engineering)
- Estruturação de metodologia sob incerteza: Desenha modelo mesmo com dados imperfeitos. Sabe balancear rigor acadêmico com pragmatismo operacional. Strong em documentação de assumptions e trade-offs
- Arquitetura de sistemas: considerando que modelos vão ser consumidos por múltiplos usuários/sistemas — estrutura inputs, outputs, validation, versionamento, SLAs
- High-context communication: Comunica nuances de metodologia para múltiplas audiências (comitê, técnicos, negócio)
- Ownership de qualidade: Você é dono da saída. Não terceiriza validação; você revisa e você refatora quando vê padrão
Diferenciais
- Experiência em construção de plataformas de modelagem em corporações (banco com múltiplas linhas, fintech escalada, seguradoras)
- Expertise em IFRS9, Basileia ou frameworks regulatórios quantitativos
- Familiaridade com machine learning em risk: você já usou gradient boosting, ensemble methods ou técnicas modernas de feature selection em contexto de risco
- Experiência em pipeline orchestration / MLOps: input/output contracts, SLA, versioning, CI/CD de modelos
- Track record em migração de legacy systems / paradigm shift — já levou operação de uma forma de work para outra com mínima disrupção
- Exposure a ferramentas modernas: Databricks, scheduling, Git, Slack/Jira integration — conforto em DevOps de dados
- Bonus: Experiência em AI/ML research applied to risk (LLM agents, reasoning systems, synthetic data generation)
Modalidade
Hybrid
Equipe
Structure: squad de analistas e builders
