Acerca de:diseñar, desarrollar, validar e implementar scores de crédito enfocados en productos de préstamo al consumo, con el objetivo de optimizar la toma de decisiones en el otorgamiento y administración del riesgo. Se espera que esta persona sea técnica y analíticamente sólida, pero también autónoma, proactiva y con una comunicación clara hacia stakeholders técnicos, de negocio y ti.responsabilidadesdiseñar, desarrollar y documentar scores con métodos tradicionales y de machine learning para evaluar riesgo crediticio en los diversos productos de préstamo personal del grupo. Ejecutar el ciclo completo de desarrollo de modelos: definición del problema, exploración de datos, ingeniería de variables, modelado, validación, documentación. Coordinar la implementación de los scores en sistemas productivos en conjunto con áreas de tecnología. Dar seguimiento a la implementación y desempeño de los modelos en producción, asegurando su efectividad a lo largo del tiempo. Participar activamente en procesos compliance: preparar documentación técnica, atender auditorías internas y externas, responder observaciones de validadores y asegurar el cumplimiento con marcos regulatorios. Acompañar, formar y supervisar a perfiles junior o intermedios en el desarrollo de modelos, promoviendo buenas prácticas técnicas, metodológicas y de documentación. Actuar como referente técnico dentro del equipo. Proponer y liderar la incorporación de nuevas metodologías analíticas, fuentes de datos alternativos o mejoras en los procesos de modelado, validación y monitoreo, con el objetivo de aumentar la efectividad de los modelos y la eficiencia operativa del equipo.requisitos:experiencia comprobable mínima de 3 años en el desarrollo e implementación de scores en productos de préstamo al consumo. Experiencia en el otorgamiento/dispersión de pp por medios digitales: apps, sitio web, etc. Dominio de python y/o r para modelado estadístico y dominio consultas sql complejas, manejo de datasets grandes, joins, subconsultas, particionamiento. Conocimiento de modelos supervisados: regresión logística, árboles de decisión, random forest, xgboost, lightgbm, redes neuronales (opcional). Inglés avanzado (mínimo c1): leer literatura técnica y liderar conversaciones de negocio. Conocimiento funcional del negocio de crédito (originación, administración, cobranza).escolaridad:licenciatura en actuaría, estadística, matemáticas aplicadas, física, ciencia de datos o afín. Maestría en ciencia de datos, inteligencia artificial o áreas relacionadas (deseable).beneficios:● sueldo base ● fondo de ahorro● descuentos en compras de muebles y ropa● aguinaldo● vacaciones● prima vacacional● reparto de utilidades● día libre de cumpleaños● becas para estudio● útiles escolares● club de protección familiar● ambiente de trabajo agradable● entre otros beneficios y prestaciones