工作总结
数据科学家在推动银行的高级分析和人工智能（AI）计划中发挥着关键作用。该角色与业务和运营领导紧密合作，提供专业支持，利用数据分析和AI工具提供战略洞察和可操作的建议。通过基于假设的分析到机器学习（ML）项目以及应用大型语言模型，数据科学家使用多种技术（包括预测或规范分析、深度学习、生成AI和可视化）建模复杂的业务问题。此外，他们通过监督业务洞察、报告和AI能力的发展来支持高级领导，以便为决策过程提供信息并推动有影响力的结果。
主要职责
A. 股东与财务： - 实施关键绩效指标（KPI）并监控数据和AI驱动解决方案的性能，以衡量其对业务结果的影响。 - 在数据分析和AI项目中促进成本意识和效率，以尽量减少开支并最大化回报。 - 实施关键风险指标（KRI）并有效管理集团对数据和AI相关风险的暴露。 - 协调并获得EVP数据与分析的批准，用于影响资本或运营支出的项目和新系统。 - 参与整体QNB数据与分析战略的执行。 - 向用户需求传达全面且具有成本效益的数据、分析和AI解决方案，考虑集团的预算和目标，同时提高生产力，以尽量减少成本，避免浪费，并优化银行的利益。 - 促进成本意识和效率并提高生产力，以尽量减少成本，避免浪费，并优化银行的利益。 - 在授权范围内行事。
B. 客户（内部和外部）： - 与同行、关键部门利益相关者和第三方支持团队密切合作，识别和实施先进的数据驱动和AI解决方案，为QNB及其客户提供实质性价值。 - 将复杂的业务需求转化为全面的数据科学和分析需求，以支持战略业务决策。 - 提供有关AI和数据科学在组织内潜力和实施的战略指导。 - 通过彻底和有见地的回应协助客户回答他们关于银行产品的询问，并努力为他们的请求提供创新解决方案。 - 确保活动按照与内部部门和单位的服务水平协议（SLA）进行，以显著改善周转时间。 - 建立和维护与相关部门和单位的强大和有效的关系，以实现集团的总体目标。 - 在需要时向外部和内部审计师、合规团队、财务控制和风险管理提供准确及时的数据。 - 协助客户解决他们对银行产品的所有查询，并寻求解决他们的请求。 - 根据与内部部门/单位的服务水平协议（SLA）维护活动，以改善周转时间。 - 建立和维护与相关部门/单位的强大/有效关系，以实现集团的目标。 - 在需要时向外部/内部审计师、合规、财务控制和风险提供及时/准确的数据。
C. 内部（流程、产品、监管）：
- 使用多种先进的机器学习技术开发预测模型以提取有意义的洞察。 - 研究和实施数据分析和人工智能领域的尖端技术和工具，以简化数据分析流程并增强决策制定。 - 根据特定数据驱动项目的需要识别和实施新的统计或数学方法。 - 构建稳健的数据驱动模型以解决复杂的业务问题，并采用大规模实验、分析和可视化技术生成高效且可重复的洞察。 - 将领域知识整合到AI解决方案中，例如利用金融风险数据、客户旅程分析、质量预测以及销售和营销数据。 - 持续监控AI驱动模型的性能和健康状况，确保高质量的输出和效率。 - 为AI开发和生产基础设施建立最佳实践，包括云计算、Spark、GPU利用和容器化。 - 设计和进行分析，达到最高标准的模型验证、准确性，涵盖研究设计、方法论、算法和统计建模。
D. 学习与知识： - 确保对业务需求有全面了解，以提供最有效的数据、分析和AI解决方案。 - 拥有详细的系统架构和限制知识，以确定最佳问题解决方法。 - 理解用户需求和现有数据结构，通过增强现有系统或实施新系统提供适当的解决方案。 - 及时了解机器学习、人工智能和数据分析领域的方法、工具和行业趋势。 - 主动识别数据科学领域的专业发展机会并进行相关发展活动。 - 寻找机会以保持在AI和数据分析领域的最新进展。 - 在应用开发部门内定期召开会议，重点讨论进展、解决问题以及处理与AI和数据分析项目相关的关注点。
E. 法律、监管和风险框架责任： - 遵守所有相关法律、监管和内部合规要求，包括但不限于数据保护、欺诈控制和反洗钱（AML）与反恐融资（CTF）政策。 - 理解并有效履行在三道防线框架中的角色，以识别、衡量、监控、管理和报告与数据、分析和AI项目相关的风险。 - 通过道德和负责任地利用AI和分析工具，确保客户的最佳结果符合行为风险政策。 - 根据数据和AI计划的操作风险管理指南，支持风险和控制自我评估（RCSA）、关键风险指标（KRI）、事件报告和补救过程。 - 完成组织提供的所有强制性培训，以达到并保持数据科学、分析和AI领域所需的能力水平。 - 按照指示参加所有必需的（内部和外部）研讨会和工作坊，以了解数据分析和AI领域的最新进展和最佳实践。
F. 其他： - 确保高标准的数据保护和保密性以保护所有数据和系统。 - 在业务过程中获得的客户数据和内部信息保持最高的保密性，仅在需要知道的基础上向高级管理层、审计和合规职能以及相关监管机构提供此类信息。 - 保持高专业标准以维护组织的声誉并加强其在数据分析和AI领域的领导地位。 - 管理层可能不时要求的所有其他与数据分析和AI相关的临时职责/活动。
教育和经验要求
- 大学毕业，最好主修计算机科学、数据科学、软件工程、信息系统或相关的定量领域。
- 至少10年相关经验，最好是在数据科学家或相关职位。
- 拥有统计学、ML、计算机科学或自然科学（特别是物理学或任何工程学科或同等学科）的博士学位将是理想的。
- 候选人必须在ML、AI、认知科学或数据科学方面有专长，并在使用机器学习、深度学习和LLM技术开发数据科学和AI解决方案方面有丰富的实践经验。
- 对基于LLM的解决方案有扎实的知识和实施经验。
- 在银行业的经验是理想的。
- 必须具备云技术、Python和全栈工程的扎实知识。
