关键责任
机器学习模型开发
- 设计和开发用于定价优化的机器学习模型，包括动态定价、费率优化和费用结构
- 构建客户行为预测的倾向模型，包括流失、交叉销售、追加销售和产品采纳
- 开发个性化产品推荐系统、最佳下一步行动和客户参与
银行领域应用
- 应用深厚的银行领域知识，将业务问题构建为具有可衡量结果的机器学习解决方案
- 与风险、财务和业务部门合作，识别高价值的建模机会
- 确保模型包含相关的监管要求、风险考量和业务约束
分析与洞察
- 进行探索性数据分析，识别银行数据中的模式、关系和建模机会
- 将模型输出转化为可操作的业务建议和洞察
- 开发与业务关键绩效指标和财务结果一致的模型性能指标
- 创建数据可视化和报告以进行利益相关者沟通
原型开发与交付
- 在Python中开发工作原型，展示模型功能和业务价值
- 创建清晰的模型方法、假设、限制和用例文档
- 与机器学习工程师和AI工程师合作，将原型转化为生产系统
利益相关者协作与治理
- 与业务利益相关者合作，了解需求并验证模型输出
- 向高级管理层展示模型结果、方法和建议
- 参与模型治理、验证和文档要求
- 确保遵守数据政策、道德标准和监管要求
关键能力
机器学习与统计
- 精通用于分类、回归和聚类的监督和无监督学习技术
- 在定价模型、倾向建模和推荐系统方面有深厚经验
- 具备扎实的统计分析、假设检验和实验设计基础
- 熟悉深度学习框架，如TensorFlow和PyTorch
银行领域专长
- 全面了解银行产品（零售或企业）、服务和客户生命周期
- 了解风险职能，包括信用风险、市场风险和操作风险框架
- 理解财务职能，包括损益驱动因素、成本分配和盈利能力分析
- 熟悉影响模型开发的监管要求（如IFRS 9，巴塞尔协议）
技术技能
- 使用Python进行数据分析和模型开发（pandas、scikit-learn、XGBoost等）
- 高级SQL技能，包括存储过程、窗口函数、临时表和递归查询
- 具有数据可视化和报告工具的经验
- 熟悉Git（GitHub/GitLab）进行版本控制
- 基本了解Spark用于大规模数据处理
- 了解MLOps实践和模型部署概念（MLflow，TFX）
沟通与协作
- 能够将复杂的分析概念转化为非技术利益相关者的业务语言
- 具备强大的高管级别演示技能
- 具有与跨职能业务和技术团队合作的经验
- 具有敏捷方法论（看板，Scrum）的经验
资格与经验
- 拥有金融、经济学、统计学、数学或定量领域的硕士或博士学位（强烈优先）
- 8年以上数据科学或定量分析角色的经验
- 至少5年银行或金融服务行业经验（必需）
- 在定价、倾向或推荐领域交付机器学习模型的成功记录
- 在风险、财务或定量银行职能方面的背景优先
- 具有金融服务中模型验证、治理和监管要求的经验
- 拥有风险（FRM，PRM）或金融（CFA）专业认证者优先
