Analityczka / Analityk ds. Modelowania Ryzyka – Data Scientist (k / m)
Warszawa, Mazowieckie, Polska
Key offer highlights
Backend: Java / .NET / Node / Python
Min. 2 years of experience
Employment: contract of employment
Data: SQL / BI / Python
Full-time
To oferujemy
Praca w modelu hybrydowym z elastycznymi godzinami rozpoczęcia
Umowa o pracę
Pracowniczy Program Emerytalny w wysokości 7% opłacany przez pracodawcę
Opieka medyczna w PZU Zdrowie
Zniżka pracownicza do 50% na ubezpieczenia (m. in. PZU DOM, PZU AUTO)
Platforma benefitowa m.in. karta sportowa, bilety do kin i teatrów, vouchery zakupowe
Elastyczna oferta grupowego ubezpieczenie na życie w wielu wariantach
Dostęp do bazy szkoleń cyfrowych oraz nowoczesnych platform edukacyjnych
Szkolenia i programy rozwojowe dla pracowników i menedżerów
Programy i działania wellbeingowe dla pracowników
4 godziny wolnego w dniu urodzin (do odebrania w miesiącu, w którym obchodzisz urodziny)
2 dni w roku na wolontariat pracowniczy (możesz zrealizować autorski projekt wolontariacki lub wziąć udział w akcji zorganizowanej przez Fundację PZU)
Możliwość rozwoju pasji sportowych w ramach 18 sekcji PZU Sport Team (od Badmintona – po Żeglarstwo)
Najbardziej zielone biuro w Warszawie (PZU Park) ze strefami relaksu i siłownią
Nasze wymagania
2 lata doświadczenia zawodowego w obszarze analizy i modelowania danych, szczególnie mile widziane doświadczenie w branży ubezpieczeniowej
Bardzo dobra znajomość języka Python w zakresie uczenia maszynowego i pracy z danymi
Doświadczenie w pracy z dużymi zbiorami danych i rozwinięte kompetencje analitycznego myślenia
Znajomość SQL lub 4GL, mile widziana znajomość Programu SAS Enterprise Guide
Znajomość frameworka FastAPI będzie dodatkowym atutem
Wykształcenie wyższe
Twój zakres obowiązków
Budowa, wdrażanie oraz rozwój modeli predykcyjnych wspierających proces wyceny produktów ubezpieczeniowych dla klientów korporacyjnych
Przygotowywanie i analiza dużych zbiorów danych niezbędnych do budowy i rozwoju modeli ryzyka
Testowanie skuteczności modeli działających w środowisku produkcyjnym
Utrzymywanie istniejących modeli i wspieranie użytkowników w ich interpretacji oraz wykorzystaniu w procesach biznesowych
Monitorowanie jakości danych, identyfikowanie potencjalnych błędów oraz inicjowanie działań naprawczych
Udział w rozwoju narzędzi i analiz wspierających decyzje biznesowe