阿里云阿里云智能-数据挖掘算法专家-（新金融行业线）杭州
任职要求
1、数学、统计学、运筹学、信息计算科学、大数据等相关专业优先; 2、熟悉信贷风控业务流程，了解风控数据服务行业的产品概况; 3、3年以上预测建模开发经验，动手能力强； 4、理解各类预测模型方法原理及限制条件，具备应用选择比较能力； 5、对数据敏感，具备对信息的量化提炼能力； 6、具备定义问题的能力，有系统性解决具体业务问题的方法及经验； 7、在满足以上条件下的候选人加分项： A、信贷机构风控相关计量或管理相关经验； B、图计算、社群挖掘开发及应用相关经验； C、大数据(千亿级)工程开发及优化相关经验; D、在金融机构驻场开发及交付风控预测模型经验； E、信贷用户营销模型开发及优化相关经验； F、基于运营商大数据开发信贷风控模型或营销模型的相关经验。
工作职责
1.核心风控模型研发与迭代: 主导或独立负责信贷风控全流程（包括但不限于反欺诈、申请评分、行为评分、催收评分等）的核心算法模型的设计、开发、验证与部署。 持续监控、评估线上模型的表现，并根据业务变化和模型效果进行快速迭代和优化，确保模型的稳定性和有效性。 2.数据挖掘与特征工程: 深度挖掘和分析内外部多维度数据（如信贷数据、用户行为数据、第三方征信数据等），构建并完善用户风险画像及特征体系。 运用创新的特征工程方法，从海量、复杂的数据中提炼出对风险有强区分度的变量，为模型性能的提升提供坚实基础。 3.前沿算法探索与应用: 跟进并研究业界在数据挖掘、机器学习、深度学习、图计算等领域的最新算法和技术趋势。 积极探索和评估前沿算法（如无监督学习、大语言模型等）在信贷风控场景中的应用价值，并推动其在实际业务中落地。 4.风险策略支持与业务赋能: 与风险策略、产品及业务团队紧密合作，深入理解业务痛点，将模型结果转化为可落地的风控策略，提供数据驱动的决策支持。 通过数据分析和模型洞察，为业务部门提供关于客群准入、额度管理、动态定价、风险预警等方面的专业建议。 5.技术沉淀与知识分享: 负责撰写清晰、完整的技术文档和模型报告，沉淀项目经验和知识。 在团队内部进行技术分享和培训，引领团队成员共同成长，提升团队整体的算法能力和风控水平。
面向支付宝亿级消费者的真实支付场景和医疗、大模型、广告等各类服务场景，我们基于集团视角提供全风险视野的评价方案，通过监控各业务线的风险动态水位和客户体验，助力业务决策和健康发展。我们不仅识别违反法律法规的底线类风险，如商户资质不合规、商品禁限售和广告虚假营销等，也识别不符合平台定位和业务要求的业务风险，如商品山寨、广告素材行业错放和抽佣费率风险等，另外，在大模型应用百花齐放的时代，医疗健康管家的安全伦理风险也是我们识别的重点。我们致力于数据驱动，利用前沿的算法配合策略设计，做实做好风险评价和防控。 1、策略建设：负责支付宝数字化场景的风险策略运营，涉及平台风险、业务风险和大模型风险等，基于数据挖掘和分析，设计风险防控策略，搭建面向各类风险的策略体系，并持续优化； 2、策略运营：熟悉风控平台，保障策略安全有效落地； 3、能力建设：基于风险管理需要，设计和构建智能化风控产品，与产品和技术紧密合作，推动产品化运营。
1、有金融风控背景，负责蚂蚁星河信贷产品的智能运营，带来业务增长，包括流量竞争，产品投承一体，分配策略优化等； 2、深度理解信贷产品、财务和风险逻辑，搭建业务量化经营体系，制定重点能力建设专项，并结合业务拆解制定量化经营的目标，推动算法、数仓、工程技术落地，实现业务增长，沉淀经营能力； 3、设计线上A/B实验，分析衡量策略效果并给出迭代建议；针对特定业务场景，创新或引进新的A/B实验、因果推断、统计建模等分析方法，提高分析效率或分析准确性； 4、熟悉互联网流量运营，产品运营，并基于对业务理解，熟练运用多种分析手段和方法（如海量数据分析和挖掘手段、用户调研、分析、行业研究等），对专项问题、业务机会进行重点研究，能输出专业的分析，并形成有效的运营手段；
1. 聚焦信贷/保险行业业务场景，结合客户业务现状，挖掘客户需求并提供营销、数据、算法、AI等解决方案，实现客户价值提升，树立行业标杆案例和典型场景价值案例； 2. 对营销行业趋势和内外部技术方向的保持洞察，挖掘值得孵化的技术产品或解决方案，牵头制定商业化思路和GTM策略、推动业务0-1孵化落地； 3. 与销售团队紧密合作，共同推进产品与解决方案的销售，包括需求分析、方案设计、方案交流、商务合同签约等； 4. 与产品及研发团队沟通协调，促进解决方案落地，包括商务模式、项目进度、产品及服务交付等； 5. 洞察市场热点，反馈市场机遇与需求，推动产品及解决方案的不断迭代。
- 信贷风控模型构建与优化：运用大模型技术，设计并搭建信贷风险评估模型，准确预测信贷违约风险。基于海量信贷数据，持续优化模型参数，提升模型的准确性和稳定性，确保模型能够适应不断变化的信贷市场环境。 - 风险策略制定与实施：结合信贷业务流程和风险偏好，制定全面的风险控制策略。利用大模型分析客户行为数据、信用数据等，实现差异化的风险定价和额度管理，有效降低信贷风险。监督风险策略的执行情况，及时调整策略以应对新出现的风险挑战。 - 数据挖掘与分析：从海量的信贷数据中挖掘有价值的信息，通过大模型技术发现潜在的风险因素和风险模式。运用数据分析工具和方法，对信贷数据进行深度分析，为风险决策提供数据支持和决策依据。 - 跨部门协作与沟通：与信贷业务部门、数据部门、信息技术部门等密切合作，确保大模型风控技术与信贷业务流程的紧密结合。为业务部门提供风险评估和风险控制方面的技术支持和培训，提升业务人员的风险意识和风险管控能力。 - 行业动态跟踪与研究：关注国内外信贷风控领域的最新技术和发展趋势，尤其是大模型技术在信贷风控中的应用。研究行业最佳实践，结合公司实际情况，提出创新性的风险控制解决方案，推动公司信贷风控水平的提升。