Objetivo del puesto

• Liderar y definir estrategias analíticas de gestión del riesgo crediticio para la cartera de Tarjeta Palacio.
• Dirigir el diseño, implementación y monitoreo de modelos predictivos que optimicen el ciclo de vida del crédito.
• Garantizar la estabilidad del negocio (BAU) mientras se aporta el expertise técnico y estratégico para la definición, adaptación y migración de los nuevos procesos de riesgo.

Principales retos del puesto

• Apoyar la transición tecnológica desde la perspectiva de Riesgos, asegurando que las reglas de negocio, scorecards y procesos de originación/mantenimiento se integren exitosamente en nuevas plataformas.
• Equilibrar el crecimiento del portafolio con una contención efectiva del riesgo y la morosidad a través de analítica avanzada.
• Traducir modelos matemáticos complejos y grandes volúmenes de datos en estrategias de negocio ejecutables para la alta dirección.
• Apoyar en el desarrollo y liderazgo de un equipo
• técnico.

Conocimientos técnicos necesarios

• Dominio avanzado de SQL (optimización de queries complejos, manejo de arquitecturas de bases de datos masivas).
• Programación avanzada en Python, R o SAS aplicada al desarrollo, validación y despliegue de modelos predictivos (Machine Learning, Scorecards de Originación y Comportamiento).
• Conocimiento técnico y matemático profundo en estadística inferencial, econometría y metodologías de evaluación de riesgo crediticio (Cálculo de PD, LGD, EAD, Vintage Analysis, Roll Rates).
• Experiencia demostrable en el ciclo de vida del crédito en productos revolving (Tarjetas de Crédito).

Deseable:

Conocimiento de plataformas de core bancario/procesadores de tarjetas/pagos y herramientas de visualización avanzadas (Tableau, Power BI).

NO Negociables:

• 3 a 5+ años de experiencia sólida en la gestión y análisis de Riesgo Crediticio dentro del sector financiero, específicamente en tarjetas de crédito o retail financiero.
• Experiencia liderando equipos técnicos o dirigiendo proyectos de analítica de datos avanzada aplicada a riesgos.
• Experiencia práctica construyendo y auditando modelos predictivos y estrategias de segmentación.
• Haber participado previamente en proyectos de migración de sistemas core o implementaciones tecnológicas a gran escala es un gran plus.
• Dominio avanzado y práctico de programación aplicada al análisis masivo de datos y modelado (SQL + Python/R/SAS).
• Habilidad comprobada para diseñar, auditar y liderar el desarrollo de modelos predictivos y estrategias de riesgo.
• Capacidad de liderazgo, toma de decisiones ejecutivas y excelente comunicación con stakeholders directivos y equipos de tecnología.