← Todas as vagas de Liderança|Vagas na Bemobi

Bemobi

São Paulo, SP, Brasil

Tech Lead em Dados (Foco em Anti-Fraude)

Híbridofull_time

LOCALIZAÇÃO

São Paulo, SP, Brasil

MODELO

Híbrido

PUBLICADA

07 de agosto de 2026

Descricao da vaga

Na Bemobi acreditamos que transformar pagamentos em vantagem competitiva começa pela forma como trabalhamos. É ela que nos permite gerar impacto para nossos clientes, evoluir continuamente e construir soluções que fazem a diferença para o negócio.

O time de Ciência de Dados é responsável por controlar a nossa plataforma proprietária de prevenção a fraudes, que analisa mais de 35 milhões de transações por mês e decide, em tempo real, o que é aprovado e o que é bloqueado. Cada perda evitada e cada aprovação recuperada impactam diretamente no resultado dos nossos clientes.

Somos um time de tecnologia multicultural e multidisciplinar, presente em diferentes países. Compartilhamos a curiosidade para enfrentar desafios, a colaboração para construir em conjunto e o senso de dono para entregar com excelência. Valorizamos um ambiente em que diferentes perspectivas fortalecem as decisões, o aprendizado é contínuo e a jornada é aproveitada sem perder de vista o que realmente importa: gerar valor.

Responsabilidades e atribuicoes

Gerir diretamente um time de 5 pessoas composto por cientistas e engenheiro de dados, com responsabilidade por 1:1s, plano de carreira, avaliação de desempenho e contratações.
Ser a autoridade técnica da estratégia de prevenção: motor de regras, scores de risco, thresholds e políticas de decisão por produto, canal e geografia.
Conduzir o trade-off central da área: perda por fraude vs. taxa de aprovação vs. custo operacional, com decisões defensáveis em impacto financeiro, não só em métricas de modelo.
Evoluir o portfólio de modelos: score de risco transacional em tempo real, detecção de anomalias e perfilamento comportamental para identificar cenários de fraude.
Governar o catálogo de regras e a arquitetura multi-tenant: livros de regras por domínio e hierarquia de cliente, versionamento, auditabilidade e curadoria contra proliferação e sobreposição.
Sustentar e escalar a esteira de onboarding de novos clientes e produtos na plataforma, reduzindo o tempo e o esforço de cada integração.
Manutenção dos pipelines de dados para acompanhamento de métricas de performance das regras, modelos e impacto financeiro.
Atuar com Produto, Engenharia e Risco na arquitetura de decisão e nos temas de chargeback.
Utilizar IA para automatizar a operação em triagem, priorização de alertas, investigação assistida de casos e elevar a detecção.
Consolidar o ciclo de vida de modelos: pipelines de treino e publicação, model registry, versionamento, promoção com critério de qualidade, monitoramento de skew e drift em produção.
Acompanhamento da qualidade dos dados para detectar de forma proativa riscos na operação por ausência ou mudança na estrutura dos dados.

Requisitos

8+ anos em ciência de dados, machine learning ou engenharia de ML, com 5+ anos em fraude, risco ou crédito em pagamentos, fintech, adquirência ou marketplace.
Experiência direta com liderança de pessoas.
Histórico de sistemas de decisão em produção e em escala, com impacto quantificado em moeda: perda evitada, receita recuperada, custo reduzido.
Python para análise de dados, modelagem e desenvolvimento de aplicações e SQL avançado para consultas sobre grandes volumes de dados.
Experiência com sistemas de decisão de baixa latência: serviços síncronos no caminho crítico, controle de latência, escala horizontal, degradação controlada e alta disponibilidade.
Conhecimento em modelagem supervisionada aplicada a fraude sabendo lidar com desbalanceamento severo de classes, atraso e ruído de label e explicabilidade de modelos.
Feature engineering para inferência em tempo real e noção clara sobre feature store.
MLOps de ponta a ponta: pipelines de treino e publicação (Kubeflow, Vertex AI Pipelines, SageMaker ou equivalente), gate de promoção, serving de endpoint, monitoramento de skew e drift.
Conhecimento sobre pipelines de dados usando SQL, Python, Airflow e Spark.
Conhecimento sobre arquitetura em nuvem, preferencialmente GCP.
IA generativa aplicada à automação: conhecimento sobre a criação e orquestração de agentes para automação de tarefas.
Entendimento do ecossistema brasileiro e LATAM: Pix, cartão, boleto, carteiras digitais, recorrência e assinatura, adquirentes, fallback entre adquirentes e bandeiras.
Capacidade de traduzir impactos de modelos e regras em resultados claros para performance dos produtos da empresa.

Domínio de Negócio:

Entendimento do ecossistema brasileiro e LATAM: Pix, cartão, boleto, carteiras digitais, recorrência e assinatura, adquirentes, fallback entre adquirentes e bandeiras.
Capacidade de traduzir impactos de modelos e regras em resultados claros para performance dos produtos da empresa.

Diferenciais

Pós-graduação (lato ou stricto sensu) em área quantitativa (Estatística, Ciência da Computação, Engenharia, Matemática, Economia, Física).
Contribuição em comunidade técnica, publicações ou código open source.
Uso de IA generativa em processos produtivos de anti-fraude.
Espanhol para trabalho.