Tech Manager em Dados (Foco em Anti-Fraude)

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.

• 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. 

• 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.