DiDi logo
滴滴出行
资深风险策略分析师

资深风险策略分析师

发布于 4 小时前

普通员工/个人贡献者

AI 估算 · 2.5–4.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公风控策略
风控策略
Sql
反欺诈
数据分析
数据挖掘
机器学习
风险建模

值不值得投

76综合评分

综合评分 76

大厂核心风控岗、薪资优厚、技术导向,工作强度可能较高

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

3.3万

与风控策略中位数基本持平

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 2440 个在招

市场机会

选择不多

上海 · 风控策略 · 7 个在招

职位详情

关于这个职位

负责基于数据分析和挖掘,设计并优化信用卡盗刷、欺诈等风险策略,平衡支付体验与风险控制

需与产研团队深度合作,建设风险引擎中台能力,保障业务健康可持续发展

最低要求

本科及以上学历,计算机、数学、统计学、金融工程、管理科学等相关专业

熟练使用至少一种分析工具,如SQL、SAS、Python、 R等,熟练掌握数据挖掘/机器学习算法者尤佳
突出的分析问题和解决问题能力,自我驱动,并且具备较强的学习能力、创新应用能力及沟通协调能力

工作职责

基于历史数据和专家经验,基于数据分析和数据挖掘,设计针对信用卡盗刷、余额户盗用、作弊、诈骗等风险的风险策略并持续优化

体系化、系统化、全局化地设计风险管理方案,平衡支付体验和风险控制,保障业务健康可持续性地发展
与数据、产品、技术团队深度合作,建设风险引擎中台能力

优先资格

有风险策略/数据挖掘/机器学习/风险模型等相关工作经验者优先,行业包括第三方支付、信用卡机构、卡组织、信贷、互联网等

AI 洞察

优缺点分析

优点

  • 处于金融科技核心领域,接触海量真实交易数据,技术落地性强
  • 需在严格的风控要求下保持用户体验,平衡难度大,对实时性要求高

缺点 / 挑战

  • 喜欢挑战、具备强逻辑思维和数据敏感度的分析师或数据科学家

角色解读

  • 可向高级风控专家、风控负责人或数据科学家方向发展,深入参与公司核心业务决策
  • 利用SQL、Python等工具进行数据挖掘和分析,识别支付场景中的欺诈行为
  • 精通数据挖掘与机器学习算法,具备深厚的统计学或数学背景

申请策略

  • 了解滴滴出行的业务场景,准备针对特定风险场景的策略设计思路
  • 突出展示在反欺诈、风险建模方面的具体项目成果,量化策略优化带来的损失减少比例
  • 强化机器学习在异常检测中的应用案例,熟悉主流风控引擎架构

面试指南

  • 采用STAR法则(情境、任务、行动、结果)描述项目,重点强调数据洞察、策略迭代过程和最终的业务价值
  • 如何定义和检测信用卡盗刷?
  • 请分享一个你通过数据挖掘发现并解决的风险案例
  • 如何在保证安全的前提下最小化对正常用户的影响?
  • 复习常见的机器学习算法(如孤立森林、XGBoost)在风控中的应用,了解当前支付行业的最新欺诈趋势

职位点评

薪资福利85
成长发展80
工作生活60
使命价值70

薪资福利

85较高

作为已上市的巨头企业,提供具有市场竞争力的薪酬和完善的福利体系,满足度高。

薪资信号偏高 (2.5千–4.0万/月)

成长发展

80较高

涉及前沿的风控算法与大数据处理,技术成长空间大,且能深度参与核心业务。

技术前沿主流现代技术
技术栈SQL、SAS、Python、R、数据挖掘、机器学习
业务类型profit_center

工作生活

60中等

大厂通常工作节奏较快,但具体WLB取决于团队文化,JD未明确提及弹性工作制。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

70中等

保障支付安全对用户信任至关重要,具有积极的社会意义,但商业属性较强。

行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs