vivo
金融风控工程师
金融风控工程师
发布于 1 天前普通员工/个人贡献者
杭州市 / 深圳市
高级经验
全职员工
仅现场办公
本科
法务、风险与合规
Sql
三方数据
决策树
数据分析
消费信贷
逻辑回归
风控策略
人行征信
AI 估算 · 20k–40k
5年以上风控经验，vivo大厂平台，核心岗位，薪资具有竞争力。
职位详情
关于这个职位
作为vivo的金融风控工程师，你将深入消费信贷业务，负责贷中风控策略的设计、迭代与监控
通过分析人行征信及三方数据，优化线上策略以平衡风险与业务增长
这是一个要求5年以上经验、精通Python/SQL的核心技术岗位，适合有数据敏感度和自驱力的风控专家
最低要求
本科及以上学历，5年以上消费信贷场景风控工作经验
优秀的逻辑思维能力、高度的业务及数据敏感性、自驱力强
良好的沟通、协调、项目推进能力
熟悉常用的统计方法，熟练使用Python/sql等工具进行数据分析
工作职责
深入理解消费信贷的风控、业务和数据情况
负责贷中风控策略的设计、迭代、监控维护
完成各类数据分析报告，洞察风险变化及风控策略表现，及时完善线上策略
深入理解人行征信数据、各类三方数据的含义、使用方法，基于效果分析，实施线上策略应用
AI 洞察
优缺点分析
优点
- vivo作为大型企业，平台稳定，薪资和福利有竞争力
- 核心风控岗位，直接参与信贷业务决策，技能积累价值高
- 使用真实业务数据，提升数据分析和风控策略实战能力
- 杭州/深圳两地可选，城市发展前景好
- 对数据敏感度和逻辑能力要求高，需持续学习新方法
- 适合有5年以上消费信贷风控经验、擅长数据分析与策略优化、自驱力强且希望在稳定大平台深耕的求职者
缺点 / 挑战
- 风控岗位压力较大，需要快速响应业务变化和风险事件
- 需要与多部门协调，沟通成本较高
角色解读
- 纵向：从风控工程师晋升为高级风控专家或风控团队负责人
- 横向：向数据科学、模型开发或业务风控产品方向拓展
- 跨领域：进入更广泛的金融科技或互联网信贷平台
- 设计并迭代消费信贷的贷中风控策略，平衡风险与业务增长
- 监控策略表现，分析风险数据，及时调整线上规则
- 挖掘人行征信及三方数据价值，转化为可落地的风控规则
- 撰写数据分析报告，为业务决策提供支持
- 精通Python/SQL进行数据提取、分析与建模
- 深入理解消费信贷风控流程及指标（如逾期率、回收率等）
- 熟悉常用统计方法（回归、决策树等）及特征工程
- 优秀的逻辑思维和数据敏感性，能够从数据中发现问题
申请策略
- 申请时表达对vivo金融业务的了解，展示兴趣
- 准备一个完整的策略优化案例，包括背景、方法、结果
- 突出消费信贷风控项目经验，具体说明策略迭代效果（如降低逾期率XX%）
- 详细描述使用Python/SQL进行数据分析的案例，展示技术能力
- 强调对三方数据（人行征信等）的理解和应用成果
- 体现逻辑分析和项目推进能力，如主导策略优化并落地
- 巩固Python数据分析库（Pandas、NumPy）和SQL复杂查询
- 了解机器学习模型在风控中的应用（如XGBoost、评分卡）
面试指南
- STAR法则：情境-任务-行动-结果，结构化回答项目经验
- 技术问题先说明原理，再结合业务场景举例
- 遇到开放问题，从数据、策略、业务三个维度分析
- 请描述一个你主导的风控策略优化项目，包括挑战和效果
- 如何设计一个贷中风控规则？考虑哪些变量？
- 如何处理样本不平衡问题？你用过哪些方法？
- 谈谈你对人行征信数据中某个字段的理解和应用
- 如果线上策略效果下降，你怎么排查并优化？
职位点评
65
综合评分
大厂风控核心岗，薪资优厚但WLB不确定。
更适合这类人
适合追求高薪和稳定职业发展的求职者，但需接受可能的较高工作强度。
表现最好
薪资福利
相对薄弱
工作生活
薪资福利85
成长发展80
工作生活40
使命价值55
薪资福利
85较高
vivo作为大厂，薪资水平在行业中上，福利完善，但JD未具体说明薪资，故评分较高但留有空间。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
80较高
核心风控岗位，技能积累价值大，但JD未提及培训或晋升路径，评分中等偏上。
技术前沿主流现代技术
技术栈Python、SQL、数据分析、风控策略、征信数据
业务类型profit_center
工作生活
40较低
未明确远程或弹性工作，杭州/深圳办公，工作强度可能较大，WLB信号缺失。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
55较低
消费金融行业稳定，但社会影响力一般，创新性中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
vivo 的其他在招职位
相似职位推荐
Watch Jobs