Analyste Data et Fraude Paiement

E-commerce

Informatique

Paris, Hybride

SQLPythonSnowflakeBigQueryDatabricksAWSGoogle CloudAzureLookerTableauPower BIMetabaseAthenaExcelGsheet

Rôle

Spécialiste de l'analyse avancée de la fraude transactionnelle et de la structuration des données pour optimiser la prévention des fraudes et accompagner la prise de décision stratégique sur la plateforme de paiement.

Technologies

SQLPythonSnowflakeBigQueryDatabricksAWSGoogle CloudAzureLookerTableauPower BIMetabaseAthenaExcelGsheet

Contextes

E-commerceMarketplacePaiement en ligneÉconomie circulaire

Compétences

Analyse statistiqueStructuration de donnéesDétection de fraudeMise en place de dashboardsDéfinition de KPIsCollaboration transverseVulgarisation de sujets complexesExpérimentation A/B testSuivi de performance risqueGestion de datasetsOptimisation des dispositifs de prévention

Challenges détectés

12 enjeux

Les principaux enjeux identifiés chez LBC, avec les technologies et compétences associées.

01Optimisation
Analyser de larges volumes de données transactionnelles pour identifier des patterns de fraude
Technologies clés
SQLPythonSnowflakeBigQuery
Compétences clés
Analyse statistiqueDétection de fraude
02Optimisation
Détecter les signaux faibles et typologies émergentes de fraude
Compétences clés
Détection de fraude
03Croissance
Produire des analyses ad hoc pour éclairer les décisions stratégiques (chargebacks, contournement de règles, fraude orga
Compétences clés
Analyse statistique
04Optimisation
Construire et maintenir des datasets dédiés au monitoring fraude
Technologies clés
SQLSnowflakeBigQueryDatabricks
Compétences clés
Gestion de datasets
05Optimisation
Définir et suivre les KPIs clés : fraud rate, cost of risk, chargeback rate, false positives, approval rate
Compétences clés
Définition de KPIs
06Optimisation
Mettre en place des dashboards robustes pour le pilotage de la performance risque
Technologies clés
LookerTableauPower BIMetabase
Compétences clés
Mise en place de dashboards
07Conformité
Garantir la qualité et la cohérence des données utilisées par l’équipe
Compétences clés
Structuration de données
08Optimisation
Mesurer l’efficacité des règles et dispositifs existants et proposer des améliorations data-driven
Compétences clés
Optimisation des dispositifs de prévention
09Optimisation
Collaborer avec les équipes data science sur les modèles de scoring
Compétences clés
Collaboration transverse
10Conformité
Travailler avec les équipes Produit Paiement pour intégrer le risk-by-design
Compétences clés
Collaboration transverse
11Optimisation
Interagir avec les PSP et partenaires paiement sur les sujets data
Compétences clés
Collaboration transverse
12Optimisation
Traduire des problématiques business en analyses quantitatives actionnables
Compétences clés
Vulgarisation de sujets complexes