Auf einen Blick
Fraud Data Analyst bei Satispay – architektiere Real-Time Fraud Defense Strategien mit ML und Rule Engines, balanciere False Positives und Fraud Prevention für Millionen Zahlungen.
💰 ~€42.000–60.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Vor Ort
🗺️ EMEA
- 3-7 Jahre Risk, Payments oder Credit
- Hohe SQL und Python Proficiency
- Verständnis von Payment Fraud
- Real-Time Decisioning Erfahrung
SQL
Python
Fraud Detection
Machine Learning
Data Analytics
Real-Time Systems
Risk Management
Looker
Gehalt geschätzt anhand Schätzung für Mid-Level Fraud Data Analyst in Barcelona. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- data-science
- cyber-security
- it-security
🚫 Weniger geeignet
- content-creator
- designer
- healthcare
💡 Gut zu wissen
- Relocation erforderlich – zu Barcelona Office (nicht Remote)
- SQL und Python sind zentral – Keine Power-BI-Only Rolle
- Real-Time Decisioning Engine – komplexe Anforderungen an Latenz und Accuracy
- Hybrid Setup after relocation: 3 Tage/Woche Office (Dienstag, Donnerstag + 1 selbstgewählter Tag)
Über die Rolle
Satispay hat 6 Millionen Nutzer und entwickelt eine Finanzplattform für Zahlungen, Sparen und Investments. Als Fraud Data Analyst sicherst du die Zukunft digitaler Zahlungen durch Real-Time Fraud Defense Strategien – Architektierung von ML-Scores und Velocity Features.
Aufgaben
Architect Real-Time Decisioning Strategies (ML-Scores kombiniert mit Velocity Features); Precision Rule Development (High-Performing Rules zwischen FPR und Gross Fraud Loss); Proactive Fraud Pattern Hunting (ATO, Social Engineering → Mitigation); Optimize Decisioning Stack (Product/Engineering Requirements); Calibrate ML & Heuristics (operationalize ML, Wrapper-Strategien); Dynamic Friction Design (Security ohne UX Hürden); Strategic Performance Reporting (Rule Efficacy, Portfolio Health).
Anforderungen
3-7 Jahre Risk, Payments oder Credit; hohe SQL und Python Proficiency; solides Verständnis von Payment Fraud Dynamics; Erfahrung mit Real-Time Decisioning Umgebungen; exzellente Kommunikation; fließend Englisch; ML/Data Science, PySpark oder GraphQL Erfahrung vorteilhaft.
