Auf einen Blick
Senior Analyst für Credit Risk & Eligibility bei M-KOPA (Fintech). Analyse von Rückzahlungsdaten, Entwicklung von Credit Scorecards und Eligibility-Kriterien. Python, SQL und statistische Modellierung. Nairobi-basiert.
💰 ~$70.000–110.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Hybrid
🗺️ EMEA
- Starke statistische Modellierung und quantitative Analyse
- Erfahrung in Credit, Underwriting oder Lending Analytics
- Fließend in Python und SQL
- Fähigkeit zur Business-Impact-Übersetzung
data-analysis
python
sql
credit-risk-modeling
statistical-analysis
machine-learning
fintech
lending-analytics
Gehalt geschätzt anhand Senior Data Analyst mit Credit/Underwriting-Erfahrung + Fintech + Nairobi. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Data Scientists mit Credit/Lending-Erfahrung
- Quantitative Analysten aus Fintech
- Analytics-Profis mit Python/SQL-Expertise
🚫 Weniger geeignet
- Anfänger ohne Credit-Risk-Erfahrung
- Rein akademische Data Scientists ohne Business-Impact-Fokus
- Business Analysten ohne quantitativen Hintergrund
💡 Gut zu wissen
- Hybrid-Arbeit basierend in Nairobi mit Reisen möglich
- Fintech-Umfeld mit schnellen Zyklen
- Focus auf Financial Inclusion Impact
Über das Unternehmen
M-KOPA ist ein FinTech-Unternehmen, das finanzielle Inklusion für 7 Millionen Kunden über fünf afrikanische Märkte ermöglicht. Das Unternehmen hat über 2 Milliarden Dollar an Kredit für unterversorgte Bevölkerungsgruppen freigeschaltet.
Deine Aufgaben
- M-KOPAs Rückzahlungsdaten und andere Datenquellen analysieren, um Credit Scorecards und Eligibility-Kriterien kontinuierlich zu verbessern
- Loan Pricing auf Basis von Kreditanalyse und Kundeverhalten verfeinern
- Neue Loan-Typen testen, um Kundennachfrage und Kreditperformance zu verstehen
- Kreditperformance überwachen, um Risikoveränderungen zu erkennen und Margin-Impact zu quantifizieren
- Neue Datensätze auf Vorhersagekraft für Eligibility-Kriterien testen
- Python, SQL und weitere Analytics-Tools nutzen, um Daten-Insights zu generieren
- Mit Data Scientists zusammenarbeiten, um Machine Learning-Modelle in Lending-Entscheidungen zu nutzen
Deine Voraussetzungen
- Starke statistische Modellierungs- und quantitative Analysefähigkeiten
- Erfahrung in Credit, Underwriting oder Lending Analytics
- Fließend in Python, SQL und weiteren relevanten analytischen Tools
- Erfahrung bei der Übersetzung komplexer Daten-Insights in geschäftstaugliche Strategien
- Fähigkeit zur Cross-funktionalen Zusammenarbeit mit Product, Engineering und Commercial Teams
- Starke Daten-Kommunikationsfähigkeit – geschrieben, mündlich und visuell
- Solide statistische Fundamente und Komfort mit Ambiguität
Benefits
Wettbewerbsfähige Kompensation, Gesundheitsversorgung, Elternzeitregelung und Flexibilität.
