Data Analyst, Antifraud

Большинство подписочных бизнесов теряют пароль. Мы теряем GPU-секунды.

Когда кто-то запускает двести аккаунтов с одной карты, чтобы собрать промо-бонус за каждый аккаунт, расходы ложатся на наш счёт за вычисления в тот же час и не прекращаются, пока кто-нибудь их не найдёт. Мы находили операторов, которые делали именно это: сотни аккаунтов, синхронные регистрации, сгенерированные машиной адреса электронной почты, круглосуточная автоматизация. Мы также обнаружили, что большинство наших аккаунтов с худшей маржой вовсе не нарушители, а просто активные пользователи безлимитного тарифа. Отличать одних от других, аккаунт за аккаунтом, с доказательствами, которые выдержат оспаривание, — это и есть эта работа.

Вы — тот, кто их находит, доказывает это и выражает это в числах.

Расследования и работа с кейсами

• Проводите расследования по сетям (ring investigations) от начала до конца: от отмеченного аккаунта или аномалии затрат до названного кластера, его участников, его сигнатуры, его экономики за всё время жизни и рекомендуемого действия.
• Самостоятельно стройте связи — общие платёжные инструменты, концентрация IP и ASN, семейства email-основ, всплески регистраций, поведенческие признаки и признаки автоматизации — и понимайте, какие связи являются доказательством, а какие совпадением.
• Каждый раз отделяйте злоупотребление от убыточного, но легитимного использования. На безлимитном тарифе отрицательная валовая маржа — это норма. Стоимость — это фильтр, а не триггер.
• Разбирайте очередь на проверку, которую формирует система обнаружения, и возвращайте в неё то, что вы узнали. Ваши решения — единственные непредвзятые метки, которые есть у data scientist.

Доказательства и защищаемость выводов

• Готовьте пакеты доказательств, которые выдержат проверку за пределами компании: внешним аудитором, платёжной сетью, клиентом, оспаривающим блокировку, юристами, применяющими наши Terms. Наша работа по борьбе со злоупотреблениями уже использовалась во всех этих четырёх контекстах.
• Пишите по каждому аккаунту, а не по каждой сети, когда действие применяется к аккаунту. Список блокировок без столбца с причиной — не доказательство.
• Знайте, что именно наши Terms of Use дают нам право делать, и сигнализируйте, когда доказательства подтверждают вывод, но не подтверждают действие.

Количественная оценка и отчётность

• Отвечайте за число потерь от злоупотреблений: во сколько это обошлось, на каком основании, за вычетом выручки, которую мы вернули, и легитимных клиентов, попавших под раздачу по ошибке. Одно и то же определение каждый месяц, зафиксированное письменно.
• Различайте сгоревший COGS, выручку под риском, возвращённую выручку и возвращённые деньги — это четыре разных числа, и люди будут их путать.
• Выстраивайте регулярную отчётность, показывающую, растёт ли проблема, и разовые ответы на вопрос «почему в прошлый вторник вырос расход вычислений», которые нужны в тот же день.

Мониторинг и адаптация

• Следите за самими детекторами. Правило, которое перестало срабатывать, — это событие обнаружения, а не тихая неделя.
• Проверяйте инструмент, прежде чем объяснять изменение: отсутствующая upstream-таблица, незаметно потерянный join, исчезнувший сигнал вендора. Это уже подводило нас и подведёт снова.
• Замечайте новые схемы злоупотреблений до того, как они попадут в чью-либо модель, — обычно в аномалии затрат, странной когорте или обращении в поддержку, которое не вписывается в картину.

Как мы работаем

• SQL и Python на сырых данных о платежах, использовании и идентификации в BigQuery, без того, чтобы кто-то заранее их для вас готовил. Мы активно используем AI — находчивость важнее синтаксиса.
• Тесное сотрудничество с Antifraud data scientist (вы проверяете то, что они строят), Payments (чарджбэки и сигналы процессоров), Support (люди, которые сталкиваются с вашими ложными срабатываниями) и Finance (число потерь попадает в отчётность).

• 2+ года опыта в аналитике расследований или рисков — fraud, abuse, trust and safety, AML, чарджбэки, целостность игр или маркетплейсов. Важно, чтобы вы гонялись за реальными нарушителями, а не моделировали их абстрактно.
• Сильный SQL, без посторонней помощи. Self-join, оконные функции, воспроизведение когорт и объединение платежей с использованием и идентификацией по «грязным» ключам. Это самый часто используемый навык на этой роли.
• Python на рабочем уровне для анализа — pandas, notebooks, немного работы с графами.
• Следовательское чутьё: вы идёте по нити, замечаете то, что не вписывается, и можете сказать, когда закономерность — это совпадение.
• Доказательная дисциплина: вы можете оформить вывод так, чтобы тот, кто вам не доверяет, мог его проверить, и понимаете разницу между «это похоже на злоупотребление» и «это можно доказать».
• Понимание юнит-экономики: валовая маржа по аккаунту, сколько стоят вычисления и почему клиент с отрицательной маржой может быть полностью легитимным.
• Умение эскалировать, а не действовать, когда доказательств мало, и сказать об этом письменно.
• Чёткий письменный и устный английский, B2+.

Бэкграунды, которые часто подходят:

• Fraud / risk-аналитики из fintech, платежей, маркетплейсов, игр, crypto или беттинга
• Следователи trust & safety и аналитики по целостности платформ
• Аналитики по чарджбэкам, диспутам или AML, которые сами пишут запросы
• Сильные продуктовые или BI-аналитики, которым передали проблему злоупотреблений и которые остались с ней

• Конкурентная зарплата в USD
• Equity: участие в программе опционов компании
• Работа в офисе в Алматы, Казахстан
• Поддержка при релокации (перелёт + временное жильё)
• Плоская структура, высокая автономия, быстрый карьерный рост

Процесс найма

• Звонок-скрининг (30 мин)
• Скрининг с нанимающим менеджером (30 мин)
• Бизнес-кейс (1 час)
• Домашнее задание на данных, близких к реальным (7 дней, ~10–12 часов работы)
• Интервью с командой (60 мин)
• Оплачиваемый пробный период в офисе (1 месяц)