您当前位置：江西人事考试网 > 江西金融招聘考试 > 招考信息 > 2022年中国邮政储蓄银行总行风险管理部社会招聘若干

2022年中国邮政储蓄银行总行风险管理部社会招聘若干人公告

2022-11-18 08:39 银行招聘考试 //jx.huatu.com/jinrong/ 作者：中国邮政储蓄银行来源：中国邮政储蓄银行

　　【导读】江西金融考试网提供以下金融招考公告信息：2022年中国邮政储蓄银行总行风险管理部社会招聘若干人公告，请考生多加关注。更多关于银行招聘,金融招聘,招考信息,中国金融招聘考试的内容，请关注（江西金融招聘考试频道/江西人事考试网）！加入金融银行交流群（）农商行备考群（）获取更多招考信息和备考资料。

为进一步充实中国邮政储蓄银行总行人才队伍力量，现面向社会公开招聘具有工作经验的优秀人才加入。

一、招聘部门、岗位及要求

本次招聘部门为中国邮政储蓄银行总行风险管理部。岗位涉及高端专业类和普通专业类，各岗位学历要求为硕士研究生及以上，工作地点北京，其他具体要求如下：

序号	招聘岗位	拟招聘人数	岗位职责	专业要求	工作经验要求	其他任职要求
1	高级风险经理（反欺诈）	1	1.负责项目组团队管理和团队专业能力建设； 2.负责企业级反欺诈产品体系规划，推动反欺诈流程机制建设； 3.推动电子支付、转账等交易反欺诈流程机制建设，保障交易安全； 4.负责零售业务申请、交易欺诈模型策略研发，协助推动系统功能建设； 5.跟进业界反欺诈产品的发展趋势，推动反欺诈产品数字化、智能化的发展，负责全行欺诈风险和工具运行情况监控，提升客户体验和风险预知能力，优化运营效率。	数学、物理、统计、计量、金融工程、计算机工程或其他量化学科等相关专业	硕士研究生学历要求12年及以上工作经验；博士研究生学历要求10年及以上工作经验。	1.具有丰富的欺诈风险管理、反欺诈类产品建设、风险计量建设和应用的丰富经验； 2.具有金融科技公司、支付公司、国际著名金融机构或国际咨询公司风险建模和数据分析团队管理经验的高级专家。
2	高级风险副经理（零售信贷）	1	1.负责项目组团队管理和团队专业能力建设； 2.组织零售信贷模型工具研发，包括贷前、贷中、贷后各环节的工具，并在系统中进行部署和测试； 3.负责计量模型持续监控和迭代优化； 4.协助制定产品风控方案和策略； 5.推动智能风控工具在业务管理中的应用推广，创造价值； 6.跟踪风控技术创新前沿和业内应用探索，并推动在银行零售信贷管理实践中落地。	数学、物理、统计、计量、金融工程、计算机工程或其他量化学科等相关专业	硕士学历要求8年及以上工作经验；博士学历要求6年及以上工作经验。	1.具有丰富的零售信贷业务风险数据建设、风险模型研发、风险计量管理和应用经验； 2.具有国有大行、股份制银行、金融科技公司、国际著名金融机构或国际咨询公司数据分析和风险模型开发和应用经验的专家。
3	反欺诈风控	若干	1.负责三农、消费等零售信贷业务申请、支用等环节反欺诈模型研发； 2.负责零售信贷反欺诈策略制定； 3.负责支付、转账等线上交易反欺诈模型研发和策略制定，保障交易安全； 4.负责反欺诈系统需求调研及撰写； 5.负责反欺诈风险情况及模型应用效果监控。	数学、物理、统计、计量、金融工程、计算机工程或其他量化学科等相关专业	3年及以上工作经验，风险建模和数据分析工作经验不少于2年。	1.具备反欺诈类产品设计、零售客户风险数据建设、风险模型研发、风险计量管理和应用能力； 2.具有金融机构、金融科技公司或咨询公司从业经验。
4	非零售模型开发	若干	1.负责非零售智能风控模型工具研发，包括贷前、贷中、贷后各环节的工具，并在系统中进行部署和测试； 2.负责对公评级模型持续监控和迭代优化； 3.负责动态评级调整及预警； 4.负责对公评级制度建设及评级应用； 5.负责评级执行情况的监督、检查。	数学、物理、统计、计量、金融工程、计算机工程或其他量化学科等相关专业	3年及以上工作经验，风险建模和数据分析工作经验不少于2年。	1.具备非零售客户风险数据建设、风险模型研发、风险计量管理和应用能力； 2.具有金融机构、金融科技公司、咨询公司或评级公司从业经验。
5	高级风险经理（非零售信贷）	1	1.负责项目组团队管理和团队专业能力建设； 2.负责全行非零售客户信用评级模型的开发和持续优化； 3.负责非零售风险暴露PD、LGD、EAD等风险参数量化； 4.负责非零售内部评级在授信审批、限额管理、风险预警、风险报告、授信政策、贷款定价、拨备计提、经济资本、绩效考核等方面应用推广； 5.负责非零售内部评级体系制度建设； 6.负责非零售客户风险数据建设； 7.负责人工智能在非零售风控领域应用； 8.负责非零售内部评级系统需求及业务功能测试； 9.负责开展非零售内部评级制度执行情况监督、检查。	数学、物理、统计、计量、金融工程、计算机工程或其他量化学科等相关专业	硕士学历要求12年及以上工作经验；博士学历要求10年及以上工作经验。	1.具有丰富的非零售信贷业务风险数据建设、风险模型研发、风险计量管理和应用经验； 2.具有国有大行、股份制银行、金融科技公司、国际著名金融机构、国际咨询公司或评级机构数据分析和风险模型开发和应用经验的专家。
6	高级风险副经理（非零售信贷）	1	1.负责项目组团队管理和团队专业能力建设； 2.负责全行非零售客户信用评级模型的开发和持续优化； 3.负责非零售风险暴露PD、LGD、EAD等风险参数量化； 4.负责非零售内部评级在授信审批、限额管理、风险预警、风险报告、授信政策、贷款定价、拨备计提、经济资本、绩效考核等方面应用推广； 5.负责非零售内部评级体系制度建设； 6.负责非零售客户风险数据建设； 7.负责人工智能在非零售风控领域应用； 8.负责非零售内部评级系统需求及业务功能测试； 9.负责开展非零售内部评级制度执行情况监督、检查。	数学、物理、统计、计量、金融工程、计算机工程或其他量化学科等相关专业	硕士学历要求8年及以上工作经验；博士学历要求6年及以上工作经验。	1.具有丰富的非零售信贷业务风险数据建设、风险模型研发、风险计量管理和应用经验； 2.具有国有大行、股份制银行、金融科技公司、国际著名金融机构、国际咨询公司或评级机构数据分析和风险模型开发和应用经验的专家。
7	高级风险副经理（反洗钱）	2	1.统筹规划反洗钱模型体系建设，结合全行各类业务特点，推动反洗钱系统数据化和智能化发展； 2.负责与前台业务、后台数据和研发等各部门建立良好有效的沟通机制，及时给予需求推动、进度汇报，推动需求开发落地； 3.负责全行反洗钱系统的数据需求挖掘和分析、流程设计，利用大数据平台实现对数据的分析和处理； 4.根据业务需求进行模型的开发、验证及落地相关的工作，提升反洗钱模型的效率和效果，并辅助反洗钱模型相关系统的建设。	计算机、软件、金融等相关专业	硕士学历要求8年及以上工作经验；博士学历要求6年及以上工作经验。	1、熟悉银行业务和系统数据，熟悉银行反洗钱数据处理流程，了解商业银行反洗钱政策法规、行业标准及制度文件优先； 2、熟悉大数据处理及分布式系统技术，如Hadoop/HDFS/Hive等开源分布式系统及主流的数据应用产品或工具（BI、多维分析、SAS等）； 3、具备良好的数理基础，有良好的机器学习背景及项目经验，掌握常见的逻辑回归、决策树、xgboost、GBDT等模型和算法的应用场景； 4、有良好的系统架构经验，主导过反洗钱模型开发平台的研发、管理工作优先。
8	副主任工程师（系统数据）	1	1.负责项目组团队人员管理、人才培养和梯队建设，具有前瞻性行业发展洞察力和管理能力； 2.负责智能风控平台某一领域的架构设计，包括技术方案、应用组件、数据架构等； 3.负责智能风控平台某一领域的技术架构的迭代优化； 4.负责风控领域技术架构研究，不断通过技术优化提升系统的自动化、智能化程度； 5.负责智能风控产品的创新、能够结合业务情况设计出对应的数据产品，驱动业务发展。	计算机工程、电子、数学、物理、统计或其他工科专业等相关专业	硕士学历要求8年及以上工作经验；博士学历要求6年及以上工作经验。具备3年及以上的团队管理经验。	1.主导过风险管理系统、模型开发平台和风险计量系统等具体产品的研发、管理工作，对智能风控体系建设有深刻的理解； 2.熟悉大数据处理及分布式系统前沿技术（包括Hadoop、MapReduce、Spark、ZooKeeper等开源框架）及主流的数据应用产品或工具（BI、多维分析、SAS等）； 3.具备良好的数理基础，掌握常见的逻辑回归、决策树、xgboost、GBDT等模型和算法的应用场景； 4.具备大型银行的工作经理优先，有互联网金融行业数据平台项目经验者优先； 5.具有多年风控领域的系统开发建设经验（大数据平台、规则引擎、机器学习平台、数据仓库/集市、OLAP分析等）。
9	反洗钱模型开发工程师	若干	1.负责反洗钱及合规相关业务方向的数据分析、特征挖掘、模型开发与调优等工作，深度挖掘潜在洗钱关系网络，推动反洗钱系统数据化和智能化发展； 2.负责与前台业务、后台数据和研发等各部门建立良好有效的沟通机制，及时给予需求推动、进度汇报，推动需求开发落地； 3.协助反洗钱及合规相关业务方向的模型部署、系统建设等工作，推动反洗钱模型体系建设； 4.负责反洗钱及合规相关分析报告的撰写。	数学、物理、统计、计量、金融工程、计算机工程或其他量化学科等相关专业	3年及以上数据分析及算法领域相关工作经验，2年及以上反洗钱相关工作经验，有金融机构从业经历者优先考虑。	1.熟悉大数据处理及分布式系统技术，如Hadoop/HDFS/Hive等开源分布式系统及主流的数据应用产品或工具，熟练使用SQL； 2.具备良好的数理基础，有良好的机器学习背景及项目经验，掌握常见的逻辑回归、决策树、xgboost、GBDT等模型和算法的应用场景； 3.精通至少一门开发语言如Python/Scala/Java等。 4.熟悉深度学习、图数据、图算法或有各类银行可疑交易经验者优先； 5.具有良好的分析解决问题和团队协作的能力；具备良好的抗压能力。