Especialista Prevenção a Fraude (Fintech)

Nosso modo de fazer no time

Transforme sua carreira com o iFood! Somos uma empresa brasileira de tecnologia referência na América Latina. Por meio de soluções inovadoras, conectamos milhares de restaurantes a milhões de consumidores diariamente com uma média de 100 milhões de pedidos mensais. Além do delivery de comida, também somos Mercado, Farmácia e Pet. Temos também o iFood Pago, nossa Fintech, que engloba o iFood Benefícios, o vale alimentação e refeição do iFood e o próprio iFood Pago, o banco do restaurante. Junte-se a nós e faça parte de uma equipe que está sempre à frente com tecnologia de ponta e inovação constante.

Seu Cardápio Diário

• Investigar padrões de fraude como chargebacks account takeover synthetic identity e fraud rings;

• Estruturar processos de investigação replicáveis definindo dados a coletar sequência de validações e templates de análise;

• Escrever queries SQL avançadas para explorar dados de transação comportamento device e parceiros;

• Analisar dados em Python usando pandas para validar hipóteses construir visualizações e suportar decisões;

• Desenhar e monitorar experimentos A/B e realizar backtesting de regras e modelos;

• Construir scores preditivos e propor mudanças no motor de fraude com visão de trade offs entre fraude conversão e falso positivo;

• Integrar fontes internas e de parceiros garantindo qualidade governança e observabilidade dos dados;

• Colaborar com Produto Operações e Tecnologia para priorizar roadmap do motor de fraude e justificar decisões com dados;

• Conduzir investigações em incidentes críticos organizar war rooms e documentar causas raízes e aprendizados;

• Documentar playbooks templates e registrar evidências por trás de cada decisão;

• Capacitar e mentorar analistas para replicar métodos e padrões de investigação.

Ingredientes que buscamos

• SQL avançado para consultas complexas e otimização;

• Python para análise de dados com pandas para manipulação exploração e validação de hipóteses;

• Pensamento estatístico para desenhar experimentos interpretar significância e controlar vieses;

• Domínio de motores de fraude e lógica de regras para avaliar impacto operacional e de receita;

• Capacidade de construir modelos de risco e scoring para detecção proativa de fraude;

• Habilidade para integrar múltiplas fontes de dados e estruturar pipelines estáveis;

• Mentalidade orientada a métricas com foco em definição de KPIs relevantes para fraude;

• Autonomia para conduzir projetos do discovery à validação e rollout com stakeholders diversos;

• Comunicação clara para traduzir análises complexas para público técnico e executivo;

• Liderança para mentorar revisar análises priorizar iniciativas e conduzir decisões em crises

• Organização e priorização aplicando princípio 80 20 em ambiente ágil.

• Familiaridade com PySpark e processamento distribuído de dados;

• Conhecimento em orquestração de pipelines como Airflow ou Prefect;

• Experiência com ETL /ELT e engenharia de dados em produção;

• Familiaridade com AWS e serviços de dados gerenciados;

• Conhecimento do ecossistema de adquirência subadquirência e fluxos de pagamento incluindo PIX;

• Familiaridade com LLMs e ferramentas como Claude GPT Gemini e NotebookLM para suporte à investigação;

• Conhecimento em frameworks para LLM e agentes como LangChain e LlamaIndex;

• Práticas de MLOps e LLMOps aplicadas a modelos e agentes em produção;

• Uso de Git para versionamento e colaboração;

• Background em prevenção a fraude ou risco em ambientes de fintech adquirência ou