Anti-fraud Senior Analyst | Analista Sênior de Prevenção a Fraudes

Liderar a recuperação de valores em fraudes de Pix e cartões (MED, bloqueio cautelar, devoluções via SPI, chargebacks e representante junto às bandeiras), garantindo prazos operacionais e regulatórios.

Investigar casos complexos por tipologia de fraude (engenharia social, conta laranja, phishing, SIM swap, CNP, triangulação, first/third-party fraud), cruzando dados financeiros, cadastrais, comportamentais e de dispositivo.

Desenvolver, validar e tunar modelos preditivos e regras antifraude nas ferramentas de score (ex: DataRudder, Clearsale, Konduto, Sift, SAS, FICO Falcon), acompanhando precision, recall e falso positivo/negativo.

Atuar na prevenção de fraude cadastral no onboarding (KYC, biometria, verificação documental) e no reporte de operações suspeitas conforme PLD/AML (Lei 9.613, BCB, COAF).

Responder a órgãos regulatórios e judiciais (Banco Central, requisições policiais, ofícios) em investigações financeiras, com rigor técnico e dentro dos prazos legais.

Construir indicadores estratégicos (taxa de fraude, falso positivo/negativo, perdas, recuperações, NPS) e traduzi-los em análises executivas para a liderança.

Colaborar com Tecnologia e Produtos na integração de ferramentas antifraude, motores de decisão e sistemas de case management.

Experiência sólida em prevenção, detecção, investigação ou recuperação de fraudes no mercado financeiro, bancário, de pagamentos, adquirência ou emissão de cartões.

Conhecimento do ecossistema Pix (DICT, MED, SPI, bloqueio cautelar) e das regras de bandeiras (chargeback, liability shift, representment), aplicados a tipologias como engenharia social, conta laranja, phishing, SIM swap, CNP e triangulação.

Domínio de SQL e vivência com AI Code / Python para investigação de padrões transacionais, cruzamento de bases e construção de indicadores.

Entendimento de PLD/AML (Lei 9.613, BCB, COAF) e de KYC/onboarding digital (biometria, verificação documental, prevenção de fraude cadastral).

Perfil analítico e investigativo, com autonomia para conduzir projetos complexos e avaliar criticamente regras, modelos e processos.

Comunicação clara, com capacidade de traduzir análises técnicas em recomendações e influenciar decisões junto a áreas técnicas e de negócio.

Vivência prática com ferramentas de score citadas acima e com técnicas de ML aplicadas à detecção de anomalias (regressão logística, árvores de decisão, random forest, gradient boosting, redes neurais).

Experiência com análise de grafos para mapear redes de fraude (contas laranja, mulas financeiras, organizações), e com atendimento a órgãos regulatórios/judiciais.

Experiência com integração de APIs, automação de alertas, pipelines de dados e ferramentas de BI (Looker, Power BI ou similares).

Domínio de métricas de negócio e risco (taxa de fraude, falso positivo/negativo, perda financeira, NPS impactado por bloqueios indevidos).

Experiência prévia em fintechs, bancos digitais, instituições de pagamento, adquirentes, subadquirentes ou emissores de cartão.