Data Engineer - Credit Risk (w/m/d)

Branche: Finanzdienstleistungen

Location: Wien, hybrid

Auslastung: Vollzeit (160 Std./Monat)

Dauer: 11 Monate, Verlängerung mögl.

Sprache: Englisch

Das sind deine Aufgaben:

• Unterstützung beim Upgrade des Risk Parameter Group Data Catalogue (RPGDC) auf die neueste Version
• Weiterentwicklung und Anpassung des RPGDC zur Unterstützung der Generierung von Reference Data Sets (RDS) für Risikoparameter (PD, LGD, CCF)
• Umsetzung methodischer Änderungen und struktureller Anpassungen gemäß neuer Spezifikationen
• Anpassung und Erweiterung bestehender RDS-Codes zur Einhaltung neuer Anforderungen
• Modifikation, Implementierung und Test von Datenqualitätsprüfungen zur Sicherstellung von Datenkorrektheit und -vollständigkeit
• Übersetzung von SAS-Code nach Python (PySpark) für Pre-RDS-Behandlungen (insbesondere LGD & CCF)
• Definition, Durchführung und Dokumentation von Testfällen
• Zusammenarbeit mit zentralen Implementierungsteams sowie lokalen Einheiten bei Code-Anpassungen und Tests
• Unterstützung bei zentralen Enrichments (z. B. Customer Scope, SEGMENT_CLIENT_DRI)
• Dokumentation der implementierten Änderungen sowie von Best Practices

Das bringst du mit:

• Must-have: sehr gute Kenntnisse in PySpark
• Sehr gute Kenntnisse in Python und SQL
• Erfahrung mit SAS sowie Übersetzung von SAS-Logik nach Python
• Erfahrung mit Testing-Methoden und der Definition von Testfällen
• Kenntnisse im Umgang mit Cloudera Manager
• Erfahrung mit Python Tools for Visual Studio (Python Package)
• Verständnis von Datenqualitätsanforderungen und QA-Standards
• Erfahrung im Kreditrisiko- oder Modellierungsumfeld von Vorteil
• Sehr gute Englischkenntnisse in Wort und Schrift
• Deutschkenntnisse von Vorteil

Das erwartet dich:

• Vollzeit (160 Stunden pro Monat)
• Einsatzort: Wien mit hybrider Arbeitsmöglichkeit
• Start: ab sofort
• Projektdauer: 11 Monate mit Option auf Verlängerung
• Zusammenarbeit in einem internationalen und interdisziplinären Projektumfeld
• Anspruchsvolle Aufgaben mit hoher fachlicher Tiefe und Schnittstellen zu zentralen und lokalen Teams