Datenanalyse, -aufbereitung und Berichterstattung; Mitarbeit im Data Innovation Lab, mit Anwendung von Machine Learning Methoden wie Natural Language Processing; Weiterentwicklung des Instrumentariums für Datenanalyse und Visualisierung/Berichterstattung; Parametrisierung und Kalibrierung des FINMA Ratingsystems für Banken; Erhebung und Priorisierung von Datenanforderungen interner Stakeholder; Erarbeitung problemspezifischer Untersuchungen auf Basis von Trends und Entwicklungen im Bankenmarkt; Datenaustausch mit der SNB, Instituten und Prüfgesellschaften; Projektarbeit und Betreuung von Fachthemen
Requirements:
Abgeschlossenes Masterstudium in Data Science, Informatik, Statistik oder einer Wissenschaft mit Tradition in der Datennutzung; Mehrjährige Erfahrung in der Finanzindustrie; Fundierte Kenntnisse in statistischen Verfahren und Machine Learning Methodologien, sowie in Datenbanken, SQL und in Programmiersprachen im Bereich Datenanalyse, z.B. Python oder R; Erfahrung in der Verarbeitung und Analyse von Daten sowie in der Aufbereitung und Berichterstattung von Ergebnissen; Hohe Methodenkompetenz und Umsetzungsstärke, vernetztes Denken sowie zuverlässige, systematische und selbständige Arbeitsweise; Ausgeprägte Eigeninitiative und Kreativität sowie Freude an der Zusammenarbeit im Team; Stilsicheres Deutsch (C2) und gute Sprachkenntnisse in Englisch (B2) und Französisch (B1)
Text:
FINMA: Data Scientist Bankenaufsicht (m/w/d) Die FINMA beaufsichtigt den Schweizer Finanzmarkt. Sie schützt die Interessen der Anlegerinnen und Anleger, Gläubiger und Versicherten und trägt mit ihrer Aufsicht zur Stabilität und Wettbewerbsfähigkeit der Finanzmarktakteure bei. Dafür engagieren sich täglich über 700 kompetente und motivierte Mitarbeitende. Wir bieten Ihnen im Geschäftsbereich Banken eine herausfordernde Tätigkeit als Data Scientist Bankenaufsicht (m/w/d) 80-100% Bern oder Zürich Gemeinsam mit Ihren Teamkolleginnen und Teamkollegen unterstützen Sie die Bankenaufsicht mittels Verarbeitung, Analyse und Visualisierung von Daten und entwickeln das Ratingsystem für Banken laufend weiter - dies auch unter Anwendung innovativer Methoden und Technologien. Hauptaufgaben Datenanalyse, -aufbereitung und Berichterstattung Mitarbeit im Data Innovation Lab, mit Anwendung von Machine Learning Methoden wie Natural Language Processing Weiterentwicklung des Instrumentariums für Datenanalyse und Visualisierung / Berichterstattung Parametrisierung und Kalibrierung des FINMA Ratingsystems für Banken Erhebung und Priorisierung von Datenanforderungen interner Stakeholder Erarbeitung problemspezifischer Untersuchungen auf Basis von Trends und Entwicklungen im Bankenmarkt Datenaustausch mit der SNB, Instituten und Prüfgesellschaften Projektarbeit und Betreuung von Fachthemen Profil Abgeschlossenes Masterstudium in Data Science, Informatik, Statistik oder einer Wissenschaft mit Tradition in der Datennutzung Mehrjährige Erfahrung in der Finanzindustrie Fundierte Kenntnisse in statistischen Verfahren und Machine Learning Methodologien, sowie in Datenbanken, SQL und in Programmiersprachen im Bereich Datenanalyse, z.B. Python oder R Erfahrung in der Verarbeitung und Analyse von Daten sowie in der Aufbereitung und Berichterstattung von Ergebnissen Hohe Methodenkompetenz und Umsetzungsstärke, vernetztes Denken sowie zuverlässige, systematische und selbständige Arbeitsweise Ausgeprägte Eigeninitiative und Kreativität sowie Freude an der Zusammenarbeit im Team Stilsicheres Deutsch (C2) und gute Sprachkenntnisse in Englisch (B2) und Französisch (B1) Perspektiven Wir sind der richtige Arbeitgeber für engagierte Mitarbeitende, die Herausforderungen suchen und rasch Verantwortung übernehmen wollen. Bei uns erwarten Sie fortschrittliche Anstellungsbedingungen, flexible Arbeitszeitsysteme und zentrale Arbeitsstandorte. Interessiert an der Stelle? Dann freuen wir uns auf eine Online-Bewerbung inklusive vollständige Bewerbungsunterlagen. Jetzt bewerben Fragen? Corinne Klemenz gibt gerne Auskunft. +41 31 327 95 74 XING LinkedIn Inserat teilen Inserat drucken Jobnewsletter Alle offenen Stellen Arbeiten bei der FINMA Schön, dass Sie sich für die FINMA als Arbeitgeberin interessieren. Hier finden Sie alle wichtigen Informationen zu den offenen Stellen, zu unserer Arbeitsweise, zu unserer Unternehmenskultur und zu den fortschrittlichen Anstellungsbedingungen in der FINMA. Der Bewerbungsprozess bei der FINMA Die FINMA gestaltet ihre Bewerbungsprozesse offen, transparent und fair. Hier finden Sie alle wichtigen Informationen zum Vorgehen und zu den verschiedenen Schritten. Bitte beachten Sie sie, wenn Sie sich für eine ausgeschriebene Stelle interessieren und Ihr Dossier einreichen. Weitere Informationen Anstellungsbedingungen Die FINMA bringt mit fortschrittlichen Arbeitsmodellen, guten Sozialleistungen und marktgerechten Löhne die Wertschätzung für ihre Mitarbeitenden zum Ausdruck: Sie positioniert sich so als attraktive und konkurrenzfähige Arbeitgeberin. Weitere Informationen Flexibilität und Vereinbarkeit von Beruf, Familie und Freizeit Die FINMA bietet im Rahmen der Möglichkeiten ihren Mitarbeitenden Eigenverantwortung und Freiraum für zeitlich und örtlich flexibles Arbeiten. Wir legen grossen Wert auf Familienfreundlichkeit und auf die Vereinbarkeit von Beruf und Freizeit. Weitere Informationen Karriereentwicklung und Berufseinstieg Die FINMA fördert das kontinuierliche Lernen und die stetige persönliche Weiterentwicklung. Die Personalentwicklung hat bei uns deshalb einen hohen Stellenwert. Wir eröffnen Mitarbeitenden, die überdurchschnittliche Leistungen erbringen, wertvolle Entwicklungsmöglichkeiten. Nicht selten ist die FINMA Karrieresprungbrett. Weitere Informationen Unternehmenskultur und Selbstverständnis Ob in der Aufsicht oder im Umgang mit den eigenen Mitarbeitenden: Die FINMA ist vielfältig und einzigartig, hat klare Werte und verfolgt diese konsequent. Wir leben Chancengleichheit, direkte und verbindliche Zusammenarbeit, Transparenz und Mitwirkung. Weitere Informationen FINMA-Karriereseite FINMA-Homepage Zum Seitenanfang Alle offenen Stellen und Online-Bewerbung auf jobs.finma.ch var sessionStartTimestamp = Date.now(); var alreadySentSessionEndData = false; var sendSessionEndDataBeforeCloseSession = function () { if (alreadySentSessionEndData) { return; } alreadySentSessionEndData = true; var elapsedTimeInMilliseconds = Date.now() - sessionStartTimestamp; var elapsedTimeInSeconds = (elapsedTimeInMilliseconds / 1000.0); if (typeof navigator.sendBeacon !== 'undefined') { navigator.sendBeacon('https://ohws.prospective.ch/public/v1/redirect/cfeb10bc-0470-4b41-a6e9-863d28c94277/session_end?duration=' elapsedTimeInSeconds.toFixed(2) '&active_time=' activeTimeRecorded.toFixed(2) '&inactive_time=' passiveTimeRecorded.toFixed(2) '&hidden_time=' hiddenTimeRecorded.toFixed(2) '&sid=' uniqueSessionId '&_cache=' ( new Date()), ''); } else { new Image(1,1).src = 'https://ohws.prospective.ch/public/v1/redirect/cfeb10bc-0470-4b41-a6e9-863d28c94277/session_end?duration=' elapsedTimeInSeconds.toFixed(2) '&active_time=' activeTimeRecorded.toFixed(2) '&inactive_time=' passiveTimeRecorded.toFixed(2) '&hidden_time=' hiddenTimeRecorded.toFixed(2) '&sid=' uniqueSessionId '&_cache=' ( new Date()); } } window.addEventListener('beforeunload', function() { sendSessionEndDataBeforeCloseSession(); }); window.addEventListener('unload', function() { sendSessionEndDataBeforeCloseSession(); }); var getPageVisibilityState = function() { if (document.visibilityState === 'hidden') { return 'hidden'; } if (document.hasFocus()) { return 'active'; } return 'passive'; }; window.addEventListener('visibilitychange', function() { recordActiveTime(); }); window.addEventListener('focus', function() { recordActiveTime(); }); window.addEventListener('blur', function() { recordActiveTime(); }); var activeTimeRecorded = 0; var passiveTimeRecorded = 0; var hiddenTimeRecorded = 0; var lastTimerMeasurementPoint = 0; var activeTimeRecorder = null; var recordActiveTime = function() { if(activeTimeRecorder === null) { lastTimerMeasurementPoint = Date.now(); activeTimeRecorder = setInterval(function() { var timeRecorderTimeElapsed = ((Date.now() - lastTimerMeasurementPoint) / 1000.0); lastTimerMeasurementPoint = Date.now(); if(getPageVisibilityState()==='active') { activeTimeRecorded = activeTimeRecorded timeRecorderTimeElapsed; } if(getPageVisibilityState()==='hidden') { hiddenTimeRecorded = hiddenTimeRecorded timeRecorderTimeElapsed; } if(getPageVisibilityState()==='passive') { passiveTimeRecorded = passiveTimeRecorded timeRecorderTimeElapsed; } }, 100); } }; recordActiveTime(); var trackedDepths = []; var logDepthEvent = function (depth, visiblePageHeightInPercent) { trackedDepths[depth] = true; new Image(1,1).src = 'https://ohws.prospective.ch/public/v1/redirect/cfeb10bc-0470-4b41-a6e9-863d28c94277/scroll?depth=' depth '&visible_page_height=' visiblePageHeightInPercent '&sid=' uniqueSessionId '&_cache=' ( new Date()); }; var trackCurrentScrollDepth = function() { var h = document.documentElement, b = document.body, st = 'scrollTop', sh = 'scrollHeight'; var percent = (h[st]||b[st]) / ((h[sh]||b[sh]) - h.clientHeight) * 100; var visiblePageHeightInPercent = (((h[st]||b[st]) h.clientHeight) / (h[sh]||b[sh])) * 100; if(percent > = 0 && percent < 20 && typeof trackedDepths[0]==='undefined') { logDepthEvent(0, visiblePageHeightInPercent); } if(percent > = 20 && percent < 40 && typeof trackedDepths[20]==='undefined') { logDepthEvent(20, visiblePageHeightInPercent); } if(percent > = 40 && percent < 60 && typeof trackedDepths[40]==='undefined') { logDepthEvent(40, visiblePageHeightInPercent); } if(percent > = 60 && percent < 80 && typeof trackedDepths[60]==='undefined') { logDepthEvent(60, visiblePageHeightInPercent); } if(percent > = 80 && percent < 97 && typeof trackedDepths[80]==='undefined') { logDepthEvent(80, visiblePageHeightInPercent); } if(percent > = 97 && typeof trackedDepths[100]==='undefined') { logDepthEvent(100, visiblePageHeightInPercent); } }; document.addEventListener('scroll', trackCurrentScrollDepth); if (document.readyState === 'complete' || (document.readyState !== 'loading' && !document.documentElement.doScroll) ) { trackCurrentScrollDepth(); } else { document.addEventListener('DOMContentLoaded', trackCurrentScrollDepth); } var uniqueID = function () { function chr4(){ return Math.random().toString(16).slice(-4); } return chr4() chr4() '-' chr4() '-' chr4() '-' chr4() '-' chr4() chr4() chr4(); }; var uniqueSessionId = uniqueID(); new Image(1,1).src = "https://ohws.prospective.ch/public/v1/redirect/cfeb10bc-0470-4b41-a6e9-863d28c94277/view?sid=" uniqueSessionId "&_cache=" ( new Date()); var pmsDMPSegments = ["35312","2530","50001","JPL_DE","2527","PC_246","SC_BE"]; (function(p){ p.src = "https://dmp.adform.net/dmp/profile/?pid=11536&sg=35312&sg=2530&sg=50001&sg=JPL_DE&sg=2527&sg=PMS|Workplace|PC_246&sg=PMS|Workplace|SC_BE"; })(document.createElement("img")); window._adftrack = Array.isArray(window._adftrack) ? window._adftrack : (window._adftrack ? [window._adftrack] : []); window._adftrack.push({ HttpHost: 'track.adform.net', pm: 1372697, divider: encodeURIComponent('|'), pagename: encodeURIComponent('JobPublication'), order : { sv8: 'sg=35312&sg=2530&sg=50001&sg=JPL_DE&sg=2527&sg=PMS|Workplace|PC_246&sg=PMS|Workplace|SC_BE' } }); (function () { var s = document.createElement('script'); s.type = 'text/javascript'; s.async = true; s.src = 'https://s2.adform.net/banners/scripts/st/trackpoint-async.js'; var x = document.getElementsByTagName('script')[0]; x.parentNode.insertBefore(s, x); })(); {"validThrough":"2024-10-30","employmentType":"PART_TIME","@type":"JobPosting","description":" Gemeinsam mit Ihren Teamkolleginnen und Teamkollegen unterstützen Sie die Bankenaufsicht mittels Verarbeitung, Analyse und Visualisierung von Daten und entwickeln das Ratingsystem für Banken laufend weiter - dies auch unter Anwendung innovativer Methoden und Technologien. Data Scientist Bankenaufsicht (m/w/d) Hauptaufgaben Datenanalyse, -aufbereitung und Berichterstattung Mitarbeit im Data Innovation Lab, mit Anwendung von Machine Learning Methoden wie Natural Language Processing Weiterentwicklung des Instrumentariums für Datenanalyse und Visualisierung / Berichterstattung Parametrisierung und Kalibrierung des FINMA Ratingsystems für Banken Erhebung und Priorisierung von Datenanforderungen interner Stakeholder Erarbeitung problemspezifischer Untersuchungen auf Basis von Trends und Entwicklungen im Bankenmarkt Datenaustausch mit der SNB, Instituten und Prüfgesellschaften Projektarbeit und Betreuung von Fachthemen Profil Abgeschlossenes Masterstudium in Data Science, Informatik, Statistik oder einer Wissenschaft mit Tradition in der Datennutzung Mehrjährige Erfahrung in der Finanzindustrie Fundierte Kenntnisse in statistischen Verfahren und Machine Learning Methodologien, sowie in Datenbanken, SQL und in Programmiersprachen im Bereich Datenanalyse, z.B. Python oder R Erfahrung in der Verarbeitung und Analyse von Daten sowie in der Aufbereitung und Berichterstattung von Ergebnissen Hohe Methodenkompetenz und Umsetzungsstärke, vernetztes Denken sowie zuverlässige, systematische und selbständige Arbeitsweise Ausgeprägte Eigeninitiative und Kreativität sowie Freude an der Zusammenarbeit im Team Stilsicheres Deutsch (C2) und gute Sprachkenntnisse in Englisch (B2) und Französisch (B1) Perspektiven Wir sind der richtige Arbeitgeber für engagierte Mitarbeitende, die Herausforderungen suchen und rasch Verantwortung übernehmen wollen. Bei uns erwarten Sie fortschrittliche Anstellungsbedingungen, flexible Arbeitszeitsysteme und zentrale Arbeitsstandorte. Corinne Klemenz gibt gerne Auskunft. Die FINMA beaufsichtigt den Schweizer Finanzmarkt. Sie schützt die Interessen der Anlegerinnen und Anleger, Gläubiger und Versicherten und trägt mit ihrer Aufsicht zur Stabilität und Wettbewerbsfähigkeit der Finanzmarktakteure bei. Dafür engagieren sich täglich über 700 kompetente und motivierte Mitarbeitende. Wir bieten Ihnen im Geschäftsbereich Banken eine herausfordernde Tätigkeit als ","industry":"Banken/Finanzinstitute","title":"Data Scientist Bankenaufsicht (m/w/d)","@context":"http://schema.org","skills":" Abgeschlossenes Masterstudium in Data Science, Informatik, Statistik oder einer Wissenschaft mit Tradition in der Datennutzung Mehrjährige Erfahrung in der Finanzindustrie Fundierte Kenntnisse in statistischen Verfahren und Machine Learning Methodologien, sowie in Datenbanken, SQL und in Programmiersprachen im Bereich Datenanalyse, z.B. Python oder R Erfahrung in der Verarbeitung und Analyse von Daten sowie in der Aufbereitung und Berichterstattung von Ergebnissen Hohe Methodenkompetenz und Umsetzungsstärke, vernetztes Denken sowie zuverlässige, systematische und selbständige Arbeitsweise Ausgeprägte Eigeninitiative und Kreativität sowie Freude an der Zusammenarbeit im Team Stilsicheres Deutsch (C2) und gute Sprachkenntnisse in Englisch (B2) und Französisch (B1) ","qualifications":" Abgeschlossenes Masterstudium in Data Science, Informatik, Statistik oder einer Wissenschaft mit Tradition in der Datennutzung Mehrjährige Erfahrung in der Finanzindustrie Fundierte Kenntnisse in statistischen Verfahren und Machine Learning Methodologien, sowie in Datenbanken, SQL und in Programmiersprachen im Bereich Datenanalyse, z.B. Python oder R Erfahrung in der Verarbeitung und Analyse von Daten sowie in der Aufbereitung und Berichterstattung von Ergebnissen Hohe Methodenkompetenz und Umsetzungsstärke, vernetztes Denken sowie zuverlässige, systematische und selbständige Arbeitsweise Ausgeprägte Eigeninitiative und Kreativität sowie Freude an der Zusammenarbeit im Team Stilsicheres Deutsch (C2) und gute Sprachkenntnisse in Englisch (B2) und Französisch (B1) ","hiringOrganization":{"name":"Eidgenössische Finanzmarktaufsicht FINMA","logo":"https://pms.imgix.net/152cb11f80d729e1a0e8bedda05780c3?fit=fill&fill=solid&fill-color=ffffff&w=200&h=150","@type":"Organization"},"responsibilities":" Datenanalyse, -aufbereitung und Berichterstattung Mitarbeit im Data Innovation Lab, mit Anwendung von Machine Learning Methoden wie Natural Language Processing Weiterentwicklung des Instrumentariums für Datenanalyse und Visualisierung / Berichterstattung Parametrisierung und Kalibrierung des FINMA Ratingsystems für Banken Erhebung und Priorisierung von Datenanforderungen interner Stakeholder Erarbeitung problemspezifischer Untersuchungen auf Basis von Trends und Entwicklungen im Bankenmarkt Datenaustausch mit der SNB, Instituten und Prüfgesellschaften Projektarbeit und Betreuung von Fachthemen ","jobLocation":{"@type":"Place","address":{"addressCountry":"Schweiz","addressLocality":"Bern","addressRegion":"Bern","streetAddress":"Laupenstrasse","@type":"PostalAddress","postalCode":"3008"}},"datePosted":"2024-09-01"}
Please click here, if the job didn't load correctly.
Your browser does not support iframes. Please click <a href="https://www.acad.jobs/job.php?t_id=J000408026&redirect" target="_parent" style="color:#7A7A7A">here</a>, if the job didn't load correctly.
