Вы думаете нанять Head of Data Science в свой ритейл-банк? Того самого, который построит модели, предскажет всё на свете и принесёт вам горы жёлтых кэшей? Ага, щас. Рынок завален кандидатами, которые с умным видом расскажут про градиентный бустинг, но если их спросить: «А сколько денег вы принесли прошлому банку?» — надуют щёки и уйдут в астрал.

🎯 Кого на самом деле ищем Не учёного с дипломом ШАДа. А человека, который решит три ваших кровавых бизнес-проблемы:

Убьёт невозвраты по кредитам хотя бы на 15% — без того, чтобы половина клиентов разбежалась.

Предскажет отток клиента за два месяца до того, как тот сменит симку.

Заставит персонализацию работать так, чтобы офферы не шли в корзину, а приносили реальные бабки.

Если кандидат этого не понимает — гоните в шею.

📊 Чем должен мыслить (метрики — не для галочки)

Gini модели — минимум 0,45, иначе ваш скоринг ничем не лучше гадания на кофейной гуще.

Чувствительность прогноза оттока — не ниже 70%. Упустите отток в 30% — попадёте на миллионы ушедщих клиентов.

ROI персонализированных кампаний — >200%. Всё что ниже — вы просто дарите деньги не тем людям.

Скорость выкатки в прод — две недели от идеи до теста. Кто полгода рисует модель в Jupyter — тот враг.

🕵️‍♂️ Ловите тройку вопросов, после которых теоретики извинятся и уйдут

«Вы улучшили скоринг, но одобрений стало меньше. Что делать?» ✅ Профи скажет про компромисс между точностью и полнотой, упомянет цену ошибки и порог отсечения. 🚨 Шарлатан: «Повысим порог!» — всё, конец связи.

«Модель нашла 10% отточников, а бюджет только на 3%. Как выбираете цели?» ✅ Профи: ранжирует по LTV и Incremental Lift, предложит малый тест. 🚨 Воздух: «Дайте больше денег на моделирование». Гоните.

«Почему AUC — не главная метрика для персонализации?» ✅ Профи: «AUC скрывает хвосты, нужен децильный Lift». 🚨 Ответ дилетанта: «AUC — это стандарт». Стандарт для тех, кто не понимает бизнеса.

📝 Тестовое задание — два часа на проверку в боевых условиях Дайте 10 тысяч транзакций и одно целевое действие. Пусть:

Посчитает uplift (прирост конверсии от персонализации).

Напишет три простых правила для прода.

Оценит ROI на миллион рублей. Итог: увидите, умеет ли человек возиться с реальными данными и считать деньги, а не абстрактные метрики.

🚩 Красные флаги

«Везде был виноват бизнес, IT, данные» — нытик и безответственность.

В резюме одни библиотеки, нет ни одного числа профита — продавец курсов.

На вопрос про A/B-тесты отвечает: «Мы как-то не сделали, потому что...» — этот «потому что» стоит миллионы. Бегите.

Запомните: в ритейл-банке бумажные модели не приносят денег. Вам нужен злой, прагматичный спец, который закатает рукава и скажет: «Вот это принесёт 20% профита за квартал, а это — фигня». Всё остальное — красивые презентации и потерянное время.