FULL_TIME
Paddle menawarkan pendekatan yang berbeda dari infrastruktur pembayaran kepada perusahaan produk digital. Alih-alih menyusun dan memelihara tumpukan aplikasi serta layanan pembayaran yang rumit, Paddle bertindak sebagai Merchant of Record bagi pelanggannya. Dengan demikian, Paddle menghilangkan 100% beban akibatfragmentasi pembayaran. Pendekatan ini lebih cepat, lebih aman, lebih murah, dan yang terpenting, jauh lebih baik. Paddle didukung investor termasuk KKR, FTV Capital, Kindred, Notion, dan 83North, serta melayani lebih dari 10.000 penjual perangkat lunak di 245 wilayah secara global.
Peran ini membangun sistem data, pengambilan keputusan, dan otomasi yang memungkinkan Paddle mengambil lebih banyak risiko yang baik sekaligus mengurangi kerugian owing fraud, g.customer yang tidak perlu, dan pekerjaan manual. Model Merchant of Record menjadikan risiko sebagai bagian penting dari produk dan ekonominya. Kualitas penjual, fraud pembeli, penerimaan pembayaran, pengembalian dana, sengketa, cadangan, serta eksposur terhadap skema kartu tidak dapat dioptimalkan secara terpisah.
Peran ini akan menghubungkan berbagai sinyal tersebut, mengidentifikasi nilai terbesar yang hilang, menerjemahkan prioritas risiko menjadi kontrol dan alur kerja yang operasional, membuktikan dampaknya di lingkungan produksi, serta menetapkan pemilik jangka panjang ketika sebuah kapabilitas menjadi berulang. Ini bukan peran yang hanya berfokus pada strategi dan bukan pula kepemilikan atas tim operasional yang besar. Peran ini bersifat hands-on di persimpangan antara risiko, data, produk, rekayasa, dan operasi.
SQL (Snowflake, dbt), Python, statistik, serta alat modern berbantuan AI akan digunakan secara langsung untuk menjelajahi data, menguji hipotesis, membuat prototipe kontrol, dan mengevaluasi hasilnya. Sistem risiko penjual akan dipetakan secara menyeluruh, termasuk data, keputusan, kontrol, pemilik, dan titik kegagalannya. Sebelum membangun, baseline perlu ditetapkan untuk kerugian fraud, produktivitas peringatan, waktu deteksi, eksposur saat deteksi, dan beban kerja analis, dengan kerugian direkonsiliasi bersama Finance.
Kontrol yang aktif harus dipelihara dengan rapi. Setiap aturan dan pemeriksaan harus memiliki pemilik, volume yang diharapkan, produktivitas yang terukur, serta peringatan ketika aktivitasnya menurun atau penyimpangan terjadi. Setiap perubahan harus diuji dan dampaknya dinilai sebelum dirilis. Pustaka kasus fraud terkonfirmasi yang berlabel dan taksonomi fraud bersama akan dibangun serta dipelihara sebagai dasar bagi aturan saat ini dan model machine learning bersama Data Science di kemudian hari.
Portofolio peluang risiko perlu disusun berdasarkan nilai. Masalah risiko harus diterjemahkan menjadi pekerjaan produk, data, dan rekayasa yang konkret dengan kriteria penerimaan yang dapat diukur. Tingkat risiko penjual akan dirancang untuk mengatur waktu pembayaran, cadangan, dan limit, sehingga penjual yang baik mendapat ruang lebih luas sementara kontrol diperketat bagi penjual berisiko lebih tinggi.
Aturan dan skor risiko akan diuji kembali menggunakan data titik waktu. Eksperimen kontrol, pengujian bayangan, dan penerapan bertahap dirancang untuk mengukur pengurangan kerugian serta dampaknya terhadap pelanggan yang sah. Artefak keputusan akan disiapkan agar pemimpin senior dapat mengambil keputusan regarding risk appetite, investasi rekayasa, pengalaman pelanggan, dan pertumbuhan komersial.
Setiap kapabilitas utama akan didampingi hingga berfungsi di produksi. Setelah itu, pemilik jangka panjang ditetapkan dan perhatian dapat dialihkan ke masalah bernilai tinggi berikutnya.
Hasil yang diharapkan setelah 6 bulan:
Setidaknya 1 perjalanan risiko penjual utama telah mengalami peningkatan material pada metrik agreed yang mencakup kerugian, persetujuan, kecepatan, atau beban kerja manual yang disepakati.
Fraud/Risk Operations spends significantly less time on repetitive screening and more time on investigation, judgement and improvement.
Stable capabilities have been handed to durable owners, leaving the role free to take on the next high-value problems.
Kandidat yang sesuai akan memiliki:
Pengalaman signifikan dalam membangun atau meningkatkan deteksi fraud sisi merchant atau penjual di PSP, acquirer, payfac, marketplace, atau Merchant of Record, serta pemahaman kerja mengenai bagaimana bust-out, transaction laundering, dan self-dealing tercermin dalam data.
Kemampuan analitis hands-on yang kuat,外向ience dalam SQL (Snowflake, dbt, atau sejenisnya), Python, dan statistik, serta pengalaman menggunakan LLM pada data tidak terstruktur seperti konten situs web atau tiket dukungan dengan akurasi yang terukur.
Pengalaman bekerja dengan sistem decision flow seperti Tactile.
Rekam jejak dalam mengubah masalah lintas fungsi yang ambigu menjadi sistem yang diadopsi dan menghasilkan hasil yang dapat diukur.
Pengalaman merancang, menguji kembali, dan menyetel aturan serta skor risiko menggunakan data titik waktu, serta mengevaluasinya ketika label arrive terlambat, tidak lengkap, dan bersifat adversarial.
Kecenderungan untuk memperlakukan kontrol sebagai sistem produksi, seperti menerapkan version control, pengujian, dan analisis dampak pada setiap perubahan, memantau sistem agar memberi tanda ketika aturan menjadi tidak aktif atau penyimpangan terjadi, serta menyediakan audit trail dengan eskalasi manusia untuk tindakan berdampak tinggi.
Kemampuan untuk menyatakan trade-off risiko dalam nilai uang, meliputi kerugian fraud, tingkat persetujuan, g.customer, biaya operasional, dan pendapatan dari kategori penjual yang saat ini ditolak, menggunakan metode yang dapat disetujui Finance.
Penjudgment yang baik dalam menentukan apakah suatu masalah memerlukan aturan, alur kerja, eksperimen, vendor, model, atau agen, atau justru tidak memerlukan semuanya.
Kemampuan untuk bekerja secara kredibel bersama investigator, operator, product manager, engineer, data scientist, dan eksekutif.
Ketenangan dalam challenging asumsi yang telah diwariskan, sambil tetap melibatkan orang-orang yang paling dekat dengan pekerjaan.
Orientasi yang lebih kuat pada menyelesaikan danichykirankan pekerjaan daripada membangun “kerajaan”.
Pengalaman di lingkungan Merchant of Record, pembayaran, marketplace, langganan, atau lingkungan transaksional adversarial lainnya akan menjadi nilai tambah, tetapi tidak diwajibkan.
Semua orang Welcome at Paddle
Di Paddle, kamifemcommitted untuk menghapus hambatan transparan, baik bagi pelanggan maupun di dalam tim kami sendiri. Kami mengakui dan merayakan bahwa setiap Paddler unik danModification setiap sudut pandang individu. Sebagai pemberi kerja yang inklusif, kami tidak peduli dari mana atau di mana Anda_dynamic sekolah, seperti apa penampilan Anda, atau dari mana asal Anda. Minat kami lebih besar pada keahlian, rasa ingin tahu,.passions untuk belajar, dan apa yang dapat Anda tambahkan pada budaya kami.
Kami鼓励 agar Anda tetap melamar meskipun tidak cocok dengan seluruh bagian lowongan, terutama jika Anda termasuk dalam kelompok yang kurang terwakili. Kami sangat-hookMdijk jika ada yang dapat kami lakukan untuk mendukung proses lamaran dan lingkungan kerja Anda dengan lebih baik. Kami akan melakukan segala yang mungkin untuk mendukung setiap akomodasi yang diperlukan. Kami committed untuk membangun tim yang beragam, di mana setiap orang merasa aman untuk menjadi versi autentik dirinya. Mari tumbuh bersama.
Why you’ll love working at Paddle
Kami adalah kelompok Paddler yang beragam dan terus berkembang, yang bangga dengan budaya kami yang transparan, kolaboratif, dan penuh rasa hormat. Kami menjiwai nilai-nilai kami:
Paddle Together: “Tidak satu pun dari kami sepandai gabungan kami semua”.
Paddle Simply: “Sederhana bisa lebih sulit daripada kompleks: Anda harus merapikan cara berpikir untuk membuatnya sederhana”.
Paddle for Others: “Kami dapat realisingExcerptKANGSIKhwa dreams terbesarnya, asalkan kami membantu cukup banyak orang untuk realising theirs”.
Kami menawarkan rangkaian manfaat lengkap, termasuk gaji yang menarik, opsi saham, libur tanpa batas, parental leave yang lebih panjang, rencana pensiun, layanan kesehatan swasta, dan inisiatif wellbeing. Kami执勤li-hat SESUDAH investing dalam pembelajaran dan akan membantu perkembangan pribadi Anda melalui eksposur konstan terhadap tantangan baru, dana belajar tahunan, serta pelatihan internal dan eksternal yang rutin.
Hubungan kerja di Paddle
Paddle adalah perusahaan “digital-first”. Artinya, setiap Paddler selalu bebas memilih tempat, waktu, dan cara bekerja di dalam lokasi hub kami. Kami mengakui bahwa cara setiap Paddler memberikan hasil kerja terbaik berbeda-beda, dan kami memberikan kepercayaan serta otonomi agar semua dapat bekerja dengan cara yang paling sesuai.
Kami juga menghargai kekuatan koneksi dan telah berinvestasi dalam global hub yang membantu komunitas lokal berkembang serta menyatukan kami untuk kolaborasi yang terfokus.
Hub Paddle:
Di Eropa: UK (markas utama di London), Portugal (hub di Lisbon), Belanda, dan Irlandia (hub di Dublin).
Di Amerika Utara: Austin, TX (USA) dan Toronto (Canada).
Di APAC: Singapura.
Filosofi hub kami menciptakan pengalaman yang menarik bagi setiap Paddler, di mana pun, kapan pun, dan bagaimana pun kami memilih untuk bekerja. Untuk mendukung hal ini, kami berfokus pada perekrutan di dalam hub dan selalu membuka lokasi yang tersedia untuk setiap posisi lowongan dalam deskripsi pekerjaan kami.
Staff Analyst - Risk and Fraud Systems
Paddle • UK
Gaji tidak dicantumkan
Deskripsi Pekerjaan
Ringkasan
- Perusahaan
- Paddle
- Lokasi
- UK
- Tipe kerja
- FULL_TIME
- Gaji
- Gaji tidak dicantumkan
- Tanggal tayang
- 11 Nov 2026
- Terlihat sejak
- 12 Nov 2026
Sumber & keterlacakan data
Jobicy (public board)Buka sumber asli ↗https://jobicy.com/jobs/161345-staff-analyst-risk-and-fraud-systems
Siap melamar? Langsung di sumber asli.Buka Halaman Lamaran
Lowongan Terkait Lainnya
FULL_TIMEKemarin
Senior Data Scientist (Applied ML) - Canada
NerdWallet • Canada
Gaji tidak dicantumkanLihat Detail →
FULL_TIMEKemarinSenior Data Scientist (Applied ML)
NerdWallet • USA
Gaji tidak dicantumkanLihat Detail →
FULL_TIMEKemarinSr. Data Scientist, Forward-Deployed
6sense • USA
Gaji tidak dicantumkanLihat Detail →
PART_TIME2dLead Machine Learning Scientist, FinCrime
Monzo • UK
Gaji tidak dicantumkanLihat Detail →