Berater Sanktionsscreening (m/w/d)

• Job reference no: 4080222
• Role type: Freelance
• Salary: €100 - €150 per hour €
• Location: Wiesbaden, Hessen, Deutschland

Apply for this job

Für unseren Kunden sind wir auf der Suche nach Unterstützung:

Rahmendaten:

Start: ASAP

Laufzeit: ca. 2 Monate

Auslastung: Teilzeit (2-3 Tage die Woche ca.)

Full Remote

Projektsprache: Deutsch & Englisch

Optimierung und Reduzierung des Trefferaufkommens im Sanktionsscreening mit NMT

Zielsetzung: Datenbasierte und risikoorientierte Reduzierung von False Positives bei angemessenem Erhalt der Erkennungsleistung für relevante Sanktionsrisiken.

• Sanktionsscreening im Zahlungsverkehr: Fundierte Praxiserfahrung im Screening von Zahlungsverkehr, insbesondere SEPA, SWIFT/TARGET und idealerweise Instant Payments.
• ACTICO NMT / Screening-Systeme: Sehr gute Kenntnisse von ACTICO Name Matching Transaction (NMT) oder vergleichbaren Screening-Systemen sowie Verständnis der Prozesskette Normalisierung, Selektion, Matching, Rating, Whitelisting und Trefferausnahmen.
• Name- und Fuzzy-Matching: Tiefgehende Kenntnisse einschlägiger Matching-Verfahren, insbesondere Jaro/Jaro-Winkler, JaroWinklerTFIDF, Double Metaphone sowie tokenbasierter Vergleiche.
• False-Positive-Optimierung: Nachgewiesene Erfahrung in der gezielten Reduzierung von False Positives, ohne die Erkennungsleistung für relevante Sanktionsrisiken unangemessen zu beeinträchtigen.
• Parameter- und Schwellenwertoptimierung: Erfahrung mit der Analyse und Optimierung von Matchingparametern und Mindest-Scores sowie mit der Bewertung ihrer Auswirkungen auf Trefferaufkommen und Trefferqualität.
• Normalisierung und Namensvarianten: Kenntnisse zu Noise Words, Aliasnamen, alternativen Schreibweisen, Phonetik, Titeln, Abkürzungen und Namensbestandteilen als Stellhebel der Trefferoptimierung.
• Sanktionslisten und Datenprovider: Gute Kenntnisse von Sanktionslisten und kommerziellen Listendatenprovidern, idealerweise World-Check einschließlich Keywords und Umbrella Keywords.
• Datenanalyse: Ausgeprägte Fähigkeit zur Analyse großer historischer Trefferbestände und zur Identifikation wesentlicher False-Positive-Treiber; idealerweise sehr gute Kenntnisse in SQL sowie Python oder R.
• Whitelisting und Trefferausnahmen: Erfahrung mit dem kontrollierten Einsatz von Whitelists, Trefferausnahmen und Trefferqualitäten zur Reduzierung wiederkehrender, nicht relevanter Treffer.
• Test und Validierung: Nachgewiesene Kompetenz in Vorher-/Nachher-Analysen, Positiv-/Negativtests und Regressionstests, um die Auswirkungen jeder Optimierung nachvollziehbar zu belegen.

SThree_Germany is acting as an Employment Business in relation to this vacancy.