• Análisis y modelado de datos: Aprovechar tus habilidades analíticas para identificar patrones, tendencias e información valiosa (insights) a partir de grandes conjuntos de datos. • Desarrollo y validación de modelos: Utilizar técnicas estándar de la industria para crear variables (features), limpiar conjuntos de datos y desarrollar pipelines para entrenar e implementar nuestros modelos, enfocados principalmente en modelos de clasificación. • Evaluación del riesgo crediticio: Evaluar el riesgo crediticio de posibles prestatarios utilizando los modelos desarrollados, asignando de manera efectiva puntajes de crédito (credit scores) o probabilidades de incumplimiento (Probability of Default - PD). Buscamos personas que piensen de manera innovadora; con frecuencia utilizamos datos alternativos para construir nuestros modelos, por lo que valoramos tanto las mejores prácticas de la industria como soluciones creativas. • Ingeniería de características (Feature Engineering): Identificar y crear variables relevantes que mejoren el poder predictivo de los modelos y representen adecuadamente la solvencia o capacidad crediticia de los individuos. • Colaboración interdisciplinaria: Trabajar en conjunto con otros equipos para proporcionar análisis, desarrollar modelos y participar en la toma de decisiones técnicas. • Monitoreo y evaluación del desempeño:  Supervisar continuamente el rendimiento de los modelos implementados, evaluar sus métricas y realizar los ajustes necesarios para adaptarlos a cambios en el comportamiento de los usuarios, las condiciones del mercado o la normativa aplicable. • Investigación e innovación: Mantenerse actualizado sobre los últimos avances en ciencia de datos y aprendizaje automático (Machine Learning), además de experimentar con nuevos enfoques para la evaluación del riesgo crediticio.

• You lead and oversee complex data science projects as an individual contributor • You translate complex business challenges into technical solutions • You design and develop the architecture used by the team for pipelines and services • You are the point of contact for your colleagues on technical matters

Role Description We are looking for a highly skilled Sr. Billing & Data Scientist with strong experience in billing systems, financial data analysis, automation, and business intelligence. The ideal candidate should have expertise in managing large-scale billing data, developing analytics solutions, and optimizing enterprise reporting processes. Qualifications - 8–10 Years of experience - Experience in billing systems and financial data analysis - Strong automation and business intelligence skills Requirements - Oracle SQL - PL/SQL - Power BI - Python - Hive SQL - Linux / Unix - Enterprise Billing Systems - Financial Reporting & Data Analysis - Data Validation & Reconciliation - Revenue Assurance & Process Optimization Benefits - Competitive salary: ₹22–28 LPA (Based on experience & expertise) - Remote work mode - Full-Time employment - Immediate to 15 Days notice period (Serving Notice Candidates) - Virtual interview mode

• Establish, lead, and continuously mature Catalight’s enterprise data governance program, policies, standards, and operating model • Define governance frameworks for data quality, metadata management, lineage, stewardship, access management, retention, and lifecycle management • Develop governance roadmaps and maturity strategies aligned with Catalight’s analytics, AI/ML, and data democratization objectives • Serve as the primary subject matter expert for HIPAA, PHI, PII, and healthcare data governance requirements within the Data & Analytics organization • Define and enforce data classification, handling, retention, masking, and access control standards for sensitive healthcare data • Partner with Security, Compliance, Legal, and Technology teams to ensure data governance practices align with regulatory and organizational requirements • Support audit readiness, compliance reporting, risk assessments, and remediation efforts related to healthcare and regulated data • Establish governance controls to ensure appropriate segregation and protection of sensitive and non-sensitive analytical environments