- No elements found. Consider changing the search query.
āļāļąāļāļĐāļ°:
SAS
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Understand and ensure that business requirements, expectations and opportunities for business are identified, prioritized and represented in IT strategies, also identify the key success factors, current issues and potential solutions to measure the success of the project/strategies.
- Provide technical expertise in assessing IT applications and initiatives to improve and support business processes.
- Lead and provide solutions for application development throughout the lifecycle to b ...
- Manage Stakeholder Relationships: Lead workshops and discussions with business leaders, users, and external vendors to define project scope, manage expectations, and drive consensus.
- Architect the Future State: Lead the analysis and design of business processes, mapping the "AS-IS" state and architecting the optimal "TO-BE" solution.
- Translate requirements into blueprints: Convert high-level business needs into detailed functional specifications, user stories, and process flows for the development team.
- Document business requirements, test cases, and workflow, including training (e.g. SAS, In-House application development).
- Champion Technical Excellence: Provide expert guidance on the capabilities of IT applications and platforms, ensuring solutions are scalable, efficient, and secure.
- Work closely with business users and vendors to ensure the best practices of IT software development life cycles.
- Act as a focal point or Project manager, manage and coordinate the project team, project-related third-party relationships (e.g. offshore providers, Software vendors) deliver on its commitments from solution/vendor selection to go live.
- Enable Business Readiness: Drive business change management, process reengineering, and user training to ensure successful adoption of new solutions.
- Uphold Quality Standards: Lead user acceptance testing (UAT) to ensure software quality.
- Investigate and resolve application functionality-related issues, troubleshoot and identify modifications needed to meet business processes..
- Job QualificationsBachelor s degree in information technology, computer science, engineering, IT or a related field.
- Minimum of 5 years of hands-on experience in business analysis, system analysis or project management.
- Flexible, creative, and up-to-date in the Technology movement to create business solutions.
- Able to multitask and prioritize workload, supporting multiple projects.
- Demonstrable experience translating business logic into technical requirements and system diagrams.
- Proven experience in stakeholder management and influencing senior leaders.
- Good command in English (Minimum 750 TOEIC score).
- Goal-Oriented, Unity, Learning, Flexible.
āļāļąāļāļĐāļ°:
SAS, SQL, Python
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- āļ§āļļāļāļīāļāļēāļĢāļĻāļķāļāļĐāļēāļĢāļ°āļāļąāļāļāļĢāļīāļāļāļēāļāļĢāļĩāļāļķāđāļāđāļ āļāđāļēāļāļāļēāļĢāļāļąāļāļāļĩ āđāļĻāļĢāļĐāļāļĻāļēāļŠāļāļĢāđ āļŠāļāļīāļāļī MIS āļ§āļīāļĻāļ§āļāļĢāļĢāļĄāļāļāļĄāļāļīāļ§āđāļāļāļĢāđ āļ§āļīāļāļĒāļēāļāļēāļĢāļāļāļĄāļāļīāļ§āđāļāļāļĢāđ āļāļēāļĢāđāļāļīāļ āļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ āļ§āļīāļĻāļ§āļāļĢāļĢāļĄāļāļēāļĢāđāļāļīāļ āļŦāļĢāļ·āļāļŠāļēāļāļēāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļĄāļĩāļāļĢāļ°āļŠāļāļāļēāļĢāļāđ āļāđāļēāļāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļŠāļīāļāđāļāļ·āđāļ āļŦāļĢāļ·āļāļāļĢāļīāļŦāļēāļĢ Portfolio āļŦāļĢāļ·āļāļĄāļĩāļāļĢāļ°āļŠāļāļāļēāļĢāļāđāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ āļāļĒāđāļēāļāļāđāļāļĒ 3 āļāļĩ.
- āļŠāļēāļĄāļēāļĢāļāļ§āļīāđāļāļĢāļēāļ°āļŦāđāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļŦāļĢāļ·āļāļāļĢāļ°āđāļĄāļīāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ āđāļāļ·āđāļāđāļŦāđāļŠāļāļāļāļĨāđāļāļāļāļąāļāļāļļāļāļ āļēāļāļāļāļāļŠāļīāļāđāļāļ·āđāļāđāļĨāļ°āđāļāđāļēāļŦāļĄāļēāļĒāļāļāļāļāļāļāđāļāļĢ.
- āļĄāļĩāļāļ§āļēāļĄāļĢāļđāđāļāđāļēāļāļāļĨāļīāļāļ āļąāļāļāđāļŠāļīāļāđāļāļ·āđāļāļĢāļēāļĒāļĒāđāļāļĒ āđāļĨāļ°āļāļĢāļ°āļāļ§āļāļāļīāļāļēāļĢāļāļēāļŠāļīāļāđāļāļ·āđāļāļĢāļēāļĒāļĒāđāļāļĒ.
- āļŠāļēāļĄāļēāļĢāļāļāļģāđāļŠāļāļāđāļĨāļ°āļŠāļ·āđāļāļŠāļēāļĢāđāļāđāļāļĩ.
- āļŠāļēāļĄāļēāļĢāļāđāļāđāļ āļēāļĐāļēāļāļąāļāļāļĪāļĐāđāļāđāđāļāļĢāļ°āļāļąāļāļāļĩ.
- āļŠāļēāļĄāļēāļĢāļāđāļāđāđāļāļĢāđāļāļĢāļĄ SAS, SQL, MS āđāļāļīāļāļĨāļķāļ āđāļĨāļ° Python āđāļāđāļāļāđāļ..
- āļāđāļēāļāļŠāļēāļĄāļēāļĢāļāļāđāļēāļāđāļĨāļ°āļĻāļķāļāļĐāļēāļāđāļĒāļāļēāļĒāļāļ§āļēāļĄāđāļāđāļāļŠāđāļ§āļāļāļąāļ§āļāļāļāļāļāļēāļāļēāļĢāļāļĢāļļāļāđāļāļĒ āļāļģāļāļąāļ (āļĄāļŦāļēāļāļ) āļāļĩāđ https://krungthai.com/th/content/privacy-policy āļāļąāđāļāļāļĩāđ āļāļāļēāļāļēāļĢāđāļĄāđāļĄāļĩāđāļāļāļāļēāļŦāļĢāļ·āļāļāļ§āļēāļĄāļāļģāđāļāđāļāđāļāđ āļāļĩāđāļāļ°āļāļĢāļ°āļĄāļ§āļĨāļāļĨāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§ āļĢāļ§āļĄāļāļķāļāļāđāļāļĄāļđāļĨāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļĻāļēāļŠāļāļēāđāļĨāļ°/āļŦāļĢāļ·āļāļŦāļĄāļđāđāđāļĨāļŦāļīāļ āļāļķāđāļāļāļēāļāļāļĢāļēāļāļāļāļĒāļđāđāđāļāļŠāļģāđāļāļēāļāļąāļāļĢāļāļĢāļ°āļāļģāļāļąāļ§āļāļĢāļ°āļāļēāļāļāļāļāļāļāđāļēāļāđāļāđāļāļĒāđāļēāļāđāļ āļāļąāļāļāļąāđāļ āļāļĢāļļāļāļēāļāļĒāđāļēāļāļąāļāđāļŦāļĨāļāđāļāļāļŠāļēāļĢāđāļāđ āļĢāļ§āļĄāļāļķāļāļŠāļģāđāļāļēāļāļąāļāļĢāļāļĢāļ°āļāļģāļāļąāļ§āļāļĢāļ°āļāļēāļāļ āļŦāļĢāļ·āļāļāļĢāļāļāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§āļŦāļĢāļ·āļāļāđāļāļĄāļđāļĨāļāļ·āđāļāđāļ āļāļķāđāļāđāļĄāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļŦāļĢāļ·āļāđāļĄāđāļāļģāđāļāđāļāļŠāļģāļŦāļĢāļąāļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāđāļāļāļēāļĢāļŠāļĄāļąāļāļĢāļāļēāļāđāļ§āđāļāļāđāļ§āđāļāđāļāļāđ āļāļāļāļāļēāļāļāļĩāđ āļāļĢāļļāļāļēāļāļģāđāļāļīāļāļāļēāļĢāđāļŦāđāđāļāđāđāļāļ§āđāļēāđāļāđāļāļģāđāļāļīāļāļāļēāļĢāļĨāļāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§ (āļāđāļēāļĄāļĩ) āļāļāļāļāļēāļāđāļĢāļāļđāđāļĄāđāđāļĨāļ°āđāļāļāļŠāļēāļĢāļāļ·āđāļāđāļāļāđāļāļāļāļĩāđāļāļ°āļāļąāļāđāļŦāļĨāļāđāļāļāļŠāļēāļĢāļāļąāļāļāļĨāđāļēāļ§āđāļ§āđāļāļāđāļ§āđāļāđāļāļāđāđāļĨāđāļ§āļāđāļ§āļĒ āļāļąāđāļāļāļĩāđ āļāļāļēāļāļēāļĢāļĄāļĩāļāļ§āļēāļĄāļāļģāđāļāđāļāļāđāļāļāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄāļāļāļāļāđāļēāļāđāļāļ·āđāļāļāļĢāļĢāļĨāļļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāđāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļĢāļąāļāļāļļāļāļāļĨāđāļāđāļēāļāļģāļāļēāļ āļŦāļĢāļ·āļāļāļēāļĢāļāļĢāļ§āļāļŠāļāļāļāļļāļāļŠāļĄāļāļąāļāļī āļĨāļąāļāļĐāļāļ°āļāđāļāļāļŦāđāļēāļĄ āļŦāļĢāļ·āļāļāļīāļāļēāļĢāļāļēāļāļ§āļēāļĄāđāļŦāļĄāļēāļ°āļŠāļĄāļāļāļāļāļļāļāļāļĨāļāļĩāđāļāļ°āđāļŦāđāļāļģāļĢāļāļāļģāđāļŦāļāđāļ āļāļķāđāļāļāļēāļĢāđāļŦāđāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļ·āđāļāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄ āđāļāđ āļŦāļĢāļ·āļāđāļāļīāļāđāļāļĒāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄāļāļāļāļāđāļēāļāļĄāļĩāļāļ§āļēāļĄāļāļģāđāļāđāļāļŠāļģāļŦāļĢāļąāļāļāļēāļĢāđāļāđāļēāļāļģāļŠāļąāļāļāļēāđāļĨāļ°āļāļēāļĢāđāļāđāļĢāļąāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļāļēāļĄāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāļāļąāļāļāļĨāđāļēāļ§āļāđāļēāļāļāđāļ āđāļāļāļĢāļāļĩāļāļĩāđāļāđāļēāļāđāļĄāđāđāļŦāđāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļāļēāļĢāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄ āđāļāđ āļŦāļĢāļ·āļāđāļāļīāļāđāļāļĒāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄ āļŦāļĢāļ·āļāļĄāļĩāļāļēāļĢāļāļāļāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļ āļēāļĒāļŦāļĨāļąāļ āļāļāļēāļāļēāļĢāļāļēāļāđāļĄāđāļŠāļēāļĄāļēāļĢāļāļāļģāđāļāļīāļāļāļēāļĢāđāļāļ·āđāļāļāļĢāļĢāļĨāļļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāļāļąāļāļāļĨāđāļēāļ§āļāđāļēāļāļāđāļāđāļāđ āđāļĨāļ°āļāļēāļ āļāļģāđāļŦāđāļāđāļēāļāļŠāļđāļāđāļŠāļĩāļĒāđāļāļāļēāļŠāđāļāļāļēāļĢāđāļāđāļĢāļąāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļĢāļąāļāđāļāđāļēāļāļģāļāļēāļāļāļąāļāļāļāļēāļāļēāļĢ .
āļāļąāļāļĐāļ°:
Risk Management, Accounting, SAS
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- āļāļģāļŦāļāļāļāļĢāļāļāļāđāļĒāļāļēāļĒ āđāļĨāļ°āļāļĢāļ°āļāļ§āļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļ āļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļŠāļ āļēāļāļāļĨāđāļāļ āđāļĨāļ°āļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļđāđāļāđāļēāļāļāļāļāļāļēāļāļēāļĢ āļāļēāļĄāļŦāļĨāļąāļāđāļāļāļāđāļāļāļāļāļāļēāļāļēāļĢāđāļŦāđāļāļāļĢāļ°āđāļāļĻāđāļāļĒ āđāļĨāļ°āļŠāļāļāļāļĨāđāļāļāļāļąāļāļāļĨāļĒāļļāļāļāđāļāļāļāļāļāļēāļāļēāļĢ.
- āļāļđāđāļĨāļāļēāļĢāļāļāļīāļāļąāļāļīāļāļēāļāđāļŦāđāđāļāđāļāđāļāļāļēāļĄāļāļĢāļāļāļāđāļĒāļāļēāļĒ āđāļĨāļ°āļāļĢāļ°āļāļ§āļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ (āļĢāļ°āļāļļāļāļĢāļ°āđāļĄāļīāļ āļāļ§āļāļāļļāļĄ āļāļīāļāļāļēāļĄ āđāļĨāļ°āļĢāļēāļĒāļāļēāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ) āļāļĩāđāļāļģāļŦāļāļ.
- āđāļŦāđāļāļ§āļēāđāļŦāđāļāđāļāļĩāđāļĒāļ§āļāļąāļāļāļēāļĢāļāļāļāđāļāļāļāļĨāļīāļāļ āļąāļāļāđāļŦāđāļāļāļāđāļēāđāļŦāđāļŠāļāļāļāļĨāđāļāļāļāļąāļāļāđāļĒāļāļēāļĒāđāļĨāļ°āļĢāļ°āđāļāļĩāļĒāļāļāļāļāļāļāļēāļāļēāļĢ.
- āļāļđāđāļĨāļāļĢāļ°āļāļ§āļāļāļēāļĢ Risk Monitoring āļāļāļāļŦāļāđāļ§āļĒāļāļēāļ āļĢāļ§āļĄāļāļķāļāļāļēāļĢāļĢāļēāļĒāļāļēāļ āđāļĨāļ°āļāļēāļĢ Alert āļāđāļāļāļđāđāļāļĢāļīāļŦāļēāļĢāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāđāļŦāđāļĄāļĩāļāļ§āļēāļĄāđāļŦāļĄāļēāļ°āļŠāļĄ.
- āļāļēāļāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļąāļāļāļĩāđāļāļ·āđāļāļāļēāļĢāļāļāļēāļāļēāļĢāđāļĨāļ°āļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļŠāļ āļēāļāļāļĨāđāļāļ.
- āļ§āļīāđāļāļĢāļ°āļŦāđ āļāļĢāļ°āđāļĄāļīāļ āļāļīāļāļāļēāļĄāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļāļāļāļāļāļąāļāļāļĩāđāļāļ·āđāļāļāļēāļĢāļāļāļēāļāļēāļĢ (Banking Book) āđāļĨāļ°āļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļŠāļ āļēāļāļāļĨāđāļāļ āđāļĨāļ°āļāļąāļāļāļģāļĢāļēāļĒāļāļēāļāđāļŠāļāļāļāđāļāļāļđāđāļāļĢāļīāļŦāļēāļĢāđāļĨāļ°āļāļāļ°āļāļĢāļĢāļĄāļāļēāļĢāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļāļģāļŦāļāļāđāļāļāļēāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ āđāļĨāļ°āļāļĢāļ°āļŠāļēāļāļāļēāļāļāļąāļāļŦāļāđāļ§āļĒāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ āđāļāļ·āđāļāļāļģāļŦāļāļāđāļāļ§āļāļēāļāļāļąāļāļāļēāļĢ / āļĨāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ.
- āļāļ§āļāļāļļāļĄ āđāļĨāļ°āļāļđāđāļĨāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļāļāļāļāļāļąāļāļāļĩāđāļāļ·āđāļāļāļēāļĢāļāļāļēāļāļēāļĢ āđāļĨāļ°āļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļŠāļ āļēāļāļāļĨāđāļāļāđāļŦāđāļāļĒāļđāđāļ āļēāļĒāđāļāđāđāļāļāļēāļ āļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļĩāđāļāļāļēāļāļēāļĢāļĒāļāļĄāļĢāļąāļāđāļāđ.
- āļāļąāļāļāļģāļāļąāļāļāļĩāļāđāļāļāļāļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ (Hedge Accounting) āļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļāļąāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ.
- āļāļēāļāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļąāļāļāļĩāđāļāļ·āđāļāļāļēāļĢāļāđāļē.
- āļ§āļīāđāļāļĢāļēāļ°āļŦāđ āļāļĢāļ°āđāļĄāļīāļ āļāļīāļāļāļēāļĄāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļāļāļāļāļāļąāļāļāļĩāđāļāļ·āđāļāļāļēāļĢāļāđāļē (Trading Book) āđāļĨāļ°āļāļąāļāļāļģāļĢāļēāļĒāļāļēāļāđāļŠāļāļāļāđāļ āļāļđāđāļāļĢāļīāļŦāļēāļĢāđāļĨāļ°āļāļāļ°āļāļĢāļĢāļĄāļāļēāļĢāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļāļģāļŦāļāļāđāļāļāļēāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļāļāļāļāļāļąāļāļāļĩāđāļāļ·āđāļāļāļēāļĢāļāđāļē āđāļĨāļ°āļāļĢāļ°āļŠāļēāļāļāļēāļāļāļąāļāļŦāļāđāļ§āļĒāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ āđāļāļ·āđāļāļāļģāļŦāļāļ āđāļāļ§āļāļēāļāļāļąāļāļāļēāļĢ / āļĨāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ.
- āļāļ§āļāļāļļāļĄ āđāļĨāļ°āļāļđāđāļĨāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļāļāļāļāļāļąāļāļāļĩāđāļāļ·āđāļāļāļēāļĢāļāđāļēāđāļŦāđāļāļĒāļđāđāļ āļēāļĒāđāļāđāđāļāļāļēāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļĩāđāļāļāļēāļāļēāļĢāļĒāļāļĄāļĢāļąāļāđāļāđ.
- āđāļŦāđāļāļģāđāļāļ°āļāļģ āđāļĨāļ°āļāļģāļāļĢāļķāļāļĐāļēāđāļāļĩāđāļĒāļ§āļāļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļāļŠāļģāļŦāļĢāļąāļāļāļĨāļīāļāļ āļąāļāļāđāļāļēāļāļāļēāļĢāđāļāļīāļāļāļĩāđāļāļāļāđāļŦāļĄāđ āļāļēāļĢāļāļąāļāļāļēāļĢāļđāļāđāļāļ āļāļĨāļīāļāļ āļąāļāļāđ āđāļĨāļ°āļāļĢāļ°āļāļ§āļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ.
- āļāļĢāļ°āđāļĄāļīāļāđāļāļīāļāļāļāļāļāļļāļāđāļāļ·āđāļāļĢāļāļāļĢāļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļāđāļŦāđāđāļāđāļāđāļāļāļēāļĄāļāļĩāđāļāļēāļāļāļēāļĢāļāļģāļŦāļāļ.
- āļāļēāļāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļđāđāļāđāļē.
- āļ§āļīāđāļāļĢāļēāļ°āļŦāđ āļāļĢāļ°āđāļĄāļīāļ āđāļĨāļ°āļāļīāļāļāļēāļĄāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļđāđāļāđāļē āđāļĨāļ°āļāļąāļāļāļģāļĢāļēāļĒāļāļēāļāđāļŠāļāļāļāđāļāļāļđāđāļāļĢāļīāļŦāļēāļĢāđāļĨāļ°āļāļāļ°āļāļĢāļĢāļĄāļāļēāļĢāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļāļđāđāļĨāļĢāļ°āļāļāļāļēāļāļāļāļāļŦāđāļāļāļāđāļēāđāļāļŠāđāļ§āļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļāļąāļāļāļēāļāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļđāđāļāđāļē.
- āđāļŦāđāļāļģāđāļāļ°āļāļģ āđāļĨāļ°āļāļģāļāļĢāļķāļāļĐāļēāđāļāļĩāđāļĒāļ§āļāļąāļāļāļļāļĢāļāļĢāļĢāļĄāļāļāļāļŦāđāļāļāļāđāļēāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļđāđāļāđāļē āļŠāļģāļŦāļĢāļąāļāļāļĨāļīāļāļ āļąāļāļāđāļāļēāļāļāļēāļĢāđāļāļīāļāļāļĩāđāļāļāļāđāļŦāļĄāđ āļāļēāļĢāļāļąāļāļāļēāļĢāļđāļāđāļāļāļāļĨāļīāļāļ āļąāļāļāđ āđāļĨāļ°āļāļĢāļ°āļāļ§āļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļđāđāļāđāļē.
- āļāļĢāļ°āđāļĄāļīāļāļāđāļēāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļēāļāļāļēāļĢāļāļĢāļąāļāļāļļāļāļ āļēāļāđāļāļĢāļāļīāļāļāļāļāļāļđāđāļŠāļąāļāļāļē (Credit Valuation Adjustment: CVA) āļāļąāđāļāđāļāļŠāđāļ§āļāļāļāļ Pre-deal CVA āļŠāļģāļŦāļĢāļąāļāļāļĢāļ°āļāļāļāļāļēāļĢ Pricing āļāļļāļĢāļāļĢāļĢāļĄāļāļāļļāļāļąāļāļāđ āđāļĨāļ° Accounting CVA āļāļēāļĄāļĄāļēāļāļĢāļāļēāļāļĢāļēāļĒāļāļēāļāļāļēāļāļāļēāļĢāđāļāļīāļāļŠāļģāļŦāļĢāļąāļāļāļģāļŠāđāļāļāđāļēāļĒāļāļēāļĢāļāļąāļāļāļĩ.
- āļāļģāļāļ§āļāļĄāļđāļĨāļāđāļēāđāļāļĩāļĒāļāđāļāđāļēāļŠāļīāļāļāļĢāļąāļāļĒāđāđāļāļāļāļāļļāļĨ (Credit Equivalent Amount-CEA) āļŠāļģāļŦāļĢāļąāļāļāļļāļĢāļāļĢāļĢāļĄ Derivatives āđāļĨāļ°āļāļļāļĢāļāļĢāļĢāļĄ Repurchase Agreement āđāļāļ·āđāļāļāļĢāļ°āļāļāļāļāļēāļĢāļāļģāļāļ§āļāļŠāļīāļāļāļĢāļąāļāļĒāđāđāļŠāļĩāđāļĒāļāļāđāļēāļāđāļāļĢāļāļīāļāļāļāļāļāļđāđāļŠāļąāļāļāļēāđāļĨāļ°āļŦāļĨāļąāļāđāļāļāļāđāļāļēāļĢāļāļģāļāļąāļāļĨāļđāļāļŦāļāļĩāđāļĢāļēāļĒāđāļŦāļāđ (Single Lending Limit).
- āļāļēāļāļŠāļāļąāļāļŠāļāļļāļāļĢāļ°āļāļāļāļēāļ.
- āļāļģāļŦāļāđāļēāļāļĩāđ Administrator āđāļĨāļ° Setup Parameter āļĢāļ°āļāļāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļāļąāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļĩāđāļĢāļąāļāļāļīāļāļāļāļāđāļāļĒ āļāđāļēāļĒāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļ āđāļāđāļ KRM, āļĢāļ°āļāļāļŦāđāļāļāļāđāļēāđāļāļīāļ, Reuters āđāļĨāļ° Bloomberg āđāļāđāļāļāđāļ.
- āļāļĢāļ°āļŠāļēāļāļāļēāļāļĢāļ°āļŦāļ§āđāļēāļāļāļđāđāđāļāđāđāļĨāļ°āļŦāļāđāļ§āļĒāļāļēāļ IT āđāļāļ·āđāļāđāļŦāđāļāļēāļĢāļŠāļāļąāļāļŠāļāļļāļāļāļļāļāļāđāļēāļāđāļāļĩāđāļĒāļ§āļāļąāļāļāļēāļĢāđāļāđāļāļēāļāļĢāļ°āļāļāļāļēāļāļāļĨāļāļāļāļāļāļēāļĢ āļāļĢāļąāļāļāļĢāļļāļ āđāļāđāđāļāļĢāļ°āļāļāļāļēāļ.
- āļāļĢāļ§āļāļŠāļāļāļāđāļāļĄāļđāļĨāļāļąāļāļĢāļ°āļāļāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ āļāļĢāļ°āļāļāļĒāļāļ āđāļĨāļ°āđāļāđāđāļ/āļāļĢāļąāļāļāļĢāļļāļ Market Data āđāļŦāđāļāļđāļāļāđāļāļāđāļŦāļĄāļēāļ°āļŠāļĄ.
- āļāļēāļāļāļĢāļ°āđāļĄāļīāļāļĄāļđāļĨāļāđāļēāļāļļāļĢāļāļĢāļĢāļĄāđāļĨāļ°āļāđāļāļĄāļđāļĨ.
- āļĻāļķāļāļĐāļēāļ§āļīāđāļāļĢāļēāļ°āļŦāđāļāļ§āļēāļĄāļāđāļāļāļāļēāļĢ Data āđāļāļ·āđāļāđāļāđāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ āļĢāļ§āļĄāļāļķāļāļāļēāļĢāļāļąāļāļāļģ Data Specification āđāļāđāļ Position Data āđāļĨāļ° Market Data āđāļāđāļāļāđāļ āđāļāļ·āđāļāļĢāļāļāļĢāļąāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļ āļāļ§āļģāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļŠāļ āļēāļ āļāļĨāđāļāļ āđāļĨāļ°āļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļđāđāļāđāļē āđāļĨāļ°āļāļēāļĢāļāļģāļāļ§āļāđāļāļīāļāļāļāļāļāļļāļāđāļāļ·āđāļāļĢāļāļāļĢāļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļēāļ.
- āļāļĢāļ§āļāļŠāļāļāļāđāļāļĄāļđāļĨāļāļąāļāļĢāļ°āļāļāļāļēāļ/āļĢāļēāļĒāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ āļĢāļ§āļĄāļāļķāļāļāļĢāļ°āļāļāļĒāļāļ āđāļĨāļ°āđāļāđāđāļ/āļāļĢāļąāļāļāļĢāļļāļ Position Data āđāļŦāđāļāļđāļāļāđāļāļāđāļŦāļĄāļēāļ°āļŠāļĄ.
- āļāļĢāļ°āđāļĄāļīāļ āđāļĨāļ°āļāļĢāļ§āļāļŠāļāļāļ§āļīāļāļĩāļāļēāļĢāļāļĢāļ°āđāļĄāļīāļāļĄāļđāļĨāļāđāļē (Pricing) āļāļāļāļĢāļ°āļāļāļāļēāļāļāļāļāļŦāđāļāļāļāđāļē āļāļĢāđāļāļĄāļāļąāđāļāļāļĢāļ°āđāļĄāļīāļāļĄāļđāļĨāļāđāļēāļāļēāļĄāļĢāļēāļāļēāļāļĨāļēāļ (Mark to Market) āđāļĨāļ°āļāļēāļĄāđāļāļāļāļģāļĨāļāļ (Mark to Model) āļāļāļāļāļļāļĢāļāļĢāļĢāļĄāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļāļāļīāļāļąāļāļīāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļ āļēāļĒāđāļāđāļŠāļąāļāļāļē Credit Support Annex (CSA) āđāļāđāļ āļāļāļāļ§āļāļāļ§āļēāļĄāđāļŦāļĄāļēāļ°āļŠāļĄāļāļāļāļāļĨ Mark to Market āļāļāļāļāļđāđāļŠāļąāļāļāļē āđāļāđāļāļāđāļ.
- āļ§āļļāļāļīāļāļēāļĢāļĻāļķāļāļĐāļēāļĢāļ°āļāļąāļāļāļĢāļīāļāļāļēāļāļĢāļĩāļāļķāđāļāđāļ āļāđāļēāļāļāļĢāļīāļŦāļēāļĢāļāļļāļĢāļāļīāļ āđāļĻāļĢāļĐāļāļĻāļēāļŠāļāļĢāđ āļŠāļēāļāļēāļāļēāļĢāļāļąāļāļāļĩ āļŠāļēāļāļēāļāļēāļĢāđāļāļīāļ āļŠāļēāļāļēāļŠāļāļīāļāļī āļŠāļēāļāļēāļāļāļĄāļāļīāļ§āđāļāļāļĢāđ āļŠāļēāļāļēāļāļēāļĢāļāļĨāļēāļ āļŦāļĢāļ·āļāļŠāļēāļāļēāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļĄāļĩāļāļ§āļēāļĄāļĢāļāļāļĢāļđāđāđāļāļāļļāļĢāļāļīāļāļāļāļēāļāļēāļĢ āļāļĨāļīāļāļ āļąāļāļāđāđāļĨāļ°āļāļĢāļīāļāļēāļĢ āļĢāļ§āļĄāļāļķāļāļĄāļĩāļāļ§āļēāļĄāļĢāļđāđāļāđāļēāļāļŠāļīāļāđāļāļ·āđāļāļāļēāļĢāļāļĨāļēāļ āđāļĨāļ°āļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļąāļāļāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļĩāđāļāļĒāļđāđāđāļāļāļ§āļēāļĄāļĢāļąāļāļāļīāļāļāļāļ.
- āļĄāļĩāļāļ§āļēāļĄāļĢāļđāđāļāļ§āļēāļĄāđāļāđāļēāđāļāđāļāļāļ āļĢāļ°āđāļāļĩāļĒāļ āļāđāļĒāļāļēāļĒ āļŦāļĨāļąāļāđāļāļāļāđāļĄāļēāļāļĢāļāļēāļāļŠāļēāļāļĨ āļāđāļēāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ.
- āļĄāļĩāļāļ§āļēāļĄāļĢāļđāđāļāđāļēāļāļāļĨāļēāļāđāļāļīāļāđāļĨāļ°āļāļĨāļēāļāļāļļāļ.
- āļŠāļēāļĄāļēāļĢāļāđāļāđāļ āļēāļĐāļēāļāļąāļāļāļĪāļĐāđāļāđāđāļāļĢāļ°āļāļąāļāļāļĩ.
- āļŠāļēāļĄāļēāļĢāļāđāļāđāļāļāļĄāļāļīāļ§āđāļāļāļĢāđāđāļāđāđāļāđāļāļāļĒāđāļēāļāļāļĩ.
- āļŠāļēāļĄāļēāļĢāļāđāļāđāđāļāļĢāđāļāļĢāļĄ R, SAS, SQL, MS āđāļāļīāļāļĨāļķāļ āđāļĨāļ° Python āđāļāđāļāļāđāļ..
- āļāđāļēāļāļŠāļēāļĄāļēāļĢāļāļāđāļēāļāđāļĨāļ°āļĻāļķāļāļĐāļēāļāđāļĒāļāļēāļĒāļāļ§āļēāļĄāđāļāđāļāļŠāđāļ§āļāļāļąāļ§āļāļāļāļāļāļēāļāļēāļĢāļāļĢāļļāļāđāļāļĒ āļāļģāļāļąāļ (āļĄāļŦāļēāļāļ) āļāļĩāđ https://krungthai.com/th/content/privacy-policy āļāļąāđāļāļāļĩāđ āļāļāļēāļāļēāļĢāđāļĄāđāļĄāļĩāđāļāļāļāļēāļŦāļĢāļ·āļāļāļ§āļēāļĄāļāļģāđāļāđāļāđāļāđ āļāļĩāđāļāļ°āļāļĢāļ°āļĄāļ§āļĨāļāļĨāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§ āļĢāļ§āļĄāļāļķāļāļāđāļāļĄāļđāļĨāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļĻāļēāļŠāļāļēāđāļĨāļ°/āļŦāļĢāļ·āļāļŦāļĄāļđāđāđāļĨāļŦāļīāļ āļāļķāđāļāļāļēāļāļāļĢāļēāļāļāļāļĒāļđāđāđāļāļŠāļģāđāļāļēāļāļąāļāļĢāļāļĢāļ°āļāļģāļāļąāļ§āļāļĢāļ°āļāļēāļāļāļāļāļāļāđāļēāļāđāļāđāļāļĒāđāļēāļāđāļ āļāļąāļāļāļąāđāļ āļāļĢāļļāļāļēāļāļĒāđāļēāļāļąāļāđāļŦāļĨāļāđāļāļāļŠāļēāļĢāđāļāđ āļĢāļ§āļĄāļāļķāļāļŠāļģāđāļāļēāļāļąāļāļĢāļāļĢāļ°āļāļģāļāļąāļ§āļāļĢāļ°āļāļēāļāļ āļŦāļĢāļ·āļāļāļĢāļāļāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§āļŦāļĢāļ·āļāļāđāļāļĄāļđāļĨāļāļ·āđāļāđāļ āļāļķāđāļāđāļĄāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļŦāļĢāļ·āļāđāļĄāđāļāļģāđāļāđāļāļŠāļģāļŦāļĢāļąāļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāđāļāļāļēāļĢāļŠāļĄāļąāļāļĢāļāļēāļāđāļ§āđāļāļāđāļ§āđāļāđāļāļāđ āļāļāļāļāļēāļāļāļĩāđ āļāļĢāļļāļāļēāļāļģāđāļāļīāļāļāļēāļĢāđāļŦāđāđāļāđāđāļāļ§āđāļēāđāļāđāļāļģāđāļāļīāļāļāļēāļĢāļĨāļāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§ (āļāđāļēāļĄāļĩ) āļāļāļāļāļēāļāđāļĢāļāļđāđāļĄāđāđāļĨāļ°āđāļāļāļŠāļēāļĢāļāļ·āđāļāđāļāļāđāļāļāļāļĩāđāļāļ°āļāļąāļāđāļŦāļĨāļāđāļāļāļŠāļēāļĢāļāļąāļāļāļĨāđāļēāļ§āđāļ§āđāļāļāđāļ§āđāļāđāļāļāđāđāļĨāđāļ§āļāđāļ§āļĒ āļāļąāđāļāļāļĩāđ āļāļāļēāļāļēāļĢāļĄāļĩāļāļ§āļēāļĄāļāļģāđāļāđāļāļāđāļāļāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄāļāļāļāļāđāļēāļāđāļāļ·āđāļāļāļĢāļĢāļĨāļļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāđāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļĢāļąāļāļāļļāļāļāļĨāđāļāđāļēāļāļģāļāļēāļ āļŦāļĢāļ·āļāļāļēāļĢāļāļĢāļ§āļāļŠāļāļāļāļļāļāļŠāļĄāļāļąāļāļī āļĨāļąāļāļĐāļāļ°āļāđāļāļāļŦāđāļēāļĄ āļŦāļĢāļ·āļāļāļīāļāļēāļĢāļāļēāļāļ§āļēāļĄāđāļŦāļĄāļēāļ°āļŠāļĄāļāļāļāļāļļāļāļāļĨāļāļĩāđāļāļ°āđāļŦāđāļāļģāļĢāļāļāļģāđāļŦāļāđāļ āļāļķāđāļāļāļēāļĢāđāļŦāđāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļ·āđāļāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄ āđāļāđ āļŦāļĢāļ·āļāđāļāļīāļāđāļāļĒāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄāļāļāļāļāđāļēāļāļĄāļĩāļāļ§āļēāļĄāļāļģāđāļāđāļāļŠāļģāļŦāļĢāļąāļāļāļēāļĢāđāļāđāļēāļāļģāļŠāļąāļāļāļēāđāļĨāļ°āļāļēāļĢāđāļāđāļĢāļąāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļāļēāļĄāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāļāļąāļāļāļĨāđāļēāļ§āļāđāļēāļāļāđāļ āđāļāļāļĢāļāļĩāļāļĩāđāļāđāļēāļāđāļĄāđāđāļŦāđāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļāļēāļĢāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄ āđāļāđ āļŦāļĢāļ·āļāđāļāļīāļāđāļāļĒāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄ āļŦāļĢāļ·āļāļĄāļĩāļāļēāļĢāļāļāļāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļ āļēāļĒāļŦāļĨāļąāļ āļāļāļēāļāļēāļĢāļāļēāļāđāļĄāđāļŠāļēāļĄāļēāļĢāļāļāļģāđāļāļīāļāļāļēāļĢāđāļāļ·āđāļāļāļĢāļĢāļĨāļļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāļāļąāļāļāļĨāđāļēāļ§āļāđāļēāļāļāđāļāđāļāđ āđāļĨāļ°āļāļēāļ āļāļģāđāļŦāđāļāđāļēāļāļŠāļđāļāđāļŠāļĩāļĒāđāļāļāļēāļŠāđāļāļāļēāļĢāđāļāđāļĢāļąāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļĢāļąāļāđāļāđāļēāļāļģāļāļēāļāļāļąāļāļāļāļēāļāļēāļĢ ".
āļāļąāļāļĐāļ°:
SAS, SQL, Python
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- āļāļąāļāļāļģāļāđāļĒāļāļēāļĒāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāđāļāļĢ āđāļĨāļ°āļāđāļĒāļāļēāļĒāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļāļĨāļĒāļļāļāļāđ.
- āļ§āļīāđāļāļĢāļēāļ°āļŦāđāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļāļēāļāļēāļĢāđāļāļĢāļ°āļāļąāļāļāļāļāđāļāļĢāļāļĩāđāļāļēāļāļĄāļĩāļāļĨāļāđāļāļāļēāļāļ°āļāļēāļĢāđāļāļīāļāđāļĨāļ°āļāļĨāļāļēāļĢāļāļģāđāļāļīāļāļāļēāļāļāļāļāļāļāļēāļāļēāļĢ.
- āļ§āļīāđāļāļĢāļēāļ°āļŦāđāđāļāļ§āđāļāđāļĄāļāļēāļĢāđāļāļĨāļĩāđāļĒāļāđāļāļĨāļāļāļēāļāļāļēāļĢāđāļāļīāļāļāļĩāđāļŠāļģāļāļąāļāļāļĩāđāļāļēāļāļŠāđāļāļāļĨāļāđāļāļāļĢāļ°āļĄāļēāļāļāļēāļĢāļāļēāļāļāļēāļĢāđāļāļīāļ āļāļēāļāļ°āļāļīāļāļāļēāļĢāđāļĨāļ°āļāļēāļĢāļāļĢāļĢāļĨāļļāđāļāđāļēāļŦāļĄāļēāļĒāļāļēāļāļāļēāļĢāđāļāļīāļāļāļāļāļāļāļēāļāļēāļĢ āļāļąāļāļāļģāļāļĢāļāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļĢāļ°āļāļąāļāļāļāļāđāļāļĢāļāļĩāđāļŠāļāļāļāļĨāđāļāļāļāļąāļāļŦāļĨāļąāļāđāļāļāļāđ COSO āđāļĨāļ° Basel āļāļĢāđāļāļĄāļāļąāđāļāļāļģāļŦāļāļ Risk Appetite āđāļĨāļ° Risk Tolerance.
- āļāļąāļāļāļģ Portfolio view of risk āđāļāļ·āđāļāđāļāđāđāļāđāļāđāļāļ§āļāļēāļāđāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļāļēāļāļēāļĢāđāļŦāđāļāļĢāļĢāļĨāļļāļāļēāļĄāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāđāļāļīāļāļĒāļļāļāļāļĻāļēāļŠāļāļĢāđāđāļĨāļ°āđāļāđāļēāļŦāļĄāļēāļĒāļŦāļĨāļąāļāļāļāļāļāļāļēāļāļēāļĢ.
- āļāļĢāļ°āđāļĄāļīāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļĩāđāļĄāļĩāļāļąāļĒāļŠāļģāļāļąāļāļāļēāļĄāļŠāļāļēāļāļāļēāļĢāļāđāļāļģāļĨāļāļāđāļāļāļāđāļēāļāđ.
- āļāļĢāļ°āđāļĄāļīāļāļāļĨāļāļĢāļ°āļāļāđāļĨāļ°āļāļīāļāļēāļĢāļāļēāļāļģāļŦāļāļāđāļāļ§āļāļēāļāļāļąāļāļāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļĢāđāļ§āļĄāļāļąāļāļŦāļāđāļ§āļĒāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāđāļŠāļāļāļāđāļ āļāļāļ°āļāļĢāļĢāļĄāļāļēāļĢāđāļĨāļ°/āļŦāļĢāļ·āļ āļāļđāđāļāļĢāļīāļŦāļēāļĢāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ āđāļāļ·āđāļāļāļāļāļ§āļāđāļāļāļāļĨāļĒāļļāļāļāđ āđāļĨāļ°āļŦāļĢāļ·āļ āđāļāļāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ āđāļĨāļ°āļĄāļĩāļāļēāļĢāļāļīāļāļāļēāļĄāļĢāļēāļĒāļāļēāļāļāļĨāļāļĒāđāļēāļāļāđāļāđāļāļ·āđāļāļ.
- āļāļīāļāļāļēāļĄāđāļĨāļ°āļĢāļēāļĒāļāļēāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāđāļāļ āļēāļāļĢāļ§āļĄāļĢāļ°āļāļąāļāļāļāļāđāļāļĢāļāđāļ āļāļđāđāļāļĢāļīāļŦāļēāļĢ āđāļĨāļ° āļāļāļ°āļāļĢāļĢāļĄāļāļēāļĢ āļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļāļēāļāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļēāļĄāđāļāļ§āļāļēāļ Basel.
- āļāļąāļāļāļģāļāđāļĒāļāļēāļĒāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļāļąāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļēāļĄāđāļāļ§āļāļēāļ Basel.
- āļ§āļīāđāļāļĢāļēāļ°āļŦāđāđāļĨāļ°āļāļąāļāļāļģāļĢāļēāļĒāļāļēāļāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļāļąāļāļāļēāļĢāļāļģāļāļąāļāļāļđāđāļĨāđāļāļīāļāļāļāļāļāļļāļāļāļēāļĄāđāļāļ§āļāļēāļ Baselāđāļāđāđāļāđ āļāļēāļĢāļāļģāļĢāļāđāļāļīāļāļāļāļāļāļļāļāļāļąāđāļāļāđāļģ āļāļēāļĢāļāļĢāļ°āđāļĄāļīāļāļāļ§āļēāļĄāđāļāļĩāļĒāļāļāļāļāļāļāđāļāļīāļāļāļāļāļāļļāļ (Internal Capital Adequacy Assessment Process: ICAAP) āļāļąāđāļāđāļāļ āļēāļ§āļ°āļāļāļāļīāđāļĨāļ°āļ āļēāļ§āļ°āļ§āļīāļāļĪāļ āđāļĨāļ°āļāļēāļĢāđāļāļīāļāđāļāļĒāļāđāļāļĄāļđāļĨāļāļēāļĢāļāļģāļĢāļāđāļāļīāļāļāļāļāļāļļāļāļāļāļāļāļāļēāļāļēāļĢāđāļĨāļ°āļāļĨāļļāđāļĄāļāļļāļĢāļāļīāļāļāļēāļāļāļēāļĢāđāļāļīāļ.
- āļāļāļŠāļāļāļ āļēāļ§āļ°āļ§āļīāļāļĪāļ (Stress Test) āđāļāļ·āđāļāļāļĢāļ°āđāļĄāļīāļāļāļ§āļēāļĄāđāļŠāļĩāļĒāļŦāļēāļĒāļŦāļĢāļ·āļāļāļĨāļāļĢāļ°āļāļāļāđāļāļāļ§āļēāļĄāļĄāļąāđāļāļāļāļāļāļāļāļēāļāļ°āđāļĨāļ°āļāļēāļĢāļāļģāđāļāļīāļāļāļĢāđāļāļāđāļēāļāļāđāļēāļ āđ āļāļāļāļāļāļēāļāļēāļĢ āļāļēāļāļāļąāļāļāļąāļĒāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāđ.
- āļāļĢāļ°āļŠāļēāļāļāļēāļāļāļąāļāļŦāļāđāļ§āļĒāļāļēāļ Front Office āđāļāļ·āđāļāļāļģāļŦāļāļāđāļāļ§āļāļēāļāļāļąāļāļāļēāļĢ āđāļĨāļ°āļĨāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļēāļāļāļēāļĢāļāļāļŠāļāļāļ āļēāļ§āļ°āļ§āļīāļāļĪāļ (Stress Test) āļĨāļđāļāļāđāļēāļĢāļēāļĒāļāļļāļāļāļĨ.
- āļāļĢāļīāļŦāļēāļĢāļāļāļĢāđāļāļŠāļīāļāđāļāļ·āđāļāļāļāļāļāļāļēāļāļēāļĢ āļāļąāļāļāļģāļĢāļēāļĒāļāļēāļāđāļāļīāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢ āļāļģāđāļŠāļāļāļāđāļĒāļāļēāļĒāđāļĨāļ°āļāļĨāļĒāļļāļāļāđāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāđāļāļĢāļāļīāļ āđāļāļ·āđāļāļāļĢāļīāļŦāļēāļĢāļāļąāļāļāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāđāļŦāđāļāļĒāļđāđāđāļāļĢāļ°āļāļąāļāļāļĩāđāļāļāļēāļāļēāļĢāļĒāļāļĄāļĢāļąāļāđāļāđ.
- āļāļąāļāļāļģ Sector Limit āđāļāļ·āđāļāđāļāđāđāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļēāļāļāļēāļĢāļāļĢāļ°āļāļļāļāļāļąāļ§āļāđāļēāļāđāļāļĢāļāļīāļ (Credit Concentration Risk).
- āļāļģāļŦāļāļāļŦāļĨāļąāļāđāļāļāļāđāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļāļąāļāļāļēāļĢāļāļāļīāļāļąāļāļīāļāļēāļĄāļĄāļēāļāļĢāļāļēāļ IFRS9 āđāļāđāļ āļāļēāļĢāļāļąāļ Stage āļāļēāļĢāļāļģāļāļ§āļ Expected Credit Loss (ECL) āđāļĨāļ° Management Overlay āđāļāđāļāļāđāļ.
- āļ§āļļāļāļīāļāļēāļĢāļĻāļķāļāļĐāļēāļĢāļ°āļāļąāļāļāļĢāļīāļāļāļēāļāļĢāļĩāļāļķāđāļāđāļ āļāđāļēāļāļāļēāļĢāļāļąāļāļāļĩ āđāļĻāļĢāļĐāļāļĻāļēāļŠāļāļĢāđ āļŠāļāļīāļāļī MIS āļ§āļīāļĻāļ§āļāļĢāļĢāļĄāļāļāļĄāļāļīāļ§āđāļāļāļĢāđ
- āļ§āļīāļāļĒāļēāļāļēāļĢāļāļāļĄāļāļīāļ§āđāļāļāļĢāđ āļāļēāļĢāđāļāļīāļ āļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ āļ§āļīāļĻāļ§āļāļĢāļĢāļĄāļāļēāļĢāđāļāļīāļ āļŦāļĢāļ·āļāļŠāļēāļāļēāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļ.
- āļĄāļĩāļāļ§āļēāļĄāļĢāļđāđāļāđāļēāļāļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāđāļāļĒāļĢāļ§āļĄ āļāļēāļĢāļāļĢāļīāļŦāļēāļĢāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļēāļāļŠāļīāļāđāļāļ·āđāļ.
- āļĄāļĩāļāļ§āļēāļĄāļĢāļāļāļĢāļđāđāđāļāļāļļāļĢāļāļīāļāļāļāļāļāļāļēāļāļēāļĢ āļāļĨāļīāļāļ āļąāļāļāđāđāļĨāļ°āļāļĢāļīāļāļēāļĢ.
- āļĄāļĩāļāļ§āļēāļĄāļĢāļđāđāļāđāļēāļāļāļīāļāļāļēāļĄ āļāļ§āļāļāļļāļĄ āđāļĨāļ°āļāļĢāļ°āđāļĄāļīāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ.
- āļŠāļēāļĄāļēāļĢāļāđāļāđāļ āļēāļĐāļēāļāļąāļāļāļĪāļĐāđāļāđāđāļāļĢāļ°āļāļąāļāļāļĩ.
- āļŠāļēāļĄāļēāļĢāļāđāļāđāđāļāļĢāđāļāļĢāļĄ SAS, SQL, MS āđāļāļīāļāļĨāļķāļ āđāļĨāļ° Python āđāļāđāļāļāđāļ..
- āļāđāļēāļāļŠāļēāļĄāļēāļĢāļāļāđāļēāļāđāļĨāļ°āļĻāļķāļāļĐāļēāļāđāļĒāļāļēāļĒāļāļ§āļēāļĄāđāļāđāļāļŠāđāļ§āļāļāļąāļ§āļāļāļāļāļāļēāļāļēāļĢāļāļĢāļļāļāđāļāļĒ āļāļģāļāļąāļ (āļĄāļŦāļēāļāļ) āļāļĩāđ https://krungthai.com/th/content/privacy-policy āļāļąāđāļāļāļĩāđ āļāļāļēāļāļēāļĢāđāļĄāđāļĄāļĩāđāļāļāļāļēāļŦāļĢāļ·āļāļāļ§āļēāļĄāļāļģāđāļāđāļāđāļāđ āļāļĩāđāļāļ°āļāļĢāļ°āļĄāļ§āļĨāļāļĨāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§ āļĢāļ§āļĄāļāļķāļāļāđāļāļĄāļđāļĨāļāļĩāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļĻāļēāļŠāļāļēāđāļĨāļ°/āļŦāļĢāļ·āļāļŦāļĄāļđāđāđāļĨāļŦāļīāļ āļāļķāđāļāļāļēāļāļāļĢāļēāļāļāļāļĒāļđāđāđāļāļŠāļģāđāļāļēāļāļąāļāļĢāļāļĢāļ°āļāļģāļāļąāļ§āļāļĢāļ°āļāļēāļāļāļāļāļāļāđāļēāļāđāļāđāļāļĒāđāļēāļāđāļ āļāļąāļāļāļąāđāļ āļāļĢāļļāļāļēāļāļĒāđāļēāļāļąāļāđāļŦāļĨāļāđāļāļāļŠāļēāļĢāđāļāđ āļĢāļ§āļĄāļāļķāļāļŠāļģāđāļāļēāļāļąāļāļĢāļāļĢāļ°āļāļģāļāļąāļ§āļāļĢāļ°āļāļēāļāļ āļŦāļĢāļ·āļāļāļĢāļāļāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§āļŦāļĢāļ·āļāļāđāļāļĄāļđāļĨāļāļ·āđāļāđāļ āļāļķāđāļāđāļĄāđāđāļāļĩāđāļĒāļ§āļāđāļāļāļŦāļĢāļ·āļāđāļĄāđāļāļģāđāļāđāļāļŠāļģāļŦāļĢāļąāļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāđāļāļāļēāļĢāļŠāļĄāļąāļāļĢāļāļēāļāđāļ§āđāļāļāđāļ§āđāļāđāļāļāđ āļāļāļāļāļēāļāļāļĩāđ āļāļĢāļļāļāļēāļāļģāđāļāļīāļāļāļēāļĢāđāļŦāđāđāļāđāđāļāļ§āđāļēāđāļāđāļāļģāđāļāļīāļāļāļēāļĢāļĨāļāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāļāļĩāđāļĄāļĩāļāļ§āļēāļĄāļāđāļāļāđāļŦāļ§ (āļāđāļēāļĄāļĩ) āļāļāļāļāļēāļāđāļĢāļāļđāđāļĄāđāđāļĨāļ°āđāļāļāļŠāļēāļĢāļāļ·āđāļāđāļāļāđāļāļāļāļĩāđāļāļ°āļāļąāļāđāļŦāļĨāļāđāļāļāļŠāļēāļĢāļāļąāļāļāļĨāđāļēāļ§āđāļ§āđāļāļāđāļ§āđāļāđāļāļāđāđāļĨāđāļ§āļāđāļ§āļĒ āļāļąāđāļāļāļĩāđ āļāļāļēāļāļēāļĢāļĄāļĩāļāļ§āļēāļĄāļāļģāđāļāđāļāļāđāļāļāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄāļāļāļāļāđāļēāļāđāļāļ·āđāļāļāļĢāļĢāļĨāļļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāđāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļĢāļąāļāļāļļāļāļāļĨāđāļāđāļēāļāļģāļāļēāļ āļŦāļĢāļ·āļāļāļēāļĢāļāļĢāļ§āļāļŠāļāļāļāļļāļāļŠāļĄāļāļąāļāļī āļĨāļąāļāļĐāļāļ°āļāđāļāļāļŦāđāļēāļĄ āļŦāļĢāļ·āļāļāļīāļāļēāļĢāļāļēāļāļ§āļēāļĄāđāļŦāļĄāļēāļ°āļŠāļĄāļāļāļāļāļļāļāļāļĨāļāļĩāđāļāļ°āđāļŦāđāļāļģāļĢāļāļāļģāđāļŦāļāđāļ āļāļķāđāļāļāļēāļĢāđāļŦāđāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļ·āđāļāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄ āđāļāđ āļŦāļĢāļ·āļāđāļāļīāļāđāļāļĒāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄāļāļāļāļāđāļēāļāļĄāļĩāļāļ§āļēāļĄāļāļģāđāļāđāļāļŠāļģāļŦāļĢāļąāļāļāļēāļĢāđāļāđāļēāļāļģāļŠāļąāļāļāļēāđāļĨāļ°āļāļēāļĢāđāļāđāļĢāļąāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļāļēāļĄāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāļāļąāļāļāļĨāđāļēāļ§āļāđāļēāļāļāđāļ āđāļāļāļĢāļāļĩāļāļĩāđāļāđāļēāļāđāļĄāđāđāļŦāđāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļāļēāļĢāđāļāđāļāļĢāļ§āļāļĢāļ§āļĄ āđāļāđ āļŦāļĢāļ·āļāđāļāļīāļāđāļāļĒāļāđāļāļĄāļđāļĨāļŠāđāļ§āļāļāļļāļāļāļĨāđāļāļĩāđāļĒāļ§āļāļąāļāļāļĢāļ°āļ§āļąāļāļīāļāļēāļāļāļēāļāļĢāļĢāļĄ āļŦāļĢāļ·āļāļĄāļĩāļāļēāļĢāļāļāļāļāļ§āļēāļĄāļĒāļīāļāļĒāļāļĄāđāļāļ āļēāļĒāļŦāļĨāļąāļ āļāļāļēāļāļēāļĢāļāļēāļāđāļĄāđāļŠāļēāļĄāļēāļĢāļāļāļģāđāļāļīāļāļāļēāļĢāđāļāļ·āđāļāļāļĢāļĢāļĨāļļāļ§āļąāļāļāļļāļāļĢāļ°āļŠāļāļāđāļāļąāļāļāļĨāđāļēāļ§āļāđāļēāļāļāđāļāđāļāđ āđāļĨāļ°āļāļēāļ āļāļģāđāļŦāđāļāđāļēāļāļŠāļđāļāđāļŠāļĩāļĒāđāļāļāļēāļŠāđāļāļāļēāļĢāđāļāđāļĢāļąāļāļāļēāļĢāļāļīāļāļēāļĢāļāļēāļĢāļąāļāđāļāđāļēāļāļģāļāļēāļāļāļąāļāļāļāļēāļāļēāļĢ .
āļāļĢāļ°āļŠāļāļāļēāļĢāļāđ:
5 āļāļĩāļāļķāđāļāđāļ
āļāļąāļāļĐāļ°:
Data Analysis, Automation, Python
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Work with stakeholders throughout the organization to understand data needs, identify issues or opportunities for leveraging company data to propose solutions for support decision making to drive business solutions.
- Adopting new technology, techniques, and methods such as machine learning or statistical techniques to produce new solutions to problems.
- Conducts advanced data analysis and create the appropriate algorithm to solve analytics problems.
- Improve scalability, stability, accuracy, speed, and efficiency of existing data model.
- Collaborate with internal team and partner to scale up development to production.
- Maintain and fine tune existing analytic model in order to ensure model accuracy.
- Support the enhancement and accuracy of predictive automation capabilities based on valuable internal and external data and on established objectives for Machine Learning competencies.
- Apply algorithms to generate accurate predictions and resolve dataset issues as they arise.
- Be Project manager for Data project and manager project scope, timeline, and budget.
- Manage relationships with stakeholders and coordinate work between different parties as well as providing regular update.
- Control / manage / govern Level 2 support, identify, fix and configuration related problems.
- Keep maintaining/up to date of data modelling and training model etc.
- Run through Data flow diagram for model development.
- EDUCATION.
- Bachelor's degree or higher in computer science, statistics, or operations research or related technical discipline.
- EXPERIENCE.
- At least 5 years experience in a statistical and/or data science role optimization, data visualization, pattern recognition, cluster analysis and segmentation analysis, Expertise in advanced Analytica l techniques such as descriptive statistical modelling and algorithms, machine learning algorithms, optimization, data visualization, pattern recognition, cluster analysis and segmentation analysis.
- Expertise in advanced analytical techniques such as descriptive statistical modelling and algorithms, machine learning algorithms, optimization, data visualization, pattern recognition, cluster analysis and segmentation analysis.
- Experience using analytical tools and languages such as Python, R, SAS, Java, C, C++, C#, Matlab, SPSS IBM, Tableau, Qlikview, Rapid Miner, Apache, Pig, Spotfire, Micro S, SAP HANA, Oracle, or SOL-like languages.
- Experience working with large data sets, simulation/optimization and distributed computing tools (e.g., Map/Reduce, Hadoop, Hive, Spark).
- Experience developing and deploying machine learning model in production environment.
- Knowledge in oil and gas business processes is preferrable.
- OTHER REQUIREMENTS.
āļāļąāļāļĐāļ°:
SAS, SQL, Tableau
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Produce daily, weekly, monthly business report for the Collections Department.
- Develop and automated data processes, including routine and ad-hoc reports, to improve efficiency.
- Coordinated cross-functional teams to define business objectives and present complex data insights clearly.
- Analyzed and improved existing business reports and provided support for problem-solving and new business requirements.
- Enhance collector performance by implementing report for performance tracking, involving requirements gathering and report template design by using tools such as SAS.
- Design and develop data visualization, dashboards, to support business comprehend data and make critical decisions.
- Estimate costs and benefits for incentive schema of the Collections Department.
- Bachelors and / or Masters degree in any field.
- 3+ years experience as MIS.
- Experience in using SAS, SQL, Powe BI, Tableau, Access and Excel (Pivot, VLOOKUP).
āļāļĢāļ°āļŠāļāļāļēāļĢāļāđ:
1 āļāļĩāļāļķāđāļāđāļ
āļāļąāļāļĐāļ°:
Finance, Statistics, Python, English
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Manage/ Clean/ Prepare internal and external data (structured/ semi-structured/ unstructured data) for model development/ deployment/ monitoring, including the production of data quality and integrity report.
- Develop statistical/ expert/ hybrid models to be able to enhance the model when model deterioration is indicated using variety of data modeling techniques such as Logistic Regression/ Random Forest/ Gradient Boosting/ Non-Parametric Regression. Also, in case of using external consultants, be able to work closely with them across all m ...
- Generate prescriptive models to respond to interactive decision to optimize risks and rewards.
- Deploy credit risk models into Databricks platform, collection system and credit decision engine and maintain any model adjustment.
- Assist and work closely with related parties, e.g. business users, credit approval officers and relationship managers to ensure credit risk models are appropriate and efficient for business direction and support for new digital lending risk assessment and platform.
- Ensure all credit risk models are qualified to be used through model life cycle. Regularly perform model monitoring, model assessment and propose proactive action/ recommendation to improve the model.
- Assist and design for business opportunity to develop alternative credit score from partnership data.
- Collaborate with IT and data engineer to ensure data availability and quality from various sources (both on-premise/ cloud) to develop an efficient model.
- Qualifications Bachelor s or higher degree in Finance, Statistics, Mathematics, Economics, MIS, Engineer, Data scientist or any related fields.
- At least 1-2 year experiences credit risk analytics, credit risk modeling/ scoring in retail banking, consumer finance or any financial business.
- Strong knowledge and skill in machine learning, credit scoring, data analytics using R/ Python/ PySpark, MATLAB, SPSS, SAS, SQL or similar required.
- Analytical mindset with excellent critical thinking ability and data analytics skills.
- Excellent computer skills and programming tools.
- Good command in both written and spoken English.
- Good project management skills.
- Good team player with a positive attitude toward hard working and working under pressure.
- Experienced in credit risk modeling, model monitoring/ validation/ deployment/ maintenance preferred.
- Prior experience in Basel/ IFRS9, RAROC, Stress Test, Big Data, Data Mining, Digital leading, Fin-tech/ Start-up is a plus.
- We're committed to bringing passion and customer focus to the business. If you like wild growth and working with happy, enthusiastic over-achievers, you'll enjoy your career with us.
āļāļĢāļ°āļŠāļāļāļēāļĢāļāđ:
2 āļāļĩāļāļķāđāļāđāļ
āļāļąāļāļĐāļ°:
Risk Management, Project Management, Statistics, English
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Engage with clients to understand business goals, provide advisory support, and proactively address technical and functional challenges while effectively supporting presentations and demonstrations.
- Build strong relationships with senior client stakeholders to consistently exceed expectations.
- Independently gather and analyze client requirements, developing tailored business solutions.
- Provide expertise on risk management technologies, methodologies, and regulatory frameworks (e.g. Basel, IFRS9, Liquidity, Credit Risk, Market Risk, Operational Risk, Banking Regulations, etc), while developing, maintaining, and enhancing quantitative risk models to ensure accuracy and regulatory alignment.
- Collaborate effectively with senior consultants, managers, and cross-functional teams to achieve project objectives.
- Coordinate regional teams across Southeast Asia to foster consistency and excellence.
- Support project management activities, including scope definition, planning, execution, and delivery.
- Contribute to knowledge-sharing initiatives, training programs, and professional development activities.
- Contribute to proposal development, bid participation, and market expansion efforts to strengthen the firm s presence.
- Your role as a team member: At Deloitte, we believe in the importance of empowering our people to be leaders at all levels. We expect our people to embrace and live our purpose and shared values, challenging themselves everyday to identify issues that are most important to our clients, our people and the communities, and to make an impact that matters. In addition to living our purpose, Consultants across our Firm are expected to:Understand the expectations set and demonstrates personal accountability for keeping own performance on track.
- Understand how our daily work contributes to the priorities of the team and the business.
- Demonstrate strong commitment to personal learning and development.
- Actively focus on developing effective communication and relationship-building skills, with stakeholders, clients and team.
- You are someone with:Possesses a degree, preferably in Actuarial Science, Statistics, Economics, Mathematics, Finance, Accountancy, Risk Management, or a related field.
- Professional certifications (e.g., FRM, PRM, CFA) are an added advantage.
- Minimum of 1 to 2 years of relevant experience, ideally within consulting, banking, or financial services.
- Demonstrates strong domain and technical-functional knowledge in regulatory frameworks and risk management solutions, including Basel, IFRS 9, Liquidity, Credit Risk, and Banking Regulations.
- Hands-on experience with data analytics and visualization tools such as SQL, Power BI, Python, and SAS preferred.
- Proficient in Microsoft Excel, PowerPoint, and Word, with advanced skills.
- Strong analytical, problem-solving, and data interpretation skills with high attention to detail.
- Excellent communication, interpersonal, collaboration, and client management abilities.
- Proficient in business-level English, both verbal and written.
- Capable of working independently, multitasking, and managing projects effectively.
- Works efficiently against demanding timelines.
- A high-performing, coachable team player who prioritizes continuous development, puts clients first, and exemplifies a value-driven mindset.
- Due to volume of applications, we regret only shortlisted candidates will be notified.
- Please note that Deloitte will never reach out to you directly via messaging platforms to offer you employment opportunities or request for money or your personal information. Kindly apply for roles that you are interested in via this official Deloitte website.Requisition ID: 108502In Thailand, the services are provided by Deloitte Touche Tohmatsu Jaiyos Co., Ltd. and other related entities in Thailand ("Deloitte in Thailand"), which are affiliates of Deloitte Southeast Asia Ltd. Deloitte Southeast Asia Ltd is a member firm of Deloitte Touche Tohmatsu Limited. Deloitte in Thailand, which is within the Deloitte Network, is the entity that is providing this Website.
āļāļąāļāļĐāļ°:
Risk Management, Finance, Statistics
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Develop and manage databases to support risk management and portfolio analysis.
- Prepare and analyze credit data to assess loan portfolio quality and support credit policy development.
- Manage data systems for IFRS 9 and regulatory reporting to the Bank of Thailand.
- Coordinate with internal teams, auditors, and regulators to ensure compliance with relevant guidelines.
- Bachelor s degree or higher in Finance, Economics, Statistics, Computer Science, or related fields.
- 2-5 years of experience in risk management, credit analysis, or data management in the banking industry.
- Strong analytical and data management skills (SQL, SAS, Python, or similar tools).
- Good understanding of credit portfolio management and regulatory requirements (e.g., IFRS 9, BOT reporting).
- Strong coordination and communication skills.
- Only shortlisted candidates will be contacted**..
- (https://krungsri.com/b/privacynoticeen).
- Remark: The bank needs to and will have a process for verifying personal information related to the criminal history of applicants before they are considered for employment with the bank..
- FB: Krungsri Career.
- LINE: Krungsri Career.
- Talent Acquisition Department
- Bank of Ayudhya Public Company Limited
- 1222 Rama III Rd., Bangpongpang, Yannawa, Bangkok 10120..
āļāļąāļāļĐāļ°:
Data Analysis, Big Data, Statistics, English
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Work collaboratively with data engineers and data architects to acquire new data from internal and external source systems.
- Support business initiatives and projects by performing data wrangling and exploratory data analysis, discovering trends and patterns, building predictive models and machine learning algorithms, etc., based on the CRISP-DM methodology and agile approach.
- Stay up to date with big data and analytical techniques, such as machine learning, d ...
- Provide analytics expertise, directions and guidance to business leads through turning insights into business action so as to improve sales and customer profitability.
- Present summary of analyses including data monetization on large datasets using advanced analytics tools and data visualization techniques.
- Lead implementation of AI models and business rules incorporated in automated business processes.
- Bachelor's degree or higher in Data Science, Statistics or related fields.
- AI and machine learning professional certification.
- More than 3-5 years of experience in data science and big data using tools, e.g., SPSS, SAS, Alteryx, Spark, Jupyter Notebook and Databricks.
- Excellence communication in Thai and English.
āļāļąāļāļĐāļ°:
Golang, TypeScript, Kafka, English
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Design and build backend services with Golang and TypeScript that are secure, scalable, and maintainable..
- Develop REST/gRPC APIs and asynchronous processing with queues/streams (Kafka/RabbitMQ/NATS)..
- Work with PostgreSQL and Redis, including schema design and query performance tuning..
- Establish CI/CD, automated testing, and observability (logging/metrics/tracing) for production systems..
- Design and develop frontend applications with React (Next.js) that are responsive, accessible, and maintainable..
- Integrate frontend applications with backend APIs, manage state using Redux Toolkit or React Query, and ensure smooth data flow across the stack..
- Collaborate with designers to implement pixel-perfect, user-friendly interfaces and ensure consistent UX across web platforms.
- Co-design architectures (Clean/Hexagonal/DDD) with Product, QA, Infra, and Security teams.
- (Optional) Integrate internal Web3/blockchain services where applicable.
- Job Description:Implement microservices using Go (Gin/Echo/Fiber) and TypeScript (NestJS/Express), plus background workers/schedulers..
- Develop and maintain frontend applications with React (Next.js), implementing responsive, accessible, and reusable UI components..
- Integrate frontend applications with REST/gRPC APIs, handle authentication flows, and manage state with Redux Toolkit..
- Optimize frontend performance, bundle size, and rendering speed, ensuring smooth user experience and adherence to web vitals metrics..
- Define API contracts, manage Protobuf/OpenAPI specs, and maintain API versioning..
- Author robust tests (unit/integration/contract) with go test/testify, Jest, etc..
- Build and maintain Docker/Kubernetes pipelines on AWS/GCP with GitHub Actions/GitLab CI..
- Operate monitoring/alerting (Prometheus/Grafana, OpenTelemetry) and do performance profiling (pprof)..
- Enforce application security (authn/authz, OWASP) and conduct regular code reviews.
- Write technical docs, pair program, support agile ceremonies, and participate in on-call rotations..
- Collaborate closely with Product, Design, QA, and Infrastructure teams to deliver high-quality, reliable, and user-focused features..
- Bonus: Build Flutter (Dart) for mobile development, integrating APIs/sockets with proper state management (Bloc/Riverpod) and release pipelines..
- Bachelor s in CS/CE or equivalent experience; we prioritize impact and depth over tenure..
- Proficiency in Golang and/or TypeScript/Node.js (including Go concurrency patterns)..
- Strong foundation in data structures/algorithms and system design (scalability/reliability).
- Hands-on with PostgreSQL and Redis..
- Knowledge of REST/gRPC, API versioning, and secure API practices (JWT/OAuth2/Key management)..
- Practical experience with Git/CI/CD, Docker, basic Kubernetes, and production observability..
- Clear communication, cross-functional collaboration, and strong ownership.
- Thai/English for technical work (read/write).
- Nice-to-have / Bonus.
- Flutter (Dart) for mobile (Bloc/Riverpod, Clean Architecture, Fastlane/Firebase) Bonus.
- Kafka/RabbitMQ/NATS; event-driven architectures.
- GraphQL, WebSocket, real-time systems.
- OpenTelemetry, ELK/OpenSearch, SLO/Error budget, chaos/load testing.
- Web3/blockchain familiarity (optional).
- Practical security (secret management, least privilege, SAST/DAST).
- Container Technology such as docker.
āļāļąāļāļĐāļ°:
Python, SQL, Java
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Data Pipeline Development: Design, implement, and maintain data analytics pipelines and processing systems.
- Data Modeling: Apply data modeling techniques and integration patterns to ensure data consistency and reliability.
- Data Transformation: Write data transformation jobs through code to optimize data processing.
- Data Management: Perform data management through data quality tests, monitoring, cataloging, and governance.
- LLM Integration: Design and integrate LLMs into existing applications, ensuring smooth functionality and performance.
- Model Development and Fine-Tuning: Develop and fine-tune LLMs to meet specific business needs, optimizing for accuracy and efficiency.
- Performance Optimization: Continuously optimize LLM performance for speed, scalability, and reliability.
- Infrastructure Knowledge: Possess knowledge of the data and AI infrastructure ecosystem.
- Collaboration: Collaborate with cross-functional teams to identify opportunities to leverage data to drive business outcomes.
- Continuous Learning: Demonstrate a willingness to learn and find solutions to complex problems.
- Education: Bachelor's or Master's degree in Computer Science, AI, Engineering, or a related field.
- Experience: At least 2 years of experience in data engineering and at least 3 years as data scientist.
- Technical Skills: Proficiency in Python, SQL, Java, experience with LLM frameworks (e.g., LangChain), and familiarity with cloud computing platforms. Additional, visualization tools i.e Power BI, Tableau, Looker, Qlik.
- Cloud Computing: Familiarity with cloud computing platforms, such as GCP, AWS, or Databricks.
- Problem-Solving: Strong problem-solving skills with the ability to work independently and collaboratively.
- Desirable.
- System Design: Knowledge of system design and platform thinking to build sustainable solutions.
- Big Data Experience: Practical experience with modern and traditional Big Data stacks (e.g., BigQuery, Spark, Databricks, duckDB, Impala, Hive).
- Data Warehouse Solutions: Experience working with data warehouse solutions, ELT tools, and techniques (e.g., Airflow, dbt, SAS, Nifi).
- API Development: Experience with API design to facilitate integration of LLMs with other systems.
- Prompt Engineering: Skills in designing sequential tasks for LLMs to achieve efficient and accurate outputs.
- Visualization Solution: Skills in design and develop dashboard for analytic & insight.
- Agile Methodologies: Experience with agile software delivery and CI/CD processes.
- Location: BTS Ekkamai
- Working Day: Mon-Fri (WFA Every Friday).
āļāļĢāļ°āļŠāļāļāļēāļĢāļāđ:
5 āļāļĩāļāļķāđāļāđāļ
āļāļąāļāļĐāļ°:
English
āļāļĢāļ°āđāļ āļāļāļēāļ:
āļāļēāļāļāļĢāļ°āļāļģ
āđāļāļīāļāđāļāļ·āļāļ:
āļŋ45,000 - āļŋ65,000, āļŠāļēāļĄāļēāļĢāļāļāđāļāļĢāļāļāđāļāđ
- Collaborate with sale teams to gather requirements from customers
- Study and assessment to understand customer IT areas to identify and a group requirement
- Finding the best-fit tech solution among all possibilities to meet customer group requirement
- Define features, pros and cons of the product in order to support production selection
- Create presentation document and explain for entire solution to internal teams and customers
- Supply the technical details of proposed solutions, draft project duration and manday estimation
- Keep up-to-date knowledges in Networking, Security, and associated technologies.
- Experience.
- 2-5 Years s working experience delivering technical networking design & implementation of solutions to customers
- Have experiences of completing low level and high-level designs, following full technical pre-sales and project life cycle
- Be able to design of system, networking, security and managed service solutions with a high level of accuracy. This includes defining solution hardware, licenses, professional services budgets and services. The related products/services relate system, networking and security such as virtualize machine technology, enterprise backup solutions, Microsoft services,
- firewall technologies, next generation firewall technologies, endpoint security platform.
- Familiar with enterprise products such as Vmware, Nutanix, Cisco, TrendMicro, Palo Alto, Veeam Backup, Could services (AWS or Azure)
- Understand security conceptual such as Zero Trust, SASE, Could Security, Security for IoT/OT.
- Prefer a candidate who have worked with IS company background or experienced in implementation engineer or sale which have strong technical background and would like to change to be a presale.
- Good command in English
- Good presentation skill.
- Good communication skill.
- Good team player.
- Good logical thinking.
- Good negotiation and management skill..
- 1
āļĒāļāļāļāļīāļĒāļĄ
āļĨāļāļāļāļģ 5 āļŠāļīāđāļāļāļĩāđāļŦāļĨāļąāļāđāļĨāļīāļāļāļēāļ āļāļĩāļ§āļīāļāļāļļāļāļāļ°āđāļāļĨāļĩāđāļĒāļāđāļāļāļĨāļāļāļāļēāļĨ
āļāļģāđāļāļ°āļāļģāļāđāļēāļāļāļēāļāļĩāļāļāļĢāļīāļĐāļąāļ 7 āđāļāļāļāļĩāđāļāļļāļāđāļĄāđāļāļ§āļĢāļāļģāļāļēāļāļāđāļ§āļĒ
āļāļģāđāļāļ°āļāļģāļāļēāļĢāļŦāļēāļāļēāļāđāļāļīāļāđāļāļĨāļŠāļļāļāļĒāļāļ 50 āļāļĢāļīāļĐāļąāļāļāļĩāđāļāļāļĢāļļāđāļāđāļŦāļĄāđāļāļĒāļēāļāļĢāđāļ§āļĄāļāļēāļāļāđāļ§āļĒāļĄāļēāļāļāļĩāđāļŠāļļāļ 2025
āļāđāļēāļ§āļŠāļēāļĢāđāļŦāļĄāđāđ