CV/CVC/CVCC BI Developer
Mô tả công việc
1. Phát triển báo cáo và dashboard
-
Xây dựng, phát triển và duy trì các báo cáo quản trị, dashboard điều hành phục vụ Ban Lãnh đạo, các Khối nghiệp vụ (Bán lẻ, KHDN, Vận hành, Tài chính, Rủi ro…) và Chi nhánh.
-
Phối hợp với các đơn vị nghiệp vụ chuẩn hóa định nghĩa, logic tính toán KPI và các chỉ tiêu kinh doanh theo từng mảng.
-
Đảm bảo báo cáo chính xác, đầy đủ, kịp thời và trực quan, đáp ứng nhu cầu theo dõi, phân tích và ra quyết định.
2. Khai thác và phân tích dữ liệu
-
Thu thập, làm rõ và quản lý yêu cầu báo cáo, phân tích từ các đơn vị nghiệp vụ.
-
Thực hiện phân tích mô tả, phân tích xu hướng, so sánh theo kỳ và phân tích theo các chiều nghiệp vụ.
-
Chuyển hóa dữ liệu thành các insight và thông tin quản trị, hỗ trợ các đơn vị trong theo dõi và ra quyết định.
3. Phát triển và quản lý dữ liệu phục vụ BI
-
Tham gia xây dựng, chuẩn hóa và tối ưu data mart, data model và semantic layer phục vụ BI và phân tích.
-
Phát triển và tối ưu các truy vấn, logic tính toán và mô hình dữ liệu phục vụ báo cáo, dashboard.
-
Phối hợp với Data Engineer và các đơn vị liên quan kiểm soát tính chính xác, nhất quán và chất lượng dữ liệu.
-
Phát hiện, phân tích và xử lý hoặc phản hồi kịp thời các bất thường dữ liệu, sai lệch KPI và thay đổi logic tính toán.
4. Chuẩn hóa và tự động hóa BI
-
Tự động hóa việc tổng hợp, xử lý và cập nhật dữ liệu, báo cáo định kỳ, giảm thiểu các thao tác thủ công.
-
Tham gia phát triển và nâng cao năng lực self-service BI, giúp các đơn vị nghiệp vụ chủ động khai thác dữ liệu trong phạm vi được phân quyền.
-
Đề xuất và triển khai các giải pháp cải tiến mô hình dữ liệu, báo cáo và quy trình BI nhằm nâng cao hiệu quả và độ tin cậy của hệ thống.
5. Phối hợp và hỗ trợ nghiệp vụ
-
Phối hợp với các Khối kinh doanh, vận hành, tài chính, rủi ro và CNTT trong triển khai, vận hành và sử dụng các giải pháp BI.
-
Hướng dẫn người dùng khai thác dashboard, báo cáo và diễn giải số liệu trong phạm vi nghiệp vụ.
-
Tham gia xây dựng, cập nhật và duy trì data dictionary, KPI handbook và các tài liệu hướng dẫn liên quan.
Yêu cầu ứng viên
1. Trình độ học vấn
-
Tốt nghiệp Đại học trở lên các chuyên ngành: Công nghệ thông tin, Hệ thống thông tin, Khoa học dữ liệu, Toán - Thống kê, Kinh tế, Tài chính - Ngân hàng hoặc chuyên ngành liên quan.
-
Ưu tiên có chứng chỉ BI, Data Analytics hoặc chứng chỉ chuyên môn liên quan.
2. Kinh nghiệm
-
Đối với CV/CVC: Từ 02 năm kinh nghiệm trong BI, Reporting, Data Analyst hoặc vị trí tương đương.
-
Đối với CVCC: Từ 05 năm kinh nghiệm, ưu tiên có kinh nghiệm xây dựng báo cáo quản trị, dashboard cho ngân hàng, tổ chức tài chính hoặc doanh nghiệp lớn.
-
Hiểu biết về nghiệp vụ ngân hàng (bán lẻ, KHDN, vận hành, tài chính, rủi ro…) là lợi thế.
3. Kiến thức chuyên môn & kỹ năng kỹ thuật
-
SQL: Thành thạo, có khả năng viết truy vấn phức tạp và tối ưu hiệu năng.
-
BI Tools: Power BI, Tableau, Metabase hoặc các công cụ tương đương.
-
Hiểu DWH, Data Mart, Star Schema và nguyên tắc thiết kế dữ liệu phục vụ BI.
-
Có khả năng xử lý dữ liệu lớn, đa nguồn và phức tạp.
-
Ưu tiên biết Python/R phục vụ phân tích, xử lý dữ liệu.
4. Năng lực cá nhân
-
Tư duy logic, phân tích tốt; cẩn thận, chú trọng tính chính xác và nhất quán của dữ liệu.
-
Có khả năng data storytelling, trình bày và diễn giải insight rõ ràng, mạch lạc.
-
Giao tiếp, phối hợp tốt với đơn vị nghiệp vụ; có khả năng chuyển hóa nhu cầu kinh doanh thành yêu cầu dữ liệu, báo cáo và dashboard.
-
Chủ động, trách nhiệm, đáp ứng tiến độ công việc.
-
Thích ứng tốt với môi trường Agile, có tốc độ thay đổi cao.
Phân tích kỹ năng cần có
Phân tích kỹ năng cho vị trí BI Developer tại Vietinbank
Đây là vị trí thuộc Phòng Báo cáo & Tri thức Kinh doanh — một mảng khá "hot" trong ngân hàng hiện nay khi các nhà băng đang đẩy mạnh chuyển đổi số. Vị trí được chia 3 cấp (CV, CVC, CVCC) nên yêu cầu cũng khác nhau, mình sẽ tách rõ để bạn tự đánh giá.
---
1. Kỹ năng kỹ thuật (Hard Skills) — Bắt buộc
| Kỹ năng | Mức yêu cầu | Ghi chú thực tế |
|---|---|---|
| SQL | Thành thạo | Đây là kỹ năng số 1, bạn cần viết được CTE, window function, recursive query, hiểu execution plan để tối ưu hiệu năng. Ngân hàng thường dùng Oracle, PostgreSQL hoặc SQL Server. |
| Power BI / Tableau / Metabase | Thành thạo ít nhất 1 | Power BI đang phổ biến nhất trong ngân hàng Việt nhờ tích hợp tốt với hệ sinh thái Microsoft. Metabase thường dùng cho self-service BI. |
| DWH / Data Mart / Star Schema | Hiểu & áp dụng được | Bạn cần phân biệt rõ giữa Fact table, Dimension table, Slowly Changing Dimension. Hiểu Kimball vs Inmon là một lợi thế. |
| Xử lý dữ liệu lớn, đa nguồn | Có khả năng | Ngân hàng có dữ liệu từ core banking, CRM, LOS, card, treasury… bạn phải biết cách join chúng đúng cách. |
2. Kỹ năng kỹ thuật — Ưu tiên (nên có)
- Python hoặc R để phân tích nâng cao, phát hiện bất thường, dự báo xu hướng.
- DAX (Power BI) hoặc LOD Expression (Tableau) ở mức nâng cao.
- ETL/ELT tools như Airflow, Talend, SSIS, dbt.
- Git để quản lý version cho report và semantic layer.
- Kinh nghiệm với cloud (Azure, AWS, GCP) — đang dần trở thành yêu cầu phổ biến khi ngân hàng chuyển lên cloud.
3. Kiến thức nghiệp vụ ngân hàng (lợi thế cạnh tranh)
Bạn không cần là chuyên gia tín dụng, nhưng nên hiểu cơ bản:
- Bán lẻ: CASA, tiền gửi có kỳ hạn, tín dụng cá nhân, thẻ tín dụng.
- KHDN: cho vay doanh nghiệp, bảo lãnh, LC.
- Vận hành: xử lý giao dịch, giải ngân, thu hồi nợ.
- Tài chính: ALM, NIM, NPL, chi phí vốn.
- Rủi ro: Basel II/III, PD, LGD, EAD, ROE, RAROC.
4. Chứng chỉ gợi ý (tùy cấp bậc)
| Chứng chỉ | Cấp | Ghi chú |
|---|---|---|
| Microsoft Certified: Power BI Data Analyst (PL-300) | CV/CVC | Được công nhận rộng rãi |
| Tableau Desktop Specialist / Certified Data Analyst | CV/CVC | Nếu bạn chọn hướng Tableau |
| Google Data Analytics Professional Certificate | CV | Tốt cho người mới |
| AWS Data Analytics Specialty / Azure Data Engineer | CVCC | Cho hướng cloud BI |
| DMBOK / CDMP | CVCC | Quản lý dữ liệu chuyên nghiệp |
5. Kỹ năng mềm (Soft Skills) — Phân tích kỹ
- Data storytelling: Đây không phải "kể chuyện" đơn thuần mà là biến một bảng số khô khan thành insight mà lãnh đạo có thể ra quyết định ngay. Rất nhiều người làm BI bỏ qua kỹ năng này, nhưng đây chính là điểm tạo ra sự khác biệt lớn nhất.
- Giao tiếp đa bên: Bạn phải "dịch" giữa ngôn ngữ kỹ thuật (với Data Engineer, CNTT) và ngôn ngữ kinh doanh (với Bán lẻ, KHDN, Tài chính…).
- Tư duy logic và chú trọng chi tiết: Sai một con số trong báo cáo lãnh đạo có thể gây hậu quả nghiêm trọng.
- Làm việc trong môi trường Agile: BI tại ngân hàng lớn thường áp dụng mô hình squad/chapter hoặc Scrum rút gọn.
---
So sánh yêu cầu theo cấp bậc
| Tiêu chí | CV (Chuyên viên) | CVC (Chuyên viên chính) | CVCC (Chuyên viên cao cấp) |
|---|---|---|---|
| Kinh nghiệm | ~2 năm | ~3-4 năm | Từ 5 năm |
| SQL | Viết được query phức tạp | Tối ưu tốt, review được code của người khác | Định hướng chuẩn SQL cho cả team |
| BI Tools | Dùng thành thạo | Thiết kế dashboard cấp chiến lược | Đề xuất kiến trúc BI tổng thể |
| Nghiệp vụ NH | Biết cơ bản | Hiểu 2-3 mảng nghiệp vụ | Am hiểu sâu, mapping được KPI ↔ chiến lược |
| Vai trò | Làm theo yêu cầu | Tự đề xuất giải pháp | Lead dự án, mentor junior |
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn vị trí BI Developer - Vietinbank
Quy trình tuyển dụng của Vietinbank nói chung khá chỉn chu, thường có 3-4 vòng. Mình sẽ chia sẻ kinh nghiệm thực tế để bạn chuẩn bị.
Quy trình dự kiến
1. Vòng 1 — HR Screening (30-45 phút)
- Xác nhận thông tin cá nhân, mức lương kỳ vọng, khả năng đi làm
- Phỏng vấn sơ bộ về kinh nghiệm, lý do ứng tuyển
- Một số trường hợp có bài test nghiệp vụ mini
2. Vòng 2 — Test chuyên môn
- Bài test SQL: Viết truy vấn trên nền ngân hàng dữ liệu mẫu (thường cho schema về khách hàng, giao dịch, tài khoản). Đề bài hay có dạng tính tổng tiền gửi theo tháng, top 10 khách hàng VIP, cohort retention…
- Bài test Power BI/Tableau: Xây dựng dashboard từ một bộ data có sẵn, yêu cầu có chart, KPI, filter tương tác.
- Bài đọc hiểu & nghiệp vụ: Cho tình huống, yêu cầu phân tích và đề xuất báo cáo.
3. Vòng 3 — Phỏng vấn chuyên môn với Trưởng phòng/Quản lý trực tiếp (45-60 phút)
- Đi sâu vào dự án đã làm
- Câu hỏi tình huống nghiệp vụ ngân hàng
- Đánh giá tư duy phân tích và khả năng trình bày
4. Vòng 4 — Phỏng vấn cuối (có thể có)
- Với Giám đốc khối hoặc HRBP cấp cao
- Đánh giá fit với văn hóa Vietinbank, khả năng cam kết lâu dài
---
Câu hỏi chuyên môn hay gặp
SQL & Dữ liệu
- Hãy giải thích sự khác biệt giữa INNER JOIN, LEFT JOIN, FULL OUTER JOIN. Bạn nên lấy ví dụ cụ thể, ví dụ join bảng khách hàng với bảng giao dịch.
- Window function (ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD) dùng khi nào?
- Làm thế nào để tối ưu một truy vấn chạy chậm? Bắt đầu từ index, partition, viết lại logic, denormalize…
- Phân biệt Star Schema và Snowflake Schema. Khi nào nên dùng cái nào?
- ETL vs ELT — ngân hàng thường dùng cái nào?
BI Tools
- So sánh Power BI, Tableau, Metabase. Bạn chọn cái nào cho ngân hàng? Đáp án hay: Power BI cho hệ sinh thái Microsoft và bảo mật; Tableau cho visualization mạnh; Metabase cho self-service và open-source.
- Làm sao để thiết kế dashboard hiệu quả cho Ban Lãnh đạo?
- DAX (hoặc LOD) — bạn đã viết công thức phức tạp nào chưa?
- Làm thế nào để xử lý bảo mật dữ liệu (RLS, Row-level security) trong Power BI?
Nghiệp vụ ngân hàng
- KPI CASA là gì? Tính như thế nào? Vì sao nó quan trọng?
- NPL là gì? Cách theo dõi trên dashboard?
- Bạn hiểu gì về Basel II/III? Vai trò BI trong quản trị rủi ro?
- Nếu một dashboard bán lẻ đột ngột giảm CASA, bạn sẽ phân tích nguyên nhân như thế nào?
Tình huống & tư duy
- Bạn phát hiện một chỉ tiêu KPI trên dashboard bị sai so với số liệu bên tín dụng báo cáo, bạn xử lý ra sao?
- Một Khối nghiệp vụ yêu cầu dashboard mới, nhưng yêu cầu mơ hồ, bạn làm gì?
- Làm sao để cân bằng giữa "đúng deadline" và "đúng chất lượng"?
---
Tips chuẩn bị
- Chuẩn bị Portfolio: Lấy 2-3 dashboard bạn từng làm (có thể ẩn danh/sửa số liệu nếu là dự án NDA) để show trong buổi phỏng vấn.
- Nắm vững dự án cá nhân: Mỗi dự án trong CV, bạn phải trình bày được: Bài toán → Cách tiếp cận → Công cụ dùng → Kết quả → Bài học rút ra.
- Đọc về Vietinbank trước: Chiến lược chuyển đổi số, sản phẩm số (iPay, QR Pay), dự án data warehouse gần đây...
- Hiểu cơ cấu chi nhánh: Hội sở chính vs chi nhánh, phòng giao dịch... để hiểu "Khối nghiệp vụ" họ dùng BI ra sao.
Dress code
- Sơ mi + quần tây là lựa chọn an toàn nhất, có thể không cần cà vạt.
- Lịch sự nhưng không cần quá formal như phỏng vấn ngân hàng truyền thống vì đây là vị trí tech.
- Tránh đồ quá thể thao hoặc màu mè.
Lộ trình ôn thi
Lộ trình ôn tập & chuẩn bị (1-2 tuần)
Mình sẽ chia thành 2 tuần rõ ràng, bạn có thể điều chỉnh tùy nền tảng của mình.
---
Tuần 1 — Nền tảng kỹ thuật
Ngày 1-2: SQL nâng cao
- Tài liệu: LeetCode SQL (filter "Medium" trở lên), Mode Analytics SQL Tutorial, HackerRank SQL
- Chủ đề cần nắm:
- CTE, Recursive CTE
- Window Functions (ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, NTILE, FIRST_VALUE, LAST_VALUE)
- PIVOT/UNPIVOT
- Date functions (DATEADD, DATEDIFF, EXTRACT, DATE_TRUNC)
- String aggregation (STRING_AGG, GROUP_CONCAT)
- Query optimization (EXPLAIN, execution plan, index)
- Bài tập thực hành: Tối thiểu 15-20 bài SQL ngân hàng giả lập (tính CASA, top khách hàng, NPL theo kỳ…)
Ngày 3-4: DWH & Data Modeling
- Tài liệu:
- "The Data Warehouse Toolkit" của Ralph Kimball (đọc chương 1-3)
- Bài viết về Kimball vs Inmon trên Medium
- Khóa học miễn phí của Stanford trên YouTube về Database
- Chủ đề cần nắm:
- Star Schema, Snowflake Schema, Galaxy Schema
- Fact table (transactional, periodic snapshot, accumulating snapshot)
- Dimension table (SCD Type 1, 2, 3)
- Data Mart vs Data Warehouse
- ODS, Staging Area, Semantic Layer
Ngày 5-7: Power BI (hoặc Tableau)
- Tài liệu:
- Microsoft Learn (free) — learning path "Analyze Data with Power BI"
- SQLBI.com (của Marco Russo) cho DAX nâng cao
- YouTube: Guy in a Cube, Curbal
- Chủ đề cần nắm:
- Power Query (M language) — chuyển đổi dữ liệu
- Data Modeling trong Power BI
- DAX Measures: CALCULATE, FILTER, ALL, RELATED, TIME INTELLIGENCE (SAMEPERIODLASTYEAR, YTD, MTD)
- Row-Level Security (RLS)
- Deployment Pipelines, Dataflows, Dataset trong Power BI Service
- Thiết kế visual theo nguyên tắc "từ tổng quan đến chi tiết"
---
Tuần 2 — Nghiệp vụ, thực hành & mô phỏng phỏng vấn
Ngày 8-9: Nghiệp vụ ngân hàng
- Tài liệu:
- Báo cáo thường niên của Vietinbank (đọc phần Chiến lược & Quản trị rủi ro)
- "Ngân hàng thương mại" — giáo trình HVNH (chương Bảng cân đối, Tín dụng, Huy động vốn, Rủi ro tín dụng)
- Thông tư 41/2016/TT-NHNN về Basel II tại Việt Nam
- Chủ đề cần nắm:
- Cấu trúc bảng cân đối tài sản NH
- KPI thường gặp: CASA, NIM, NPL, ROE, ROA, CIR, LDR, CAR
- Sản phẩm bán lẻ: tiền gửi, tiết kiệm, thẻ, cho vay
- Sản phẩm KHDN: cho vay DN, bảo lãnh, LC
- Quy trình xử lý nợ
Ngày 10-11: Python (nếu chưa vững) và Data Storytelling
- Python:
- pandas (DataFrame, merge, groupby, pivot_table)
- matplotlib / seaborn (visualization)
- statsmodels (nếu làm dự báo)
- Data Storytelling:
- Đọc "Storytelling with Data" của Cole Nussbaumer Knaflic
- Tham khảo các bài dataviz trên Tableau Public
Ngày 12-13: Portfolio & Mock Interview
- Làm portfolio:
- Chọn 2-3 dashboard tiêu biểu (có thể làm lại từ data Kaggle về tài chính)
- Tạo GitHub repo cá nhân với code SQL/Power BI mẫu
- Viết README giải thích bài toán, cách làm, kết quả
- Mock interview:
- Luyện với bạn bè hoặc dùng Pramp, Interview Query
- Ghi âm lại để tự xem lại
Ngày 14: Tổng ôn & nghỉ ngơi
- Đọc lại CV của mình, đảm bảo trình bày được từng dự án
- Xem lại thông tin Vietinbank
- Chuẩn bị câu hỏi ngược cho nhà tuyển dụng
- Nghỉ ngơi, ngủ đủ giấc
---
Tài liệu tham khảo nhanh
| Chủ đề | Tài liệu | Link gợi ý |
|---|---|---|
| SQL | LeetCode SQL | leetcode.com |
| SQL thực chiến | SQLZoo, SQLBolt | sqlzoo.net |
| DWH | Kimball Toolkit | amazon.com |
| Power BI | SQLBI, Guy in a Cube | sqlbi.com |
| Ngân hàng | Vietinbank IR | ir.vietinbank.vn |
| Storytelling | Storytelling with Data | storytellingwithdata.com |
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho BI Developer ngân hàng
Lộ trình thăng tiến
Vị trí BI Developer tại ngân hàng có lộ trình rõ ràng, mình sẽ vẽ ra để bạn định hướng:
```
Junior BI Developer
│
▼
Chuyên viên BI (CV) — 2-3 năm
│
▼
Chuyên viên chính (CVC) — 3-5 năm
│ ← Hoặc rẽ nhánh sang:
│ • Data Analyst chuyên sâu nghiệp vụ
│ • Data Engineer
▼
Chuyên viên cao cấp (CVCC) — 5-8 năm
│
▼
Trưởng nhóm BI / Lead Data
│
▼
Phó phòng / Trưởng phòng Báo cáo & Tri thức
│
▼
Giám đốc dữ liệu (CDO) — sau 12-15 năm
```
Các hướng chuyển ngang phổ biến:
- Data Analyst (chuyên sâu nghiệp vụ) — sang các Khối Bán lẻ, KHDN, Rủi ro…
- Data Engineer — đi sâu hơn vào hạ tầng, pipeline
- Data Scientist — nếu bạn học thêm ML/statistics
- Product Manager sản phẩm số — nếu bạn thích business hơn tech
---
Mức lương kỳ vọng (ước lượng tham khảo)
Lưu ý: mức lương có thể thay đổi tùy ngân hàng và thời điểm, dưới đây là ước lượng dựa trên thị trường chung
| Cấp bậc | Kinh nghiệm | Vietinbank (ước lượng) | Thị trường tư nhân/Foreign Bank |
|---|---|---|---|
| CV | 2-3 năm | 18 - 25 triệu | 20 - 35 triệu |
| CVC | 3-5 năm | 25 - 35 triệu | 30 - 50 triệu |
| CVCC | 5-8 năm | 35 - 55 triệu | 50 - 80 triệu |
| Trưởng nhóm | 7-10 năm | 45 - 70 triệu | 60 - 120 triệu |
Bên cạnh lương, còn có:
- Thưởng Tết (1-3 tháng lương)
- Thưởng KPI theo quý/năm
- Phụ cấp cơm, xăng, điện thoại
- BHXH, BHYT, bảo hiểm nhân thọ (rất tốt tại NH nhà nước)
- Thưởng cổ phiếu ESOP (tùy NH)
- Trợ cấp học tập, khóa học (Microsoft, Google cert...)
---
Kỹ năng cần phát triển thêm theo cấp
Khi bạn đang ở cấp CV
- Lấy chứng chỉ PL-300 (Power BI)
- Thành thạo SQL nâng cao
- Hiểu 2-3 mảng nghiệp vụ ngân hàng
- Học Python cơ bản
Khi bạn ở cấp CVC
- Lấy chứng chỉ Azure Data Engineer hoặc AWS Data Analytics
- Học dbt (data build tool), Airflow
- Thực hành viết data dictionary, KPI handbook
- Bắt đầu mentor junior
Khi bạn ở cấp CVCC
- Đọc về CDMP, DMBOK
- Tham gia cộng đồng Data Governance
- Xây dựng tầm nhìn chiến lược cho BI
- Networking với các NH khác qua hội thảo
---
Mẹo thực tế từ người trong nghề
1. Đừng chỉ làm "theo yêu cầu": Một BI developer giỏi không phải người chỉ "làm khi được nhờ", mà là người chủ động phát hiện vấn đề và đề xuất giải pháp.
2. Hiểu đơn vị kinh doanh của bạn là ai: Ngồi cùng phòng Bán lẻ 1 tuần để hiểu họ làm gì, đau đầu chỗ nào — insight này quý hơn nhiều công thức DAX.
3. Đừng ngại nói "tôi chưa biết": Nhưng phải kèm theo "tôi sẽ tìm hiểu và phản hồi trong X ngày". Trong ngân hàng, sự chắc chắn và đáng tin cậy được đánh giá rất cao.
4. Xây dựng personal brand nhẹ: Viết bài trên LinkedIn, Medium, hoặc Vietnam Data Science Community — rất có giá trị khi nhảy việc.
5. Ngân hàng nhà nước vs tư nhân vs foreign bank: Mỗi nơi có văn hóa khác nhau. Vietinbank ổn định, thương hiệu lớn; tư nhân lương cao hơn nhưng áp lực; foreign bank văn minh nhưng phải chứng minh nhiều hơn.
Câu hỏi thường gặp
Em là sinh viên năm cuối ngành Hệ thống thông tin, chưa có kinh nghiệm làm BI thực tế. Liệu em có cơ hội ứng tuyển vị trí này không?
Vị trí yêu cầu tối thiểu 2 năm kinh nghiệm cho cấp CV, nên với sinh viên năm cuối bạn chưa phù hợp ở thời điểm này. Tuy nhiên, bạn có thể làm 2-3 tháng intern/fresher ở công ty tài chính hoặc startup fintech để có nền tảng. Trong thời gian chờ, hãy: học SQL thật tốt, làm 1-2 dashboard Power BI cá nhân từ data Kaggle về tài chính/ngân hàng, đọc giáo trình ngân hàng thương mại, lấy chứng chỉ PL-300. Khi đủ 2 năm bạn sẽ có hồ sơ rất tốt cho Vietinbank hoặc các NH lớn khác.
Mức lương khởi điểm cho vị trí CV BI Developer tại Vietinbank khoảng bao nhiêu? Có thể deal cao hơn không?
Theo ước lượng, cấp CV với 2 năm kinh nghiệm tại NH nhà nước như Vietinbank dao động 18-25 triệu, chưa tính thưởng và phụ cấp. Tuy nhiên mức lương có thể thay đổi tùy ngân hàng và thời điểm. Để deal tốt hơn, bạn cần: (1) chứng minh được bạn đã làm BI cho ngân hàng/tài chính trước đó, (2) có chứng chỉ chuyên ngành (PL-300, Tableau…), (3) hiểu sâu nghiệp vụ NH. Một cách khác là ứng tuyển đồng thời ở các NH tư nhân (Techcombank, MBB, VPBank…) để có offer đối chiếu. Tuy nhiên đừng chỉ nhìn lương gross — phúc lợi ở NH nhà nước (BHXH full, bảo hiểm nhân thọ, thương hiệu) cũng có giá trị lớn.
Tôi đang làm Data Analyst ở công ty bán lẻ, muốn chuyển sang ngân hàng. Khoảng cách giữa hai mảng này lớn không?
Khoảng cách không quá xa về mặt kỹ thuật (SQL, dashboard, KPI) nhưng nghiệp vụ rất khác. Bạn cần đầu tư 1-2 tháng để học: cấu trúc bảng cân đối NH, các KPI ngân hàng (CASA, NIM, NPL, CAR, ROE), quy trình tín dụng, huy động vốn, Basel II. Khi phỏng vấn, hãy biến kinh nghiệm bán lẻ thành lợi thế — bạn hiểu cách phân tích theo chiều nghiệp vụ, tư duy data-driven. Một số NH thậm chí thích nhân sự từ ngoài vì có góc nhìn mới.
Làm BI Developer ở ngân hàng nhà nước có khác gì với tư nhân?
Khác khá nhiều, đặc biệt về văn hóa và tốc độ: NH nhà nước (Vietinbank, VCB, BIDV…) — quy trình chặt chẽ, phê duyệt nhiều lớp, tài liệu phong phú, dữ liệu lớn nhưng thay đổi hệ thống chậm; lương ổn định, phúc lợi tốt, thương hiệu mạnh khi nhảy việc. NH tư nhân (Techcombank, MBB, VPBank, ACB, TPBank…) — Agile hơn, đi nhanh với công nghệ mới (cloud, AI), lương cao hơn nhưng áp lực lớn hơn, có thể chạy KPI sát. Foreign bank (HSBC, Standard Chartered, Citibank…) — quy trình chuẩn quốc tế, công nghệ hiện đại nhưng ít việc BI cho Việt Nam, hơi khác biệt văn hóa.
Một ngày làm việc của BI Developer tại ngân hàng trông như thế nào?
Một ngày trung bình thường có: 30% họp (họp với Khối kinh doanh để lấy yêu cầu, đồng bộ với Data Engineer, họp sprint); 50% làm kỹ thuật (viết SQL, xây dashboard, debug báo cáo sai); 20% trình bày, đào tạo người dùng, viết tài liệu. Đôi khi có on-call hoặc chạy deadline cuối tháng/quý — lúc đó có thể làm việc muộn hơn. Mảng BI không quá áp lực như KD bán hàng nhưng cũng không thoải mái như dev back-end vì phải giao tiếp nhiều.
Có cần thiết phải học Python sâu không, hay chỉ cần SQL và Power BI là đủ?
Tin yêu cầu chỉ ghi "ưu tiên", tức là không bắt buộc. Với cấp CV-CVC, SQL tốt + Power BI thành thạo + hiểu nghiệp vụ là đủ pass. Tuy nhiên, nếu bạn biết Python cơ bản (pandas, matplotlib), bạn sẽ có lợi thế ở 2 điểm: (1) phân tích nâng cao, thống kê, phát hiện bất thường tự động; (2) sau này muốn chuyển sang Data Scientist hoặc ML thì dễ. Đề xuất: học Python đủ xài, đừng đi sâu vào ML nếu chưa cần.
Tôi đã có 7 năm kinh nghiệm BI ở FMCG, muốn ứng tuyển CVCC tại Vietinbank. Cơ hội như thế nào?
Với 7 năm bạn đủ điều kiện về kinh nghiệm cho CVCC, nhưng cạnh tranh sẽ rất cao vì đây là vị trí của NH Big 4 nhà nước. Bạn nên: (1) Demo được 2-3 dashboard mức "strategic" (phục vụ ban lãnh đạo, không chỉ dashboard vận hành); (2) Chuẩn bị sẵn 1-2 case study về chuẩn hóa dữ liệu, governance KPI — vì đây là trọng tâm của CVCC; (3) Hiểu rõ sự khác biệt giữa BI trong FMCG và BI ngân hàng (cần cho vào phần "điểm yếu tôi tự nhận" khi phỏng vấn); (4) Networking — thử hỏi ai đó trong Vietinbank để biết culture fit. Nếu có người refer, tỉ lệ pass sẽ cao hơn đáng kể.
KPI của vị trí BI Developer đánh giá như thế nào? Có áp lực doanh số không?
BI Developer không bị KPI doanh số như bộ phận bán hàng, nhưng có các tiêu chí đánh giá: (1) Tiến độ giao dashboard/báo cáo đúng hạn; (2) Chất lượng (độ chính xác số liệu, số lỗi phát hiện sau khi release); (3) Mức độ ứng dụng (số user truy cập dashboard, tỉ lệ self-service); (4) Cải tiến/đề xuất giải pháp mới; (5) Hỗ trợ nghiệp vụ (tư vấn cho các đơn vị cách khai thác dữ liệu). Một số NH có KPI nhóm chứ không KPI cá nhân, giảm áp lực. Cuối năm thường được đánh giá theo thang Hoàn thành/Xuất sắc để tính thưởng.
Nếu phỏng vấn trượt Vietinbank thì có thể apply chỗ khác không? Bài test có giữ lại làm case study không?
Hoàn toàn có thể apply các NH khác, vì mỗi NH có quy trình riêng. Kinh nghiệm phỏng vấn ở NH lớn sẽ rất có giá trị cho các lần sau. Về bài test — NH lớn thường giữ bài test bảo mật và không trả lại cho ứng viên. Tuy nhiên, bạn nên tự mình screenshot/record lại quá trình làm để sau này cải thiện. Đừng xem trượt NH nhà nước là dấu chấm hết — nhiều người apply 2-3 lần mới đậu, hoặc thử sang NH tư nhân trước để tích lũy kinh nghiệm rồi quay lại sau.