CV/CVC/CVCC Data Engineer
Mô tả công việc
✔ Tham gia phát triển và triển khai các dịch vụ sử dụng các công nghệ Big Data: Hadoop ecosystem, Kafka, Spark, Airflow, …
✔ Nghiên cứu, xây dựng, tối ưu các Job ETL có khả năng mở rộng linh hoạt với độ tin cậy cao, phục vụ cho việc khai thác/ingest, tổng hợp các loại dữ liệu từ nhiều nguồn khác nhau;
✔ Quy hoạch, thiết kế các công cụ nền tảng, công cụ giám sát, cảnh báo KPI chất lượng số liệu… để tự động giám sát hiện trạng của hệ thống, chất lượng dữ liệu giúp đưa ra các cảnh báo kịp cho team
✔ Nghiên cứu và quy hoạch các công cụ khai thác, phân tích số liệu (Big Data OLAP, Notebook …)
Yêu cầu ứng viên
Tốt nghiệp ĐH loại Khá trở lên chuyên ngành: Khoa học dữ liệu, Khoa học máy tính, CNTT, Toán học ứng dụng, hoặc chuyên ngành khác liên quan;
✔ Thành thạo các ngôn ngữ truy vấn CSDL như SQL và NoSQL .
✔ Kiến thức về lập trình lưu trữ, xử lý dữ liệu phân tán, xử lý dữ liệu lớn (Hadoop, Spark, ElasticSearch, Kafka, …)
✔ Kiến thức về xây dựng, tối ưu luồng xử lý dữ liệu (batch processing, stream procesing, …);
✔ Kỹ năng sử dụng ngôn ngữ lập trình (Java, Python, Scala, …);
✔ Có chứng chỉ quốc tế về Data Enginner (AWS, CCA, CCP, IBM Certified Data Engineer, Google Professional Data Engineer …) là một lợi thế
✔ Tư duy tốt, có khả năng nghiên cứu, đánh giá và cập nhật công nghệ mới
Phân tích kỹ năng cần có
Phân tích kỹ năng – Vị trí Data Engineer tại Vietinbank
1. Phân loại trình độ ứng tuyển
Tin tuyển dụng ghi rõ các cấp bậc CV – CVC – CVCC (Chuyên viên – Chuyên viên chính – Chuyên viên cao cấp), nên việc xác định bạn phù hợp cấp nào rất quan trọng:
| Cấp bậc | Kinh nghiệm tối thiểu (tham khảo) | Đặc điểm chính |
|---|---|---|
| Chuyên viên (CV) | 1–2 năm | Làm việc dưới sự hướng dẫn, focus code ETL, xử lý dữ liệu |
| Chuyên viên chính (CVC) | 3–5 năm | Làm chủ một pipeline/module, mentoring CV |
| Chuyên viên cao cấp (CVCC) | 6+ năm | Thiết kế kiến trúc, quy hoạch platform, ra quyết định công nghệ |
2. Hard skills – Bắt buộc
a) Ngôn ngữ truy vấn CSDL (bắt buộc – trọng tâm)
- SQL nâng cao: window functions, CTE, EXPLAIN PLAN, partition pruning, index tuning.
- NoSQL: MongoDB, Cassandra, HBase, Redis – hiểu cách chọn CSDL theo use-case.
b) Hệ sinh thái Big Data (cốt lõi của JD)
- Hadoop (HDFS, YARN, MapReduce): kiến trúc lưu trữ phân tán, cơ chế replication.
- Apache Kafka: producer/consumer, partition, offset, exactly-once semantics.
- Apache Spark: Spark Core, Spark SQL, Spark Structured Streaming; tuning shuffle, broadcast join.
- ElasticSearch: inverted index, analyzer, relevance scoring.
- Airflow: DAG, operator, scheduler, SLA management.
c) Kỹ năng lập trình
- Python (ưu tiên – dễ prototyping, kết nối tốt với PySpark, Pandas).
- Java (rất quan trọng – Spark core, Hadoop đều viết bằng Java/Scala).
- Scala (lợi thế khi làm Spark ở mức production).
d) Xử lý dữ liệu
- Batch processing (ETL batch theo lịch).
- Stream processing (Kafka + Spark Streaming/Flink).
- Data modeling (star/snowflake schema, data vault, data lakehouse).
3. Soft skills
- Tư duy hệ thống: thiết kế pipeline phải đảm bảo high availability, fault tolerance.
- Khả năng nghiên cứu & cập nhật công nghệ: ngành Data thay đổi nhanh, trong Big Four bank như Vietinbank, bạn sẽ phải đánh giá công nghệ mới thường xuyên.
- Kỹ năng giám sát & cảnh báo: thiết kế KPI chất lượng dữ liệu (completeness, accuracy, timeliness) là yêu cầu rất rõ trong JD.
- Làm việc nhóm đa phòng ban: TT Nền tảng dữ liệu phục vụ cho nhiều đơn vị kinh doanh, nên khả năng giao tiếp, viết tài liệu kỹ thuật rất cần.
4. Chứng chỉ quốc tế – Điểm cộng
| Chứng chỉ | Tổ chức | Độ phù hợp với vị trí |
|---|---|---|
| AWS Data Engineer – Associate | Amazon | Tốt cho cloud ETL, Glue, Redshift |
| Google Professional Data Engineer | Cao, được đánh giá cao tại ngân hàng | |
| IBM Certified Data Engineer | IBM | Phù hợp môi trường on-prem truyền thống |
| CCA (Cloudera Certified Associate) | Cloudera | Rất phù hợp vì liên quan Hadoop/Spark |
| CCP (Cloudera Certified Professional) | Cloudera | Cao cấp, phù hợp vị trí CVC/CVCC |
| Databricks Certified Data Engineer | Databricks | Rất hot, tốt cho Spark/Scala |
> 💡 Mẹo: Với mức CV mới vào, nên ưu tiên CCA175 hoặc AWS DEA trước. Với CVC trở lên, Google PDE hoặc CCP là điểm cộng lớn.
5. Bằng cấp
Tốt nghiệp ĐH loại Khá trở lên, chuyên ngành: Khoa học dữ liệu, Khoa học máy tính, CNTT, Toán ứng dụng hoặc liên quan.
Lưu ý: Nếu tốt nghiệp ngành khác (Kinh tế, Tài chính…), bạn cần portfolio dự án Data/Code mạnh để bù đắp.
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn – Data Engineer Vietinbank
1. Quy trình tuyển dụng dự kiến (Big Four bank)
Dựa trên quy trình chung của Vietinbank, các vòng thường gặp:
Vòng 1 – HR Screening (30–45 phút)
- Xác nhận thông tin cá nhân, mức lương kỳ vọng, thời gian đi làm.
- Lý do nghỉ việc (nếu đã đi làm).
Vòng 2 – Phỏng vấn kỹ thuật lần 1 (60–90 phút)
- Là Manager cấp phòng hoặc Senior Engineer phỏng vấn.
- Trọng tâm: kiến thức nền tảng, SQL, Big Data core.
Vòng 3 – Phỏng vấn kỹ thuật lần 2 / Chuyên sâu (60–90 phút)
- Bài test thực hành: viết code, thiết kế pipeline, phân tích tình huống.
Vòng 4 – Phỏng vấn quản lý cấp cao / Giám đốc TT (45–60 phút)
- Tầm nhìn, khả năng lãnh đạo, phù hợp văn hóa.
Vòng 5 – Offer & Background check
2. Câu hỏi kỹ thuật hay gặp
Vòng SQL & Data Modeling:
- Viết SQL tìm top 3 khách hàng có tổng giá trị giao dịch cao nhất theo từng tháng trong 12 tháng gần nhất.
- Phân biệt clustered index vs. non-clustered index. Khi nào dùng partition?
- Slow query đang chạy 30 phút, bạn xử lý thế nào? (EXPLAIN, query rewrite, index, denormalization…).
Vòng Big Data:
- HDFS lưu trữ file thế nào? Cơ chế replication factor ảnh hưởng gì đến hiệu năng?
- Phân biệt Hadoop MapReduce và Spark. Tại sao Spark nhanh hơn? (in-memory, DAG, RDD lineage).
- Kafka đảm bảo thứ tự message trong partition như thế nào? Exactly-once semantics hoạt động ra sao?
- Khi nào dùng batch vs. stream processing? Ví dụ use-case phù hợp với Vietinbank (giao dịch thẻ realtime, báo cáo cuối ngày…).
Vòng thiết kế hệ thống:
- Thiết kế pipeline ingest dữ liệu giao dịch thẻ từ core banking → Data Lake → Data Warehouse → Dashboard. Yêu cầu latency < 5 phút.
- Thiết kế hệ thống monitoring: làm sao biết pipeline bị chậm/lỗi? KPI nào cần theo dõi (data freshness, error rate, throughput)?
Vòng coding (có thể test trên giấy hoặc HackerRank):
- FizzBuzz, FizzBuzz variant.
- Đảo chuỗi, kiểm tra palindrome.
- Thuật toán cơ bản: tìm phần tử lặp lại đầu tiên trong array O(n).
- Bài ETL mini: đọc file CSV, aggregate, ghi ra Parquet.
3. Câu hỏi tình huống & behavioral
- Khi pipeline bị lỗi lúc 2h sáng, bạn xử lý thế nào?
- Bạn làm việc với phòng kinh doanh yêu cầu thay đổi schema giữa chừng. Xử lý thế nào?
- Khi được giao tìm hiểu công nghệ mới (ví dụ Apache Flink), bạn tiếp cận ra sao?
4. Câu hỏi nên hỏi ngược nhà tuyển dụng
- Quy mô data lake hiện tại của Vietinbank và mức độ ứng dụng cloud (on-prem, hybrid hay full cloud)?
- Team hiện tại bao nhiêu người, tech stack chính là gì?
- Cơ hội thăng tiến từ CV lên CVC, CVCC thường mất bao lâu?
- Ngân sách cho chứng chỉ quốc tế & đào tạo hằng năm?
5. Dress code & Tip chuẩn bị
- Trang phục: Sơ mi + quần tây giày lịch sự (vòng Giám đốc/trên). Có thể smart-casual cho vòng kỹ thuật (nên hỏi HR trước).
- Tài liệu mang theo: CV bản in, bảng điểm (nếu mới ra trường), bằng chứng chỉ photo.
- Mang laptop chứa các dự án cá nhân GitHub, portfolio pipeline.
- Đến sớm 15 phút.
Lộ trình ôn thi
Lộ trình ôn tập 2 tuần cho vòng phỏng vấn
Tuần 1 – Nền tảng cốt lõi
Ngày 1–2: SQL nâng cao (5–7 giờ)
- Luyện trên LeetCode (tag: SQL – Hard), HackerRank (SQL Advanced).
- Học window functions (`ROW_NUMBER`, `RANK`, `LAG`, `LEAD`, aggregate window).
- Tối ưu query: EXPLAIN PLAN, index, hint.
- Thực hành viết ETL transformation bằng SQL thuần.
Ngày 3–4: Hệ sinh thái Big Data (8–10 giờ)
- Đọc tổng quan Hadoop (HDFS, YARN, MapReduce) – 1 buổi.
- Spark architecture: SparkSession, DAG scheduler, RDD/DataFrame, shuffle, broadcast variable. Thực hành PySpark trên Jupyter.
- Kafka: zookeeper, broker, topic, partition, consumer group. Thực hành producer/consumer bằng Python (`kafka-python`).
- ElasticSearch: cài Docker, thử `GET /_cat/indices`, `match`, `term`, `analyzer`.
Ngày 5–7: Airflow & ETL pipeline (8 giờ)
- Cài Airflow qua Docker Compose.
- Viết DAG: ingest file CSV → transform → load vào PostgreSQL/Parquet.
- Học `Sensor`, `Operator`, `Hook`, `TaskFlow API`.
- Tìm hiểu data quality check trong pipeline (Great Expectations).
Tuần 2 – Chuyên sâu & Mock interview
Ngày 8–9: Data Lake & OLAP (6 giờ)
- Phân biệt Data Lake, Data Warehouse, Lakehouse.
- Tìm hiểu Hive, Presto/Trino, ClickHouse, Apache Hudi, Iceberg.
- Thực hành truy vấn OLAP trên notebook (Jupyter + Spark SQL).
Ngày 10: System Design (4 giờ)
- Đọc Designing Data-Intensive Applications – chương 1, 3, 5, 11.
- Nghiên cứu 3 case study thực tế: kiến trúc data của Netflix, LinkedIn, Spotify.
- Vẽ kiến trúc pipeline fintech/banking (gợi ý: một số ngân hàng Hàn Quốc, Techcombank Data Platform đã public).
Ngày 11–12: Coding & luyện đề (6–8 giờ)
- LeetCode 30 bài Easy, 20 bài Medium (nhấn mạnh: Array, String, Hash Table).
- 1 bài tập cuối: viết PySpark job đọc JSON lớn, lọc, ghi Parquet.
Ngày 13: Mock interview
- Nhờ bạn bè hoặc dùng AI mock phỏng vấn 60 phút. Ghi hình lại, nghe lại, sửa cách diễn đạt.
Ngày 14: Ôn lại & nghỉ ngơi
- Đọc lại note, ôn 20 câu hỏi SQL hay hỏi, 10 câu Big Data.
- Chuẩn bị câu hỏi cho nhà tuyển dụng.
Tài liệu tham khảo
Sách:
- Designing Data-Intensive Applications – Martin Kleppmann (bắt buộc).
- Spark: The Definitive Guide – Bill Chambers & Matei Zaharia.
- Kafka: The Definitive Guide – Gwen Shapira et al.
- Fundamentals of Data Engineering – Joe Reis & Matt Housley.
Khóa học miễn phí:
- Coursera: Google Data Engineer Professional Certificate.
- Udemy: Apache Kafka Series by Stephane Maarek.
- FreeCodeCamp / YouTube: các bài hướng dẫn Airflow + Spark.
Website thực hành:
- LeetCode (SQL & Python).
- HackerRank (Intermediate SQL).
- DataCamp (chương dùng thử miễn phí).
Checklist trước ngày phỏng vấn
- [ ] Ôn xong SQL window function.
- [ ] Vẽ được kiến trúc Hadoop + Spark + Kafka + Airflow bằng tay.
- [ ] Đọc lại JD, hiểu Vietinbank đang đầu tư vào mảng nào (Data Lake? Realtime? AI?).
- [ ] Chuẩn bị 2–3 câu chuyện dự án cá nhân theo mô hình STAR.
- [ ] Cài sẵn môi trường demo trên GitHub để phòng trường hợp được hỏi code online.
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho Data Engineer ngân hàng
1. Tại sao nên chọn Data Engineer tại ngân hàng?
Ngân hàng đang trải qua cuộc chuyển đổi số cực lớn, đặc biệt là Big Four. Riêng mảng dữ liệu, mỗi ngân hàng đang xây dựng hệ thống data platform quy mô petabytes – vượt qua xa các fintech nhỏ. Đây là cơ hội:
- Làm việc với dữ liệu nhạy cảm, quy mô lớn (giao dịch, tín dụng, khách hàng) – thử thách kỹ thuật rất cao.
- Làm với hạ tầng hiện đại được đầu tư bài bản (có thể kết hợp on-prem + AWS/Azure).
- Cơ hội chuyển sang các vị trí Data Architect, Head of Data Platform, hoặc sang fintech.
2. Lộ trình thăng tiến dự kiến tại ngân hàng Big Four
| Giai đoạn | Thời gian | Vai trò điển hình |
|---|---|---|
| 0–2 năm | CV | Senior Data Engineer |
| 3–5 năm | CVC | Lead Data Engineer / Tech Lead |
| 6–10 năm | CVCC | Data Architect / Principal Engineer |
| 10+ năm | Chuyên gia/Giám đốc | Head of Data Platform / Head of Data Engineering |
Bước nhảy lên CVCC thường đi kèm việc chủ trì 1 platform lớn, có bài public speaking nội bộ, đóng góp vào cộng đồng.
3. Mức lương kỳ vọng (ước lượng tham khảo)
> ⚠️ Lưu ý quan trọng: Mức lương dưới đây chỉ là ƯỚC LƯỢNG tham khảo, mức lương có thể thay đổi tùy ngân hàng và thời điểm. Đề xuất của Vietinbank ghi "Thỏa thuận", thường là đã có range sẵn.
| Cấp bậc | Gross/tháng (ước lượng) |
|---|---|
| CV (mới ra trường) | 18 – 30 triệu |
| CV (1–2 năm KN) | 25 – 40 triệu |
| CVC (3–5 năm KN) | 40 – 70 triệu |
| CVCC (6+ năm KN) | 70 – 130 triệu |
| Lead/Manager | 100 – 200 triệu |
Ngoài lương, Big Four còn có: thưởng Tết (1–4 tháng), thưởng KPI (theo nhóm), bảo hiểm sức khỏe gia đình, cơ hội tham gia chương trình quản trị viên tập sự (QTV).
4. Kỹ năng cần phát triển thêm để thăng tiến
Nếu muốn lên CVC:
- Thành thạo streaming platform (Spark Streaming / Flink).
- Biết CI/CD cho data pipeline (Airflow + GitLab CI + Docker + Kubernetes).
- Có khả năng mentoring và review code.
Nếu muốn lên CVCC:
- Thiết kế được kiến trúc multi-cluster, multi-region.
- Biết data governance, security, compliance (đặc biệt ngành ngân hàng).
- Đóng góp bài báo, diễn thuyết tại cộng đồng, mentoring nhiều người.
- Có kinh nghiệm đàm phán vendor, quản lý ngân sách dự án.
Kỹ năng bổ sung nên có:
- Cloud certification (AWS / GCP / Azure) – gần như bắt buộc ở cấp CVCC.
- MLOps cơ bản: phối hợp với team Data Scientist, biết deploy model lên production.
- Data Mesh / Lakehouse (các khái niệm mới) – đây là hướng đang nổi.
5. Lời khuyên từ người đi trước
- Đừng bỏ qua finance domain: Dữ liệu ngân hàng khác dữ liệu thương mại điện tử rất nhiều. Hiểu schema core banking là lợi thế cạnh tranh cực lớn của bạn so với người ngoài ngành.
- Làm tốt ở Big Four ngân hàng là một "brand" tốt: Sau 3 năm ở Vietinbank, bạn có thể chuyển sang Big Tech, fintech unicorn, hoặc Startup nước ngoài.
- Cân nhắc thời gian onboarding: Văn hóa nhà nước & tập đoàn lớn có quy trình chậm hơn. Chuẩn bị tâm lý 6–12 tháng đầu sẽ phải học rất nhiều về quy định.
6. Checklist CV/Portfolio
- [ ] GitHub có 2–3 project ETL/Datalake public.
- [ ] Viết 1 blog medium/linkedin về case study Data Engineer.
- [ ] CV ghi rõ số liệu: xử lý bao nhiêu TB/ngày, giảm latency từ X xuống Y.
- [ ] Cập nhật LinkedIn profile về title Data Engineer + skill chuẩn theo JD.
Câu hỏi thường gặp
Em vừa ra trường ngành Khoa học dữ liệu, chưa có kinh nghiệm thực tế thì có nên apply vị trí Data Engineer tại Vietinbank không?
Được em nhé. Các Big Four ngân hàng thường tuyển cả vị trí Chuyên viên (CV) cho người mới ra trường. Yếu tố giúp em cạnh tranh: (1) bằng Khá/Giỏi; (2) chứng chỉ quốc tế (CCA, AWS DEA là lợi thế lớn); (3) project cá nhân trên GitHub có dùng Spark/Kafka; (4) hiểu schema ngân hàng qua đồ án tốt nghiệp. Trước mắt hãy rèn PySpark + SQL + Airflow trong 2–3 tháng rồi apply.
Mức lương Data Engineer tại Vietinbank khoảng bao nhiêu? Đã có mức nào cụ thể chưa?
Tin tuyển ghi "Thỏa thuận" – tức là HR sẽ trao đổi sau khi đánh giá CV và phỏng vấn. Thực tế thị trường Big Four đang dao động: mới ra trường khoảng 18–30 triệu gross, từ 3–5 năm kinh nghiệm có thể 45–80 triệu, cấp CVCC trở lên từ 70–130 triệu (đây là ước lượng tham khảo, mức lương có thể thay đổi tùy ngân hàng và thời điểm). Khi deal, em nhớ cộng thêm thưởng Tết, bảo hiểm, cơ hội QTV.
Em đang là Backend Java 3 năm, muốn chuyển sang Data Engineer ngân hàng, khả thi không?
Rất khả thi. Java là một trong những stack chính của Spark core và Kafka. Em cần bổ sung: SQL nâng cao, tự học PySpark + Airflow trong 1–2 tháng, đọc qua "Designing Data-Intensive Applications", xây 1 mini project ingest dữ liệu giả lập. Khi phỏng vấn, nhấn mạnh nền tảng Java giúp em debug Spark job tốt hơn ứng viên chỉ biết Python.
Khác biệt giữa Data Engineer ở ngân hàng và ở fintech, startup là gì? Em nên chọn bên nào?
Ngân hàng: dữ liệu lớn, nhiều hệ thống legacy, quy trình chặt chẽ, an toàn & ổn định, salary tốt nhưng innovation chậm hơn. Fintech/startup: stack cloud-native hiện đại (Airflow, Snowflake, dbt), tốc độ ra quyết định nhanh, đã chạm vào ML/Databricks, nhưng áp lực deadline cao. Nếu em mới ra trường, 2–3 năm ở ngân hàng Big Four sẽ xây nền tảng vững; nếu thích tốc độ, chọn startup đang scale data.
Chứng chỉ nào đáng học nhất cho Data Engineer ngân hàng Việt Nam?
Ưu tiên theo thứ tự: (1) Databricks Certified Data Engineer Associate – đang hot nhất vì align Spark & Delta Lake; (2) AWS Data Engineer – Associate – nếu ngân hàng đang migrate sang cloud; (3) Google Professional Data Engineer – giá trị cao; (4) CCA175 (Cloudera) – phù hợp hệ on-prem Hadoop. Nếu em apply CVCC, hãy thử Google PDE hoặc CCP.
Em học Toán ứng dụng nhưng không biết Java, có cơ hội vào vị trí này không?
Có cơ hội nếu em chủ động bổ sung kỹ năng thực tế. Vị trí Data Engineer thiên về kỹ thuật, nên hãy tự học Python + SQL + PySpark ít nhất 3 tháng trước khi apply. Nền tảng Toán giúp em nhiều ở phần tối ưu thuật toán, Spark partition, streaming. Cần làm thêm dự án cá nhân có thể demo.
Phỏng vấn Data Engineer ngân hàng có khác gì phỏng vấn ở công ty product không?
Có khác biệt rõ. Ngân hàng sẽ hỏi nhiều hơn về: bảo mật dữ liệu, compliance (Ngân hàng Nhà nước, PCI-DSS), audit trail, data lineage, cách xử lý dữ liệu có tính cá nhân (PDPA). Còn công ty product hay hỏi về A/B testing pipeline, experimentation, scale lên triệu user. Chuẩn bị thêm phần data governance là điểm cộng.
Lộ trình để từ một Data Engineer trở thành Data Architect trong 5–7 năm là gì?
Bước 1 (0–2 năm): thành thạo Spark, Kafka, SQL, Airflow, viết code production. Bước 2 (2–4 năm): làm chủ 1 domain lớn (core banking data, credit data…), hiểu data governance, bắt đầu thiết kế data model. Bước 3 (4–6 năm): thiết kế kiến trúc multi-cluster, đánh giá công nghệ mới, mentor team. Bước 4 (6–7 năm): làm Data Architect – ra quyết định về platform, đàm phán vendor, định hướng chiến lược data của ngân hàng. Song song: lấy 1–2 chứng chỉ cloud, public 3–4 bài talk/bài viết kỹ thuật để xây brand.
JD nói đến Hadoop, Kafka, Spark, Airflow – giữa 4 cái này thì cái nào quan trọng nhất để học trước?
Thứ tự ưu tiên theo thực tế: SQL → Spark → Airflow → Kafka. SQL là nền tảng mọi pipeline. Spark là xương sống xử lý batch + stream. Airflow là công cụ orchestration phổ biến nhất. Kafka hiểu cơ chế để làm việc với streaming, nhưng nếu mới học thì Spark Streaming (Structured Streaming) có thể cover trước. Hadoop core chỉ cần hiểu concept, không cần cài đặt sâu.
Em đang ở Hồ Chí Minh, liệu có được cơ hội làm remote cho vị trí này tại Hà Nội không?
Tin tuyển ghi rõ địa điểm Hà Nội, rất ít ngân hàng Big Four cho remote 100% vị trí Data Engineer vì phải làm việc trực tiếp tại DC, gặp vendor, họp nội bộ. Một số ngân hàng có chính sách hybrid sau khi onboard (2–3 ngày remote/tuần), nhưng em vẫn cần đến Hà Nội làm việc ít nhất 1–2 ngày. Nếu không thể relocate, em nên tìm vị trí tương tự tại TP.HCM.