messenger

Chat Mess

zalo

Chat Zalo

phone

Phone

Gọi ngay: 097.5151.777
messenger

Facebook

messenger

TikTok

Hỗ trợ tư vấn: 097.5151.777
VPBank

Business Intelligence (C360) - Hà Nội - TA174

Hà Nội Khối Quản trị và Phân tích dữ liệu
CMNV

Mô tả công việc

JOB PURPOSE
Phân tích dữ liệu, thực hiện việc thu thập, xem xét, biến đổi dữ liệu và phân tích chuyên sâu với mục tiêu chỉ ra được những insight hữu ích, đưa ra khuyến nghị và hỗ trợ trong việc ra các quyết định của đơn vị kinh doanh.
help in processing of collecting, inspecting, cleansing, transforming, and modeling data with the goal of discovering useful information (finding meaningful facts and trends relevant to an outcome of interest), informing conclusions (making sense of complex concepts) and supporting decision-making.

KEY ACCOUNTABILITIES
Key activities:
1.Chịu trách nhiệm thu thập dữ liệu, phát triển và triển khai phân tích nhằm cung cấp các nhận định, khuyến nghị phục vụ việc ra quyết định của các cấp quản lý, lãnh đạo VPBank và các công ty trong hệ sinh thái
Responsible for data collection, development and implementation analysis to provide insight for to support decision making process of manager VPBank & Ecosystem
2. Chủ động trao đổi với các đầu mối liên quan để nắm vấn đề kinh doanh nhằm đưa ra các khuyến nghị kip thời.
Proactive discuss with contact point to order to catch up business problems to provide insight right time
3. Tham gia vào các dự án của Ngân hàng, các công ty con trong hệ sinh thái với vai trò phân tích dữ liệu nhằm nắm bắt các vấn đề kinh doanh kinh doanh chiến lược
Participate in projects of VPBank, subsidiaries in Ecosystem with the role of data analysis to capture business strategic business issues
4. Hỗ trợ các yêu cầu báo cáo định kỳ, adhoc, triển khai các phân tích chuyên sâu cho các lãnh đạo cấp cao nhằm đánh giá tình hình kinh doanh tổng quan và chi tiết
Support adhoc dashboard and analysis for top management to evaluate business performance in general and deep dive into details
5. Đưa ra các sáng kiến và triển khai thực hiện các sáng kiến nhằm nâng cao hiệu quả hoạt động phân tích dữ liệu của phòng
Propose & implement initiatives to improve analytics activities performance
6. Đào tạo, hướng dẫn, dẫn dắt các nhân sự có ít kinh nghiệm hơn tại  đơn vị để nâng cao chuyên môn nghiệp vụ, góp phần tăng năng suất và hiệu quả làm việc
Mentors, guides, and leads less experienced personnel within the unit to enhance their professional expertise, contributing to increased productivity and work efficiency
7. Thực hiện các công việc khác do cấp trên giao phó.
Performing other tasks as assigned by upper management.

Outcomes/ Measures

  • Trực quan hóa dữ liệu, phân tích kết quả sử dụng kỹ thuật thống kê đưa ra các khuyến nghị nhằm tăng cường hiệu quả kinh doanh

Visualization of data, analysis of results using statistical techniques to provide insight to support managers make promt decisions to maximize efficiency, revenue and profit

  • Nâng cao điểm hài lòng của khách hàng nội bộ

Improve internal customer satisfaction

  • Góp phần đảm bảo thành công của dự án/ mục tiêu kinh doanh trọng điểm

Contribute to success of the project

  • Số lượng báo cáo, phân tích chuyên sâu góp phần hỗ trợ hữu ích cho các lãnh đạo cấp cao

Number of dashboard & deep dive analysis effectively support to top management decicions

  • Số lượng sáng kiến triển khai thành công và mang lại hiệu quả

Number of successfully implemented & helpful initiatives

  • Đánh giá của quản lý về hiệu quả trong việc dẫn dắt các nhân sự khác

Managerial assessment of effectiveness in leading other personnel

  • Đảm bảo hoàn thành các công việc được giao trong thời hạn quy định.

Ensure finishing all tasks within required timeline.

REQUIREMENTS
1. Educational Qualifications

  • Tốt nghiệp Đại học trở lên chuyên ngành kinh tế/ngân hàng/kế toán/tài chính/công nghệ thông tin hoặc các chuyên ngành khác liên quan

Graduated with a Bachelor's degree or higher in Economics, Banking, Accounting, Finance, Information Technology, or other related fields
2. Relevant Knowledge/ Expertise

  • Có kiến thức ít nhất về một trong các mảng kiến chuyên môn là sản phẩm, dịch vụ trong các lĩnh vực như ngân hàng, bảo hiểm, gọi xe, chứng khoán

Possesses at least a basic understanding of product and service expertise within sectors such as banking, insurance, ride-hailing, and securities
3. Skills

  • Kỹ năng giải quyết vấn đề một cách sáng tạo

Problem-solving skills in a creative way

  • Kỹ năng sử dụng thành thạo các công cụ quản lý dữ liệu (SQL Server, Oracle…)

Data management tools skill

  • Kỹ năng sử dụng thành thạo công cụ phân tích chuyên sâu (Python, R)

Analytics skills using mutiple tools (Python, R)

  • Kỹ năng sử dụng thành thạo BI tool (Superset/ PBI/ Quicksight…)

BI tool skills using mutiple tools (Superset/ PBI/ Quicksight)

  • Khả năng xây dựng tài liệu thuyết trình (presentation) chuyên nghiệp, có kỹ năng trình bày kết quả, phân tích, thuyết phục quản lý hoặc khách hàng

Strong presentation and communication skills with the ability to persuasively present analytical findings to influence management or clients

  • Có kiến thức và kinh nghiệm làm việc trên Cloud (AWS/Google/ Databricks) là một lợi thế

Having experience with Cloud computing is an advantage
4. Relevant Experience

  • Có từ 3 - 5 năm kinh nghiệm trong lĩnh vực phân tích dữ liệu, phân tích kinh doanh trong lĩnh vực ngân hàng, tài chính, bảo hiểm, chứng khoán, gọi xe

Possesses approximately one year of experience in data analysis or business analysis within the banking, finance, insurance, securities or ride hailing field
5. Required Competencies

  • Có khả năng làm việc độc lập cũng như làm việc nhóm

Ability to work independently as well as teamwork

  • Có khả năng phân tích, khả năng quản lý thời gian và có tư duy logic.

Ability to analyze, manage time and logical thinking

  • Thái độ tích cực, ham học hỏi, cầu tiến

Possitive attitude

  • Chuyên nghiệp, tự tin, chủ động, có khả năng ứng phó với áp lực/xung đột.

Professional, self-confident, proactive and be able to handle stress/conflict.

PERKS & BENEFITS

  • Thu nhập hấp dẫn, lương thưởng cạnh tranh theo năng lực, gói thu nhập 15-18 tháng lương/năm

Attractive compensation package with competitive, performance-based salary and bonuses, totaling 15–18 months of income per year

  • Thưởng các Ngày lễ, Tết (theo chính sách ngân hàng)

Holiday and Tet bonuses in accordance with the Bank’s prevailing policies

  • Được vay ưu đãi theo chính sách ngân hàng từng thời kỳ

Preferential loan programs offered based on the Bank’s policy at each period

  • Chế độ ngày phép hấp dẫn theo cấp bậc công việc

Enhanced annual leave entitlements aligned with job grade and position level

  • Bảo hiểm theo luật lao động + Bảo hiểm VPBank care cho CBNV theo cấp bậc và thời gian công tác

Full statutory insurance coverage, plus VPBank Care insurance tailored to employee grade and length of service

  • Cơ hội làm việc tại một Ngân hàng tiên phong ứng dụng AI & ML trong thúc đẩy giá trị kinh doanh với hệ sinh thái đa dạng: Ngân hàng, Tài chính, Chứng khoán, Bảo hiểm,...

Opportunity to work at a pioneering Bank applying AI & ML to enhance business value across a diverse ecosystem including Banking, Finance, Securities, Insurance, and more

  • Cơ hội phát triển tại môi trường dẫn đầu thị trường ngân hàng về khối lượng dữ liệu; tham gia nhiều dự án, sáng kiến dữ liệu lớn, không ngừng tạo ra giá trị gia tăng cho khách hàng

Career development in a leading data-driven environment, participating in large-scale big data projects and initiatives that continuously deliver added value to customers.

  • Được tham gia các khóa đào tạo tùy thuộc vào Khung đào tạo cho từng vị trí.

Access to training programs aligned with the competency framework for each position

Phân tích kỹ năng cần có

Phân tích kỹ năng cần có cho vị trí Business Intelligence (C360) - VPBank

🎯 Tổng quan vị trí

Đây là vị trí thuộc Khối Quản trị và Phân tích dữ liệu của VPBank — một trong những ngân hàng tiên phong ứng dụng AI/ML tại Việt Nam. Vị trí này đòi hỏi người có khả năng "biến dữ liệu thành quyết định kinh doanh", làm việc trực tiếp với leadership cấp cao và phục vụ toàn hệ sinh thái (ngân hàng, chứng khoán, bảo hiểm, gọi xe...).

---

🔧 Hard Skills (Kỹ năng cứng) — BẮT BUỘC

Nhóm kỹ năng Công cụ cụ thể Mức độ yêu cầu Ghi chú
Quản lý dữ liệu SQL Server, Oracle Thành thạo Viết query phức tạp, stored procedure, tối ưu performance
Phân tích chuyên sâu Python (pandas, numpy, scikit-learn), R Thành thạo Statistical analysis, modeling, automation
BI/Visualization Superset, Power BI, QuickSight Thành thạo ít nhất 1 Dashboard design, storytelling với data
Excel/PPT Advanced Excel, PowerPoint Thành thạo Báo cáo cho top management

☁️ Hard Skills — LỢI THẾ CẠNH TRANH

Công nghệ Mức độ Giá trị mang lại
Cloud (AWS/GCP/Databricks) Có kinh nghiệm Làm việc với Big Data, xử lý data quy mô lớn
Big Data (Spark, Hadoop) Biết cơ bản Xử lý data hàng triệu record
Machine Learning Biết cơ bản Tạo predictive models cho business
ETL/ Data Pipeline Có kinh nghiệm Tự động hóa data flow

🧠 Soft Skills (Kỹ năng mềm)

1. Storytelling với dữ liệu — Đây là kỹ năng sống còn. Không chỉ biết phân tích mà phải truyền tải insight sao cho lãnh đạo cấp cao hiểu và ra quyết định nhanh.
2. Business Acumen — Cần hiểu ngân hàng, bảo hiểm, chứng khoán hoặc gọi xe để biết metric nào quan trọng.
3. Giao tiếp chủ động — JD yêu cầu "chủ động trao đổi với đầu mối liên quan" — không phải ngồi chờ ticket.
4. Quản lý thời gian — Phục vụ nhiều stakeholder, deadline gắt.
5. Khả năng chịu áp lực — Làm việc với C-level là áp lực lớn.
6. Mentoring — Dẫn dắt nhân sự ít kinh nghiệm hơn.

📜 Chứng chỉ gợi ý

Chứng chỉ Tổ chức Giá trị
Google Data Analytics Coursera/Google Nền tảng cơ bản
Microsoft Certified: Power BI Data Analyst Microsoft Chứng minh BI skill
AWS Certified Data Analytics AWS Cloud + Big Data
Databricks Certified Data Analyst Databricks Lakehouse platform
TensorFlow Developer / ML Certificate Google Nếu muốn phát triển lên ML
CFA / FRM CFA Institute / GARP Nếu muốn hiểu sâu finance

---

⚠️ Lưu ý quan trọng

  • JD ghi "3-5 năm kinh nghiệm" (tiếng Việt) nhưng phần tiếng Anh lại ghi "approximately one year" — đây chắc chắn là lỗi dịch thuật. Ứng viên nên dựa vào phần tiếng Việt (3-5 năm) làm chuẩn.
  • VPBank là ngân hàng có khối lượng dữ liệu top đầu thị trường — nên ưu tiên ứng viên đã làm việc với Big Data.
  • Vị trí này phục vụ "hệ sinh thái" rộng (ngân hàng, chứng khoán, bảo hiểm, gọi xe) nên ứng viên có background đa ngành sẽ có lợi thế.

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn vị trí BI (C360) - VPBank

📋 Quy trình tuyển dụng dự kiến (4-5 vòng)

VPBank thường có quy trình khá chặt chẽ cho vị trí chuyên môn. Dự kiến:

Vòng Hình thức Nội dung Thời gian
Vòng 1 HR Phone/Video Screen Background, motivation, basic fit 20-30 phút
Vòng 2 Technical Test / Assignment SQL, Python, case study phân tích 1-3 ngày làm
Vòng 3 Technical Interview Deep dive SQL, Python, BI tools, case 60-90 phút
Vòng 4 Business Interview Business case, domain knowledge, presentation 60 phút
Vòng 5 Final Interview Head of Department / Director 30-45 phút

> ⚠️ Note: Quy trình có thể thay đổi tùy thời điểm. Với vị trí phục vụ top management, VPBank thường có thêm vòng culture fit.

---

❓ Câu hỏi hay gặp theo từng vòng

Vòng 1 - HR Screen
  • Giới thiệu bản thân và lý do ứng tuyển vào VPBank?
  • Bạn biết gì về hệ sinh thái VPBank (VPBank, VPBankS, VPB FC, Be Group...)?
  • Mức lương hiện tại và mong muốn?
  • Thời gian onboard nhanh nhất?
Vòng 2 - Technical Test

SQL (rất quan trọng):

  • Viết query tính retention rate của khách hàng theo cohort.
  • Tìm top 10 khách hàng có giá trị giao dịch cao nhất trong 3 tháng gần nhất, kèm tăng trưởng so với cùng kỳ.
  • Window functions: ROW_NUMBER, RANK, LAG, LEAD.
  • Tối ưu query chạy chậm trên bảng 100M records.

Python/R:

  • Phân tích distribution của biến, xử lý outliers.
  • A/B test: cách tính p-value, sample size.
  • Viết function tự động hóa báo cáo.
Vòng 3 - Technical Interview
  • Phân tích sự khác biệt giữa Superset, Power BI, QuickSight? Kinh nghiệm thực tế với từng tool?
  • Thiết kế dashboard cho Phó Tổng giám đốc theo dõi tình hình kinh doanh — những metric nào quan trọng nhất?
  • Cách xử lý khi data source bị sai/bị thiếu?
  • Giải thích cohort analysis, funnel analysis, RFM segmentation.
  • ETL pipeline bạn đã thiết kế như thế nào?
Vòng 4 - Business Interview
  • Case study thực tế: "Khách hàng ngân hàng đang giảm engagement trên app, bạn sẽ phân tích như thế nào?"
  • Làm thế nào để đánh giá hiệu quả một chiến dịch marketing?
  • Kể tên các metric quan trọng trong ngân hàng: NIM, CASA, NPL ratio, ROA, ROE...
  • Cách đo lường churn rate trong ngân hàng?
  • Bạn đã tham gia dự án nào mà data analysis tạo ra impact lớn nhất?
Vòng 5 - Final
  • Tầm nhìn nghề nghiệp 3-5 năm tới?
  • Bạn muốn đi theo track chuyên sâu kỹ thuật (Senior BI → Lead BI → Architect) hay track quản lý (BI Manager → Head of Analytics)?
  • Vì sao chọn VPBank thay vì các ngân hàng khác?

---

💡 Tips chuẩn bị

1. Chuẩn bị Portfolio mạnh:

  • 3-5 dashboard bạn đã làm (export PNG/PDF hoặc link demo).
  • 1-2 case study có impact rõ ràng (VD: "Phân tích giúp giảm 15% churn").
  • GitHub repo với code Python/SQL (nếu có).

2. Nghiên cứu kỹ VPBank:

  • Đọc báo cáo thường niên, tin tức gần đây.
  • Hiểu về hệ sinh thái: VPBank, VPBank Securities, VPB Finance, Be Group (gọi xe), ACE Life (bảo hiểm)...
  • Biết về chiến lược chuyển đổi số của VPBank.

3. Print CV ít nhất 3 bản (nếu phỏng vấn offline).

4. Mang laptop cá nhân phòng trường hợp cần demo dashboard.

5. STAR method cho các câu hỏi behavioral:

  • Situation → Task → Action → Result

---

👔 Dress Code

  • Vòng HR/Technical: Business casual (sơ mi + quần tây, không cần vest) hoặc smart casual.
  • Vòng Business/Final: Formal — vest/sơ mi + quần tây. VPBank là ngân hàng nên chuẩn formal sẽ an toàn hơn.
  • Tránh: quần jeans, áo thun, giày thể thao, nước hoa quá nồng.

🎁 Câu hỏi nên hỏi ngược nhà tuyển dụng

  • Team hiện tại có bao nhiêu người? Cấu trúc team như thế nào?
  • Stack công nghệ hiện đang dùng là gì? Có roadmap chuyển đổi không?
  • KPI đánh giá performance hàng quý/hàng năm là gì?
  • Cơ hội tham gia các dự án cross-company trong hệ sinh thái?
  • Chính sách đào tạo và chứng chỉ (AWS, Google, Databricks)?
  • Lộ trình thăng tiến rõ ràng cho vị trí này?

Lộ trình ôn thi

Lộ trình ôn tập & chuẩn bị 1-2 tuần

📚 Kiến thức nền cần có

1. Ngân hàng & Tài chính (nếu chưa có background)
  • Sản phẩm ngân hàng: Tiền gửi, cho vay, thẻ tín dụng, NH số, bancassurance.
  • Chứng khoán: Môi giới, tự doanh, tư vấn đầu tư.
  • Bảo hiểm: Nhân thọ, phi nhân thọ, bancassurance.
  • Key metrics:
  • Ngân hàng: NIM, CASA ratio, NPL ratio, LDR, ROA, ROE, CIR
  • Khách hàng: ARPU, churn rate, retention, LTV, CAC
  • Tài liệu tham khảo:
  • Sách "Ngân hàng trong đời sống kinh tế" - PGS.TS Nguyễn Hồng Nga
  • Coursera: "Financial Markets" - Yale University
  • Báo cáo thường niên VPBank (công khai)
2. Data Analysis & SQL
  • Advanced SQL: Window functions, CTEs, stored procedures, query optimization.
  • Data modeling: Star schema, snowflake schema, slowly changing dimensions.
  • Tài liệu:
  • "SQL for Data Analysis" - Cathy Tanimura
  • Mode Analytics SQL Tutorial (miễn phí online)
  • LeetCode SQL (medium-hard level)
  • HackerRank SQL (advanced track)
3. Python cho Data Analysis
  • Core libraries: pandas, numpy, matplotlib, seaborn, plotly
  • Statistical analysis: scipy.stats, statsmodels
  • Machine learning cơ bản: scikit-learn (linear regression, random forest, clustering)
  • Tài liệu:
  • "Python for Data Analysis" - Wes McKinney
  • Kaggle Learn (miễn phí)
  • DataCamp Python Track
4. BI Tools
  • Power BI (khuyến nghị học trước vì phổ biến nhất VN):
  • DAX fundamentals
  • Power Query (ETL)
  • Dashboard design best practices
  • Superset (VPBank có thể dùng):
  • Apache Superset documentation
  • Chart types, filters, drill-down
  • Tài liệu:
  • Microsoft Learn Power BI (free)
  • SQLBI.com (DAX patterns)
  • Dashboard design: "Storytelling with Data" - Cole Nussbaumer Knaflic
5. Cloud & Big Data (nếu claim có kinh nghiệm)
  • AWS: S3, Redshift, Glue, Athena, QuickSight
  • Databricks: Lakehouse, Spark, Delta Lake
  • Tài liệu:
  • AWS Skill Builder (free labs)
  • Databricks Academy

---

📅 Lộ trình 14 ngày chi tiết

🗓️ Tuần 1: Nền tảng
Ngày Nội dung Output
T2 Đọc JD kỹ, research VPBank & hệ sinh thái, list 5 case studies của mình Mind map VPBank ecosystem
T3 SQL: Ôn lại window functions, CTE, advanced joins Solve 10 LeetCode SQL medium
T4 SQL: Practice các case ngân hàng (customer transaction analysis) 1 script SQL hoàn chỉnh
T5 Python: Pandas operations, data cleaning, EDA 1 Jupyter notebook EDA
T6 Python: Statistical tests, A/B testing, visualization 1 notebook statistical analysis
T7 Power BI/Superset: Build 1 dashboard giả lập cho ngân hàng 1 dashboard file .pbix hoặc screenshot
CN Ôn lại banking metrics, đọc 1 case study về churn analysis Note 1 trang
🗓️ Tuần 2: Nâng cao & Mock interview
Ngày Nội dung Output
T2 Làm 1 case study thực tế: "Phân tích hiệu quả campaign" Slide thuyết trình 5-7 slides
T3 Business case: Tính NIM, NPL, CASA và giải thích Bảng tính Excel + giải thích
T4 Ôn Cloud/Databricks/AWS (nếu cần) Note 2-3 trang
T5 Mock interview technical (tự thu hoặc nhờ bạn) Ghi âm + review
T6 Mock interview business Ghi âm + review
T7 Chuẩn bị câu hỏi ngược cho HR, polish CV CV final + 5 câu hỏi
CN Nghỉ ngơi, đọc lại notes, tâm lý thoải mái 😊

---

🎓 Tài liệu FREE chất lượng cao

1. Kaggle Learn — Track Python, Pandas, SQL, Data Visualization
2. Google Data Analytics Certificate — Coursera (free audit)
3. Mode Analytics SQL Tutorial — mode.com/sql-tutorial
4. Storytelling with Data blog — storytellingwithdata.com
5. Towards Data Science — Medium publication
6. VPBank Investor Relations — ir.vpbank.com.vn (đọc báo cáo thường niên)
7. Banking-related data: Kaggle dataset "Bank Marketing", "Credit Card Fraud Detection"

🛠️ Practice Platforms

  • SQL: LeetCode, HackerRank, DataLemur
  • Python: Kaggle, Codewars
  • End-to-end: Datacamp projects, Kaggle competitions

💪 Mindset

  • Không cần hoàn hảo 100% — nhà tuyển dụng đánh giá tư duy logic và khả năng communicate insight.
  • Chuẩn bị sẵn 1-2 câu chuyện "data-driven decision" mà bạn đã làm trước đó.
  • Nếu chưa làm ngân hàng, domain knowledge có thể học nhanh, nhưng technical foundation phải vững.

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho vị trí BI tại VPBank

🚀 Lộ trình thăng tiến trong lĩnh vực Data/BI tại ngân hàng

Track chuyên sâu kỹ thuật (Technical Path)

```
BI Analyst (Current)
↓ 2-3 năm
Senior BI Analyst / Data Analyst
↓ 2-3 năm
Lead BI / Analytics Lead
↓ 3-4 năm
Data Analytics Manager / Head of BI
↓ 4-5 năm
Chief Data Officer (CDO) / VP of Data
```

Track chuyển đổi (Career Pivot)

```
BI Analyst

Data Scientist (cần học thêm ML/DL)

ML Engineer / AI Engineer

Head of AI (đang là xu hướng hot tại các ngân hàng)
```

Hoặc:

```
BI Analyst → Product Analyst → Product Manager
BI Analyst → Risk Analyst → Risk Manager
BI Analyst → Strategy Analyst → Strategy Director
```

---

💰 Mức lương kỳ vọng theo cấp bậc (tham khảo thị trường VN 2024-2025)

Cấp bậc Kinh nghiệm Mức lương Gross (VNĐ/tháng) Ghi chú
BI Analyst (Junior) 1-2 năm 15-22 triệu
BI Analyst (Mid - vị trí này) 3-5 năm 25-40 triệu Phụ thuộc vào bank và stack
Senior BI Analyst 5-7 năm 35-55 triệu
Lead BI / Analytics Lead 7-10 năm 50-80 triệu
BI Manager / Head of BI 10+ năm 80-150 triệu Ngân hàng lớn, ecosystem rộng

> 💡 VPBank công bố gói thu nhập 15-18 tháng lương/năm — đây là mức tốt trong ngân hàng. Lương tháng 13-14 + thưởng KPI + thưởng lễ/Tết.

> Mẹo negotiate: Khi deal lương, đừng chỉ tính gross monthly, mà tính total compensation (lương + thưởng KPI + insurance + các benefit khác). VPBank có VPBank Careưu đãi vay — đây là phúc lợi giá trị thực.

---

📈 Kỹ năng cần phát triển thêm trong 1-2 năm tới

Ưu tiên cao (Critical):

1. Storytelling & Presentation — Đây là kỹ năng phân biệt giữa analyst giỏi và analyst xuất sắc. Đọc sách "Storytelling with Data", xem TED talks.
2. Business Acumen — Hiểu sâu về ngân hàng, không chỉ dừng lại ở technical. Đọc báo cáo ngân hàng, theo dõi NHNN.
3. Stakeholder Management — Làm việc với C-level rất khác với làm việc với team. Học cách translate technical sang business impact.

Ưu tiên trung bình (Important):

4. Cloud & Big Data — AWS/GCP/Databricks sẽ là requirement trong 2-3 năm tới.
5. Machine Learning cơ bản — Để chuyển sang Data Scientist khi cần.
6. Vietnamese banking regulations — Hiểu TT NHNN, Basel II/III, IFRS 9.

Ưu tiên thấp (Nice to have):

7. Tiếng Anh — VPBank yêu cầu JD cả tiếng Anh, nên giao tiếp tốt sẽ có lợi thế khi làm việc với công ty nước ngoài trong hệ sinh thái.
8. Leadership skills — JD yêu cầu mentoring, hướng đến leadership path.

---

🎯 Lời khuyên chiến lược

1. Chọn VPBank để "build foundation": VPBank có hệ sinh thái rộng, data lớn, đang chuyển đổi số mạnh — đây là môi trường tốt để học nhanh trong 2-3 năm.

2. Đừng chỉ làm "BI tool operator": Trở thành "trusted advisor" — người mà leadership gọi khi cần quyết định. Đây là cách để tăng giá trị bản thân và mức lương.

3. Tích lũy "business wins": Mỗi dự án, hãy đo lường impact rõ ràng (VD: "Phân tích giúp tăng 5% conversion", "Dashboard giúp giảm 30 giờ báo cáo manual/tháng").

4. Network nội bộ: VPBank là tập đoàn lớn — hãy kết nối với các team khác (risk, marketing, product) để hiểu toàn bộ business.

5. Stay updated: AI/ML đang thay đổi BI (AI-assisted analytics, natural language querying). Hãy học sớm để không bị thay thế.

6. Cân nhắc chuyển sang các công ty trong hệ sinh thái: Sau 2-3 năm ở VPBank, bạn có thể move sang VPBankS, VPB FC, hoặc Be Group với profile rất mạnh.

---

⚠️ Cảnh báo thực tế

  • Lương ngân hàng có thể thấp hơn tech company cùng level, nhưng stability và benefit tốt hơn.
  • Áp lực báo cáo cuối tháng/quý/năm rất lớn — bạn cần chuẩn bị tinh thần.
  • Phục vụ nhiều stakeholder nên đôi khi bị context-switch liên tục.
  • Promotion trong ngân hàng có thể chậm hơn so với startup/tech — cần kiên nhẫn ở lại 2-3 năm để thấy growth rõ.

Câu hỏi thường gặp

Em là sinh viên năm cuối ngành CNTT, chưa có kinh nghiệm đi làm, có nên apply vị trí BI ở VPBank không khi JD yêu cầu 3-5 năm kinh nghiệm?

Với yêu cầu 3-5 năm, khả năng cao em sẽ bị loại ở vòng HR. Tuy nhiên, em vẫn có thể làm theo 3 cách: (1) Tìm các vị trí BI Junior/Fresher tại VPBank hoặc các công ty trong hệ sinh thái (VPBankS, Be Group...), (2) Apply các vị trí Data Analyst ở công ty nhỏ hơn để tích lũy 2-3 năm kinh nghiệm rồi quay lại, (3) Nếu thật sự tự tin về portfolio và skills (SQL, Python, BI tools), em có thể apply và show case trong CV — đôi khi nhà tuyển dụng sẽ flexible nếu em thực sự giỏi. Lời khuyên: Đừng lãng phí cơ hội, nhưng cũng đừng waste time khi chưa đủ ready.

Tôi đang làm BI ở công ty FMCG, muốn chuyển sang ngân hàng. Cơ hội có cao không và cần chuẩn bị gì?

Chuyển từ FMCG sang banking là hướng đi rất phổ biến và được khuyến khích — vì banking có data phong phú hơn, business logic phức tạp hơn, lương thường tốt hơn. Để tăng cơ hội: (1) Học nhanh về các metric ngân hàng (NIM, NPL, CASA, LDR), (2) Nếu có thể, làm 1-2 dự án liên quan đến tài chính/risk, (3) Networking với người trong ngân hàng qua LinkedIn, Vietnam Data Science community, (4) Trong CV, translate kinh nghiệm FMCG sang ngôn ngữ banking (VD: thay vì "tăng doanh số FMCG" → "tối ưu LTV, giảm churn"). Vị trí này ưu tiên 3-5 năm kinh nghiệm nên profile của bạn hoàn toàn phù hợp nếu background đủ mạnh.

Vị trí BI Analyst ở VPBank khác gì với Data Scientist? Tôi đang phân vân nên apply cái nào?

BI Analyst tập trung vào descriptive + diagnostic analytics (đã xảy ra gì, tại sao xảy ra) — chủ yếu dùng SQL, BI tools, statistics cơ bản. Data Scientist tập trung vào predictive + prescriptive (sẽ xảy ra gì, nên làm gì) — dùng ML/DL nhiều hơn. Tại VPBank, vị trí BI trong JD này thiên về business analysis nhiều hơn — phục vụ top management, làm dashboard, ad-hoc reports. Nếu bạn thích giao tiếp với stakeholder, storytelling, dashboard → chọn BI. Nếu bạn thích xây model, code ML, nghiên cứu → chọn Data Scientist. Lưu ý: JD này cũng yêu cầu Python/R nên có thể làm cả 2, nhưng JD thiên về BI/business intelligence hơn.

Mức lương thỏa thuận nghĩa là sao? Tôi nên deal bao nhiêu khi phỏng vấn?

"Thỏa thuận" (negotiable) nghĩa là VPBank không công bố mức cụ thể và muốn thương lượng dựa trên năng lực. Theo research thị trường 2024-2025, vị trí BI 3-5 năm kinh nghiệm tại ngân hàng lớn ở Hà Nội dao động 25-40 triệu gross, VPBank với gói 15-18 tháng/năm sẽ có thêm thưởng. Khi deal: (1) Research trước trên VietnamWorks, ITviec, mạng xã hội, (2) Đặt range, không đặt 1 con số duy nhất — VD: "Em mong muốn 30-38 triệu gross, tùy thuộc vào gói phúc lợi và cơ hội phát triển", (3) Đừng deal quá thấp vì khó tăng lương sau đó, (4) Đừng deal quá cao nếu chưa có nhiều leverage. Khi deal, nhớ tính total compensation (lương + thưởng + insurance + ưu đãi vay).

Tôi không có background ngân hàng, liệu có bị đánh giá thấp hơn so với ứng viên đã làm ngân hàng?

JD ghi rõ "tốt nghiệp chuyên ngành kinh tế/ngân hàng/kế toán/tài chính/CNTT hoặc các chuyên ngành khác liên quan" — nghĩa là VPBank chấp nhận nhiều background. Tuy nhiên, vì vị trí phục vụ cả hệ sinh thái (ngân hàng, chứng khoán, bảo hiểm, gọi xe), ứng viên có kinh nghiệm ngân hàng sẽ onboard nhanh hơn. Nếu bạn không có background ngân hàng: (1) Hãy học nhanh banking fundamentals trong 2-3 tuần (NIM, NPL, CASA...), (2) Trong CV, show được transferrable skills (data analysis, SQL, BI tools), (3) Trong phỏng vấn, nhấn mạnh khả năng học nhanh và đã học domain knowledge ở ngành khác. Ưu điểm của bạn: góc nhìn fresh từ bên ngoài, có thể mang best practices từ ngành khác.

BI Analyst tại ngân hàng có cơ hội thăng tiến lên vị trí nào? Có thể lên C-level không?

Hoàn toàn có thể lên C-level, nhưng cần thời gian và chiến lược. Lộ trình phổ biến: BI Analyst → Senior BI → Lead BI → BI Manager → Head of Analytics → Chief Data Officer (CDO). Tại VPBank, với hệ sinh thái đa ngành, bạn có thể expand sang: (1) CDO của toàn hệ sinh thái, (2) VP of Data từng công ty con, (3) Chuyển sang Product/Strategy roles. Để lên C-level nhanh: (1) Build track record với các dự án có impact lớn, (2) Phát triển leadership skills — JD này yêu cầu mentoring là dấu hiệu tốt, (3) Network với leadership, (4) Có thể cần MBA hoặc executive education. Thực tế ở VN, các CDO ngân hàng hiện tại đa phần đều từ background data/analytics.

VPBank có chế độ remote/flexible working không? Giờ giấc làm việc như thế nào?

VPBank và hầu hết các ngân hàng tại VN hiện tại theo mô hình hybrid working — làm việc tại văn phòng từ 3-4 ngày/tuần, có thể WFH 1-2 ngày. Tuy nhiên, vị trí BI thường phải collaborate nhiều với stakeholders nên có thể cần ở office nhiều hơn. Giờ làm việc chuẩn ngân hàng: 8h00-17h00 hoặc 8h30-17h30, thứ 2-6. Cuối tháng/quý có thể OT vì deadline báo cáo. Lưu ý: VPBank có Head Office tại Hà Nội và nhiều chi nhánh, vị trí này ghi rõ Hà Nội nên sẽ làm việc tại trụ sở chính hoặc văn phòng. Bạn nên confirm trực tiếp với HR trong quá trình phỏng vấn vì chính sách có thể thay đổi theo từng giai đoạn.

Superset, Power BI, QuickSight — tool nào quan trọng nhất và tôi nên học tool nào trước?

JD ghi "thành thạo ít nhất 1 trong 3". Chiến lược: (1) Power BI — phổ biến nhất VN, dễ học, cộng đồng lớn, có chứng chỉ chính thức từ Microsoft. Đây là lựa chọn an toàn nhất nếu bạn muốn job mobility cao. (2) Superset — open-source, miễn phí, nhiều startup và công ty tech dùng. VPBank ghi Superset đầu tiên nên có thể họ dùng tool này nhiều. (3) QuickSight — của AWS, tích hợp tốt với AWS ecosystem. Lời khuyên: Học Power BI trước vì thị trường rộng, sau đó học thêm Superset và QuickSight. Nếu muốn "đánh" đúng vào VPBank, research xem họ đang dùng tool nào qua LinkedIn của nhân viên VPBank hoặc hỏi trực tiếp HR trong vòng phỏng vấn.

Tôi có 4 năm kinh nghiệm BI ở fintech, không phải ngân hàng truyền thống. Profile có đủ mạnh không?

Fintech là background rất tốt cho vị trí này, thậm chí có thể mạnh hơn background ngân hàng truyền thống vì: (1) Fintech thường dùng công nghệ mới hơn, data-driven culture mạnh hơn, (2) Bạn đã quen với tốc độ và sự linh hoạt, (3) Domain knowledge về fintech có thể apply sang banking vì ngân hàng đang digital transformation. Điểm cần bổ sung: (1) Hiểu regulatory environment của ngân hàng (NHNN, Basel), (2) Biết về các sản phẩm ngân hàng cốt lõi (tiền gửi, cho vay, thẻ), (3) Nếu fintech của bạn đã làm về payment/credit/lending thì rất phù hợp. Khi phỏng vấn, frame câu chuyện như: "Fintech giúp tôi có tư duy tech-first, data-first, tôi muốn apply vào ngân hàng để giúp chuyển đổi số".