Chuyên Gia Mô Hình Quản lý Rủi Ro Tín Dụng

Chào em, vị trí này yêu cầu tối thiểu 2 năm kinh nghiệm nên với 6 tháng thực tập thì cơ hội được chọn sẽ thấp hơn so với ứng viên đủ kinh nghiệm. Tuy nhiên, em vẫn có thể thử apply vì: (1) Nhiều NHTMCP vẫn sẵn sàng xem xét nếu profile tổng thể tốt; (2) Kinh nghiệm 6 tháng ở phòng risk là lợi thế — em có thể kể chi tiết về dự án, model đã tham gia; (3) Bằng cấp Toán Tài chính rất phù hợp. Lời khuyên: em nên chuẩn bị portfolio về 1-2 dự án thực tập (kể cả nhỏ), ôn kỹ SQL và Power BI, và có thể apply song song vị trí "Senior Analyst" ở các ngân hàng khác hoặc chờ thêm 1-2 năm nữa khi đủ kinh nghiệm. Đừng bỏ cuộc nếu bị từ chối — coi đó là cơ hội để biết mình cần bổ sung gì.

Với 4 năm kinh nghiệm ở ngân hàng top 10 và đã có FRM Part 1, anh/chị thuộc nhóm ứng viên khá mạnh. Thị trường hiện tại (2024-2025) cho vị trí tương đương dao động 40-65 triệu gross tùy năng lực và thương hiệu ngân hàng cũ. PGBank là NHTMCP cỡ vừa nên mức lương có thể thấp hơn 10-15% so với big4 nhưng sẽ có những điểm cộng khác như cơ hội làm đa dạng hơn, work-life balance tốt hơn, có thể được cộng thêm nếu đã có FRM Part 1 (một số ngân hàng trợ cấp 5-10 triệu/năm cho chứng chỉ này). Khi đàm phán, ngoài lương cứng, anh/chị nên hỏi thêm về: bonus structure, lộ trình thăng tiến, ngân sách đào tạo/FRM Part 2, các phúc lợi bảo hiểm sức khỏe Pijico. Lời khuyên: đưa ra mức mong muốn cao hơn 10-15% so với mức lương hiện tại, nhưng cũng linh hoạt nếu nhận được offer thấp hơn + cơ hội thăng tiến rõ ràng.

Anh/chị đã có 50% hành trang rồi — đặc biệt là SQL, Excel, tư duy phân tích. Cơ hội chuyển sang là hoàn toàn khả thi nếu anh/chị chứng minh được: (1) Hiểu biết về Basel II/III, IFRS 9, PD/LGD/EAD — đây là rào cản lớn nhất vì fintech thường không dùng các khái niệm này; (2) Có thể áp dụng data analysis vào bài toán credit risk (dù là project cá nhân); (3) Hiểu business ngân hàng — không chỉ là data mà là data trong context tín dụng. Cần bổ sung: (a) Tự học hoặc đăng ký 1 khóa Credit Risk Modeling trên Coursera/Udemy (3-6 tháng); (b) Đọc Circular 41/2016 và 23/2020 của NHNN; (c) Tìm hiểu cách fintech scoring khác với bank scoring (bank chịu ràng buộc Basel, fintech thì không); (d) Mạng dạn ứng tuyển — đôi khi nhà tuyển dụng sẵn sàng onboard người từ ngành khác nếu nền tảng data tốt. Lợi thế: góc nhìn từ fintech sẽ giúp PGBank có fresh perspective về alternative data, ML modeling.

Đây là câu hỏi rất hay! Phân biệt rõ như sau: Credit Analyst truyền thống (thường ở Khối Tín dụng/Kinh doanh): Đánh giá từng hồ sơ vay một, đưa ra khuyến nghị cho Phê duyệt cuối cùng. Làm việc nhiều với con người, quan hệ khách hàng, phân tích tài chính doanh nghiệp. Chuyên gia Mô hình Rủi Ro (vị trí này, thường ở Khối Rủi Ro - ALM/Risk): Xây dựng và duy trì các mô hình định lượng để đo lường rủi ro TOÀN BỘ danh mục tín dụng. Không trực tiếp duyệt hồ sơ mà xây công cụ để Credit Analyst và cấp phê duyệt sử dụng. Làm việc nhiều với data, code, báo cáo, dashboard. Nói nôm na: Credit Analyst là 'thợ', còn Risk Modeler là 'người chế tạo công cụ cho thợ dùng'. Thu nhập Credit Analyst Senior thường có thêm KPI bonus khá cao (50-100% lương), còn Risk Modeler có thu nhập ổn định hơn và bonus theo mục tiêu chung. Từ Risk Modeler dễ chuyển sang Data Science/Quant hơn; từ Credit Analyst dễ chuyển sang Relationship Manager/Business hơn.

Anh/chị đang ở vị trí rất thuận lợi vì IT ngân hàng đã làm việc với Core Banking, data warehouse, có technical skills. Chuyển sang Risk Modeler từ IT khá phổ biến. Lộ trình gợi ý: (1) Học sâu về business risk — đọc Basel II/III, IFRS 9, regulations NHNN (3-6 tháng); (2) Kết nối với team Risk trong ngân hàng — hỏi thăm, đi cafe, tìm cơ hội internal transfer; (3) Làm 1-2 mini-project cá nhân về credit risk (dùng data công khai như Lending Club trên Kaggle để xây PD model); (4) Apply các vị trí "Risk Analyst" hoặc "Risk Modeler" trong chính ngân hàng mình trước — IT insider thường được ưu tiên; (5) FRM Part 1 rất nên thi — không nhất thiết phải đậu ngay nhưng quá trình học sẽ build foundation vững. Về chứng chỉ: không nhất thiết phải có FRM để apply vị trí này (JD không yêu cầu), nhưng có thì rất tốt. Anh/chị cũng có thể học Power BI, SQL nâng cao hơn (nếu chưa thành thạo) để bổ sung. Lợi thế lớn nhất của anh/chị là hiểu hệ thống, data flow — đây là thứ rất nhiều risk modeler thiếu.

Hoàn toàn có thể. Sau 2-3 năm ở vị trí Chuyên gia, anh/chị có thể tiến tới Senior Chuyên gia/Team Lead quản lý 3-5 người, hoặc rẽ sang các hướng: (1) Vertical — lên Senior Manager (Quản lý cấp cao) sau 4-5 năm tổng, tùy năng lực và cơ hội; (2) Horizontal chuyên sâu — trở thành Principal Modeler chuyên về 1 dòng sản phẩm (ví dụ: SME PD model, retail credit card model); (3) Horizontal mở rộng — sang Treasury ALM, Market Risk model, Operational Risk model; (4) Cross-functional — Data Science Lead, AI/ML Lead trong ngân hàng; (5) External — sang công ty fintech, Big4 consulting, regulator (NHNN, UBCK). Để thăng chức nhanh, anh/chị cần: (a) Không chỉ làm theo yêu cầu mà đề xuất cải tiến; (b) Build network với các phòng ban khác; (c) Đóng góp cho cộng đồng (viết bài nội bộ, tham gia hội thảo); (d) Có ít nhất 1 chứng chỉ quốc tế (FRM/PRM). Lưu ý: PGBank là ngân hàng cỡ vừa nên cơ hội thăng tiến có thể chậm hơn so với big4, nhưng bù lại sẽ được làm việc đa dạng hơn và độc lập hơn.

Rất có thể có test, đặc biệt là vòng technical. Theo kinh nghiệm nhiều ứng viên chia sẻ, các ngân hàng Việt Nam thường test ở mức SQL Medium trên HackerRank/LeetCode. Cụ thể: (1) SELECT, JOIN, GROUP BY, HAVING — chắc chắn phải thành thạo; (2) Subqueries và CTE — quan trọng; (3) Window functions (ROW_NUMBER, RANK, SUM OVER, LAG/LEAD) — thường có trong đề; (4) CASE WHEN cho data categorization; (5) Date functions (DATEADD, DATEDIFF, DATE_TRUNC). Ngoài SQL còn có thể test Excel (VLOOKUP, Pivot, hàm tài chính), Power BI (một số nơi cho bài tập dashboard nhỏ), và case study tình huống (ví dụ: 'Khách hàng A có các chỉ số tài chính X, Y, Z — bạn có duyệt cho vay không?'). Anh/chị nên luyện ít nhất 20-30 bài SQL trên LeetCode tag 'SQL' ở mức Easy-Medium trong 2 tuần trước phỏng vấn. Đừng quên đọc kỹ phần Knowledge của bạn để ôn lại các khái niệm ngân hàng cơ bản — nhiều bài test có cả phần tiếng Anh chuyên ngành.