VIB tuyển dụng Chuyên Gia/Chuyên viên cao cấp Phân tích và quản trị...

Fulltime (toàn thời gian) Thỏa thuận 1 chỉ tiêu Hạn: 2026-12-03

Mô tả công việc

Trách nhiệm:

Chịu trách nhiệm (i) Đề xuất và triển khai phân tích dữ liệu; tạo các mô hình dự báo nhằm hỗ trợ quá trình ra quyết định, (ii) Hỗ trợ quản lý, triển khai tổ chức thực hiện các giải pháp quản trị nợ của Khối đảm bảo quản trị rủi ro và phù hợp với chiến lược kinh doanh của Ngân hàng.

Quản trị dữ liệu và phân tích (70%)

Quản trị, kiểm soát và phát triển dữ liệu theo dõi hoạt động thu hồi nợ, xử lý nợ .

Xây dựng báo cáo quản trị, báo cáo hỗ trợ vận hành trên excel, Power BI và các công cụ khác.

Phân tích diễn biến nhóm nợ (nợ nhóm 1 rủi ro cao, nợ nhóm 2, nợ nhóm 3-5, WO), phân tích theo sản phẩm/vùng miền/phân khúc khách hàng; xác định xu hướng rủi ro và cảnh báo sớm.

Phân tích chuyên sâu và đề nghị thay đổi chiến lược, phương thức hoạt động.

Đầu mối trao đổi với các phòng, ban liên quan: làm việc với các bộ phận để cung cấp và lấy thông tin cho các báo cáo, phân tích vận hành, hoặc theo từng campaign.

2. Hỗ trợ phát triển giải pháp và thực hiện giải pháp quản trị nợ Cat 1-5 và WO (30%)

Hỗ trợ dữ liệu phục vụ đề xuất xây dựng, phát triển chính sách, quy trình, giải pháp Thu hồi nợ và Xử lý nợ lĩnh vực NHBL phù hợp với chiến lược của VIB.

Tham gia vào việc phát triển và triển khai các công cụ, hệ thống mới liên quan đến quản lý và phân tích dữ liệu.

Triển khai giải pháp đến Trung tâm thu hồi nợ và Đơn vị kinh doanh.

Đề xuất các sáng kiến giúp nâng cao khả năng tự động hóa quy trình hoạt động.

Rà soát và đánh giá dự phòng.

Phân bổ chỉ tiêu hàng tháng và kết quả thực hiện của cho từng phòng, cá nhân thu hồi nợ so với mục tiêu.

Cung cấp Pipeline và Thúc đẩy Triển khai Công việc Thu hồi nợ, xử lý nợ.

Cập nhật và rà soát pipeline liên tục để đảm bảo tiến độ thu hồi nợ, ngăn phát sinh mới NPL.

Gửi các yêu cầu triển khai các tác vụ cụ thể liên quan đến thu hồi nợ.

Báo cáo kết quả hoạt động thu hồi nợ, dự kiến kết quả thu hồi nợ.

3. Thực hiện các công việc khác theo phân công.

Yêu cầu:

Trình độ Đại học trở lên khối ngành Kinh tế, Tài chính, Ngân hàng, Toán kinh tế,...;

• Tối thiểu… năm kinh nghiệm…(bổ sung yêu cầu năm kinh nghiệm đối với từng chức vụ)

• Kỹ năng:

SQL (Oracle): viết truy vấn phức tạp, tối ưu hiệu năng, thiết kế pipeline dữ liệu (CTAS, incremental load)

Power BI: xây dựng dashboard, DAX, mô hình dữ liệu (data modeling)

Excel nâng cao: VBA, Power Query, hàm nâng cao xử lý dữ liệu lớn

Kinh nghiệm áp dụng AI hỗ trợ hoạt động phân xử lý dữ liệu

• Kinh nghiệm làm việc trong lĩnh vực tài chính, ngân hàng liên quan đến hoạt động quản trị nợ, vận hành Thu hồi nợ và Xử lý nợ là một lợi thế

• Kỹ năng phân tích, kỹ năng lập kế hoạch và giải quyết vấn đề tốt;

• Chịu áp lực deadline (báo cáo tháng/định kỳ), làm việc độc lập và theo nhóm, chủ động trong công việc

Phân tích kỹ năng cần có

1. Nhận diện vị trí và kỳ vọng của nhà tuyển dụng

Đây là vị trí chuyên gia hoặc chuyên viên cao cấp về phân tích dữ liệu phục vụ quản trị nợ trong Khối Ngân hàng Bán lẻ, không đơn thuần là vị trí làm báo cáo hay xử lý Excel. Tỷ lệ công việc được mô tả gồm khoảng 70% quản trị và phân tích dữ liệu và 30% phát triển, triển khai giải pháp quản trị nợ.

Các sản phẩm công việc quan trọng gồm:

Báo cáo quản trị và báo cáo vận hành về nợ nhóm 1 đến nhóm 5 và nợ đã ghi giảm.
Phân tích nợ xấu theo sản phẩm, vùng miền, phân khúc khách hàng và đội thu hồi nợ.
Xây dựng bảng điều khiển, mô hình dự báo và cơ chế cảnh báo sớm.
Phân tích xu hướng, nguyên nhân phát sinh nợ xấu và đề xuất thay đổi chiến lược thu hồi nợ.
Hỗ trợ xây dựng chính sách, quy trình, quy trình xử lý nợ và phương án thu hồi nợ.
Quản lý chỉ tiêu, phân bổ mục tiêu, theo dõi quy trình xử lý nợ và triển khai chiến dịch thu hồi nợ.
Rà soát dự phòng, đề xuất tự động hóa và phát triển công cụ hoặc hệ thống mới.

Tên vị trí có hai cấp bậc nên mức độ kỳ vọng có thể khác nhau. Phần kinh nghiệm trong tin tuyển dụng bị bỏ trống, nhưng ghi chú cho thấy khả năng yêu cầu tối thiểu 5 năm kinh nghiệm. Ứng viên cần hỏi lại tuyển dụng về số năm kinh nghiệm áp dụng riêng cho chuyên viên cao cấp và chuyên gia.

2. Bản đồ yêu cầu kỹ năng

Nhóm kỹ năng	Yêu cầu trong tin tuyển dụng	Mức kỳ vọng thực tế	Bằng chứng nên chuẩn bị
Oracle SQL	Viết truy vấn phức tạp, tối ưu hiệu năng, thiết kế quy trình dữ liệu, CTAS và nạp tăng dần	Nâng cao	Mô tả truy vấn đã tối ưu, sửa lỗi chậm, kiểm soát dữ liệu trùng và xử lý dữ liệu thiếu
Power BI	Xây dựng bảng điều khiển, DAX, mô hình hóa dữ liệu	Nâng cao, có thể làm việc toàn quy trình từ dữ liệu đến báo cáo	Bảng điều khiển thật, mô hình hình sao, số đo kinh doanh, cơ chế làm mới dữ liệu
Excel	Hàm nâng cao, Power Query, VBA, xử lý tập dữ liệu lớn	Nâng cao	Quy trình từ dữ liệu thô đến báo cáo tự động, kiểm soát lỗi và tài liệu hướng dẫn
Phân tích nợ	Nợ nhóm 1–5, nợ xấu, nợ đã ghi giảm, thu hồi nợ, xử lý nợ, dự phòng	Rất quan trọng	Kiến thức quy định phân loại nợ, chỉ số dòng tiền, tỷ lệ thu hồi, phân tích theo nhóm nợ
Dự báo và cảnh báo	Dự báo nợ xấu, phát hiện xu hướng, cảnh báo sớm	Nâng cao	Mô hình dự báo, ngưỡng cảnh báo, độ chính xác, cách xử lý ngoại lệ và giải thích kết quả
Quản trị dữ liệu	Quản lý, kiểm soát, phát triển dữ liệu thu hồi nợ	Nâng cao	Quy tắc kiểm soát tổng số, đối soát nguồn, kiểm tra chất lượng, phân quyền truy cập
Trí tuệ nhân tạo	Áp dụng trí tuệ nhân tạo hỗ trợ phân xử lý dữ liệu	Có lợi thế	Quy trình sử dụng có kiểm soát, che dữ liệu khách hàng, kiểm chứng kết quả do công cụ tạo
Kỹ năng mềm	Làm việc độc lập, phối hợp, chịu áp lực hạn chót, tư duy giải quyết vấn đề	Rất quan trọng	Câu chuyện thật về báo cáo định kỳ, xử lý yêu cầu đột xuất và phối hợp với nhiều bộ phận

3. Kỹ năng cứng trọng tâm

3.1. Oracle SQL và quy trình dữ liệu

Ứng viên cần chứng minh khả năng làm việc với dữ liệu quy mô lớn, không chỉ biết cú pháp:

Nối nhiều bảng, xử lý khóa chính và khóa ngoại, lọc điều kiện ngày hiệu lực.
Dùng hàm cửa sổ như `LAG`, `LEAD`, `ROW_NUMBER` để so sánh theo thời gian và loại trùng.
Dùng bảng biểu thức chung, câu truy vấn con, hàm tổng hợp và hàm ngày.
Xử lý giá trị thiếu, mã trùng, sai quy tắc phân loại và chênh lệch giữa các nguồn.
Đọc kế hoạch thực thi, hiểu tác động của chỉ mục, phân vùng và thứ tự xử lý.
Biết CTAS là tạo bảng mới từ kết quả truy vấn; biết nạp tăng dần chỉ đưa dữ liệu mới hoặc dữ liệu thay đổi vào bảng đích.
Thiết kế quy trình nạp dữ liệu có kiểm soát tổng số, khả năng chạy lại an toàn và xử lý dữ liệu đến muộn.

3.2. Power BI

Mức chuẩn bị phù hợp:

Mô hình hóa dữ liệu theo hình sao, gồm bảng sự kiện và các bảng chiều khách hàng, sản phẩm, thời gian, vùng miền.
Tạo số đo DAX cho tỷ lệ nợ xấu, tỷ lệ thu hồi, dòng tiền thu hồi, tỷ lệ tái vỡ nợ và biến động nhóm nợ.
Phân biệt rõ mốc báo cáo, dữ liệu tích lũy và dữ liệu trong kỳ.
Xử lý tình huống thay đổi tỷ lệ khi thay đổi định nghĩa phân loại nợ.
Thiết kế bảng điều khiển phục vụ điều hành, không chỉ hiển thị biểu đồ.
Quản lý làm mới dữ liệu, kiểm soát chất lượng và phân quyền truy cập.

3.3. Excel nâng cao

Cần thành thạo:

Bảng tính động, PivotTable, Power Query, cấu trúc dữ liệu chuẩn và hợp nhất dữ liệu.
Hàm `SUMIFS`, `COUNTIFS`, `XLOOKUP`, `INDEX` kết hợp `MATCH`, xử lý ngày và chuỗi.
VBA để tự động hóa báo cáo định kỳ, kiểm tra lỗi và xuất tệp.
Kiểm soát lỗi thủ công bằng đối chiếu tổng, đếm số dòng và kiểm tra logic.
Phân biệt bảng tính vận hành với mô hình dữ liệu hoặc công cụ quản trị dữ liệu.

4. Kiến thức nghiệp vụ cần có

Khái niệm	Nội dung cần nắm	Câu hỏi phỏng vấn có thể xuất hiện
Nợ nhóm 1 đến nhóm 5	Theo khung phân loại nợ của ngân hàng tại Việt Nam: nhóm 1 là nợ đang trả đúng hạn và có khả năng trả đầy đủ; nhóm 2 là tiềm ẩn suy giảm; nhóm 3 là suy giảm; nhóm 4 và nhóm 5 thuộc nhóm tổn thất	Phân biệt nợ xấu và nợ quá hạn, ảnh hưởng của thay đổi nhóm nợ đến dự phòng
Nợ xấu	Thường được xác định là nợ thuộc nhóm 3 đến nhóm 5 theo quy định hiện hành	Tính nợ xấu trên cả dư nợ và tổng dư nợ, quy tắc lấy mốc báo cáo
Nợ đã ghi giảm	Nợ đã được ghi giảm khỏi danh sách theo quy định, song vẫn có thể cần theo dõi thu hồi và nghĩa vụ liên quan	Tại sao vẫn cần quản lý dữ liệu và quy trình thu hồi nợ đã ghi giảm
Số ngày quá hạn	Số ngày trễ thanh toán của khoản nợ	Cách tính và ảnh hưởng của số ngày quá hạn đến phân loại
Tỷ lệ thu hồi	Dòng tiền thu hồi thực tế so với dư nợ hoặc nợ phát sinh	Phân biệt tỷ lệ thu hồi tiền mặt, tỷ lệ tái vỡ nợ và tỷ lệ chuyển nhóm
Dự phòng	Ước tính tổn thất tài chính, thường gắn với kỳ vọng tổn thất tín dụng theo IFRS 9	Ảnh hưởng của xu hướng nợ xấu, tài sản bảo đảm và kịch bản kinh tế đến dự phòng
Quy trình xử lý nợ	Luồng công việc từ phát hiện nợ vượt ngưỡng đến phân công, thu hồi, tái vỡ, chuyển nhóm hoặc ghi giảm	Chỉ ra điểm nghẽn và cách dùng dữ liệu để cải thiện tiến độ
Chiến dịch thu hồi nợ	Nhóm khách hàng, sản phẩm, kênh liên hệ hoặc ưu đãi được chọn để thu hồi nợ	Cách xác định đối tượng, đo hiệu quả, kiểm soát tác động đến khách hàng tốt
Cảnh báo sớm	Tín hiệu dự báo khả năng nợ xấu tăng hoặc tái vỡ	Chọn biến cảnh báo, ngưỡng, thời gian phản ứng và người chịu trách nhiệm

Pháp lý cần ôn gồm quy định phân loại nợ của Ngân hàng Nhà nước Việt Nam, các sửa đổi hoặc văn bản thay thế đang có hiệu lực tại thời điểm phỏng vấn, cùng cách ngân hàng vận hành nợ đã ghi giảm.

5. Kỹ năng phân tích và mô hình

Ứng viên mạnh cần trình bày được quy trình:
1. Xác định câu hỏi kinh doanh và mốc dữ liệu.
2. Kiểm tra chất lượng, tính đầy đủ và khả năng đối soát dữ liệu.
3. Phân tích theo nhóm nợ, sản phẩm, vùng miền, phân khúc, thời gian và đội thu hồi.
4. Tìm nguyên nhân thay vì chỉ mô tả tương quan.
5. Xây dựng kịch bản, dự báo hoặc mô hình phân loại rủi ro.
6. Kiểm định kết quả, giải thích điểm yếu và giám sát sau triển khai.

Có thể dùng hồi quy, phân tích chuỗi thời gian, phân tích theo nhóm khách hàng, mô hình xác suất thu hồi và phân tích phân khúc. Điểm quan trọng hơn việc chọn thuật toán là khả năng giải thích cơ chế cảnh báo, kiểm soát sai lệch và chuyển kết quả thành hành động thu hồi nợ.

6. Kỹ năng mềm cần chứng minh

Tư duy kinh doanh: hiểu tác động của phân tích đến tỷ lệ thu hồi, giảm nợ xấu mới và dự phòng.
Giao tiếp với bên liên quan: trình bày khó nhưng không đổ lỗi, biết phân biệt bản tóm tắt cho lãnh đạo và phần bảo chứng dữ liệu cho bộ phận kỹ thuật.
Khả năng tự học: công cụ quản trị nợ và báo cáo thay đổi nhanh; ứng viên phải chủ động cập nhật quy định và công nghệ.
Tổ chức và ưu tiên: xử lý báo cáo tháng, yêu cầu đột xuất và triển khai chiến dịch cùng lúc.
Tinh thần trách nhiệm: nêu rõ giới hạn dữ liệu, không che giấu sai sót và chủ động thiết kế kiểm soát.
Ảnh hưởng không trực tiếp: đề xuất thay đổi quy trình mà không có quyền ra lệnh cho các đơn vị thu hồi nợ.

7. Chứng chỉ nên cân nhắc

Tin tuyển dụng không yêu cầu chứng chỉ cụ thể, nhưng các chứng chỉ sau có thể hỗ trợ:

Microsoft PL-300 về Power BI và phân tích dữ liệu.
Chứng chỉ SQL của Oracle hoặc một chứng chỉ tương đương về cơ sở dữ liệu quan hệ.
Chứng chỉ Excel của Microsoft hoặc chương trình phân tích dữ liệu của Google.
Chứng chỉ FRM của Hiệp hội Quản trị Rủi ro Toàn cầu, phù hợp nếu muốn chuyển hướng sang quản trị rủi ro tín dụng.
Chứng chỉ CFA Investment Foundations hoặc một khóa nền tảng về tài chính nếu củng cố kiến thức ngân hàng.
Microsoft Azure AI Fundamentals AI-900 nếu chứng minh năng lực ứng dụng trí tuệ nhân tạo.

Chứng chỉ chỉ có giá trị khi ứng viên có dự án thực tế đi kèm. Một bộ sản phẩm trực quan, logic và được kiểm chứng thường thuyết phục hơn một danh sách chứng chỉ.

8. Đề xuất bộ hồ sơ ứng viên mạnh

Hồ sơ 2–3 trang, mở đầu bằng thành tích và phạm vi trách nhiệm liên quan đến phân tích nợ.
Mô tả rõ quy mô dữ liệu, số bảng, số báo cáo, số người phục vụ và tần suất cập nhật.
Nêu các kết quả đo được như thời gian xử lý giảm, tỷ lệ sai sót giảm, báo cáo tự động hoặc khả năng phát hiện sớm nợ xấu.
Đính kèm portfolio gồm truy vấn SQL, mô hình Power BI, dashboard Excel và bản tóm tắt điều hành.
Tránh đưa dữ liệu khách hàng, dữ liệu nội bộ hoặc thông tin mật của ngân hàng vào hồ sơ.

9. Bài tập portfolio nên làm

Tạo một bộ dữ liệu giả lập gồm 24–36 tháng với các trường dư nợ, ngày đến hạn, nhóm nợ, sản phẩm, vùng miền, chiến dịch, khoản thu hồi và đội xử lý. Sau đó:
1. Xây dựng quy trình SQL tạo bảng lịch sử và nạp tăng dần.
2. Kiểm soát tổng số dư, số khách hàng và số giao dịch.
3. Tạo bảng điều khiển Power BI theo nhóm nợ, vùng miền và sản phẩm.
4. Dự báo nợ xấu tháng tới và giải thích phương pháp.
5. Đề xuất một chiến dịch thu hồi nợ cùng cách đo hiệu quả.
6. Viết bản tóm tắt một trang và video trình bày ba phút.

Bộ portfolio này có thể dùng để trả lời phỏng vấn và chứng minh năng lực ngay cả khi kinh nghiệm trực tiếp còn hạn chế.

Chuẩn bị phỏng vấn

1. Quy trình phỏng vấn dự kiến

Tin tuyển dụng không công bố quy trình chính thức. Với vị trí chuyên gia hoặc chuyên viên cao cấp, quy trình thường gồm các bước sau:

Vòng	Nội dung có thể xuất hiện	Thời lượng tham khảo	Mục tiêu chuẩn bị
Sàng lọc hồ sơ	Xác nhận kinh nghiệm, phạm vi quyền hạn, kiến thức ngân hàng và mức lương kỳ vọng	15–30 phút	Câu hồ sơ 2 phút và điều kiện làm việc
Phỏng vấn tuyển dụng	Động lực, mức độ phù hợp, lịch sử chuyển việc, kỳ vọng về vai trò	30–45 phút	Câu chuyện rõ ràng, không kể lại toàn bộ đường lịch sử
Phỏng vấn quản lý	Hiểu nghiệp vụ quản trị nợ, mức độ lãnh đạo và khả năng tạo ảnh hưởng	30–60 phút	Ba câu chuyện thành công, một câu chuyện xử lý khó khăn
Kiểm tra kỹ thuật	Oracle SQL, Power BI, Excel, mô hình dữ liệu, trí tuệ nhân tạo	60–90 phút	Viết truy vấn, giải thích thiết kế và phân tích chỉ số
Tình huống nghiệp vụ	Phân tích danh sách nợ, xây bảng điều khiển hoặc đề xuất kế hoạch thu hồi	60–120 phút	Cấu trúc tư duy, chất lượng đề xuất và khả năng trình bày
Phỏng vấn lãnh đạo	Mức độ phù hợp với văn hóa, chiến lược và điều kiện làm việc	30–45 phút	Thể hiện tư duy kinh doanh và khả năng làm việc dài hạn

Ứng viên nên hỏi tuyển dụng xem có bài kiểm tra tại nhà hay không, thời gian hoàn thành, công cụ được phép sử dụng và dữ liệu có được cung cấp hay phải tự tạo.

2. Chuẩn bị vòng sàng lọc và phỏng vấn tuyển dụng

Hãy chuẩn bị câu trả lời 90 giây cho các câu hỏi sau:

Vì sao bạn phù hợp với vị trí phân tích và quản trị dữ liệu nợ?
Bạn đã từng làm việc với dữ liệu quy mô lớn như thế nào?
Kết quả quan trọng nhất bạn mang lại cho ngân hàng là gì?
Vì sao rời khỏi vị trí hiện tại?
Mức lương kỳ vọng và thời gian có thể nhận việc là bao lâu?

Công thức trả lời hiệu quả: tình huống – nhiệm vụ – hành động – kết quả – bài học. Mỗi câu chuyện nên có số liệu hoặc bằng chứng cụ thể nhưng chỉ nêu những gì thực sự đã làm.

Nên chuẩn bị ba câu chuyện:
1. Một báo cáo hoặc mô hình phức tạp đã giúp giảm rủi ro hoặc cải thiện quyết định.
2. Một lần phát hiện sai sót dữ liệu hoặc báo cáo sai và cách bạn kiểm soát, khắc phục.
3. Một lần phải xử lý nhiều bộ phận, báo cáo định kỳ và yêu cầu đột xuất cùng lúc.

3. Câu hỏi kỹ thuật Oracle SQL

Các dạng câu hỏi thường gặp:

Viết truy vấn lấy dư nợ theo nhóm nợ tại một mốc ngày.
Tính dư nợ quá hạn và nợ xấu của tháng trước so với tháng hiện tại.
Phân tích dòng tiền thu hồi theo vùng miền, sản phẩm và đội xử lý.
Tìm khách hàng bị nhân bản do nối bảng không kiểm soát quan hệ một-nhiều.
So sánh cùng một tập khách hàng giữa hai kỳ bằng hàm cửa sổ.
Xây dựng quy trình tạo bảng lịch sử bằng CTAS và nạp tăng dần.
Tối ưu truy vấn chậm, đọc kế hoạch thực thi và xác định nguyên nhân.
Viết kiểm tra đối soát giữa dữ liệu nguồn và bảng đích.

Cách trả lời tốt:
1. Hỏi lại mốc thời gian và định nghĩa chỉ số.
2. Nói rõ bảng nào chứa dữ liệu nào và mối quan hệ giữa các bảng.
3. Xác định grain của dữ liệu là khách hàng, khoản vay, hợp đồng hay giao dịch.
4. Lọc và gom nhóm trước, tránh tính toán lặp lại trên dữ liệu đã nhân bản.
5. Kiểm tra giá trị thiếu, mốc hiệu lực và số dòng sau mỗi bước.
6. Giải thích cách kiểm soát chất lượng và xử lý dữ liệu ngoại lệ.

4. Câu hỏi Power BI, DAX và Excel

Power BI và DAX

Vẽ mô hình dữ liệu phù hợp với báo cáo nhóm nợ, sản phẩm và vùng miền.
Giải thích cách tính tỷ lệ nợ xấu, trong đó mẫu số là tổng dư nợ hay tổng tài sản.
Xử lý tình huống một khoản nợ chuyển từ nhóm 2 sang nhóm 3 trong kỳ.
Thiết kế số đo so sánh kỳ này với kỳ trước và cùng kỳ năm trước.
Nêu cách kiểm soát lỗi làm mới dữ liệu và xử lý bảng tra cứu không khớp.

Excel

Xây dựng báo cáo tự động bằng Power Query và VBA.
Xử lý tập dữ liệu lớn, nối dữ liệu và loại trùng.
Viết hàm kiểm tra tổng, số dòng và các trường bắt buộc.
Giải thích cách bảo vệ ô công thức và tài liệu hóa quy trình cập nhật.

5. Câu hỏi nghiệp vụ quản trị nợ

Phân biệt nợ quá hạn, nợ xấu và nợ đã ghi giảm.
Giải thích nguyên nhân nợ xấu tăng: do phát sinh mới, tái vỡ nợ, điều chuyển nhóm hay thay đổi cơ sở phân loại.
Nêu cách phân tích danh sách nợ theo độ tuổi nợ, sản phẩm, vùng miền và đội thu hồi.
Đánh giá hiệu quả một chiến dịch thu hồi nợ ngoài doanh thu thu hồi.
Xử lý mâu thuẫn giữa báo cáo quản trị, báo cáo tài chính và dữ liệu thu hồi nợ.
Xác định vai trò của dự phòng trong quyết định thu hồi, tái vỡ hoặc ghi giảm nợ.
Đề xuất cách theo dõi nợ sau khi chiến dịch kết thúc nhằm hạn chế tái vỡ.

6. Bài tình huống nghiệp vụ nên luyện

Một tình huống giả lập phù hợp là tổng dư nợ khoảng 10.000 tỷ đồng, tỷ lệ nợ xấu tăng trong hai tháng liên tiếp và kết quả thu hồi giảm ở một vùng. Ứng viên có thể trình bày theo cấu trúc:

1. Kiểm tra dữ liệu: mốc báo cáo, định nghĩa nợ xấu, dữ liệu thiếu, khác biệt giữa các nguồn.
2. Phân rã vấn đề: theo nhóm nợ, phát sinh mới, tái vỡ, điều chuyển nhóm, sản phẩm, vùng miền và đội xử lý.
3. Xác định nguyên nhân: chất lượng khoản vay mới, thay đổi chính sách, hiệu quả chiến dịch, năng lực xử lý hoặc vấn đề dữ liệu.
4. Đề xuất hành động: can thiệp theo phân khúc, điều chỉnh lịch xử lý, ưu tiên nợ có dòng tiền, thử nghiệm kênh liên hệ.
5. Ước lượng tác động: dòng tiền thu hồi, thời gian xử lý, giảm tái vỡ và chi phí.
6. Lập kế hoạch theo dõi: chỉ số, tần suất, người phụ trách, ngưỡng cảnh báo và thời điểm đánh giá lại.

7. Câu hỏi về trí tuệ nhân tạo

Câu hỏi có thể xuất hiện: Bạn sử dụng trí tuệ nhân tạo để tăng năng suất như thế nào mà vẫn bảo toàn tính đúng đắn và bảo mật?

Cách trả lời tốt:

Dùng để tạo bản nháp truy vấn, giải thích mã, soạn tài liệu và tóm tắt báo cáo.
Không đưa dữ liệu định danh khách hàng vào công cụ công cộng không được phép.
Kiểm chứng kết quả bằng dữ liệu kiểm thử, đối soát tổng và đối chiếu với nguồn.
Ghi nhận giới hạn, không giao quyết định tín dụng hoặc xử lý nợ chỉ dựa trên đầu ra tự động.
Ưu tiên quy trình có kiểm soát, nhật ký phiên bản và người chịu trách nhiệm phê duyệt.

8. Câu hỏi hành vi và xung đột

Chuẩn bị câu chuyện thật cho các tình huống:

Bộ phận khác cung cấp dữ liệu chậm nhưng thời hạn báo cáo không thay đổi.
Hai báo cáo cho ra số liệu nợ xấu khác nhau.
Lãnh đạo yêu cầu kết luận khi dữ liệu chưa đủ tin cậy.
Một chiến dịch thu hồi nợ không đạt kỳ vọng.
Bạn phát hiện mô hình hoặc báo cáo do đồng nghiệp gửi có lỗi.
Nhiều bộ phận đều cần hỗ trợ trong cùng một thời điểm.

Thí dụ cách xử lý: kiểm chứng dữ liệu, thông báo rủi ro sớm, đề xuất phương án tạm thời, ghi nhận giả định, đề xuất quy trình sửa và xác định thời hạn kiểm tra lại.

9. Trình bày hồ sơ và portfolio

Mở đầu bằng hai câu nêu chuyên môn và tác động kinh doanh.
Dành một phần cho Oracle SQL, một phần cho Power BI và Excel, một phần cho nghiệp vụ quản trị nợ.
Trình bày portfolio theo vấn đề, cách xử lý, kiểm soát chất lượng, kết quả và giới hạn.
Nếu có sản phẩm trực quan, bảo đảm định nghĩa chỉ số và mốc thời gian hiển thị rõ ràng.
Không dùng dữ liệu thật của ngân hàng; dùng dữ liệu giả lập hoặc đã được làm sạch hoàn toàn.

10. Trang phục và thái độ

Trực tiếp: trang phục công sở hài hòa, màu trung tính, giày dép gọn gàng; không cần thiết kế quá cầu kỳ.
Trực tuyến: trang phục công sở, nền gọn, ánh sáng tốt, tai nghe và mạng ổn định.
Thể hiện sự chính xác trong thời gian, không dùng thuật ngữ khó hiểu nếu khách hàng nghiệp vụ không quen thuộc.
Khi chưa biết đáp án, nói rõ điều chưa biết và đề xuất cách kiểm chứng.
Gửi bản cảm ơn ngắn gọn sau vòng phỏng vấn, nêu lại một điểm thể hiện tốt và bổ sung thông tin còn thiếu nếu có.

11. Câu hỏi nên hỏi người phỏng vấn

Chính xác số năm kinh nghiệm được yêu cầu cho từng cấp bậc?
Báo cáo và bảng điều khiển hiện tại đang dùng những nguồn dữ liệu nào?
Quy trình phê duyệt báo cáo và kiểm soát chất lượng dữ liệu diễn ra thế nào?
Chỉ số đánh giá thành công trong 6 tháng đầu là gì?
Tần suất báo cáo, thời điểm cao điểm và áp lực cuối tháng ra sao?
Phần lớn thời gian sẽ dành cho phân tích, phát triển giải pháp hay xử lý yêu cầu vận hành?
Vị trí có thể tiếp cận dữ liệu khách hàng theo chế độ nào?
Chính sách làm việc tại văn phòng và chế độ làm việc linh hoạt hiện tại ra sao?
Cơ hội phát triển sang quản trị rủi ro tín dụng, quản trị dữ liệu hoặc quản lý vận hành thu hồi nợ như thế nào?

12. Checklist trước ngày phỏng vấn

In hoặc lưu lại hồ sơ và portfolio trên thiết bị dự phòng.
Kiểm tra Internet, camera, micro và nguồn điện.
Chuẩn bị bút, giấy và công cụ tính toán.
Ôn lại ba câu chuyện hành vi.
Viết sẵn hai mô hình DAX và hai truy vấn SQL.
Xác nhận lịch, người phỏng vấn và thời lượng dự kiến.
Chuẩn bị ba câu hỏi cho người phỏng vấn và hai câu hỏi cho tuyển dụng.

Lộ trình ôn thi

1. Mục tiêu ôn thi sau 1–2 tuần

Sau hai tuần, ứng viên cần đạt được năm kết quả:
1. Giải thích chính xác cấu trúc nợ nhóm 1–5, nợ xấu, nợ đã ghi giảm và các chỉ số thu hồi nợ.
2. Viết được truy vấn Oracle SQL ở mức phân tích vận hành, bao gồm hàm cửa sổ và kiểm soát trùng lặp.
3. Xây dựng được mô hình dữ liệu và bảng điều khiển Power BI theo nhóm nợ, sản phẩm, vùng miền.
4. Trình bày một quy trình quản trị dữ liệu, gồm nạp tăng dần, kiểm soát chất lượng và đối soát.
5. Giải quyết một tình huống quản trị nợ theo cấu trúc phân tích, đề xuất hành động và đo lường kết quả.

2. Lộ trình 14 ngày

Ngày	Nội dung	Sản phẩm cần hoàn thành
1	Hiểu cấu trúc danh sách nợ, quy định phân loại nợ, ý nghĩa nợ xấu và nợ đã ghi giảm	Một trang tóm tắt thuật ngữ và sơ đồ dòng nợ
2	Học chỉ số thu hồi nợ, dòng tiền, tái vỡ, độ tuổi nợ, tỷ lệ chuyển nhóm và dự phòng	Bảng công thức chỉ số kèm định nghĩa mẫu số
3	Oracle SQL: bảng, nối, điều kiện ngày, hàm tổng hợp	Năm truy vấn cơ bản về dư nợ và nợ quá hạn
4	Oracle SQL: hàm cửa sổ, bảng biểu thức chung, xử lý trùng	Truy vấn so sánh kỳ và xếp hạng khoản nợ
5	Oracle SQL: hiệu năng, kế hoạch thực thi, chỉ mục và truy vấn nặng	Phân tích một truy vấn chậm và đề xuất tối ưu
6	Quy trình dữ liệu: CTAS, nạp tăng dần, kiểm soát tổng và dữ liệu đến muộn	Sơ đồ quy trình nạp và bảng kiểm soát
7	Power BI: mô hình hóa dữ liệu, quan hệ bảng	Mô hình hình sao và bảng tính chỉ số
8	DAX: số đo nợ xấu, tỷ lệ thu hồi, biến động nhóm nợ	Bảy số đo có định nghĩa rõ ràng
9	Excel nâng cao, Power Query, VBA, xử lý lỗi	Báo cáo tự động mô phỏng một bảng điều khiển
10	Dự báo và cảnh báo sớm	Mô hình đơn giản kèm cách diễn giải giới hạn
11	Quy trình thu hồi nợ, chiến dịch và phân bổ chỉ tiêu	Sơ đồ quy trình từ phát hiện đến đóng hồ sơ
12	Luyện tình huống nghiệp vụ	Bài trình bày 10 phút và bản tóm tắt một trang
13	Trả lời câu hỏi hành vi và xây dựng ba câu chuyện	Bản nháp câu trả lời theo tình huống – nhiệm vụ – hành động – kết quả
14	Mock phỏng vấn tổng hợp, sửa điểm yếu, chuẩn bị câu hỏi	Bộ tài liệu phỏng vấn cuối cùng

3. Lộ trình rút gọn 7 ngày

Ngày 1: nghiệp vụ phân loại nợ và chỉ số thu hồi nợ.
Ngày 2: SQL cấp trúc dữ liệu, nối, tổng hợp và hàm cửa sổ.
Ngày 3: SQL tối ưu, CTAS, nạp tăng dần và kiểm soát chất lượng.
Ngày 4: Power BI, mô hình hóa dữ liệu và DAX.
Ngày 5: Excel, Power Query, VBA và trực quan hóa.
Ngày 6: tình huống phân tích nợ, dự báo và trình bày.
Ngày 7: mock phỏng vấn, chuẩn bị hồ sơ và câu hỏi cho nhà tuyển dụng.

4. Tài liệu nên học

Nghiệp vụ ngân hàng

Quy định hiện hành của Ngân hàng Nhà nước Việt Nam về phân loại tài sản có và không có bảo đảm; phải kiểm tra các văn bản sửa đổi hoặc thay thế tại thời điểm ôn tập.
Tài liệu giải thích cơ chế kỳ vọng tổn thất tín dụng theo IFRS 9, đặc biệt giai đoạn 1, 2 và 3.
Báo cáo thường niên và báo cáo tài chính của VIB để hiểu sản phẩm, khách hàng, rủi ro và cách ngân hàng gọi tên chỉ tiêu.
Trang tuyển dụng chính thức của VIB để xác minh yêu cầu kinh nghiệm và điều kiện làm việc còn thiếu trong bản tin.
Tài liệu chính thức của Oracle về SQL, tối ưu truy vấn và phân vùng bảng.
Hướng dẫn Microsoft Power BI, DAX và Power Query.

Tài liệu nâng cao

Hướng dẫn phân tích danh sách nợ theo độ tuổi nợ, hành vi trả nợ và hiệu quả thu hồi.
Tài liệu về dự báo chuỗi thời gian, hồi quy phân loại và phân tích phân khúc.
Hướng dẫn sử dụng trí tuệ nhân tạo trong lập trình và phân tích dữ liệu, kèm nguyên tắc bảo mật và kiểm chứng.

5. Bài thực hành trọng tâm

Bài 1. Bảng dữ liệu nợ

Tạo dữ liệu giả lập gồm khách hàng, khoản vay, lịch trả nợ, dư nợ hằng tháng và khoản thu hồi. Kiểm tra:

Mỗi khoản vay có định danh duy nhất.
Mốc hiệu lực nhóm nợ không bị chồng lấn.
Dư nợ tháng sau khớp với dư nợ tháng trước cộng phát sinh trừ thu hồi và điều chỉnh khác.
Tổng dư nợ theo sản phẩm khớp với báo cáo tổng hợp.

Bài 2. Truy vấn quản trị

Tính dư nợ theo nhóm nợ tại từng tháng.
Tính nợ xấu phát sinh, thu hồi, chuyển nhóm, tái vỡ và nợ đã ghi giảm.
Xếp hạng vùng miền và đội xử lý theo tỷ lệ nợ xấu.
So sánh cùng kỳ và kỳ trước bằng hàm cửa sổ.
Kiểm tra tác động của việc thay đổi định nghĩa nợ xấu.

Bài 3. Quy trình nạp dữ liệu

Mô phỏng CTAS và nạp tăng dần theo tháng. Bổ sung:

Ngày mốc nạp gần nhất.
Điều kiện chạy lại an toàn.
Kiểm tra số dòng và tổng tiền.
Xử lý dữ liệu sửa đổi hoặc đến muộn.
Nhật ký lỗi và trạng thái báo cáo.

Bài 4. Bảng điều khiển điều hành

Tạo ba trang:
1. Tổng quan: tổng dư nợ, tỷ lệ nợ xấu, dòng tiền thu hồi và biến động so với kỳ trước.
2. Phân tích: theo nhóm nợ, sản phẩm, vùng miền, phân khúc và đội xử lý.
3. Cảnh báo: nợ có dấu hiệu tái vỡ, quy trình vượt hạn và sai lệch chỉ tiêu.

Bài 5. Tình huống ra quyết định

Viết bản tóm tắt một trang trả lời: nếu tỷ lệ nợ xấu tăng và hiệu quả thu hồi giảm, ứng viên sẽ kiểm tra gì, làm gì trước và đo kết quả ra sao?

6. Bài tự kiểm tra trước phỏng vấn

Ứng viên phải trả lời được mà không cần tra cứu:

Nợ nhóm 1–5 khác nhau như thế nào?
Vì sao nợ đã ghi giảm vẫn cần được theo dõi?
Tỷ lệ nợ xấu nên dùng mẫu số nào?
Làm thế nào tránh nhân bản số dư khi nối bảng khách hàng, khoản vay và giao dịch?
CTAS khác tạo bảng thông thường ở đâu?
Nạp tăng dần xử lý dữ liệu sửa đổi như thế nào?
Vì sao không nên đưa dữ liệu khách hàng vào công cụ trí tuệ nhân tạo công cộng?
Có thể làm gì để giảm nợ xấu mới, thay vì chỉ tập trung thu hồi nợ nợ xấu?
Báo cáo nào cần được kiểm soát bởi người phê duyệt và bằng chứng kiểm tra là gì?

7. Đồ vật mang theo khi phỏng vấn

Hồ sơ in và bản lưu trên điện thoại hoặc ổ đĩa di động.
Portfolio truy vấn SQL, mô hình Power BI và báo cáo Excel.
Một trang ghi chú về quy định phân loại nợ và các giả định của dự án.
Bút, giấy, máy tính và nguồn điện dự phòng.
Danh sách câu hỏi dành cho tuyển dụng và người phỏng vấn.

Tư vấn nghề nghiệp

1. Đánh giá mức độ phù hợp

Vị trí này phù hợp nhất với ba nhóm ứng viên:

1. Chuyên gia phân tích tín dụng hoặc thu hồi nợ: đã hiểu danh sách nợ, chỉ tiêu thu hồi và cơ chế phân loại; cần bổ sung SQL, Power BI và khả năng xây dựng quy trình dữ liệu.
2. Chuyên gia dữ liệu ngân hàng: mạnh về Oracle SQL, mô hình hóa dữ liệu, Power BI và tối ưu truy vấn; cần chuyển kinh thức từ báo cáo tổng hợp sang phân tích danh sách nợ và quyết định thu hồi.
3. Chuyên gia vận hành quản trị nợ: hiểu quy trình xử lý, phân bổ chỉ tiêu và triển khai chiến dịch; cần chứng minh khả năng chuyển nghiệp vụ thành dữ liệu, mô hình và bảng điều khiển.

Ứng viên chỉ có kỹ năng báo cáo mà thiếu hiểu biết về thu hồi nợ sẽ khó khăn hơn. Ngược lại, ứng viên hiểu nghiệp vụ rất tốt nhưng không thể truy vấn và xây dựng quy trình dữ liệu cũng chưa đáp ứng trọng tâm của vị trí.

2. Cách xử lý khoảng cách kinh nghiệm

Do phần số năm kinh nghiệm bị thiếu trong tin tuyển dụng, ứng viên không nên tự kết luận là không đủ điều kiện. Nên thực hiện ba bước:

Hỏi tuyển dụng về số năm tối thiểu dành cho chuyên viên cao cấp và chuyên gia.
Quy đổi kinh nghiệm liên quan thành bằng chứng: kinh nghiệm tín dụng, quản trị rủi ro, báo cáo tài chính, vận hành nợ, phân tích khách hàng và quản lý dự án.
Chuẩn bị portfolio thể hiện năng lực kỹ thuật ở mức có thể thay thế một phần kinh nghiệm thực tế.

Nếu thiếu kinh nghiệm quản trị nợ, hãy chứng minh khả năng chuyển đổi nhanh bằng một dự án về phân tích danh sách nợ, hiểu rõ cách phân loại nợ và biết cách phối hợp với bộ phận vận hành. Không nên biến kinh nghiệm tài chính thành kinh nghiệm quản trị nợ một cách quá mức.

3. Mức lương kỳ vọng

Tin tuyển dụng chỉ ghi thỏa thuận, không công bố lương, thưởng hoặc phúc lợi. Dưới đây là mức ước lượng tham khảo tại thị trường Hồ Chí Minh, không phải cam kết của VIB và không bao gồm mức thưởng chắc chắn:

Hồ sơ điển hình	Mức lương cứng trước thuế ước lượng mỗi tháng
Khoảng 3–5 năm, kỹ năng dữ liệu và nghiệp vụ tốt	30–45 triệu đồng
Khoảng 5–8 năm, đáp ứng chuyên viên cao cấp	40–60 triệu đồng
Khoảng 8–12 năm, thành thạo quản trị nợ và dẫn dự án	55–85 triệu đồng
Trưởng nhóm, quản lý hoặc trưởng bộ phận	75–120 triệu đồng

Mức lương thực tế còn phụ thuộc phạm vi quản lý, quy mô báo cáo, kinh nghiệm ngân hàng, năng lực thương lượng, chính sách đãi ngộ và thời điểm ứng tuyển. Mức lương có thể thay đổi tùy ngân hàng và thời điểm.

Khi trao đổi, nên hỏi cả tổng thu nhập gồm lương cứng, thưởng theo kết quả công việc, phụ cấp, bảo hiểm và chế độ làm việc linh hoạt. Nếu chưa biết ngân sách, có thể nói: Với kinh nghiệm và phạm vi trách nhiệm hiện tại, tôi kỳ vọng tổng thu nhập phù hợp với thị trường và sẵn sàng trao đổi chi tiết về cấu trúc lương, thưởng và phúc lợi.

4. Lộ trình thăng tiến

Hướng chuyên gia

Chuyên viên phân tích dữ liệu.
Chuyên viên phân tích quản trị nợ.
Chuyên viên cao cấp hoặc chuyên gia phân tích quản trị nợ.
Chuyên gia chính dẫn dự án phân tích và tự động hóa.

Hướng quản lý

Chuyên gia phân tích quản trị nợ.
Trưởng nhóm phân tích và báo cáo thu hồi nợ.
Quản lý vận hành và dữ liệu thu hồi nợ.
Trưởng bộ phận phân tích quản trị nợ hoặc quản trị danh sách nợ.

Hướng chuyển ngành

Quản trị rủi ro tín dụng.
Quản trị danh sách nợ.
Quản trị dữ liệu ngân hàng.
Mô hình rủi ro và ra quyết định.
Quản lý sản phẩm thu hồi nợ và phân tích hành vi khách hàng.

Lộ trình thăng tiến mạnh nhất là đồng thời tăng chiều sâu kỹ thuật, chiều sâu nghiệp vụ và khả năng ảnh hưởng. Chỉ tăng cấp bậc chức danh mà không có phạm vi quyết định rõ ràng sẽ khó tạo giá trị dài hạn.

5. Kế hoạch phát triển 12 tháng

0–3 tháng

Hoàn thiện Oracle SQL, DAX, Power Query và VBA.
Xây dựng portfolio phân tích danh sách nợ.
Ôn quy định phân loại nợ và cơ chế dự phòng.
Tìm một chuyên gia trong lĩnh vực thu hồi nợ để kiểm tra hiểu biết nghiệp vụ.

4–6 tháng

Thực hiện một sáng kiến tự động hóa báo cáo hoặc quy trình kiểm soát chất lượng.
Đạt chứng chỉ Power BI hoặc SQL nếu chưa có.
Cải thiện kỹ năng trình bày cho lãnh đạo và xây dựng chỉ số điều hành.

7–12 tháng

Dẫn dự án phân tích danh sách nợ hoặc cảnh báo sớm.
Xây dựng mạng lưới với bộ phận tín dụng, thu hồi nợ, quản trị rủi ro và dữ liệu.
Định hướng sang chuyên gia chính, trưởng nhóm hoặc chuyên gia phân tích rủi ro.

6. Những kỹ năng nên phát triển thêm

Mô hình dự báo và phân tích khách hàng có giá trị vòng đời nợ.
Kiểm soát dữ liệu, tài liệu hóa nguồn và quản lý chất lượng dữ liệu.
Kỹ năng lập luận kinh doanh và định giá tác động của chiến dịch thu hồi nợ.
Tư duy thiết kế quy trình và giải pháp, không chỉ xử lý yêu cầu.
Giao tiếp bằng tiếng Anh nếu tài liệu hoặc đối tác quốc tế có yêu cầu; tin tuyển dụng không nêu điều kiện này nhưng đây là lợi thế.
Quản lý thời gian, đặt tiêu chuẩn hoàn thành và chủ động thông báo rủi ro.
Nâng cao kỹ năng lãnh đạo không chính thức như thúc đẩy đội thu hồi nợ sử dụng báo cáo.

7. Thương lượng và chọn cơ hội

Không chỉ so sánh mức lương cứng. Hãy lập bảng so sánh:

Lương cứng và cơ chế tăng lương.
Thưởng theo kết quả công việc và thưởng vượt mục tiêu.
Bảo hiểm, phụ cấp, ngày phép và chế độ làm việc linh hoạt.
Thời gian thử việc, mức lương khi chính thức và ngày áp dụng mức lương mới.
Quyền tiếp cận dữ liệu, phạm vi quyết định và chất lượng người hướng dẫn.
Danh tiếng của đội, cơ hội học hỏi và mức độ ổn định của nhu cầu tuyển dụng.
Tiêu chí thăng tiến và mô tả phạm vi việc sau 6–12 tháng.

Nếu phạm vi công việc mới rộng hơn chức danh ghi trong hồ sơ, hãy đề nghị ghi rõ quyền hạn, sản phẩm bàn giao và tiêu chí đánh giá vào biên bản làm việc. Với vị trí này, quyền truy cập dữ liệu, ngân sách công cụ và cơ chế ra quyết định có thể quan trọng không kém mức lương ban đầu.

Câu hỏi thường gặp

Tôi là sinh viên năm cuối, chưa có kinh nghiệm ngân hàng. Tôi có nên ứng tuyển vị trí chuyên viên cao cấp này không?

Bạn vẫn có thể ứng tuyển nếu tin đăng đang tuyển nhiều cấp bậc, nhưng phải xác minh số năm kinh nghiệm tối thiểu với tuyển dụng. Hãy chuẩn bị một portfolio mô phỏng phân tích danh sách nợ bằng Oracle SQL, Power BI và Excel, kèm tài liệu giải thích quy trình nạp dữ liệu, kiểm soát chất lượng và cảnh báo sớm. Ưu tiên tìm cơ hội thực tập hoặc vị trí chuyên viên phân tích dữ liệu tại ngân hàng trước. Không nên biến dự án học tập thành kinh nghiệm thực tế; hãy ghi rõ dữ liệu giả lập và phần bạn thực sự thực hiện.

Tôi đang làm tín dụng hoặc thu hồi nợ nhưng chưa thành thạo SQL và Power BI. Tôi có thể chuyển sang vị trí này không?

Bạn có lợi thế lớn về nghiệp vụ nhưng cần chứng minh ba năng lực kỹ thuật: viết truy vấn Oracle, xây dựng mô hình dữ liệu và thiết kế bảng điều khiển. Hãy chọn một bài toán thật đã xử lý, chẳng hạn phân tích nợ quá hạn theo vùng hoặc hiệu quả thu hồi, sau đó tái tạo bằng dữ liệu giả lập. Trong hồ sơ, nhấn mạnh khả năng hiểu danh sách nợ, quy trình phân loại, đặt chỉ tiêu và phối hợp vận hành; đồng thời liệt kê các chứng chỉ hoặc dự án chứng minh SQL và Power BI. Đây là hướng chuyển đổi hợp lý nếu bạn sẵn sàng đầu tư khoảng 3–6 tháng.

Tôi có 4 năm kinh nghiệm tài chính, còn vị trí này ghi tối thiểu 5 năm. Tôi có nên nộp hồ sơ không?

Nên hỏi tuyển dụng trước vì phần số năm kinh nghiệm trong tin đăng bị bỏ trống và có ghi chú bổ sung yêu cầu cho từng chức vụ. Hãy trình bày rõ bốn năm kinh nghiệm liên quan, kết quả đã đạt và khả năng đáp ứng nội dung kỹ thuật. Nếu thiếu một năm nhưng có kinh nghiệm tín dụng, thu hồi nợ, báo cáo rủi ro hoặc dữ liệu tương đương, bạn vẫn có thể được xem xét. Tuy nhiên, không nên phóng đại thâm niên; hãy tập trung vào mức độ độc lập, quy mô dữ liệu và tác động thực tế của kinh nghiệm.

Trong phỏng vấn Oracle SQL, tôi nên trả lời câu hỏi phân tích danh sách nợ như thế nào?

Hãy làm rõ mốc báo cáo và định nghĩa nợ xấu trước. Sau đó xác định bảng khách hàng, khoản vay, lịch trả nợ và giao dịch; giải thích cách chọn đúng mức dữ liệu để tránh nhân bản. Bạn có thể dùng bảng biểu thức chung để lọc theo ngày hiệu lực, gom nhóm theo nhóm nợ, sản phẩm và vùng miền, rồi dùng hàm cửa sổ như LAG hoặc LEAD để so sánh kỳ trước. Cuối cùng, trình bày các bước kiểm tra số dòng, tổng dư nợ, giá trị thiếu và khả năng chạy lại truy vấn.

Tôi mạnh Power BI nhưng Excel chỉ ở mức trung bình. Có nên ứng tuyển không?

Có thể ứng tuyển, nhưng cần đóng khoảng cách Excel trước khi phỏng vấn. Vị trí yêu cầu Power Query, VBA và xử lý tập dữ liệu lớn, nên đây là điểm có thể bị kiểm tra kỹ. Hãy thực hiện một quy trình nhận dữ liệu thô, tự động hóa bằng Power Query, kiểm tra lỗi bằng VBA, xuất báo cáo và lưu nhật ký. Bạn cũng nên luyện các hàm SUMIFS, COUNTIFS, XLOOKUP, xử lý ngày và PivotTable. Điểm mạnh Power BI sẽ giúp bạn nổi bật, nhưng chỉ khi chứng minh khả năng làm việc xuyên suốt từ dữ liệu nguồn đến báo cáo.

Tôi chưa làm việc trong bộ phận thu hồi nợ nhưng biết phân loại nợ. Tôi nên trình bày thế nào để không bị yếu thế?

Hãy nói rõ bạn chưa có kinh nghiệm trực tiếp, sau đó tập trung vào ba điểm có thể chứng minh: bạn hiểu cơ chế chuyển nhóm và tỷ lệ thu hồi, bạn biết quy trình vận hành gồm phân công, theo dõi, thu hồi, tái vỡ và đóng hồ sơ, và bạn có thể dùng dữ liệu để phát hiện sớm vấn đề. Chuẩn bị một ví dụ về việc bạn từng làm việc với danh sách nợ ở vai trò khác. Thẳng thắn về thiếu sót nhưng dùng bằng chứng cho thấy khả năng học nhanh thường tốt hơn việc đưa ra một số liệu không thể kiểm chứng.

Tôi có thể dùng trí tuệ nhân tạo trong công việc phân tích nợ như thế nào?

Bạn có thể dùng trí tuệ nhân tạo để tạo bản nháp truy vấn, giải thích mã, soạn tài liệu, đề xuất kiểm thử và tóm tắt báo cáo. Tuy nhiên, phải che dữ liệu định danh khách hàng, không đưa dữ liệu thật vào công cụ không được phép, kiểm chứng đầu ra bằng bộ kiểm thử và đối soát tổng. Trong phỏng vấn, nhấn mạnh rằng công cụ chỉ hỗ trợ, còn trách nhiệm giải trình và phê duyệt vẫn thuộc về con người. Quy trình kiểm soát và khả năng phát hiện câu trả lời sai quan trọng hơn tốc độ tạo câu trả lời.

Mức lương hợp lý cho vị trí này ở Hồ Chí Minh là bao nhiêu?

Tin đăng không công bố mức lương. Một ước lượng tham khảo cho ứng viên khoảng 5–8 năm kinh nghiệm tại Hồ Chí Minh là 40–60 triệu đồng trước thuế mỗi tháng; mức lương có thể thay đổi tùy ngân hàng và thời điểm. Hãy điều chỉnh theo phạm vi quản lý, ngành thu nhập, giá trị tổng thu nhập và khả năng của bạn. Trước khi nêu con số, hãy hỏi về ngân sách, cấu trúc thưởng, thời gian thử việc và mức lương chính thức.

Giờ làm và áp lực công việc tại vị trí này như thế nào? Có chỉ tiêu nào cần biết trước không?

Tin đăng không nêu lịch làm việc, cơ chế thưởng hoặc chỉ tiêu chính thức. Mô tả cho thấy sẽ có áp lực theo báo cáo tháng và định kỳ, yêu cầu triển khai chiến dịch và xử lý nợ. Trước khi nhận việc, cần hỏi rõ giờ làm việc hằng ngày, tần suất báo cáo, ca xử lý cuối tháng, chỉ tiêu chính và thưởng, cũng như việc có thể phải xử lý sự cố ngoài giờ. Hãy đánh giá cả mức lương, phúc lợi, sự cân bằng giữa công việc phân tích và vận hành, thay vì chỉ nhìn tiêu đề chức danh.

Tôi muốn phát triển từ vị trí này trong 3–5 năm tới. Hướng tiến theo chuyên môn hay quản lý phù hợp hơn?

Hãy chọn hướng theo điểm mạnh và mong muốn thực tế. Hướng chuyên gia phù hợp nếu bạn thích mô hình hóa dữ liệu, dự báo, tự động hóa và tư vấn chính sách; hướng quản lý phù hợp nếu bạn muốn dẫn dắt đội, điều phối bộ phận vận hành và chịu trách nhiệm mục tiêu. Trong cả hai hướng, cần chứng minh khả năng ảnh hưởng, làm việc với lãnh đạo vùng miền và điều phối nhiều bên liên quan. Hãy hỏi trong phỏng vấn về tiêu chí phân biệt hai hướng và thời gian để đạt cấp bậc tiếp theo.

Chuyên Gia/Chuyên viên cao cấp Phân tích và quản trị dữ liệu nợ NHBL