Vị trí Chuyên viên Thỏa thuận

Mô tả công việc

o Tốt nghiệp Đại học trở lên khối ngành Kỹ thuật/Khoa học máy tính/Khoa học dữ liệu/Hệ thống thông tin/Toán - Tin hoặc các ngành liên quan. o Ưu tiên ứng viên có trình độ sau Đại học hoặc có các công trình nghiên cứu/đề tài chuyên môn liên quan đến dữ liệu. o Ưu tiên có chứng chỉ tiếng Anh TOEIC 600+ hoặc tương đương (IELTS/TOEFL…). o Ưu tiên có các chứng chỉ/chương trình đào tạo về Phân tích dữ liệu, Khoa học dữ liệu, Cloud/Big Data (nếu có). o Tư duy phân tích, giải quyết vấn đề; khả năng chuyển hóa nhu cầu kinh doanh thành bài toán dữ liệu và tiêu chí đo lường. o Kỹ năng phân tích dữ liệu và trực quan hóa: khai thác dữ liệu, xây dựng báo cáo/dashboard, data storytelling, trình bày insight rõ ràng. o Kỹ năng làm việc với dữ liệu/ công cụ: SQL; ưu tiên biết Python/R và các thư viện phân tích; thành thạo Excel/PowerPoint. o Hiểu biết về kiểm thử và đo lường hiệu quả (ví dụ: A/B testing), thống kê ứng dụng; ưu tiên hiểu biết về mô hình dự báo/ML ở mức áp dụng. o Hiểu biết hệ sinh thái dữ liệu lớn (Big Data) là lợi thế: Hadoop/Spark/Databricks; hiểu cơ bản về triển khai/đóng gói (Docker) và môi trường vận hành (Kubernetes) là điểm cộng. o Kỹ năng giao tiếp, thuyết phục và phối hợp đa phòng ban; khả năng quản lý thay đổi và thúc đẩy việc ứng dụng kết quả phân tích vào quy trình. o Tối thiểu 03 năm kinh nghiệm ở vị trí phân tích dữ liệu/phân tích kinh doanh/khoa học dữ liệu hoặc các vai trò liên quan; ưu tiên 04-05 năm cho cấp Chuyên viên cao cấp. o Có kinh nghiệm tham gia/triển khai các sáng kiến phân tích phục vụ tối ưu hiệu quả kinh doanh/vận hành; có kinh nghiệm xây dựng tài liệu nghiệp vụ và làm việc với stakeholder. Ưu tiên ứng viên đã làm việc trong lĩnh vực tài chính - ngân hàng hoặc công ty công nghệ có quy mô dữ liệu lớn.

Yêu cầu ứng viên

Phân tích kỹ năng cần có

## Phân tích Kỹ năng yêu cầu cho vị trí Data Analyst – TPBank ### 1. Kỹ năng Kỹ thuật (Hard Skills) | Cấp độ | Kỹ năng | Mức yêu cầu | Ghi chú | |--------|---------|-------------|----------| | **BẮT BUỘC** | SQL | Thành thạo | Nền tảng, dùng hàng ngày | | **BẮT BUỘC** | Excel & PowerPoint | Thành thạo | Dashboard, báo cáo, trình bày | | **BẮT BUỘC** | Trực quan hóa dữ liệu | Tốt | Dashboard, data storytelling | | **Ưu tiên** | Python hoặc R | Biết và sử dụng được | Thư viện phân tích (pandas, numpy, sklearn…) | | **Ưu tiên** | A/B Testing, Thống kê ứng dụng | Hiểu và áp dụng được | Đo lường hiệu quả | | **Ưu tiên** | ML cơ bản | Mức áp dụng | Không cần chuyên sâu | | **Là điểm cộng** | Hadoop/Spark/Databricks | Hiểu cơ bản | Hệ sinh thái Big Data | | **Là điểm cộng** | Docker, Kubernetes | Hiểu cơ bản | Triển khai, đóng gói | ### 2. Kỹ năng Nghiệp vụ & Business - **Tư duy phân tích**: Chuyển hóa nhu cầu kinh doanh → bài toán dữ liệu → tiêu chí đo lường - **Business Acumen**: Hiểu quy trình ngân hàng, các sản phẩm tài chính - **Stakeholder Management**: Làm việc với nhiều phòng ban (KHDN, Khách hàng cá nhân, Vận hành…) - **Change Management**: Thúc đẩy ứng dụng kết quả phân tích vào quy trình thực tế ### 3. Kỹ năng Mềm (Soft Skills) - **Giao tiếp & Thuyết phục**: Trình bày insight rõ ràng cho lãnh đạo - **Data Storytelling**: Kể chuyện bằng dữ liệu, dễ hiểu với người non-tech - **Phối hợp đa phòng ban**: Kết quả phân tích cần được bàn giao cho nhiều bên sử dụng ### 4. Chứng chỉ Khuyến nghị **Ưu tiên cao:** - TOEIC 600+ hoặc IELTS 5.5+/TOEFL tương đương **Ưu tiên cho Data Analyst:** - Google Data Analytics Certificate - IBM Data Analyst Professional Certificate - Microsoft Certified: Data Analyst Associate - AWS Certified Data Analytics – Specialty (nếu có) - Databricks Certified Data Analyst (cho Spark) ### 5. Bảng So sánh: Data Analyst vs Data Scientist (để hiểu rõ phạm vi) | Tiêu chí | Data Analyst (vị trí này) | Data Scientist | |----------|---------------------------|----------------| | Trọng tâm | Phân tích, báo cáo, dashboard | Xây dựng mô hình ML | | Công cụ chính | SQL, Excel, Power BI/Tableau | Python, R, TensorFlow | | Yêu cầu ML | Hiểu mức áp dụng | Xây dựng, tinh chỉnh model | | Đầu ra | Insight + báo cáo + dashboard | Model + prediction | | Giao tiếp | Trực tiếp nhiều với business | Thường qua DA | > **Lưu ý:** Vị trí này nghiêng về **Business Data Analyst** hơn Data Scientist. Bạn cần giỏi SQL, trực quan hóa và kể chuyện bằng dữ liệu hơn là xây dựng mô hình phức tạp.

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn TPBank – Data Analyst (Khối CNTT) ### Quy trình các vòng phỏng vấn (dự kiến) **Vòng 1 – Sàng lọc HR:** - Review hồ sơ, gọi điện xác nhận thông tin cơ bản - Hỏi về kinh nghiệm làm việc với dữ liệu, dự án đã tham gia - Đánh giá tiếng Anh, kỹ năng giao tiếp **Vòng 2 – Phỏng vấn chuyên môn (Cấp kỹ thuật/Team Lead):** - Kiểm tra SQL, kỹ năng phân tích dữ liệu - Hỏi về case study thực tế - Đánh giá tư duy phân tích, cách tiếp cận bài toán **Vòng 3 – Phỏng vấn Quản lý/VP:** - Hỏi về chiến lược, cách đề xuất giải pháp dựa trên dữ liệu - Đánh giá khả năng giao tiếp, thuyết phục - Bàn về mức lương, kỳ vọng ### Câu hỏi thường gặp theo từng vòng **Vòng 1 – HR:** 1. "Bạn giới thiệu ngắn về kinh nghiệm làm việc với dữ liệu?" 2. "Tại sao bạn muốn chuyển từ [công ty hiện tại] sang TPBank?" 3. "Bạn sử dụng những công cụ/phần mềm nào để phân tích dữ liệu?" 4. "Khi cần lấy dữ liệu từ nhiều nguồn khác nhau, bạn làm thế nào?" 5. "Bạn có TOEIC/chứng chỉ tiếng Anh không?" **Vòng 2 – Chuyên môn:** 1. **SQL thực hành:** Viết SQL query lấy top 10 khách hàng theo doanh số, sử dụng JOIN, GROUP BY, HAVING, window functions 2. "Bạn đã làm dashboard trên công cụ nào? Một dashboard tốt cần đáp ứng tiêu chí gì?" 3. "Describe một dự án phân tích dữ liệu mà bạn tự hào nhất. Kết quả đầu ra như thế nào?" 4. "Khi dữ liệu bị thiếu (missing data), bạn xử lý ra sao?" 5. "Bạn hiểu gì về A/B testing? Khi nào nên áp dụng?" 6. "Làm sao để đo lường hiệu quả của một chiến dịch marketing bằng dữ liệu?" 7. "Bạn có hiểu biết gì về Big Data ecosystem (Hadoop, Spark)?" **Vòng 3 – Quản lý:** 1. "Bạn sẽ phân tích những chỉ số KPI nào cho một chi nhánh ngân hàng?" 2. "Khi business yêu cầu một báo cáo mà bạn thấy không hợp lý, bạn xử lý thế nào?" 3. "Bạn đã bao giờ thuyết phục stakeholder chấp nhận kết quả phân tích của mình chưa? Làm thế nào?" 4. "Bạn nghĩ xu hướng Data-driven trong ngân hàng sẽ phát triển ra sao?" 5. "Mức lương kỳ vọng của bạn là bao nhiêu?" ### Tips chuẩn bị **Chuẩn bị SQL (BẮT BUỘC):** - Ôn lại: SELECT, JOIN (INNER, LEFT, RIGHT, FULL), GROUP BY, HAVING, subquery, window functions (ROW_NUMBER, RANK, LEAD/LAG) - Thực hành trên LeetCode (Easy/Medium) hoặc Hackerrank - Chuẩn bị giải thích được: tại sao dùng LEFT JOIN thay vì INNER JOIN **Chuẩn bị Case Study:** - 2-3 case study thực tế từ kinh nghiệm: bài toán → cách tiếp cận → kết quả → tác động lên business - Dùng framework **STAR**: Situation → Task → Action → Result **Research TPBank:** - Tìm hiểu chiến lược chuyển đổi số của TPBank (eBank, Fast Bank) - Đọc báo cáo thường niên, tin tức gần đây - Hiểu các sản phẩm chính: TPBank thường tập trung vào KHDN, bancassurance, thẻ, tín dụng ### Dress Code - **Ngân hàng truyền thống** → Ưu tiên vest/costume - Nam: Áo sơ mi trắng, quần tây, giày da; thêm blazer nếu có - Nữ: Áo sơ mi/cam cổ lọ, quần tây/chân váy công sở, giày gót thấp - Tránh: giày thể thao, jeans, áo phông ### Đặc thù phỏng vấn Khối CNTT ngân hàng - Có thể có **bài thi SQL thực hành** trên máy (30-60 phút) - Có thể hỏi về **quy trình phát triển phần mềm** (SDLC) nếu làm việc với team IT - Nên chuẩn bị câu hỏi về **data governance, data quality** vì ngân hàng rất quan trọng

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho vị trí Data Analyst TPBank ### Lộ trình chuẩn bị 1-2 tuần #### Tuần 1 – Ôn tập kiến thức nền tảng **Ngày 1-2: SQL (BẮT BUỘC)** - Thực hành: 30-50 bài SQL trên LeetCode (tag: Easy/Medium) - Tập trung: JOIN, GROUP BY, window functions, subquery - Tài liệu: W3Schools SQL, Mode SQL Tutorial (miễn phí) - Mock test: Tự viết query trong 20-30 phút cho mỗi bài toán **Ngày 3-4: Python/R cho phân tích dữ liệu** - Python: pandas, numpy, matplotlib, seaborn - Thực hành: Đọc CSV, xử lý missing data, vẽ biểu đồ - Tài liệu: Kaggle Python course, pandas documentation **Ngày 5: Dashboard & Visualization** - Power BI hoặc Tableau (tùy kinh nghiệm) - Ôn lại: thiết kế dashboard, cách trình bày insight - Tài liệu: Power BI Guided Learning (Microsoft miễn phí) **Ngày 6: Thống kê & A/B Testing** - Thống kê mô tả: mean, median, std, correlation - A/B testing: p-value, confidence interval, statistical significance - Tài liệu: Khan Academy Statistics (free) **Ngày 7: Nghiệp vụ ngân hàng & Business** - Các KPI ngân hàng: CASA, NIM, NPL, ROE, ROA - Hiểu quy trình tín dụng, thanh toán, cross-sell - Tìm hiểu TPBank: sản phẩm, chiến lược, đối thủ #### Tuần 2 – Luyện phỏng vấn & Case Study **Ngày 8-9: Ôn tập SQL nâng cao + Mock Interview** - Window functions, CTEs, optimization - Tự đặt timer làm bài SQL như phỏng vấn thật **Ngày 10-11: Chuẩn bị Case Study + STAR stories** - Viết 3-5 câu chuyện STAR về dự án data - Mỗi câu chuyện: Bài toán → Phương pháp → Kết quả định lượng (%, số tiền, thời gian tiết kiệm) **Ngày 12-13: Nghiệp vụ ngân hàng sâu** - Basel II/III (nếu có thời gian) - Credit scoring, risk management - Data warehouse trong ngân hàng **Ngày 14: Review & Prep cho ngày phỏng vấn** - Đọc lại CV, chuẩn bị câu hỏi cho nhà tuyển dụng - Check trang phục, giấy tờ - Nghỉ ngơi, ngủ sớm ### Tài liệu tham khảo **SQL:** - Mode SQL Tutorial: mode.com/sql-tutorial - LeetCode SQL: leetcode.com (tag: SQL) - W3Schools: w3schools.com/sql **Python for Data Analysis:** - Kaggle: kaggle.com/learn/pandas - "Python for Data Analysis" – Wes McKinney (PDF) **Dashboard & Visualization:** - Power BI: learn.microsoft.com/en-us/training/powerbi - Storytelling with Data – Cole Nussbaumer Knaflic (sách kinh điển) **Statistics & A/B Testing:** - Khan Academy: khanacademy.org/math/statistics-probability - "Trustworthy Online Controlled Experiments" – Kohavi et al. **Nghiệp vụ Ngân hàng:** - Website TPBank: tpbank.vn - Báo cáo thường niên các ngân hàng Việt Nam - Vietcap, VNDirect Research (báo cáo ngành ngân hàng)

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho Data Analyst trong Ngân hàng ### Lộ trình Thăng tiến điển hình ``` Junior Data Analyst (0-2 năm) ↓ Data Analyst (2-4 năm) ← Bạn đang ở đây hoặc nhắm đến đây ↓ Senior Data Analyst (4-6 năm) ↓ Lead Data Analyst / Analytics Manager (6-8 năm) ↓ Head of Data / Chief Data Officer (8-10+ năm) ``` **Lưu ý:** Ở TPBank, tên gọi "Chuyên viên cao cấp/Chuyên viên chính" tương đương Senior Data Analyst trong thang đánh giá quốc tế. ### Mức Lương Kỳ vọng theo Cấp bậc (Hà Nội, 2024) | Cấp bậc | Kinh nghiệm | Mức lương tháng (VND) | Ghi chú | |---------|-------------|----------------------|----------| | Junior DA | 0-2 năm | 12-20 triệu | Fresh ra trường + tự học | | Data Analyst | 2-4 năm | 20-30 triệu | Mức phổ biến cho vị trí này | | Senior DA | 4-6 năm | 30-45 triệu | Đây là target của JD | | Lead/Manager | 6+ năm | 45-80 triệu | Quản lý team nhỏ | **Yếu tố ảnh hưởng mức lương:** - Ngân hàng thường thấp hơn công ty công nghệ 10-20% (nhưng ổn định hơn, có phúc lợi tốt) - Lương TPBank thường cạnh tranh với các ngân hàng tư nhân (VPBank, OCB, MB) - Thưởng tùy hiệu quả công ty: thường 1-3 tháng lương ### Kỹ năng cần Phát triển thêm **Ngắn hạn (6-12 tháng đầu):** - Thành thạo một công cụ visualization: Power BI hoặc Tableau - Nâng cao SQL: optimization, query tuning - Học nghiệp vụ ngân hàng: CASA, NIM, NPL, Basel **Trung hạn (1-2 năm):** - Học ML cơ bản: classification, clustering, regression - Lấy chứng chỉ: Google Data Analytics hoặc AWS Data Analytics - Phát triển kỹ năng giao tiếp, thuyết trình **Dài hạn (2-5 năm):** - Hiểu toàn bộ hệ thống dữ liệu ngân hàng (data warehouse, data lake) - Cloud platform: AWS/GCP/Azure - Chuyển hướng: Data Engineering hoặc Data Science nếu thích ### Chuyển từ ngành khác sang Data Analyst ngân hàng **Từ BA (Business Analyst):** - Học SQL sâu hơn, Python/R - Thế mạnh: hiểu nghiệp vụ, giao tiếp tốt - Cần cải thiện: kỹ năng kỹ thuật **Từ Dev (lập trình viên):** - Học nghiệp vụ ngân hàng - Thế mạnh: code giỏi, hiểu hệ thống - Cần cải thiện: trình bày insight cho non-tech **Từ Kế toán/Tài chính:** - Học SQL, Python, visualization - Thế mạnh: hiểu số, nghiệp vụ tài chính - Cần cải thiện: kỹ năng lập trình cơ bản ### Lời khuyên khi vào TPBank 1. **Ngân hàng số = Nhiều dữ liệu = Nhiều cơ hội**: TPBank là ngân hàng số hóa mạnh, bạn sẽ tiếp cận dataset lớn 2. **Cross-functional work**: Làm việc với nhiều phòng ban sẽ giúp hiểu business sâu 3. **Document tốt**: Ghi lại các bài toán, phương pháp, kết quả – đây là tài sản cho sự thăng tiến 4. **Học hỏi từ fintech**: TPBank cạnh tranh với VPBank (BAOVIET Bank), OCB – chú ý xu hướng ngành 5. **Lương thỏa thuận**: Đàm phán dựa trên kinh nghiệm thực tế, có case study để chứng minh giá trị

Câu hỏi thường gặp

Em mới tốt nghiệp ngành Kinh tế, không phải CNTT, có ứng tuyển được vị trí Data Analyst không?

Khó khăn đấy bạn ơi. JD yêu cầu bằng cấp khối Kỹ thuật/Khoa học máy tính/Khoa học dữ liệu/Toán-Tin. Nếu bạn có bằng Kinh tế nhưng biết SQL, Python giỏi, có dự án phân tích dữ liệu tự làm hoặc tham gia, vẫn có cơ hội. Tuy nhiên bạn cần bù đắp bằng portfolio mạnh: GitHub với các project data, chứng chỉ online (Google Data Analytics, Coursera). Ưu tiên của họ là ngành đúng, nên bạn phải nổi bật hơn ở kỹ năng thực tế để bù lại.

Em có 2 năm kinh nghiệm làm BA (Business Analyst), muốn chuyển sang Data Analyst, có phù hợp không?

Hoàn toàn phù hợp, và đây là bước chuyển khá phổ biến. BA đã có lợi thế lớn: hiểu nghiệp vụ, biết gathering requirements, giao tiếp tốt. Việc bạn cần làm: (1) học thêm SQL sâu hơn (BA thường chỉ dùng Excel/BI tool cơ bản), (2) tự học Python hoặc R cho phân tích, (3) chuẩn bị case study về việc bạn đã làm việc với dữ liệu như thế nào trong vai trò BA. Trong phỏng vấn, hãy nhấn mạnh business acumen – đó là điểm mạnh mà Data Analyst thuần kỹ thuật thiếu.

Mức lương thực tế cho vị trí này ở TPBank là bao nhiêu?

JD ghi 'thỏa thuận' nên lương phụ thuộc đàm phán. Với 3-5 năm kinh nghiệm, mức tham khảo ở Hà Nội là 25-40 triệu/tháng. TPBank thường cạnh tranh với VPBank, OCB, không cao bằng ngân hàng nước ngoài như HSBC hay Standard Chartered nhưng phúc lợi tốt (bảo hiểm cao cấp, du lịch, thưởng Tết). Khi đàm phán: đưa ra con số cụ thể dựa trên lương hiện tại + kỳ vọng tăng 15-20%, có case study chứng minh giá trị. Đừng ngại hỏi về thưởng KPI, lương tháng 13.

Vị trí này làm việc với data warehouse của ngân hàng hay phải xây dựng từ đầu?

TPBank là ngân hàng lớn, chắc chắn đã có hệ thống data warehouse/data lake. Vị trí Data Analyst ở đây chủ yếu là khai thác, phân tích, trực quan hóa từ dữ liệu có sẵn. Bạn sẽ viết SQL truy vấn từ data warehouse, xây dashboard trên Power BI/Tableau, và chuyển hóa insight thành đề xuất kinh doanh. Điểm cộng nếu bạn hiểu Hadoop/Spark là vì họ có thể đang mở rộng sang Big Data platform. Bạn không phải xây từ đầu nhưng cần hiểu cách data được tổ chức.

Ứng viên cần biết những KPI nào của ngân hàng?

Đây là câu hỏi phổ biến trong phỏng vấn ngân hàng. Bạn cần hiểu: (1) CASA – tiền gửi thanh toán, nguồn vốn rẻ của ngân hàng; (2) NIM – biên độ lãi suất, thu nhập chính; (3) NPL – tỷ lệ nợ xấu, thước đo rủi ro; (4) ROE/ROA – hiệu quả sinh lời; (5) Số lượng KH mới, tỷ lệ khách hàng sử dụng digital banking; (6) Tỷ lệ thu hồi nợ. Nếu hiểu và đề xuất được KPI phù hợp trong phỏng vấn, bạn sẽ gây ấn tượng mạnh.

Chứng chỉ nào quan trọng nhất cho vị trí này?

Thứ tự ưu tiên: (1) TOEIC 600+ hoặc IELTS 5.5+ – gần như bắt buộc nếu không muốn bị loại sớm; (2) Google Data Analytics Certificate hoặc IBM Data Analyst Professional Certificate – chứng minh năng lực foundation; (3) Chứng chỉ Cloud/Data: AWS Certified Data Analytics hoặc Google Professional Data Engineer – điểm cộng lớn; (4) SQL certification từ any source – ít quan trọng hơn vì kỹ năng SQL được kiểm tra trực tiếp. Đừng dồn tiền vào chứng chỉ đắt tiền, hãy đầu tư thời gian code SQL thật nhiều.

Làm sao để nổi bật hơn so với các ứng viên khác có cùng kinh nghiệm?

Ba điểm để nổi bật: (1) **Portfolio thực tế**: Đưa laptop trình bày dashboard/Power BI project thật, có link Tableau Public hoặc GitHub. Không gì ấn tượng bằng nhìn thấy sản phẩm; (2) **Case study có số liệu cụ thể**: 'Phân tích giảm 15% tỷ lệ rời khách hàng, tiết kiệm X đồng chi phí tiếp thị' – nghe thuyết phục hơn nhiều so với 'đã làm dự án phân tích'; (3) **Hiểu ngành ngân hàng sâu**: Nếu bạn có kiến thức vững về banking KPIs, regulatory (Basel), hay digital transformation, bạn sẽ được đánh giá cao hơn ứng viên chỉ giỏi kỹ thuật nhưng không hiểu business.

Kỹ năng soft skill nào quan trọng nhất cho Data Analyst ngân hàng?

Trong môi trường ngân hàng, kỹ năng quan trọng nhất là **trình bày insight cho người không biết data** – từ nhân viên giao dịch đến Ban lãnh đạo. Bạn phải chuyển con số phức tạp thành câu chuyện dễ hiểu (data storytelling). Tiếp theo là **thuyết phục stakeholder**: dữ liệu nói một đằng nhưng sếp muốn một nẻo, bạn phải đưa ra argument thuyết phục. Cuối cùng là **chịu được áp lực cross-functional**: phải phối hợp giữa IT, KHDN, Khách hàng cá nhân, Vận hành – mỗi bên có yêu cầu khác nhau, deadline khác nhau.

Chuyên viên cao cấp/Chuyên viên chính Phân tích dữ liệu kinh doanh (Data Analyst) – Khối Công nghệ thông tin