Chuyên viên Phân tích Khách hàng cá nhân - Trung tâm mô hình kinh doanh - Khối Dữ liệu
Mô tả công việc
• Thực hiện công việc phân tích khách hàng (KHCN) trong mảng chức năng được giao đảm bảo đúng quy trình, quy định của MB nhằm thực hiện thành công mục tiêu chung của đơn vị.
• Thu thập dữ liệu phục vụ cho việc phân tích chuyên sâu cho Tổng Giám Đốc/Ban Điều Hành về tình hình triển khai hoạt động kinh doanh mảng khách hàng cá nhân
• Thực hiện các hoạt động xây dựng và báo cáo tình hình hoạt động kinh doanh mảng khách hàng cá nhân theo định kỳ/đột xuất
• Thực hiện các hoạt động xây dựng và cung cấp báo cáo tự động trên hệ thống để các đơn vị chủ động khai thác sử dụng
• Thu thập thông tin/biến đổi dữ liệu phục vụ hoạt động khai phá, phân tích dữ liệu chuyên sâu/đa chiều nhằm tìm ra các giá trị gia tăng/khác biệt mảng Khách hàng cá nhân
• Thực hiện các hoạt động báo cáo, cung cấp dữ liệu hỗ trợ chương trình kinh doanh và thực hiện đánh giá hiệu quả triển khai nhằm thúc đẩy hoạt động kinh doanh
Phúc lợi:
Lương tháng thứ 13, Bảo hiểm sức khỏe cá nhân, Du lịch, Fitness Center (Yoga, GYM…), Hỗ trợ đi lại, Hỗ trợ kinh phí tập luyện thể thao, Khám sức khỏe định kỳ, Ngày nghỉ sinh nhật, Quà tặng sinh nhật, Quà tặng Tết Nguyên Đán, Thưởng các dịp Lễ (Tết, Quốc Khánh, 30/4 - 1/5, Sinh nhật Ngân hàng…), Thưởng thành tích, Thưởng hiệu suất, Vay ưu đãi
Yêu cầu ứng viên
Có tối thiểu 1 năm kinh nghiệm trong lĩnh vực ngân hàng tài chính
Ưu tiên ứng viên có chứng chỉ hoặc có kinh nghiệm sử dụng thành thạo công cụ truy xuất, biến đổi dữ liệu: SQL, Tableau, Power BI, Oracle
Ngoại ngữ: TOEIC 450 trở lên hoặc chứng chỉ tương đương
MB Bank yêu cầu ứng viên ứng tuyển cần cung cấp chi tiết các thông tin sau:
- Thông tin cá nhân: Họ và tên, Ngày tháng năm sinh, Giới tính
- Số điện thoại và Email liên hệ
- Trình độ học vấn, Trường đã tốt nghiệp
- Kinh nghiệm làm việc
- Từ 3 - 5 kỹ năng nổi bật
- Nguồn Tuyển dụng
Vì sao Bạn nên đảm bảo đầy đủ thông tin khi ứng tuyển?
- Hồ sơ của Bạn sẽ được đánh giá nhanh chóng.
- Đối với các hồ sơ đáp ứng đầy đủ thông tin và tiêu chí tuyển dụng phù hợp, MB Bank sẽ chủ động liên hệ phỏng vấn trong thời gian sớm nhất
- Ứng viên vui lòng kiểm tra email và điện thoại thường xuyên để không bỏ lỡ lịch hẹn phỏng vấn.
Cập nhật ngay thông tin mới nhất về các Chương trình do MB tổ chức tại FanPage:
- Ai yêu Miền Bắc hơn MBers
- Ai yêu Miền Trung hơn MBers
- Ai yêu Miền Nam hơn MBers
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Chuyên viên Phân tích KHCN tại MB Bank
🔧 Hard Skills (Kỹ năng cứng)
1. Kỹ năng truy xuất & xử lý dữ liệu (BẮT BUỘC)
| Công cụ | Mức độ yêu cầu | Mục đích sử dụng |
|---|---|---|
| SQL | Thành thạo | Truy vấn dữ liệu từ Data Warehouse, viết query phức tạp (JOIN, CTE, Window Functions) |
| Oracle | Thành thạo | MB dùng hệ quản trị CSDL Oracle, cần biết PL/SQL cơ bản |
| Python/R | Có li thế | Phân tích thống kê, xây dựng mô hình dự đoán |
| Excel/Google Sheets | Thành thạo | Pivot Table, Power Query, Macro VBA |
2. Kỹ năng Visualization (Trực quan hóa dữ liệu)
| Công cụ | Mức độ yêu cầu | Ưu điểm |
|---|---|---|
| Power BI | Ưu tiên | Tích hợp tốt với hệ thống Microsoft, đang được MB đẩy mạnh |
| Tableau | Ưu tiên | Dashboard tương tác mạnh, được nhiều ngân hàng ưa chuộng |
3. Kiến thức ngân hàng (QUAN TRỌNG)
- Hiểu sản phẩm KHCN: tiền gửi, tín dụng, th, bancassurance, digital banking
- Biết chỉ số KPI ngân hàng: CASA, NIM, NPL, cost-to-income, customer acquisition cost
- Am hiểu phân khúc khách hàng: mass, affluent, HNW
- Hiểu vòng đời khách hàng (customer lifecycle) trong ngân hàng
🤝 Soft Skills (Kỹ năng mềm)
- Tư duy logic & phân tích: Biết đặt câu hỏi đúng với dữ liệu, tránh correlation ≠ causation
- Kỹ năng storytelling với data: Trình bày insight cho Tổng Giám Đốc/Ban Điều Hành một cách thuyết phục
- Quản lý thời gian: Xử lý nhiều báo cáo định kỳ + đột xuất cùng lúc
- Chủ động & tự học: Công nghệ data thay đổi liên tục
- Làm việc nhóm: Phối hợp với IT, kinh doanh, marketing
📜 Chứng chỉ gợi ý (tăng lợi thế)
| Chứng chỉ | Đơn vị cấp | Ghi chú |
|---|---|---|
| Microsoft Power BI Data Analyst (PL-300) | Microsoft | Rất phù hợp với yêu cầu |
| Google Data Analytics Certificate | Coursera/Google | Nền tảng tốt cho người mới |
| Tableau Desktop Specialist/Specialist | Tableau | Chứng chỉ chính hãng |
| Oracle SQL Certified | Oracle | Chứng minh năng lực SQL |
| CFA/FRM (nếu muốn thăng tiến) | CFA Institute/GARP | Có giá trị dài hạn |
| TOEIC 450+ | IIG | Bắt buộc theo JD |
⭐ Tóm tắt 3-5 kỹ năng nổi bật nên ghi trong hồ sơ
1. SQL/Oracle (truy vấn dữ liệu phức tạp)
2. Power BI/Tableau (xây dựng dashboard tự động)
3. Kiến thức sản phm KHCN ngân hàng
4. Phân tích dữ liệu & storytelling
5. TOEIC 450+
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn vị trí Chuyên viên Phân tích KHCN - MB Bank
📋 Quy trình tuyển dụng dự kiến (3-4 vòng)
Vòng 1: HR Screening (30-45 phút)
- Xác nhận thông tin cá nhân, kinh nghiệm, mức lương kỳ vọng
- Kiểm tra TOEIC, bằng cấp
- Hỏi lý do ứng tuyển MB, lý do nghỉ việc (nếu có)
- Đánh giá mức độ quan tâm đến vị trí
Vòng 2: Phỏng vấn chuyên môn (60-90 phút)
- Test SQL thực hành (viết query trên giấy hoặc online)
- Case study phân tích dữ liệu ngân hàng
- Hỏi về sản phẩm KHCN, KPI ngân hàng
- Đánh giá dashboard đã từng xây dựng
Vòng 3: Phỏng vấn Trưng phòng/Quản lý (45-60 phút)
- Đánh giá tư duy chiến lược, tầm nhìn
- Hỏi về khả năng làm việc dưới áp lực
- Thảo luận về mục tiêu nghề nghiệp
- Đàm phán lương & benefits
Vòng 4: Phỏng vấn cuối - Giám đốc Khối (30-45 phút)
- Văn hóa fit MB (câu khẩu hiệu "Ai yêu Miền Bắc/Trung/Nam hơn MBers")
- Đánh giá tổng thể, ra quyết định cuối
❓ Câu hỏi hay gặp theo từng vòng
Vòng HR:
1. Giới thiệu bản thân và kinh nghiệm liên quan
2. Vì sao bạn muốn làm việc tại MB?
3. Mức lương hiện tại và kỳ vọng?
4. Bạn có thể bắt đầu làm việc khi nào?
Vòng chuyên môn:
1. Viết SQL query: Tính tổng số tiền gửi của KHCN theo chi nhánh, phân nhóm theo độ tuổi
2. Phân biệt INNER JOIN và LEFT JOIN khi nào?
3. Window Functions: RANK(), DENSE_RANK(), ROW_NUMBER() khác nhau thế nào?
4. Nếu CASA của MB giảm 5%, bạn sẽ phân tích nguyên nhân như thế nào?
5. Mô tả dashboard bạn từng xây dựng, tác động kinh doanh ra sao?
6. KPI quan trọng nhất của mảng KHCN là gì?
Vòng quản lý:
1. Bạn xử lý thế nào khi nhận yêu cầu báo cáo gấp từ Tổng Giám Đốc?
2. Kể về một lần bạn đã giúp công ty đưa ra quyết định kinh doanh từ data
3. Bạn thấy điểm khác biệt giữa phân tích mảng KHCN và KH doanh nghiệp?
4. Điểm mạnh và điểm yếu của bạn trong phân tích dữ liệu?
5. Tại sao nên chọn Trung tâm mô hình kinh doanh thay vì team data khác?
💡 Tips chuẩn bị
Trước phỏng vấn 1 tuần:
- Ôn lại SQL: GROUP BY, HAVING, JOIN, Subquery, Window Functions, CTE
- Đọc báo cáo thường niên MB Bank gần nhất (công khai trên website)
- Tìm hiểu sản phẩm MBBank App, App MBBank, M-Savings
- Xem chiến lược chuyển đổi số của MB (MB gần đây đẩy mạnh AI, data)
- Luyện trình bày 1 case study về phân tích KHCN trong 5 phút
Trong phng vấn:
- Dùng STAR method (Situation-Task-Action-Result) khi trả lời
- Đưa ra con số cụ thể, không nói chung chung
- Thể hiện tư duy business, không chỉ technical
- Câu hỏi ngược lại cho nhà tuyển dụng: "Cơ hội phát triển kỹ năng ML/AI cho vị trí này?"
👔 Dress Code
- Nữ: Áo sơ mi/trang nhã + quần tây/chân váy, hoặc vest công sở
- Nam: Sơ mi + quần tây, có thể mặc vest
- Màu sắc: Trung tính (trắng, xanh navy, xám)
- Tránh quá lạ mắt, quần short, giày thể thao
- MB là ngân hàng lớn, yêu cầu sự chuyên nghiệp nhưng không quá formal
Lộ trình ôn thi
Lộ trình ôn tập & chuẩn bị trong 1-2 tuần
📚 Kiến thức nền tảng cần nắm
Tuần 1 - Nền tảng dữ liệu & SQL
- Ngày 1-2: Ôn SQL cơ bản đến nâng cao
- SELECT, WHERE, GROUP BY, ORDER BY
- JOIN (INNER, LEFT, RIGHT, FULL OUTER)
- Subquery, CTE, Window Functions (ROW_NUMBER, RANK, LAG, LEAD)
- Tài liệu: W3School SQL, SQLBolt, HackerRank SQL
- Ngày 3-4: Oracle & PL/SQL cơ bản
- Cú pháp Oracle (so với SQL Server có một số khác biệt)
- DECODE, NVL, các hàm thường gặp
- Ngày 5: Excel nâng cao
- Pivot Table, Power Query, VLOOKUP/INDEX-MATCH
- Conditional Formatting, Dashboard Excel
- Ngày 6-7: Visualization tools
- Power BI: import data, transform, DAX cơ bản
- Tableau: worksheets, dashboard, calculated fields
Tuần 2 - Kiến thức ngân hàng & Business
- Ngày 8-9: Sản phẩm KHCN MB Bank
- Tiền gửi: tiết kiệm, tài khoản thanh toán, chứng chỉ tiền gửi
- Tín dụng: vay mua nhà, vay tiêu dùng, thấu chi
- Thẻ: tín dụng, ghi nợ, MCard
- Số: App MBBank, M-Smart, số đẹp
- Bảo hiểm: bancassurance (Manulife, Prudential...)
- Ngày 10-11: KPI ngân hàng KHCN
- CASA ratio, NIM, Cost-to-Income
- NPL ratio, Loan growth rate
- Customer acquisition cost, Customer lifetime value
- Cross-sell rate, Digital adoption rate
- Ngày 12: Đọc báo cáo thường niên MB Bank
- Hiểu chiến lược 5 năm của MB
- Hiểu cơ cấu doanh thu KHCN/KHDN
- Ngày 13-14: Mock interview & case study
- Thực hành SQL test
- Case study: Phân tích nguyên nhân CASA giảm
📖 Tài liệu tham khảo
Miễn phí:
- SQL: Mode Analytics SQL Tutorial, SQLZoo, HackerRank
- Power BI: Microsoft Learn (free official courses)
- Tableau: Tableau Free Training Videos (official)
- Ngân hàng: Báo cáo thường niên MB, Vietstock, CafeF
- LinkedIn Learning: Khóa "Data Analytics in Banking"
Có phí (nếu có thời gian):
- Coursera: "Google Data Analytics Professional Certificate"
- Udemy: SQL for Data Analysis (Mode, Rilla)
- DataCamp: Python for Finance track
🎯 Case Study gợi ý để luyện tập
Case 1: Tỷ lệ tiền gửi không kỳ hạn (CASA) của chi nhánh Hà Nội giảm 10% trong Q2 so với Q1. Bạn sẽ phân tích thế nào?
- Bước 1: Xác định nguyên nhân (sản phẩm, cạnh tranh, lãi suất)
- Bước 2: Lấy data: số lượng KH mới, KH rút tiền, lãi suất CKH
- Bước 3: So sánh với đối thủ (TCB, VPB, ACB)
- Bước 4: Đề xuất action: chương trình khuyến mãi, điều chỉnh lãi suất
Case 2: Trưởng phòng KHCN yêu cầu bạn xây dashboard theo dõi hiệu quả chương trình tặng quà sinh nhật cho KH VVIP. Thiết kế dashboard sẽ có gì?
- Bộ lọc: thời gian, chi nhánh, phân khúc KH
- KPI: redemption rate, doanh thu tăng thêm, NPS
- Biểu đồ: trend line, top chi nhánh, comparison
✅ Checklist trước ngày phỏng vấn
- [ ] Ôn xong SQL nâng cao (chắc chắn viết được CTE, Window Functions)
- [ ] Biết rõ 5 chỉ số KPI quan trọng nhất của KHCN
- [ ] Đọc xong báo cáo thường niên MB mới nhất
- [ ] Chuẩn bị 3-5 câu hỏi ngược cho nhà tuyển dụng
- [ ] In 2 bản CV (dù hầu hết hiện nay dùng online)
- [ ] Đặt lịch sẵn, đến sớm 10-15 phút
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho Chuyên viên Phân tích KHCN tại MB Bank
🚀 Lộ trình thăng tiến trong Khối Dữ liệu MB
```
Chuyên viên (1-2 năm)
↓
Chuyên viên cao cấp (2-4 năm)
↓
Trưởng nhóm (4-6 năm)
↓
Phó phòng/Trưởng phòng (6-8 năm)
↓
Giám đốc Trung tâm (8-12 năm)
```
Các hướng đi phổ biến:
1. Chuyên gia phân tích sâu (Technical Track): Chuyên viên → Senior Analyst → Expert Analyst
2. Quản lý (Management Track): Chuyên viên → Team Lead → Manager
3. Chuyển ngang: Sang phòng Business Intelligence, Data Science, hoặc CRM
4. Bussiness rotation: Sau 2-3 năm có thể xin rotation sang mảng kinh doanh KHCN
💰 Mức lương kỳ vọng theo cấp bậc (2024-2025, thị trường VN)
| Cấp bậc | Kinh nghiệm | Mức lương (gross/tháng) |
|---|---|---|
| Chuyên viên (Fresher/Junior) | 0-1 năm | 15-22 triệu |
| Chuyên viên (1-3 năm) | 1-3 năm | 22-35 triệu |
| Chuyên viên cao cấp (3-5 năm) | 3-5 năm | 35-55 triệu |
| Trưởng nhóm (5-7 năm) | 5-7 năm | 50-80 triệu |
| Trưởng phòng | 7+ năm | 80-150 triệu |
Lưu ý: MB Bank thuộc top ngân hàng tư nhân lớn (cùng Techcombank, VPBank, ACB), mức lương cạnh tranh. Ngoài lương còn có:
- Thưng Tết (thường 2-3 tháng lương)
- Thưởng KPIs (15-30% lương nếu đạt)
- Thưởng cổ phiếu ESOP (MB có chương trình này)
- Phúc lợi: bảo hiểm sức khỏe, gym, du lịch, vay ưu đãi
📈 Kỹ năng cần phát triển thêm trong 6-12 tháng đầu
Kỹ năng kỹ thuật:
- Python/Pandas: Tự động hóa phân tích, xử lý data lớn
- SQL nâng cao: Query optimization, stored procedures
- DAX/Power Query nâng cao: Tính toán phức tạp trong Power BI
- Basic ML: Scikit-learn, regression, classification
Kỹ năng business:
- Hiểu sâu sản phẩm MB (đặc biệt MBBank App, số đẹp)
- Học cách đọc báo cáo tài chính ngân hàng
- Nắm vững Basel II/III, các quy định NHNN
- Hiểu customer journey mapping
Kỹ năng mềm:
- Presentation skills (lên Tổng Giám Đốc thường xuyên)
- Quản lý stakeholder
- Project management cơ bản
Lời khuyên thực tế từ "đàn anh" trong ngành
1. Đừng chỉ là "người làm báo cáo"
- Nhiều bạn mới vào chỉ focus vào việc "chạy số", "làm slide". Hãy tự đặt câu hỏi: "Insight này có giúp business ra quyết định gì?" - đó mới là giá trị của bạn.
2. Học hỏi từ đồng nghiệp phòng IT/Data Engineering
- Hiểu data pipeline, data warehouse để biết dữ liệu đến từ đâu, đáng tin cậy không.
3. Xây dựng "thương hiệu cá nhân" nội bộ
- Chia sẻ insight hay qua email, group nội bộ. Lãnh đạo thường nhớ những người đưa ra insight có giá trị, không phải người chỉ giao đúng deadline.
4. MB là môi trường tốt nhưng cạnh tranh cao
- Nhiều bạn giỏi từ BIG4 (EY, PwC, Deloitte, KPMG) hoặc từ các ngân hàng lớn chuyển sang. Luôn không ngừng học.
5. Cân nhắc chuyển hướng nếu muốn lương cao hơn
- Sau 3-5 năm ở MB, bạn có thể move sang:
- Fintech (MoMo, ZaloPay, VNPay): lương cao hơn 30-50%
- Ngân hàng quốc tế (HSBC, Standard Chartered): môi trường chuẩn hơn
- Tập đoàn lớn (Vingroup, FPT): phân tích kinh doanh tổng quát hơn
6. Đừng quên TOEIC và chứng chỉ quốc tế
- TOEIC 450 là tối thiểu, nếu đầu tư lên 700-800 sẽ mở ra nhiều cơ hội thăng tiến và đi nước ngoài.
Câu hỏi thường gặp
Em mới ra trường ngành Tài chính - Ngân hàng, chưa có kinh nghiệm làm phân tích dữ liệu. Em có thể ứng tuyển vị trí này không?
Theo JD yêu cầu tối thiểu 1 năm kinh nghiệm trong lĩnh vực ngân hàng/tài chính, nên nếu em chưa có kinh nghiệm thì cơ hội khá thấp. Tuy nhiên, em có thể:
1. Thử apply đồng thời các vị trí fresher như Chuyên viên Quan hệ khách hàng, Giao dịch viên để tích lũy 1 năm.
2. Trong thi gian chờ, học SQL, Power BI, đọc báo cáo MB để chuẩn bị cho lần apply sau.
3. Làm thêm các dự án phân tích cá nhân (phân tích dữ liệu chứng khoán, ngân hàng trên Kaggle, CafeF) để có sản phẩm trình bày.
4. Lấy TOEIC 450 ngay để đáp ứng yêu cầu ngoại ngữ.
Mức lương kỳ vọng cho vị trí Chuyên viên Phân tích KHCN tại MB Bank năm 2025 là bao nhiêu?
Với JD yêu cầu tối thiểu 1 năm kinh nghiệm ngân hàng, mức lương thị trường hiện tại dao động 18-28 triệu gross/tháng cho vị trí junior, cộng thưởng Tết và thưởng KPIs. Tuy nhiên, nếu bạn đã có 2-3 năm kinh nghiệm + thành thạo SQL/Power BI + chứng chỉ, có thể deal 25-35 triệu. MB là ngân hàng top đầu tư nhân nên thường deal cao hơn mặt bằng chung 10-20%. Lưu ý khi đàm phán: nhớ tính tổng thu nhập gồm lương + 13th + thưởng KPIs + phúc lợi (bảo hiểm, gym, du lịch, vay ưu đãi).
Em đang làm Kế toán ngân hàng được 2 năm, muốn chuyển sang phân tích dữ liệu. Cơ hội thế nào?
Cơ hội khá tốt vì:
- Bạn đã có 2 năm kinh nghiệm ngân hàng (đáp ứng yêu cầu 1 năm)
- Kế toán ngân hàng giỏi về dữ liệu tài chính, báo cáo, số liệu - đây là nền tảng tốt
Tuy nhiên cần bổ sung:
- SQL (rất quan trọng, tự học 2-3 tháng là đủ dùng)
- Power BI hoặc Tableau (1-2 tháng)
- Có thể lấy chứng chỉ PL-300 của Microsoft để tăng lợi thế
- Trong CV, nhấn mạnh các dự án đã làm với dữ liệu: báo cáo quản trị, phân tích biến động tài khoản...
Kinh nghiệm kế toán + data sẽ là combo rất giá trị.
SQL và Oracle khác nhau thế nào? Em nên học cái nào trước?
SQL là ngôn ngữ truy vấn có cấu trúc - tiêu chuẩn chung cho mọi hệ quản trị CSDL. Oracle là một hệ quản trị CSDL sử dụng SQL làm ngôn ngữ chính, nhưng có thêm PL/SQL (procedural extension) và một số hàm riêng.
Lộ trình học:
1. Học SQL cơ bản trước (SELECT, JOIN, GROUP BY) - áp dụng cho mọi DB
2. Sau đó tìm hiểu cú pháp riêng của Oracle (DECODE thay vì CASE, NVL thay vì COALESCE, sequence, ROWNUM)
3. Thực hành trên Oracle Live SQL (miễn phí) hoặc cài Oracle XE
JD MB ưu tiên cả hai, nhưng nếu phải chọn một, hãy thành thạo SQL chuẩn + biết cú pháp Oracle cơ bản là đủ.
Nếu em được nhận vào vị trí này, KPI 6 tháng đầu tiên thường là gì?
Trong ngân hàng, KPI thường chia theo mục tiêu của đơn vị. Với vị trí phân tích KHCN 6 tháng đầu, KPI thường gồm:
1. Đầu ra (Output): Hoàn thành đúng deadline các báo cáo định kỳ (tuần/tháng/quý), xây dựng 1-2 dashboard tự động hóa
2. Chất lượng: Insight có giá trị - số lần insight được lãnh đạo sử dụng để ra quyết định
3. Hiệu quả: Tự động hóa bao nhiêu quy trình báo cáo thủ công (giảm 30-50% thời gian)
4. Hỗ trợ kinh doanh: Tham gia đánh giá hiệu quả ít nhất 2-3 chương trình kinh doanh
5. Cá nhân: Hoàn thành chứng chỉ nội bộ về sản phẩm MB, TOEIC đạt yêu cầu
Lưu ý: Vị trí analyst không có KPI doanh số trực tiếp như sales, nhưng phải chứng minh được giá trị qua output.
Câu hỏi SQL nào hay xuất hiện trong phỏng vấn MB Bank nhất?
Top 5 câu SQL hay gặp:
1. Tính tổng theo nhóm: "Tính tổng số dư tiền gửi của KHCN theo từng chi nhánh, sắp xếp giảm dần"
2. Window Functions: "Xếp hạng top 3 KH có giá trị giao dịch cao nhất mỗi tháng trong năm 2024"
3. JOIN nâng cao: "Liệt kê KH chưa từng phát sinh giao dịch trong 6 tháng gần nhất" - dùng LEFT JOIN + IS NULL
4. Cohort Analysis: "Tính retention rate của KH mới theo từng cohort tháng"
5. So sánh kỳ: "So sánh doanh số thẻ tín dụng Q2/2024 vs Q2/2023, theo phân khúc thu nhập"
Ngoài ra có thể hỏi về: CASE WHEN, CTE, subquery, xử lý NULL. Nên luyện trên HackerRank/SQLZoo trước.
Em làm ở phòng Marketing ngân hàng 3 năm, có chuyển sang được vị trí phân tích không?
Hoàn toàn có thể, thậm chí là lợi thế. Lý do:
- Bạn hiểu KHCN mục tiêu của marketing (phân khúc, hành vi)
- Bạn đã quen với campaign analysis, ROI tracking
- Bạn biết cách làm việc với data từ CRM, campaign tools
Cần bổ sung:
- SQL cơ bản đến nâng cao (ưu tiên nhất)
- Power BI hoặc Tableau
- Tìm hiểu Data Warehouse của MB (Data Mart KHCN)
- Học thêm về statistical analysis (nếu muốn làm analyst cấp cao)
Khi apply, nhấn mạnh: bạn đã phân tích hiệu quả campaign, phân tích customer journey, A/B testing... Đây là những kinh nghiệm marketing analyst rất quý.
Trung tâm mô hình kinh doanh ở MB có khác gì so với phòng Data Analytics ở ngân hàng khác?
Theo cơ cấu MB, Trung tâm mô hình kinh doanh thuộc Khối Dữ liệu có vai trò khá đặc thù:
- Tập trung vào xây dựng mô hình kinh doanh (business model) - tức là không chỉ báo cáo mà còn xây dựng các mô hình dự báo, mô phỏng kịch bản
- Làm việc chặt chẽ với Ban Điều Hành - các sản phẩm có giá trị chiến lược
- Cơ hội tiếp cận data lớn và các dự án AI/ML (MB đang đầu tư mạnh)
- Được training các công nghệ mới (Cloud, Big Data)
So với phòng DA thông thường: thường thì bạn sẽ làm ở tầm chiến lược hơn, ít làm báo cáo vận hành hơn, và có nhiều cơ hội thăng tiến sang Data Science.