MBBank
Chuyên viên Phân tích và thiết kế Mô hình dữ liệu - Data Analyst - Trung tâm Phân tích kinh doanh - Khối Dữ liệu
Hà Nội
Khối Dữ liệu
Nhân viên
Hạn: 2030-04-26
Mô tả công việc
- Hiểu cấu trúc dữ liệu từ source, thực hiện phân tích và thiết kế cơ sở dữ liệu, làm nền tảng cho Data Engineer thực hiện tổ chức dữ liệu vào Datawarehouse,
- Đảm bảo tính logic và nhất quán với dữ liệu đã có trong datawarehouse.
- Xây dựng và maintain các dataset, hướng dẫn các phòng ban liên quan sử dụng các dataset trong phân tích dữ liệu.
- Xây dựng các data model,business model, datamart phục vụ cho các mục tiêu theo yêu cầu của các đơn vị khai thác dữ liệu.
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
1. Trình độ học vấn
- Tốt nghiệp Đại học (bằng khá) trở lên.
- Ưu tiên ứng viên tốt nghiệp các trường Bách Khoa, Học viện Bưu chính, ĐH Công nghệ - ĐH Quốc gia Hà Nội hoặc các trường ĐH đào tạo có chuyên ngành liên quan dữ liệu, tài chính ngân hàng.
2. Kinh nghiệm làm việc
- Có ít nhất 2 năm kinh nghiệm trở lên làm việc trong các ngành liên quan đến xử lý, phân tích dữ liệu hoặc các lĩnh vực có liên quan, đặc biệt ƯU TIÊN ỨNG VIÊN ĐÃ LÀM cho các dự án bank.
- Ưu tiên ứng viên có kinh nghiệm làm các dự án DWH, ODS, core banking
3. Kiến thức/ Năng lực chuyên môn/ Kỹ năng
- Sử dụng SQL thành thạo
- Kỹ năng sử dụng các công cụ phân tích dữ liệu và code cơ bản để xử lý các mô hình báo cáo.
- Kỹ năng sử dụng các công cụ visualize để chuyển hóa dữ liệu thành graphics.
- Có kỹ năng phân tích sắc bén, khả năng thu thập, tổ chức, phân tích và phổ biến lượng lớn thông tin một cách chi tiết và chính xác.
- Có kinh nghiệm làm việc với cơ sở dữ liệu như Oracle Database, Microsoft SQL Server
- Sử dụng thành thạo Excel, Power BI.
- Có kinh nghiệm với các hệ thống như Tableau là một lợi thế.
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
### 1. Hard Skills (Kỹ năng chuyên môn bắt buộc)
| Kỹ năng | Mức độ yêu cầu | Ứng dụng trong công việc |
|---------|----------------|--------------------------|
| **SQL** | Thành thạo | Trích xuất, phân tích dữ liệu từ nhiều nguồn; viết query phức tạp cho báo cáo |
| **Power BI** | Thành thạo | Trực quan hóa dữ liệu, xây dựng dashboard phục vụ phân tích kinh doanh |
| **Excel nâng cao** | Thày thạo | Xử lý dữ liệu, Pivot Table, VBA, các báo cáo phức tạp |
| **Thiết kế CSDL** | Tốt | Phân tích cấu trúc dữ liệu source, thiết kế data model cho DWH |
### 2. Hard Skills (Kỹ năng chuyên môn ưu tiên/lợi thế)
| Kỹ năng | Mức độ | Lý do ưu tiên |
|---------|--------|---------------|
| **Oracle Database** | Ưu tiên | Hệ CSDL phổ biến trong ngân hàng Việt Nam |
| **MS SQL Server** | Ưu tiên | Dùng cho nhiều hệ thống core banking |
| **Tableau** | Lợi thế | Công cụ BI mạnh, nhiều doanh nghiệp lớn dùng |
| **Kinh nghiệm DWH/ODS** | Rất ưu tiên | Trực tiếp liên quan đến mô tả công việc |
| **Core Banking** | Ưu tiên | Hiểu business ngân hàng, cấu trúc dữ liệu domain |
### 3. Soft Skills quan trọng
- **Phân tích sắc bén**: Xử lý lượng lớn thông tin, tìm ra insights
- **Tư duy logic**: Đảm bảo tính nhất quán dữ liệu giữa các hệ thống
- **Kỹ năng giao tiếp**: Hướng dẫn các phòng ban sử dụng dataset
- **Quản lý thời gian**: Xử lý nhiều yêu cầu từ các đơn vị khai thác
### 4. Chứng chỉ gợi ý
| Chứng chỉ | Giá trị | Ghi chú |
|-----------|---------|---------|
| **Microsoft Certified: Data Analyst Associate** | Cao | Chứng nhận Power BI chính thức từ Microsoft |
| **Oracle Database Certification** | Cao | Phù hợp với yêu cầu Oracle Database |
| **Tableau Desktop Specialist/Designer** | Trung bình-cao | Lợi thế khi có |
| **Google Data Analytics Certificate** | Trung bình | Nền tảng tốt cho beginner |
| **CDMP (Data Management)** | Cao | Chứng chỉ về quản lý dữ liệu quốc tế |
### 5. So sánh vị trí tương đương trên thị trường
| Tiêu chí | MB Bank | Techcombank | VPBank |
|----------|---------|-------------|--------|
| Yêu cầu SQL | Thày thạo | Thày thạo | Thày thạo |
| Yêu cầu BI Tool | Power BI | Power BI/Tableau | Power BI |
| Ưu tiên DWH | Có | Có | Có |
| Lương tham khảo | Thỏa thuận | 20-35 triệu | 18-30 triệu |
---
**Đánh giá độ khó**: ⭐⭐⭐⭐ (7/10) - Yêu cầu kinh nghiệm và kỹ năng kỹ thuật khá cao, đặc biệt ưu tiên background ngân hàng.
Chuẩn bị phỏng vấn
## Hướng dẫn Phỏng vấn
### Quy trình phỏng vấn thông thường tại MB Bank
**Vòng 1: Sàng lọc HR (30-45 phút)**
- HR gọi điện xác nhận thông tin cơ bản
- Tìm hiểu mức lương kỳ vọng, động lực ứng tuyển
- Đánh giá phỏng vấn qua điện thoại
**Vòng 2: Phỏng vấn chuyên môn (45-60 phút)**
- Gặp trực tiếp với Trưởng nhóm/Khối Dữ liệu
- Kiểm tra kỹ năng SQL, thiết kế data model
- Hỏi về dự án DWH/Datamart đã làm
**Vòng 3: Phỏng vấn cấp cao (30-45 phút)**
- Gặp Giám đốc Khối hoặc Bộ phận liên quan
- Tập trung vào tư duy business, cách xử lý tình huống
### Câu hỏi hay gặp theo từng vòng
**Vòng HR:**
- "Giới thiệu ngắn về bản thân và kinh nghiệm làm việc với dữ liệu"
- "Tại sao bạn muốn chuyển từ công việc hiện tại sang MB Bank?"
- "Mức lương kỳ vọng của bạn là bao nhiêu?"
- "Bạn biết gì về Khối Dữ liệu của MB Bank?"
**Vòng chuyên môn:**
- "Viết SQL để lấy top 10 khách hàng có giao dịch nhiều nhất trong tháng"
- "Sự khác nhau giữa Star Schema và Snowflake Schema?"
- "Bạn đã thiết kế data model cho hệ thống nào? Quy trình như thế nào?"
- "Khi dữ liệu bị lệch (data discrepancy) giữa source và warehouse, bạn xử lý ra sao?"
- "Explain các loại JOIN trong SQL và khi nào dùng?"
- "Trình bày về Normalization (1NF, 2NF, 3NF)?"
- "Bạn có kinh nghiệm với Oracle hay SQL Server? So sánh?"
- "Cách xử lý Duplicate data trong dataset?"
**Vòng cấp cao:**
- "Bạn hiểu thế nào về Data Governance?"
- "Làm sao để đảm bảo data quality trong quá trình xây dựng datamart?"
- "Bạn sẽ ưu tiên làm gì trong 3 tháng đầu tiên nếu được nhận?"
- "Mô tả một dự án bạn tự hào nhất trong lĩnh vực data"
### Tips chuẩn bị
✅ **Ôn luyện SQL sâu:**
- Window functions (ROW_NUMBER, RANK, LAG, LEAD)
- CTEs (Common Table Expressions)
- Pivot/Unpivot data
- Query optimization
✅ **Chuẩn bị Portfolio:**
- Sẵn sàng demo dashboard Power BI đã làm
- Mô tả chi tiết các data model đã thiết kế
✅ **Nghiên cứu về MB Bank:**
- Tìm hiểu về chiến lược Data-driven của MB
- Đọc các bài báo về transformation của MB Bank
✅ **Chuẩn bị câu hỏi cho nhà tuyển dụng:**
- "Quy mô team Data hiện tại?"
- "Tech stack đang sử dụng?"
- "Cơ hội học tập và phát triển?"
### Dress Code
**Business Casual** - Nên mặc áo sơ mi (không cần cravat), quần âu hoặc váy công sở. Tránh jeans, sandals, áo thun.
Lộ trình ôn thi
## Ôn thi & Chuẩn bị
### Kiến thức nền tảng cần nắm vững
#### 1. SQL (Ưu tiên hàng đầu)
**Cần thành thạo:**
```sql
-- Window Functions
SELECT
customer_id,
transaction_date,
amount,
ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY transaction_date DESC) as rn,
SUM(amount) OVER (PARTITION BY customer_id) as total_per_customer,
LAG(amount, 1) OVER (PARTITION BY customer_id ORDER BY transaction_date) as prev_amount
FROM transactions;
-- Complex JOINs
SELECT ... FROM fact_table f
JOIN dim_customer c ON f.customer_key = c.customer_key
JOIN dim_product p ON f.product_key = p.product_key;
-- Aggregation with conditions
SELECT
branch_id,
COUNT(CASE WHEN status = 'active' THEN 1 END) as active_customers,
SUM(amount) as total_amount
FROM accounts
GROUP BY branch_id;
```
**Tài liệu tham khảo:**
- "SQL for Data Scientists" - Richard Carson
- LeetCode SQL section (Easy → Medium → Hard)
- W3Schools SQL Tutorial
#### 2. Data Modeling
**Star Schema vs Snowflake Schema:**
- Star: 1 fact table + n dim tables, denormalized
- Snowflake: normalized dim tables, tiết kiệm storage
**Kimball Methodology:**
- 4-step design: Select business process → Declare grain → Identify dimensions → Identify facts
- Các loại Dimension: Type 1 (overwrite), Type 2 (add row)
**Common Data Models in Banking:**
- Account dimension (SCD Type 2)
- Customer dimension
- Product dimension
- Transaction fact
#### 3. Data Warehouse Concepts
**ETL vs ELT:**
- ETL: Extract → Transform → Load
- ELT: Extract → Load → Transform (dùng warehouse làm transformation layer)
**Datawarehouse Layers:**
- Staging Layer (raw data)
- Integration Layer (ODS - Operational Data Store)
- Data Warehouse Layer
- Data Mart Layer
#### 4. Power BI
- DAX formulas (CALCULATE, FILTER, ALL, RELATED)
- Data modeling relationships
- Row-level security
- Performance optimization
### Lộ trình chuẩn bị 1-2 tuần
**Tuần 1: Lý thuyết + SQL cơ bản**
- Ngày 1-2: Ôn SQL (JOIN, GROUP BY, subquery)
- Ngày 3-4: Học Window Functions, CTEs
- Ngày 5: Thực hành trên LeetCode SQL (5-10 bài Medium)
- Ngày 6-7: Nghiên cứu Data Modeling (Star Schema, DWH concepts)
**Tuần 2: Thực hành + Mock interview**
- Ngày 1-2: Ôn Power BI/visualization
- Ngày 3-4: Chuẩn bị câu hỏi và trả lời mẫu
- Ngày 5-6: Mock interview với bạn bè
- Ngày 7: Nghỉ ngơi, chuẩn bị tinh thần
### Tài liệu tham khảo
| Loại | Tài liệu | Link/Địa chỉ |
|------|----------|--------------|
| Sách | "The Data Warehouse Toolkit" - Ralph Kimball | Amazon, Fahasa |
| Sách | " Fundamentals of Data Engineering" - Joe Reis | O'Reilly |
| Online | SQLZoo, LeetCode, HackerRank | sqlzoo.net, leetcode.com |
| Blog | Towards Data Science | towardsdatascience.com |
| Vietnamese | Data Science VN community | Facebook groups |
---
**Lưu ý quan trọng:**
- Ứng viên cần cung cấp đầy đủ thông tin theo mẫu của MB (họ tên, ngày sinh, giới tính, SĐT, email, trình độ, trường, kinh nghiệm, 3-5 kỹ năng nổi bật, nguồn tuyển dụng)
- Kiểm tra email và điện thoại thường xuyên sau khi ứng tuyển
Tư vấn nghề nghiệp
## Lời khuyên Sự nghiệp
### Lộ trình thăng tiến tại Khối Dữ liệu Ngân hàng
```
Junior Data Analyst (0-2 năm)
↓
Data Analyst (2-4 năm) ← [Vị trí này]
↓
Senior Data Analyst (4-6 năm)
↓
Lead Data Analyst / Data Architect (6-8 năm)
↓
Manager / Head of Data (8+ năm)
```
### Mức lương kỳ vọng theo cấp bậc (tham khảo)
| Cấp bậc | Kinh nghiệm | Mức lương (VND/tháng) |
|---------|-------------|------------------------|
| Junior DA | 0-2 năm | 12-18 triệu |
| Data Analyst | 2-4 năm | 18-28 triệu |
| Senior DA | 4-6 năm | 28-40 triệu |
| Lead/Architect | 6+ năm | 40-60+ triệu |
**Lưu ý:** Mức lương tại ngân hàng MB có thể cao hơn 10-20% so với công ty tài chính thông thường nhờ quy mô và môi trường làm việc ổn định.
### Kỹ năng cần phát triển thêm
**Ngắn hạn (6-12 tháng):**
- Thành thạo Python (pandas, numpy) cho data manipulation
- Hiểu sâu về Cloud (AWS, Azure, GCP) - nhiều ngân hàng đang chuyển lên cloud
- Big Data technologies (Spark, Hadoop)
**Trung hạn (1-2 năm):**
- Machine Learning cơ bản cho predictive analytics
- Data Governance & Data Quality frameworks
- Business domain knowledge sâu (banking products, risk, compliance)
**Dài hạn (3-5 năm):**
- Data Strategy & Architecture
- Leadership & Team Management
- Industry certifications (CDMP, TOGAF)
### Lợi thế khi làm tại MB Bank Data
✅ **Quy mô dữ liệu lớn:** Tiếp xúc với data scale của ngân hàng lớn
✅ **Dự án đa dạng:** Credit scoring, customer analytics, fraud detection
✅ **Hệ thống legacy + modern:** Học cách integrate giữa core banking cũ và cloud
✅ **Brand name mạnh:** CV đẹp cho sự nghiệp tiếp theo
✅ **Phúc lợi tốt:** Lương 13, bảo hiểm sức khỏe, fitness center, du lịch
### Rủi ro cần lưu ý
⚠️ Công việc có thể mang tính BA (Business Analysis) nhiều hơn pure Data Science
⚠️ Cần handle nhiều stakeholder từ các phòng ban khác
⚠️ Legacy systems có thể hạn chế việc áp dụng công nghệ mới
### Gợi ý cho ứng viên khác ngành
Nếu bạn đến từ ngành IT/Software nhưng muốn chuyển sang Data:
1. Tập trung vào SQL - đây là kỹ năng chung giữa 2 ngành
2. Học thêm Power BI/Tableau
3. Tự xây project phân tích dữ liệu để có portfolio
4. Ưu tiên apply các vị trí có "Data" trong job title, tránh "Data Scientist" ban đầu
Câu hỏi thường gặp
Mình tốt nghiệp Bách Khoa ngành CNTT, đi làm được 3 năm nhưng toàn code backend, có phù hợp để ứng tuyển vị trí này không?
Hoàn toàn có cơ hội! Background CNTT từ Bách Khoa là điểm cộng lớn. Kinh nghiệm backend đồng nghĩa bạn đã quen với SQL, database - đây là yêu cầu bắt buộc của JD. Tuy nhiên, bạn cần ôn lại phần phân tích business (không phải thiết kế hệ thống), cách làm việc với stakeholder phi kỹ thuật, và thể hiện trong CV rằng bạn hiểu data modeling, có thể qua các project cá nhân. Gợi ý: học thêm Power BI để có portfolio visualization.
Lương cho vị trí Data Analyst tại MB Bank thường là bao nhiêu? Thỏa thuận thì nên hỏi bao nhiêu?
Vì JD ghi 'Thỏa thuận' nên mức lương phụ thuộc kinh nghiệm thực tế của bạn. Với 2-4 năm kinh nghiệm data, bạn có thể kỳ vọng 20-28 triệu/tháng. Nếu có kinh nghiệm DWH/core banking ngân hàng cụ thể, con số có thể đẩy lên 28-35 triệu. Khi được hỏi lương, hãy đưa ra range thay vì con số cố định, và nhấn mạnh value bạn mang lại (VD: 'Em đã làm việc với core banking ABC, có thể apply ngay cho team'). Đừng quên tính cả các khoản phúc lợi (lương 13, bảo hiểm cao cấp) vào tổng compensation.
Mình chưa có kinh nghiệm ngân hàng, chỉ làm data analyst ở công ty bán lẻ, có nên ứng tuyển không?
Có thể ứng tuyển nhưng cạnh tranh sẽ khó hơn vì JD ưu tiên rõ ràng ứng viên đã làm dự án bank. Tuy nhiên, nếu bạn mạnh về technical (SQL, Power BI, data modeling), hãy tập trung thể hiện: (1) Các dataset/data model đã xây dựng ở công ty cũ có thể áp dụng tương tự trong ngân hàng, (2) Hiểu business process (sales, inventory) tương đương hiểu banking products, (3) Kỹ năng giao tiếp với các phòng ban. Gợi ý: apply kèm 1 portfolio project về phân tích dữ liệu tài chính để show initiative.
Vòng phỏng vấn chuyên môn thường hỏi những gì? Cần chuẩn bị những topic nào?
Vòng chuyên môn tại MB Bank thường có 3 phần chính: (1) SQL hands-on: viết query trực tiếp (window function, join nhiều bảng, aggregation phức tạp) - đây là phần bắt buộc, (2) Data modeling: hỏi về Star Schema, dimension/sự khác biệt fact table, cách thiết kế cho một business scenario cụ thể, (3) Power BI/visualization: có thể hỏi về DAX hoặc yêu cầu demo dashboard. Ngoài ra, chuẩn bị mô tả chi tiết 1-2 dự án DWH/data model đã làm, sẵn sàng answer câu hỏi 'Tại sao thiết kế như vậy?' và 'Làm sao handle data quality?'. Độ khó: Medium-Hard.
Công việc hàng ngày của Data Analyst tại Khối Dữ liệu ngân hàng như thế nào? Giờ làm việc có căng không?
Thực tế công việc data analyst ngân hàng thường ổn định giờ hành chính (8h-17h30 hoặc 9h-18h), ít OT hơn các công ty tech. Một ngày điển hình gồm: sáng check data quality, xử lý các request phân tích từ business units, chiều làm việc với Data Engineer để đảm bảo dataset đúng logic, cuối ngày họp với stakeholder. Deadline báo cáo cuối tháng/quý có thể bận hơn. Văn hóa MB Bank được đánh giá khá cởi mở, nhiều team dùng Slack/Teams để giao tiếp linh hoạt.
Sau 2-3 năm ở vị trí này, mình có thể chuyển sang hướng nào?
Có nhiều lộ trình thăng tiến/phát triển: (1) Technical track: Senior DA → Data Architect → Head of Data Platform, mức lương có thể đạt 50-80 triệu/tháng, (2) Business track: Senior DA → Data Product Owner → Head of Business Intelligence, cần bổ sung business domain knowledge sâu, (3) Data Science track: học thêm ML, chuyển sang Data Scientist/Machine Learning Engineer, (4) Ngoài ngân hàng: chuyển sang Fintech, Big Tech (Shopee, Grab, VNG...) với mức lương cao hơn 30-50%. Lời khuyên: tập trung build portfolio mạnh về end-to-end data project trong thời gian ở MB.
Mình cần chuẩn bị hồ sơ như thế nào để được gọi phỏng vấn nhanh nhất?
MB Bank yêu cầu cung cấp đầy đủ thông tin theo form mẫu (họ tên, ngày sinh, giới tính, SĐT, email, trình độ, trường, kinh nghiệm, 3-5 kỹ năng nổi bật, nguồn tuyển dụng). Điểm quan trọng: (1) Liệt kê rõ kinh nghiệm SQL, Oracle/SQL Server, Power BI trong phần kỹ năng - đây là keywords HR sẽ scan, (2) Mô tả chi tiết các dự án DWH/data model đã làm ở phần kinh nghiệm, (3) Nếu có kinh nghiệm ngân hàng/tài chính, nhấn mạnh ở đầu CV, (4) Nguồn tuyển dụng: ghi rõ LinkedIn, Vietnamwork, hay giới thiệu nội bộ - ảnh hưởng đến độ ưu tiên.