Chuyên Viên Phát Triển Mis (Data Analyst) - Tt Phát Triển Ứng Dụng - Khối Công Nghệ Thông Tin

Hoàn toàn nên apply! Vị trí MIS ở ngân hàng là điểm khi đầu tuyệt vời cho freshers. Ưu điểm: (1) Ngân hàng thường có chương trình đào tạo nội bộ tốt, (2) Bạn sẽ được học nghiệp vụ thực tế qua từng dự án, (3) Cơ hội được làm với data lớn và đa dạng. Tuy nhiên, em nên chuẩn bị trước: SQL thật vững (Window Functions, CTE), hiểu cơ bản về Data Warehouse và BI tools (Power BI), và tìm hiểu qua các sản phẩm ngân hàng cơ bản (tiền gửi, tín dụng). Đừng ngại thiếu kinh nghiệm — ngân hàng tuyển freshers khá nhiều cho vị trí này, quan trọng là nền tảng tốt và tinh thần học hi.

Khả năng được là rất cao! 2 năm kinh nghiệm data đã đủ để ứng tuyển vị trí mid-level ở Sacombank. Tuy nhiên bạn cần: (1) Học thêm về nghiệp vụ ngân hàng — đọc Thông tư 13/2018, hiểu Basel II/III, các chỉ số NPL, CAR, LDR; (2) Tìm hiểu cấu trúc báo cáo NHNN yêu cầu ngân hàng phải nộp; (3) Làm 1-2 dự án cá nhân với data ngân hàng giả lập để demo; (4) Highlight được kinh nghiệm xây DWH và BI — retail data và banking data có nhiều điểm tương đồng. Mức lương kỳ vọng hợp lý: 22-30 triệu cho vị trí mid-level tại Sacombank.

Khác biệt khá rõ: Ngân hàng truyền thống như Sacombank có quy trình chặt chẽ hơn, data chuẩn hơn nhưng cũng "cổ điển" hơn. Fintech thì agile hơn, làm nhanh nhưng áp lực cao. Về work-life balance: ổn định ~8h/ngày, có thể tăng ca khi có deadline báo cáo định kỳ (cuối tháng, cuối quý, cuối năm) hoặc khi NHNN yêu cầu báo cáo đột xuất. Tết được thưởng 2-4 tháng lương (tùy kết quả kinh doanh). Môi trường văn hóa có phần bảo thủ hơn fintech — bạn cần thích nghi với việc mặc sơ mi, họp nhiều, xin duyệt nhiều bước.

Với 5 năm kinh nghiệm Data Engineer, bạn hoàn toàn có thể ứng tuyển vị trí Senior hoặc Lead MIS. Tuy nhiên cần chuẩn bị thêm: (1) Chứng minh được hiểu biết nghiệp vụ ngân hàng — đây là yếu tố quyết định, không phải tech skill; (2) Kinh nghiệm quản lý team (nếu apply Lead) — Sacombank muốn người có leadership thực sự, không chỉ senior IC; (3) Hiểu về compliance và regulatory reporting của ngân hàng VN; (4) Có thể chấp nhận mức lương thấp hơn 20-30% so với công ty tech cùng cấp để đổi lấy sự ổn định và phúc li. Mức kỳ vọng hợp lý cho Lead: 50-80 triệu tại Sacombank.

Sacombank hiện sử dụng nhiều công cụ BI khác nhau tùy team, nhưng xu hưng chung các ngân hàng VN đang chuyển sang Power BI vì chi phí license thấp và tích hợp tốt với hệ sinh thái Microsoft (SQL Server, Excel). Một số team vẫn dùng SAP BusinessObjects hoặc Cognos cho báo cáo legacy. Lời khuyên: Ưu tiên học Power BI trước (chiếm 70% effort), sau đó học thêm Tableau (nếu có thời gian). Power BI có cộng đồng VN rất lớn, tài liệu Microsoft miễn phí, và certification PL-300 cũng rất được trọng. Nếu bạn chỉ chọn 1, chọn Power BI.

Không yếu đâu em! 1 năm kinh nghiệm + nền tảng tốt vẫn có cơ hội. Để bù đắp: (1) Tự học và làm project cá nhân về DWH — dùng data mẫu từ Kaggle hoặc tự mock; (2) Lấy chứng chỉ Power BI PL-300 hoặc Google Data Analytics; (3) Tham gia cộng đồng data VN (Vietnam Data Analytics, Kaggle competitions) để có thêm networking; (4) Trong CV, focus vào những gì em ĐÃ làm được (SQL queries, reports, dashboards) thay vì những gì chưa làm; (5) Trong phỏng vấn, thể hiện đam mê học hỏi và sẵn sàng làm việc với data phức tạp của ngân hàng. Sacombank đánh giá tiềm năng và attitude khá nhiều.

Hoàn toàn ngược lại! Làm data ở ngân hàng 3-5 năm là lợi thế cực lớn để chuyển sang nhiều hướng: (1) Fintech/MoMo/VNPay — sẵn sàng trả gấp rưỡi lương vì hiếm người vừa hiểu data vừa hiểu finance; (2) Big 4 consulting (Deloitte, EY, KPMG) — mảng financial services consulting rất cần người có background này; (3) Data Lead ở các tập đoàn tài chính khác (Bảo Việt, Manulife, Prudential...); (4) Khởi nghiệp fintech — bạn sẽ hiểu "ruột" ngân hàng mà 90% founder fintech không hiểu. Quan trọng là bạn update kiến thức tech mới (cloud, ML) song song với làm việc thực tế ở ngân hàng.

Phỏng vấn kỹ thuật MIS ở Sacombank ở mức trung bình-khá so với thị trường. SQL thường hỏi: Window Functions (RANK, LAG, LEAD), CTE, các dạng JOIN phức tạp, query tối ưu. Không quá khó như FAANG hay big tech product, nhưng cũng không dễ. Vòng DWH/BI sẽ hỏi sâu hơn về: Kimball methodology, Star Schema, ETL flow, cách xử lý SCD, real-world scenarios. Mẹo: Ôn kỹ Kimball Toolkit chương 1-3, làm hết LeetCode SQL easy-medium, và chuẩn bị 2-3 câu chuyện project thực tế để kể. Đừng quên luyện cả câu hỏi về data của ngân hàng — họ rất coi trọng hiểu biết nghiệp vụ.