2 chỉ tiêu

Mô tả công việc

- Xây dựng và phát triển lộ trình kiến trúc dữ liệu, phù hợp với nhu cầu nghiệp vụ luôn phát triển - Thiết kế các luồng dữ liệu phân tích hoàn chỉnh, bao gồm kiến trúc tổng thể, các năng lực, nền tảng, công cụ và quy trình quản trị - Tạo, duy trình và kết nối các chiến lược hiện tại/tương lai cho các công cụ/năng lực phân tích - Chia sẻ trách nhiệm quản trị để đảm bảo phù hợp với các quy định của Ngân hàng về bảo mật dữ liệu, khả năng kiểm toán, quản trị, quản lý siêu dữ liệu... - Xác định mô hình phân cấp của các miền dữ liệu trong phạm vi toàn hàng và phân quyền sở hữu miền dữ liệu - Hỗ trợ xác định/cải thiện các thông lệ tốt nhất, hướng dẫn và tích hợp giữa các giải pháp và ứng dụng của Ngân hàng - Theo dõi các xu hướng công nghệ và thử nghiệm, đánh giá với các công cụ/năng lực liên quan

Yêu cầu ứng viên

- Ít nhất 5 năm kinh nghiệm ở vị trí Kiến trúc dữ liệu - Ít nhất 5 năm kinh nghiệm ở vị trí Kỹ sư dữ liệu - Hiểu biết sâu về các quy tắc mô hình hóa dữ liệu đối với dữ liệu có cấu trúc, phi cấu trúc, bao gồm các mức vật lý, logic và khái niệm. - Có kinh nghiệm thực tế triển khai data warehouse, hiểu biết về các giải pháp Datawarehouse (ví dụ: iDecision, SAP, Teradata, Oracle, IBM). - Có kinh nghiệm thực tế triển khai một trong các giải pháp lakehouse/data platforms (ví dụ: Cloudera, DataBricks, Hortonwork…). - Có kinh nghiệm sâu trong thực tế triển khai và duy trì các tiến trình ETL/ELT, hiểu biết sâu về ít nhất 1 nền tảng ETL platforms (ví dụ SAP BODS, Apache Airflow, Informatica, IBM). - Hiểu biết sâu về kiến trúc dữ liệu (ví dụ: OLAP, Data Warehousing, Data Lake, and/or Data Mesh), có khả năng đánh giá năng lực hệ thống hiện tại và các công nghệ tiên tiến để đưa ra giải pháp kiến trúc dữ liệu tối ưu. - Hiểu biết sâu về các công cụ mô hình hóa (ví dụ: Power Designer, SQL Developer Data Modeler, ERwin). - Kinh nghiệm thực tế trong việc thiết kế và xây dựng các giải pháp xử lý dữ liệu theo luồng (ví dụ thực hiện với các công cụ Apache Storm, Kafka, Spark Streaming...). - Có kinh nghiệm về triển khai giải pháp quản trị chất lượng dữ liệu, bao gồm cả những môi trường phân tán. - Có kinh nghiệm phát triển công cụ BI phục vụ yêu cầu nghiệp vụ là điểm cộng. - Có kinh nghiệm xây dựng quy định/tiêu chuẩn về kiến trúc dữ liệu theo chuẩn DAMA/Gartner (với CG là bắt buộc, với CVCC là điểm cộng)

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cho CVCC Data Architect - VietinBank ### 1. Hard Skills BẮT BUỘC | Nhóm kỹ năng | Yêu cầu chi tiết | Mức độ ưu tiên | |--------------|------------------|----------------| | **Kiến trúc dữ liệu tổng thể** | Data Warehouse, Data Lake, Data Mesh, OLAP | ⭐⭐⭐⭐⭐ | | **Mô hình hóa dữ liệu** | 3 mức (vật lý, logic, khái niệm), ERwin/Power Designer/SQL Developer Data Modeler | ⭐⭐⭐⭐⭐ | | **ETL/ELT** | SAP BODS, Apache Airflow, Informatica, IBM DataStage | ⭐⭐⭐⭐⭐ | | **Nền tảng dữ liệu** | Cloudera, DataBricks, Hortonworks | ⭐⭐⭐⭐ | | **Xử lý Streaming** | Apache Kafka, Spark Streaming, Storm | ⭐⭐⭐⭐ | | **Quản trị chất lượng dữ liệu** | Data Governance, DQ Framework | ⭐⭐⭐⭐ | ### 2. Hard Skills ĐIỂM CỘNG - Kinh nghiệm BI Tools (Power BI, Tableau, QlikView) - Chứng chỉ CG (DAMA Certified Data Governance Professional) - **bắt buộc theo JD** - Chứng chỉ CDMP (Data Management) các cấp - TOGAF Certified - AWS/GCP/Azure Data Specialty ### 3. Soft Skills Cần Thiết | Kỹ năng | Mô tả | Tầm quan trọng | |---------|-------|----------------| | **Tư duy kiến trúc** | Nhìn nhận tổng thể, thiết kế scalable | Rất cao | | **Giao tiếp nghiệp vụ** | Dịch requirements Biz → Tech | Cao | | **Quản trị rủi ro** | Bảo mật, audit, compliance | Cao | | **Lãnh đạo kỹ thuật** | Định hướng team, mentor | Trung bình-cao | | **Năng lực ngoại ngữ** | Đọc hiểu tài liệu tiếng Anh | Cao | ### 4. Bảng so sánh: Data Architect vs Data Engineer vs DA trong ngân hàng | Tiêu chí | Data Architect | Data Engineer | Data Analyst | |----------|----------------|---------------|--------------| | **Focus** | Thiết kế tổng thể | Xây dựng pipeline | Phân tích insights | | **Thời gian làm việc** | 5-10+ năm | 3-7 năm | 1-5 năm | | **Lương thị trường VN** | 50-80 triệu | 25-45 triệu | 15-30 triệu | | **Công cụ chính** | ERwin, Power Designer | Spark, Airflow, Kafka | SQL, Python, BI | ### 5. Chứng chỉ Gợi Ý **Bắt buộc cho vị trí này:** - ✅ **DAMA CG** (Certified Data Governance) - JD nêu rõ **Khuyến nghị thêm:** - CDMP (Certified Data Management Professional) - các cấp Foundation/Associate/Master - TOGAF 9 Foundation/Architecture - AWS Data Analytics Specialty / GCP Professional Data Engineer - Databricks Lakehouse Fundamentals --- ## Yêu cầu kinh nghiệm: Phân tích chi tiết - **5 năm Data Architect** + **5 năm Data Engineer** = Tổng tối thiểu 10 năm kinh nghiệm thực tế - Đây là vị trí **cấp cao (CVCC - Chuyên viên Chính Cao cấp)** - Yêu cầu đã triển khai thực tế enterprise-level data platform - Ưu tiên ứng viên từ ngân hàng/tài chính hoặc Big 4 consulting ---

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn CVCC Data Architect - VietinBank ### 1. Quy trình phỏng vấn dự kiến VietinBank thường có **3-4 vòng** cho vị trí cấp cao: ``` Vòng 1: Sàng lọc hồ sơ + Phone screening ↓ Vòng 2: Phỏng vấn chuyên môn (Trưởng/Phó phòng ban) ↓ Vòng 3: Phỏng vấn vòng lãnh đạo (Giám đốc KHCN/HĐQT) ↓ Vòng 4: Xác nhận lương & Hồ sơ (HR) ``` ### 2. Câu hỏi Vòng 1 - Phone Screening **Câu hỏi thường gặp:** 1. "Bạn có bao nhiêu năm kinh nghiệm ở vị trí Data Architect? Triển khai những dự án nào?" 2. "Tại sao bạn muốn gia nhập VietinBank?" 3. "Mức lương kỳ vọng của bạn là bao nhiêu?" 4. "Bạn có chứng chỉ DAMA CG không?" **Tips chuẩn bị:** - Chuẩn bị summary 2 phút về career path - Nghiên cứu trước về VietinBank Digital Transformation - Sẵn sàng deal lương (vị trí này thỏa thuận) ### 3. Câu hỏi Vòng 2 - Chuyên môn **Kiến trúc & Design (70% câu hỏi):** 1. **"Hãy mô tả kiến trúc dữ liệu tổng thể của hệ thống bạn đã xây dựng?"** - Trả lời theo framework: Source → Staging → Raw Lake → Refined → Warehouse → Mart - Cần vẽ sơ đồ minh họa 2. **"Làm sao để đảm bảo data quality trong hệ thống ngân hàng?"** - Reference: DAMA DMBOK Data Quality Dimensions - Thực hành: Profiling, cleansing, monitoring 3. **"Data Lake vs Data Warehouse vs Data Mesh - Khi nào dùng cái nào?"** - Cần phân biệt rõ use case của từng pattern - Trend hiện tại: Lakehouse architecture 4. **"Describe a time you had to convince business stakeholders to adopt a new data platform?"** - Behavioral question - STAR method 5. **"Data Governance framework bạn đã triển khai?"** - DAMA DMBOK reference - Specific examples: data ownership, lineage, cataloging 6. **"Technical deep-dive: Kafka vs Kinesis? Spark vs Flink?"** - So sánh architecture, use case, limitation - Cần có hands-on experience **Câu hỏi nghiệp vụ ngân hàng:** 7. "Bạn hiểu gì về Basel III/IV và ảnh hưởng đến data architecture?" 8. "Làm sao thiết kế kiến trúc đáp ứng yêu cầu audit của NHNN?" 9. "Các data domain trong ngân hàng bạn biết? (Core banking, CRM, Risk, Compliance...)" ### 4. Câu hỏi Vòng 3 - Lãnh đạo **Strategic Questions:** 1. **"Nếu bạn là Data Architect của VietinBank, bạn sẽ ưu tiên gì trong 6-12 tháng tới?"** - Cần có vision rõ ràng - Liên hệ với Digital Transformation strategy của VietinBank 2. **"Làm sao để đo lường giá trị của data platform với business?"** - KPIs: data quality, time-to-insight, cost reduction, revenue impact 3. **"Bạn sẽ quản lý và phát triển team như thế nào?"** - Team size estimate, skill matrix, career path 4. **"What is your approach to vendor selection?"** - POC process, evaluation criteria ### 5. Dress Code - **Vòng 1-2:** Business casual (áo sơ mi, quần âu - nam; áo sơ mi, chân váy - nữ) - **Vòng 3:** Business formal (blazer khuyến khích) - Màu sắc trung tính (xanh navy, xám, trắng) - Tránh màu quá nổi bật ### 6. Tips Chuẩn bị đặc biệt ✅ **Nghiên cứu trước:** - VietinBank Digital Banking Strategy 2025-2030 - Các dự án data platform của VietinBank đã công bố - Xu hướng Open Banking, Big Tech FinTech ✅ **Chuẩn bị Portfolio:** - Sơ đồ kiến trúc dự án đã làm (sanitized) - Case study về data quality improvement - Metrics về impact đã tạo ra ✅ **Technical Check:** - Refresh kiến thức SQL nâng cao - Biết differences giữa major data platforms - Hiểu cloud data services (AWS/GCP/Azure) ---

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho CVCC Data Architect - VietinBank ### 1. Lộ trình chuẩn bị 2 tuần **Tuần 1: Tổng hợp kiến thức nền tảng** | Ngày | Chủ đề | Tài liệu | |------|--------|----------| | 1-2 | Data Architecture Fundamentals | DAMA DMBOK Chương 6, 8, 9 | | 3-4 | Data Modeling (3-tier) | ERwin Tutorial, Data Vault 2.0 | | 5-6 | Data Warehouse & ETL/ELT | Kimball DW Toolkit | | 7 | Data Lake & Lakehouse | Databricks documentation | **Tuần 2: Chuyên sâu + Mock interview** | Ngày | Chủ đề | Tài liệu | |------|--------|----------| | 8-9 | Data Governance & Quality | DAMA CG Materials | | 10-11 | Streaming Architecture | Kafka/Debezium blog posts | | 12-13 | Cloud Data Platforms | AWS/GCP Data specialty | | 14 | Mock interview + Portfolio review | Self + peer review | ### 2. Tài liệu học tập BẮT BUỘC **Sách:** 1. **DAMA-DMBOK (2nd Edition)** - Data Management Body of Knowledge - Chapters bắt buộc: 4, 6, 8, 9, 11, 15, 16 - Source: Có thể mua hoặc tìm PDF (nên mua chính hãng) 2. **The Data Warehouse Toolkit** - Ralph Kimball - Essential for dimensional modeling - Mọi Data Architect ngân hàng đều phải đọc 3. **Designing Data-Intensive Applications** - Martin Kleppmann - Deep dive vào distributed systems - Rất hay cho Kafka, Spark, distributed DB 4. **Data Governance** - DAMA CG Study Guide - Bắt buộc vì JD yêu cầu CG certification **Online Resources:** | Nguồn | URL/Content | Mục đích | |-------|-------------|----------| | DAMA International | damac.org | DMBOK reference | | Databricks Academy | databricks.com/learn | Lakehouse architecture | | Confluent Blog | confluent.io/blog | Kafka best practices | | AWS Data Blog | aws.amazon.com/blogs/data | Cloud data services | | Gartner | gartner.com | Magic Quadrant for DP platforms | ### 3. Kiến thức Nền tảng Cần Ôn **A. Data Modeling (BẮT BUỘC)** ``` 1. Conceptual Model → Logical Model → Physical Model 2. Normalization (3NF, BCDF) vs Denormalization 3. Data Vault 2.0 (optional but recommended) 4. Star Schema vs Snowflake 5. Slowly Changing Dimensions (SCD Type 1, 2, 3) 6. Tool proficiency: ERwin hoặc Power Designer ``` **B. Data Architecture Patterns** ``` 1. Lambda Architecture 2. Kappa Architecture 3. Data Lakehouse (Databricks approach) 4. Data Mesh (Domain-oriented) 5. Data Fabric (Metadata-driven) ``` **C. ETL/ELT Tools** ``` Must know (at least 1 deeply): - Apache Airflow (Python-based) - SAP BODS - Informatica PowerCenter - IBM DataStage Nice to have: - Talend - Fivetran - dbt (modern ELT) ``` **D. Streaming Technologies** ``` Core concepts: - Kafka Architecture (Broker, Producer, Consumer, Topic, Partition) - Exactly-once semantics - Spark Structured Streaming - Flink vs Spark Streaming comparison - Real-time vs Near-real-time requirements ``` **E. Cloud Data Platforms** ``` AWS: - Redshift (Data Warehouse) - S3 + Lake Formation (Data Lake) - Glue (ETL) - Kinesis (Streaming) GCP: - BigQuery - Cloud Storage - Dataflow Azure: - Synapse Analytics - Data Lake Gen2 - Data Factory ``` ### 4. Ôn Nghiệp vụ Ngân hàng **Chủ đề cần biết:** 1. **Regulatory Requirements:** - Basel III/IV capital adequacy - NHNN regulations on data reporting - Anti-money laundering (AML) data - GDPR-like data protection (PDPA Vietnam) 2. **Banking Data Domains:** - Core Banking (Temenos, Flexcube, BaNCS) - Credit Risk (scorecard, PD/LGD/EAD) - Anti-Fraud (transaction monitoring) - KYC/AML - Digital Banking (Omnichannel) 3. **Common Banking KPIs:** - NIM, CASA ratio, cost-to-income - NPL ratio, provision coverage - Digital adoption rate ### 5. Checklist trước ngày phỏng vấn - [ ] Đọc lại DMBOK Data Governance chapter - [ ] Review 1-2 Data Architecture diagrams đã làm - [ ] Prepare 3-5 achievement stories (STAR format) - [ ] Update CV với metrics cụ thể (thời gian, scale, budget) - [ ] Prepare portfolio/document samples (sanitized) - [ ] Nghiên cứu VietinBank annual report 2024 - [ ] Check dress code và logistics ---

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho Data Architect Ngành Ngân hàng ### 1. Lộ trình Thăng tiến ``` Data Engineer (3-5 năm) ↓ Senior Data Engineer / Data Architect (5-8 năm) ↓ CVCC Data Architect ← BẠN ĐANG Ở ĐÂY ↓ Trưởng nhóm Kiến trúc Dữ liệu (8-12 năm) ↓ Giám đốc Kiến trúc Dữ liệu / CDO (Chief Data Officer) ``` ### 2. Mức lương Kỳ vọng theo Cấp bậc **Tại VietinBank / Ngân hàng nhà nước:** | Cấp bậc | Kinh nghiệm | Lương tháng (VND) | Notes | |---------|-------------|-------------------|-------| | Data Engineer | 2-4 năm | 20-35 triệu | Fresher: 15-20 triệu | | Senior DE | 4-6 năm | 30-50 triệu | - | | Data Architect | 5-8 năm | 45-70 triệu | **Vị trí này** | | CVCC DA | 8+ năm | 60-100 triệu | Thỏa thuận cao | | Trưởng phòng DA | 10+ năm | 80-150 triệu | + thưởng/lợi nhuận | | CDO | 15+ năm | 150-300 triệu | Executive level | **So sánh với thị trường:** - **VietinBank** = Lương cơ bản + phụ cấp + thưởng - **Tech company/Fintech** = Lương cao hơn 30-50%, ít phúc lợi hơn - **Foreign Bank** = Lương cao hơn 50-100%, yêu cầu tiếng Anh fluent ### 3. Đặc điểm VietinBank so với Thị trường **ƯU ĐIỂM:** - ✅ Thương hiệu uy tín, stable - ✅ Phúc lợi ngân hàng (bảo hiểm, thưởng Tết, LĐTT) - ✅ Cơ hội làm dự án quy mô lớn - ✅ Đào tạo nội bộ tốt **THÁCH THỨC:** - ⚠️ Quy trình phê duyệt có thể chậm - ⚠️ Công nghệ legacy cần migrate - ⚠️ Mức lương có thể thấp hơn fintech - ⚠️ Văn hóa doanh nghiệp nhà nước ### 4. Kỹ năng Cần Phát triển Thêm **Ngắn hạn (6-12 tháng đầu):** ``` 1. Data Governance thực chiến - Tool: Collibra, Alation, Informatica Axon 2. Cloud Data Platform (nếu chưa có) - Recommendation: AWS Data specialty 3. Real-time/Streaming Architecture - Kafka + Spark/Flink combination 4. Presentation skill cho lãnh đạo - Slide design, storytelling with data ``` **Dài hạn (2-3 năm):** ``` 1. Business Acumen - Hiểu sâu nghiệp vụ ngân hàng - Đọc hiểu báo cáo tài chính 2. Executive Presence - Giao tiếp với C-level - Board presentation 3. Team Leadership - Hire, mentor, develop talent 4. Strategic Thinking - Enterprise Architecture - Digital Transformation ``` ### 5. Lời khuyên Từ chuyên gia > **"Data Architect trong ngân hàng không chỉ cần giỏi技术 mà còn phải hiểu business. Hãy học cách dịch 'technical debt' thành 'business risk' và đề xuất solution mang lại giá trị rõ ràng cho business."** > **"Chứng chỉ CG là bắt buộc cho vị trí này - nếu chưa có, hãy lên kế hoạch lấy trong 3-6 tháng đầu sau khi nhận việc hoặc trước khi phỏng vấn."** > **"Đừng chỉ focus vào công nghệ mới. Trong ngân hàng, stability và compliance quan trọng hơn cutting-edge. Hiểu legacy system là key."** ### 6. Lộ trình Phát triển Cá nhân **2025-2026 (Năm đầu tại VietinBank):** - ✅ Hoàn thành onboarding, hiểu current architecture - ✅ Pass thử thách CG certification - ✅ Đưa ra roadmap cải tiến data platform - ✅ Build relationship với các domain owners **2026-2027:** - ✅ Lead migration lên cloud/hybrid - ✅ Implement data governance framework - ✅ Mentorship junior team members - ✅ Khám phá CDMP Advanced certification **2027-2028:** - ✅ Trở thành subject matter expert - ✅ Đề xuất AI/ML integration - ✅ Xem xét Trưởng nhóm or Trưởng phòng path - ✅ Network với industry peers ---

Câu hỏi thường gặp

Mình có 6 năm kinh nghiệm Data Engineer, muốn chuyển lên Data Architect. Vị trí này yêu cầu 5 năm Data Architect, liệu có phù hợp không?

Có thể cân nhắc, nhưng cần lưu ý: **Ưu điểm:** Kinh nghiệm Data Engineer 6 năm cho thấy bạn đã có nền tảng pipeline, ETL, data modeling vững. Nhiều công việc của Data Architect cần hiểu biết sâu về Data Engineering. **Thách thức:** Yêu cầu JD nêu rõ '5 năm Data Architect' - đây là requirement cứng. Tuy nhiên, nếu trong 6 năm DE của bạn có 2-3 năm làm kiến trúc hoặc technical lead, có thể thuyết phục được. **Gợi ý:** 1. Đọc JD kỹ - phần 'Kinh nghiệm' có thể flexible nếu profile mạnh 2. Chuẩn bị portfolio thể hiện design decisions đã làm 3. Nhấn mạnh những architecture-level work đã làm (data model design, platform selection) 4. Có thể apply và để HR decide Đừng tự loại khỏi vòng apply - nhiều ngân hàng chấp nhận equivalent experience.

Mức lương cho vị trí CVCC Data Architect ở VietinBank khoảng bao nhiêu?

Vị trí này ghi 'Thỏa thuận', nên mức lương phụ thuộc nhiều vào profile của bạn. Tham khảo thị trường: **Thị trường hiện tại (2024-2025):** - CVCC Data Architect ngân hàng: 60-90 triệu/tháng - Cộng thêm: phụ cấp, thưởng (thường 2-4 tháng lương) - Benefits: bảo hiểm cao cấp, flexible benefits, đào tạo **Yếu tố ảnh hưởng đến lương:** 1. Tổng kinh nghiệm (năm hiện tại) 2. Scale của các dự án đã làm (data volume, team size) 3. Chứng chỉ (CG, CDMP, cloud certifications) 4. Mức lương hiện tại + expected increase 5. Offer cạnh tranh khác đang có **Tips deal lương:** - Research market rate trước - Đừng đưa số quá thấp - Nếu có offer khác, dùng làm leverage - Consider total compensation (base + allowance + bonus + equity nếu có)

Mình chưa có chứng chỉ DAMA CG, có nên apply không?

Đây là câu hỏi hay. Theo JD, 'CG là bắt buộc, CVCC là điểm cộng' - tức CG certification là required, không phải điểm cộng. **Nếu chưa có CG:** ✅ Vẫn nên apply nếu: - Có 8-10+ năm kinh nghiệm thực tế mạnh - Đã implement data governance thực chiến - Có references từ previous employers - Sẵn sàng cam kết lấy cert trong 3-6 tháng ❌ Cân nhận apply nếu: - Chỉ có 5 năm kinh nghiệm tối thiểu - Không có practical governance experience - Nhiều candidates có cert cùng profile **Đề xuất:** 1. Apply ngay - đừng để thiếu cert ngăn bạn 2. Trong CV, liệt kê governance projects đã làm 3. Nếu được interview, cam kết hoàn thành CG trong trial period 4. Đồng thời, đăng ký thi CG sớm nhất có thể **Về exam CG:** - Format: 80 câu, 90 phút - Pass rate: ~60-70% - Có khóa prep chính thức 2-3 ngày

Quy trình phỏng vấn VietinBank cho vị trí này như thế nào?

Dựa trên kinh nghiệm chung của các ứng viên và cấu trúc tuyển dụng ngân hàng nhà nước, quy trình thường như sau: **Vòng 1: Sàng lọc Hồ sơ** - HR đọc CV, check điều kiện đạt - Timeline: 1-2 tuần sau deadline **Vòng 2: Phone/Virtual Screening (30-45 phút)** - HR gọi điện hỏi về kinh nghiệm, salary expectation - 1-2 câu behavior question đơn giản **Vòng 3: Phỏng vấn Chuyên môn (60-90 phút)** - Trưởng/Phó phòng Trung tâm Nền tảng Dữ liệu - Technical deep dive: architecture, modeling, ETL - Có thể có case study hoặc system design exercise **Vòng 4: Phỏng vấn Lãnh đạo (45-60 phút)** - Giám đốc KHCN hoặc phó ban liên quan - Strategic questions, vision alignment - Culture fit assessment **Vòng 5: Xác nhận Offer (HR)** - Compensation discussion - Background check - Onboarding timeline **Total timeline:** 4-8 tuần từ apply đến offer **Tips:** - Chuẩn bị answer cho 'Why VietinBank?' - Research digital transformation initiatives của họ - Sẵn sàng cho technical assessment

Làm thế nào để chuẩn bị cho phần technical interview của vị trí này?

Với CVCC Data Architect, technical interview sẽ cover cả breadth và depth. Đây là framework chuẩn bị: **Phần 1: Architecture Design (40%)** Be ready cho: - 'Design a data platform for a retail bank' - 'How would you migrate from legacy DW to cloud?' - Compare: Data Lake vs Data Warehouse vs Lakehouse - Data mesh implementation considerations Preparation: - Draw actual architecture diagrams từ previous projects - Understand trade-offs (cost vs performance vs complexity) - Know vendor landscape: Databricks, Snowflake, Cloudera, etc. **Phần 2: Data Modeling (20%)** Be ready cho: - Normalization vs Denormalization trade-offs - Slowly Changing Dimensions scenarios - Star vs Snowflake schema design - Entity-relationship diagrams Preparation: - Practice drawing models on whiteboard - Review DMBOK data modeling chapter - Know your modeling tool (ERwin, PowerDesigner, etc.) **Phần 3: ETL/ELT & Data Processing (20%)** Be ready cho: - Batch vs streaming comparison - Kafka architecture deep dive - Your experience with specific ETL tools - Data quality framework **Phần 4: Governance & Compliance (20%)** Be ready cho: - Data governance framework implementation - Data lineage approach - Security & privacy (GDPR, Vietnamese PDPD) - Regulatory compliance in banking **Practice approach:** - Mock interview với peer/friend - Explain concepts out loud (not just in head) - Prepare 2-3 strong project stories với metrics

Mình đang làm ở fintech/startup, chuyển sang ngân hàng nhà nước có phù hợp không?

Đây là quyết định cá nhân, nhưng có một số trade-offs cần cân nhắc: **Ưu điểm khi chuyển sang VietinBank:** ✅ Stability cao - ít risk layoffs ✅ Brand uy tín trong resume ✅ Projects quy mô lớn, enterprise-level ✅ Benefits tốt (bảo hiểm, thưởng, LĐTT) ✅ Learning về banking domain & regulation **Nhược điểm có thể gặp:** ⚠️ Văn hóa khác - ít agile, nhiều quy trình ⚠️ Công nghệ legacy hơn (đổi mới chậm hơn startup) ⚠️ Compensation có thể thấp hơn startup stage ⚠️ Thăng tiến theo seniority hơn là merit-based ⚠️ Có thể có ceiling về innovation **Câu hỏi tự hỏi:** 1. Bạn đang tìm stability hay tìm growth? 2. Bạn thích fast-paced hay structured environment? 3. Mức lương hay learning opportunity quan trọng hơn? 4. Bạn muốn ở đâu trong 3-5 năm tới? **Kết luận:** Nếu bạn đã đạt Senior/Staff level ở startup và muốn chuyển hướng career, VietinBank là bước đệm tốt cho CV. Nhưng đừng kỳ vọng speed/tempo như startup.

Công việc hàng ngày của Data Architect ở ngân hàng như thế nào?

Công việc hàng ngày phụ thuộc vào giai đoạn project và company size. Với VietinBank và vị trí CVCC, đây là typical day: **Typical Workday:** 8:30 - 9:00: Check emails, standup với team 9:00 - 10:30: Architecture review/meetings 10:30 - 12:00: Design work (architecture diagrams, RFCs) 12:00 - 13:30: Lunch break 13:30 - 15:00: Cross-functional meetings (với BA, DEV, QA) 15:00 - 16:30: Documentation, RFC writing 16:30 - 17:30: 1-on-1s, mentorship,杂事 **Weekly activities:** - 2-3 architecture review meetings - 1-2 sessions với business stakeholders - Technical writing (architecture docs, RFCs) - Team code/design review - Strategic planning sessions **Monthly activities:** - Roadmap planning - Vendor evaluations - Performance reviews - Training/knowledge sharing **Thực tế:** - Meetings chiếm 30-40% thời gian (vì phải collaborate nhiều) - Với role senior, nhiều time cho strategic work - Ít hands-on coding, nhiều reviewing và designing - Deadline-driven nhưng không áp lực như startup **Work-life balance:** - Thường off được đúng giờ - OT khi có deadline lớn (thường acceptable) - WFH policy linh hoạt hơn sau COVID

KPI của Data Architect ở ngân hàng là gì?

Với vị trí Data Architect, KPIs thường không đơn giản như sales. Dưới đây là framework đánh giá phổ biến: **1. Project Delivery (40%)** - On-time delivery của architecture deliverables - Number of platforms/projects supported - Quality of architecture (review scores, audit results) **2. Technical Excellence (30%)** - Data quality metrics improvement - System performance (query response time, pipeline SLA) - Documentation completeness - Innovation adoption (new tech trials) **3. Collaboration & Governance (20%)** - Stakeholder satisfaction scores - Cross-team collaboration effectiveness - Data governance compliance rate - Mentorship delivered **4. Strategic Impact (10%)** - Cost optimization achieved - Time-to-market reduction - Risk reduction (security incidents, compliance violations) - Capability building (team skills improvement) **Lưu ý:** - KPIs có thể khác nhau theo phòng ban và năm - HR sẽ discuss trong onboarding - Performance review thường 2 lần/năm **Thực tế:** Với ngân hàng nhà nước, performance rating ảnh hưởng đến: - Bonus multiplier - Thăng tiến (xét lên cấp cao hơn) - Project assignment priorities

CVCC Data Architect 2026