CMNV

Mô tả công việc

Trình độ đào tạo Đại học in Khoa học dữ liệu Các yêu cầu khác • Tối thiểu 3 năm trong lĩnh vực quản lý dữ liệu/báo cáo/phân tích/học máy • Truy vấn, tổ chức, phân tích dữ liệu • Sử dụng các công nghệ cập nhật để xử lý dữ liệu để phát triển và vận hành • Phân tích yêu cầu nghiệp vụ ngân hàng • Kiểm thử dữ liệu và phần mềm tài chính ngân hàng • Triển khai cùng và quản lý đối tác công nghệ thông tin

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cần có cho CVCC Kỹ sư Dữ liệu - VPBank ### 🔧 HARD SKILLS (Kỹ năng chuyên môn) **1. Kỹ năng Quản lý & Xử lý Dữ liệu** | Cấp độ | Kỹ năng | Mức độ quan trọng | |--------|---------|-------------------| | Bắt buộc | SQL (SQL Server, PostgreSQL, MySQL) | ⭐⭐⭐⭐⭐ | | Bắt buộc | Python (pandas, numpy, pySpark) | ⭐⭐⭐⭐⭐ | | Bắt buộc | ETL/ELT pipelines | ⭐⭐⭐⭐⭐ | | Ưu tiên | Data warehousing (Snowflake, Redshift, BigQuery) | ⭐⭐⭐⭐ | | Ưu tiên | Big Data tools (Spark, Hadoop, Kafka) | ⭐⭐⭐⭐ | | Ưu tiên | Cloud platforms (AWS, GCP, Azure) | ⭐⭐⭐⭐ | | Cộng thêm | Machine Learning basics | ⭐⭐⭐ | **2. Kỹ năng Nghiệp vụ Ngân hàng** - Hiểu业务流程 (Business Process) ngân hàng: tín dụng, thanh toán, thẻ, bancassurance - Kiến thức về các sản phẩm tài chính: cho vay, huy động, dịch vụ thanh toán - Compliance & regulation trong ngành ngân hàng - Rủi ro tín dụng, quản lý rủi ro thị trường **3. Công cụ & Platform thường dùng tại VPBank** - BI Tools: Power BI, Tableau, Looker - Database: SQL Server, Oracle, MongoDB - Workflow: Airflow, Luigi, NiFi - Version control: Git, GitLab/GitHub --- ### 💡 SOFT SKILLS (Kỹ năng mềm) **1. Kỹ năng Giao tiếp** - Diễn đạt kỹ thuật theo ngôn ngữ nghiệp vụ (communicate with business stakeholders) - Trình bày data insights một cách dễ hiểu - Viết tài liệu kỹ thuật rõ ràng, mạch lạc **2. Kỹ năng Phân tích & Giải quyết vấn đề** - Phân tích yêu cầu nghiệp vụ → chuyển thành giải pháp kỹ thuật - Debug và troubleshoot data pipeline issues - Tư duy hệ thống (system thinking) **3. Kỹ năng Quản lý & Collaboration** - Làm việc với cross-functional teams (IT, Business, Risk, Compliance) - Quản lý đối tác công nghệ (vendor management) - Project management cơ bản --- ### 📜 CHỨNG CHỈ GỢI Ý | Chứng chỉ | Nhà cung cấp | Phù hợp với | |-----------|--------------|-------------| | Google Data Engineer Professional | Google Cloud | Cloud-focused role | | AWS Certified Data Analytics | Amazon | AWS ecosystem | | Microsoft Certified: Azure Data Engineer | Microsoft | Azure environment | | CDMP (Certified Data Management Professional) | DAMA | Data governance | | DP-100: Azure Data Scientist | Microsoft | ML integration | --- ### 📊 SO SÁNH: Data Engineer vs Data Analyst vs Data Scientist tại Bank | Khía cạnh | Data Engineer | Data Analyst | Data Scientist | |-----------|---------------|--------------|----------------| | **Focus** | Xây dựng hạ tầng dữ liệu | Phân tích báo cáo | ML/AI models | | **Ngôn ngữ chính** | Python, SQL, Scala | SQL, Python, R | Python, R | | **Mức lương tham khảo** | 25-45 triệu | 18-30 triệu | 30-50 triệu | | **Thăng tiến** | Senior DE → Data Architect → CDO | Senior DA → BI Manager | Senior DS → Head of AI | **Lưu ý:** Với mức "Thỏa thuận", VPBank có thể offer cao hơn thị trường 10-20% nếu ứng viên có profile phù hợp.

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn CVCC Kỹ sư Dữ liệu - VPBank ### 📋 QUY TRÌNH PHỎNG VẤN THÔNG THƯỜNG **Thông thường tại VPBank có 3-4 vòng:** ``` Vòng 1: HR Screening (30-45 phút) ↓ Vòng 2: Technical Interview - Team Lead (45-60 phút) ↓ Vòng 3: Technical Interview - Manager (45-60 phút) ↓ Vòng 4 (có thể): HR Manager - Final Round (30 phút) ``` --- ### 🎯 NỘI DUNG TỪNG VÒNG #### **Vòng 1: HR Screening** **Mục đích:** Đánh giá sơ bộ về kinh nghiệm, động lực, cultural fit **Câu hỏi thường gặp:** 1. "Bạn có thể giới thiệu ngắn về kinh nghiệm làm việc với dữ liệu của mình không?" 2. "Tại sao bạn muốn chuyển sang VPBank?" 3. "Bạn hiểu gì về Khối Quản trị và Phân tích dữ liệu của VPBank?" 4. "Mức lương kỳ vọng của bạn là bao nhiêu?" 5. "Bạn có câu hỏi gì về công việc/VPBank không?" **💡 Tips chuẩn bị:** - Nghiên cứu VPBank: digital transformation, các sản phẩm data-driven - Chuẩn bị câu hỏi thông minh cho HR (thể hiện sự quan tâm nghiêm túc) - Điều chỉnh mức lương kỳ vọng phù hợp thị trường (thường +15-20% so với current) --- #### **Vòng 2 & 3: Technical Interview** **Mục đích:** Kiểm tra kỹ năng chuyên môn sâu **Câu hỏi Kỹ thuật thường gặp:** **SQL & Database:** - "Viết SQL để tìm top 5 khách hàng có tổng dư nợ cao nhất" - "Giải thích sự khác nhau giữa INNER JOIN và LEFT JOIN?" - "Làm sao để tối ưu hóa một truy vấn chậm?" - "Kim tự tháp phân cấp data modeling (3NF, star schema)?" **Python & Data Processing:** - "Sự khác nhau giữa pandas và pyspark? Khi nào dùng cái nào?" - "Xử lý missing values như thế nào?" - "Giải thích cách hoạt động của groupby trong pandas" - "Viết function để đếm số lần xuất hiện của mỗi phần tử trong list" **Data Engineering Concepts:** - "ETL vs ELT: Ưu nhược điểm?" - "Làm sao đảm bảo data quality trong pipeline?" - "Data lake vs Data warehouse: Khi nào dùng?" - "Giải thích Kafka architecture và use case trong banking" **Nghiệp vụ Banking:** - "Bạn hiểu gì về quy trình cho vay cá nhân tại ngân hàng?" - "Dữ liệu nào quan trọng nhất trong credit scoring?" - "Làm sao phát hiện fraudulent transaction từ dữ liệu?" - "Compliance requirements nào liên quan đến data trong ngân hàng?" **System Design (Senior level):** - "Thiết kế data pipeline cho hệ thống real-time fraud detection" - "Làm sao xây dựng data warehouse cho ngân hàng?" --- ### 👔 DRESS CODE & THỜI GIAN | Định dạng | Dress Code | Thời gian | |-----------|-----------|-----------| | Offline tại VPBank Tower | Business casual (sơ mi, quần âu) | 60-90 phút | | Online qua Teams/Zoom | Gọn gàng, áo sơ mi/cardigan | 45-60 phút | **⚠️ Lưu ý:** VPBank là ngân hàng tư nhân lớn, culture khá hiện đại. Không cần vest cầu kỳ như ngân hàng nhà nước, nhưng vẫn cần lịch sự chuyên nghiệp. --- ### ✅ CHECKLIST CHUẨN BỊ - [ ] Ôn SQL: joins, window functions, aggregation, optimization - [ ] Luyện Python: pandas, numpy, list comprehension - [ ] Nghiên cứu VPBank: digital strategy, data initiatives - [ ] Chuẩn bị 2-3 project examples để demo - [ ] Research về data tech stack tại VPBank - [ ] Chuẩn bị câu hỏi cho interviewer - [ ] Test kỹ thiết bị nếu phỏng vấn online

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho CVCC Kỹ sư Dữ liệu VPBank ### 📚 LỘ TRÌNH CHUẨN BỊ 1-2 TUẦN #### **Tuần 1: Củng cố Nền tảng** **Ngày 1-2: SQL Mastery** ```sql -- Các topics cần ôn: -- 1. Basic queries: SELECT, WHERE, ORDER BY, GROUP BY -- 2. Joins: INNER, LEFT, RIGHT, FULL OUTER, CROSS -- 3. Aggregations: COUNT, SUM, AVG, MAX, MIN, HAVING -- 4. Subqueries & CTEs -- 5. Window Functions: ROW_NUMBER, RANK, DENSE_RANK, LEAD, LAG -- 6. Index optimization & query execution plan ``` **Tài liệu tham khảo:** - LeetCode SQL (50 bài đầu tiên - easy & medium) - Mode SQL Tutorial (miễn phí) - "SQL Cookbook" - Anthony DeBarrie **Ngày 3-4: Python Data Processing** ```python # Các topics cần ôn: # 1. Pandas: DataFrame operations, merge, concat, groupby # 2. Data cleaning: handle missing values, duplicates, dtype # 3. Numpy: array operations, vectorization # 4. Basic visualization với matplotlib/seaborn # 5. Lambda functions, list/dict comprehension ``` **Ngày 5-6: Data Engineering Concepts** - Data modeling: Star Schema, Snowflake, 3NF - Data pipeline architecture: Batch vs Streaming - Data quality framework: completeness, accuracy, timeliness - Cloud basics: S3/GCS, EC2/Azure VM, serverless **Ngày 7: Nghiệp vụ Banking** - Credit scoring process - Anti-money laundering (AML) basics - Know Your Customer (KYC) data requirements - Payment systems: SWIFT, NAPAS, QR payment --- #### **Tuần 2: Luyện tập & Mô phỏng** **Ngày 8-9: Hands-on Practice** ```python # Practice projects: # 1. Build ETL pipeline simulation # 2. Data quality check automation # 3. Simple credit risk data analysis # 4. Create dashboard mockup ``` **Ngày 10-11: Mock Interviews** - Practice trả lời behavioral questions - Explain past projects chi tiết - Solve SQL problems với giới hạn thời gian **Ngày 12-13: Research & Prepare Questions** - Tìm hiểu VPBank data initiatives - Chuẩn bị 5-7 câu hỏi thông minh cho interviewer - Research team structure & tech stack **Ngày 14: Final Review** - Ôn lại tất cả SQL patterns - Review common banking data scenarios - Nghỉ ngơi, chuẩn bị tinh thần --- ### 📖 TÀI LIỆU THAM KHẢO ĐỀ XUẤT **Sách:** | Sách | Chủ đề | Level | |-----|--------|-------| | "Designing Data-Intensive Applications" - Martin Kleppmann | System design fundamentals | Advanced | | "The Data Warehouse Toolkit" - Ralph Kimball | Data warehousing | Intermediate | | "Python for Data Analysis" - Wes McKinney | Pandas & data processing | Beginner-Intermediate | **Online Courses:** - Coursera: "IBM Data Engineering Professional Certificate" - Udemy: "Apache Spark with Python - Big Data with PySpark" - DataCamp: "Data Engineering with Python" **Vietnamese Resources:** - Vietnam Data Engineering community (Facebook group) - Data Engineering Vietnam (page/forum) --- ### ⚡ QUICK REVISION CHECKLIST ``` □ INNER JOIN vs LEFT JOIN với ví dụ □ Window function: RANK vs DENSE_RANK □ Sự khác biệt: WHERE vs HAVING □ Index strategy: Khi nào nên đánh index? □ Pandas: merge() vs join() vs concat() □ Data quality dimensions: completeness, validity, consistency □ Kim tự tháp: OLTP → ODS → DW → DM □ Star schema vs Snowflake schema □ Data lake use cases trong banking □ Real-time processing: Kafka, Spark Streaming ```

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho CVCC Kỹ sư Dữ liệu tại VPBank ### 📈 LỘ TRÌNH THĂNG TIẾN ``` Junior Data Engineer (0-2 năm kinh nghiệm) ↓ Data Engineer (2-4 năm) ← [BẠN ĐANG Ở ĐÂY] ↓ Senior Data Engineer (4-6 năm) ↓ Lead Data Engineer / Data Architect (6-8 năm) ↓ Head of Data Engineering / VP of Data (8+ năm) ``` **Tại VPBank - Các bước cụ thể:** 1. **Entry (CVCC):** Làm quen với tech stack, hoàn thành task được giao 2. **After 1-2 years:** Lead một số module nhỏ, mentor junior 3. **Senior:** Design entire data pipeline, manage vendor relationships 4. **Lead/Manager:** Quản lý team, define data strategy cho KHỐI --- ### 💰 MỨC LƯƠNG THAM KHẢO (VPBank - Hà Nội) | Level | Kinh nghiệm | Mức lương (gross/tháng) | |-------|-------------|-------------------------| | CVCC / Data Engineer | 3-5 năm | 25 - 40 triệu | | Senior DE | 5-7 năm | 35 - 55 triệu | | Lead DE | 7-10 năm | 50 - 80 triệu | | Manager | 8+ năm | 70 - 120+ triệu | **⚠️ Lưu �ý:** - VPBank thường offer cao hơn thị trường 10-20% cho tech roles - "Thỏa thuận" = có thể negotiate mạnh nếu profile phù hợp - Total compensation: base + KPI bonus (thường 2-4 tháng) --- ### 🎯 SKILLS CẦN PHÁT TRIỂN THÊM **Ngắn hạn (6-12 tháng):** - [ ] Master một cloud platform (AWS/GCP/Azure) - [ ] Học thêm về real-time processing (Kafka, Flink) - [ ] Hiểu sâu hơn về nghiệp vụ banking (credit, risk, compliance) - [ ] Nâng cao SQL optimization skills **Trung hạn (1-3 năm):** - [ ] Data architecture & system design - [ ] Machine Learning deployment (MLOps basics) - [ ] Project management & stakeholder management - [ ] Data governance & data quality frameworks **Dài hạn (3-5 năm):** - [ ] Strategic thinking - data as business enabler - [ ] Leadership & team management - [ ] Industry knowledge (fintech trends, regulations) - [ ] Personal branding (conference talks, publications) --- ### 🏦 TẠI SAO NÊN CHỌN VPBANK? **Ưu điểm:** - ✅ Digital transformation mạnh, nhiều dự án data-driven - ✅ Tech stack hiện đại, học hỏi được nhiều - ✅ Mức lương cạnh tranh so với thị trường - ✅ Cơ hội làm việc với các đối tác công nghệ lớn - ✅ Work-life balance tốt hơn nhiều bank nhà nước **Thách thức:** - ⚠️ Áp lực deadline dự án digital - ⚠️ Phải cập nhật công nghệ liên tục - ⚠️ Cạnh tranh nội bộ cao --- ### 🚀 ALTERNATIVE PATHS **Nếu muốn chuyển sang role khác sau 2-3 năm:** - Data Architect: Thiên về design, governance - ML Engineer: Kết hợp DE + ML implementation - Data Product Manager: Kết hợp kỹ thuật + business - Solutions Architect: Pre-sales + technical design **Các công ty tham khảo để benchmark:** - Tech companies: FPT, Viettel, VNG (data roles) - Fintech: MoMo, VNPay, ZaloPay - Banks: Techcombank, MB Bank, TPBank (cũng digital-focused)

Câu hỏi thường gặp

Em mới ra trường chuyên ngành Data Science, chưa có kinh nghiệm làm Data Engineer, có nên ứng tuyển vị trí này không?

Vị trí yêu cầu tối thiểu 3 năm kinh nghiệm, nên khó để apply trực tiếp. Tuy nhiên, nếu bạn có internship liên quan data hoặc project cá nhân thể hiện được kỹ năng SQL/Python, có thể thử ứng tuyển. Gợi ý: apply vào các vị trí Data Analyst hoặc Junior Data Engineer trước, tích lũy 2-3 năm kinh nghiệm rồi quay lại VPBank ở level cao hơn.

Mức lương thỏa thuận có nghĩa là gì và nên deal như thế nào?

"Thỏa thuận" = họ sẵn sàng trả theo profile của bạn. Với 3 năm kinh nghiệm, mức hợp lý là 28-35 triệu gross. Tips deal lương: (1) Research market salary trên Glassdoor/LinkedIn, (2) Đưa ra con số cụ thể dựa trên value bạn mang lại, (3) Nếu offer thấp hơn kỳ vọng, đàm phán thêm về signing bonus, KPI, equity nếu có. VPBank thường flexible với ứng viên chất lượng.

Công việc hàng ngày của Data Engineer tại ngân hàng như thế nào?

Typical day có thể bao gồm: buổi sáng check data pipeline health (automation alerts), họp với business team để understand requirements, viết code để build/maintain ETL pipelines, làm việc với data analyst để cung cấp data sets, debug issues khi có alerts. Công việc khá đa dạng giữa coding, meeting và troubleshooting. Thỉnh thoảng phải on-call nếu có system incident.

VPBank có yêu cầu chứng chỉ tiếng Anh không? Giao tiếp tiếng Anh nhiều không?

Thường yêu cầu Toeic 600-700 cho level này. Tuy nhiên, nếu CV và interview thể hiện tốt, có thể waive. Giao tiếc tiếng Anh: trung bình, chủ yếu đọc tài liệu kỹ thuật, email, có thể họp với vendor quốc tế. Không cần perfect English nhưng đọc hiểu tài liệu technical phải OK.

Kỹ năng nào quan trọng nhất để pass interview Data Engineer tại ngân hàng?

SQL + Python là bắt buộc. Trong interview, họ sẽ test rất sâu về SQL (joins, window functions, optimization) và Python (pandas operations). Ngoài ra, cần show được business understanding - hiểu data trong ngân hàng được dùng như thế nào (credit scoring, fraud detection, customer analytics). Kỹ năng giao tiếp cũng quan trọng vì phải làm việc với nhiều stakeholders.

Work-life balance ở VPBank như thế nào? Có OT nhiều không?

So với các ngân hàng nhà nước, VPBank balance tốt hơn. Thông thường working hours 8:30-17:30, có flex. OT phụ thuộc vào project deadline - giai đoạn release tính năng mới có thể bận, nhưng không phải daily basis. Tech team thường có policy khá hiện đại, remote work possible.

Từ Data Engineer có thể chuyển sang Data Science/ML được không?

Hoàn toàn có thể, nhưng cần bổ sung kiến thức. Data Engineer có lợi thế: hiểu sâu về data infrastructure nên deploy ML models dễ hơn. Để chuyển, bạn cần: học statistics/ML fundamentals, thực hành với scikit-learn/TensorFlow, build portfolio với end-to-end ML projects. Roadmap: DE 2-3 năm → ML Engineer (1-2 năm) → Data Scientist (nếu muốn).

Nên chuẩn bị gì để deal với role quản lý đối tác công nghệ được đề cập trong JD?

Đây là kỹ năng quản lý vendor/stakeholder. Chuẩn bị: hiểu về vendor management process (procurement, SLA, escalation), có examples về việc phối hợp với vendor để resolve issues, hiểu về contract negotiation basics. Khi interview, có thể hỏi về current vendor setup tại VPBank để show interest. Quan trọng: demonstrate communication skills và ability to manage expectations.

CVCC Kỹ sư dữ liệu