3 chỉ tiêu Hạn: 2026-07-31

Mô tả công việc

Số lượng: 01 CVCC/Chuyên gia, 02 CVC 1. Phối hợp xây dựng mô hình phân tích rủi ro tín dụng - Đề xuất quy tắc/bộ điều kiện nghiệp vụ và phương án ứng dụng kết quả mô hình vào sản phẩm tín dụng trên cơ sở phối hợp với bộ phận Data Scientist. - Nhận diện, đề xuất biện pháp kiểm soát/giảm thiểu rủi ro khi ứng dụng mô hình trong cấp tín dụng. - Đánh giá, rà soát các vấn đề phát sinh trong quá trình ứng dụng mô hình. - Phối hợp giám sát hiệu suất mô hình, đề xuất bộ phận liên quan nghiên cứu phương án tinh chỉnh mô hình. 2. Quản lý rủi ro tín dụng - Nghiên cứu xây dựng, giám sát triển khai các chính sách quản lý rủi ro đối với các phân khúc KHDN - Thiết lập; theo dõi/giám sát hạn mức rủi ro/ngưỡng kiểm soát rủi ro đối với sản phẩm/lĩnh vực tiềm ẩn rủi ro để có điều chỉnh phù hợp; nhận diện các yếu tố rủi ro phát sinh trong thực tế triển khai và đề xuất biện pháp giảm thiểu rủi ro - Giám sát danh mục cho vay và báo cáo rủi ro - Theo dõi các chỉ số rủi ro chính như tỷ lệ nợ quá hạn, nợ xấu và xu hướng vỡ nợ của phân khúc KHDN/sản phẩm/…, đề xuất các biện pháp quản lý rủi ro phù hợp. - Phân tích hiệu suất danh mục cho vay và cung cấp báo cáo định kỳ về mức độ rủi ro tín dụng. - Xác định các dấu hiệu, xây dựng các công cụ nhận diện sớm các KHDN tiềm ẩn rủi ro. Đưa ra các đề xuất, phối hợp với các đơn vị liên quan để giảm thiểu rủi ro. - Thiết kế xây dựng, quản trị các công cụ, hệ thống giám sát tự động phục vụ công tác quản trị rủi ro (bao gồm không giới hạn hoạt động nhận diện và giám sát rủi ro theo chiều khách hàng) 3. Hỗ trợ tuân thủ và quản lý - Đảm bảo các hoạt động quản lý rủi ro phân khúc KHDN luôn tuân thủ các quy định của NHNN, tiêu chuẩn Basel và chính sách nội bộ. - Hỗ trợ kiểm toán rủi ro và rà soát quy định, đảm bảo tuân thủ đầy đủ các tiêu chuẩn rủi ro ngân hàng. - Đảm bảo các chính sách quản trị rủi ro phân khúc KHDN phù hợp với quy định của Ngân hàng Nhà nước, hướng dẫn Basel và khuôn khổ quản trị rủi ro nội bộ của VietinBank. 4. Các công việc khác theo yêu cầu của Lãnh đạo Phòng

Yêu cầu ứng viên

Bằng cấp: - Tốt nghiệp Đại học hệ đào tạo chính quy loại Khá trở lên, chuyên ngành: Tài chính, Ngân hàng, Kế toán-Kiểm toán, Toán Tài chính/Toán Kinh tế, Khoa học dữ liệu từ các trường: ĐH Kinh tế quốc dân, ĐH Ngoại Thương, Học viện Tài chính, Học viện Ngân hàng, ĐH Kinh tế - Tp.HCM, ĐH Ngân hàng HCM, Đại học Bách Khoa Hà Nội/ Hồ Chí Minh, Đại học Quốc gia Hà Nội/Hồ Chí Minh hoặc các Trường Đại học danh tiếng nước ngoài. - Tiếng Anh giao tiếp cơ bản, có khả năng nghiên cứu tài liệu bằng tiếng Anh. Kinh nghiệm chuyên môn: - Hiểu biết về chính sách tín dụng, quản lý rủi ro cho vay. - Có kiến thức về các quy định của Ngân hàng Nhà nước, khuôn khổ Basel, IFRS9 liên quan đến rủi ro tín dụng. - Tối thiểu 05 năm kinh nghiệm trong hoạt động quản lý rủi ro tín dụng, thẩm định tín dụng trong lĩnh vực ngân hàng hoặc dịch vụ tài chính, phát triển các mô hình phân tích rủi ro tín dụng đối với các phân khúc KHDN tại các TCTD lớn. - Sử dụng thành thạo các công cụ phân tích dữ liệu cơ bản và nâng cao như Excel, SQL, Python,…. - Có khả năng phân tích và diễn giải dữ liệu phục vụ hoạt động quản lý rủi ro. - Tư duy chủ động, sẵn sàng học hỏi và thái độ cầu tiến trong công việc. - Kỹ năng giao tiếp, thuyết trình và làm việc nhóm tốt. Yếu tố ưu tiên (nếu có): Ưu tiên các ứng viên có kinh nghiệm trong lĩnh vực quản lý rủi ro tín dụng/ Phát triển mô hình phân tích rủi ro tín dụng đối với KHDN làm việc tại: - Trụ sở chính các NHTM lớn. - Các công ty kiểm toán: E&Y, Deloitte, KPMG và PwC.

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cần có cho vị trí Chuyên gia Phân tích Rủi ro Tín dụng KHDN - VietinBank ### 1. HARD SKILLS (Kỹ năng chuyên môn cứng) #### A. Kiến thức nghiệp vụ ngân hàng - **Chính sách tín dụng & quản lý rủi ro**: Hiểu sâu quy trình cấp tín dụng KHDN, phân tích tình hình tài chính doanh nghiệp, định giá rủi ro - **Khuôn khổ pháp lý**: - Thông tư/Quyết định NHNN về phân loại nợ, trích lập dự phòng - Basel II/III (Capital Adequacy Ratio, Credit Risk, Operational Risk) - IFRS 9 (Expected Credit Loss - ECL) - **Mô hình phân tích rủi ro**: Hiểu PD (Probability of Default), LGD (Loss Given Default), EAD (Exposure at Default) #### B. Kỹ năng phân tích dữ liệu (BẮT BUỘC) | Công cụ | Mức độ yêu cầu | Ứng dụng cụ thể | |---------|---------------|-----------------| | Excel | Thành thạo nâng cao (Pivot, VBA, Solver) | Phân tích danh mục, báo cáo định kỳ | | SQL | Truy vấn cơ sở dữ liệu | Truy xuất dữ liệu giao dịch, khách hàng | | Python | Phân tích & visualization (Pandas, NumPy, Matplotlib, Scikit-learn) | Xây dựng mô hình scoring, phân tích xu hướng | | Power BI / Tableau | (ưu tiên) | Trực quan hóa dashboard rủi ro | | Scorecard tools | (ưu tiên) | Xây dựng thẻ điểm tín dụng | #### C. Kiến thức chuyên sâu về KHDN - Phân khúc doanh nghiệp vừa và nhỏ (SME), doanh nghiệp lớn - Các sản phẩm: tín dụng ngắn hạn, trung-dài hạn, bảo lãnh, LC - Đặc thù ngành nghề (sản xuất, thương mại, dịch vụ, xuất nhập khẩu) --- ### 2. SOFT SKILLS (Kỹ năng mềm) | Kỹ năng | Mức độ quan trọng | Mô tả chi tiết | |---------|-------------------|----------------| | **Tư duy phân tích** | ⭐⭐⭐⭐⭐ | Phân tích dữ liệu lớn, nhận diện pattern rủi ro | | **Giao tiếp & Thuyết trình** | ⭐⭐⭐⭐ | Trình bày báo cáo với lãnh đạo, đề xuất giải pháp | | **Làm việc nhóm** | ⭐⭐⭐⭐ | Phối hợp với Data Scientist, KHCN, QLRR, Tuân thủ | | **Chủ động & Cầu tiến** | ⭐⭐⭐⭐ | Tự nghiên cứu, đề xuất cải tiến quy trình | | **Quản lý thời gian** | ⭐⭐⭐ | Xử lý nhiều deadline, báo cáo định kỳ | | **Ứng phó áp lực** | ⭐⭐⭐ | Xử lý khi phát hiện rủi ro đột biến | --- ### 3. CHỨNG CHỈ GỢI Ý (Khuyến nghị) #### Bắt buộc nên có: - **FRM (Financial Risk Manager)** - GARP: Chứng chỉ chuẩn quốc tế về quản lý rủi ro tài chính - **CFA (Chartered Financial Analyst)** - Level I/II: Nền tảng phân tích tài chính vững #### Ưu tiên có: - **PRM (Professional Risk Manager)** - PRMIA - **ERP (Executive Programme in Risk Management)** - ĐH Singapore (NUS) - **Chứng chỉ Data Science / Machine Learning** - Coursera, edX - **Chứng chỉ SQL/Python** - Các nền tẩng data science trực tuyến - **ACCA** - Liên quan đến IFRS, financial reporting #### Chứng chỉ nội địa: - Chứng chỉ Nghiệp vụ Ngân hàng (VACB/VNIB) - Chứng chỉ Phân tích đầu tư chứng khoán --- ### 4. BẢNG SO SÁNH CÁC VỊ TRÍ TƯƠNG ĐƯƠNG TRONG HỆ THỐNG NGÂN HÀNG | Tiêu chí | CVC (Chuyên viên chính) | CVCC (Chuyên viên chính chuyên trách) | Quản lý rủi ro cấp cao | |----------|------------------------|---------------------------------------|------------------------| | **Yêu cầu kinh nghiệm** | 3-5 năm | 5-8 năm | 8+ năm | | **Phạm vi công việc** | Phân tích, đánh giá cụ thể | Xây dựng chính sách, giám sát | Định hướng chiến lược rủi ro | | **Mức lương tham khảo (Hà Nội)** | 20-35 triệu/tháng | 35-55 triệu/tháng | 55-80 triệu/tháng | | **Báo cáo** | Trưởng bộ phận | Trưởng phòng/Phó phòng | Giám đốc Khối | | **Quyền hạn** | Đề xuất, phân tích | Phê duyệt chính sách, giám sát | Quyết định chiến lược | --- ### 5. SO SÁNH YÊU CẦU: TUYỂN DỤNG vs THỰC TẾ CÔNG VIỆC | Khía cạnh | Trong JD | Thực tế cần bổ sung | |-----------|----------|----------------------| | Python/SQL | Ghi nhận | Thực tế cần cả R, Spark cho Big Data | | Mô hình scoring | Mô hình có sẵn | Cần hiểu model validation, backtesting | | Basel | Nhắc đến | Cần hiểu ICAAP, Stress testing sâu hơn | | IFRS 9 | Ghi nhận | Cần thực hành staging, ECL calculation | | KHDN | Phân khúc chung | Cần hiểu sâu từng ngành vertical | **Lời khuyên**: Không cần giỏi TẤT CẢ, nhưng phải xuất sắc ở ít nhất 2-3 lĩnh vực và có kiến thức rộng ở các phần còn lại.

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn vị trí Chuyên gia Phân tích Rủi ro Tín dụng KHDN - VietinBank ### 1. QUY TRÌNH PHỎNG VẤN DỰ KIẾN Thông thường VietinBank tuyển dụng vị trí cấp CVC/CVCC trải qua **3-4 vòng**: ``` Vòng 1: Sàng lọc hồ sơ (HR) → Vòng 2: Kiểm tra nghiệp vụ (Phòng QLRR/Phòng KH KHDN) → Vòng 3: Phỏng vấn chuyên sâu với Lãnh đạo phòng/Phó giám đốc → Vòng 4: Xác nhận cuối cùng với Ban lãnh đạo Khối ``` --- ### 2. CÂU HỎI PHỎNG VẤN THEO TỪNG VÒNG #### **Vòng 1: Sàng lọc hồ sơ (HR - 20-30 phút)** **Câu hỏi thường gặp:** 1. *"Giới thiệu ngắn gọn về bản thân và kinh nghiệm làm việc với các mô hình rủi ro tín dụng."* 2. *"Tại sao bạn muốn chuyển từ [công ty hiện tại] sang VietinBank?"* 3. *"Bạn có thể mô tả quy trình phát triển một mô hình chấm điểm tín dụng (credit scoring) mà bạn đã tham gia?"* 4. *"Trong 5 năm kinh nghiệm, bạn đã làm việc với những phân khúc KHDN nào?"* 5. *"Bạn có thể đánh giá mức độ thành thạo Python/SQL của mình từ 1-10?"* **Tips chuẩn bị:** - Chuẩn bị CV chi tiết theo timeline, có con số cụ thể về thành tích - Mang theo portfolio các mô hình/dự án đã làm (nếu có thể) - Nghiên cứu trước về VietinBank: quy mô, thị phần, chiến lược KHDN --- #### **Vòng 2: Kiểm tra nghiệp vụ (30-60 phút)** **Câu hỏi kỹ thuật - Lý thuyết:** 1. *"Phân biệt PD, LGD, EAD trong quản lý rủi ro tín dụng? Cho ví dụ thực tế."* - **Trả lời**: PD = xác suất vỡ nợ, LGD = tổn thất khi vỡ nợ, EAD = dư nợ tại thời điểm vỡ nợ. Ví dụ: cho vay 1 tỷ, PD=2%, LGD=50% → Expected Loss = 1 tỷ × 2% × 50% = 10 triệu 2. *"Basel II yêu cầu gì về vốn tối thiểu cho rủi ro tín dụng?"* - **Trả lời**: CAR = Tier 1 + Tier 2 / RWA ≥ 8%. RWA = Risk Weighted Assets = tài sản có rủi ro × hệ số rủi ro (0%, 20%, 50%, 100%, 150%) 3. *"IFRS 9 khác IAS 39 ở điểm gì về dự phòng tín dụng?"* - **Trả lời**: IAS 39 dùng mô hình "incurred loss" (đã phát sinh tổn thất), IFRS 9 dùng "expected credit loss" (ECL) 3 giai đoạn: Stage 1 (12 tháng), Stage 2 (lifetime ECL), Stage 3 (credit-impaired) 4. *"Các phương pháp đo lường rủi ro tín dụng nào bạn biết?"* - Credit Scoring, Rating Models, VaR tín dụng, Stress Testing, Scenario Analysis, NPL ratio, Coverage ratio 5. *"Thế nào là mô hình ECL theo IFRS 9? Các bước xây dựng?"* - 3 stage model, forward-looking macro assumptions, Probability Weighting **Câu hỏi kỹ thuật - Thực hành:** 6. *"Bạn viết SQL để truy vấn tổng dư nợ của các khách hàng KHDN có NPL > 5% như thế nào?"* - Cần viết được JOIN, GROUP BY, WHERE, HAVING cơ bản 7. *"Mô tả một mô hình scoring KHDN bạn đã xây dựng/triển khai? Input, Output, Validation như thế nào?"* - Cần trình bày được: data preprocessing → feature engineering → model selection → validation (AUC, Gini, KS score) 8. *"Làm thế nào để validate một mô hình tín dụng? Các metrics nào quan trọng?"* - AUC-ROC, Gini, KS statistic, Confusion matrix, PSI (Population Stability Index) 9. *"Khi mô hình cho kết quả NPL tăng đột biến, bạn sẽ làm gì?"* - Kiểm tra data quality → model drift → recalibration → stress test → báo cáo 10. *"Quy trình phân loại nợ theo thông tư NHNN? 5 nhóm nợ?"* - Nhóm 1: Standard, Nhóm 2: Special mention, Nhóm 3: Substandard, Nhóm 4: Doubtful, Nhóm 5: Loss --- #### **Vòng 3: Phỏng vấn với Lãnh đạo Phòng/Ban (45-60 phút)** **Câu hỏi tình huống (Case-based):** 11. *"Một doanh nghiệp KHDN có tốc độ tăng trưởng doanh thu 30%/năm nhưng dòng tiền từ hoạt động kinh doanh âm. Bạn đánh giá rủi ro như thế nào?"* - **Phân tích**: Rủi ro thanh khoản, phụ thuộc vào vốn vay ngắn hạn, cần xem xét cơ cấu nợ, tài sản đảm bảo 12. *"Danh mục cho vay KHDN của một chi nhánh có tỷ lệ nợ xấu tăng từ 2% lên 4.5% trong 6 tháng. Nguyên nhân và giải pháp?"* - **Phân tích**: Cần drill-down theo ngành, theo sản phẩm, theo thời gian → nhận diện cluster rủi ro → đề xuất phân loại, trích lập, thu hồi 13. *"Có nên áp dụng AI/Machine Learning vào mô hình chấm điểm tín dụng KHDN không? Ưu/nhược điểm?"* - **Phân tích**: Ưu: xử lý data lớn, phát hiện pattern phức tạp. Nhược: black box, khó giải thích với regulator, overfitting **Câu hỏi về định hướng:** 14. *"Bạn hiểu gì về cơ cấu tổ chức của VietinBank và Phòng KH & QL KHDN?"* 15. *"5 năm tới, bạn hình dung con đường sự nghiệp của mình ở VietinBank như thế nào?"* 16. *"Điểm mạnh và điểm yếu lớn nhất của bạn trong công việc quản lý rủi ro?"* 17. *"Bạn sẽ làm gì nếu mô hình của bạn mâu thuẫn với quan điểm của bộ phận kinh doanh?"* --- #### **Vòng 4: Xác nhận cuối cùng (30-45 phút)** 18. *"Kỳ vọng lương và các điều khoản của bạn?"* 19. *"Bạn có câu hỏi gì về vị trí này không?"* --- ### 3. TIPS CHUẨN BỊ ĐẶC BIỆT CHO VỊ TRÍ NÀY #### 📚 Kiến thức cập nhật cần ôn kỹ: - **Thông tư 02/2023/TT-NHNN** về phân loại nợ và trích lập dự phòng - **QĐ 86/2019/QH-TTg** về tái cơ cấu credit risk - **Thông tư 22/2023/TT-NHNN** về giám sát an toàn ngân hàng - **Khung Basel III** đang áp dụng tại Việt Nam - **Chiến lược VietinBank 2025**: Định hướng số hóa, quản lý rủi ro #### 💻 Chuẩn bị Demo/Tài liệu mang theo: - Một báo cáo phân tích rủi ro mẫu đã làm (có thể ẩn thông tin NH) - Sơ đồ mô hình scoring đã xây dựng - Dashboard/visualization bằng Excel/Python/Power BI - Slide trình bày một dự án tiêu biểu (5-10 phút) #### 👔 DRESS CODE: - **Business formal**: vest, áo sơ mi trắng, cravat (nam); vest/áo kiểu thanh lịch (nữ) - VietinBank là ngân hàng TMCP Nhà nước → phong cách chuyên nghiệp, bảo thủ - Không nên quá sáng tạo về trang phục #### ⚠️ Lỗi thường gặp cần tránh: - Không biết cách tính Expected Loss bằng PD×LGD×EAD - Nhầm lẫn giữa IFRS 9 và IAS 39 - Không phân biệt được Internal Rating và External Rating - Trả lời chung chung, thiếu ví dụ cụ thể từ kinh nghiệm thực tế - Giao diện/portfolio mẫu làm sẵn nhưng không giải thích được tại sao

Lộ trình ôn thi

## Lộ trình Ôn tập & Chuẩn bị cho vị trí Risk Specialist - VietinBank ### TUẦN 1: NỀN TẢNG VỮNG CHẮC #### Ngày 1-2: Ôn tập Kiến thức Tài chính - Ngân hàng cơ bản **Tài liệu:** - Giáo trình "Nghiệp vụ Ngân hàng Thương mại" - ĐH Kinh tế quốc dân - Giáo trình "Quản trị Rủi ro Ngân hàng" - Học viện Ngân hàng - VietinBank Annual Report 2023 (download từ website) **Trọng tâm:** - [ ] Cấu trúc Bảng cân đối kế toán ngân hàng - [ ] Tài sản có, tài sản nợ trong ngân hàng - [ ] Thu nhập lãi thuần (NIM), hệ số CAR - [ ] Quy trình cho vay KHDN chuẩn #### Ngày 3-4: Chuyên sâu Rủi ro Tín dụng **Tài liệu:** - "Fundamentals of Credit Risk" - books risk.net (miễn phí) - Basel Committee - "Basel III: International Framework for Liquidity Risk Measurement" - NHNN - Thông tư 02/2023/TT-NHNN **Trọng tâm:** - [ ] PD, LGD, EAD - cách tính, dữ liệu cần thiết - [ ] Expected Loss vs Unexpected Loss - [ ] 5 nhóm nợ theo quy định NHNN - [ ] Trích lập dự phòng: General + Specific provision - [ ] Coverage ratio, NPL ratio - ngưỡng an toàn #### Ngày 5-7: IFRS 9 & Mô hình ECL **Tài liệu:** - IASB - IFRS 9 Financial Instruments - Big4 IFRS 9 guides (Deloitte, KPMG - free download) - ESMA Guidelines on ECL **Trọng tâm:** - [ ] 3-stage model: Stage 1 (12 tháng ECL), Stage 2 (lifetime ECL), Stage 3 - [ ] Criteria chuyển stage (SICR - Significant Increase in Credit Risk) - [ ] Forward-looking assumptions & Macro scenarios - [ ] So sánh ECL vs ICL (Incurred Credit Loss) --- ### TUẦN 2: NÂNG CAO & THỰC HÀNH #### Ngày 8-10: Kỹ năng Phân tích Dữ liệu **Tài liệu:** - Kaggle: Credit Risk Modeling datasets - Python for Finance - Yves Hilpisch - "Credit Risk Modeling using Python" - DSPlanet (YouTube free) **Trọng tâm thực hành:** ```python # Thực hành: Xây dựng credit scoring model cơ bản import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import roc_auc_score, classification_report # 1. Data Loading & Cleaning # 2. Feature Engineering (WOE, IV) # 3. Model Training (Logistic Regression, RF) # 4. Validation (AUC, KS, Gini) # 5. Scorecard Development ``` **Bài tập SQL thực hành:** ```sql -- Tính NPL ratio theo ngành nghề SELECT industry, COUNT(*) as total_customers, SUM(CASE WHEN npl_status = 'Y' THEN 1 ELSE 0 END) as npl_count, SUM(CASE WHEN npl_status = 'Y' THEN outstanding ELSE 0 END) as npl_amount, SUM(outstanding) as total_outstanding, ROUND(SUM(CASE WHEN npl_status = 'Y' THEN outstanding ELSE 0 END) * 100.0 / SUM(outstanding), 2) as npl_ratio FROM credit_accounts WHERE segment = 'KHDN' GROUP BY industry HAVING npl_ratio > 3 ORDER BY npl_ratio DESC; ``` #### Ngày 11-12: Mô hình Rủi ro & Stress Testing **Trọng tâm:** - Credit Scoring Model Lifecycle - Model Validation (in-sample vs out-of-sample) - Backtesting & Monitoring - Stress Testing methodology (sensitivity, scenario) **Tài liệu:** - EBA - "Guidelines on Stress Testing" - IMF - "Financial Stability Report Vietnam" #### Ngày 13-14: Ôn tập tổng hợp & Mock Interview **Checklist tự kiểm tra:** - [ ] Giải thích được PD × LGD × EAD = EL bằng ví dụ số - [ ] Phân biệt được IFRS 9 vs IAS 39 - [ ] Trình bày được 5 nhóm nợ NHNN - [ ] Code được logistic regression cho credit scoring - [ ] Viết được SQL truy vấn dữ liệu tín dụng - [ ] Mô tả được Basel framework - [ ] Giải thích được cơ chế hoạt động của 1 mô hình ECL --- ### TÀI LIỆU THAM KHẢO MỞ RỘNG | STT | Tài liệu | Nguồn | Mức độ quan trọng | |-----|---------|-------|-------------------| | 1 | VietinBank Annual Report 2023 | vietinbank.vn | ⭐⭐⭐⭐⭐ | | 2 | Thông tư 02/2023/TT-NHNN | nhnn.gov.vn | ⭐⭐⭐⭐⭐ | | 3 | Basel III Finalising post-crisis reforms | bis.org | ⭐⭐⭐⭐ | | 4 | IFRS 9 - Financial Instruments | iasplus.com | ⭐⭐⭐⭐ | | 5 | EBA Guidelines on Credit Risk Management | eba.europa.eu | ⭐⭐⭐⭐ | | 6 | "An Introduction to Credit Risk Management" - B. Engelmann | Springer | ⭐⭐⭐ | | 7 | FRM Part I Study Material | garp.org | ⭐⭐⭐⭐ | | 8 | Khan Academy - Banking and Money (free) | khanacademy.org | ⭐⭐⭐ | --- ### LỘ TRÌNH HỌC NGẮN HẠN (7 ngày cấp tốc) ``` Ngày 1-2: Nghiệp vụ NH + Rủi ro tín dụng cơ bản Ngày 3-4: IFRS 9 + Basel Framework Ngày 5: SQL + Python cơ bản Ngày 6: Ôn tập + giải đề câu hỏi phỏng vấn Ngày 7: Mock interview + chuẩn bị tinh thần ```

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho vị trí Chuyên gia Phân tích Rủi ro Tín dụng KHDN ### 1. VỊ TRÍ NÀY PHÙ HỢP VỚI AI? **Đối tượng lý tưởng:** - Người có **5+ năm kinh nghiệm** trong team Credit Risk/Thẩm định tại ngân hàng hoặc Big4 audit (Financial Services) - Người đam mê **giao điểm giữa Data Science & Tài chính** - Người muốn chuyển từ Thẩm định tín dụng sang Quản lý rủi ro ở góc độ portfolio/chiến lược **Nên ứng tuyển nếu:** ✅ Muốn làm việc ở cấp độ chính sách, không chỉ thẩm định từng deal ✅ Thích phân tích dữ liệu, xây dựng mô hình ✅ Muốn gắn bó lâu dài với hệ thống ngân hàng Nhà nước (VietinBank) **Không nên ứng tuyển nếu:** ❌ Muốn mức lương cao hơn đáng kể (Big Tech, Fintech trả 1.5-2x) ❌ Không thích làm việc với regulator, compliance ❌ Muốn nhanh chóng thăng tiến lên quản lý (vị trí này chuyên gia, cần thời gian) --- ### 2. LỘ TRÌNH THĂNG TIẾN ``` CVC (Chuyên viên chính) ↓ (3-5 năm) CVCC (Chuyên viên chính chuyên trách) ↓ (3-5 năm) Trưởng phòng QLRR KHDN ↓ (3-5 năm) Phó Giám đốc Khối QLRR / Giám đốc Trung tâm Rủi ro ↓ (5+ năm) Phó Tổng Giám đốc phụ trách Rủi ro / Chief Risk Officer (CRO) ``` **Con đường thay thế (chuyên gia):** ``` Risk Specialist → Credit Risk Model Expert → Head of Model Risk → Chief Model Validator → Advisor/Consultant ``` **Con đường chuyển sang Big4/Consulting:** ``` CVC/CVCC → Senior Consultant (Risk Advisory) tại Big4 → Manager → Senior Manager → Director ``` --- ### 3. MỨC LƯƠNG KỲ VỌNG THEO CẤP BẬC (Tham khảo - Hà Nội) | Cấp bậc | Kinh nghiệm | Mức lương tháng | Tổng thu nhập/năm | |---------|------------|----------------|------------------| | CVC (fresh senior) | 3-5 năm | 20-35 triệu | 350-500 triệu | | CVC (có portfolio mạnh) | 5-7 năm | 30-45 triệu | 450-650 triệu | | CVCC | 5-8 năm | 40-60 triệu | 600-850 triệu | | Trưởng phòng | 8-12 năm | 60-90 triệu | 900 triệu - 1.3 tỷ | | Phó GĐ Khối | 12+ năm | 100-150 triệu | 1.5-2.5 tỷ | **Lưu ý:** VietinBank là NHTM Nhà nước nên lương cơ bản + phụ cấp + thưởng KPI. Mức lương có thể **thấp hơn 20-30%** so với vị trí tương đương tại các ngân hàng TMCP tư nhân lớn (VPBank, Techcombank), nhưng bù lại bằng: - Độ ổn định cao, ít rủi ro bị sa thải - Phúc lợi Nhà nước (BHXH, BHYT cao) - Thương hiệu uy tín - Cơ hội học tập với regulator --- ### 4. KỸ NĂNG CẦN PHÁT TRIỂN THÊM #### Ngắn hạn (0-12 tháng): 1. **Nâng cao Python/SQL**: Từ "biết" lên "thành thạo" 2. **Hiểu sâu Basel framework**: Đặc biệt Internal Ratings-Based (IRB) approach 3. **IFRS 9 thực hành**: Làm ít nhất 1 bài case ECL calculation 4. **Dashboard visualization**: Power BI để trình bày với lãnh đạo #### Trung hạn (1-3 năm): 1. **Machine Learning cho Credit Risk**: Random Forest, XGBoost, Neural Networks 2. **Model Risk Management**: Validation, governance, documentation 3. **Regulatory Reporting**: Hiểu báo cáo rủi ro theo NHNN 4. **Presentation skill**: Trình bày với Board, regulator #### Dài hạn (3-5 năm): 1. **FRM/CFA**: Lấy chứng chỉ quốc tế 2. **Leadership**: Quản lý team, mentoring junior 3. **Strategic thinking**: Định hướng chính sách rủi ro cấp ngân hàng 4. **Network**: Xây dựng quan hệ trong ngành (ARIC, VBA) --- ### 5. SO SÁNH: VIETINBANK vs CÁC LỰA CHỌN THAY THẾ | Tiêu chí | VietinBank | VPBank | Techcombank | Big4 Risk Advisory | |---------|-----------|--------|-------------|-------------------| | **Lương** | 6/10 | 8/10 | 9/10 | 7/10 | | **Ổn định** | 10/10 | 6/10 | 6/10 | 7/10 | | **Học hỏi** | 7/10 | 8/10 | 8/10 | 8/10 | | **Thăng tiến** | 6/10 | 7/10 | 8/10 | 7/10 | | **Work-life balance** | 7/10 | 5/10 | 6/10 | 5/10 | | **Thương hiệu** | 9/10 | 7/10 | 8/10 | 8/10 | | **Phù hợp cho** | Người thích ổn định, gắn bó lâu dài | Người muốn thu nhập cao, chấp nhận áp lực | Tương tự VPBank | Người muốn đa dạng trải nghiệm | --- ### 6. LỜI KHUYÊN THỰC TẾ TỪ NGƯỜI TRONG NGHỀ > **"Vị trí này không dành cho người muốn 'làm cho xong'. Bạn cần thực sự đam mê phân tích dữ liệu và có tầm nhìn về rủi ro toàn diện. Đổi lại, bạn sẽ là người hiểu rõ sức khỏe thực sự của danh mục tín dụng ngân hàng."** > **"Đừng chỉ học lý thuyết. Hãy tự build 1 mô hình scoring nhỏ bằng Python, dù là giả lập, rồi mang đi phỏng vấn. Ứng viên nào có demo sẽ gây ấn tượng mạnh hơn rất nhiều."** > **"Làm ở VietinBank 3 năm rồi chuyển sang Big4 hoặc Fintech, lương nhảy 30-50% là bình thường. Nhưng ngược lại, vào VietinBank từ Big4 cũng được đánh giá cao."**

Câu hỏi thường gặp

Em mới tốt nghiệp thạc sĩ Tài chính, chưa có kinh nghiệm làm ngân hàng. Có nên ứng tuyển vị trí này không?

Vị trí này yêu cầu TỐI THIỂU 5 năm kinh nghiệm trong quản lý rủi ro tín dụng/thẩm định tại TCTD. Với hồ sơ mới tốt nghiệp, khả năng qua vòng sàng lọc hồ sơ là rất thấp. Thay vào đó, bạn nên ứng tuyển vị trí CVC (3-5 năm kinh nghiệm) ở các ngân hàng nhỏ hơn hoặc vị trí chuyên viên tại Big4 (EY, KPMG - Risk Advisory) trước. Sau 3-4 năm tích lũy kinh nghiệm thực tế, bạn sẽ hợp lý hơn cho vị trí này. Đặc biệt, hãy tập trung build portfolio về mô hình credit scoring bằng Python để tạo lợi thế cạnh tranh khi đủ kinh nghiệm.

Em đang làm Thẩm định tín dụng KHCN (khách hàng cá nhân) được 4 năm, có cơ hội chuyển sang vị trí này không?

Cơ hội có nhưng cần bổ sung kiến thức. Bạn thiếu khoảng 1 năm so với yêu cầu 5 năm, nhưng điểm mạnh là đã có nền tảng tín dụng. Thách thức lớn hơn là KHDN (doanh nghiệp) khác hoàn toàn KHDN (cá nhân) về: phân tích báo cáo tài chính, cơ cấu tài chính phức tạp, mô hình kinh doanh đa dạng. Để tăng cơ hội, bạn nên: (1) Tự học IFRS, Basel, mô hình PD/LGD/EAD; (2) Build một credit scoring model nhỏ bằng Python; (3) Xin chuyển sang team thẩm định KHDN ở công ty hiện tại trước 1-2 năm; (4) Khi ứng tuyển, nhấn mạnh kỹ năng phân tích và khả năng học nhanh.

Mức lương thực nhận của vị trí này khoảng bao nhiêu? Đàm phán như thế nào?

VietinBank ghi 'Thỏa thuận' nên có room đàm phán. Với 5-7 năm kinh nghiệm, mức tham khảo là 30-50 triệu/tháng (gross). Đàm phán hiệu quả: (1) Nghiên cứu mức lương market trên Glassdoor, Robert Walters, Michael Page; (2) Đưa ra con số cụ thể dựa trên mức lương cũ + 20-30% premium; (3) Nêu rõ giá trị: kinh nghiệm mô hình scoring, hiểu Basel/IFRS 9, portfolio đã quản lý; (4) Nếu có offer khác, cân nhắc dùng làm leverage. Lưu ý: VietinBank là NHTM Nhà nước nên quy trình phê duyệt lương có thể mất thời gian, đàm phán thực chất nằm ở vòng cuối với HR.

Kỹ năng Python cần ở mức nào? Em chỉ biết Excel VBA?

Yêu cầu ghi 'thành thạo các công cụ phân tích cơ bản và nâng cao như Excel, SQL, Python' - đây là yêu cầu khá cao. Với chỉ biết Excel VBA, bạn cần học thêm ngay: (1) SQL - cơ bản nhưng phải viết được truy vấn phức tạp (JOIN, subquery, window functions); (2) Python - mức độ: Pandas (xử lý data), NumPy (tính toán), Matplotlib/Seaborn (visualization), Scikit-learn (build basic logistic regression model). Không cần deep learning hay AI phức tạp, nhưng cần demonstrate được khả năng đọc code, chạy được script, interpret kết quả. Gợi ý: hoàn thành 1-2 mini project trên Kaggle về credit risk, mang theo laptop demo khi phỏng vấn.

Công việc hàng ngày của vị trí này như thế nào? Có phải làm cuối tuần không?

Với 3 người cho cả phòng (1 CVCC + 2 CVC), khối lượng không nhỏ. Công việc hàng ngày gồm: buổi sáng check báo cáo NPL, early warning signals → chiều phân tích data, xây dựng báo cáo → đầu tuần họp với bộ phận KHCN/Data Scientist. Tháng cuối quý sẽ bận hơn (báo cáo quý, stress test). Về giờ làm: thông thường 8:00-17:30, có thể OT 1-2 tiếng vào các đợt báo cáo. Làm cuối tuần hiếm khi xảy ra, trừ khi có dự án đặc biệt hoặc regulator yêu cầu khẩn. Work-life balance ở VietinBank thuộc hàng tốt so với ngân hàng tư nhân.

Ưu tiên ứng viên làm ở Big4 (EY, Deloitte, KPMG, PwC) là đúng không? Em đang ở Big4, có lợi thế gì?

Đúng, JD ghi rõ ưu tiên. Big4 experience là một lợi thế đáng kể vì: (1) Tiếp xúc đa dạng khách hàng ngân hàng; (2) Hiểu sâu IFRS, Basel từ góc độ audit/advisory; (3) Kỷ luật về documentation, methodology chuẩn quốc tế; (4) Được đào tạo bài bản về risk framework. Lợi thế của bạn: hiểu methodology của nhiều ngân hàng khác nhau, biết benchmark industry standard. Điểm cần bổ sung: kinh nghiệm thực tế vận hành mô hình scoring tại ngân hàng, hiểu NHNN regulations sâu hơn (Big4 thường tư vấn, không trực tiếp quản lý NPL). Khi phỏng vấn, hãy nhấn mạnh các dự án đã làm với ngân hàng cụ thể.

Tương lai của nghề Risk Specialist trong ngân hàng như thế nào khi AI phát triển?

Câu hỏi rất hay và thực tế. Thực tế: AI sẽ thay thế phần lớn công việc tính toán, truy vấn data, thậm chí model building cơ bản trong 5-10 năm tới. Tuy nhiên, điều AI KHÔNG thay thế được: (1) Interpret kết quả mô hình trong bối cảnh kinh tế vĩ mô; (2) Đối thoại với regulator - cần human judgment; (3) Thiết kế risk appetite và risk governance framework; (4) Xử lý tình huống edge cases, black swan events; (5) Quản lý model risk - AI không thể validate chính nó. Lời khuyên: học thêm về AI/ML để làm chủ công cụ, nhưng tập trung phát triển strategic thinking và regulatory expertise - đây mới là tài sản không thể thay thế.

Nên chuẩn bị gì cho vòng phỏng vấn về kỹ năng phân tích dữ liệu?

Chuẩn bị theo 3 cấp độ: (1) Excel: pivot table, VLOOKUP/XLOOKUP, SUMIFS, conditional formatting, basic VBA - có thể bị hỏi làm bài test 30 phút; (2) SQL: viết được truy vấn từ 2-3 bảng, GROUP BY, HAVING, subquery - phỏng vấn có thể cho bảng giả lập và hỏi trực tiếp; (3) Python: hiểu Pandas DataFrame, có thể đọc code và interpret kết quả. Gợi ý cụ thể: (1) Mang laptop đã cài Python, demo 1 notebook về credit risk - gây ấn tượng mạnh; (2) Chuẩn bị 1 dashboard Excel về phân tích NPL theo ngành; (3) Ôn lại các khái niệm: Gini coefficient, AUC-ROC, KS statistic, PSI - đây là các metric phổ biến nhất khi đánh giá mô hình.

CVC/CVCC/Chuyên gia Phân tích tín dụng/Rủi ro tín dụng KHDN (Risk Specialist)