Cấp chuyên viên Thỏa thuận 1 chỉ tiêu

Mô tả công việc

- Có kinh nghiệm Data Warehouse, BI, Data Lake, Big Data - Thành thạo về SQL và có kinh nghiệm làm việc với một RDBMS - Hiểu biết về chuẩn thiết kế Data Warehouse - Có kiến thức về ETL dữ liệu (Data Pineline) - Có kinh nghiệm với ít nhất một công cụ ETL (ODI, SSIS, Kafka, Pentaho…) - Có kinh nghiệm lập trình web hay API - Có kinh nghiệm làm việc với 1 trong các nền tảng Cloud (AWS, Azure, GCP) là 1 lợi thế - Có kinh nghiệm làm việc với linux, oracle là một lợi thế - Am hiểu về nghiệp vụ tài chính ngân hàng Quyền lợi - Cơ hội thăng tiến cùng chương trình Nextgen VietABank. - Mức lương theo năng lực, thưởng định kỳ các dịp lễ. - Lộ trình phát triển sự nghiệp rõ ràng, lâu dài. - Đặc biệt có VietABank Care dành cho Cán bộ nhân viên - Được nghỉ phép có lương vào ngày sinh nhật. - Môi trường làm việc năng động có nhiều hoạt động, chương trình.

Yêu cầu ứng viên

Phân tích kỹ năng cần có

## Phân tích kỹ năng yêu cầu cho vị trí Data Warehouse System Analyst tại VietABank ### 1. Hard Skills bắt buộc (theo mức độ quan trọng) | STT | Kỹ năng | Mức độ yêu cầu | Ghi chú | |-----|---------|----------------|---------| | 1 | SQL & RDBMS | BẮT BUỘC - Thành thạo | Đây là kỹ năng nền tảng, hầu như mọi vòng phỏng vấn đều hỏi | | 2 | Data Warehouse (Kim quang, 3NF, Star/Snowflake schema) | BẮT BUỘC | Hiểu rõ dimension, fact table, slowly changing dimensions | | 3 | ETL / Data Pipeline | BẮT BUỘC | Thiết kế và xây dựng luồng dữ liệu từ nhiều nguồn | | 4 | Công cụ ETL (ODI/SSIS/Kafka/Pentaho) | BẮT BUỘC | Cần có kinh nghiệm thực tế với ít nhất 1 công cụ | | 5 | Lập trình Web/API | BẮT BUỘC | Để tạo dashboard, báo cáo, tích hợp hệ thống | | 6 | BI Tools | BẮT BUỘC | Tableau, Power BI, Looker hoặc tương đương | | 7 | Linux | LỢI THẾ | Thường dùng trong môi trường production | | 8 | Oracle Database | LỢI THẾ | Nhiều ngân hàng Việt Nam dùng Oracle | | 9 | Cloud (AWS/Azure/GCP) | LỢI THẾ | Xu hướng chuyển đổi số ngân hàng | ### 2. Soft Skills cần thiết - **Khả năng phân tích nghiệp vụ**: Vì yêu cầu "am hiểu nghiệp vụ tài chính ngân hàng", bạn cần nắm được quy trình core banking (huy động, tín dụng, thanh toán, thẻ...) - **Kỹ năng giao tiếp**: Phối hợp với business units để hiểu yêu cầu báo cáo - **Quản lý thời gian**: Xử lý nhiều project cùng lúc - **Tư duy hệ thống**: Thiết kế data model tổng thể, đảm bảo data consistency ### 3. Chứng chỉ gợi ý (nên có, tăng sức cạnh tranh) ``` Ưu tiên cao: ├── AWS Certified Data Analytics - Specialty ├── Google Professional Data Engineer ├── Microsoft Azure Data Engineer Associate └── Oracle Database Certification (OCA/OCP) Ưu tiên trung bình: ├── CDMP (Certified Data Management Professional) ├── dbt Analytics Engineering Certification └── Databricks Lakehouse Fundamentals ``` ### 4. So sánh mức lương tham khảo (Hà Nội, 2024-2025) | Cấp bậc | Kinh nghiệm | Mức lương tháng (VNĐ) | |---------|-------------|----------------------| | CV (Chuyên viên) | 1-3 năm | 15 - 25 triệu | | CVC (Chuyên viên chính) | 3-5 năm | 22 - 35 triệu | | CVCC (Chuyên viên cao cấp) | 5+ năm | 30 - 50 triệu | *Lưu ý: VietABank có chương trình Nextgen, lộ trình thăng tiến rõ ràng nên mức lương có thể thương lượng cao hơn với ứng viên giỏi.* ### 5. Bức tranh tổng quan - Data Analyst/Engineer trong ngành ngân hàng ``` NGUỒN DỮ LIỆU XỬ LÝ TRẢ VỀ ───────────────── ────────────── ─────────────── Core Banking ──┐ ├──► ETL (Odi/SSIS) ──► Data Warehouse ──┐ Internet Banking ┤ │ (Kim quang) │ │ ▼ ├──► BI Dashboard Mobile App ────┤ Data Lake │ (Báo cáo quản trị) │ (Big Data/AWS) │ ATM/POS ───────┘ │ ┘ ┌──────▼──────┐ │ Data Mart │ │ (Theo Bộ phận)│ └─────────────┘ → Bạn sẽ là người xây dựng toàn bộ hệ thống này → Đặc biệt: Ngân hàng rất chú trọng DATA QUALITY & COMPLIANCE ```

Chuẩn bị phỏng vấn

## Hướng dẫn phỏng vấn vị trí Data Warehouse Analyst tại VietABank ### 1. Quy trình phỏng vấn dự kiến ``` Vòng 1: Sàng lọc hồ sơ + Đánh giá kỹ thuật (gửi bài test) ↓ Thường là bài SQL thực hành + lý thuyết Data Warehouse Vòng 2: Phỏng vấn chuyên môn với Trưởng phòng IT/Data ↓ Kiểm tra sâu về kinh nghiệm thực tế Vòng 3: Phỏng vấn với HR + Phó TGĐ/ Giám đốc Khối ↓ Đánh giá phong cách, định hướng phát triển Vòng 4: Xác nhận lương & quyết định tuyển dụng ``` ### 2. Câu hỏi hay gặp theo từng vòng #### Vòng 1 - Test kỹ thuật (SQL + DW) ```sql -- Ví dụ bài SQL thường gặp: -- Tính tổng dư nợ theo từng chi nhánh trong tháng gần nhất SELECT branch_code, SUM(outstanding_balance) AS total_outstanding FROM fact_loanledger WHERE TRUNC(extract_date, 'MM') = TRUNC(ADD_MONTHS(SYSDATE,-1), 'MM') GROUP BY branch_code; -- Tạo dimension table cho sản phẩm tín dụng (Star Schema) CREATE TABLE dim_product ( product_key INT PRIMARY KEY, product_id VARCHAR(20), product_name VARCHAR(100), product_type VARCHAR(50), -- 'Cá nhân' / 'Doanh nghiệp' interest_rate_min NUMBER(5,2), interest_rate_max NUMBER(5,2), is_active VARCHAR(1) ); ``` **Câu hỏi lý thuyết hay gặp:** - Sự khác nhau giữa Kim lập phương (Snowflake) và Sao (Star) schema? - Slowly Changing Dimension (SCD) Type 1, 2, 3 khác nhau thế nào? - Data Lake vs Data Warehouse: Khi nào dùng cái nào? - Các loại fact table: Transaction, Periodic Snapshot, Accumulating Snapshot? #### Vòng 2 - Phỏng vấn chuyên môn **Câu hỏi bắt buộc phải trả lời được:** 1. **"Bạn đã xây dựng data warehouse cho hệ thống nào? Mô tả kiến trúc"** → Trả lời theo framework: Nguồn dữ liệu → ETL → Staging → Data Warehouse → Data Mart → BI → Kể cụ thể công cụ đã dùng, حجم dữ liệu, số lượng table 2. **"Làm sao đảm bảo data quality trong pipeline?"** → Data profiling, validation rules, null check, duplicate check → Error handling, retry mechanism, alerting 3. **"Khi ETL chạy chậm, bạn sẽ debug thế nào?"** → Check log, identify bottleneck (extract/transform/load) → Partition, indexing, incremental load, parallel execution 4. **"Mô tả kinh nghiệm với Oracle/Linux"** → Backup/Restore, RAC, Partitioning, PL/SQL procedures → Shell scripting, crontab, monitoring 5. **"Bạn hiểu gì về nghiệp vụ tín dụng ngân hàng?"** → Quy trình cho vay: Thẩm định → Cấp tín dụng → Giải ngân → Theo dõi → Các sản phẩm: tín dụng cá nhân, tín dụng doanh nghiệp, Bảo lãnh **Câu hỏi tình huống:** - "Nếu báo cáo tổng hợp sai số liệu, bạn sẽ kiểm tra từ đâu?" - "Làm sao để xử lý khi 2 nguồn dữ liệu cho ra kết quả khác nhau?" #### Vòng 3 - Phỏng vấn HR/Giám đốc - "Tại sao bạn chọn VietABank?" - "Bạn biết gì về chương trình Nextgen của VietABank?" - "Mức lương kỳ vọng của bạn là bao nhiêu?" - "Bạn định hướng phát triển 3-5 năm tới như thế nào?" - "Bạn có câu hỏi gì cho chúng tôi không?" → ĐÂY LÀ CƠ HỘI ĐỂ TỎ TÀI! ### 3. Tips chuẩn bị cụ thể ``` ✅ NÊN LÀM: - Ôn kỹ SQL: JOIN nhiều bảng, window function (LAG, LEAD, RANK) - Chuẩn bị portfolio project về data warehouse đã làm - Tìm hiểu VietABank: quy mô, sản phẩm, công nghệ đang dùng - Chuẩn bị câu hỏi thông minh cho vòng cuối - Đọc về xu hướng AI/ML trong ngân hàng (chatbot, fraud detection) ❌ KHÔNG NÊN: - Nói quá về những thứ bạn không chắc (cloud, kafka...) - Tỏ ra chỉ muốn làm kỹ thuật thuần, không quan tâm nghiệp vụ - Nói xấu công ty cũ dù chỉ là gián tiếp - Đến trễ hoặc mặc đồ không chỉnh tề ``` ### 4. Dress code & Lưu ý thực tế - **Trang phục**: Form (áo sơ mi + quần âu) — ngân hàng cần gọn gàng - **Địa điểm**: TSC Hà Đông — cần mang CCCD, bằng gốc - **Thời gian**: Thường phỏng vấn vào giờ hành chính (8h-17h), hạn chế cuối tuần - **Lưu ý**: Chuẩn bị sẵn các bản mềm: CV, bằng cấp, chứng chỉ, xác nhận kinh nghiệm

Lộ trình ôn thi

## Lộ trình ôn thi & chuẩn bị cho vị trí Data Warehouse Analyst ### Giai đoạn 1: Củng cố nền tảng SQL (Tuần 1) **Tài liệu bắt buộc:** - Sách: "SQL for Data Scientists" (Richie, 2022) - Thực hành: LeetCode (phần SQL) — ít nhất 30 bài trung bình - Database: Oracle XE (miễn phí) để practice ```sql -- Chủ đề SQL cần thành thạo: -- 1. JOIN (INNER, LEFT, RIGHT, FULL OUTER) SELECT c.customer_name, SUM(t.trans_amount) AS total_transaction FROM dim_customer c LEFT JOIN fact_transactions t ON c.customer_key = t.customer_key WHERE t.trans_date >= '2024-01-01' GROUP BY c.customer_name HAVING SUM(t.trans_amount) > 100000000; -- 2. Window Functions (RANK, LAG, LEAD, SUM OVER) SELECT branch_id, trans_month, SUM(amount) AS monthly_amount, LAG(SUM(amount)) OVER (PARTITION BY branch_id ORDER BY trans_month) AS prev_month, RANK() OVER (PARTITION BY trans_month ORDER BY SUM(amount) DESC) AS branch_rank FROM fact_transactions GROUP BY branch_id, trans_month; -- 3. Subquery & CTE WITH monthly_summary AS ( SELECT product_type, EXTRACT(YEAR FROM trans_date) AS year, SUM(amount) AS total_amount FROM fact_loan GROUP BY product_type, EXTRACT(YEAR FROM trans_date) ) SELECT * FROM monthly_summary WHERE total_amount > (SELECT AVG(total_amount) FROM monthly_summary); ``` **Bài tập thực hành:** - Tạo 3 dimension tables và 1 fact table theo Star Schema cho nghiệp vụ ngân hàng - Viết 10 câu query phân tích từ đơn giản đến phức tạp ### Giai đoạn 2: Data Warehouse & ETL (Tuần 2) **Lý thuyết cốt lõi cần nắm vững:** ``` 📚 THEO DÕI: Data Warehouse Guidebook (Bill Inmon, 2022) 1. KIM QUANG TRUYỀN THỐNG (Ralph Kimball) - Data Warehouse = sự kết hợp của các Data Mart - Kim chính = chuẩn hóa (3NF) → phức tạp, ít redundancy - Sao = giải chuẩn hóa (denormalized) → đơn giản, nhanh truy vấn 2. Kiến trúc 3 lớp: ├─ Staging Layer (RAW data) ├─ Integration Layer (Enterprise Data Warehouse) └─ Presentation Layer (Data Marts) 3. Các loại Dimension: - Conformed Dimension (dùng chung cho nhiều fact) - Junk Dimension (ghép nhiều flag nhỏ) - Degenerate Dimension (mã giao dịch, không có dim riêng) - Role-Playing Dimension (1 dim, nhiều vai trò: date) 4. SCD (Slowly Changing Dimensions): - Type 1: Ghi đè (không lưu lịch sử) - Type 2: Thêm dòng mới (lưu toàn bộ lịch sử) ← PHỔ BIẾN NHẤT - Type 3: Thêm cột mới (lưu 2 giá trị) 5. ETL Process: Extract → Validate → Cleanse → Transform → Load ↓ Error Tables Alert Logs Data Lineage ``` **Thực hành với công cụ ETL (chọn 1 trong số):** | Công cụ | Nền tảng | Độ khó | Ghi chú | |---------|---------|--------|---------| | **Apache Airflow** | Open source | Trung bình | Phổ biến nhất hiện nay, dùng Python | | **SSIS** | Windows/SQL Server | Dễ | Phù hợp nếu dùng Microsoft stack | | **Pentaho** | Open source | Trung bình | Có GUI kéo thả, dễ bắt đầu | | **Kafka** | Open source | Khó | Xử lý real-time streaming data | | **Oracle ODI** | Oracle | Trung bình | Oracle hay dùng cho hệ thống ngân hàng | ### Giai đoạn 3: Nghiệp vụ ngân hàng + Cloud (Tuần 3) **Nghiệp vụ ngân hàng cần hiểu:** ``` 🏦 CORE BANKING DOMAIN KNOWLEDGE 1. Sản phẩm huy động: - Tiền gửi tiết kiệm (Kỳ hạn 1T, 3T, 6T, 12T...) - Tiền gửi thanh toán (TGTK) → Báo cáo: Bảng cân đối tiền gửi, biến động dư 2. Sản phẩm tín dụng: - Tín dụng cá nhân (vay mua nhà, xe, tiêu dùng) - Tín dụng doanh nghiệp (vay vốn lưu động, đầu tư) - Thấu chi tài khoản → Báo cáo: Dư nợ theo hạn mức, Nợ xấu (NPL), Tỷ lệ nợ xấu 3. Thanh toán: - Chuyển khoản (trong hệ thống, liên ngân hàng) - Thanh toán hóa đơn, nạp tiền điện thoại → Báo cáo: Số lượng GD, doanh số thanh toán 4. Thẻ: - Thẻ ghi nợ (ATM) - Thẻ tín dụng (Credit) → Báo cáo: Số lượng thẻ, doanh số chi tiêu, thu phí 5. Chỉ số quan trọng: - CASA (Current Account Savings Account) ratio - NPL (Non-Performing Loan) ratio - ROE, ROA, CAR (Capital Adequacy Ratio) ``` **Cloud basics (nếu cần):** - AWS: S3 (storage), Redshift (DW), Glue (ETL), Lambda (serverless) - Azure: Data Lake, Synapse Analytics, Data Factory - GCP: BigQuery, Cloud Storage, Dataflow ### Tài liệu tham khảo tổng hợp ``` 📖 Sách: 1. "The Data Warehouse Toolkit" - Ralph Kimball (Bible của DW) 2. "Building the Data Warehouse" - Bill Inmon 3. "Fundamentals of Data Engineering" - Joe Reis 🌐 Website: 1. mode.com/sql-tutorial (học SQL miễn phí) 2. databricks.com/blog (blog chuyên sâu về data) 3. towardsdatascience.com (bài viết thực tế) 🎥 Video/YouTube: 1. "Data Engineering Course" - YouTube (Alexey Grigorev) 2. "Data Warehouse concepts" - Guru99 ```

Tư vấn nghề nghiệp

## Lời khuyên sự nghiệp cho Data Warehouse Analyst tại VietBank ### 1. Lộ trình thăng tiến điển hình ``` Khởi đầu (1-3 năm) ─────────────────────────────────────────────────────────── CV Chuyên viên (15-25 triệu) ↓ Thăng tiến qua đánh giá năng lựi hàng năm └→ Tham gia dự án DW mới, tích lũy kinh nghiệm multi-domain CVC Chuyên viên chính (22-35 triệu) ⭐ ↓ 3-5 năm kinh nghiệm └→ Dẫn dắt 1 team nhỏ, quản lý data mart riêng └→ Mentor CV mới CVCC Chuyên viên cao cấp (30-50 triệu) ⭐ ↓ 5-8 năm └→ Kiến trúc sư DW toàn hệ thống └→ Định hướng roadmap công nghệ dữ liệu Quản lý (8+ năm) ─────────────────────────────────────────────────────────── Trưởng phòng Quản lý Dữ liệu (Data Manager) └→ Quản lý team 5-15 người └→ Phối hợp với business để xây dựng chiến lược dữ liệu Giám đốc Chuyển đổi số / CDO (Chief Data Officer) └→ Cấp cao, chiến lược toàn ngân hàng └→ Mức lương 60-120 triệu+ ``` ### 2. VietBank - Đánh giá thực tế **Ưu điểm:** - 🟢 Ngân hàng truyền thống, ổn định, ít rủi ro bị shake-up - 🟢 Chương trình Nextgen = cơ hội thăng tiến rõ ràng - 🟢 Phúc lợi tốt: thưởng lễ, VietABank Care, nghỉ sinh nhật - 🟢 Môi trường Hà Đông: không quá đông đúc như trung tâm **Thách thức:** - 🔴 Hệ thống công nghệ có thể chưa hiện đại bằng VPBank, Techcombank - 🔴 Mức lương thường thấp hơn 10-20% so với ngân hàng TMCP nước ngoài - 🔴 Tốc độ chuyển đổi số chậm hơn startup fintech ### 3. Kỹ năng cần phát triển thêm (để tăng giá trị bản thân) ``` Năm 1-2: CHUYÊN SÂU KỸ THUẬT ├─ Thành thạo Python (pandas, pyspark) cho data processing ├─ Git version control, CI/CD pipeline ├─ Data modeling nâng cao (Data Vault 2.0) └─ Chứng chỉ cloud (AWS Data Analytics) Năm 3-4: MỞ RỘNG TẦM NHÌN ├─ Hiểu Business Intelligence end-to-end ├─ Cơ bản về Machine Learning (để xây dựng predictive models) ├─ Data Governance, Data Quality framework └─ Trình độ Anh văn: đọc tài liệu kỹ thuật thành thạo Năm 5+: CHIẾN LƯỢC ├─ Data Strategy & Architecture ├─ Quản lý dự án, Agile/Scrum methodology ├─ Data Governance & Compliance (Bộ TT&TT, GDPR-likeness) └─ Executive communication skills ``` ### 4. Khi nào nên nhảy việc, khi nào nên ở lại? ``` NÊN Ở LẠI VietABank nếu: ✓ Bạn mới vào nghề, cần tích lũy kinh nghiệm nghiệp vụ ngân hàng ✓ Bạn thích sự ổn định, ít áp lực deadline ✓ Bạn muốn theo đuổi lộ trình thăng tiến qua Nextgen ✓ Bạn ở Hà Đông, không muốn đi xa NÊN TÍCH CỰC TÌM VIỆC KHÁC nếu: ✓ Bạn muốn lương cao hơn 30%+ (sau 2 năm, nhảy sang VPBank, Shinhan) ✓ Bạn muốn làm việc với tech stack hiện đại hơn (Kafka, Spark, Kubernetes) ✓ Bạn muốn học hỏi môi trường fintech, BigTech ✓ Bạn muốn thử nghiệm Data Science/ML trong ngân hàng LƯU Ý QUAN TRỌNG: → 2 năm là thời gian tối thiểu để học hỏi đủ nghiệp vụ → 3 năm trở lên sẽ giá trị hơn khi đàm phán lương ``` ### 5. Mục tiêu trước khi ứng tuyển ``` CHECKLIST trước khi nộp CV: ☐ Portfolio: Có ít nhất 1 project DW demo (trên GitHub) ☐ SQL: Giải được bài LeetCode độ khó Medium ☐ ETL: Có thể demo 1 data pipeline end-to-end ☐ CV: Mô tả rõ thành tích đo đếm được (VD: "Tăng tốc ETL 40%") ☐ Nghiên cứu: Đọc về VietABank, biết họ đang ở giai đoạn chuyển đổi số nào ☐ Chuẩn bị: 3 câu chuyện thành công (STAR format) về DW ```

Câu hỏi thường gặp

Em mới ra trường, chưa có kinh nghiệm Data Warehouse thực tế, có nên ứng tuyển vị trí này không?

Cơ hội có nhưng cần chuẩn bị kỹ. Vị trí này yêu cầu kinh nghiệm thực tế về DW/BI/ETL, nên nếu hoàn toàn chưa có kinh nghiệm thì khả năng qua vòng test kỹ thuật sẽ thấp. Tuy nhiên, bạn có thể: (1) Học SQL thật kỹ và làm pet project về data warehouse; (2) Thực hành với công cụ ETL miễn phí như Apache Airflow hoặc Pentaho; (3) Tạo portfolio trên GitHub với dataset ngân hàng (có nhiều dataset mẫu online); (4) Ứng tuyển để trải nghiệm phỏng vấn, dù không trúng cũng học được rất nhiều cho lần sau. Ngoài ra, theo dõi thêm các vị trí Data Analyst fresher tại ngân hàng khác để tích lũy kinh nghiệm trước.

Mức lương thỏa thuận của vị trí này thường dao động bao nhiêu, và cách đàm phán như thế nào cho hợp lý?

Với vị trí CV/CVC/CVCC Data Warehouse tại VietABank, mức lương thường dao động từ 15-40 triệu tùy cấp bậc: CV (15-25M), CVC (22-35M), CVCC (30-50M). Để đàm phán hiệu quả: (1) Nghiên cứu mức lương thị trường trên trang like Glassdoor, VietnamWorks; (2) Đưa ra con số cụ thể dựa trên kỹ năng (VD: thành thạo Kafka + Cloud thì yêu cầu cao hơn 20-30%); (3) Nêu rõ giá trị mang lại (VD: 'Em có kinh nghiệm ODI 3 năm, có thể triển khai DW mới giảm 30% thời gian báo cáo'); (4) Đàm phán tổng compensation, không chỉ lương cứng — thưởng, bảo hiểm, đào tạo cũng là phần đáng kể.

Kinh nghiệm làm việc với Oracle và Linux là 'lợi thế', vậy có cần thiết phải có không hay chỉ cần tập trung vào SQL và ETL là đủ?

Tập trung vào SQL và ETL là đúng hướng vì đó là yêu cầu BẮT BUỘC, còn Oracle/Linux chỉ là lợi thế. Tuy nhiên, trong thực tế ngân hàng Việt Nam, Oracle là database phổ biến nhất nên nếu bạn có kiến thức Oracle sẽ gây ấn tượng mạnh. Gợi ý: (1) Cài Oracle XE (miễn phí) về practice, học PL/SQL cơ bản; (2) Linux: học commands cơ bản (ls, grep, chmod, crontab) là đủ; (3) Không cần thành thạo chỉ cần biết để khi được hỏi bạn trả lời được là OK. Đừng để mất tập trung vào thứ yếu trong khi nền tảng SQL/ETL chưa vững.

Làm sao để thể hiện kinh nghiệm Data Warehouse trong CV khi mà các dự án trước đây của em chưa có phần này?

Có 3 cách hiệu quả: (1) TRONG CÔNG TY CŨ: Ngay cả khi không làm DW chính thức, bạn có thể đề cập đến việc viết SQL phức tạp, tạo báo cáo tự động bằng Excel/VBA, hay tham gia dự án migration dữ liệu — tất cả đều liên quan; (2) PET PROJECT: Tạo 1 data warehouse giả lập trên GitHub sử dụng dataset ngân hàng, dùng Python để build ETL pipeline từ CSV → PostgreSQL → phân tích. Đây là cách tốt nhất để có portfolio; (3) CERTIFICATION: Lấy chứng chỉ AWS Data Analytics hoặc hoàn thành khóa Data Engineering trên Coursera/edX để thể hiện kiến thức. Lưu ý: Dùng đúng keywords từ JD (Data Warehouse, ETL, Star Schema, Data Pipeline, BI) để CV qua được ATS.

VietABank so với các ngân hàng khác như VPBank, Techcombank thì cơ hội phát triển như thế nào?

Mỗi ngân hàng có thế mạnh khác nhau: VietABank có quy mô nhỏ hơn nhưng bù lại lộ trình thăng tiến rõ ràng qua chương trình Nextgen, ít competition nên dễ được nhận diện. VPBank/Techcombank lương cao hơn 20-30% nhưng áp lực KPI lớn, nhân sự đông nên cạnh tranh thăng tiến gay gắt hơn. Gợi ý chiến lược: (1) Nếu bạn mới vào ngành, ưu tiên VietABank để tích lũy kinh nghiệm nghiệp vụ ngân hàng 2-3 năm; (2) Sau đó nhảy sang ngân hàng lớn hơn với mức lương cao hơn và bài toán phức tạp hơn; (3) Hoặc theo đuổi VietABank nếu bạn thích sự ổn định, quan tâm đến work-life balance. Không có lựa chọn đúng sai, chỉ có phù hợp hay không.

Trong phỏng vấn, hỏi gì về KPI và áp lực công việc để đánh giá phù hợp?

Đây là câu hỏi rất thực tế và nên hỏi ở vòng cuối với HR. Một số gợi ý cụ thể: (1) 'Các KPI của vị trí này được đo lường như thế nào và tần suất đánh giá ra sao?' — để biết mình có bị đo bằng số lượng hay chất lượng; (2) 'Team hiện tại có bao nhiêu người và phân công công việc thế nào?' — để ước tính khối lượng; (3) 'Có on-call hay hỗ trợ ngoài giờ không?' — data warehouse thường cần hỗ trợ khi có sự cố; (4) 'Thời gian làm OT thường xuyên không?' — ngân hàng cuối quý/năm thường bận. Quan sát phản ứng của người phỏng vấn: nếu họ né tránh, có thể là red flag.

CV/CVC/CVCC Phân tích hệ thống dữ liệu (Data warehouse) - Làm việc tại TSC Hà Đông, Hà Nội