CMNV

Mô tả công việc

Các trách nhiệm chính 1 - Phân tích yêu cầu nghiệp vụ cho hệ thống dữ liệu và báo cáo (đối với kỹ sư dữ liệu toàn phần) -Phân tích thiết kế luồng dữ liệu cho từng CR các phân vùng dữ liệu/ báo cáo của DPC nhằm đáp ứng yêu cầu nghiệp vụ. Tham gia dựng môi trường, thực hiện lập trình phát triển, kiểm thử đơn lẻ (unit test) -Tham gia golive các yêu cầu thay đổi hệ thống -Tổ chức liên tục cải tiến tối ưu về mặt thiết kế, góp phần làm giảm thời gian xử lý dữ liệu cũng như tài nguyên sử dụng trên các hệ thống dữ liệu -Tham vấn cho các đơn vị nghiệp vụ và khối CNTT về giải pháp xử lý khắc phục khi xảy ra các lỗi phức tạp. Hỗ trợ phân tích xử lý lỗi vận hành hệ thống khi cần áp dụng kỹ thuật xử lý dữ liệu chuyên sâu. -Nâng cấp phần mềm, cài đặt triển khai các tầng ứng dụng. -Với một số hệ thống ứng dụng có thể cần quản lý trực tiếp việc vận hành dữ liệu và báo cáo QUYỀN LỢI Thu nhập hấp dẫn, lương thưởng cạnh tranh theo năng lực Thưởng các Ngày lễ, Tết (theo chính sách ngân hàng từng thời kỳ) Được vay ưu đãi theo chính sách ngân hàng từng thời kỳ Chế độ ngày phép hấp dẫn theo cấp bậc công việc Bảo hiểm bắt buộc theo luật lao động + Bảo hiểm VPBank care cho CBNV tùy theo cấp bậc và thời gian công tác Được tham gia các khóa đào tạo tùy thuộc vào Khung đào tạo cho từng vị trí Thời gian làm việc:Thứ 2 – sáng Thứ 7 (off 2 sáng Thứ 7/tháng) Môi trường làm việc năng động, thân thiện, có nhiều cơ hội học đào tạo, học hỏi và phát triển; được tham gia nhiều hoạt động văn hóa thú vị (cuộc thi về thể thao, tài năng, hoạt động teambuiding...)

Yêu cầu ứng viên

Trình độ đào tạo Đại học in Công nghệ thông tin or Kỹ sư dữ liệu Các yêu cầu khác -Tốt nghiệp đại học hoặc cao hơn từ xếp loại Khá trở lên các chuyên ngành: Khoa học dữ liệu, Khoa học máy tính, Công nghệ thông tin, Toán tin ứng dụng, điện tử viễn thông hoặc tương đương. -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 -Cơ sở dữ liệu quan hệ RDBMS, NoSQL -Thiết kế lập trình cho các hệ thống như hệ thống Data warehouse, Data lake, lakehouse, API, CI/CD. các dịch vụ xử lý dữ liệu và luồng dữ liệu dạng batch/stream, quản lý luồng vận hành ETL, ELT: SSIS, Datastage, ODI, Kafka, Spark, Nifi, Airflow, DBT, Databrick, Redshift v.v... -Kiến thứ về xây dựng, tổ chức luồng dữ liệu (Batching, Streaming) -Kiến thức về lập trình, cấu trúc dữ liệu và giải thuật. -Có chứng chỉ chuyên môn trong lĩnh vực Data Engineering/ Software Development / Data Architect được cấp bởi các tổ chức lớn như Google, Cloudera, IBM, Dasca, Databricks… là một điểm cộng. -Có kinh nghiệm với ít nhất 1 trong các BI Tool là lợi thế

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cho Data Engineer tại VPBank ### 1. Hard Skills bắt buộc | Nhóm kỹ năng | Yêu cầu cụ thể | Mức độ quan trọng | |---|---|---| | **Database** | RDBMS (SQL Server, Oracle, PostgreSQL), NoSQL (MongoDB, Redis, Elasticsearch) | ⭐⭐⭐⭐⭐ | | **ETL/ELT Tools** | Kafka, Spark, Airflow, DBT, NiFi, SSIS, Datastage, ODI, Databricks, Redshift | ⭐⭐⭐⭐⭐ | | **Lập trình** | Python (ưu tiên), Java, Scala; Cấu trúc dữ liệu & giải thuật vững | ⭐⭐⭐⭐⭐ | | **Data Architecture** | Data Warehouse, Data Lake, Lakehouse, Data Mesh | ⭐⭐⭐⭐ | | **Cloud** | AWS/GCP/Azure (đặc biệt Redshift → AWS là lợi thế) | ⭐⭐⭐⭐ | | **CI/CD** | Pipeline deployment, Automation, Version control (Git) | ⭐⭐⭐ | | **Data Processing** | Batch processing, Stream processing (Real-time) | ⭐⭐⭐⭐⭐ | ### 2. Hard Skills ưu tiên (có là lợi thế) - **BI Tools**: Tableau, Power BI, Looker, Superset (ít nhất 1 tool) - **Chứng chỉ chuyên môn**: Google Professional Data Engineer, Databricks Data Engineer, Cloudera CDP, DASCA Data Engineering - **Nghiệp vụ ngân hàng/Tài chính**: hiểu các quy trình core banking, tín dụng, thanh toán ### 3. Soft Skills quan trọng - **Phân tích nghiệp vụ (BA)**: dịch yêu cầu kinh doanh thành thiết kế kỹ thuật - **Giao tiếp**: làm việc với đơn vị nghiệp vụ + khối CNTT, cần diễn đạt kỹ thuật rõ ràng - **Giải quyết vấn đề**: debug lỗi phức tạp, performance tuning - **Quản lý đối tác**: phối hợp với vendor công nghệ - **Tự học**: công nghệ data thay đổi nhanh, cần cập nhật liên tục ### 4. Bảng so sánh: Ứng viên Fresher vs Junior vs Senior | Tiêu chí | Fresher (0-2 năm) | Junior (2-4 năm) | Senior (4+ năm) | |---|---|---|---| | SQL | Cơ bản - truy vấn, join | Tốt - window function, optimization | Expert - query tuning, indexing | | ETL Tools | 1-2 tools cơ bản | Thành thạo 2-3 tools | Multi-tools, architecture design | | Cloud | Lý thuyết | Có hands-on project | Production experience | | Mức lương tham khảo | 15-25 triệu | 25-40 triệu | 40-70 triệu | ### 5. Lộ trinyh phát triển kỹ năng khuyến nghị ``` Giai đoạn 1 (0-6 tháng): Nắm chắc SQL + Python + 1 ETL tool (Airflow hoặc Spark) Giai đoạn 2 (6-12 tháng): Học cloud (AWS/GCP) + Docker/Kubernetes + CI/CD Giai đoạn 3 (12-18 tháng): Lấy chứng chỉ + deep dive Lakehouse architecture Giai đoạn 4 (18-24 tháng): Chuyển sang Data Architect hoặc ML Engineering ``` ### 6. Chứng chỉ khuyến nghị theo thứ tự ưu tiên 1. **Google Professional Data Engineer** - phổ biến nhất,认可 quốc tế 2. **Databricks Data Engineer Professional** - phù hợp với stack của nhiều ngân hàng 3. **AWS Certified Data Analytics - Specialty** - nếu dùng AWS 4. **Cloudera CDP Data Engineer** - enterprise-focused 5. **DASCA Senior Data Engineer** - được công nhận rộng rãi

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn Data Engineer tại VPBank ### Quy trình các vòng phỏng vấn (dự kiến) ``` Vòng 1: HR Screening (30-45 phút) → Đánh giá: tính cách, động lực, phù hợp văn hóa → Có thể hỏi về lương, kỳ vọng, kinh nghiệm tổng quan Vòng 2: Technical Interview - Phỏng vấn kỹ thuật (60-90 phút) → Đánh giá: kiến thức data engineering, problem-solving → Có thể có bài kiểm tra thực hành (SQL, coding) Vòng 3: Technical Round 2 / Panel Interview (45-60 phút) → Đánh giá: depth của kỹ năng, system design → Có thể hỏi về architecture decisions, trade-offs Vòng 4: Manager Interview (30-45 phút) → Đánh giá: cultural fit, teamwork, nghiệp vụ ngân hàng → Thương lượng lương và benefits ``` ### Câu hỏi hay gặp theo từng vòng #### Vòng 1 - HR Screening - "Giới thiệu ngắn về dự án gần nhất mà bạn tự hào nhất" - "Tại sao bạn muốn chuyển sang làm tại VPBank / ngành ngân hàng" - "Bạn biết gì về VPBank và khối Quản trị và Phân tích dữ liệu" - "Mức lương kỳ vọng của bạn là bao nhiêu" - "Bạn có đang phỏng vấn ở đâu khác không" #### Vòng 2 - Technical Interview - **SQL & Database:** - "Viết SQL tính tổng số giao dịch theo từng khách hàng trong 30 ngày gần nhất" - "Sự khác nhau giữa INNER JOIN và LEFT JOIN trong thực tế" - "Khi nào thì dùng index, khi nào thì không nên" - "Giải thích partitioning và clustering trong BigQuery/Redshift" - **Python & Programming:** - "Viết function để đếm số lần xuất hiện của mỗi phần tử trong list" - "Sự khác nhau giữa map, filter, reduce trong Python" - "Xử lý exception trong Python như thế nào" - **Data Engineering Concepts:** - "Sự khác nhau giữa ETL và ELT" - "Giải thích các thành phần của Apache Kafka (Producer, Consumer, Topic, Partition)" - "Khi nào dùng batch processing, khi nào dùng stream processing" - "Data Lake vs Data Warehouse: khi nào dùng cái nào" #### Vòng 3 - System Design / Deep Technical - "Thiết kế data pipeline xử lý 10 triệu giao dịch/ngày cho hệ thống core banking" - "Làm thế nào để tối ưu hóa Spark job chạy chậm từ 2 tiếng xuống còn 20 phút" - "Mô tả cách bạn xây dựng một Data Lakehouse từ đầu" - "Handling slowly changing dimensions (SCD Type 2) trong data warehouse" - "Chiến lược data quality và data validation như thế nào" #### Vòng 4 - Manager / Cultural Fit - "Mô tả tình huống bạn phải làm việc với stakeholder khó tính" - "Bạn xử lý conflict trong team như thế nào" - "Kế hoạch phát triển nghề nghiệp 3-5 năm tới của bạn" - "Bạn có kinh nghiệm làm việc với vendor/đối tác không" - "Một ngày làm việc của Data Engineer tại VPBank có thể như thế nào" ### Tips chuẩn bị đặc biệt cho VPBank 1. **Tìm hiểu về VPBank:** - VPBank là một trong những ngân hàng TMCP lớn nhất Việt Nam - Đã ứng dụng mạnh mẽ công nghệ (VPBank digital banking) - Khối Data & Analytics đang phát triển mạnh, nhiều dự án transformation 2. **Chuẩn bị nghiệp vụ ngân hàng cơ bản:** - Hiểu các khái niệm: tín dụng, thanh toán, thẻ, dịch vụ ngân hàng điện tử - Các báo cáo phổ biến trong ngân hàng: NPL, CAR, ALM, profit report - Compliance & regulation trong ngành tài chính ngân hàng 3. **Chuẩn bị bài kiểm tra thực hành:** - Có thể phải viết SQL trên giấy hoặc laptop - Có thể phải phân tích dataset nhỏ và trình bày kết quả - Chuẩn bị sẵn portfolio/github với các dự án data pipeline 4. **Dress code:** - Business casual (áo sơ mi, quần âu) - VPBank môi trường khá hiện đại - Không cần vest cứng nhắc như ngân hàng nhà nước 5. **Câu hỏi nên hỏi nhà tuyển dụng:** - "Team hiện tại có bao nhiêu người và cơ cấu như thế nào" - "Tech stack hiện tại của khối Data là gì" - "Các dự án đang ưu tiên trong thời gian tới" - "Cơ hội học tập và phát triển nghề nghiệp"

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho Data Engineer tại VPBank ### Lộ trình chuẩn bị 2 tuần (full-time học) ``` Tuần 1: Củng cố nền tảng + Ôn SQL sâu ────────────────────────────────────── Ngày 1-2: SQL Mastery - Advanced SELECT (window functions, CTEs, recursive queries) - Query optimization (EXPLAIN, index usage) - Practice: LeetCode Medium SQL (10-15 bài) - Tài liệu: "SQL Cookbook" - Anthony DeBarros Ngày 3: Python cho Data Engineering - Pandas, NumPy, PyArrow - Logging, error handling, testing - Practice: viết ETL function đơn giản Ngày 4-5: Data Modeling & Architecture - Kimball vs Inmon methodology - Star schema, Snowflake schema - Data Vault 2.0 (basics) - SCD types (Type 1, 2, 3) Ngày 6-7: ETL/ELT Tools Deep Dive - Apache Airflow (DAGs, Operators, XCom) - Apache Spark (DataFrames, SparkSQL, optimizations) - Kafka basics (Producer, Consumer, Topic design) Tuần 2: Chuẩn bị chuyên sâu + Mock Interview ────────────────────────────────────────────── Ngày 8-9: Cloud & Production concepts - AWS/GCP basics (S3, BigQuery, Redshift, Dataflow) - Data pipeline best practices - Data quality & monitoring Ngày 10: System Design Basics - Thiết kế data pipeline từ đầu - Batch vs Stream processing patterns - Handling schema evolution Ngày 11-12: Nghiệp vụ Ngân hàng - Core banking concepts - Các loại báo cáo trong ngân hàng - Compliance cơ bản Ngày 13-14: Mock Interview + Review - Practice trả lời câu hỏi hành vi (STAR method) - Ôn lại portfolio/project - Chuẩn bị câu hỏi cho nhà tuyển dụng ``` ### Tài liệu tham khảo bắt buộc **SQL & Database:** - "SQL Queries for Mere Mortals" - Michael J. Hernandez - LeetCode SQL (Easy: 20 bài, Medium: 15 bài) - Mode SQL Tutorial (free): https://mode.com/sql-tutorial/ **Data Engineering:** - "Data Engineering with Python" - Paul Crickard - "The Data Warehouse Toolkit" - Ralph Kimball (3rd Edition) - Databricks Documentation: https://docs.databricks.com/ - Apache Airflow Documentation: https://airflow.apache.org/docs/ **Cloud (AWS cho người mới bắt đầu):** - AWS Certified Data Analytics - Specialty (DAS-C01) exam guide - A Cloud Guru / Adrian Cantrill course (paid) - Stephane Maarek's Udemy courses (Kafka, Spark, AWS) **YouTube Channels hữu ích:** - Data Engineering with Harry W (Vietnamese) - Data Engineering Podcast (EN) - Alex Xu (ByteByteGo) - System Design ### Checklist trước ngày phỏng vấn - [ ] Hoàn thành 20+ bài SQL practice (Medium level) - [ ] Có thể giải thích kiến trúc của 1 data pipeline cụ thể đã làm - [ ] Nắm được sự khác biệt giữa các ETL tools (Airflow vs Spark vs Kafka) - [ ] Hiểu Data Lakehouse pattern - [ ] Có thể trình bày 1-2 project/data pipeline đã làm - [ ] Ôn lại các khái niệm nghiệp vụ ngân hàng cơ bản - [ ] Chuẩn bị portfolio/GitHub để show code - [ ] Ngủ đủ giấc, chuẩn bị tinh thần thoải mái

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho Data Engineer tại VPBank ### Lộ trình thăng tiến trong khối Data tại VPBank ``` Data Engineer (Junior/Mid) ↓ (2-3 năm) Senior Data Engineer ↓ (2-3 năm) Lead Data Engineer / Data Architect ↓ (3-4 năm) Manager / Head of Data Engineering ↓ Director / VP of Data ``` ### Mức lương kỳ vọng theo cấp bậc (Hà Nội, 2024) | Cấp bậc | Kinh nghiệm | Mức lương tháng (VND) | Ghi chú | |---|---|---|---| | Junior Data Engineer | 1-2 năm | 18-28 triệu | Entry level, cần hướng dẫn | | Data Engineer | 3-4 năm | 28-45 triệu | Đủ năng lực làm việc độc lập | | Senior Data Engineer | 4-6 năm | 45-65 triệu | Có thể lead module nhỏ | | Lead Data Engineer | 6-8 năm | 65-90 triệu | Technical lead, mentoring | | Data Architect | 6-10 năm | 80-120 triệu | Architecture design | | Data Engineering Manager | 8+ năm | 100-150 triệu | Quản lý team 5-10 người | **Lưu ý:** Mức lương trên tham khảo, VPBank có thể cao hơn thị trường 10-20% cho nhân tài giỏi. Lương thưởng cạnh tranh theo năng lực là chính sách của VPBank. ### Kỹ năng cần phát triển thêm theo giai đoạn **Ngắn hạn (0-12 tháng):** - Thành thạo ít nhất 1 cloud platform (ưu tiên AWS vì Redshift được đề cập) - Lấy 1 chứng chỉ chuyên môn (Google hoặc Databricks) - Học thêm về nghiệp vụ ngân hàng Việt Nam **Trung hạn (1-3 năm):** - Chuyển sang multi-cloud/hybrid architecture - Học về MLOps nếu muốn chuyển hướng ML Engineering - Phát triển kỹ năng lãnh đạo kỹ thuật (technical leadership) - Xây dựng personal brand trong cộng đồng data **Dài hạn (3-5 năm):** - Chuyên sâu Data Architecture hoặc Data Governance - MBA/Tiếng Anh để cơ hội lên management - Theo dõi xu hướng: Data Mesh, Data Fabric, Real-time AI ### Sự khác biệt khi làm Data Engineer tại Ngân hàng vs Fintech vs Startup | Khía cạnh | Ngân hàng (VPBank) | Fintech | Startup | |---|---|---|---| | **Tech stack** | Ổn định, enterprise-grade | Hiện đại, cloud-native | Đa dạng, tùy giai đoạn | | **Quy trình** | Chặt chẽ, nhiều approval | Agile, linh hoạt | Nhanh, nhiều thay đổi | | **Compliance** | Rất cao (NHNN) | Cao (không bằng ngân hàng) | Thấp | **Lương** | Cạnh tranh + thưởng tết | Cao, equity có thể | Dao động lớn | | **Ổn định** | Rất cao | Trung bình | Thấp | | **Học hỏi nghiệp vụ** | Rất sâu (tài chính ngân hàng) | Trung bình | Tùy startup | | **Tốc độ đổi mới** | Chậm hơn | Nhanh | Rất nhanh | ### Lời khuyên thực tế từ người đi trước 1. **Đừng chỉ tập trung code**: Ngân hàng cần người hiểu nghiệp vụ. Kỹ năng BA + data skills = combo mạnh. 2. **Xây dựng portfolio thực tế**: VPBank đánh giá cao ứng viên có project đã deploy lên production, không chỉ pet projects. 3. **Networking trong ngành**: Cộng đồng Data Engineer Việt Nam đang phát triển mạnh (Data Engineering Vietnam trên LinkedIn/Facebook). 4. **Chuẩn bị cho việc học liên tục**: Công nghệ data thay đổi nhanh, cần cam kết học tập suốt đời (commitment to lifelong learning). 5. **Đàm phán lương thông minh**: Nghiên cứu mức lương thị trường (VietnamSalary, Glassdoor, TopDev report), đừng ngại đàm phán khi có offer.

Câu hỏi thường gặp

Em mới tốt nghiệp CNTT, chưa có kinh nghiệm Data Engineer, có thể ứng tuyển vị trí này không?

Khả năng rất thấp. JD yêu cầu tối thiểu 3 năm kinh nghiệm trong lĩnh vực quản lý dữ liệu/báo cáo/phân tích/học máy. Tuy nhiên, bạn có thể: 1. Ứng tuyển vị trí Data Analyst hoặc BI Developer tại VPBank trước để tích lũy kinh nghiệm 1-2 năm 2. Tự học SQL, Python, 1 ETL tool (Airflow) và làm pet projects để xây portfolio 3. Xin thực tập (intern) tại VPBank để học hỏi môi trường ngân hàng 4. Sau 1-2 năm kinh nghiệm ở startup/fintech, quay lại ứng tuyển Data Engineer Lời khuyên: Đừng nản lòng, bắt đầu từ vị trí nhỏ hơn rồi growth mindset lên.

Mức lương cho Data Engineer tại VPBank là bao nhiêu? Có thương lượng được không?

JD ghi 'Thỏa thuận' nên hoàn toàn có thể thương lượng. Tham khảo mức lương thị trường: - 3-4 năm kinh nghiệm: 30-45 triệu/tháng - 5-6 năm kinh nghiệm: 50-70 triệu/tháng - Trên 6 năm: 70-100 triệu/tháng VPBank thường cạnh tranh về lương so với các ngân hàng khác. Khi đàm phán: - Nghiên cứu mức lương trên TopDev, VietnamSalary - Chuẩn bị sẵn data backup cho mức kỳ vọng - Đề cập các offer khác nếu có (nếu phù hợp) - Cân nhắc cả các benefits khác: thưởng tết, bảo hiểm, ngày phép Lưu ý: Thưởng tết tại VPBank thường hấp dẫn, có thể từ 2-4 tháng lương.

VPBank dùng tech stack gì? Có khác biệt gì so với các ngân hàng khác không?

Dựa trên JD đề cập đến Redshift, Databricks, Spark, Kafka, Airflow, DBT - đây là modern data stack khá tiên tiến so với nhiều ngân hàng truyền thống. Tech stack VPBank dự kiến bao gồm: - Cloud: AWS (Redshift mentioned) - Data Processing: Spark, Kafka (streaming) - Orchestration: Airflow - Transformation: DBT - Data Platform: Databricks - Storage: Data Lake, Lakehouse architecture Điểm mạnh: VPBank đang trong giai đoạn transformation số, nên tech stack khá hiện đại, không stuck ở legacy như một số ngân hàng nhà nước. Nếu bạn muốn học modern data stack trong môi trường enterprise ổn định, đây là lựa chọn tốt.

Work-life balance tại VPBank như thế nào? Có overtime nhiều không?

Thông tin JD cho biết: - Giờ làm: Thứ 2 - sáng Thứ 7 (off 2 sáng thứ 7/tháng) - Ngày phép hấp dẫn theo cấp bậc Thực tế từ cộng đồng: - Thường không có overtime thường xuyên như startup - Khi có dự án lớn hoặc go-live có thể cần OT (đặc biệt giai đoạn đầu) - Khối IT/Data thường ổn định hơn khối kinh doanh về mặt này - Văn hóa làm việc khá năng động, không quá formal So với các ngân hàng nhà nước: linh hoạt hơn nhiều. So với startup/fintech: ổn định hơn, ít áp lực scale nhanh.

Có chứng chỉ nào giúp tăng cơ hội được nhận không? Nên lấy trước hay sau khi vào?

JD nêu rõ: "Có chứng chỉ chuyên môn... là một điểm cộng". Nên lấy TRƯỚC khi ứng tuyển vì: 1. Chứng minh năng lực khi chưa có kinh nghiệm tại VPBank 2. Giá trị trên CV để pass screening 3. Tự tin hơn khi phỏng vấn Chứng chỉ khuyến nghị theo thứ tự ưu tiên: 1. **Google Professional Data Engineer** - được công nhận rộng rãi nhất 2. **Databricks Data Engineer Associate/Professional** - phù hợp với stack (Databricks mentioned in JD) 3. **AWS Certified Data Analytics - Specialty** - vì Redshift mentioned Chi phí tham khảo: - Google: ~$200 USD (thi online) - Databricks: ~$300 USD - AWS: ~$300 USD Đầu tư này hoàn toàn xứng đáng cho career growth.

KPI của Data Engineer tại VPBank đánh giá những gì?

Dựa trên JD và thông lệ ngành, KPI Data Engineer tại VPBank thường bao gồm: **Technical KPIs:** - Số lượng pipeline/ETL jobs phát triển và deploy - Data quality metrics (% records error-free) - Pipeline performance (thời gian xử lý, resource usage) - SLA compliance cho các data jobs - Số lượng CR/bug fix hoàn thành **Process KPIs:** - Documentation quality - Code review quality - Knowledge sharing trong team **Team/Communication KPIs:** - Collaboration với stakeholders - Hỗ trợ đồng nghiệp - Training/mentoring (nếu senior) Thường review 2 lần/năm (mid-year + annual), bonus dựa trên kết quả đánh giá.

Em đang làm backend developer muốn chuyển sang Data Engineer, có phù hợp không?

Hoàn toàn phù hợp! Đây là career switch phổ biến và dễ thực hiện nhất trong ngành IT. **Điểm mạnh bạn có:** - Kỹ năng lập trình (Python/Java) → Data Engineering cần - Hiểu về API, microservices → giúp thiết kế data architecture - Kinh nghiệm với database → SQL là nền tảng của DE - Kỹ năng debug, problem-solving **Điều cần bổ sung:** - SQL chuyên sâu (window functions, optimization) - Hiểu về data pipeline tools (Airflow, Spark) - Concepts: Data Warehouse, ETL/ELT, streaming - Cloud basics (AWS/GCP) **Lộ trình khuyến nghị:** 1. Học SQL nâng cao (1 tháng) 2. Học 1 orchestration tool: Airflow hoặc Dagster (2 tháng) 3. Học Spark hoặc Databricks (2 tháng) 4. Làm 2-3 pet projects để show portfolio (1 tháng) 5. Apply với tư cách 'career switcher' - nhiều công ty welcome điều này Timeline: 4-6 tháng chuẩn bị là realistic.

Tương lai nghề nghiệp của Data Engineer trong ngân hàng như thế nào? Có bị thay thế bởi AI không?

Triển vọng rất tốt và AI KHÔNG thay thế được trong tương lai gần (5-10 năm). **Lý do Data Engineer vẫn cần thiết:** - AI/ML cần data có chất lượng → cần Data Engineer để xây dựng - Mỗi tổ chức có hệ thống legacy khác nhau → cần người tích hợp - Compliance & governance data ngân hàng rất phức tạp → không thể tự động hoàn toàn - Nghiệp vụ ngân hàng thay đổi liên tục → cần người hiểu business + tech **Hướng phát triển:** - Data Engineer → Senior DE → Lead/Architect → Manager - Chuyển sang ML Engineering (AI/ML models cần data infrastructure) - Chuyển sang Data Governance / Data Management - Chuyển sang Product Manager cho data products - Hoặc cross-skill sang Cloud Architecture **Xu hướng mới:** MLOps, Data Mesh, Real-time Analytics - đều cần Data Engineer có kiến thức rộng hơn, không cần ít hơn.

Data Engineer - Hà Nội - TA105