Data Engineer - HN - TA174
Mô tả công việc
Mục đích của chức danh
Nghiên cứu, đề xuất, tư vấn, triển khai giải pháp công nghệ, quy hoạch, tối ưu, quản lý dữ liệu và phát triển hệ thống cho hệ thống kho dữ liệu DWH toàn hàng, nền tảng dịch vụ quản trị và phân tích dữ liệu của VPbank và Ecosystem, dữ liệu tập trung của EDA và hệ thống báo cáo tuân thủ theo 1 số Thông tư của Ngân hàng nhà nước. Tham gia quản lý BAU và xây dựng, triển khai các dự án và sáng kiến chiến lược liên quan. Đảm bảo các hệ thống dữ liệu và báo cáo nêu trên được phát triển một cách hiệu quả, bền vững và đáp ứng được yêu cầu của người sử dụng một cách tối ưu nhất.
Các hoạt động chính
Đóng vai trò lead chính trong việc thực thi:
- 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
Đóng vai trò tư vấn:
- 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
Hỗ trợ, cùng tham gia trực tiếp triển khai, hoặc được tham vấn ý kiến để hoàn thành các công việc:
- Nghiên cứu phát triển các giải pháp, công nghệ mới liên quan tới Quản lý dữ liệu. Triển khai các sáng kiến chiến lược trên nền tảng công nghệ mới phục vụ cho việc duy trì ổn định và nâng cao dịch vụ thiết kế và quản lý dữ liệu
Hỗ trợ gián tiếp trong việc hoàn thành các công việc sau:
- Tiếp nhận, phân tích yêu cầu nghiệp vụ về nhu cầu khai thác và sử dụng số liệu phục vụ cho báo cáo nội bộ hoặc báo cáo tuân thủ. Sử dụng số liệu để tư vấn, kiểm tra tính logic và đầy đủ trong quy tắc tính do nghiệp vụ đưa ra
- Kiểm thử dữ liệu và hệ thống. Quy tắc kiểm soát vận hành dữ liệu dựa trên logic thiết kế hệ thống
Đóng vai trò lead chính trong việc thực thi:
- Với hệ thống báo cáo tuân thủ, trực tiếp thực hiện công việc phân tích yêu cầu và kiểm thử nêu trên.
Hỗ trợ, cùng tham gia trong việc thực thi:
- Xây dựng phát triển, giao việc, quản lý đội ngũ chuyên môn trong phạm vi chức năng công việc được giao về:
- Quản lý vận hành dữ liệu
- Phát triển giải pháp (phân tích nghiệp vụ, mô hình hóa lưu trữ, thiết kế logic xử lý dữ liệu)
- Phát triển giải pháp về nền tảng công nghệ, CSDL
Hỗ trợ, cùng tham gia trong việc thực thi:
- Triển khai các dự án đặc thù theo chỉ đạo của BLĐ
Các kết quả
- Tài liệu đặc tả phân tích yêu cầu nghiệp vụ (đối với kỹ sư dữ liệu toàn phần)
- Bản thiết kế dữ liệu/báo cáo cho hệ thống được giao thiết kế
- Source code của các job xử lý dữ liệu/báo cáo tương ứng, kết quả kiểm thử đơn lẻ
- Tài liệu golive kỹ thuật
- Giải pháp cải tiến tối ưu thiết kế hệ thống
- Đề xuất phương án kỹ thuật đánh giá ảnh hưởng, xử lý lỗi phù hợp nhất với thiết kế hệ thống
- Tư vấn quy trình, công cụ vận hành, nâng cấp, dựa trên kinh nghiệm, góc nhìn kỹ thuật xử lý dữ liệu và báo cáo.
- Kết quả phân tích, thí điểm công nghệ hoặc giải pháp công nghệ mới
- Thông tin năng suất và kết quả làm việc, tiến độ công việc theo từng nhân sự và đầu việc
- Dữ liệu đầu vào phục vụ cho BRD được đưa về các phân vùng đã được thống nhất
- Thông tin khởi tạo thiết lập môi trường kiểm thử, hoặc tư vấn phương án kiểm tra số liệu trên môi trường thật để phù hợp với đặc điểm xử lý dữ liệu theo bản thiết kế
- Biên bản kiểm thử dữ liệu/báo cáo theo yêu cầu cụ thể của công việc
- Báo cáo quản lý chất lượng, tiến độ công việc
- Báo cáo quản lý năng suất và hiệu quả của nhân sự
- Kế hoạch đào tạo phát triển đội ngũ
- Kết quả đào tạo phát triển đội ngũ
- Theo thống nhất trong từng dự án
Các quyền lợi của ứng viên
- Thu nhập hấp dẫn, lương thưởng cạnh tranh theo năng lực, gói thu nhập 15-18 tháng lương/năm
- Thưởng các Ngày lễ, Tết (theo chính sách ngân hàng)
- 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 theo luật lao động + Bảo hiểm VPBank care cho CBNV theo cấp bậc và thời gian công tác
- Môi trường làm việc chuyên nghiệp với cơ hội làm việc trực tiếp cùng ban lãnh đạo ngân hàng lớn, mở ra nhiều cơ hội học hỏi và phát triển sự nghiệp.
Yêu cầu ứng viên
Các yêu cầu về năng lực
1. Trình độ Học vấn
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.
2. Các Kinh nghiệm liên quan ưu tiên
- 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
3. Kiến thức ưu tiên/ Chuyên môn có liên Quan
- 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
- Nghiệp vụ tài chính ngân hàng
- Tin học văn phòng
- Quản lý công việc và con người
4. Các Kỹ Năng
- Phản biện logic
- Giao tiếp, thuyết trình, trình bày vấn đề trực quan, ngắn gọn, hiệu quả, gắn kết mọi người với công việc
- Lập trình dữ liệu
- Làm việc nhóm, tương tác hướng tới đạt kết quả chung
- Quản lý công việc và thời gian
- Kỹ năng phân tích và giải quyết vấn đề
- Kỹ năng đàm phán, định hướng
- Năng lực nghiên cứu, học hỏi liên tục và thực hành công nghệ mới
- Năng lực vận động và quản lý sự thay đổi
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Data Engineer - VPBank
🎯 Tổng quan vị trí
Đây là vị trí Data Engineer thuộc Khối Quản trị và Phân tích dữ liệu của VPBank – một trong những ngân hàng tư nhân lớn nhất Việt Nam đang đẩy mạnh chuyển đổi số. Vị trí này đóng vai trò lead chính trong việc xây dựng và vận hành hệ thống DWH (Data Warehouse) toàn hàng, phục vụ cho phân tích dữ liệu và báo cáo tuân thủ theo Thông tư của NHNN.
---
🔧 Hard Skills (Kỹ năng kỹ thuật) - BẮT BUỘC & ƯU TIÊN CAO
1. Nền tảng Cơ sở dữ liệu
| Nhóm | Công nghệ | Mức yêu cầu |
|---|---|---|
| RDBMS | Oracle, PostgreSQL, SQL Server, MySQL | Thành thạo SQL nâng cao (window function, CTE, optimization) |
| NoSQL | MongoDB, Cassandra, HBase | Biết sử dụng |
| Cloud DW | Snowflake, Redshift, BigQuery, Databricks | Ưu tiên cao |
| Data Lake/Lakehouse | Delta Lake, Iceberg, Hudi | Có kinh nghiệm là lợi thế lớn |
2. ETL/ELT & Data Pipeline
- Công cụ truyền thống: SSIS, Datastage, ODI (kinh nghiệm với hệ thống core banking cũ)
- Công cụ hiện đại: Airflow, DBT, Nifi, Kafka, Spark
- Streaming vs Batch: Phải hiểu rõ sự khác biệt và use case
3. Lập trình
| Ngôn ngữ | Mức yêu cầu | Mục đích |
|---|---|---|
| Python | Thành thạo | Xử lý dữ liệu, scripting, automation |
| Scala/Java | Tốt | Spark jobs |
| SQL | Thành thạo | Truy vấn, tối ưu |
| Shell Script | Cơ bản | Automation |
4. Big Data & Cloud
- Spark/Hadoop ecosystem: HDFS, Hive, Impala, Spark SQL
- Cloud platforms: AWS (Redshift, S3, Glue), Azure (Databricks, Data Factory), GCP
- Container & DevOps: Docker, Kubernetes, CI/CD pipeline
---
💡 Soft Skills (Kỹ năng mềm) - RẤT QUAN TRỌNG
1. Phản biện logic – Critical thinking trong thiết kế hệ thống
2. Giao tiếp & thuyết trình – Làm việc với nhiều bên: BA, nghiệp vụ, IT, vendor
3. Quản lý thời gian & công việc – Lead team, giao việc, theo dõi tiến độ
4. Đàm phán & định hướng – Tư vấn giải pháp cho stakeholder
5. Năng lực nghiên cứu – Công nghệ data thay đổi rất nhanh
6. Quản lý sự thay đổi – Thích ứng với môi trường ngân hàng có nhiều quy định
---
📜 Chứng chỉ nên có (ĐIỂM CỘNG LỚN)
| Chứng chỉ | Tổ chức | Mức độ ưu tiên |
|---|---|---|
| Databricks Certified Data Engineer | Databricks | ⭐⭐⭐⭐⭐ |
| Google Professional Data Engineer | ⭐⭐⭐⭐⭐ | |
| Cloudera Data Platform | Cloudera | ⭐⭐⭐⭐ |
| AWS Certified Data Analytics | Amazon | ⭐⭐⭐⭐ |
| IBM Data Engineer | IBM | ⭐⭐⭐ |
| DASCA Big Data Engineer | DASCA | ⭐⭐⭐ |
| dbt Analytics Engineer | dbt Labs | ⭐⭐⭐ |
---
🏦 Kiến thức nghiệp vụ ngân hàng (Lợi thế cạnh tranh)
- Báo cáo tuân thủ NHNN (Thông tư 13, Thông tư 42 về Basel II…)
- DWH trong ngân hàng (tính đặc thù của dữ liệu tài chính)
- Nghiệp vụ tín dụng, huy động, thanh toán
- Hiểu biết về EDA (Exploratory Data Analysis) trong risk management
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn Data Engineer - VPBank
📋 Quy trình tuyển dụng dự kiến (4-5 vòng)
Vòng 1: HR Screening (30-45 phút)
- Giới thiệu bản thân, kinh nghiệm liên quan
- Mức lương mong muốn (current + expectation)
- Thời gian có thể bắt đầu làm việc
- Tại sao chọn VPBank? Tại sao chọn vị trí Data Engineer?
- Khả năng làm việc tại Hà Nội
Vòng 2: Technical Test (60-90 phút)
VPBank thường cho test online với:
- SQL nâng cao (50-60% điểm): window functions, CTE, optimization, pivoting
- Python coding (30%): xử lý dữ liệu, pandas, regex
- Data modeling (10-20%): thiết kế star schema, snowflake schema
Vòng 3: Technical Interview - Manager (45-60 phút)
Đây là vòng quan trọng nhất. Phỏng vấn với Trưởng phòng/Team Lead:
Câu hỏi kỹ thuật hay gặp:
1. "Hãy thiết kế data pipeline cho một hệ thống ETL xử lý 10TB dữ liệu giao dịch ngân hàng mỗi ngày?"
2. "Sự khác biệt giữa ETL và ELT? Khi nào nên dùng cái nào?"
3. "Batch processing vs Stream processing - ưu nhược điểm và use case?"
4. "Làm thế nào để tối ưu performance của một SQL query chậm trên DWH?"
5. "Giải thích cách bạn xử lý data quality issues (duplicate, missing, inconsistent)?"
6. "Khi nào nên dùng Data Lake, khi nào dùng Data Warehouse, khi nào dùng Lakehouse?"
7. "Spark vs Hadoop MapReduce - điểm khác biệt cốt lõi?"
8. "Thiết kế một bảng fact và các dimension cho báo cáo tín dụng?"
9. "CI/CD cho data pipeline hoạt động như thế nào?"
10. "Làm sao đảm bảo data governance và data security trong ngân hàng?"
Vòng 4: Business Interview (45-60 phút)
Phỏng vấn với GĐ khối hoặc Senior Manager:
- Tình huống thực tế khi làm việc với nghiệp vụ
- Khả năng tư vấn giải pháp cho stakeholder
- Kinh nghiệm quản lý đội nhóm
- Tầm nhìn chiến lược về data trong ngân hàng
Vòng 5: Final Interview - HR Director (30-45 phút)
- Fit với văn hóa VPBank
- Đàm phán lương & benefits
- Cam kết gắn bó lâu dài
---
💼 Tips chuẩn bị quan trọng
✅ Trước buổi phỏng vấn
1. Nghiên cứu VPBank kỹ lưỡng:
- Chiến lược chuyển đổi số của VPBank (đặc biệt dự án Core Banking T24, Omni-channel)
- Các dự án data lớn gần đây
- Văn hóa doanh nghiệp "tinh thần chiến binh"
2. Chuẩn bị Portfolio:
- Mô tả chi tiết 2-3 dự án data engineering đã làm
- Sơ đồ kiến trúc hệ thống bạn đã thiết kế
- Số liệu cụ thể: volume data, performance improvement
3. Ôn lại kiến thức:
- SQL advanced (đặc biệt với Oracle/PostgreSQL - hệ phổ biến trong ngân hàng)
- Data modeling (Kimball vs Inmon)
- Kiến trúc Lambda vs Kappa
🎯 Trong buổi phỏng vấn
- Dùng phương pháp STAR cho câu hỏi behavioral: Situation - Task - Action - Result
- Luôn đưa ra số liệu cụ thể: "Tối ưu pipeline giảm 40% thời gian xử lý, tiết kiệm 200 triệu/năm chi phí infrastructure"
- Đặt câu hỏi ngược lại: Cho thấy bạn nghiêm túc và có tư duy
- "Hiện tại team đang dùng stack công nghệ nào?"
- "Roadmap data của VPBank trong 2-3 năm tới như thế nào?"
- "Thách thức lớn nhất của team hiện tại là gì?"
👔 Dress Code
- Vòng HR: Smart casual (áo sơ mi, quần tây)
- Vòng Technical: Business casual
- Vòng cuối với GĐ/HRD: Formal (vest, giày tây) - thể hiện sự tôn trọng
---
💰 Về lương & đàm phán
- Gói thu nhập 15-18 tháng lương/năm là rất cạnh tranh
- Mức tham khảo thị trường Data Engineer tại VPBank:
- 3-5 năm kinh nghiệm: 30-50 triệu gross/tháng
- 5-7 năm: 50-80 triệu gross/tháng
- Senior/Lead: 80-120+ triệu gross/tháng
- Có thể đàm phán dựa trên kinh nghiệm lead team, chứng chỉ quốc tế, kinh nghiệm ngân hàng
Lộ trình ôn thi
Lộ trình ôn thi & chuẩn bị trong 2 tuần
📅 Tuần 1: Nền tảng kỹ thuật cốt lõi
Ngày 1-2: SQL Advanced
- Tài liệu:
- [Mode Analytics SQL Tutorial](https://mode.com/sql-tutorial) - miễn phí, rất hay
- "SQL for Data Analysis" - Udacity free course
- LeetCode Database problems (medium-hard)
- Ôn tập trọng tâm:
- Window Functions: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, NTILE
- CTE vs Subquery
- PIVOT/UNPIVOT
- Performance tuning: EXPLAIN PLAN, Index, Partition
- Bài tập thực hành: 20-30 bài SQL trên HackerRank/LeetCode mỗi ngày
Ngày 3-4: Data Modeling & DWH Concepts
- Tài liệu:
- "The Data Warehouse Toolkit" - Ralph Kimball (bible của DWH)
- Kimball Group website (free articles)
- Coursera: "Data Warehouse Concepts, Design, and Data Integration"
- Nội dung ôn:
- Star schema vs Snowflake schema
- Fact table (transactional, periodic snapshot, accumulating snapshot)
- Dimension table (SCD Type 1, 2, 3)
- Data Vault methodology
- 3NF normalization cho staging area
Ngày 5-7: Big Data Ecosystem
- Tài liệu:
- "Spark: The Definitive Guide" - Bill Chambers
- Databricks free courses (certification prep)
- "Designing Data-Intensive Applications" - Martin Kleppmann
- Ôn các chủ đề:
- HDFS architecture
- MapReduce vs Spark
- Spark RDD, DataFrame, Spark SQL
- Kafka architecture & use cases
- Airflow DAG design
- Lambda vs Kappa architecture
---
📅 Tuần 2: Áp dụng vào ngân hàng & Thực hành
Ngày 8-9: Nghiệp vụ ngân hàng & Báo cáo tuân thủ
- Tài liệu:
- Thông tư 13/2018/TT-NHNN về hệ thống CNTT
- Thông tư 17/2024 (basel II capital)
- Tìm hiểu báo cáo NHNN: Tổng hợp tuần, tháng, quý
- Nội dung:
- Cấu trúc báo cáo tuân thủ ngân hàng
- DWH trong core banking (T24, Flexcube)
- Data quality trong finance
- Audit trail và data lineage
Ngày 10-11: Cloud & Modern Data Stack
- Tài liệu:
- AWS Certified Data Analytics Specialty materials
- Databricks Lakehouse Platform documentation
- DBT documentation (dbt labs)
- Ôn:
- S3/Blob storage + Glue/Data Factory
- Redshift/Snowflake/Databricks SQL
- DBT models, tests, documentation
- CI/CD cho data (Git, Airflow, dbt Cloud)
Ngày 12-13: Practice Tests & Mock Interview
- Làm test thử:
- HackerRank SQL medium/hard (5-10 bài)
- LeetCode Database (10 bài)
- SQLZoo, W3Schools SQL exercises
- Mock interview: Nhờ bạn bè hoặc dùng Pramp/InterviewBit
- Chuẩn bị câu trả lời STAR cho 5 tình huống:
- 1 lần giải quyết performance issue
- 1 lần thiết kế hệ thống từ đầu
- 1 lần xử lý data quality crisis
- 1 lần lead team hoàn thành dự án
- 1 lần tư vấn giải pháp cho stakeholder
Ngày 14: Final Review
- Đọc lại JD VPBank, note keywords
- Chuẩn bị 3 câu hỏi thông minh cho interviewer
- In 2-3 bản CV + portfolio
- Test thiết bị (cho vòng test online)
---
📚 Tài liệu tham khảo tổng hợp
Sách nên đọc
1. "Designing Data-Intensive Applications" - Martin Kleppmann ⭐⭐⭐⭐⭐
2. "The Data Warehouse Toolkit" - Ralph Kimball ⭐⭐⭐⭐⭐
3. "Spark: The Definitive Guide" - Bill Chambers ⭐⭐⭐⭐
4. "Fundamentals of Data Engineering" - Joe Reis ⭐⭐⭐⭐⭐ (2022)
5. "97 Things Every Data Engineer Should Know" ⭐⭐⭐⭐
Khóa học online
- Coursera: Google Data Engineering Professional Certificate
- Udemy: "The Complete SQL Bootcamp", "Apache Spark with Scala"
- Databricks Academy (free)
- AWS Skill Builder
Blog/Website hay
- towardsdatascience.com
- medium.com/tag/data-engineering
- databricks.com/blog
- aws.amazon.com/blogs/big-data
Tư vấn nghề nghiệp
Lời khuyên nghề nghiệp cho Data Engineer ngân hàng
🚀 Lộ trình thăng tiến tại VPBank & ngân hàng nói chung
```
Junior/Mid Data Engineer (3-5 năm)
↓
Senior Data Engineer (5-7 năm)
↓
Tech Lead / Lead Engineer (7-10 năm)
↓
Data Architect (8-12 năm)
↓
Head of Data Engineering / CDO (12+ năm)
```
📊 Mức lương kỳ vọng theo cấp bậc (VPBank & top ngân hàng)
| Cấp bậc | Kinh nghiệm | Gross/month | Gói thu nhập/năm |
|---|---|---|---|
| Data Engineer (Junior-Mid) | 2-4 năm | 25-40 tr | 15-18 tháng lương |
| Data Engineer (Senior) | 4-7 năm | 40-65 tr | 15-18 tháng lương |
| Lead Data Engineer | 7-10 năm | 65-100 tr | 15-20 tháng lương |
| Data Architect | 8-12 năm | 90-150 tr | 18-24 tháng lương |
| Head of Data / CDO | 12+ năm | 150-300+ tr | 20-24+ tháng lương |
Lưu ý: Mức lương trên chỉ mang tính tham khảo, phụ thuộc vào năng lực thực tế, chứng chỉ, khả năng đàm phán.
---
🎯 Kỹ năng cần phát triển để thăng tiến
Giai đoạn Mid → Senior (1-3 năm tới)
- Chuyên sâu kỹ thuật:
- Thành thạo 1 cloud platform (AWS/Azure/GCP) ở mức advanced
- Master Spark, Kafka, Airflow
- Hiểu sâu về data governance, data quality, data lineage
- CI/CD cho data pipelines
- Kỹ năng mềm:
- Presentation skills
- Documentation skills
- Mentoring junior members
Giai đoạn Senior → Lead (3-5 năm tới)
- Architecture skills:
- Thiết kế end-to-end data platform
- Đánh giá và lựa chọn công nghệ mới
- Cost optimization
- Security & compliance trong ngân hàng
- Leadership skills:
- Quản lý team 5-10 người
- Project management (Agile/Scrum)
- Vendor management
- Stakeholder management
Giai đoạn Lead → Architect/CDO (5+ năm tới)
- Strategic thinking:
- Data strategy cho ngân hàng
- AI/ML platform strategy
- Data monetization
- Open banking & data sharing
- Soft skills cao cấp:
- Executive communication
- Cross-functional leadership
- Industry trend forecasting
---
💡 Lời khuyên thực tế từ "đàn anh"
1. Tại sao nên chọn ngân hàng thay vì tech company?
✅ Ưu điểm:
- Data ngân hàng cực kỳ phong phú và có giá trị (hàng trăm triệu record)
- Lương ngân hàng top (VPBank, Techcombank, MB, Vietcombank) ngày càng cạnh tranh với tech
- Bảo hiểm VPBank Care + các chế độ tốt
- Cơ hội làm việc với ban lãnh đạo lớn
- Được đào tạo bài bản về nghiệp vụ tài chính
⚠️ Thách thức:
- Quy trình chậm hơn tech company
- Legacy systems cũ
- Compliance & audit rất nặng
- Tốc độ adopt công nghệ mới chậm hơn
2. Có nên nhảy việc liên tục?
- 2-3 năm/nơi là hợp lý để có thành tích để showcase
- Đừng nhảy khi chưa có thành quả rõ ràng
- Nên ở lại VPBank ít nhất 2-3 năm để hiểu sâu ngân hàng
3. Có nên lấy chứng chỉ?
- Có, rất nên - Đặc biệt là:
- Databricks Certified Data Engineer
- AWS/GCP/Azure Data Specialty
- Các chứng chỉ từ Cloud vendor lớn
- ROI rất cao trong đàm phán lương
4. Học thêm gì ngoài giờ?
- DataOps & MLOps: Xu hướng tất yếu
- Real-time analytics: Streaming data
- Data mesh & Data fabric: Kiến trúc mới
- AI/LLM integration: GenAI đang thay đổi cách xử lý data
5. Network & cộng đồng
- Tham gia Vietnam Data Engineering Community
- Vietnam Data Science Association
- Đi meetup về Big Data, Cloud, AI ở Hà Nội/TP.HCM
- Theo dõi các KOL: Andrew Ng, Cassie Kozyrkov, Joe Reis, Maxime Beauchemin
---
🎓 Lộ trình học tập dài hạn (5 năm tới)
Năm 1-2: Master 1 cloud platform + 1 modern data stack
- Ví dụ: AWS + Databricks + DBT + Airflow
Năm 2-3: Học sâu về architecture
- Data mesh, Data fabric, Lakehouse architecture
- Real-time data processing với Kafka + Flink
Năm 3-4: Mở rộng sang AI/ML platform
- Feature store, ML pipeline, MLOps
- Vector database cho LLM applications
Năm 4-5: Trở thành chuyên gia đa lĩnh vực
- Data + AI + Cloud + Banking
- Có thể thăng tiến lên Data Architect hoặc chuyển sang consulting
Câu hỏi thường gặp
Mình mới ra trường, có nên apply vị trí Data Engineer này không khi yêu cầu tối thiểu 3 năm kinh nghiệm?
Theo JD yêu cầu tối thiểu 3 năm kinh nghiệm trong lĩnh vực quản lý dữ liệu/báo cáo/phân tích/học máy. Nếu bạn mới ra trường thì cơ hội được gọi phỏng vấn khá thấp vì VPBank thường filter CV khá gắt. Tuy nhiên, nếu bạn đã có:
- Kinh nghiệm thực tập 6-12 tháng tại các công ty data/ngân hàng
- Có chứng chỉ quốc tế (Databricks, AWS, Google)
- Đã làm freelance/personal project với tech stack tương đương
- GPA giỏi từ trường top về CNTT
Thì vẫn có thể apply, nhưng đừng đặt kỳ vọng quá cao. Gợi ý: Tìm các vị trí Junior Data Engineer hoặc Data Analyst trước để tích lũy kinh nghiệm 2-3 năm rồi quay lại ứng tuyển. Trong thời gian đó, học thêm chứng chỉ và đóng góp open source để CV nổi bật hơn.
Mức lương thực tế cho vị trí Data Engineer tại VPBank là bao nhiêu?
JD ghi 'Thỏa thuận' và đề cập gói thu nhập 15-18 tháng lương/năm, đây là mức khá cạnh tranh so với mặt bằng chung. Theo khảo sát thị trường và review từ các anh/chị đã làm tại VPBank:
- 3-5 năm kinh nghiệm (mid level): 30-45 triệu gross/tháng + thưởng Tết + 13th month salary
- 5-7 năm (senior): 45-70 triệu gross/tháng
- 7-10 năm (lead): 70-100 triệu gross/tháng
Tổng thu nhập năm có thể dao động 500-1.500 triệu/năm tùy cấp bậc. Ngoài ra còn có:
- Thưởng KPIs cá nhân/team (1-3 tháng lương)
- Vay ưu đãi CBNV (lãi suất ưu đãi mua nhà, xe)
- Bảo hiểm VPBank Care (rất tốt)
- Stock/ESOP (tùy chính sách từng năm)
Mẹo: Đàm phán dựa trên chứng chỉ quốc tế + kinh nghiệm ngân hàng + track record thành tích cụ thể (không nên đưa ra con số đầu tiên).
Mình đang làm Backend Developer 4 năm, muốn chuyển sang Data Engineer có khả thi không?
Hoàn toàn khả thi và là bước chuyển rất hợp lý! Backend Developer có nhiều nền tảng tốt để chuyển sang Data Engineer:
Những gì bạn đã có (rất có lợi):
✅ Kỹ năng lập trình Python/Java/Scala
✅ Tư duy thiết kế hệ thống, microservice
✅ Kinh nghiệm với SQL, database
✅ CI/CD, Docker, Git
✅ Tư duy tối ưu performance
Những gì bạn cần học thêm (1-3 tháng):
📚 Big Data ecosystem: Spark, Hadoop, Kafka
📚 ETL/ELT tools: Airflow, DBT, Databricks
📚 Data modeling: Kimball methodology, Star/Snowflake schema
📚 Cloud data services: Redshift, Snowflake, BigQuery
📚 Streaming processing
Lộ trình gợi ý:
1. Học 1 khóa Databricks Data Engineer certification (2-3 tháng)
2. Làm 1-2 project cá nhân với tech stack data engineering
3. Update CV nhấn mạnh phần làm với data pipeline (nếu có)
4. Apply vị trí Mid-level Data Engineer thay vì Senior
5. Trong CV, highlight kinh nghiệm xử lý data lớn, optimization
Nhiều người từ backend/QA/DBA đã chuyển sang Data Engineer thành công. Lợi thế của bạn là nền tảng kỹ thuật vững vàng hơn người từ data analyst chuyển sang.
Điểm khác biệt của vị trí Data Engineer này so với các ngân hàng khác (Techcombank, MB, Vietcombank) là gì?
Dựa trên JD và review từ cộng đồng, vị trí Data Engineer tại VPBank có một số đặc điểm riêng:
Ưu điểm nổi bật:
🏦 Tech stack hiện đại hơn: VPBank đầu tư mạnh vào Databricks, cloud migration nhiều năm qua, công nghệ tương đối mới so với Vietcombank (vẫn nhiều legacy) hay VietinBank (hệ thống cũ).
💰 Gói compensation tốt: 15-18 tháng lương cạnh tranh với Techcombank, MB. Có chế độ VPBank Care (bảo hiểm cao cấp) và vay ưu đãi CBNV (lãi suất rất tốt).
🚀 Dự án lớn: VPBank đang chạy nhiều dự án chuyển đổi số lớn (T24 core banking, Omni-channel), cơ hội học hỏi nhiều.
🌍 Ecosystem data đa dạng: Làm việc với data không chỉ của ngân hàng mà còn của Ecosystem (OPES, FE Credit, etc.) - đa dạng hơn các ngân hàng truyền thống.
Thách thức:
⚠️ Workload nặng: VPBank nổi tiếng với cường độ làm việc cao, deadline dự án thường aggressive.
⚠️ Báo cáo tuân thủ: Vị trí này yêu cầu xử lý báo cáo theo Thông tư NHNN - khối lượng lớn, deadline cứng, ít sáng tạo hơn.
⚠️ Văn hóa 'chiến binh': Áp lực KPI cao, môi trường cạnh tranh nội bộ.
So sánh nhanh:
- Techcombank: Lương tương đương, tech stack cloud-native hơn, nhưng workload có thể nặng hơn
- MB: Văn hóa tốt, làm việc thoải mái hơn, lương có thể thấp hơn 10-20%
- Vietcombank/Techcombank: Hệ thống legacy nhiều hơn nhưng ổn định, ít thay đổi
- VPBank: Cân bằng giữa cơ hội học hỏi công nghệ mới và áp lực công việc
Trong quá trình làm việc, KPI của Data Engineer ngân hàng thường được đánh giá như thế nào?
KPI của Data Engineer trong ngân hàng (đặc biệt VPBank) thường được đánh giá theo các nhóm sau:
1. Delivery KPIs (40-50%)
- Số lượng CR (Change Request) hoàn thành đúng deadline
- Số dự án triển khai thành công
- Tỷ lệ bug escape rate thấp (lỗi phát sinh sau golive)
- Adherence to timeline
2. Performance & Quality KPIs (20-30%)
- Thời gian xử lý data pipeline (giảm so với baseline)
- Data quality score (accuracy, completeness, consistency)
- Uptime của hệ thống báo cáo (thường yêu cầu 99%+)
- Số lần sự cố data phải rollback
3. Operational KPIs (10-20%)
- SLA tuân thủ cho báo cáo tuân thủ NHNN (deadline cứng, không được trễ)
- Mean Time to Recover (MTTR) khi có sự cố
- Số giờ on-call support
4. Innovation & Improvement (5-10%)
- Đề xuất cải tiến được áp dụng
- Nghiên cứu và áp dụng công nghệ mới
- Đào tạo/chia sẻ kiến thức cho team
5. Leadership KPIs (cho Senior/Lead)
- Quản lý tiến độ team
- Đào tạo nhân viên mới
- Vendor management effectiveness
Đặc thù ngân hàng:
- Báo cáo tuân thủ NHNN là KPI cứng - deadline thường là ngày 15-20 hàng tháng, trễ 1 ngày có thể bị phạt nặng
- Audit trail đầy đủ - mọi thay đổi phải có document
- Compliance với quy định NHNN - sai sót có thể ảnh hưởng đến cả ngân hàng
Mẹo: Trong buổi interview, nên hỏi rõ về KPI và cách đo lường để hiểu kỳ vọng và đánh giá công bằng.
Nếu được nhận, mình nên chuẩn bị gì trong 2 tuần đầu tiên đi làm?
Hai tuần đầu tiên rất quan trọng để tạo ấn tượng tốt và hòa nhập nhanh. Đây là checklist bạn nên chuẩn bị:
Trước ngày đi làm (1 tuần trước):
📚 Ôn lại kiến thức về VPBank:
- Đọc về chiến lược chuyển đổi số của VPBank
- Tìm hiểu về sản phẩm: VPBank Neo, Cake, Momo (nếu có liên quan), các dịch vụ
- Hiểu cơ cấu tổ chức khối Data
- Đọc lại về Thông tư 13/2018, các quy định về CNTT ngân hàng
📂 Chuẩn bị đồ dùng cá nhân:
- Laptop cá nhân (nếu cần thiết lập môi trường trước)
- Sổ tay note (rất quan trọng)
- Bút highlight, sticky notes
Tuần 1: Focus vào quan sát & học hỏi
👀 Ngày 1-2:
- Làm quen với đồng nghiệp, đặc biệt là team members trực tiếp
- Được hướng dẫn về hệ thống nội bộ: VPN, email, ticket system, Confluence/SharePoint
- Đọc tất cả documentation hiện có về data architecture
- KHÔNG nên thay đổi gì trong tuần đầu
📖 Ngày 3-5:
- Tham gia tất cả các meeting (standup, weekly sync) - lắng nghe nhiều hơn nói
- Hỏi về coding convention, deployment process, on-call rotation
- Đọc các tài liệu:
- Data dictionary
- System architecture diagram
- ETL job documentation
- Runbook xử lý sự cố
- Làm quen với các công cụ monitoring (Grafana, Kibana, Splunk)
🤝 Ngày 6-7 (cuối tuần 1):
- Tổng hợp lại kiến thức đã học
- Chuẩn bị câu hỏi cho tuần sau
- Reflect: Team có văn hóa gì? Điều gì quan trọng nhất?
Tuần 2: Bắt đầu đóng góp nhỏ
🔧 Ngày 8-10:
- Nhận task đầu tiên (thường là minor fix hoặc documentation update)
- Pair-programming với senior member
- Học cách code theo chuẩn của team (không dùng style cá nhân)
- Submit code review, học từ feedback
📊 Ngày 11-14:
- Đề xuất 1-2 cải tiến nhỏ cho team (nhưng hỏi trước khi làm)
- Xây dựng relationship với các team khác (BA, QA, nghiệp vụ)
- Bắt đầu hiểu business context thực tế
Tips quan trọng:
✅ Chủ động hỏi - "không biết" là bình thường, "giả vờ biết" là nguy hiểm
✅ Ghi chép cẩn thận - ngân hàng có nhiều quy trình phức tạp
✅ Luôn backup data trước khi sửa
✅ Khi fix bug, ghi rõ root cause để cả team học
✅ Dress code: Sơ mi, quần tây là chuẩn VPBank
✅ Giờ làm: 8h-17h hoặc 8h30-17h30, nhưng thường có OT (đặc biệt cuối tháng khi chạy báo cáo NHNN)
Red flag cần tránh:
❌ Commit code khi chưa test kỹ (data ngân hàng rất nhạy cảm)
❌ Làm việc riêng lẻ không update tiến độ
❌ Phán xét quy trình cũ ngay lập tức (legacy system có lý do tồn tại)
❌ Chia sẻ thông tin nhạy cảm ra ngoài (bảo mật ngân hàng rất nghiêm ngặt)
Mình là nữ, theo ngành Data Engineering có nhiều cơ hội thăng tiến không?
Câu hỏi rất hay và thực tế. Trong ngành Data Engineering nói chung và ngân hàng nói riêng, cơ hội cho nữ giới hoàn toàn ngang bằng nếu bạn có năng lực. Đây là phân tích thực tế:
Bức tranh tổng quan:
📊 Tỷ lệ nữ trong Data Engineering vẫn là thiểu số (ước tính 20-30% toàn cầu, Việt Nam có thể tương đương), nhưng xu hướng đang tăng dần. Các ngân hàng lớn như VPBank đang chú trọng đa dạng giới trong tuyển dụng.
Ưu điểm của nữ giới trong Data Engineering:
✅ Tư duy chi tiết & cẩn thận: Rất phù hợp với data quality, data governance - điều cực kỳ quan trọng trong ngân hàng
✅ Kỹ năng giao tiếp & collaboration: Phù hợp với vai trò bridge giữa kỹ thuật và nghiệp vụ
✅ Khả năng đa nhiệm: Data engineer phải handle nhiều task cùng lúc
✅ Sự kiên nhẫn: Debug data pipeline đôi khi cần sự kiên nhẫn
Thách thức thực tế cần lường trước:
⚠️ On-call đêm/cuối tuần: Đặc biệt khi có sự cố production, có thể phải xử lý urgent (ảnh hưởng cuộc sống cá nhân)
⚠️ Áp lực deadline báo cáo NHNN: Cuối tháng có thể phải OT nhiều
⚠️ Văn hóa 'mạnh mẽ': Ngân hàng đôi khi vẫn có những meeting/kpi style khá aggressive
Lộ trình thăng tiến cho nữ Data Engineer:
Giai đoạn 1 (1-3 năm): Xây dựng nền tảng
- Master tech stack chính
- Chứng minh năng lực qua delivery
- Xây dựng uy tín với team
Giai đoạn 2 (3-5 năm): Chuyên sâu hoặc mở rộng
- Có 2 hướng: Technical (Senior/Lead Engineer) hoặc Management (Engineering Manager)
- Nên chọn theo sở thích và thế mạnh cá nhân
Giai đoạn 3 (5-10 năm): Leadership
- Data Architect, Engineering Manager, Head of Data
- Nhiều nữ kỹ sư đã thành công ở vị trí này tại các công ty lớn
Mentors nổi tiếng trong ngành để follow:
- Sarah Guido (Data Scientist tại Insight)
- Caitlin Hogan (ML/Data Engineering)
- Amy Unruh (Google)
- Various women in Big Data communities
Mẹo thực tế:
🎯 Đừng ngại đàm phán lương - nữ giới thường có xu hướng đề nghị thấp hơn
🎯 Network với các nữ leader trong ngành - join các group như Women in Tech Vietnam
🎯 Đặt ranh giới rõ ràng giữa công việc và cuộc sống
🎯 Document thành tích cẩn thận - để dùng khi đánh giá thăng tiến
🎯 Đừng từ chối cơ hội vì 'không tự tin' - hãy thử và học
Kết luận: Ngành Data Engineering đang rất cần sự đa dạng, và các công ty lớn như VPBank đang có chính sách hỗ trợ nữ giới phát triển. Cơ hội hoàn toàn ngang bằng nếu bạn có năng lực và sự kiên trì.