Data Engineer - Level Middle, Senior (Mảng Báo cáo Phân tích)
Mô tả công việc
Department / Division: Data Solutions and Analytics Department - Information Technology Division
Reports To: Department Manager
🌱 JOB RESPONSIBILITIES
- Analyze reporting requirements from business units such as Sales, Operations, Risk Management, Finance, etc.
- Design and develop management reports (MIS), analytical dashboards, and KPI monitoring tools using BI platforms (Power BI, Tableau, SSRS, etc.).
- Act as the focal point for developing analytical data models (star schema, OLAP cubes, data marts, etc.).
- Optimize query performance and ensure reports are presented in a clear, user-friendly, and standardized format.
- Operate daily/periodic reporting systems: perform data checks, handle errors, and ensure SLA compliance.
- Collaborate with data, ETL, and business teams to ensure accuracy and timeliness of reports.
- Manage report access control, data security, and user access logs.
🌱JOB REQUIREMENTS
I. Relevant Knowledge / Expertise
- Bachelor’s degree in Computer Science, Engineering, Mathematics, Finance, Accounting, Business Administration, or an equivalent field.
- Minimum 4–6 years of experience in report development, Business Intelligence (BI), or analytics, or in a similar role.
- Proficient in at least one ETL tool (e.g., Microsoft SSIS, Talend, Informatica) or modern data pipeline platform, or experienced in developing custom ETL solutions.
- Skilled in at least one BI tool such as Power BI, Tableau, QlikView, SSRS, or Metabase.
- Advanced SQL skills with hands-on experience in major databases such as SQL Server, Oracle, PostgreSQL, or Snowflake.
- Solid understanding of analytical data modeling, Data Warehouse (DWH) concepts, and ETL pipelines.
- Preferred: Experience in developing financial reports, operational KPIs, or management dashboards in the banking domain.
II. Skill
- Strong teamwork and cross-functional communication skills.
- Detail-oriented, logical thinking, and a strong internal customer service mindset.
- Good command of reading and understanding technical documentation in English.
III. Relevant Experience
- Experience in the banking and finance sector.
- Experience working with DAX, MDX, or Python/R for data analysis.
IV. Required Competencies
- Strong analytical and data visualization thinking.
- Understanding of information system architecture.
- Ability to analyze and interpret financial and banking business processes.
🌱 ATTACTIVE BENEFITS & COMPENSATION PACKAGEA
I. Career Opportunities & Projects
- Join one of Vietnam’s largest Core Banking Transformation Projects, handling up to 1 billion transactions per day.
- Work in a modern, technology-driven environment leveraging Cloud-native, DevOps, Microservices, and CI/CD practices.
- Learn directly from international technology experts and participate in strategic digital banking initiatives.
- Enjoy a clear career development roadmap with opportunities to advance to Leader or Expert roles in the Digital Banking domain.
II. Compensation & Benefits
- Competitive salary package: 40-48M Gross (Senior), 30M -38M (Middle) x 14–15 months/year.
- Performance-based bonuses: business results, individual performance, innovation, responsibility, etc.
- ESOP program: opportunity to own bank shares.
- Health insurance & wellness: GPBankCare package (provided by Bao Viet Insurance) extended to employees and family members.
- Learning & Development: support for professional training courses and international certification exams.
- Annual company trip and vacation allowance: up to 6M/year.
- Holiday & special occasion bonuses (National holidays: Sept 2nd, Apr 30th, Hung Kings’ Festival, birthdays, weddings, etc.): up to 3M/time.
🌱 WORKING HOURS AND LOCATION
I. Working Hours
Standard working hours: Monday – Friday (flexible start time: 8:00 / 8:30 / 9:00) and 2 Saturday mornings per month (8:00–12:00).
II. Work Locations
- Location: 18 Phạm Hùng, Nam Từ Liêm, Hà Nội
🌱 Receive additional advice on the job opportunity
📞 Phone/Zalo: 0376 060 513
📧 Email: nhungbth@gpbank.com.vn
Phân tích kỹ năng cần có
📊 Phân tích kỹ năng cần có cho vị trí Data Engineer (Báo cáo Phân tích) tại GPBank
1. Hard Skills (Bắt buộc)
🔹 SQL & Database (Nền tảng cốt lõi)
- SQL nâng cao: window functions, CTEs, stored procedures, performance tuning, query optimization
- Kinh nghiệm thực tế với ít nhất 1 trong các DBMS: SQL Server (rất phổ biến trong ngân hàng VN), Oracle, PostgreSQL, hoặc Snowflake
- Hiểu indexing, partitioning, execution plan analysis
- Làm việc với data lớn (bài đăng đề cập đến 1 tỷ giao dịch/ngày → cần tư duy tối ưu hóa)
🔹 BI Tools (Ít nhất 1 tool thành thạo)
| Tool | Mức độ ưu tiên | Ghi chú |
|---|---|---|
| Power BI | ⭐⭐⭐⭐⭐ | Phổ biến nhất trong ngân hàng VN, dễ hire |
| SSRS | ⭐⭐⭐⭐⭐ | Rất phổ biến tại GPBank & ngân hàng truyền thống |
| Tableau | ⭐⭐⭐⭐ | Được đánh giá cao, dễ visualize phức tạp |
| QlikView | ⭐⭐⭐ | Vẫn dùng ở 1 số NH cũ |
| Metabase | ⭐⭐⭐ | Open-source, ít gặp trong NH lớn |
🔹 ETL / Data Pipeline
- Ít nhất 1 tool: SSIS, Talend, Informatica
- Hoặc kinh nghiệm xây dựng ETL custom (Python, Airflow, dbt...)
- Hiểu rõ ETL pipeline: extract → transform → load, data quality, error handling
🔹 Data Modeling
- Star Schema, Snowflake Schema
- OLAP Cubes, Data Marts
- DWH concepts (Kimball vs Inmon methodology)
- Dimensional modeling cho báo cáo tài chính
2. Skills ưu tiên (Nice-to-have)
- DAX / MDX: để viết measures phức tạp trong Power BI / SSAS
- Python hoặc R: phân tích data nâng cao, automation
- Cloud platforms: AWS/Azure/GCP (xu hướng cloud-native được nhắc)
- DevOps basics: CI/CD, Git, containerization
- Hiểu kiến trúc Microservices (bonus nếu bạn apply vào team digital banking)
3. Domain Knowledge (Kiến thức nghiệp vụ)
Ngân hàng - Bắt buộc phải học thêm nếu chưa có:
- Báo cáo tín dụng (CIC, nợ xấu, phân loại nợ)
- Báo cáo vận hành (giao dịch ATM, thẻ, digital banking)
- Báo cáo tài chính (balance sheet, P&L theo chuẩn NHNN)
- KPIs ngân hàng: NIM, CASA, NPL ratio, ROA, ROE, LDR...
- Basel II/III indicators
- Hiểu quy trình: Sales, Operations, Risk Management, Finance
4. Soft Skills
- Tư duy phân tích & logic: quan trọng nhất, vì phải chuyển yêu cầu business → data model
- Communication chéo phòng ban: làm việc với Sales, Risk, Finance không chuyên IT
- Customer service mindset: báo cáo phục vụ nội bộ, phải thấu hiểu user
- Detail-oriented: sai 1 con số trong báo cáo NH là chuyện lớn
- Tiếng Anh đọc hiểu technical docs: yêu cầu rõ trong JD
5. Chứng chỉ gợi ý (nếu muốn tăng lương)
| Chứng chỉ | Giá trị | Chi phí |
|---|---|---|
| Microsoft PL-300 (Power BI Data Analyst) | Cao với Power BI | ~$165 |
| Tableau Desktop Specialist / Certified Data Analyst | Cao với Tableau | ~$100-$200 |
| AWS Data Analytics Specialty | Rất cao nếu muốn Cloud | ~$300 |
| SnowPro Core | Cao nếu dùng Snowflake | ~$375 |
| Google Data Analytics Certificate | Foundation | ~$49/tháng |
| DAMA CDMP (Data Management) | Cao về DWH/Governance | ~$300-500 |
6. Ma trận đánh giá bản thân
Hãy tự chấm mình theo thang 1-5:
- SQL advanced: ?/5
- Power BI / BI tool chính: ?/5
- Data modeling (Star Schema, DWH): ?/5
- ETL (ít nhất 1 tool): ?/5
- Hiểu biết ngân hàng: ?/5
- Communication: ?/5
- Tiếng Anh technical: ?/5
Nếu tổng ≥ 25/35 → Apply Senior
Nếu tổng 18-24/35 → Apply Middle
Nếu < 18 → Cần học thêm 6-12 tháng trước khi apply
Chuẩn bị phỏng vấn
🎯 Hướng dẫn phỏng vấn Data Engineer tại GPBank
Quy trình tuyển dụng dự kiến (4-5 vòng)
Vòng 1: HR Screening (30-45 phút)
- Xác nhận thông tin cá nhân, mức lương mong muốn, lý do ứng tuyển
- Kiểm tra mức độ phù hợp cơ bản với JD
- Câu hỏi hay gặp:
- "Tại sao bạn muốn làm việc tại GPBank?"
- "Mức lương hiện tại và kỳ vọng của bạn?"
- "Bạn biết gì về ngân hàng GPBank?" → Tip: GPBank thuộc top NHCP, đang chuyển đổi số mạnh, dự án Core Banking lớn
- "Khi nào bạn có thể bắt đầu?"
Vòng 2: Technical Test (có thể làm online hoặc tại chỗ)
- Test SQL (60-90 phút): thường có 15-25 câu, từ cơ bản đến nâng cao
- Có thể có bài test Power BI mini hoặc phân tích case study
Vòng 3: Technical Interview (60-90 phút)
- Phỏng vấn với Hiring Manager (Trưởng phòng Data Solutions & Analytics)
- Đi sâu vào: SQL, ETL, BI tool, Data Modeling
- Case study thực tế: thiết kế báo cáo cho ngân hàng
Vòng 4: Panel Interview / Business Round (60 phút)
- Có thể có thêm round với representative từ Khối nghiệp vụ
- Đánh giá khả năng giao tiếp, hiểu business
Vòng 5: Final / Offer
- Thương lượng lương, benefits
- Background check
---
📚 Câu hỏi kỹ thuật hay gặp (Technical)
SQL (nâng cao)
1. "Phân biệt INNER JOIN, LEFT JOIN, FULL OUTER JOIN. Khi nào dùng cái nào?"
2. "Window functions: ROW_NUMBER vs RANK vs DENSE_RANK khác nhau thế nào?"
3. "Làm sao để optimize một query chạy chậm trên bảng 100 triệu records?"
4. "Giải thích execution plan và cách đọc nó"
5. "CTE vs Subquery vs Temp Table — khi nào dùng cái nào?"
6. "Viết query tính running total, moving average, year-over-year growth"
7. "Index Clustered vs Non-clustered, khi nào nên tạo index?"
8. "Phân biệt UNION và UNION ALL"
BI & Visualization
1. "Phân biệt Import mode, DirectQuery, Live Connection trong Power BI"
2. "Giải thích DAX: CALCULATE, FILTER, ALL, RELATED"
3. "Làm sao thiết kế dashboard cho CEO ngân hàng?"
4. "KPI tracking: chỉ số nào quan trọng nhất với ngân hàng?"
5. "SSRS vs Power BI: khi nào dùng cái nào?"
Data Modeling & ETL
1. "Giải thích Star Schema vs Snowflake Schema"
2. "Kimball vs Inmon approach: ưu/nhược điểm"
3. "Slowly Changing Dimensions (SCD) Type 1, 2, 3 — bạn dùng type nào trong banking?"
4. "Thiết kế data mart cho báo cáo tín dụng"
5. "Incremental load trong ETL là gì? Cách implement?"
6. "Data quality: làm sao đảm bảo report chính xác khi data nguồn bị lỗi?"
Banking Domain
1. "Bạn hiểu gì về báo cáo tuân thủ NHNN?"
2. "Các KPI quan trọng của ngân hàng thương mại?"
3. "Phân biệt CASA, NIM, NPL ratio"
4. "Core Banking System là gì? Bạn từng làm với core nào?"
---
🗣️ Câu hỏi behavioral hay gặp
1. "Mô tả dự án BI phức tạp nhất bạn đã làm"
2. "Khi business đổi yêu cầu liên tục, bạn xử lý thế nào?"
3. "Bạn xử lý thế nào khi phát hiện report sai sau khi đã gửi đi?"
4. "Làm sao prioritize giữa nhiều yêu cầu report cùng lúc?"
5. "Điểm yếu lớn nhất của bạn là gì?" → Trả lời thật nhưng có hướng cải thiện
---
👔 Dress Code & Etiquette
- Vòng HR: Business casual (sơ mi, quần tây, giày tối màu)
- Vòng Technical: Smart casual (sơ mi, có thể bỏ vest)
- Vòng Panel: Business formal (vest/sơ mi + quần tây)
- Mang theo: CV bản in (3-5 bản), sổ tay, bút
- Đến sớm 10-15 phút
- Tắt hoặc để chế độ silent điện thoại
💡 Tips đặc biệt cho GPBank
1. Nghiên cứu trước về GPBank:
- Là ngân hàng TMCP Đại Chúng (trước là Hoàng Huy Bank)
- Đang trong quá trình tái cơ cấu & chuyển đổi số mạnh
- Định hướng trở thành ngân hàng số
2. Chuẩn bị portfolio:
- Screenshot các dashboard bạn đã làm (che thông tin nhạy cảm)
- Mô tả ngắn gọn dự án, vai trò, kết quả
3. Câu hỏi nên hỏi ngược:
- "Team Data hiện tại có bao nhiêu người? Cấu trúc thế nào?"
- "Stack công nghệ hiện tại của team?"
- "Roadmap chuyển đổi số của GPBank 2025-2026?"
- "Cơ hội tham gia Core Banking Transformation Project như thế nào?"
- "Vòng đời phát triển từ Middle lên Senior / từ Senior lên Leader mất bao lâu?"
Lộ trình ôn thi
📚 Lộ trình ôn tập & chuẩn bị 1-2 tuần
Tuần 1: Nền tảng kỹ thuật
Ngày 1-2: SQL Advanced
Tài liệu:
- 📖 SQL Performance Explained (Markus Winand) - free online
- 🎓 Mode Analytics SQL Tutorial (free)
- 🎓 LeetCode SQL (filter Easy/Medium, làm 30-40 bài)
- 🎓 HackerRank SQL track
Topics cần nắm vững:
- Window Functions: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, NTILE
- CTEs (WITH clause) - recursive & non-recursive
- PIVOT / UNPIVOT
- GROUPING SETS, ROLLUP, CUBE
- Query optimization: indexes, query hints, statistics
- Stored procedures, functions, triggers
- Error handling trong SQL Server (TRY/CATCH)
Bài tập thực hành:
- Tính running total theo ngày/tháng
- Tính cohort analysis (retention rate)
- Tìm gap trong chuỗi thời gian
- Pivot báo cáo từ dạng long → wide
---
Ngày 3-4: Data Modeling & DWH
Tài liệu:
- 📖 The Data Warehouse Toolkit (Ralph Kimball) - bible của DWH
- 🎓 Coursera: Data Warehouse Concepts, Design, and Data Integration
- 🎓 Free YouTube series: "Data Warehouse Tutorial" by LearnBI
Topics:
- Star Schema vs Snowflake Schema
- Fact tables (transactional, periodic snapshot, accumulating snapshot)
- Dimension tables (SCD types)
- Conformed dimensions
- Data Mart design
- OLAP cubes (cơ bản)
- Slowly Changing Dimensions: Type 1, 2, 3, 6
Thực hành:
- Thiết kế Star Schema cho báo cáo tín dụng ngân hàng
- Thiết kế Star Schema cho báo cáo giao dịch ATM
---
Ngày 5-7: BI Tool chính (chọn 1)
Nếu chọn Power BI:
- 🎓 Microsoft Learn PL-300 path (free)
- 📖 Power BI DAX Formula Reference
- 🎓 SQLBI.com tutorials (Marco Russo - guru Power BI)
- 🎓 Guy in a Cube YouTube channel
Practice:
- Tạo dataset từ CSV ngân hàng giả
- Visualize: doanh thu theo chi nhánh, top KH VIP, trend giao dịch
- DAX measures: YoY %, MoM %, running total, moving avg
- Data modeling relationships
- Row-level security (quan trọng cho banking)
Nếu chọn SSRS:
- 🎓 Microsoft Learn SSRS tutorials
- Tạo report với parameters, sub-reports, drill-through
---
Tuần 2: Banking Domain & Soft Skills
Ngày 8-9: Kiến thức ngân hàng
Tài liệu:
- 📖 Ngân hàng Thương mại - PTS Nguyễn Văn Dung (bất kỳ giáo trình NH Việt Nam nào)
- 🌐 Website GPBank, GPBank Annual Report
- 🌐 Thông tư hướng dẫn của NHNN về báo cáo (download từ sbv.gov.vn)
- 🌐 Basel Committee publications
Topics cần hiểu:
Báo cáo tuân thủ NHNN:
- Báo cáo tỷ giá, lãi suất
- Báo cáo tín dụng (theo Thông tư 39/2016)
- Báo cáo phân loại nợ (CIC, nhóm nợ 1-5)
- Báo cáo tài chính (chuẩn VAS/IFRS)
KPIs ngân hàng:
- NIM (Net Interest Margin): biên lãi ròng
- CASA: tỷ lệ tiền gửi không kỳ hạn
- NPL ratio: tỷ lệ nợ xấu
- LDR (Loan to Deposit ratio)
- ROA, ROE: hiệu quả sử dụng vốn
- CIR (Cost to Income ratio)
- CAR (Capital Adequacy Ratio) - Basel II/III
Hệ thống ngân hàng:
- Core Banking (T24, FLEXCUBE, IBIS, OFS)
- Front-end channels: Internet Banking, Mobile Banking, ATM/POS
- Back-office: GL, AML, CRM
- Data warehouse ngân hàng
---
Ngày 10-11: ETL & Advanced
Tools để học:
- SSIS (free với SQL Server Developer Edition)
- Talend Open Studio (free)
- Python + pandas (nếu có background)
Thực hành:
- ETL đơn giản: đọc CSV → transform → ghi vào DB
- Incremental load với watermark column
- Error handling, logging, retry mechanism
- Schedule jobs với SQL Agent
---
Ngày 12-13: Mock Interview & Portfolio
Luyện phỏng vấn:
- 5 buổi mock interview (bạn bè hoặc thuê mentor)
- Luyện giải thích các dự án đã làm theo framework STAR
- Luyện viết SQL trên giấy/bảng trắng (không dùng IDE)
Chuẩn bị portfolio:
- 3-5 dashboard đẹp nhất (screenshot + mô tả)
- 1 case study: từ requirement → design → implementation → result
- GitHub repo với SQL/DAX samples (optional nhưng rất +điểm)
---
Ngày 14: Final Review
- Đọc lại JD của GPBank
- Note những keywords quan trọng
- Review CV để highlight đúng keywords
- Chuẩn bị 5 câu hỏi để hỏi ngược interviewer
- Sleep đủ giấc trước ngày phỏng vấn 😊
---
🌐 Tài liệu tham khảo nhanh
| Chủ đề | Resource | Free? |
|---|---|---|
| SQL | LeetCode, HackerRank | ✅ |
| Power BI | SQLBI.com, DAX.guide | ✅ |
| DWH | Kimball Group, Datacadamia | ✅ |
| Banking | NHNN.vn, GPBank.com.vn | ✅ |
| Python | Kaggle Learn | ✅ |
| ETL | Talend tutorials, SSIS official docs | ✅ |
| Mock Interview | Pramp, InterviewBit | ✅ |
| Coursera | IBM Data Engineering, Google Data Analytics | 💰 Audit free |
Tư vấn nghề nghiệp
💼 Lời khuyên sự nghiệp cho vị trí Data Engineer tại Ngân hàng
🎯 Đánh giá tổng thể cơ hội này
Điểm mạnh của offer:
- ✅ Thuộc dự án Core Banking Transformation lớn (rất tốt cho CV)
- ✅ Mức lương khá cạnh tranh cho Middle/Senior Data Engineer tại Hà Nội
- ✅ Stack công nghệ hiện đại: Cloud-native, DevOps, Microservices
- ✅ ESOP (cổ phiếu ngân hàng) - upside nếu GPBank tăng giá
- ✅ Lộ trình thăng tiến rõ ràng: Leader hoặc Expert
Điểm cần cân nhắc:
- ⚠️ GPBank đang trong giai đoạn tái cơ cấu - áp lực lớn nhưng cũng nhiều cơ hội
- ⚠️ Lương "thương lượng" → cần negotiate kỹ
- ⚠️ Phải làm 2 sáng thứ 7/tháng → work-life balance có thể bị ảnh hưởng
- ⚠️ Mô tả "1 tỷ giao dịch/ngày" nghe hơi PR - cần verify trong interview
---
📈 Lộ trình thăng tiến cho Data Engineer trong Ngân hàng
```
Fresher/Junior (0-2 năm)
↓
Middle Data Engineer (3-5 năm) ← BẠN CÓ THỂ Ở ĐÂY
↓
Senior Data Engineer (5-8 năm)
↓
├── Technical Expert Path
│ ├── Lead Data Engineer
│ ├── Principal Data Engineer
│ └── Data Architect
│
└── Management Path
├── Team Lead
├── Data Engineering Manager
└── Head of Data / CDO
```
Thời gian dự kiến:
- Middle → Senior: 2-3 năm
- Senior → Lead: 2-4 năm
- Lead → Manager: 3-5 năm
---
💰 Mức lương kỳ vọng theo cấp bậc (Ngân hàng Việt Nam, Hà Nội, 2024-2025)
| Cấp bậc | Kinh nghiệm | Mức lương Gross (VND) | Tổng thu nhập/năm* |
|---|---|---|---|
| Fresher/Junior | 0-2 năm | 12-18M | 168-270M |
| Middle | 3-5 năm | 25-38M | 350-570M |
| Senior | 5-8 năm | 40-60M | 560-900M |
| Lead | 7-10 năm | 55-80M | 770M-1.2B |
| Manager | 8-12 năm | 80-150M | 1.1B-2.25B |
| Architect/Director | 10+ năm | 150M+ | 2.1B+ |
*Tổng = Lương × 14 tháng + bonus + ESOP + phúc lợi khác
Lưu ý cho offer GPBank:
- 30-38M Middle × 14-15 tháng = 420-570M/năm (trước bonus)
- 40-48M Senior × 14-15 tháng = 560-720M/năm (trước bonus)
- Đây là mức fair cho ngân hàng cỡ vừa, top ngân hàng (Techcombank, MBB, VPBank...) có thể cao hơn 15-25%
---
📊 So sánh với các ngân hàng khác (Data Engineer cùng level)
| Ngân hàng | Senior DE (gross) | Đặc điểm |
|---|---|---|
| Techcombank | 50-70M | Tech hàng đầu, áp lực cao |
| MBBank | 45-65M | Scale lớn, nhiều dự án |
| VPBank | 45-60M | Chuyển đổi số mạnh |
| ACB | 40-55M | Môi trường ổn định |
| GPBank | 40-48M | Đang tái cơ cấu, cơ hội lớn |
| Vietcombank | 35-50M | Truyền thống, ổn định |
| NH khác (NHCP) | 30-45M | Tùy quy mô |
---
🚀 Kỹ năng cần phát triển trong 12-24 tháng tới
Tier 1 - Quan trọng nhất (phải có trong 6 tháng):
1. Cloud platform (AWS/Azure/GCP): Cần thiết cho dự án Core Banking Transformation
2. Python nâng cao: pandas, numpy, automation scripts
3. DataOps / MLOps concepts: CI/CD cho data pipelines
4. Banking domain expertise: Hiểu sâu Basel II/III, IFRS 9, VAS
Tier 2 - Phân biệt bạn với đồng nghiệp (6-12 tháng):
5. Streaming data: Kafka, Kinesis, real-time analytics
6. Data governance: Data lineage, catalog, quality
7. Infrastructure as Code: Terraform, CloudFormation
8. Orchestration tools: Airflow, Prefect, Dagster
Tier 3 - Để thăng tiến lên Lead/Architect (12-24 tháng):
9. Data architecture design: End-to-end data platform
10. Mentoring skills: Train junior team members
11. Stakeholder management: Làm việc với C-level
12. Strategic thinking: Đề xuất data roadmap cho cả ngân hàng
---
🎓 Lời khuyên chiến lược
1. Nếu bạn đang ở level Middle (< 5 năm exp):
- Offer này rất phù hợp để "lên đời" Senior trong 2-3 năm
- Đừng ngại vì lương "chỉ" 30-38M - hãy nhìn tổng compensation + kinh nghiệm dự án lớn
2. Nếu bạn đang là Senior ở NH khác:
- Hãy so sánh kỹ total compensation, không chỉ gross
- Cân nhắc: GPBank đang chuyển đổi → cơ hội làm từ đầu nhiều hơn nhưng cũng rủi ro hơn
- Verify "dự án 1 tỷ giao dịch/ngày" trong interview - có thể là ngân hàng khác hoặc đang planning
3. Nếu bạn muốn chuyển ngành từ developer khác:
- Cần học SQL + 1 BI tool trước (3-6 tháng)
- Làm 2-3 dự án cá nhân về data analysis
- Apply vào Middle level (đừng apply Senior nếu chưa đủ exp)
4. Negotiation tips:
- Công thức: Current salary + 15-25% (chuyển việc) hoặc current × 1.3-1.5
- Đừng tiết lộ lương hiện tại nếu được hỏi - nói "mong muốn theo mặt bằng thị trường cho vị trí Senior Data Engineer tại ngân hàng"
- Yêu cầu rõ: lương × 14 hay 15 tháng, bonus structure, ESOP vesting period
5. Red flags cần check kỹ trong interview:
- ❓ Tỷ lệ nghỉ việc của team Data
- ❓ Có training budget không (JD nói có nhưng verify)
- ❓ Stack công nghệ thực tế (JD nói Cloud-native nhưng thực tế có thể đang on-premise)
- ❓ Quy trình OT và on-call
- ❓ Thời gian review lương tiếp theo
6. Quyết định cuối cùng nên dựa trên:
- Career trajectory (đi đâu trong 3-5 năm tới)
- Learning opportunities (dự án có cho phép học Cloud, Python không)
- Financial package (tổng thu nhập, không chỉ gross)
- Work-life balance
- Company stability & vision
Good luck với application của bạn! 🍀
Câu hỏi thường gặp
Em mới ra trường, có 1 năm kinh nghiệm freelance làm Power BI, có nên apply vị trí Middle Data Engineer tại GPBank không?
Theo kinh nghiệm của anh, em NÊN apply nhưng cần chuẩn bị kỹ. JD yêu cầu 4-6 năm kinh nghiệm cho Middle, nhưng nhiều nhà tuyển dụng vẫn linh hoạt nếu em chứng minh được năng lực thực tế. Tips: (1) Chuẩn bị portfolio 2-3 dashboard Power BI phức tạp có DAX measures, (2) Học SQL nâng cao thật tốt vì đây là điểm yếu của fresher, (3) Tìm hiểu kiến thức ngân hàng cơ bản (CASA, NIM, NPL), (4) Trong CV nhấn mạnh kết quả business các dự án đã làm (VD: 'giúp team sales identify top 20% khách hàng mang lại 80% doanh thu'). Nếu không được Middle thì cân nhắc apply vị trí Junior hoặc hỏi HR về chương trình Fresher. Cố gắng lắm, em có thể được đánh giá ở mức giữa Junior và Middle.
Tôi đang là Senior Data Engineer ở Techcombank với lương 55M, GPBank offer 48M thì có nên nhảy sang không?
Câu hỏi rất hay! Về mặt lương thuần, bạn sẽ bị giảm 7M/tháng - đây là rủi ro. Tuy nhiên, cần so sánh tổng thể: (1) Techcombank là top tier, môi trường tech tốt hơn, nhưng GPBank đang chuyển đổi nên có thể học được nhiều hơn từ "mớ" ban đầu; (2) Lương 14-15 tháng + bonus + ESOP + phúc lợi → có thể gap không quá lớn; (3) Quan trọng nhất: hãy đàm phán! Bạn có 55M + kinh nghiệm Techcombank → đó là leverage lớn. Đề xuất 52-55M + ESOP tốt + signing bonus. Nếu GPBank không đáp ứng mức đó thì nên cân nhắc. Một yếu tố quan trọng khác: GPBank đang tái cơ cấu - rủi ro nhưng cũng là cơ hội nếu bạn muốn "đánh lớn". Bạn có thể từ Senior → Lead trong 2 năm thay vì 4-5 năm ở Techcombank.
Tôi là Backend Developer (Java/Python) muốn chuyển sang Data Engineer, JD này có phù hợp không và cần học gì?
Hoàn toàn phù hợp và đây là hướng đi rất tốt. Background Backend giúp bạn có nền tảng về database, performance optimization, system design - đây là lợi thế lớn. Cần học thêm: (1) SQL nâng cao (window functions, query tuning) - 2-3 tháng, (2) 1 BI tool (Power BI nên ưu tiên vì phổ biến nhất) - 2-3 tháng, (3) Data modeling (Star Schema, DWH) - 1-2 tháng, (4) ETL tool cơ bản (SSIS hoặc Airflow) - 1-2 tháng, (5) Domain ngân hàng (1 tháng đọc overview). Tổng cộng 6-9 tháng học tập trung là đủ để apply Middle level. Trong CV, pitch rằng bạn có kinh nghiệm về data pipelines, API, backend systems - những thứ này liên quan chặt với Data Engineering. Apply thử với mức Middle nhé!
So với các ngân hàng khác, mức lương Middle Data Engineer 30-38M tại GPBank có cạnh tranh không?
Mức này ở mức TRUNG BÌNH KHÁ cho thị trường ngân hàng Việt Nam 2024-2025. So sánh: Techcombank/MBBank (top tech): 35-45M, VPBank/ACB: 28-38M, Vietcombank/BIDV (big4): 25-35M, các NHCP nhỏ hơn: 20-30M. Vậy GPBank 30-38M cho Middle là hợp lý, không quá cao nhưng cũng không tệ, đặc biệt khi tính đủ 14-15 tháng + ESOP. Điều quan trọng hơn lương là: (1) Bạn có được tham gia dự án Core Banking Transformation không, (2) Stack công nghệ có modern không (JD nói Cloud-native/DevOps - rất tốt cho CV), (3) Lộ trình thăng tiến. Với offer này, bạn có thể đàm phán: 33-35M cho Middle là mức tốt, đổi lại yêu cầu rõ ESOP vesting, training budget, và cam kết review lương sau 6 tháng.
Em mới ra trường ngành Tài chính Ngân hàng, không biết lập trình, có cách nào vào vị trí Data Engineer không?
Có cách nhưng sẽ là hành trình 12-18 tháng. Em cần build từ zero: (1) Học SQL cơ bản đến nâng cao (3 tháng - W3Schools, SQLBolt, LeetCode), (2) Học 1 BI tool như Power BI (3 tháng - YouTube, Microsoft Learn), (3) Học Python cơ bản cho data analysis (3 tháng - Kaggle, Coursera), (4) Làm 2-3 dự án cá nhân (phân tích data tài chính, dashboard về giá cổ phiếu, etc.), (5) Apply vị trí Junior hoặc Intern Data tại ngân hàng (thường có chương trình Fresher). Lợi thế của em là hiểu domain ngân hàng - điều mà dev thiếu. Mục tiêu thực tế: sau 12-18 tháng em sẽ ở level Junior/Middle, lương 15-25M. Hoặc em có thể làm BA (Business Analyst) trước, sau đó chuyển sang DE dễ hơn. Đừng apply thẳng vị trí Middle như JD yêu cầu vì sẽ bị reject ngay.
Trong team Data Solutions của GPBank, một ngày đi làm bình thường sẽ như thế nào?
Theo kinh nghiệm làm việc tại các ngân hàng tương tự, một ngày của Data Engineer (Reporting) thường như sau: 8:00-8:30 check email, Teams, review các report SLA sáng (NH thường có report cho Ban lãnh đạo sáng sớm). 8:30-10:00 fix bug hoặc data issues từ ngày hôm trước, xử lý ad-hoc requests từ business. 10:00-12:00 development: viết SQL query mới, build dashboard mới trên Power BI/SSRS, hoặc optimize ETL job. 13:30-15:00 stand-up meeting (nếu có), sau đó làm việc với Data Engineer team về data modeling, hoặc join cuộc họp với business (Sales, Risk, Finance) để hiểu requirements mới. 15:00-17:00 development tiếp, viết DAX measures, thiết kế data mart, code review. 17:00-18:00 wrap up: update ticket, viết documentation, plan cho ngày mai. Một số ngày có on-call support cho hệ thống report, đặc biệt cuối tháng/quarter khi có nhiều báo cáo quan trọng.
Câu hỏi phỏng vấn nào khó nhất mà anh/chị từng gặp khi apply vị trí Data Engineer tại ngân hàng?
Anh nhớ có một câu rất tricky: 'Làm sao thiết kế một data warehouse để hỗ trợ cả reporting cho NHNN và phân tích nội bộ mà không ảnh hưởng performance lẫn nhau?' - Câu này test cả kiến thức DWH, system design và hiểu biết về tuân thủ trong ngân hàng. Cách trả lời: (1) Tách biệt data marts cho compliance và internal analysis, (2) Dùng staging layer chung, (3) Áp dụng data lineage để tracking, (4) Schedule ETL theo priority (compliance chạy trước). Câu khác cũng hay: 'Nếu phát hiện một chỉ số trong báo cáo Ban lãnh đạo sai, nhưng báo cáo đã được gửi rồi, bạn xử lý thế nào?' - Câu này test quy trình xử lý sự cố và tính chuyên nghiệp. Câu trả lời tốt: (1) Ngay lập tức thông báo Manager và team lead, (2) Verify mức độ sai, (3) Issue báo cáo sửa đổi với disclaimer, (4) Root cause analysis để tránh lặp lại, (5) Cập nhật checklist kiểm tra trước khi gửi. Câu này hay gặp ở vòng panel cuối với senior.
ESOP của GPBank có giá trị thực sự không? Có nên quan tâm khi quyết định nhận offer?
ESOP ngân hàng là một dạng compensation hấp dẫn NHƯNG cần đánh giá kỹ. (1) Giá trị thực: phụ thuộc giá cổ phiếu GPBank - hiện GPBank chưa niêm yết trên sàn chứng khoán nên tính thanh khoản thấp. Nếu sau này IPO/upcom thì có thể có giá trị lớn. (2) Vesting period: thường 3-4 năm, nếu nghỉ trước thì mất một phần. (3) Quyết định nhận offer: ESOP là "bonus upside", không nên là yếu tố chính. Nếu GPBank thực sự IPO thành công trong tương lai (rất có thể vì đang tái cơ cấu), đây có thể là phần thưởng rất lớn. Tuy nhiên, nếu bạn cần cash ngay để trả nợ, mua nhà thì đừng ưu tiên ESOP. Hãy hỏi rõ trong interview: số lượng cổ phiếu được phát hành, vesting schedule, điều kiện exercise. Một ESOP tốt có thể tương đương 6-12 tháng lương.