VPBank
Data Engineer - TA192
Khối Công nghệ thông tin
NHÂN VIÊN
Mô tả công việc
- To be able to develop/design for Data Lake, System/Data Integration, App engine solutions (containing complex big data computations), ensure the product delivered on time, within budget.
- Work with Data Expert to align architecture and solution.
- Develop, optimize, and maintain scalable ETL/ELT pipelines using AWS services such as Glue, Lambda, and Kinesis.
- Build and manage data storage solutions leveraging AWS S3, Redshift, RDS, DynamoDB, and Athena.
- Design data ingestion workflows from diverse data sources ensuring data quality and integrity.
- To make sure all incidents which cannot be solved on previous lines of support are solved (Level 3 support)
- Provide Data integration standards for new IT projects within Data domain.
- Research and recommend future-proofed Data integration/processing technologies e.g., cloud, advanced data platform.
- Share coding experience with other team members.
The principal function of a Data Engineer is to make specific tasks, based on the business's specifications:
- Collaborate with Business Analysts (BAs) to design and implement data modeling solutions at Staging, Atomic, Datamart, Sematic layer to provide business intelligence or to provide data to other downstream applications.
- Design and develop solutions, including comprehensive technical documentation and operational/deployment manuals for the operation of the program by operators.
- Have deep knowledge in the data domain, with expertise in utilizing and designing/develop solutions based on batch and real-time data processing technologies such as Kafka, Flink, Kafka Connect, Debezium, Spark, Hadoop, EMR, Glue...
- Have knowledge of AWS cloud and the necessary services/open-source tools for data processing and infrastructure deployment, including EMR, Kubernetes (K8s), EKS, Docker, EventBridge, Lambda,StepFunction, Airflow, Terraform...
- Have knowledge in optimizing data processing on database systems such as Oracle, SQL Server, and big data systems on the cloud.
- Updating, repairing, modifying, developing, enhance existing development.
- Investigate and troubleshoot for issues, incidents, and problems of application as level 3 support.
- Study the technical updates and make the change or do upgrading release in Development area.
- Follow the IT processes (development, operation) and Bank processes.
Phân tích kỹ năng cần có
## Phân tích Kỹ năng cho vị trí Data Engineer - VPBank
### 🔧 HARD SKILLS (Kỹ năng kỹ thuật bắt buộc)
| Nhóm kỹ năng | Công nghệ cụ thể | Mức độ yêu cầu |
|--------------|------------------|----------------|
| **Cloud Platform** | AWS (EMR, EKS, Glue, Lambda, Kinesis, S3, Redshift, RDS, DynamoDB, Athena, EventBridge, StepFunction) | ⭐⭐⭐ Bắt buộc |
| **Big Data Processing** | Kafka, Flink, Kafka Connect, Debezium, Spark, Hadoop | ⭐⭐⭐ Bắt buộc |
| **Container & Orchestration** | Docker, Kubernetes (K8s), EKS | ⭐⭐⭐ Quan trọng |
| **ETL/ELT Tools** | AWS Glue, Airflow, Terraform | ⭐⭐⭐ Quan trọng |
| **Database** | Oracle, SQL Server, NoSQL (DynamoDB) | ⭐⭐ Cần có |
| **Data Modeling** | Staging, Atomic, Datamart, Semantic Layer | ⭐⭐⭐ Bắt buộc |
### 📋 HARD SKILLS (Kỹ năng bổ sung)
- Tiếng Anh (đọc hiểu tài liệu kỹ thuật, giao tiếp với team quốc tế)
- DevOps mindset (CI/CD, Infrastructure as Code)
- Security best practices trong môi trường cloud
- Data governance và data quality
### 💡 SOFT SKILLS
- **Giao tiếp:** Làm việc với Business Analysts (BAs), Data Expert, team members
- **Problem-solving:** Level 3 support - xử lý incidents phức tạp
- **Documentation:** Viết technical documentation và operational manuals
- **Mentoring:** Chia sẻ kinh nghiệm với team members
- **Research:** Nghiên cứu và recommend công nghệ mới
### 📜 CHỨNG CHỈ GỢI Ý
| Chứng chỉ | Nhà cung cấp | Mức độ ưu tiên |
|-----------|--------------|----------------|
| AWS Certified Data Analytics - Specialty | Amazon Web Services | ⭐⭐⭐ Cao |
| AWS Certified Big Data - Specialty | Amazon Web Services | ⭐⭐⭐ Cao |
| Certified Kubernetes Administrator (CKA) | Cloud Native Computing Foundation | ⭐⭐ Trung bình |
| Databricks Certified Data Engineer | Databricks | ⭐⭐ Trung bình |
### 📊 BẢNG SO SÁNH: Ứng viên Junior vs Senior
| Tiêu chí | Junior (0-2 năm) | Senior (3-5+ năm) |
|----------|------------------|-------------------|
| AWS services | Biết 3-5 services cơ bản | Thành thạo toàn bộ hệ sinh thái AWS data |
| Big data tools | Spark cơ bản, Kafka beginner | Spark optimization, Kafka advanced configs |
| Architecture | Module đơn giản | Thiết kế Data Lake, data platform tổng thể |
| Problem-solving | Xử lý issues thông thường | Level 3, complex troubleshooting |
| Communication | Hạn chế | Present giải pháp cho stakeholders |
---
Chuẩn bị phỏng vấn
## Hướng dẫn Phỏng vấn Data Engineer - VPBank
### 📝 QUY TRÌNH CÁC VÒNG PHỎNG VẤN
**Thông thường gồm 3-4 vòng:**
1. **Vòng 1: HR Screening (30-45 phút)**
- Review CV, hỏi về kinh nghiệm chung
- Tìm hiểu mức lương kỳ vọng
- Đánh giá kỹ năng tiếng Anh
2. **Vòng 2: Technical Interview (60-90 phút)**
- Kiểm tra kiến thức AWS và Big Data
- System design (thiết kế data pipeline, data lake)
- Live coding hoặc case study
3. **Vòng 3: Manager Interview (45-60 phút)**
- Đánh giá soft skills, cách làm việc team
- Hỏi về kinh nghiệm với các dự án cụ thể
- Business understanding
4. **Vòng 4: Final/HR (30 phút)**
- Thương lượng lương & benefits
- Các câu hỏi cuối cùng từ ứng viên
### ❓ CÂU HỎI THƯỜNG GẶP THEO TỪNG VÒNG
#### Vòng HR:
- "Giới thiệu ngắn về bản thân và dự án gần nhất của bạn"
- "Tại sao bạn muốn chuyển sang VPBank?"
- "Mức lương kỳ vọng của bạn là bao nhiêu?"
- "Bạn có kinh nghiệm làm việc trong môi trường ngân hàng/tài chính chưa?"
#### Vòng Technical:
- "Difference between Spark and Hadoop? When to use which?"
- "How would you design a real-time data pipeline for processing 1M events/second?"
- "Explain the difference between Kafka and Kinesis"
- "How do you handle data quality issues in ETL pipeline?"
- "Design a data lake architecture on AWS"
- "How would you optimize a slow Spark job?"
- "Explain how Debezium works for CDC"
- "What is your experience with Kubernetes? How do you deploy Spark on K8s?"
#### Vòng Manager:
- "Describe a challenging data problem you solved"
- "How do you prioritize tasks when dealing with multiple incidents?"
- "Your approach to mentoring junior team members"
- "How do you stay updated with new technologies?"
- "Scenario: Data pipeline fails during business hours, what do you do?"
### 💡 TIPS CHUẨN BỊ
**1. Chuẩn bị dự án để present:**
- Chuẩn bị 2-3 dự án data engineer tiêu biểu
- Nắm rõ: tech stack, challenges, solutions, results
- Có thể demo qua sơ đồ kiến trúc
**2. Ôn tập AWS Data services:**
- Vẽ lại kiến trúc các dịch vụ: Glue job flow, Kinesis data flow
- Hiểu cách kết hợp các services với nhau
- Performance tuning cho từng service
**3. Thực hành System Design:**
- Thiết kế data lake end-to-end
- Real-time processing architecture
- Data migration strategy
**4. Prepare portfolio/case study:**
- Sơ đồ kiến trúc các dự án đã làm
- Code snippets (GitHub repo nếu có)
- Metrics: data volume, performance improvement
### 👔 DRESS CODE
- **Format:** Business casual (áo sơ mi, quần âu)
- VPBank là ngân hàng TMCP tư nhân lớn, dress code khá thoải mái nhưng vẫn cần lịch sự
- Tránh vest cứng nhắc trừ khi phỏng vấn cấp cao
- Laptop/miếng lót chuột mang theo nếu cần demo
---
Lộ trình ôn thi
## Lộ trình Ôn thi & Chuẩn bị Data Engineer - VPBank
### 📚 GIAI ĐOẠN 1: Nền tảng AWS Data (Tuần 1)
**Kiến thức cần học:**
| Chủ đề | Nội dung | Nguồn tham khảo |
|--------|----------|------------------|
| S3 & Data Lake | Data Lake architecture, storage classes, lifecycle policies | AWS Documentation, A Cloud Guru |
| Glue | ETL jobs, Data Catalog, Crawlers, Glue Studio | AWS official labs |
| Redshift | Architecture, distribution styles, sort keys | AWS Redshift Best Practices |
| Kinesis | Data Streams, Firehose, Analytics (thử nghiệm) | AWS Kinesis documentation |
| Lambda | Serverless data processing, triggered functions | AWS Lambda developer guide |
**Thực hành:**
- Build một data pipeline end-to-end: S3 → Glue → Redshift → QuickSight
- Tạo real-time streaming pipeline với Kinesis
### 📚 GIAI ĐOẠN 2: Big Data Technologies (Tuần 2)
**Apache Spark:**
- Spark Structured Streaming
- Performance optimization (partitioning, caching, broadcast join)
- Delta Lake (nếu có)
**Apache Kafka:**
- Topic partitioning, replication
- Consumer groups, offset management
- Kafka Connect (source & sink connectors)
- Schema Registry
**Flink:**
- DataStream API cơ bản
- Windowing concepts
- Checkpointing & state management
**Thực hành:**
- Build real-time analytics với Kafka + Spark Streaming
- Implement CDC với Debezium + Kafka
### 📚 GIAI ĐOẠN 3: Kubernetes & DevOps (Tuần 3)
**Kubernetes Essentials:**
- Pods, Services, Deployments
- Helm charts cho data applications
- EKS deployment và management
**Infrastructure as Code:**
- Terraform basics
- Deploy EMR cluster bằng Terraform
**Orchestration:**
- Apache Airflow (DAGs, Operators)
- AWS Step Functions
**Thực hành:**
- Deploy Spark application trên Kubernetes
- Viết Terraform script cho infrastructure
### 📚 GIAI ĐOẠN 4: Data Modeling & Best Practices (Tuần 4)
**Data Warehouse Concepts:**
- Star schema, Snowflake schema
- Slowly Changing Dimensions (SCD)
- Data vault (optional)
**Data Quality:**
- Data profiling
- Data validation frameworks
- Data lineage tracking
**Thực hành:**
- Thiết kế data model cho 1 business domain (ví dụ: e-commerce)
- Implement data quality checks trong pipeline
### 📚 GIAI ĐOẠN 5: Tổng hợp & Mock Interview (Trước phỏng vấn)
**Ôn tập tổng hợp:**
- Review lại toàn bộ architecture diagrams
- Practice system design questions
- Review behavioral questions (STAR method)
**Mock interview resources:**
- Pramp.com (miễn phí)
- Exponent.com (có phí, chuyên về system design)
### 📖 TÀI LIỆU THAM KHẢO
**Sách:**
- "Designing Data-Intensive Applications" - Martin Kleppmann
- "The Data Warehouse Toolkit" - Ralph Kimball
- "Spark: The Definitive Guide" - Bill Chambers & Matei Zaharia
**Online Courses:**
- Udemy: "AWS Big Data - Specialty Certification"
- Databricks: "Spark Fundamentals"
- Coursera: "Data Engineering on Google Cloud"
**YouTube Channels:**
- Data Engineering with AWS (official)
- Data Engineering Daily
- Tech Dummies with Narendra
### ⏰ LỘ TRÌNH ĐỀ XUẤT: 2 tuần intensive
| Ngày | Morning (3h) | Afternoon (3h) | Evening (2h) |
|------|-------------|----------------|--------------|
| Day 1-2 | AWS S3 + Glue | Build demo pipeline | Practice questions |
| Day 3-4 | Redshift + Athena | Data modeling | System design |
| Day 5-6 | Kafka basics | Kafka Connect + Debezium | Coding challenges |
| Day 7 | Review & consolidate | - | Free |
| Day 8-9 | Spark Streaming | Flink intro | Performance tuning |
| Day 10-11 | Kubernetes + EKS | Terraform | Deployment practice |
| Day 12-13 | Airflow + Step Functions | Integration practice | Mock interview |
| Day 14 | Final review | Behavioral prep | Relax + confidence |
---
Tư vấn nghề nghiệp
## Lời khuyên Sự nghiệp Data Engineer tại VPBank
### 📈 LỘ TRÌNH THĂNG TIẾN
```
Junior Data Engineer (0-2 năm)
↓
Data Engineer (2-4 năm)
↓
Senior Data Engineer (4-6 năm)
↓
Lead Data Engineer / Data Architect (6-8 năm)
↓
Principal Engineer / Engineering Manager (8+ năm)
```
**Chi tiết từng bước:**
**1. Junior Data Engineer (Entry-level):**
- Tập trung: hoàn thành task được giao, học hỏi từ senior
- Kỹ năng: nắm chắc 1-2 tech stack chính (ví dụ: Spark + AWS)
- Certification: AWS Certified Cloud Practitioner
**2. Data Engineer (Mid-level):**
- Tập trung: lead module nhỏ, design data models đơn giản
- Kỹ năng: mở rộng sang nhiều tools, hiểu business domain
- Certification: AWS Certified Data Analytics - Specialty
**3. Senior Data Engineer:**
- Tập trung: thiết kế hệ thống lớn, mentor junior, drive technical decisions
- Kỹ năng: architecture design, performance optimization, stakeholder management
- Certification: Databricks Certified Data Engineer Professional
**4. Lead/Architect:**
- Tập trung: định hướng công nghệ, cross-team collaboration
- Kỹ năng: strategic thinking, budget planning, vendor management
### 💰 MỨC LƯƠNG KỲ VỌNG THEO CẤP BẬC (Thị trường Việt Nam 2024)
| Cấp bậc | Kinh nghiệm | Lương tháng (VND) |
|---------|-------------|-------------------|
| Junior (Fresher/Intern) | 0-1 năm | 10-18 triệu |
| Data Engineer | 1-3 năm | 18-30 triệu |
| Senior Data Engineer | 3-5 năm | 30-50 triệu |
| Lead/Architect | 5-8 năm | 50-80 triệu |
**Lưu ý:**
- VPBank là ngân hàng TMCP lớn, mức lương competitive với thị trường
- Ngoài lương còn có: thưởng Tết, phụ cấp, bảo hiểm cao cấp
- Mức lương "Thỏa thuận" = cơ hội đàm phán tốt nếu có kinh nghiệm
### 🎯 KỸ NĂNG CẦN PHÁT TRIỂN THÊM
**Kỹ năng kỹ thuật:**
- Deep dive vào ML/AI engineering (MLOps, feature store)
- Data governance và compliance (đặc biệt quan trọng trong ngân hàng)
- Cost optimization trên cloud
**Kỹ năng mềm:**
- Presentation skills (trình bày technical solutions cho non-technical stakeholders)
- Project management (estimation, planning)
- Business domain knowledge (ngân hàng, tài chính)
**Xu hướng để follow:**
- Data mesh architecture
- Real-time ML serving
- Serverless data engineering
- Data observability tools (Great Expectations, dbt tests)
### 🌟 ƯU ĐIỂM KHI LÀM TẠI VPBANK
- Môi trường ngân hàng số hóa mạnh (VPBank đi đầu về fintech)
- Khối lượng data lớn → cơ hội học hỏi real-world big data
- Team tech modern, sử dụng cloud-native approach
- Cơ hội chuyển đổi sang các domain khác (Risk, Credit, Marketing)
### ⚠️ LƯU Ý THỰC TẾ
- Ngân hàng có compliance nghiêm ngặt → nhiều quy trình, documentation phải kỹ
- Deadline có thể bị ảnh hưởng bởi regulatory requirements
- Data security là ưu tiên #1 → cần tuân thủ nhiều regulations
- Cơ hội học về financial data domain rất giá trị
---
Câu hỏi thường gặp
Vị trí Data Engineer tại VPBank khác gì so với các công ty tech/fintech khác?
VPBank là ngân hàng thương mại, không phải công ty tech thuần túy. Điều này có nghĩa: (1) Bạn sẽ làm việc với financial data rất giá trị - dữ liệu giao dịch, credit, risk; (2) Compliance và security được đặt lên hàng đầu - nhiều quy trình phê duyệt hơn; (3) Hệ thống phải ổn định 24/7 - downtime không được chấp nhận; (4) Cơ hội hiểu sâu về nghiệp vụ ngân hàng - kiến thức này rất hữu ích nếu sau này muốn chuyển sang fintech hoặc các ngân hàng khác.
Mức lương Data Engineer tại VPBank khoảng bao nhiêu? Có thương lượng được không?
Tin tuyển dụng ghi 'Thỏa thuận' = HR sẵn sàng đàm phán theo năng lực. Với 2-4 năm kinh nghiệm, mức lương thường dao động 25-40 triệu/tháng. Với 5+ năm kinh nghiệm và chứng chỉ AWS, có thể đạt 45-60 triệu. Ngoài lương còn có: thưởng performance (1-3 tháng), bảo hiểm cao cấp, phụ cấp ăn trưa, gym. Tips: nếu có offer từ công ty khác cùng thời điểm, hãy disclose - HR sẽ cân nhắc để match.
Cần chuẩn bị gì để pass vòng technical interview cho vị trì này?
VPBank tập trung vào 3 nhóm kiến thức chính: (1) AWS Data services - đặc biệt Glue, Kinesis, S3, Redshift, EMR; (2) Big data technologies - Kafka, Spark, Flink là bắt buộc; (3) System design - thiết kế data pipeline từ đầu đến cuối. Hãy chuẩn bị sẵn 2-3 dự án để present với sơ đồ kiến trúc. Câu hỏi hay hỏi: 'Design a real-time pipeline processing 1M events/second' hoặc 'How to optimize slow Spark job'. Nếu có GitHub repo với các projects cá nhân, đây là điểm cộng lớn.
Work-life balance của Data Engineer tại VPBank như thế nào? Có OT nhiều không?
Khối Công nghệ tại VPBank thường có mức độ OT vừa phải. Trong giai đoạn release lớn hoặc dự án quan trọng, có thể OT 1-2 ngày/tuần. Tuy nhiên, ngân hàng có lợi thế: (1) Giờ làm việc tương đối cố định 8:30-17:30; (2) Thứ 7 làm online nhưng linh hoạt; (3) Nghỉ phép nhiều ngày hơn startup. Data Engineer có thể phải on-call luân phiên (rotation) để support Level 3 incidents, nhưng thường có compensatory time.
Kỹ năng nào là 'must-have' và kỹ năng nào là 'nice-to-have' cho vị trí này?
MUST-HAVE: (1) Python hoặc Scala - để viết ETL jobs, Spark applications; (2) SQL - vẫn là ngôn ngữ chính để query data; (3) AWS Glue hoặc Apache Spark - để xử lý data; (4) Kafka - cho real-time streaming; (5) Hiểu data modeling (star schema, data warehouse). NICE-TO-HAVE: (1) Kubernetes/Docker - ngày càng quan trọng; (2) Terraform/Infrastructure as Code; (3) Airflow hoặc Prefect cho orchestration; (4) Chứng chỉ AWS Data Analytics; (5) Kinh nghiệm trong ngành tài chính/banking. Nếu thiếu nice-to-have, hãy show willingness to learn và có portfolio tự học.
Tôi đang làm Backend Developer muốn chuyển sang Data Engineer, có khả thi không?
Hoàn toàn khả thi và đây là path khá phổ biến. Backend devs có lợi thế: (1) Đã biết lập trình (Python/Scala/Java); (2) Hiểu về distributed systems; (3) Có kinh nghiệm với databases. Điều cần bổ sung: (1) Big data ecosystem (Spark, Kafka, Hadoop); (2) Cloud data services (AWS Glue, Kinesis, Redshift); (3) Data modeling concepts. Gợi ý: Bắt đầu với 1 project data cá nhân, đẩy lên GitHub. Khi interview, highlight các skill chuyển đổi được: 'Tôi đã xây dựng REST APIs, giờ tôi muốn xây dựng data pipelines'. Entry-level Data Engineer position sẽ phù hợp với background này.
Cơ hội thăng tiến và học tập tại VPBank cho Data Engineer như thế nào?
VPBank đang đẩy mạnh số hóa, nên Data Engineer có nhiều cơ hội: (1) Học tập: tiếp xúc với financial data domain, regulatory compliance (BIS, Basel...), data governance; (2) Thăng tiến: Data Engineer → Senior → Lead → Architect hoặc chuyển hướng Data Platform Manager, Data Governance Lead; (3) Lateral move: có thể chuyển sang các domain khác như Risk Analytics, Credit Scoring, Customer Analytics; (4) Technology: VPBank sử dụng cloud-native approach trên AWS - đây là skill rất giá trị trên thị trường. Sau 2-3 năm tại đây, profile của bạn sẽ rất attractive cho cả ngân hàng khác lẫn fintech.
Sinh viên mới ra trường có nên apply vị trí này không? Cần chuẩn bị gì?
Có thể apply nếu bạn có: (1) Project cá nhân liên quan đến data engineering (build ETL pipeline, data warehouse demo); (2) Kiến thức cơ bản về AWS (có thể lấy free tier, tự học); (3) Hiểu SQL và 1 ngôn ngữ lập trình (Python khuyến khích); (4) Internship hoặc pet project với big data tools. Nếu chưa có kinh nghiệm, hãy tập trung vào: xây dựng portfolio trên GitHub, hoàn thành 1-2 khóa học online về AWS Data, thực hành với datasets thực tế (Kaggle). Điểm mấu chốt: phải show passion và self-learning ability. Fresh grads thường được consider cho associate/junior roles.