CMNV

Mô tả công việc

Các trách nhiệm chính - Thực hiện lập kế hoạch kiểm thử - Thực hiện xây dựng kịch bản kiểm thử - Thực hiện kiểm thử đảm bảo chất lượng phát triển và golive cho các cập nhật liên tục trên các hệ thống sản phẩm dữ liệu (thông tư, data engine, data service…) trên nền tảng dịch vụ quản trị và phân tích dữ liệu của VPbank, dữ liệu tập trung của EDA. Tổng hợp tài liệu liên quan kiểm thử, kiểm tra quá trình check pilot golive - Thực hiện log bug và quản lý lỗi trong quá trình kiểm thử - Báo cáo quá trình kiểm thử

Yêu cầu ứng viên

Trình độ đào tạo Đại học in Công nghệ thông tin Các năng lực khác - Bằng cử nhân hoặc cao hơn trong lĩnh vực: Khoa học máy tính, Khoa học dữ liệu, CNTT, hoặc các chuyên ngành liên quan Data, Toán Tin Ứng dụng, Kinh tế, Tài chính, Ngân hàng,.. - Tối thiểu 3 năm trong lĩnh vực phát triển và kiểm thử dữ liệu/báo cáo/phân tích/học máy hoặc các lĩnh vực liên quan. - • Triển khai cùng và quản lý đối tác công nghệ thông tin - Domain: Có kinh nghiệm kiểm thử dữ liệu cho hệ thống ngân hàng hoặc liên quan. - Có sự kiểu biết về các công cụ ETL tool và các dịch vụ xử lý và kiểm thử dữ liệu: Redshift / S3 / DBT/IBM datastage / Postman / Swagger / Airflow /API… - Certificate liên quan đến dữ liệu - Certificate liên quan đến kiểm thử: ISTQB - Có sự hiểu biết về các ứng dụng visualization. - Kiến thức về 1 hoặc nhiều ngôn ngữ lập trình: Python/R/SQL… - Hiểu biết về dữ liệu: Có sự hiểu biết về khái niệm dữ liệu, cơ sở dữ liệu, và cách xử lý dữ liệu - Hiểu biết về kiểm thử phần mềm, các kỹ thuật kiểm thử,.. - Đã từng tham gia các dự án về Data Warehouse/ Data Product / Report / Data Service / Data Platform: Lập chiến lược kiểm thử, kế hoạch kiểm thử, thiết kế testcase cho kiểm tra dữ liệu - Có sự hiểu biết cơ bản về SQL, và có kỹ năng tốt trong viết SQL scripts - Kiến thức về Data quality/Data Governance/ETL tesing - Phân tích dữ liệu: Khả năng phân tích dữ liệu để xác định vấn đề và lỗi trong dữ liệu, cũng như cách sửa. - Kiểm tra dữ liệu tự động: Khả năng xây dựng và triển khai kiểm tra dữ liệu tự động Các yêu cầu khác Quyền lợi được hưởng 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...)

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cần có cho vị trí IT-CVCC Phân tích nghiệp vụ & Hệ thống Dữ liệu tại VPBank ### 1. Hard Skills (Kỹ năng chuyên môn) | Nhóm kỹ năng | Yêu cầu cụ thể | Mức độ quan trọng | |---|---|---| | **SQL & Database** | SQL thành thạo (SQL Server, Oracle, PostgreSQL), thiết kế schema, tối ưu truy vấn, xử lý dữ liệu lớn | ⭐⭐⭐⭐⭐ | | **Data Modeling** | ERD, dimensional modeling, data warehouse concepts (Kimball, Inmon), star/snowflake schema | ⭐⭐⭐⭐⭐ | | **ETL/ELT** | Kinh nghiệm với các công cụ ETL (Informatica, Talend, Airflow, Apache NiFi), pipeline design | ⭐⭐⭐⭐ | | **Data Integration** | API integration, batch processing, real-time streaming (Kafka, Spark Streaming) | ⭐⭐⭐⭐ | | **Business Analysis** | Phân tích yêu cầu nghiệp vụ, viết BRD/PRD, đánh giá ảnh hưởng, use case modeling | ⭐⭐⭐⭐⭐ | | **Data Quality & Governance** | Data profiling, data cleansing, master data management, data lineage | ⭐⭐⭐⭐ | | **Programming** | Python (pandas, numpy, pySpark), Shell scripting, có lợi nếu biết Scala | ⭐⭐⭐⭐ | | **BI Tools** | Power BI, Tableau, QlikView hoặc các công cụ báo cáo | ⭐⭐⭐ | | **Cloud/Data Platform** | AWS/GCP/Azure data services, Data Lake, Databricks | ⭐⭐⭐ | | **Agile/Project Management** | Jira, Confluence, lập kế hoạch sprint, theo dõi tiến độ | ⭐⭐⭐ | ### 2. Soft Skills (Kỹ năng mềm) - **Giao tiếp nghiệp vụ**: Diễn đạt kỹ thuật phức tạp thành ngôn ngữ dễ hiểu cho stakeholders non-technical - **Tư duy phân tích**: Phân tích logic nghiệp vụ, kiểm tra tính đầy đủ và nhất quán của yêu cầu - **Quản lý đa dự án**: Xử lý nhiều yêu cầu cùng lúc với mức độ phức tạp khác nhau - **Làm việc nhóm**: Phối hợp với team EDA, đối tác, đơn vị nghiệp vụ - **Chịu áp lực deadline**: Xử lý yêu cầu từ đơn giản đến phức tạp trong timeline cho trước - **Tự học & cập nhật**: Xu hướng AI/ML trong ngân hàng đang thay đổi nhanh ### 3. Chứng chỉ gợi ý (Nên có / Nên học thêm) **Bắt buộc hoặc rất giá trị:** - CDMP (Certified Data Management Professional) — chứng chỉ về quản lý dữ liệu quốc tế - TOGAF (The Open Group Architecture Framework) — kiến trúc doanh nghiệp - AWS/GCP/Azure Data Certification **Nên có thêm:** - CBAP (Certified Business Analysis Professional) — phân tích nghiệp vụ - PMP hoặc Scrum Master — quản lý dự án - Google Data Engineer / Data Analytics Certificate - Databricks Lakehouse Fundamentals ### 4. So sánh: Vị trí Business Analyst thông thường vs. Vị trí này | Tiêu chí | BA thông thường | Vị trí này (VPBank) | |---|---|---| | Trọng tâm | Nghiệp vụ + tài liệu | Nghiệp vụ + thiết kế dữ liệu + kỹ thuật | | Yêu cầu kỹ thuật | Cơ bản | Sâu, phải thiết kế data model, integration solution | | Tương tác | Với BA team, PM, khách hàng | Với EDA, đối tác, team CNTT, nghiệp vụ | | Đầu ra chính | BRD, use case | Data model, ETL design, data governance rules | | Testing | Tham gia | Chủ động kiểm thử dữ liệu và hệ thống | **Đánh giá**: Đây là vị trí **hybrid** giữa Business Analyst và Data Engineer, yêu cầu nền tảng kỹ thuật vững chắc hơn BA thông thường, phù hợp người đã có kinh nghiệm 1-3 năm trong lĩnh vực data/IT ngân hàng.

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn VPBank — IT-CVCC Phân tích nghiệp vụ & Hệ thống Dữ liệu ### Quy trình phỏng vấn dự kiến (3-4 vòng) ``` Vòng 1: HR Screening (30-45 phút) → Đánh giá hồ sơ, xác nhận kinh nghiệm, kỳ vọng lương Vòng 2: Technical Interview (60-90 phút) → Phỏng vấn viên: Team Lead / Senior CVCC → Kiểm tra kiến thức data modeling, SQL, ETL, nghiệp vụ ngân hàng Vòng 3: Manager Interview (45-60 phút) → Phỏng vấn viên: Trưởng phòng Khối Quản trị và Phân tích dữ liệu → Đánh giá tư duy, cách xử lý tình huống, cultural fit Vòng 4: BU Head / Cấp cao hơn (tuỳ cases) (30-45 phút) → Đánh giá chiến lược, định hướng phát triển ``` ### Câu hỏi hay gặp theo từng vòng **Vòng 1 — HR Screening:** - "Giới thiệu ngắn về kinh nghiệm làm việc với dữ liệu của bạn" - "Tại sao bạn quan tâm đến VPBank và vị trí này?" - "Bạn có kinh nghiệm làm việc trong môi trường ngân hàng/tài chính chưa?" - "Kỳ vọng lương và lộ trình phát triển của bạn là gì?" - "Bạn biết gì về Khối EDA và mô hình làm việc của VPBank?" **Vòng 2 — Technical Interview:** - "Mô tả quy trình bạn phân tích một yêu cầu nghiệp vụ về dữ liệu từ đầu đến cuối" - "Thiết kế data model cho một nghiệp vụ cụ thể (ví dụ: quản lý tài khoản, giao dịch, tín dụng)" - "Viết SQL để giải quyết một bài toán phân tích (window function, group by phức tạp, CTE)" - "Làm thế nào để đảm bảo data quality trong ETL pipeline?" - "Sự khác biệt giữa Kimball và Inmon data warehouse methodology?" - "Xử lý thế nào khi performance của query không đạt yêu cầu?" - "Mô tả một dự án tích hợp dữ liệu phức tạp bạn đã tham gia" - "Data governance bao gồm những gì và tại sao nó quan trọng?" - "Bạn đánh giá ảnh hưởng khi có thay đổi kỹ thuật trên hệ thống như thế nào?" **Vòng 3 — Manager Interview:** - "Mô tả một tình huống bạn phải xử lý yêu cầu nghiệp vụ mâu thuẫn giữa các bên" - "Làm thế nào để ưu tiên khi có nhiều yêu cầu cùng lúc?" - "Bạn làm gì khi deadline không khả thi với khối lượng công việc?" - "Những công nghệ mới nào bạn đang tìm hiểu để áp dụng vào công việc?" - "Bạn hiểu gì về xu hướng AI/ML trong ngân hàng hiện nay?" ### Tips chuẩn bị cụ thể **Về kiến thức nghiệp vụ ngân hàng:** - Tìm hiểu các hệ thống core banking phổ biến (Temenos, Finacle, BaNCS) - Nắm vững các nghiệp vụ: thanh toán, tín dụng, thẻ, tài khoản, báo cáo tuân thủ - Hiểu về Basel II/III, AML/KYC, phòng chống rửa tiền - Tìm hiểu VPBank đang sử dụng tech stack gì (thường là Oracle, SAP, các giải pháp cloud) **Về case study thực tế:** - Chuẩn bị 2-3 ví dụ cụ thể về dự án data mà bạn đã tham gia - Sử dụng framework STAR (Situation, Task, Action, Result) để trả lời - Sẵn sàng trình bày diagram, flowchart nếu được yêu cầu **Về câu hỏi đọc hiểu:** - Đọc kỹ JD: vị trí nhấn mạnh "tư vấn kiểm tra tính logic và đầy đủ trong quy tắc tính do nghiệp vụ đưa ra" → hỏi về validation logic - Nhấn mạnh "thiết kế mô hình dữ liệu cho từng CR" → cần thể hiện kỹ năng data modeling - Nhấn mạnh "phục vụ ứng dụng AI" → nên có kiến thức về data preparation cho ML ### Dress Code - **Trang phục**: Smart casual hoặc business casual - Nam: áo sơ mi, quần âu, có thể không cần cravat - Nữ: áo sơ mi hoặc blouse, quần âu hoặc chân váy công sở - Tránh jeans rách, giày thể thao, áo phông - VPBank văn hóa khá open nên không cần formal quá mức ### Checklist chuẩn bị trước 1 ngày - [ ] Ôn lại SQL: window function, join phức tạp, optimization - [ ] Chuẩn bị ví dụ về data model đã thiết kế - [ ] Tìm hiểu VPBank: lịch sử, sản phẩm, quy mô, văn hóa - [ ] Chuẩn bị câu hỏi cho nhà tuyển dụng (về team, tech stack, dự án) - [ ] In sẵn CV, bằng cấp, chứng chỉ (photo) - [ ] Ngủ đủ giấc, đến sớm 15 phút

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho vị trí IT-CVCC Phân tích nghiệp vụ & Hệ thống Dữ liệu ### Lộ trình chuẩn bị 7-14 ngày #### Giai đoạn 1: Nền tảng (Ngày 1-3) **Kiến thức cần ôn:** - Database fundamentals: ACID, normalization (1NF → 3NF), indexing, partitioning - SQL advanced: CTEs, window functions (LAG, LEAD, RANK, DENSE_RANK), recursive queries, pivot/unpivot - Data modeling: ERD, conceptual/logical/physical model, cardinality **Tài liệu tham khảo:** - *Fundamentals of Database Systems* — Elmasri & Navathe - *SQL Cookbook* — Anthony Molinaro (ôn SQL nâng cao) - *Data Modeling Made Simple* — Steve Hoberman - LeetCode/Hackerrank: ôn 15-20 bài SQL trung bình → khó #### Giai đoạn 2: Chuyên sâu (Ngày 4-7) **Kiến thức cần ôn:** - Data Warehouse: Kimball methodology (bus matrix, dimension tables, fact tables) - ETL process: extraction, transformation, loading, data quality checks - Data Governance: data lineage, data catalog, data quality framework - Nghiệp vụ ngân hàng: core banking, GL accounting, interest calculation, regulatory reporting **Tài liệu tham khảo:** - *The Data Warehouse Toolkit* — Ralph Kimball (kinh điển) - *Building the Data Warehouse* — Bill Inmon - VPBank annual report (đọc để hiểu business model) - Các bài viết về AML/KYC trong ngân hàng Việt Nam #### Giai đoạn 3: Luyện tập (Ngày 8-10) **Thực hành:** - Làm 5-10 bài SQL thực tế trên Kaggle hoặc sample database (Sakila, Northwind) - Thiết kế data model cho 2-3 nghiệp vụ ngân hàng (mở tài khoản, duyệt tín dụng, thanh toán) - Luyện trình bày case study: "Mô tả một dự án tích hợp dữ liệu bạn đã làm" **Case study practice:** ``` Nghiệp vụ mẫu để tự thực hành thiết kế: → Thiết kế data model cho hệ thống quản lý tiền gửi tiết kiệm → Thiết kế data model cho hệ thống phê duyệt tín dụng → Thiết kế ETL pipeline để tổng hợp dữ liệu từ nhiều nguồn phục vụ báo cáo tuân thủ ``` #### Giai đoạn 4: Tổng hợp & Mock (Ngày 11-14) - Mock interview với bạn bè hoặc tự quay video - Ôn lại các câu hỏi behavioral (STAR method) - Chuẩn bị portfolio (nếu có): diagram, tài liệu thiết kế từ các dự án cũ (đã được approve che thông tin) - Nghỉ ngơi, giữ sức khỏe ### Tài liệu bổ sung theo chủ đề **Data Engineering:** - Data Engineering with Python (Paul C. Zikopoulos) - Kaggle micro-courses: SQL, Data Cleaning, Data Visualization **Business Analysis trong ngân hàng:** - BABOK (Business Analysis Body of Knowledge) — bản tóm tắt - Các bài viết về BA trong fintech ngân hàng Việt Nam **VPBank-specific:** - Đọc báo cáo thường niên VPBank (Annual Report) - Tìm hiểu các dự án công nghệ của VPBank (VPBank Tech, digital transformation) - Theo dõi tin tức VPBank trên cafef, vneconomy ### Những điểm hay bị hỏi nhưng ứng viên hay quên 1. Sự khác biệt giữa OLTP và OLAP 2. Slowly Changing Dimensions (SCD) Type 1, 2, 3 3. Data lineage tracking — làm thế nào? 4. Làm sao để đo lường chất lượng dữ liệu? 5. Khi nào dùng batch processing vs. real-time streaming? 6. Data vault modeling — có biết không? 7. Cách xử lý duplicate data, missing data trong ETL 8. Các regulation về dữ liệu trong ngân hàng (GDPR tương tự, luật an ninh mạng)

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho vị trí IT-CVCC Phân tích nghiệp vụ & Hệ thống Dữ liệu tại VPBank ### Lộ trình thăng tiến điển hình ``` Entry Level (0-2 năm kinh nghiệm) Chuyên viên Phân tích nghiệp vụ & Hệ thống Dữ liệu ↓ (2-3 năm) Mid Level (3-5 năm kinh nghiệm) CVCC Senior / Team Lead ↓ (3-4 năm) Senior Level (6-8 năm kinh nghiệm) Trưởng nhóm / Quản lý phòng ban ↓ (4-5 năm) Leadership Level Giám đốc Khối / Chief Data Officer ``` ### Mức lương kỳ vọng theo cấp bậc (tham khảo thị trường) | Cấp bậc | Kinh nghiệm | Mức lương tháng (VND) | Ghi chú | |---|---|---|---| | Fresher/Junior | 0-1 năm | 10-16 triệu | Vị trí này thường cần tối thiểu 1-2 năm kinh nghiệm | | Chuyên viên | 1-3 năm | 16-28 triệu | Mức phổ biến cho ứng viên phù hợp | | Senior | 3-5 năm | 28-45 triệu | Có kinh nghiệm data modeling + nghiệp vụ ngân hàng sâu | | Team Lead | 5-7 năm | 45-70 triệu | Quản lý team 3-8 người | | Manager | 7+ năm | 70-120 triệu | Quản lý toàn phòng ban | **Lưu ý:** Mức lương thực tế còn phụ thuộc: - Quy mô dự án đã làm - Tech stack cụ thể (Kafka, Spark, Databricks...) - Chứng chỉ chuyên môn - Vùng (HCM vs Hà Nội có thể chênh 10-20%) - Thưởng performance: thường 1-3 tháng lương ### Kỹ năng cần phát triển thêm để thăng tiến **Kỹ năng kỹ thuật nên phát triển:** - **Năm 1-2**: Chuyên sâu SQL, data modeling, ETL. Bắt đầu học Python cho automation - **Năm 3-4**: Cloud data platform (AWS/GCP/Azure), real-time data processing, data governance framework - **Năm 5+**: Data strategy, data architecture design, AI/ML fundamentals (đặc biệt MLOps, feature engineering) **Kỹ năng mềm cần trau dồi:** - **Kỹ năng thuyết trình**: Trình bày data insights cho ban lãnh đạo (storytelling with data) - **Quản lý stakeholders**: Làm việc với nhiều bên (nghiệp vụ, IT, compliance, đối tác) - **Quản lý dự án**: PMP, Agile/Scrum certification - **Mentoring**: Dần dần hướng dẫn junior members ### Triển vọng nghề nghiệp trong ngành Data tại Việt Nam **Xu hướng thị trường 2024-2025:** - Nhu cầu nhân sự data trong ngân hàng tăng 30-40%/năm - Các ngân hàng Việt Nam (VPBank, Techcombank, TPBank, MB) đang đẩy mạnh digital transformation - AI/ML đang được ứng dụng rộng rãi → nhu cầu data engineer tăng cao - Lương data-related roles trong ngân hàng thường cao hơn 20-30% so với các ngành khác **Lợi thế khi làm tại VPBank:** - Quy mô lớn, dữ liệu đa dạng (retail banking, SME, corporate) - Cơ hội học hỏi từ các dự án digital transformation lớn - Môi trường năng động, nhiều cơ hội rotation giữa các khối - Tech stack hiện đại, đang chuyển đổi lên cloud **Lộ trình phát triển thay thế (nếu muốn chuyển hướng):** - Data Engineering → Data Architecture → Enterprise Architecture - Business Analysis → Product Owner → Product Manager (Data Products) - Technical track → Management track → CDO/CDAO - Cross-industry: Ngân hàng → Fintech → Big Tech → Consulting ### Lời khuyên thực tế 1. **Bắt đầu từ nghiệp vụ**: Hiểu business trước, rồi mới technical. Người hiểu cả hai sẽ thăng tiến nhanh nhất 2. **Build portfolio**: Ghi lại các dự án, diagram, kết quả đạt được (anonymized) 3. **Network nội bộ**: Kết nối với các team EDA, AI, Compliance để mở rộng cơ hội 4. **Học liên tục**: Data field thay đổi nhanh — commit 2-4 giờ/tuần để học công nghệ mới 5. **Chứng chỉ có giá trị**: CDMP, TOGAF, AWS Data Specialty — đầu tư sớm sẽ có lợi

Câu hỏi thường gặp

Vị trí này yêu cầu kinh nghiệm bao nhiêu năm? Mới ra trường có ứng tuyển được không?

JD không ghi rõ kinh nghiệm yêu cầu, chỉ nêu 'N/A'. Tuy nhiên, nhìn vào mô tả công việc đòi hỏi kỹ năng khá chuyên sâu (thiết kế data model, ETL, đánh giá ảnh hưởng kỹ thuật, kiểm thử hệ thống), mình đánh giá bạn cần tối thiểu 1-2 năm kinh nghiệm ở vị trí liên quan đến data hoặc BA. Nếu mới ra trường, bạn cần có internship liên quan + portfolio thể hiện kỹ năng SQL/data modeling vững, hoặc chuyển hướng ứng tuyển vị trí junior hơn trong khối EDA.

Mức lương cho vị trí này ở VPBank là bao nhiêu? Có thương lượng được không?

JD ghi 'Thỏa thuận' nên chắc chắn có thể thương lượng. Thị trường hiện tại cho vị trí data analysis/business analysis ở ngân hàng VPBank dao động khoảng 18-30 triệu/tháng tùy kinh nghiệm. Khi phỏng vấn, bạn nên đưa ra mức kỳ vọng cụ thể dựa trên mức lương hiện tại + 20-30% premium cho VPBank (vì VPBank được đánh giá là có mức lương cạnh tranh). Ngoài lương, còn có thể thương lượng thưởng performance, bảo hiểm cao cấp, education allowance.

Vị trí này làm việc với công nghệ gì? Tech stack tại VPBank là gì?

JD không nêu rõ tech stack nhưng dựa vào mô tả công việc có thể suy luận: SQL/database (Oracle/SQL Server là phổ biến trong ngân hàng Việt), ETL tools (Informatica, Talend hoặc Airflow), có thể có Spark/Hadoop ecosystem, cloud platform (AWS/GCP/Azure đang được nhiều ngân hàng Việt chuyển đổi). VPBank đang đẩy mạnh digital transformation nên tech stack khá hiện đại. Bạn nên hỏi trực tiếp team phỏng vấn về specific tools đang dùng.

Công việc hàng ngày của vị trí này như thế nào? KPIs ra sao?

Dựa vào JD, công việc hàng ngày bao gồm: tiếp nhận và phân tích yêu cầu nghiệp vụ từ các đơn vị, thiết kế data model cho từng CR, thiết kế giải pháp tích hợp dữ liệu, tham gia lập kế hoạch và theo dõi tiến độ, kiểm thử dữ liệu. KPIs thường gắn với: số lượng yêu cầu xử lý, chất lượng data model (không có lỗi logic), tiến độ bàn giao, SLA compliance. Vì làm việc với data, còn có KPIs về data quality metrics.

Cơ hội thăng tiến tại VPBank như thế nào? Khối EDA có phát triển không?

Khối EDA (Enterprise Data & Analytics) đang là trọng tâm của hầu hết ngân hàng Việt Nam, VPBank cũng không ngoại lệ. Lộ trình thăng tiến điển hình: CVCC → Senior CVCC → Team Lead → Trưởng phòng → Giám đốc Khối. Tốc độ thăng tiến phụ thuộc vào performance, dự án hoàn thành, và cơ hội. VPBank có văn hóa khá năng động, cho phép rotation giữa các khối nếu bạn thể hiện tốt. Ngoài ra, có thể chuyển hướng sang Data Architecture, Data Governance, hoặc AI/ML track.

Tôi đang làm BA ở công ty fintech, muốn chuyển sang ngân hàng. Cần chuẩn bị gì?

Chuyển từ fintech sang ngân hàng là bước đi khả thi vì có nhiều điểm tương đồng. Bạn cần bổ sung: (1) Kiến thức nghiệp vụ ngân hàng cụ thể — GL accounting, Basel compliance, interest calculation, regulatory reporting. (2) Hiểu sự khác biệt về quy mô dữ liệu và complexity — ngân hàng có data volume lớn hơn nhiều. (3) Chuẩn bị story về việc làm việc trong môi trường có regulation chặt chẽ hơn. (4) Thể hiện portfolio về data modeling và ETL trong CV. Fintech background sẽ là lợi thế nếu bạn biết highlight kỹ năng digital/product thinking.

Work-life balance ở VPBank khối EDA thế nào? Có overtime nhiều không?

Thực tế work-life balance phụ thuộc nhiều vào giai đoạn dự án. Thông thường: giai đoạn bình thường khá ổn định, có thể làm standard hours. Giai đoạn release/sprint end thì có thể OT 1-2 tiếng. Khi có dự án lớn hoặc regulatory deadline (báo cáo tuân thủ, audit) thì OT nhiều hơn. Ngân hàng nói chung có xu hướng bận hơn fintech, nhưng VPBank được đánh giá ở mức trung bình trong ngành. Bạn nên hỏi thẳng HR hoặc interviewer về on-call duty và support rotation.

Chứng chỉ nào giúp tăng sức cạnh tranh khi ứng tuyển vị trí này?

Top chứng chỉ giúp tăng sức cạnh tranh: (1) CDMP (Certified Data Management Professional) — trực tiếp liên quan đến job, quốc tế công nhận. (2) AWS/GCP/Azure Data Certification — nếu VPBank đang dùng cloud. (3) CBAP — nếu muốn nhấn mạnh business analysis. (4) TOGAF — nếu muốn phát triển hướng data architecture. (5) PMP hoặc Scrum Master — hữu ích cho việc quản lý dự án. Nếu budget hạn chế, bắt đầu với các khóa học free trên Coursera/AWS/GCP rồi lấy chứng chỉ có phí.

Data QA_CVCC Kiểm thử chất lượng giải pháp DL - Hà Nội - TA105