Experienced (Non-Manager)

Mô tả công việc

## Job Purpose - The job holder supervises the setup of analytical tools to generate insights for customer journeys and product enhancements using programming methods, processes and systems to consolidate and analyze unstructured, diverse Big Data sources. - The job holder is required to take initiative in experimenting various technologies and tools with vision of creating innovative data driven insights for the business at the quickest pace possible and keep current with technical and industry developments. ## Key Accountabilities (1) Data Solutioning - Evaluate effectiveness of proposed models and track business performance against data analysis model. - Build cutting-edge algorithms and work with machine learning and deep learning tools to deliver advance analytics solutions across the firm including recommendation engines, customized data models, customer journeys, graph modes, etc. - Drive application of machine learning and big data techniques across different journeys and squads. - Manage, execute, and review complex data science projects in an agile manner and in compliance with internal regulatory requirements. ## Key Accountabilities (2) Data Insighting - Lead the identification and interpretation of meaningful and actionable insights from large data and metadata sources. - Review processes and tools designed to monitor and analyze model performance and data accuracy. - Proactively lead discussions in 3+ squads to identify questions and issues for data analysis - Collaborate with Data Engineers to build complex, technical algorithms in data analytics software applications to improve work efficiency. ## Key Accountabilities (3) Projects Management - Manage project conflicts, challenges and dynamic business requirements to keep operations running at high performance. - Work with team leads to resolve people problems and project roadblocks, conduct post mortem and root cause analysis to help squads continuously improve their practices to ensure maximum productivity. Talent Development - Mentor and coach Data Analysts into fully competent Data Scientists. - Identify and encourage areas for growth and improvement within the tribe. ## Success Profile - Qualification and Experiences Qualifications - Bachelor's or Master’s degree in Statistics, Mathematics, Quantitative Analysis, Computer Science, Software Engineering or Information Technology Work Experience - 7+ years of relevant experience in areas of data analysis, machine learning, deep learning model development on large amount of data, implementing and deploying various statistical models - English proficiency requirements are pursuant to Techcombank's policy - Deep experience in querying databases and using programming languages (e.g. C, C++, R, Python, Scala, SQL, Java, Tableau, R) - Extensive experience in building data and analytics solutions, data mining, statistical analysis and data visualization - Experience in application of machine learning and AI to questions related to the financial markets - Experience in providing fact-based insights to help senior management and other stakeholders realize enterprise value at scale - Deep experience in Agile Software Development and has mastery of Agile principles, practices and Scrum methodologies - Experience working in Agile teams to lead successful digital transformation projects, involved in the end-to-end planning to implementation

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cần thiết cho Data Scientist (Insurance) - Techcombank ### 1. HARD SKILLS (Kỹ năng chuyên môn) #### a) Lập trình & Công nghệ | Cấp độ | Ngôn ngữ/Công cụ | Mức độ yêu cầu | |--------|------------------|----------------| | Bắt buộc | Python | ★★★★★ Chuyên sâu | | Bắt buộc | SQL | ★★★★★ Chuyên sâu | | Bắt buộc | R | ★★★★☆ Nâng cao | | Bắt buộc | Big Data Tools (Spark, Hadoop) | ★★★★☆ Nâng cao | | Ưu tiên | Scala, Java, C/C++ | ★★★☆☆ Trung bình | | Ưu tiên | Tableau, Power BI | ★★★☆☆ Trung bình | | Ưu tiên | Cloud Platform (AWS/GCP/Azure) | ★★★☆☆ Trung bình | #### b) Machine Learning & AI - **Supervised Learning:** Logistic Regression, Random Forest, XGBoost, SVM - **Unsupervised Learning:** K-Means, DBSCAN, PCA, t-SNE - **Deep Learning:** Neural Networks, CNN, RNN/LSTM (cho time series) - **MLOps:** Model deployment, monitoring, A/B testing - **Insurance-specific:** Actuarial modeling, risk scoring, fraud detection #### c) Toán & Thống kê - Xác suất thống kê nâng cao - Giải tích (Calculus) - Đại số tuyến tính (Linear Algebra) - Time Series Analysis - Survival Analysis (đặc biệt quan trọng cho bảo hiểm) --- ### 2. SOFT SKILLS | Kỹ năng | Mức độ quan trọng | Mô tả | |---------|-------------------|-------| | Leadership | ★★★★★ | Dẫn dắt 3+ squads, mentor Data Analysts | | Giao tiếp | ★★★★★ | Trình bày insights cho C-level, stakeholders | | Project Management | ★★★★☆ | Quản lý conflicts, agile execution | | Problem Solving | ★★★★☆ | Phân tích vấn đề phức tạp, root cause analysis | | Business Acumen | ★★★★☆ | Hiểu nghiệp vụ bảo hiểm, banking | | Teamwork | ★★★★☆ | Làm việc cross-functional với Data Engineers | --- ### 3. CHỨNG CHỈ GỢI Ý #### Khuyến nghị cao: - **Google Professional Data Scientist** - phù hợp với ML/AI focus - **AWS Certified Machine Learning Specialty** - cloud-based ML - **Kaggle Expert/Master** - thực hành thêm portfolio #### Bổ sung giá trị: - **FRM (Financial Risk Manager)** - hiểu risk trong banking/insurance - **CFA** - nền tảng tài chính vững - **Microsoft Certified: Azure Data Scientist Associate** #### Nghiệp vụ Bảo hiểm: - **Actuarial Exams (SOA/CAS)** - nếu muốn chuyên sâu về pricing --- ### 4. BẢNG SO SÁNH: Data Scientist vs Data Analyst (vị trí liên quan) | Tiêu chí | Data Analyst | Data Scientist (vị trí này) | |----------|--------------|------------------------------| | Mức độ phức tạp | Phân tích descriptive | Build models, algorithms | | Code | SQL, Excel, BI tools | Python, R, Scala, Spark | | ML/DL | Cơ bản | Chuyên sâu | | Business Impact | Báo cáo | Strategic decisions | | Team size thường | 1-3 | 5-10+ | | Salary (HCM/HN) | 15-25 triệu | 35-70 triệu | | Kinh nghiệm | 1-3 năm | 7+ năm | --- ### 5. ĐÁNH GIÁ ĐỘ KHÓ TUYỂN DỤNG - **Mức độ cạnh tranh:** 🔴 Rất cao (7+ năm kinh nghiệm, senior role) - **Tính chuyên môn:** 🔴 Chuyên sâu (insurance domain + ML) - **Vị trí đặc thù:** Techcombank là ngân hàng top-tier, môi trường agile hiện đại - **Ưu tiên:** Ứng viên có kinh nghiệm fintech/insurtech sẽ có lợi thế **Gợi ý:** Đây là vị trí cấp cao, yêu cầu 7+ năm kinh nghiệm. Ứng viên cần có: 1. Portfolio dự án ML/DL thực tế đã deploy 2. Kinh nghiệm làm việc với Big Data (Spark, Hadoop) 3. Hiểu biết về nghiệp vụ bảo hiểm/ngân hàng 4. Leadership experience (mentoring, squad lead)

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn Data Scientist (Insurance) - Techcombank ### 1. QUY TRÌNH PHỎNG VẤN THÔNG THƯỜNG #### Vòng 1: Screening/HR Interview (30-45 phút) - Check background, kinh nghiệm - Đánh giá English proficiency (theo policy của Techcombank) - Discuss salary expectations, notice period - Cultural fit initial assessment #### Vòng 2: Technical Interview - Data Science (60-90 phút) - Kiểm tra coding skills (Python, SQL) - Machine Learning theory & practical application - Case study: Insurance/Banking analytics problem - System design cho data pipeline #### Vòng 3: Technical Interview - Domain Expert (60 phút) - Deep dive vào kinh nghiệm ML/DL - Scenario-based questions - Model deployment & MLOps experience - Case study cụ thể về bảo hiểm #### Vòng 4: Panel Interview - Leadership/C-level (45-60 phút) - Leadership & mentoring experience - Strategic thinking - Communication skills với stakeholders - Cultural alignment với Techcombank #### Vòng 5: HR/Salary Negotiation - Compensation package details - Benefits discussion - Start date, reporting structure --- ### 2. CÂU HỎI HAY GẶP THEO TỪNG VÒNG #### Vòng 1 - HR/Screening: 1. "Tại sao bạn quan tâm đến vị trí Data Scientist tại Techcombank?" 2. "Bạn có thể mô tả dự án data science lớn nhất mà bạn đã làm?" 3. "Bạn có kinh nghiệm gì với Agile/Scrum?" 4. "Mức lương kỳ vọng của bạn là bao nhiêu?" 5. "Bạn đã từng làm việc với domain bảo hiểm chưa?" #### Vòng 2 - Technical Data Science: 1. **Coding (Python/SQL):** - "Viết SQL để tính customer lifetime value từ transaction data" - "Implement một ML model từ scratch (Logistic Regression, Decision Tree)" - "Optimize một slow SQL query với JOINs và aggregations" - "Xử lý imbalanced dataset như thế nào?" 2. **Machine Learning:** - "Giải thích sự khác nhau giữa Random Forest và Gradient Boosting" - "Khi nào nên dùng Neural Network vs Traditional ML?" - "Làm thế nào để handle overfitting?" - "Feature selection methods bạn hay dùng?" - "Explain precision, recall, F1-score. Khi nào dùng metric nào?" 3. **Statistics:** - "P-value là gì? ý nghĩa trong A/B testing?" - "Central Limit Theorem có ý nghĩa gì?" - "Confidence Interval vs Prediction Interval khác nhau thế nào?" #### Vòng 3 - Domain & Case Study: 1. "Bạn sẽ xây dựng model để predict customer churn cho insurance như thế nào?" 2. "Làm sao để detect fraud trong insurance claims?" 3. "Design một recommendation engine cho insurance products" 4. "Bạn đã deploy ML model nào lên production chưa? Describe the process" 5. "Handling concept drift trong insurance data như thế nào?" 6. "Feature engineering cho insurance domain có gì đặc biệt?" #### Vòng 4 - Leadership/Strategy: 1. "Mô tả một lần bạn lead một team/cross-functional project" 2. "Bạn mentor người khác như thế nào?" 3. "Handling conflict trong agile team như thế nào?" 4. "Bạn sẽ contribute vào Techcombank's data strategy như thế nào?" 5. "Trình bày cho board về một insight quan trọng mà bạn đã discover" 6. "Tầm nhìn của bạn về AI/ML trong ngành bảo hiểm 5 năm tới?" --- ### 3. TIPS CHUẨN BỊ ĐẶC BIỆT CHO TECHCOMBANK #### Văn hóa Techcombank: - Techcombank theo đuổi mô hình Agile/Scrum hiện đại - Đề cao innovation, experimentation - Data-driven decision making - Customer-centric mindset #### Chuẩn bị cụ thể: 1. **Research Techcombank:** - Đọc annual report, news về digital transformation - Hiểu sản phẩm insurance của Techcombank - Tìm hiểu về data infrastructure của họ 2. **Portfolio preparation:** - Chuẩn bị 2-3 case studies về ML/DL projects - Sẵn sàng discuss end-to-end: data → model → deployment → business impact - Đặc biệt: insurance-related projects sẽ là điểm cộng lớn 3. **Technical refresh:** - Ôn lại ML fundamentals (không chỉ library usage) - Practice SQL optimization - Review MLOps best practices 4. **Leadership stories:** - Chuẩn bị STAR stories về: - Mentoring/junior development - Conflict resolution - Project failure & lessons learned - Cross-team collaboration --- ### 4. DRESS CODE & ETIQUETTE | Địa điểm | Dress Code | Ghi chú | |----------|------------|--------| | On-site (Hà Nội) | Business casual | Blazer optional, không cần suit full | | Online | Smart casual | Clean background, professional lighting | **Etiquette tips:** - Punctuality: đến sớm 5-10 phút (online) hoặc đúng giờ (on-site) - Body language: confident, maintain eye contact - Email follow-up: gửi thank-you email trong 24h - Questions to ask: luôn có 2-3 câu hỏi thông minh cho interviewers

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho Data Scientist (Insurance) - Techcombank ### LỘ TRÌNH CHUẨN BỊ 2 TUẦN (Gợi ý) #### Tuần 1: Technical Fundamentals Refresh **Day 1-2: Python & SQL Deep Dive** - Review Python data manipulation (Pandas, NumPy) - Practice complex SQL queries (window functions, CTEs) - Solve 5-10 LeetCode/HackerRank problems (Medium difficulty) - Reference: "SQL Cookbook" by Anthony Molinaro **Day 3-4: Machine Learning Theory** - Review all ML algorithms (supervised/unsupervised) - Focus: gradient boosting, neural networks - Study bias-variance tradeoff, regularization - Reference: "Hands-On Machine Learning" by Aurélien Géron **Day 5-6: Statistics & Probability** - Hypothesis testing, p-values - A/B testing fundamentals - Bayesian statistics basics - Reference: "Think Stats" by Allen Downey (free online) **Day 7: Review & Self-Assessment** - Take practice assessments - Identify weak areas - Create cheat sheets #### Tuần 2: Domain & Interview Prep **Day 8-9: Insurance/Banking Domain** - Insurance basics: pricing, underwriting, claims - Actuarial concepts: mortality, morbidity - Fraud detection in insurance - Customer lifetime value in insurance - Reference: Coursera courses on Insurance Analytics **Day 10-11: System Design & MLOps** - ML system design patterns - Model deployment strategies - Feature stores, model monitoring - Reference: "Designing Machine Learning Systems" by Chip Huyen **Day 12-13: Behavioral & Leadership Prep** - STAR method practice - Mock interviews (self or with peer) - Research Techcombank specifically - Prepare thoughtful questions **Day 14: Final Review** - Light review of weak areas - Prepare all materials (portfolio, certificates) - Rest well before interview --- ### TÀI LIỆU THAM KHẢO THEO CHỦ ĐỀ #### 1. Machine Learning & Deep Learning | Tài liệu | Độ khó | Format | |----------|--------|--------| | "Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow" - Aurélien Géron | ⭐⭐⭐ Intermediate-Advanced | Book | | "Pattern Recognition and Machine Learning" - Christopher Bishop | ⭐⭐⭐⭐ Advanced | Book | | Fast.ai Courses (fast.ai) | ⭐⭐ Practical | Online | | Andrew Ng's ML Course (Coursera) | ⭐⭐ Foundation | Online | #### 2. Python & Data Manipulation | Tài liệu | Độ khó | Format | |----------|--------|--------| | "Python for Data Analysis" - Wes McKinney | ⭐⭐⭐ Intermediate | Book | | Kaggle Python Course | ⭐⭐ Beginner | Online | | LeetCode SQL Practice | ⭐⭐⭐ Intermediate | Online | #### 3. Statistics & Probability | Tài liệu | Độ khó | Format | |----------|--------|--------| | "Think Stats" - Allen Downey | ⭐⭐⭐ Intermediate | Free Book | | StatQuest YouTube Channel | ⭐⭐⭐ Beginner-Intermediate | Video | | "Statistical Inference" - Casella & Berger | ⭐⭐⭐⭐ Advanced | Book | #### 4. Insurance Analytics | Tài liệu | Độ khó | Format | |----------|--------|--------| | "Actuarial Mathematics for Life Contingent Risks" | ⭐⭐⭐⭐ Advanced | Book | | Insurance Analytics courses (edX/Coursera) | ⭐⭐⭐ Intermediate | Online | | Kaggle Insurance Competition solutions | ⭐⭐⭐ Practical | Online | #### 5. MLOps & System Design | Tài liệu | Độ khó | Format | |----------|--------|--------| | "Designing Machine Learning Systems" - Chip Huyen | ⭐⭐⭐⭐ Intermediate-Advanced | Book | | "Introducing MLOps" - Mark Treveil | ⭐⭐⭐ Intermediate | Book | | ML Engineering YouTube (Chip Huyen) | ⭐⭐⭐ Practical | Video | --- ### TOPICS CẦN ÔN KỸ CHO TECHCOMBANK INTERVIEW #### Must-Know (Bắt buộc nắm vững): 1. ✅ Logistic Regression vs Decision Tree vs Random Forest vs XGBoost 2. ✅ Overfitting/Underfitting và cách xử lý 3. ✅ Feature Engineering techniques 4. ✅ SQL Window Functions, aggregations, JOINs 5. ✅ Model Evaluation Metrics (Precision, Recall, F1, AUC-ROC) 6. ✅ A/B Testing và Statistical Significance 7. ✅ Python: Pandas, NumPy, Scikit-learn 8. ✅ Agile/Scrum methodology #### Should-Know (Nên biết): 1. ⚡ Neural Networks architecture 2. ⚡ Deep Learning basics (CNN, RNN/LSTM) 3. ⚡ Spark/Hadoop ecosystem 4. ⚡ Cloud ML services (AWS SageMaker, GCP Vertex AI) 5. ⚡ MLOps practices 6. ⚡ Insurance domain knowledge #### Nice-to-Know (Biết thêm là plus): 1. 💡 Graph models (network analysis) 2. 💡 Recommendation systems 3. 💡 Time series forecasting 4. 💡 Causal inference 5. 💡 Advanced NLP techniques

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho Data Scientist (Insurance) - Techcombank ### 1. LỘ TRÌNH THĂNG TIẾN ĐIỂN HÌNH #### Vị trí hiện tại: Data Scientist Lương: 35-70 triệu/tháng ``` Senior Data Scientist ↓ (2-3 năm) Lead Data Scientist / Data Science Manager ↓ (3-5 năm) Principal Data Scientist / Head of Data Science ↓ (5+ năm) VP of Data Science / Chief Data Scientist ``` #### Alternative Track - Technical Specialist: ``` Data Scientist → ML Engineer → Staff ML Engineer → Principal ML Engineer (chuyên sâu về technical, ít management) ``` #### Alternative Track - Management: ``` Data Scientist → Senior DS → Data Science Manager → Director → VP (chuyên về people management, strategy) ``` --- ### 2. MỨC LƯƠNG KỲ VỌNG THEO CẤP BẬC (Hà Nội/HCM) | Level | Kinh nghiệm | Lương tháng (VND) | Total Comp (incl. bonus) | |-------|-------------|-------------------|-------------------------| | Junior DS | 1-3 năm | 20-30 triệu | 300-500 triệu/năm | | Mid-level DS | 3-5 năm | 30-45 triệu | 500-800 triệu/năm | | Senior DS | 5-7 năm | 45-70 triệu | 800 triệu - 1.5 tỷ/năm | | **Data Scientist (vị trí này)** | **7+ năm** | **60-100 triệu** | **1.2 - 2 tỷ/năm** | | Lead/Manager | 8-10 năm | 80-130 triệu | 1.5 - 3 tỷ/năm | | Director | 10+ năm | 130-200+ triệu | 3+ tỷ/năm | **Note:** Techcombank là ngân hàng top-tier, thường trả cao hơn thị trường 10-20%. Lương có thể đàm phán cao hơn nếu có competing offers. --- ### 3. KỸ NĂNG CẦN PHÁT TRIỂN THÊM #### Ngắn hạn (0-12 tháng): | Kỹ năng | Tầm quan trọng | Cách phát triển | |---------|----------------|-----------------| | Insurance domain knowledge | ⭐⭐⭐⭐⭐ | Self-study, certs, internal training | | MLOps/Model Deployment | ⭐⭐⭐⭐⭐ | Side projects, certifications | | Communication to stakeholders | ⭐⭐⭐⭐⭐ | Practice presentations, storytelling | | Advanced ML/DL | ⭐⭐⭐⭐ | Kaggle, courses | #### Trung hạn (1-3 năm): | Kỹ năng | Tầm quan trọng | Cách phát triển | |---------|----------------|-----------------| | Team leadership | ⭐⭐⭐⭐⭐ | Mentor junior, lead projects | | Strategy & Vision | ⭐⭐⭐⭐ | Work with leadership, reading | | Cross-functional collaboration | ⭐⭐⭐⭐ | Expand network internally | | Business acumen | ⭐⭐⭐⭐ | Deep dive into banking products | #### Dài hạn (3-5 năm): | Kỹ năng | Tầm quan trọng | Cách phát triển | |---------|----------------|-----------------| | Executive presence | ⭐⭐⭐⭐⭐ | Board presentations, strategy | | Organizational influence | ⭐⭐⭐⭐ | Thought leadership | | Innovation roadmap | ⭐⭐⭐⭐ | Research, industry trends | | Talent development | ⭐⭐⭐⭐ | Build & scale teams | --- ### 4. INSIGHTS VỀ TECHCOMBANK DATA SCIENCE #### Strengths của Techcombank: - 💪 Modern tech stack (cloud-first approach) - 💪 Aggressive digital transformation - 💪 Data-driven culture thực sự - 💪 Competitive compensation - 💪 Học hỏi được từ experts giỏi #### Challenges cần lưu ý: - ⚠️ Legacy systems vẫn còn, integration khó khăn - ⚠️ High expectations, fast-paced environment - ⚠️ Legacy data quality issues - ⚠️ Cross-functional coordination có thể phức tạp #### Growth opportunities: - 🎯 Insurance domain đang hot với AI/ML - 🎯 Techcombank đang mở rộng fintech products - 🎯 Có thể chuyển sang other business units (wealth, corporate) - 🎯 Networking với industry leaders --- ### 5. LỜI KHUYÊN CHO ỨNG VIÊN #### Nếu bạn là Fresh/Junior Data Scientist: > Đây là vị trí senior, yêu cầu 7+ năm. Hãy target các vị trí Data Analyst/Senior Data Analyst trước, build 3-5 năm kinh nghiệm, sau đó quay lại ứng. #### Nếu bạn đang ở mức Mid-level: > Ứng tuyển thử, nhưng cần highlight leadership potential và insurance interest. Có thể đàm phán lương ở mức 50-65 triệu. #### Nếu bạn là Senior DS: > Đây là cơ hội vàng. Highlight track record về ML deployment, stakeholder management, và mentoring. Đàm phán mạnh về compensation + benefits. #### Nếu bạn từ ngành khác muốn chuyển vào: > Insurance domain knowledge + strong ML skills + banking network sẽ giúp. Consider getting actuarial or insurance certifications.

Câu hỏi thường gặp

Em mới ra trường ngành Statistics, chưa có kinh nghiệm, có nên ứng tuyển vị trí Data Scientist 7+ năm kinh nghiệm này không?

Không nên. Vị trí này yêu cầu 7+ năm kinh nghiệm thực tế, em nên target các vị trí Data Analyst hoặc Junior Data Scientist trước. Hãy build 2-3 năm kinh nghiệm với ML projects thực tế, deploy được model, sau đó quay lại ứng senior positions. Trong thời gian chờ đợi, hãy học Python/SQL thật kỹ, làm Kaggle competitions, và tự xây portfolio project về insurance analytics để gây ấn tượng sau này.

Em đang làm Data Analyst 3 năm, chuyển sang Data Scientist có khó không?

Không khó nếu em chuẩn bị đúng hướng. Data Analyst đã có SQL, data visualization, business understanding - đây là nền tảng tốt. Em cần bổ sung: (1) Python/R và ML libraries (scikit-learn, TensorFlow), (2) Ít nhất 1-2 ML projects đã deploy, (3) Hiểu model deployment và monitoring. Recommend em học thêm 6-12 tháng, làm side projects, rồi apply cho mid-level DS positions (3-5 năm kinh nghiệm) trước. Sau 2 năm ở đó, em sẽ ready cho senior roles như Techcombank.

Mức lương thực tế cho Data Scientist 7+ năm kinh nghiệm ở Techcombank là bao nhiêu?

Theo thị trường hiện tại, Data Scientist 7+ năm kinh nghiệm tại Techcombank có thể đàm phán được 60-100 triệu/tháng, tùy vào skill set và competing offers. Total compensation (bao gồm bonus 2-4 tháng) có thể đạt 1.2-2 tỷ/năm. Ngoài ra còn có benefits: insurance, flexible working, training budget. Techcombank thường trả cao hơn thị trường 10-20% để attract top talents. Tip: nếu có offers từ competitors (VPBank, MBBank, Startup fintech), hãy leverage để đàm phán tốt hơn.

Kỹ năng nào là quan trọng nhất để pass được technical interview tại Techcombank?

Techcombank đánh giá cao 3 kỹ năng chính: (1) Coding skills - Python và SQL phải thành thạo, đặc biệt là data manipulation và complex queries; (2) ML/DL fundamentals - hiểu sâu không chỉ library usage mà còn math behind models, khi nào dùng gì và tại sao; (3) Practical experience - họ muốn nghe về end-to-end projects đã làm, từ problem definition đến deployment và business impact. Với 7+ năm kinh nghiệm, bạn cần show được leadership và ability to drive cross-functional projects.

Em có 5 năm kinh nghiệm làm ML Engineer ở startup fintech, có cơ hội không?

Có cơ hội, nhưng cần address gap. Startup fintech cho bạn fast-paced environment và hands-on ML experience - rất tốt. Tuy nhiên, Techcombank cần: (1) Leadership experience - bạn đã mentor ai chưa? Led squads?; (2) Insurance domain - nếu chưa có, hãy show willingness và quick learning ability; (3) Scale - startup có thể chưa xử lý Big Data scale như ngân hàng. Trong interview, highlight ML engineering skills và technical depth của bạn, nhưng cũng show leadership potential và interest trong insurance domain. Có thể start ở mức lương 50-65 triệu, prove value rồi negotiate.

Công việc hàng ngày của Data Scientist tại Techcombank như thế nào? Giờ làm có cố định không?

Với mô hình Agile/Scrum, bạn sẽ có: Daily standups (15 phút), Sprint planning (2 tuần/lần), Squad reviews. Giờ làm linh hoạt - Techcombank hỗ trợ hybrid/Flexible Working Policy. Một ngày typical: 9-10h coding/data work, 1-2h meetings (squad syncs, stakeholder reviews),剩下的 time cho experiments/research. KPI thường gắn với: model performance metrics, project delivery, business impact (revenue saved/generated). Khối lượng có thể heavy khi gần sprint deadlines, nhưng balance được nếu quản lý thời gian tốt. Insurance domain sẽ require học thêm về actuarial concepts và regulatory requirements.

Tương lai của AI/ML trong ngành bảo hiểm Việt Nam như thế nào? Nên phát triển theo hướng nào?

Rất bright! Insurance là một trong những ngành được AI disrupt mạnh nhất: (1) Underwriting automation - ML models thay thế manual underwriting; (2) Fraud detection - real-time detection systems; (3) Personalization - customized insurance products; (4) Claims automation - computer vision + NLP để process claims nhanh hơn. Techcombank đang đẩy mạnh digital banking, insurance là part của ecosystem. Nên phát triển: (1) Insurance domain expertise + ML skills = rare combo, very valuable; (2) MLOps - vì models cần deploy và maintain; (3) Interpretable ML - regulators require explainability; (4) Industry knowledge - hiểu regulatory landscape của Vietnam insurance. Nếu muốn deep dive, consider actuarial exams (SOA) để build unfair advantage.

Em đang làm Data Scientist ở ngân hàng khác, muốn chuyển sang Techcombank có nên không? Cái gì cần lưu ý?

Techcombank được đánh giá là một trong những ngân hàng có tech culture tốt nhất VN, modern stack, competitive pay. Đây là bước đi forward nếu bạn muốn: (1) Scale up về technical complexity; (2) Work với modern tools (cloud, Big Data); (3) Insurance domain đang growth. Lưu ý: (1) Interview sẽ thorough - nhiều rounds, technical deep dive; (2) Expectations cao - Techcombank hires top talent; (3) Fast-paced - có thể intense hơn ngân hàng traditional. Check: Techcombank có hay nhận xét về work-life balance? Some say good, some say demanding. Tùy vào squad/team. Recommend research Glassdoor, team members nếu possible trước khi decide.

Data Scientist (Insurance)