Experienced (Non-Manager)

Mô tả công việc

## Job Purpose - The job holder advises and provides business with credit risk insights from massive amounts of structured and unstructured potential data to support credit portfolio optimization and strategic planning - The job holder will build credit risk modeling và solutions using statistical analysis, advanced machine learning, data mining and data visualization techniques, to create solutions to support credit decisioning throughout customer credit life-cylce ## Key Accountabilities (1) 1. Credit Risk Model và Measurement tools - Develop and continuously improve credit risk models to support credit decision making throughout customer’s credit life-cycle: underwriting và approval, early-warning, collection và recovery - Develop credit risk measurement tools and methodology in compliance with regulatory requirement and industry practices (SBV, Basel, IFRS9) - Drive model implementation and usage with cut-off strategy recommendation/simulation - Continue to monitor and recalibrate model on regular basis upon acquisition of new data available or significant findings of model monitoring/ validation to ensure model is fit-for-purpose - Build policies, procedures, and guidelines related to the credit risk model development. Report, present and explain model to higher management for model approval. ## Key Accountabilities (2) 2. Credit Risk Analytics và Insights - Provide credit risk management reports và insights to BOD, BOM, relevant units internal/external division/bank. - Conduct portfolio assessment/in-depth analysis by forums and boards: BOM/BOD; ARCO/ALCO; other as requested. - Perform portfolio credit quality forecast, scenario analysis/simulation for management decision / strategic planning / ICAAP, etc… ## Key Accountabilities (3) 3. Credit Risk Analytics Infrastrucutre, Research và Development - Research, compare, apply external/alternative data resources and advanced techniques into risk model development as benchmarking/challenger model for continuous improvement and upskilling - Operate and maintain credit risk feature stores and model deployment platform (batch-run model and real-time decision engine), - Operate and maintain credit-risk related datamart and information system (debt classification, provisioning, and credit risk metrics) in accordance with regulatory and international standards (Basel II, IFRS9) ## Key Relationships - Direct Manager Head/Director/Senior Manager, Credit Risk Analytics and Modelling ## Key Relationships - Direct Reports None ## Key Relationships - Internal Stakeholders Divisions and units of risk management, business units using the model outside the risk management Division, CA Division, IA ## Key Relationships - External Stakeholders Consultant, Partner, State Bank ## Success Profile - Qualification and Experiences Experience: - Minimum 8 years of experience in Banking, Risk Modeling or equivalent - Understand international regulations and practices on Basel 2, IFRS9, and Stress-Test - Extensive experience in building data and analytics solutions, data mining, statistical analysis and data visualization - Experience in providing fact-based insights to help senior management and other stakeholders realize enterprise value at scale - Strategic decision taking and thinking, able to deal with very senior management, translate tech to business and vice versa Qualification: • Bachelor's degree or higher (finance / banking / financial risk management / financial math / quantitative finance) • Being trained at university or graduate level in these fields is advantageous in developed countries. • Having an internationally recognized certificate in financial analysis, financial risk management is an advantage (eg, FRM, CFA, PRM, CPA, ...) • English proficiency requirements are pursuant to Techcombank's policy

Phân tích kỹ năng cần có

## Phân tích Kỹ năng Yêu cầu ### 🔧 Hard Skills (Kỹ năng chuyên môn) | Nhóm kỹ năng | Yêu cầu cụ thể | Mức độ quan trọng | |---|---|---| | **Credit Risk Modeling** | Xây dựng mô hình rủi ro tín dụng (underwriting, early-warning, collection, recovery) | ⭐⭐⭐⭐⭐ | | **Statistical Analysis & ML** | Machine learning, data mining, advanced statistical methods | ⭐⭐⭐⭐⭐ | | **Regulatory Knowledge** | Basel II, IFRS 9, SBV regulations, Stress-Test | ⭐⭐⭐⭐⭐ | | **Data Engineering** | Feature stores, model deployment (batch & real-time), datamart | ⭐⭐⭐⭐ | | **Data Visualization** | Dashboard, báo cáo cho BOD/BOM | ⭐⭐⭐⭐ | | **Programming** | Python, R, SQL (không đề cập nhưng thực tế bắt buộc) | ⭐⭐⭐⭐ | | **English** | Giao tiếp, trình bày với ban lãnh đạo cấp cao | ⭐⭐⭐⭐ | ### 🎯 Soft Skills (Kỹ năng mềm) - **Strategic Thinking**: Dịch từ kỹ thuật sang ngôn ngữ kinh doanh và ngược lại - **Executive Presence**: Trình bày, thuyết phục BOD/BOM - **Project Management**: Quản lý model lifecycle từ phát triển đến triển khai - **Stakeholder Management**: Làm việc với nhiều bộ phận (Risk, CA, IA, Business units) - **Research & Innovation**: Cập nhật kỹ thuật mới, alternative data ### 📜 Chứng chỉ gợi ý (Ưu tiên theo thứ tự) ``` 1. FRM (Financial Risk Manager) - Liên quan trực tiếp nhất, được đề cập rõ trong JD 2. CFA (Chartered Financial Analyst) - Nền tảng finance mạnh 3. PRM (Professional Risk Manager) - Thay thế cho FRM 4. CPA (Certified Public Accountant) - Hữu ích cho IFRS 9 5. FRM Part 2 - Nâng cao nếu đã có FRM Part 1 ``` ### 📊 So sánh: Ứng viên Fresher vs Experienced | Tiêu chí | Fresher (< 3 năm) | Experienced (5-8 năm) | Expert (8+ năm) | |---|---|---|---| | Model Development | Hỗ trợ xây dựng | Tự xây dựng chính | Lead toàn bộ lifecycle | | Stakeholder | Nội bộ team | Bộ phận liên quan | BOD/BOM, regulator | | Technical Depth | Python, SQL cơ bản | E2E pipeline | Architecture, strategy | | Business Impact | Một vài models | Portfolio models | Enterprise-wide | | **Phù hợp với JD này?** | ❌ Không | ⚠️ Cân nhắc | ✅ Rất phù hợp |

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn ### 📋 Quy trình các vòng (Dự kiến) ``` Vòng 1: HR Screening (30-45 phút) ↓ Kiểm tra kinh nghiệm, động lực, salary expectation Vòng 2: Technical Interview - Risk Analytics Team (60-90 phút) ↓ Đánh giá hard skills: modeling, programming, regulatory Vòng 3: Panel Interview - Head/Director + Business Stakeholders (60-90 phút) ↓ Case study + Strategic thinking + Communication Vòng 4: Reference Check & Final (có thể có) ``` ### ❓ Câu hỏi hay gặp theo từng vòng **Vòng 1 - HR Screening:** - "Tại sao bạn muốn chuyển sang Techcombank?" - "Mức lương kỳ vọng của bạn là bao nhiêu?" - "Bạn có kinh nghiệm với Basel II/IFRS 9 như thế nào?" - "Các mô hình nào bạn đã xây dựng trước đây?" **Vòng 2 - Technical Interview:** - "Mô tả chi tiết quy trình phát triển một credit scoring model từ đầu đến cuối" - "Làm thế nào để xử lý imbalanced data trong credit modeling?" - "Sự khác biệt giữa PD, LGD, EAD trong Basel II?" - "Explain IFRS 9 Expected Credit Loss (ECL) methodology" - "Bạn sử dụng những ML algorithms nào cho credit risk? Khi nào chọn logistic regression vs XGBoost?" - "Làm sao để validate một model? Các metrics bạn dùng?" - "Describe your experience với real-time decision engine" **Vòng 3 - Panel/Business Case:** - "Một portfolio có NPL đang tăng, bạn sẽ phân tích và đề xuất giải pháp gì?" - "Đưa ra scenario analysis cho stress test của ngân hàng" - "Làm thế nào để translate technical findings cho BOD?" - "Bạn sẽ cải thiện model hiện tại của Techcombank như thế nào?" - "Alternative data: bạn biết những nguồn nào có thể áp dụng?" ### 👔 Dress Code & Tips - **Dress Code**: Business formal (suit,áo sơ mi) - Techcombank văn hóa conservative - **Attitude**: Tự tin nhưng không kiêu ngạo, thể hiện tư duy chiến lược - **Research**: Tìm hiểu Techcombank's recent annual report, credit portfolio composition - **Portfolio**: Chuẩn bị sẵn 2-3 case studies về models đã build (không tiết lộ confidential info) - **Questions to Ask**: Hỏi về team size, current tech stack, roadmap 2024-2025

Lộ trình ôn thi

## Ôn thi & Chuẩn bị Kiến thức ### 📚 Lộ trình chuẩn bị 1-2 tuần ``` TUẦN 1: Nền tảng lý thuyết ├── Ngày 1-2: Basel II/III Framework │ ├── Credit Risk Standardized Approach vs IRB │ ├── PD, LGD, EAD calculation │ └── Capital requirement calculation ├── Ngày 3-4: IFRS 9 Expected Credit Loss │ ├── 3-stage model classification │ ├── Lifetime vs 12-month ECL │ └── Macro-economic scenario modeling ├── Ngày 5-6: Credit Risk Modeling Techniques │ ├── Logistic Regression, Decision Trees │ ├── XGBoost, Random Forest, Neural Networks │ └── Model validation (Gini, KS, AUC, PSI) └── Ngày 7: SBV Regulations + Stress Test TUẦN 2: Thực hành & Case Study ├── Ngày 8-9: Python/R coding practice │ ├── EDA, feature engineering │ ├── Model building & tuning │ └── Model monitoring & recalibration ├── Ngày 10-11: Business case preparation │ ├── Portfolio analysis framework │ ├── Scenario analysis methodology │ └── Executive presentation skills └── Ngày 12-14: Mock interviews + Review ├── Technical deep dive ├── STAR method practice └── Company research ``` ### 📖 Tài liệu tham khảo **Books:** - "Credit Risk Scorecards" - Naeem Siddiqi (must-read) - "An Introduction to Credit Risk Modeling" - Bluhm, Overbeck - "Machine Learning for Credit Risk" - various **Online Courses:** - FRM Part 1 & 2 (GARP official curriculum) - Coursera: "Credit Risk Management in Banking" by FRM alumni - Kaggle: Credit Risk modeling competitions **Technical Resources:** - Python: scikit-learn, XGBoost, LightGBM documentation - Model validation: Population Stability Index (PSI), Characteristic Stability Index (CSI) - Basel II Handbook (BIS official) - SBV Circulars: 02/2013/TT-NHNN, 41/2016/TT-NHNN ### 🎯 Kiến thức bắt buộc nắm chắc 1. **Credit Lifecycle**: Acquisition → Underwriting → Early Warning → Collection → Recovery 2. **Model Performance Metrics**: Gini ≥ 60, KS ≥ 35, PSI < 0.1 3. **Regulatory Framework**: SBV + Basel coordination 4. **IFRS 9 Stages**: Stage 1 (12m ECL) vs Stage 2 (Lifetime ECL) vs Stage 3 (Impaired)

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp ### 📈 Lộ trình thăng tiến trong Credit Risk Analytics ``` Junior Analyst (0-2 năm) ↓ Credit Risk Analyst (2-5 năm) ↓ Senior Analyst / Expert (5-8 năm) ← BẠN ĐANG Ở ĐÂY ↓ Manager / Team Lead (8-12 năm) ↓ Director / Head of Credit Risk Analytics (12-15 năm) ↓ Chief Risk Officer / VP Risk (15+ năm) ``` ### 💰 Mức lương kỳ vọng theo cấp bậc (Hà Nội, 2024) | Level | Kinh nghiệm | Lương tháng (VND) | Total Comp (bao gồm bonus) | |---|---|---|---| | Senior Analyst | 5-8 năm | 35-60 triệu | 700-900 triệu/năm | | **Expert (JD này)** | **8-12 năm** | **50-80 triệu** | **1-1.5 tỷ/năm** | | Manager | 8-15 năm | 70-120 triệu | 1.5-2 tỷ/năm | | Director | 15+ năm | 120-200 triệu | 2.5-4 tỷ/năm | *Techcombank thường offer cao hơn thị trường 15-25% do văn hóa performance-based* ### 🔑 Kỹ năng cần phát triển thêm **Ngắn hạn (6-12 tháng):** - Deep dive vào alternative data & AI/ML advanced techniques - Hoàn tất FRM certification - Nâng cao presentation skills cho c-level **Trung hạn (1-3 năm):** - Architecture design cho enterprise-level models - Cloud platforms (AWS/GCP/Azure for model deployment) - Team management & stakeholder influence **Dài hạn (3-5 năm):** - Strategic risk management - Board-level communication - Industry thought leadership ### 🏆 Tại sao nên apply Techcombank? - **Tech-forward**: Techcombank đi đầu về digital transformation, môi trường data-driven - **Competitive package**: Lương + bonus hấp dẫn, ESOP có thể có - **Career growth**: Cơ hội thăng tiến nhanh trong risk function - **Modern stack**: Cơ hội làm việc với state-of-the-art ML/AI tools - **Impact**: Ảnh hưởng trực tiếp đến credit decisions của ngân hàng top 3 VN

Câu hỏi thường gặp

Vị trí Expert Credit Risk Analytics yêu cầu 8+ năm kinh nghiệm, mình có 6 năm thì có nên apply không?

Có thể apply nhưng cạnh tranh sẽ khó hơn. Gợi ý: (1) Check JD kỹ xem có nói 'minimum' hay 'preferred' - nếu là minimum thì vẫn apply được; (2) Highlight strong achievements và independent work trong CV; (3) Nếu có FRM/CFA hoặc ML expertise đặc biệt, đây là điểm cộng bù đắp; (4) Consider apply vào vị trí Senior Analyst cùng team trước, chuyển lên Expert sau 1-2 năm.

Mình đang làm Data Scientist ở fintech, muốn chuyển sang ngân hàng làm Credit Risk. Cần bổ sung kiến thức gì?

Cần bổ sung 3 nhóm: (1) Regulatory: Basel II, IFRS 9, SBV circulars - đây là gap lớn nhất khi chuyển từ fintech; (2) Domain knowledge: Credit lifecycle, NPL management, provisioning; (3) Soft skills: stakeholder management, executive communication. Tech skills (Python, ML) của bạn đã phù hợp rồi. Recommend lấy FRM Part 1 để demonstrate commitment và knowledge.

Techcombank trả lương cho vị trí này ở mức nào so với thị trường?

Techcombank nổi tiếng là 'top payer' trong ngành ngân hàng VN. Với Expert level (8+ năm exp), mức lương thường 50-80 triệu/tháng, total package 1-1.5 tỷ/năm (chưa tính bonus). So với VCB, BIDV, VietinBank thì cao hơn 20-30%. Note: JD ghi 'Thỏa thuận' nên range rất flexible - hãy research kỹ market rate và negotiable dựa trên value bạn mang lại.

Công việc hàng ngày của Expert Credit Risk Analytics ở Techcombank như thế nào?

Typical week: ~40% data analysis/modeling (Python, SQL, model development); ~30% stakeholder meetings & reporting (BOD/BOM presentations); ~20% model monitoring & governance (documentation, validation); ~10% R&D/learning (alternative data, new techniques). Techcombank data-driven culture nên expect nhiều meetings với Business, CA, IA teams. Peak periods: quarter-end reporting, regulatory audits, model validations.

KPI của vị trí này đánh giá trên những tiêu chí nào?

Thường gồm 4 nhóm: (1) Model Performance: Gini, KS, PSI targets; (2) Business Impact: model adoption rate, credit decision accuracy; (3) Deliverables: model development timeline, reporting quality; (4) Stakeholder satisfaction. Bonus structure thường gắn với bank's overall performance + individual contribution. Lưu ý: 'Model is fit-for-purpose' là key metric - không chỉ model accurate mà phải được business sử dụng hiệu quả.

Mình cần chuẩn bị portfolio như thế nào cho interview?

Chuẩn bị 2-3 case studies mạnh: Case 1: Một model bạn xây từ đầu (problem → approach → results → business impact). Case 2: Một lần bạn improve existing model (baseline vs improved metrics). Case 3: Một situation khó - stakeholder không accept model, bạn xử lý thế nào. CRITICAL: Không tiết lộ confidential info của employer cũ. Có thể anonymize data nhưng show được technical depth. Deck slide 5-10 slides là đủ.

FRM hay CFA phù hợp hơn cho vị trí này?

FRM là lựa chọn #1 cho Credit Risk Analytics vì: (1) Trực tiếp cover market risk, credit risk, operational risk; (2) FRM Part 1 có 2 chapters về credit risk measurement và Basel framework; (3) Được mention trực tiếp trong JD. CFA tốt nhưng broader về investment/portfolio management. Recommend: FRM Part 1 → work experience → FRM Part 2 → optional CFA Level 1.

Expert, Credit Risk Analytics and Modelling (40000082)