Techcombank
Giám đốc Cao cấp Hoạch định dữ liệu và Chuyển giao (40000057)
Hà Nội
Retail Banking Group
Quản lý cấp cao
Mô tả công việc
## Mục tiêu
Giám đốc cao cấp Dữ liệu và Phân tích (Dự án Bảo hiểm nhân thọ)
- Người đảm nhận vị trí đảm bảo rằng tất cả các hệ thống đáp ứng các yêu cầu của doanh nghiệp / công ty cũng như các thông lệ trong ngành.
- Người đảm nhận vị trí tích hợp các công nghệ quản lý dữ liệu và kỹ thuật phần mềm đang phát triển vào cấu trúc dữ liệu hiện có.
- Người đảm nhận vị trí phát triển các quy trình thiết lập để khai thác dữ liệu, mô hình hóa dữ liệu và sản xuất dữ liệu.
## Trách nhiệm chính (1)
- Xác định, thiết kế và thực hiện các cải tiến quy trình nội bộ: tự động hóa các quy trình thủ công, tối ưu hóa việc phân phối dữ liệu, thiết kế lại cơ sở hạ tầng để có khả năng mở rộng cao hơn và đảm bảo nền tảng dữ liệu có thể nhập dữ liệu trên quy mô lớn. Tập hợp các tập dữ liệu lớn, phức tạp đáp ứng các yêu cầu kinh doanh chức năng / phi chức năng.
- Điều này liên quan đến việc hợp tác làm việc với các nhóm công nghệ, rủi ro and tuân thủ và phân khúc khác nhau trên toàn doanh nghiệp để đảm bảo các ưu tiên được hiểu rõ và các kỳ vọng phù hợp được thiết lập với các bên liên quan trong kinh doanh;
- Cộng tác với Kiến trúc sư hệ thống và dữ liệu, chuyển các yêu cầu chức năng và kỹ thuật phức tạp thành kiến trúc chi tiết, thiết kế và khả năng hoạt động cao với Enterprise Data Lake
- Thiết kế và thực hiện việc xây dựng các mẫu và dịch vụ dữ liệu - cả phân phối hàng loạt, thời gian thực và sự kiện phức tạp - tận dụng các công nghệ mở và hỗ trợ các yêu cầu của doanh nghiệp
Kiến trúc dữ liệu
- Thiết kế kiến trúc dữ liệu và nền tảng dữ liệu
- Tạo điều kiện kết nối, tạo mạng, quy tắc tường lửa
- Cung cấp khả năng chịu lỗi và dự phòng
- Xây dựng các giải pháp hoạt động:
- Điều tra và tìm hiểu nguyên nhân gốc rễ của các vấn đề trong hoạt động kinh doanh
- Bắt đầu cải tiến quy trình liên tục về hiệu quả hoạt động
- Dự đoán các vấn đề vận hành bằng cách nghiên cứu các phương thức hoạt động
- Phát triển các giải pháp hoạt động bằng cách xác định, nghiên cứu, ước tính và sàng lọc các giải pháp thay thế; tính toán kinh tế học; xác định tác động đến hệ thống tổng thể
- Phụ trách Bảo mật Quản lý Danh tính and Truy cập
- Quản lý sự phụ thuộc, điều phối phân phối và lên lịch triển khai sw / code
- Chuẩn bị và thực hiện các kịch bản kiểm tra, ghi nhật ký lỗi, đánh giá rủi ro chất lượng, báo cáo tác động tiềm ẩn
## Trách nhiệm chính (2)
Kỹ thuật dữ liệu
- Chuyển Tài liệu Yêu cầu Kinh doanh (BRD) từ Nhà phân tích tài chính (FA) / Nhà phân tích kinh doanh (BA) sang FRD (Tài liệu yêu cầu chức năng)
- Thực hiện siêu dữ liệu kỹ thuật (ánh xạ nguồn @ đích, lược đồ, hướng dẫn.)
- Phát triển đường ống dẫn dữ liệu và dịch vụ vi mô
- Phát triển và duy trì khung khách hàng nội bộ cho Học sâu (DL)
- Xác định và duy trì lộ trình cơ sở hạ tầng và kiến trúc Deep learning trên toàn doanh nghiệp
- Dẫn dắt giải pháp và đảm bảo rằng các dự án mới phù hợp với bản thiết kế CNTT của doanh nghiệp và thiết kế của chúng phù hợp với lộ trình kiến trúc DL
- Thiết lập, phát triển và duy trì một hệ thống sinh thái hỗ trợ Machine Learning (ML) bao gồm điều phối công việc, kho tính năng, mô hình phù hợp, phương pháp điều chỉnh siêu tham số
- Sản xuất các mô hình Học máy để đáp ứng các SLA yêu cầu cao và nghiêm ngặt
- Xem xét thông số kỹ thuật chất lượng và tài liệu thiết kế công nghệ để cung cấp phản hồi kịp thời và có ý nghĩa
- Tạo các kế hoạch kiểm thử chi tiết, toàn diện và có cấu trúc tốt và các trường hợp kiểm thử
- Ước tính, ưu tiên, lập kế hoạch và điều phối các hoạt động kiểm tra chất lượng
Giải pháp dữ liệu
- Phân tích yêu cầu của người dùng và quản lý nhu cầu cho các dự án hiện tại hoặc dự án được đề xuất dựa trên nhiều đặc điểm chính
- Phối hợp với quản lý cấp trên / BU và ưu tiên các sản phẩm tồn đọng
- Thực hiện dự toán and lập kế hoạch ngân sách; Lập kế hoạch, giám sát và dẫn dắt các dự án;
- Hoàn thiện và thực hiện BRD (Tài liệu yêu cầu nghiệp vụ.) Để người dùng đăng xuất
Quản lý dự án
- Quản lý các xung đột, thách thức của dự án và các yêu cầu kinh doanh năng động để duy trì hoạt động ở hiệu suất cao.
- Làm việc với các trưởng nhóm để giải quyết các vấn đề của con người và các rào cản của dự án, tiến hành phân tích sau sự cố và phân tích nguyên nhân gốc rễ để cải thiện các phương pháp thực hành nhằm đạt được năng suất tối đa.
## Trách nhiệm chính (3)
QUẢN LÝ CON NGƯỜI
- Giám sát việc lập và thực thi kế hoạch nguồn lực (định biên & chi phí) tại bộ phận
- Thu hút, tiếp nhận và giữ chân nhân tài phù hợp với văn hóa tổ chức;
- Thiết lập và truyền thông KRA/KPI, mục tiêu, kế hoạch hành động, kỳ vọng và kết quả của bộ phận và cá nhân đến cấp báo cáo trực tiếp;
- Quản lý hiệu quả công việc của bộ phận và cung cấp phản hồi thường xuyên (theo chu kỳ quản lý hiệu quả công việc hàng năm);
- Xác định yêu cầu năng lực và tạo điều kiện cho việc phát triển năng lực của thành viên nhóm thông qua đánh giá năng lực, đào tạo trong công việc, huấn luyện và phản hồi, mentoring,v.v.;
- Tạo động lực và ghi nhận những đóng góp của các thành viên trong nhóm nhằm đạt được mục tiêu chung;
- Nhận diện nhân tài và theo dõi quá trình phát triển năng lực và thăng tiến nghề nghiệp của nhân tài tại bộ phận;
- Làm gương và thúc đẩy văn hóa doanh nghiệp tại bộ phận;
- Hiểu và truyền thông các chế độ đãi ngộ liên quan đến các thành viên tại bộ phận.
## Chân dung Thành công - Bằng cấp, Kinh nghiệm
Bằng cấp
- Cử nhân hoặc Thạc sĩ ngành thống kê, toán học, phân tích định lượng, khoa học máy tính, kỹ thuật phần mềm hoặc công nghệ thông tin.
Kinh nghiệm
- Có ít nhất 14 năm kinh nghiệm liên quan với khả năng dữ liệu hiện đại bao gồm viết kịch bản, phát triển, gỡ lỗi và sử dụng công nghệ dữ liệu lớn (ví dụ: Hadoop, Spark, Kafka hoặc Tableau), công nghệ cơ sở dữ liệu (ví dụ: cơ sở dữ liệu SQL, NoSQL, Graph) và khung lập trình (ví dụ: Python, R, Scala, Java) bao gồm ít nhất 10 năm vai trò quản lý tương đương
- Có kinh nghiệm sâu sắc trong việc thiết kế và xây dựng các quy trình ETL theo chiều, mô hình dữ liệu, khái niệm và phương pháp kho dữ liệu, tối ưu hóa hệ thống và kiến trúc dữ liệu
- Có kinh nghiệm sâu sắc trong việc giám sát các vấn đề dữ liệu phức tạp, đánh giá các phương pháp tiếp cận theo thuật toán và kiểm tra dữ liệu để giải quyết các vấn đề
- Hiểu biết sâu sắc về các nguyên tắc Bảo mật thông tin để đảm bảo việc xử lý và quản lý dữ liệu tuân thủ
- Kỹ năng phân tích và quản lý dự án nâng cao (DevOps, Extreme Programming, Agile và Waterfall) cho nhiều kinh nghiệm hoặc dự án khác nhau. Khả năng đối phó với các vấn đề phức tạp liên quan đến nhiều khía cạnh, biến số và tình huống mà chỉ có tiêu chuẩn hóa hạn chế tồn tại
- Chuyên môn sâu rộng về công nghệ dữ liệu và việc sử dụng dữ liệu để hỗ trợ phát triển phần mềm, phân tích và báo cáo nâng cao. Tiếp xúc với các công nghệ đám mây là một điểm cộng.
Yêu cầu khác
- Thành tích đã được chứng minh trong các sáng kiến chuyển đổi kỹ thuật số hàng đầu trong toàn công ty và quản lý thay đổi
- Thành thạo về Dữ liệu and Phân tích và là chuyên gia trong ngành về các xu hướng công nghệ liên quan đến dữ liệu mới nhất
Phân tích kỹ năng cần có
## Phân tích Kỹ năng Cần Có
### 🎯 Hard Skills (Kỹ năng chuyên môn bắt buộc)
**1. Kiến trúc & Quản lý Dữ liệu**
| Kỹ năng | Mức độ yêu cầu | Ghi chú |
|---------|-----------------|---------|
| Data Architecture Design | Chuyên sâu | Thiết kế kiến trúc dữ liệu tổng thể, Enterprise Data Lake |
| Data Warehouse / Data Lake | Chuyên sâu | Kimball, Inmon, 3-tier architecture |
| ETL/ELT Pipeline Development | Chuyên sâu | Các công cụ như Informatica, SSIS, Apache Airflow |
| Data Modeling | Chuyên sâu | Conceptual, Logical, Physical modeling; Star Schema, Snowflake |
| Big Data Technologies | Chuyên sâu | Hadoop, Spark, Kafka, Flink |
| Database Technologies | Chuyên sâu | SQL (PostgreSQL, Oracle, MySQL), NoSQL (MongoDB, Cassandra), Graph DB (Neo4j) |
**2. Lập trình & Development**
| Ngôn ngữ | Mức độ | Ứng dụng |
|----------|--------|----------|
| Python | Bắt buộc | ML/DL, Data processing, Automation |
| Scala | Khuyến khích | Spark, Big Data |
| Java | Khuyến khích | Enterprise integration |
| R | Cơ bản | Statistical analysis |
| SQL | Bắt buộc | Data querying, optimization |
**3. Machine Learning & Deep Learning**
- Xây dựng và triển khai ML models cho SLA cao
- Thiết lập ML ecosystem (workflow orchestration, feature store, model registry)
- Hyperparameter tuning, model optimization
- Deep Learning architecture roadmap
**4. Cloud Platforms** (điểm cộng)
- AWS/GCP/Azure data services
- Cloud data warehousing (Snowflake, Redshift, BigQuery)
- Container orchestration (Kubernetes, Docker)
**5. Project Management & DevOps**
- Agile/Scrum, Waterfall, DevOps practices
- CI/CD pipelines
- Quality assurance & testing frameworks
---
### 💡 Soft Skills (Kỹ năng mềm bắt buộc)
| Kỹ năng | Mức độ quan trọng | Mô tả |
|---------|-------------------|-------|
| Leadership & People Management | RẤT CAO | 10+ năm quản lý team, phát triển nhân tài |
| Strategic Thinking | RẤT CAO | Hoạch định lộ trình kiến trúc dài hạn |
| Stakeholder Management | CAO | Làm việc với business, tech, risk, compliance |
| Communication | CAO | Trình bày, viết tài liệu BRD/FRD |
| Problem Solving | CAO | Root cause analysis, complex issue resolution |
| Change Management | CAO | Dẫn dắt chuyển đổi số |
---
### 📜 Chứng chỉ Gợi ý
**Bắt buộc nên có:**
- AWS Certified Data Analytics / Data Engineer
- Google Professional Data Engineer
- CDMP (Certified Data Management Professional)
- TOGAF 9 (Enterprise Architecture)
**Khuyến khích:**
- PMP / Prince2 (Project Management)
- CSM / SAFe (Agile)
- Microsoft Certified: Azure Data Engineer Associate
- Databricks certifications
---
### 📊 Bảng So sánh: Ứng viên Lý tưởng vs. Tối thiểu
| Tiêu chí | Ứng viên lý tưởng | Yêu cầu tối thiểu |
|----------|-------------------|-------------------|
| Bằng cấp | Thạc sĩ (CNTT, Data Science, Toán) | Cử nhân (các ngành liên quan) |
| Kinh nghiệm tổng | 16-20 năm | 14 năm |
| Kinh nghiệm quản lý | 12-15 năm | 10 năm |
| Big Data stack | Hadoop + Spark + Kafka + real-time | Ít nhất 2-3 công nghệ |
| Cloud | AWS/GCP/Azure (multi-cloud) | 1 cloud platform |
| ML/DL | Production ML, MLOps | Hiểu biết cơ bản |
| Ngành ngân hàng/Bảo hiểm | Có kinh nghiệm Fintech/Insurtech | Không bắt buộc |
---
### ⚠️ Lưu ý Quan trọng
Vị trí này gắn với **Dự án Bảo hiểm nhân thọ** của Techcombank - đây là dự án chiến lược, nên ứng viên có kinh nghiệm:
- Triển khai hệ thống Core Insurance
- Digital transformation trong bảo hiểm
- Bancassurance (ngân hàng - bảo hiểm)
sẽ có lợi thế rất lớn.
Chuẩn bị phỏng vấn
## Hướng dẫn Phỏng vấn Techcombank - Giám đốc Cao cấp Data & Analytics
### 📋 Quy trình Phỏng vấn Dự kiến
**Thông thường có 4-5 vòng:**
| Vòng | Nội dung | Thời lượng | Người phỏng vấn |
|------|----------|------------|------------------|
| Vòng 1 | Screening với HR | 30-45 phút | Recruiter/Talent Acquisition |
| Vòng 2 | Technical Deep-dive | 60-90 phút | Data Architect/Engineering Lead |
| Vòng 3 | Business Case & Strategy | 60-90 phút | VP/Director cùng khối |
| Vòng 4 | C-level/CEO Interview | 45-60 phút | COO, CIO hoặc CEO |
| Vòng 5 | Compensation & Benefits | 30 phút | HR Director |
---
### 🔥 Câu hỏi Thường gặp theo từng Vòng
#### Vòng 1: HR Screening
**Câu hỏi thường gặp:**
1. "Bạn có thể tóm tắt 14+ năm kinh nghiệm của mình trong 3 phút không?"
2. "Tại sao bạn rời bỏ công việc hiện tại?"
3. "Bạn hiểu gì về chiến lược Data của Techcombank?"
4. "Mức lương kỳ vọng của bạn là bao nhiêu?"
5. "Bạn có thể quản lý bao nhiêu người trong team?"
**💡 Tips chuẩn bị:**
- Nghiên cứu kỹ Techcombank: "Techcombank 2025", chiến lược chuyển đổi số
- Tìm hiểu về dự án Bancassurance/Bảo hiểm nhân thọ
- Chuẩn bị câu chuyện về thành tích đo lường được (metrics-driven)
---
#### Vòng 2: Technical Deep-dive
**Câu hỏi kỹ thuật thường gặp:**
*Architecture & Design:*
1. "Thiết kế kiến trúc Data Lake cho ngân hàng từ đầu - bạn sẽ làm thế nào?"
2. "Sự khác nhau giữa Lambda Architecture và Kappa Architecture? Khi nào dùng cái nào?"
3. "Làm thế nào để đảm bảo data quality và data governance trong hệ thống lớn?"
4. "Describe your experience with real-time data processing. Which tools and patterns did you use?"
*Technical Problem-solving:*
5. "Bạn xử lý thế nào khi ETL job fail vào 3h sáng?"
6. "Làm thế nào để optimize một Spark job chạy 5 tiếng xuống còn 30 phút?"
7. "Mô tả một data pipeline phức tạp nhất bạn đã xây dựng."
8. "How do you handle schema evolution in your data warehouse?"
*ML/AI:*
9. "Production ML khác gì với Jupyter notebook ML?"
10. "MLOps best practices mà bạn áp dụng?"
11. "Cách tiếp cận model monitoring và retraining?"
*System Design (Case Study):*
12. "Design một hệ thống fraud detection real-time cho ngân hàng."
13. "Thiết kế data platform cho phân tích customer behavior."
**💡 Tips chuẩn bị:**
- Ôn lại: Data modeling patterns, Data mesh, Data fabric
- Nắm chắc: CAP theorem, ACID vs BASE, distributed systems
- Chuẩn bị sẵn các diagram kiến trúc
- Đọc: "Designing Data-Intensive Applications" - Martin Kleppmann
---
#### Vòng 3: Business Case & Strategy
**Câu hỏi thường gặp:**
*Leadership & Stakeholder:*
1. "Kể về một lần bạn phải deal với stakeholder có conflicting priorities."
2. "Bạn dẫn dắt team như thế nào trong giai đoạn thay đổi?"
3. "How do you prioritize between technical debt and new features?"
4. "Mô tả một dự án chuyển đổi số thành công bạn đã lead."
*Strategic Thinking:*
5. "3 năm tới, data strategy của Techcombank nên như thế nào?"
6. "Làm thế nào để đo lường ROI của data initiatives?"
7. "Bạn sẽ xây dựng data culture như thế nào trong tổ chức?"
8. "How would you convince the board to invest $10M in a data platform?"
*Problem-solving:*
9. "Mô tả một thất bại lớn nhất của bạn và bài học rút ra."
10. "Nếu bạn join Techcombank, 90 ngày đầu bạn sẽ làm gì?"
**💡 Tips chuẩn bị:**
- Chuẩn bị 2-3 case study cụ thể với metrics
- Sử dụng STAR method (Situation, Task, Action, Result)
- Nghiên cứu industry trends: AI in banking, Open Banking
---
#### Vòng 4: C-level Interview
**Câu hỏi thường gặp:**
1. "Tại sao Techcombank? Tại sao không chọn VPBank, MB Bank?"
2. "Bạn sẽ đóng góp gì cho chiến lược Insurance của Techcombank?"
3. "How do you see the future of data in Vietnamese banking?"
4. "Your leadership philosophy?"
5. "Where do you see yourself in 5 years?"
**💡 Tips chuẩn bị:**
- Nghiên cứu sâu về Techcombank's annual report, investor presentations
- Hiểu rõ competitive landscape của Vietnamese banking
- Chuẩn bị câu hỏi thông minh cho interviewer
---
### 👔 Dress Code
- **Format:** Business Formal (áo sơ mi trắng, quần âu, giày da)
- **Techcombank** theo phong cách professional nhưng không quá strict
- Vòng technical có thể business casual
- Mang theo laptop/portfolio nếu được yêu cầu
---
### ⚠️ Lưu ý Quan trọng
1. **Tiếng Anh:** Vòng kỹ thuật và C-level thường có phần tiếng Anh
2. **Timing:** Interview có thể kéo dài cả ngày (full-day interview)
3. **Follow-up:** Gửi thank-you email trong 24h sau interview
4. **Research:** Techcombank rất coi trọng ứng viên đã nghiên cứu kỹ công ty
Lộ trình ôn thi
## Lộ trình Ôn thi & Chuẩn bị 2-4 tuần
### 📚 Tuần 1: Củng cố Nền tảng
**Ngày 1-2: Data Architecture & Design Patterns**
- Đọc: "Designing Data-Intensive Applications" - Chương 1-5
- Nghiên cứu: Data Lakehouse architecture, Data mesh
- Thực hành: Vẽ lại kiến trúc data platform của công ty cũ
**Ngày 3-4: Big Data Technologies Deep-dive**
- Hadoop ecosystem (HDFS, YARN, MapReduce)
- Apache Spark (RDD, DataFrame, Spark SQL)
- Apache Kafka (producers, consumers, topics, partitions)
- Thực hành: Setup local cluster, viết sample pipelines
**Ngày 5-7: Cloud & Modern Data Stack**
- AWS/GCP/Azure data services comparison
- Modern tools: dbt, Airflow, Snowflake, Databricks
- Data governance & data quality frameworks
**Tài liệu tham khảo:**
- Databricks Lakehouse Platform documentation
- AWS Well-Architected Framework - Data Analytics
- Google Cloud Architecture Framework
---
### 📚 Tuần 2: Machine Learning & MLOps
**Ngày 1-2: ML Engineering Fundamentals**
- ML system design patterns
- Feature engineering best practices
- Model selection và evaluation
**Ngày 3-4: MLOps & Production ML**
- MLflow, Kubeflow, Vertex AI
- CI/CD for ML
- Model monitoring & drift detection
- A/B testing cho ML models
**Ngày 5-7: Deep Learning Specialization**
- Neural network architectures cho banking use cases
- Transfer learning
- Edge cases trong financial ML
**Tài liệu tham khảo:**
- "Machine Learning Engineering" - Andriy Burkov
- Coursera: "MLOps Specialization"
- Google ML Best Practices
---
### 📚 Tuần 3: Business & Leadership
**Ngày 1-2: Techcombank & Industry Research**
- Đọc: Techcombank Annual Report 2023-2024
- Phân tích: Techcombank's digital transformation strategy
- Nghiên cứu: Vietnamese banking data landscape
**Ngày 3-4: Case Studies & Storytelling**
- Chuẩn bị 5-7 câu chuyện thành công/thất bại
- Practice: STAR method responses
- Financial metrics & ROI calculation
**Ngày 5-7: System Design Practice**
- Practice: Design real-time fraud detection
- Practice: Design customer 360 data platform
- Practice: Design insurance data platform
**Tài liệu tham khảo:**
- Techcombank investor presentations (available online)
- "The Manager's Path" - Camille Fournier
- Harvard Business Review: Digital Transformation articles
---
### 📚 Tuần 4: Mock Interviews & Polish
**Ngày 1-2: Technical Mock Interviews**
- Tìm người practice: cựu CTO, Data Architect
- Simulate system design interviews
- Review code (Python/SQL optimization)
**Ngày 3-4: Behavioral Mock Interviews**
- Practice với recruiter hoặc coach
- Record và review answers
- Refine storytelling
**Ngày 5-7: Final Preparation**
- Research interview panel (LinkedIn)
- Prepare thoughtful questions
- Logistics: outfit, transport, documents
- Rest và be confident
---
### 🔧 Technical Checklist trước phỏng vấn
- [ ] Giải thích được Lambda vs Kappa Architecture
- [ ] Biết cách optimize slow Spark job
- [ ] Có thể design real-time data pipeline
- [ ] Giải thích data governance framework
- [ ] Biết 3-5 ML use cases trong banking
- [ ] Có thể discuss trade-offs trong system design
- [ ] Hiểu data quality dimensions
- [ ] Có thể estimate infrastructure costs
---
### 📖 Tài liệu Bổ sung Khuyến nghị
**Sách:**
1. "Designing Data-Intensive Applications" - Martin Kleppmann
2. "The Data Warehouse Toolkit" - Ralph Kimball
3. "Streaming Systems" - Tyler Akidau
4. "Machine Learning Engineering" - Andriy Burkov
5. "Fundamentals of Data Engineering" - Joe Reis
**Online Courses:**
1. Databricks Lakehouse Platform Course
2. AWS Data Analytics Specialty Certification prep
3. Coursera: IBM Data Engineering Professional Certificate
**Vietnamese Banking Resources:**
1. Techcombank Investor Relations website
2. SBV (State Bank of Vietnam) reports
3. Banking Vietnam industry analysis reports
Tư vấn nghề nghiệp
## Lời khuyên Sự nghiệp cho Ứng viên Cấp cao Data
### 📈 Lộ trình Thăng tiến
```
Senior Data Engineer (5-7 năm)
↓
Data Architect / Engineering Manager (7-10 năm)
↓
Director of Data Engineering (10-12 năm)
↓
VP/SVP Data & Analytics ★ VỊ TRÍ NÀY (14+ năm)
↓
CDO/CIO (15-20 năm)
```
---
### 💰 Mức Lương Kỳ vọng theo Cấp bậc
**Lưu ý:** Mức lương tại Techcombank thường cao hơn thị trường 20-30% do đây là ngân hàng top-tier.
| Cấp bậc | Kinh nghiệm | Mức lương tháng (VND) | Notes |
|---------|-------------|----------------------|-------|
| Senior Data Engineer | 5-7 năm | 40-70 triệu | IC track |
| Data Architect | 7-10 năm | 60-100 triệu | IC track |
| Engineering Manager | 7-10 năm | 70-120 triệu | M track |
| Director | 10-14 năm | 100-180 triệu | Đây là bậc dưới target |
| **VP/SVP** | **14+ năm** | **150-300+ triệu** | **Vị trí này** |
| CDO | 18+ năm | 250-500+ triệu | Executive level |
**Thành phần lương bổ sung:**
- Performance bonus: 2-6 tháng lương
- Stock options/ESOP: Tùy công ty
- Allowance: Ăn trưa, đi lại, điện thoại, healthcare
**Tổng thu nhập/năm ước tính:** 3-5 tỷ VND (bao gồm bonus)
---
### 🎯 Kỹ năng Cần Phát triển Thêm
**Để đạt được vị trí này và phát triển xa hơn:**
**1. Technical Depth (nếu đang ở IC track):**
- Chuyên sâu thêm về cloud-native architectures
- Thêm kinh nghiệm với real-time systems
- Production ML/AI knowledge
**2. Leadership & Business Acumen:**
- P&L management experience
- Board-level communication
- Business strategy development
- M&A due diligence (nếu muốn lên CDO)
**3. Industry Knowledge:**
- Vietnamese banking regulations
- Insurance industry dynamics
- Digital banking trends
- Open Banking, APIs
**4. Soft Skills Enhancement:**
- Executive presence
- Negotiation skills
- Conflict resolution
- Change management certification
---
### 🚀 Chiến lược Ứng tuyển
**1. Network trước khi apply:**
- Kết nối với người đang làm ở Techcombank (LinkedIn)
- Tham dự Techcombank tech talks, events
- LinkedIn với recruiter của Techcombank
**2. Personal Branding:**
- Publish bài viết về data architecture trên LinkedIn
- Present tại Vietnamese tech conferences
- Build reputation trong data community
**3. Company Research:**
- Đọc kỹ Techcombank's transformation story
- Hiểu competitive landscape (so với VPBank, MB, ACB)
- Research về insurance business model
**4. Application Strategy:**
- Customize CV cho từng application
- Highlight: insurance/bancassurance experience
- Metrics-driven achievements
---
### ⚠️ Cảnh báo Thực tế
**Pros của Techcombank:**
- Lương thuộc top-tier Vietnamese banking
- Văn hóa đổi mới, không bảo thủ
- Dự án Bancassurance là strategic priority
- Cơ hội học hỏi từ international consultants
**Cons cần lưu ý:**
- Áp lực KPI cao, đặc biệt với dự án mới
- Có thể có xung đột giữa tech và business
- Tech stack đang chuyển đổi (legacy → modern)
- Thay đổi organizational structure thường xuyên
**Red flags cần check:**
- Tìm hiểu lý do tuyển dụng (thay người cũ hay expand team?)
- Báo cáo cho ai? Organizational structure?
- Budget cho dự án?
- Team size hiện tại và kế hoạch?
---
### 🎯 Next Steps sau khi Join
**30 ngày đầu:**
- 1:1 với tất cả team members
- Meet với stakeholders chính
- Understand existing data architecture
- Identify quick wins
**90 ngày đầu:**
- Complete stakeholder mapping
- Present data strategy roadmap
- Establish team OKRs
- Begin addressing immediate pain points
**6 tháng đầu:**
- Deliver first major milestone
- Build credibility với leadership
- Start long-term architecture planning
- Hire/grow key positions
Câu hỏi thường gặp
Em mới có 8 năm kinh nghiệm Data Engineering, có thể apply vị trí này không?
Thật lòng mà nói, vị trí Giám đốc Cao cấp yêu cầu 14 năm kinh nghiệm và 10 năm quản lý - con số này khá cứng nhắc đối với vị trí cấp SVP/VP. Tuy nhiên, nếu bạn có track record xuất sắc với các dự án lớn, có kinh nghiệm ở Big Tech hoặc top-tier bank, và đặc biệt có kinh nghiệm về insurance/bancassurance, bạn vẫn có thể thử apply. Đừng tự loại mình ra - đôi khi requirements là 'ideal' chứ không phải 'mandatory'. Hãy apply và để HR đánh giá.
Mức lương thực tế cho vị trí này là bao nhiêu? HR nói thỏa thuận nhưng em muốn biết range để đàm phán.
Với vị trí Senior Director/VP Data tại Techcombank, mức lương thường dao động 150-250 triệu/tháng, có thể lên 300+ triệu nếu ứng viên rất senior. Thêm vào đó là bonus 2-6 tháng, healthcare premium, và có thể có stock options. Để đàm phán hiệu quả, bạn nên: (1) Nghiên cứu mức lương tương đương ở VPBank, MB Bank, ACB; (2) Chuẩn bị sẵn current compensation để so sánh; (3) Đừng ngại đề nghị cao hơn market rate 10-15% vì họ nói 'thỏa thuận' có nghĩa là có budget linh hoạt.
Em có kinh nghiệm Big Data nhưng chưa có kinh nghiệm insurance. Liệu có vấn đề gì không?
Insurance là một phần quan trọng của JD nhưng không phải là hard requirement. Điều quan trọng hơn là bạn có thể demonstrate: (1) Khả năng học nhanh nghiệp vụ mới; (2) Track record chuyển đổi thành công sang domain mới; (3) Experience với complex data ecosystem. Trong interview, bạn nên thể hiện interest và research về insurance data model - ví dụ policy, claims, underwriting data. Đây là cơ hội để show mình là fast learner và adaptable.
Vị trí này cần quản lý team bao nhiêu người? Em đang có 5 người report, có đủ không?
Với 5 người report, bạn đang ở mức Manager/Senior Manager. Vị trí Senior Director thường quản lý 15-30+ người (cả direct và indirect reports), có thể qua nhiều sub-teams. Tuy nhiên, đừng nản lòng - bạn có thể frame experience của mình: (1) Quản lý matrix team rộng hơn; (2) Experience leading cross-functional initiatives; (3) Đang trong quá trình growth. Ngoài ra, nhiều tech companies đánh giá leadership impact qua scope chứ không chỉ headcount.
Techcombank có văn hóa làm việc như thế nào? Em nghe nói áp lực lắm.
Techcombank được biết đến với văn hóá performance-driven, tương tự mô hình tech companies. Pros: Lương top-tier, cơ hội học hỏi công nghệ mới, được đầu tư vào training. Cons: KPI strict, work-life balance có thể không lý tưởng, đặc biệt với dự án mới như Bancassurance. Mình suggest: Thử reach out current/ex-employees trên LinkedIn để có góc nhìn thực tế hơn. Quan trọng là bạn align với what you're looking for - nếu muốn stable và chill thì có thể không phù hợp, nhưng nếu muốn grow nhanh và challenge thì đây là môi trường tốt.
Em nên chuẩn bị gì cho vòng Technical Interview?
Với cấp Senior Director, technical interview sẽ tập trung vào: (1) System Design - design data platform cho ngân hàng từ đầu, real-time processing architecture; (2) Strategic thinking - data governance, data quality, ROI của data initiatives; (3) Past projects - deep dive vào các dự án lớn nhất của bạn; (4) ML/AI - không cần code nhưng phải demonstrate understanding về production ML. Recommend ôn: Data mesh, Data lakehouse pattern, Cloud data services (AWS/GCP), và đọc Techcombank's tech blog/posts để biết họ đang dùng gì.
Cơ hội thăng tiến sau khi join Techcombank như thế nào?
Techcombank đang trong giai đoạn transformation nên cơ hội thăng tiến khá tốt. Vị trí này report lên C-level, có thể phát triển thành: (1) Chief Data Officer (CDO) trong 3-5 năm nếu perform tốt; (2) Chief Digital Officer; (3) COO của data-heavy business units. Ngoài ra, Techcombank có chính sách internal mobility tốt - sau 2-3 năm có thể chuyển sang các business lines khác. Risk: Organization restructure thường xuyên có thể affect career path.
Em đang ở startup muốn chuyển sang ngân hàng. Có nên không?
Tuỳ vào goal của bạn. Pros khi chuyển sang Techcombank: Stability, lương cao hơn, brand name mạnh, học được enterprise-scale architecture. Cons: Chậm hơn startup, nhiều process/compliance hơn, có thể boring nếu bạn thích speed của startup. Nếu bạn muốn build CV, stabilize income, hoặc learn enterprise best practices thì đây là bước đệm tốt. Ngược lại, nếu bạn muốn continue fast growth và equity upside thì ở lại startup hoặc tìm Series B/C. Ask yourself: 3 năm tới bạn thấy mình ở đâu?