messenger

Chat Mess

zalo

Chat Zalo

phone

Phone

Gọi ngay: 097.5151.777
messenger

Facebook

messenger

TikTok

Hỗ trợ tư vấn: 097.5151.777
TPBank

[Hà Nội] Tập sự tiềm năng Data Engineer - Fresh DE 2026

Hà Nội Khối Quản trị Nguồn Nhân lực
Mới ra trường 8,000,000 - 15,000,000 VNĐ Hạn: 2026-10-15

Mô tả công việc

  • Sinh viên năm cuối hoặc đã tốt nghiệp các ngành Công nghệ thông tin, Khoa học máy tính, Hệ thống thông tin, Khoa học dữ liệu hoặc ngành liên quan.
  • Có kiến thức nền tảng về cơ sở dữ liệu và sử dụng được SQL.
  • Biết một ngôn ngữ lập trình như Python, Java hoặc Scala là lợi thế.
  • Có hiểu biết cơ bản về ETL/ELT, Data Warehouse, Data Lake hoặc các hệ thống xử lý dữ liệu.
  • Ưu tiên ứng viên đã tiếp cận các công nghệ như Spark, Kafka, Airflow, Hadoop, Cloud hoặc công cụ tương đương.
  • Có tư duy logic, khả năng phân tích và tinh thần chủ động giải quyết vấn đề.
  • Ham học hỏi, kiên trì, có trách nhiệm và mong muốn phát triển lâu dài trong lĩnh vực Data Engineering.

Yêu cầu ứng viên

  • Sinh viên năm cuối hoặc đã tốt nghiệp các ngành Công nghệ thông tin, Khoa học máy tính, Hệ thống thông tin, Khoa học dữ liệu hoặc ngành liên quan.
  • Có kiến thức nền tảng về cơ sở dữ liệu và sử dụng được SQL.
  • Biết một ngôn ngữ lập trình như Python, Java hoặc Scala là lợi thế.
  • Có hiểu biết cơ bản về ETL/ELT, Data Warehouse, Data Lake hoặc các hệ thống xử lý dữ liệu.
  • Ưu tiên ứng viên đã tiếp cận các công nghệ như Spark, Kafka, Airflow, Hadoop, Cloud hoặc công cụ tương đương.
  • Có tư duy logic, khả năng phân tích và tinh thần chủ động giải quyết vấn đề.
  • Ham học hỏi, kiên trì, có trách nhiệm và mong muốn phát triển lâu dài trong lĩnh vực Data Engineering.

Phân tích kỹ năng cần có

Phân tích kỹ năng cần có cho vị trí Data Engineer Trainee tại TPBank

1. Kỹ năng cứng (Hard Skills) – Phân loại mức độ quan trọng

Mức độ Kỹ năng Ghi chú
Bắt buộc SQL (SELECT, JOIN, GROUP BY, Window Functions, CTE) Nền tảng cốt lõi, phỏng vấn chắc chắn hỏi
Bắt buộc Kiến thức cơ sở dữ liệu quan hệ (RDBMS) Hiểu normalization, indexing, transaction
Bắt buộc Tư duy logic, giải quyết vấn đề Thể hiện qua cách trình bày giải pháp
Lợi thế lớn Python (pandas, numpy, pyspark) Ngôn ngữ phổ biến nhất trong Data Engineering
Lợi thế lớn ETL/ELT concepts Hiểu rõ data pipeline là gì
Lợi thế lớn Data Warehouse & Data Lake Kiến trúc lưu trữ dữ liệu doanh nghiệp
Cộng thêm điểm Apache Spark Xử lý dữ liệu lớn phân tán
Cộng thêm điểm Apache Kafka Streaming data
Cộng thêm điểm Apache Airflow Orchestration, lập lịch pipeline
Cộng thêm điểm Hadoop Ecosystem Nền tảng big data truyền thống
Cộng thêm điểm Cloud (AWS/Azure/GCP) Xu hướng tất yếu của ngân hàng số

2. Kỹ năng mềm (Soft Skills)

  • Tư duy phân tích và logic: Data Engineer phải hiểu được luồng dữ liệu, tìm ra điểm nghẽn (bottleneck), tối ưu query.
  • Chủ động và tự học: Công nghệ data thay đổi rất nhanh, mỗi năm lại có tool mới.
  • Kiên trì với vấn đề phức tạp: Debug pipeline lúc 2h sáng là chuyện thường.
  • Trách nhiệm với chất lượng dữ liệu: Sai một dòng có thể ảnh hưởng đến báo cáo của cả ngân hàng.
  • Khả năng giao tiếp với team Business: Biến yêu cầu nghiệp vụ thành data pipeline.

3. Chứng chỉ nên tham khảo (cộng thêm điểm CV)

Chứng chỉ Đơn vị Chi phí ước tính Phù hợp giai đoạn
Google Data Analytics Coursera Miễn phí (audit) Sinh viên năm 2-3
AWS Certified Data Engineer – Associate AWS ~2 triệu Sinh viên năm cuối
Databricks Certified Data Engineer Databricks ~4 triệu Sau khi đi làm 6 tháng
Microsoft Azure Data Engineer (DP-203) Microsoft ~2 triệu Sau khi đi làm
Confluent Certified Developer (Kafka) Confluent ~3 triệu Mid-level

> 💡 Lời khuyên thật lòng: Với vị trí Fresher, nhà tuyển dụng ưu tiên nền tảng SQL và tư duy hơn là chứng chỉ. Hãy đầu tư thời gian làm project thực tế trước, sau khi vào làm hẵng tính chứng chỉ.

4. So sánh các công cụ Big Data phổ biến

Công cụ Vai trò chính Độ khó học Phù hợp với
Apache Spark Xử lý dữ liệu phân tán Trung bình Batch + Real-time
Apache Kafka Message broker, streaming Khó Real-time events
Apache Airflow Workflow orchestration Dễ Lập lịch ETL
Hadoop HDFS Lưu trữ phân tán Khó Legacy systems
Snowflake Cloud Data Warehouse Dễ Ngân hàng hiện đại
DBT Transform data trong DW Dễ ELT hiện đại

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn vị trí Data Engineer Trainee - TPBank

Quy trình tuyển dụng dự kiến (Fresh DE Program)

Chương trình "Tập sự tiềm năng" của các ngân hàng lớn thường đi qua 4 vòng chính:

---

Vòng 1: Sơ loại hồ sơ (CV Screening)
  • HR scan CV, lọc ra các ứng viên đáp ứng yêu cầu tối thiểu.
  • Mẹo: Trình bày CV rõ ràng, làm nổi bật project liên quan đến data, link GitHub nếu có.
Vòng 2: Phỏng vấn HR (30-45 phút)
  • Hỏi về động lực, mục tiêu nghề nghiệp, hiểu biết về ngân hàng và vị trí.

Câu hỏi hay gặp:
1. Em biết gì về TPBank? Tại sao chọn TPBank mà không phải ngân hàng khác?
2. Tại sao em chọn Data Engineer mà không phải Data Analyst/Data Scientist?
3. Mục tiêu nghề nghiệp của em trong 3-5 năm tới?
4. Em chuẩn bị gì cho buổi phỏng vấn này?
5. Điểm yếu lớn nhất của em là gì?
6. Mong đợi mức lương bao nhiêu? (Gợi ý: với mức 8-15tr trong tin, bạn có thể deal nhỉnh hơn nếu có nhiều project)

Vòng 3: Phỏng vấn chuyên môn kỹ thuật (60-90 phút)

Phần A - SQL (bắt buộc):
1. Viết query tìm 3 khách hàng có tổng giao dịch cao nhất trong tháng.
2. Giải thích sự khác nhau giữa INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN.
3. Window Functions: ROW_NUMBER(), RANK(), DENSE_RANK() khác nhau thế nào?
4. Khi nào dùng CTE, khi nào dùng subquery?
5. Index là gì? Khi nào nên/không nên tạo index?
6. Giải thích ACID properties.

Phần B - Kiến thức tổng quan:
1. ETL là gì? ELT khác ETL như thế nào? Ngân hàng thường dùng mô hình nào?
2. Data Warehouse khác Data Lake ở điểm nào? Khi nào nên dùng cái nào?
3. Star Schema và Snowflake Schema là gì?
4. Pipeline xử lý dữ liệu lớn hoạt động thế nào?
5. Big Data có đặc trưng gì? (5V: Volume, Velocity, Variety, Veracity, Value)

Phần C - Lập trình:
1. Đảo ngược chuỗi, tìm phần tử trùng lặp trong mảng (Python).
2. Đọc một file CSV lớn bằng Python như thế nào để không tràn RAM?
3. Pandas: merge, groupby, apply hoạt động ra sao?

Phần D - Tình huống:
1. Một job Airflow chạy lúc 2h sáng bị fail, em xử lý thế nào?
2. Dữ liệu trong báo cáo sáng nay bị sai so với hôm qua, bước đầu tiên em làm gì?
3. Business yêu cầu một metric mới, em sẽ làm việc với họ như thế nào?

Vòng 4: Phỏng vấn cuối với Quản lý (30-45 phút)
  • Đánh giá sự phù hợp văn hóa, tinh thần học hỏi, cam kết lâu dài.
  • Có thể deal lương ở vòng này.

---

Tips chuẩn bị quan trọng

Nên làm:

  • Ôn lại tất cả project cá nhân/môn học liên quan đến data, có thể trình bày rõ ràng.
  • Chuẩn bị sẵn 2-3 câu hỏi để hỏi ngược interviewer (ví dụ: "Pipeline lớn nhất team đang vận hành có bao nhiêu GB/ngày?").
  • Tìm hiểu TPBank có các sản phẩm số nào: LiveBank, TPBank eBiz, JCB... để thể hiện sự quan tâm.
  • Thực hành viết SQL trên giấy/bảng trắng trước (không phải trên máy).

Không nên:

  • Nói dối về kinh nghiệm với Spark/Kafka nếu chỉ mới đọc lý thuyết.
  • Đòi hỏi mức lương quá cao so với tin đăng.
  • Chê bai công nghệ cũ (Hadoop vẫn còn rất phổ biến trong ngân hàng).

Dress Code

  • Vòng HR & Manager: Áo sơ mi, quần tây, giày da (hoặc giày thể thao lịch sự). Có thể không cần cà vạt.
  • Vòng kỹ thuật: Smart casual vẫn OK, nhưng nên gọn gàng, chuyên nghiệp.
  • Tóc gọn gàng, hạn chế phụ kiện.

Lộ trình ôn thi

Lộ trình ôn tập 1-2 tuần cho vị trí Data Engineer Fresher

Tuần 1: Nền tảng vững chắc

Ngày 1-2: SQL từ cơ bản đến nâng cao (8-10 tiếng)
  • Tài liệu: Mode Analytics SQL Tutorial (miễn phí), W3Schools SQL, LeetCode SQL 50/60 bài đầu tiên.
  • Kiến thức trọng tâm:
  • SELECT, WHERE, ORDER BY, GROUP BY, HAVING
  • INNER/LEFT/RIGHT/FULL JOIN
  • Subqueries, CTEs
  • Window Functions (ROW_NUMBER, RANK, LAG, LEAD, SUM OVER)
  • CASE WHEN, COALESCE, CAST
  • Bài tập: Làm hết LeetCode Easy + Medium SQL (khoảng 50 bài).
Ngày 3: Cơ sở dữ liệu quan hệ (4 tiếng)
  • Normalization (1NF, 2NF, 3NF, BCNF)
  • Primary Key, Foreign Key, Index, View, Stored Procedure
  • Transaction & ACID
  • ERD (Entity Relationship Diagram)
  • Tài liệu: Sách "Database System Concepts" (Silberschatz) - đọc chương 1-3.
Ngày 4: Kiến thức Data Engineering tổng quan (4 tiếng)
  • ETL vs ELT - ưu nhược điểm mỗi loại
  • Data Warehouse (mô hình Kimball, Inmon)
  • Data Lake vs Data Warehouse vs Lakehouse
  • Star Schema vs Snowflake Schema
  • Slowly Changing Dimensions (SCD Type 1, 2, 3)
  • Tài liệu: "Fundamentals of Data Engineering" (Joe Reis) - đọc chương 1, 2.
Ngày 5-6: Python cho Data (6-8 tiếng)
  • Cú pháp cơ bản: list, dict, tuple, set
  • Pandas: read_csv, groupby, merge, apply, pivot_table
  • Xử lý file lớn với chunking
  • Kết nối database với SQLAlchemy
  • Tài liệu: Kaggle Pandas Tutorial, DataCamp Introduction to Python.
Ngày 7: Ôn tập & làm 1 mini project (4 tiếng)
  • Build một pipeline đơn giản: đọc CSV → xử lý bằng Python → ghi vào SQLite.
  • Push lên GitHub, viết README rõ ràng.

---

Tuần 2: Mở rộng & Thực hành

Ngày 8-9: Big Data Tools cơ bản (6 tiếng)
  • Apache Spark: Kiến trúc, RDD vs DataFrame, lazy evaluation.
  • Làm quickstart trên trang chủ Spark.
  • Apache Airflow: DAG là gì, task, dependency.
  • Video: "Apache Airflow Tutorial for Beginners" trên YouTube.
  • Apache Kafka: Producer, Consumer, Topic, Partition.
  • Đọc overview tại kafka.apache.org.
  • Hadoop: HDFS, MapReduce concept.
Ngày 10: Cloud cơ bản (4 tiếng)
  • AWS: S3, Glue, Redshift, Kinesis (overview).
  • Azure: Data Factory, Data Lake Storage (overview).
  • GCP: BigQuery, Dataflow (overview).
  • Tài liệu: AWS Free Tier, làm 1 lab nhỏ upload file lên S3.
Ngày 11-12: Project nâng cao & GitHub (6 tiếng)
  • Làm 1 trong các project sau:

1. ETL pipeline: API → Python → PostgreSQL → Dashboard.
2. Log analyzer: Đọc file log → extract metrics → visualize.
3. Mini data warehouse: CSV → Pandas → SQLite theo Star Schema.

Ngày 13-14: Mock Interview & Tổng hợp (4-6 tiếng)
  • Luyện tập trả lời câu hỏi HR (xem phần Interview Prep).
  • Viết lại CV, rà soát lại các keyword.
  • Đọc blog về TPBank, ngân hàng số, Open Banking.

---

Tài liệu tham khảo gợi ý

Tài liệu Loại Chi phí Ghi chú
"Fundamentals of Data Engineering" - Joe Reis Sách ~300k Best seller, đọc chương 1-2
LeetCode SQL 50 Bài tập Miễn phí Bắt buộc
Mode Analytics SQL Tutorial Online Miễn phí SQL thực tế
DataTalksClub Data Engineering Zoomcamp Khóa học Miễn phí Project-based, rất chất lượng
Apache Airflow Documentation Docs Miễn phí Concepts cơ bản
"Designing Data-Intensive Applications" - Martin Kleppmann Sách ~400k Đọc sau khi đi làm
TPBank Career Page & LinkedIn Tham khảo Miễn phí Hiểu văn hóa công ty

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho Data Engineer trong ngân hàng

1. Lộ trình thăng tiến điển hình

```
Fresher/Junior (0-2 năm)

Mid-level Data Engineer (2-4 năm)

Senior Data Engineer (4-6 năm)

Lead/Principal Data Engineer (6-8 năm)

Data Architect / Engineering Manager (8+ năm)

VP/Director of Data Platform (10+ năm)
```

> ⚠️ Đây là lộ trình trung bình, có thể nhanh hơn nếu bạn chủ động và có cơ hội tốt.

2. Mức lương ước lượng theo cấp bậc (Data Engineer tại Việt Nam)

> ⚠️ Lưu ý quan trọng: Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Các con số dưới đây là ước lượng tham khảo từ thị trường năm 2024-2025.

Cấp bậc Kinh nghiệm Ngân hàng (ước lượng) Product/Tech company (ước lượng)
Fresher/Tập sự 0-1 năm 8-15 triệu 12-20 triệu
Junior 1-2 năm 15-25 triệu 20-35 triệu
Mid-level 2-4 năm 25-45 triệu 35-60 triệu
Senior 4-6 năm 45-80 triệu 60-120 triệu
Lead/Architect 6-10 năm 80-150 triệu 120-200 triệu+
Manager/Director 10+ năm 150-300 triệu+ 200-400 triệu+

Tại sao ngân hàng trả thấp hơn Product company?

  • Ngân hàng có nhiều phúc lợi phi lương: thưởng Tết 2-6 tháng, bảo hiểm sức khỏe cao cấp, vay vốn ưu đãi, gym, canteen.
  • Công việc ổn định hơn, ít bị "downsize".
  • Được học hỏi hệ thống core banking, data ở quy mô rất lớn.
  • Brand name TPBank rất có giá trị trong CV sau này.

3. Kỹ năng cần phát triển liên tục

Năm 1-2 (đang ở giai đoạn Fresher/Junior):
  • SQL: Viết được các query tối ưu, hiểu execution plan.
  • Python: Thành thạo pandas, requests, SQLAlchemy.
  • Airflow/Spark: Biết chạy, debug, monitor pipeline.
  • Git: Quy trình branching, code review.
  • Linux: Thao tác cơ bản qua command line.
Năm 2-4 (Mid-level):
  • Cloud: Thành thạo 1 trong 3 (AWS/Azure/GCP).
  • Streaming: Kafka, Flink thật sự.
  • Data Modeling: Thiết kế Star Schema, SCD.
  • CI/CD: GitHub Actions, Jenkins cho pipeline.
  • Infrastructure as Code: Terraform cơ bản.
Năm 4+ (Senior):
  • System Design: Thiết kế kiến trúc data cho hàng triệu user.
  • Data Governance: Chất lượng dữ liệu, bảo mật, tuân thủ pháp lý.
  • Mentoring: Đào tạo junior, review code.
  • Cross-team communication: Làm việc với business, product, compliance.

4. Tại sao nên chọn TPBank và ngân hàng nói chung?

Ưu điểm:

  • Data quy mô cực lớn (hàng chục triệu giao dịch/ngày).
  • Môi trường chuyên nghiệp, quy trình rõ ràng.
  • Thương hiệu mạnh trên CV.
  • Phúc lợi tốt, ổn định lâu dài.
  • Cơ hội chuyển sang các vị trí Data Analyst, Data Scientist, Risk Analyst sau này.

Thách thức:

  • Tốc độ adopt công nghệ mới chậm hơn công ty product.
  • Nhiều quy trình tuân thủ (compliance) có thể gây chậm.
  • Công nghệ legacy (Hadoop on-premise) còn phổ biến.

5. Lời khuyên cuối cùng

🎯 Vị trí "Tập sự tiềm năng" rất phù hợp với sinh viên mới ra trường vì:

  • Được đào tạo bài bản.
  • Không đòi hỏi nhiều kinh nghiệm.
  • Có lộ trình thăng tiến rõ ràng.

💡 Hãy nộp đơn sớm, chuẩn bị kỹ SQL, và thể hiện tinh thần ham học hỏi - đó là những gì nhà tuyển dụng thực sự tìm kiếm ở một Fresher.

Câu hỏi thường gặp

Em là sinh viên năm cuối ngành CNTT, chưa từng làm project data nào, có nên nộp đơn không?

Hoàn toàn nên nộp! Tin yêu cầu là 'sinh viên năm cuối hoặc đã tốt nghiệp', không yêu cầu kinh nghiệm làm việc. Chương trình 'Tập sự tiềm năng' chính là dành cho các bạn như em. Tuy nhiên, em nên dành 1-2 tuần ôn SQL (LeetCode 50 bài), làm quen Python cơ bản và xây dựng 1 mini project data đơn giản để có gì kể trong phỏng vấn. Điểm cộng lớn nhất là sự chủ động và tinh thần học hỏi - cứ thể hiện điều đó qua CV và buổi phỏng vấn nhé.

Mức lương 8-15 triệu cho Data Engineer có hợp lý không?

Mức này hợp lý cho vị trí Fresher ở ngân hàng. Thị trường hiện tại chia nhánh rõ rệt: ngân hàng trả 8-15 triệu cho tập sự nhưng có thêm thưởng Tết (thường 2-6 tháng lương), bảo hiểm sức khỏe cao cấp, vay cá nhân ưu đãi, phúc lợi canteen. Trong khi đó công ty product/tech trả 15-25 triệu nhưng phúc lợi có thể kém hơn. Về lâu dài, sau 1-2 năm, con số này sẽ tăng lên 18-30 triệu nếu em làm tốt. Tóm lại, đừng chỉ nhìn vào con số lương gross ban đầu mà hãy tính tổng compensation package. Mức lương có thể thay đổi tùy ngân hàng và thời điểm nhé.

Em muốn chuyển từ Backend Developer sang Data Engineer, cơ hội có không?

Hoàn toàn có cơ hội, và thực tế đây là hướng chuyển ngành rất phổ biến. Lợi thế của em là đã có nền tảng lập trình vững (Python/Java), quen với database, hiểu REST API, message queue. Em chỉ cần bổ sung: (1) Tư duy về data pipeline (ETL/ELT), (2) Spark/Airflow cơ bản, (3) Hiểu về Data Warehouse modeling (Star Schema), (4) Làm quen với Cloud (AWS/Azure/GCP). Trong CV, em nên nhấn mạnh các project backend có liên quan đến xử lý data lớn. Khi phỏng vấn, hãy nói rõ lý do chuyển ngành: em muốn ứng dụng kỹ năng lập trình vào một lĩnh vực có impact lớn hơn đến business.

Chương trình Tập sự tiềm năng khác gì so với vị trí Data Engineer thông thường?

Chương trình 'Tập sự tiềm năng' thường có 3 điểm khác biệt chính: (1) Đào tạo bài bản hơn: Có lộ trình training rõ ràng, có mentor đi kèm 6-12 tháng đầu. (2) Yêu cầu đầu vào linh hoạt hơn: Không đòi hỏi nhiều kinh nghiệm thực tế, chấp nhận Fresher. (3) Cam kết lâu dài: Thường có điều khoản cam kết làm việc 2-3 năm, nếu nghỉ sớm có thể phải đền bù chi phí đào tạo. Đổi lại, lương ban đầu có thể thấp hơn một chút so với tuyển thẳng vị trí chính thức. Đây là cơ hội rất tốt cho người mới ra trường vì được học hỏi có hệ thống.

Sau khi vào làm Data Engineer tại ngân hàng, em có thể chuyển sang vị trí Data Scientist/AI Engineer không?

Hoàn toàn được, đây là hướng phát triển rất phổ biến. Lộ trình điển hình: Data Engineer 1-2 năm → tích lũy kiến thức về data pipeline, SQL, big data → chuyển sang Data Analyst (nếu thích business) hoặc ML Engineer (nếu thích model). Nhiều ngân hàng hiện nay có cả team AI/ML riêng, em có thể xin rotate hoặc apply nội bộ. Ưu điểm khi đi từ DE là em hiểu rõ data flow, biết cách chuẩn bị data sạch cho model - đây là kỹ năng rất giá trị. Tuy nhiên, em cần tự học thêm về statistics, machine learning (scikit-learn, XGBoost), và có thể lấy chứng chỉ AWS/Azure ML sau 1-2 năm kinh nghiệm.

KPI của một Data Engineer Fresher tại ngân hàng là gì? Em sợ không đạt target.

Đừng lo quá, KPI của Fresher thường khác với nhân viên chính thức. Thông thường bạn sẽ được đánh giá qua: (1) Hoàn thành chương trình đào tạo: pass các bài test nội bộ, hoàn thành project được giao. (2) Chất lượng công việc: code có bug không, pipeline chạy ổn không, có chủ động học hỏi không. (3) Thái độ & teamwork: đi làm đúng giờ, nhận feedback tốt, hỗ trợ đồng nghiệp. Không có KPI doanh thu hay áp lực KPI cứng như sales. Ngân hàng hiểu rằng các bạn Fresh cần thời gian học, nên họ tập trung vào sự phát triển hơn là ép performance ngay từ đầu.

Có nên học chứng chỉ AWS/Azure trước khi nộp đơn không, hay đợi vào làm rồi tính?

Với vị trí Fresher, không cần gấp. Lý do: nhà tuyển dụng Fresh hiểu rằng bạn chưa có cloud project thực tế, nên chứng chỉ chỉ là nice-to-have chứ không phải must-have. Ưu tiên thời gian ôn SQL và làm project trước - đó mới là điểm phân biệt bạn với các ứng viên khác. Sau khi vào làm 6 tháng và biết team dùng cloud nào (AWS hay Azure), hãy đầu tư lấy chứng chỉ tương ứng - lúc đó vừa có kinh nghiệm thực tế vừa có chứng chỉ sẽ có giá trị gấp đôi. Chứng chỉ khi chưa có kinh nghiệm thực tế thường không ấn tượng bằng một GitHub repo có project data pipeline chạy thật.

Em đã đi làm 2 năm ở vị trí khác (Business Analyst), muốn chuyển sang DE, có hợp lý không ở tuổi 27?

Hoàn toàn hợp lý và rất nhiều người đã chuyển thành công. 27 tuổi không hề muộn cho ngành IT, đặc biệt với Data Engineering đang thiếu người. Lợi thế của em: đã có kin nghiệm làm việc với data (dù ở góc độ BA), hiểu business logic ngân hàng, biết cách giao tiếp với stakeholders. Em cần bổ sung: SQL nâng cao, Python, Spark/Airflow cơ bản, một project cá nhân để chứng minh năng lực kỹ thuật. Tuy nhiên, em có thể sẽ phải chấp nhận mức lương khởi điểm tương đương Fresher (8-15 triệu) vì về mặt kỹ thuật em là người mới. Đây là sự đánh đổi để lấy kinh nghiệm, nhưng sau 1-2 năm em sẽ bùng nổ vì có cả BA background lẫn kỹ năng DE.