Thỏa thuận

Mô tả công việc

- Tốt nghiệp Đại học chuyên ngành Kinh tế đầu tư, Ngân hàng, Kinh doanh quốc tế, Kinh tế ngoại thương, Kinh tế đối ngoại, Ngân hàng thương mại, ..... - Có kinh nghiệm vị trí tương đương từ 1 -3 năm trở lên ở các công ty Tài Chính, Ngân hàng hoặc các lĩnh vực liên quan. - 500 điểm TOEIC đối với Chuyên viên, 550 điểm TOEIC đối với Chuyên viên chính, 600 điểm TOEIC đối với Chuyên viên cao cấp - Có kiến thức về các ngôn ngữ lập trình R/ Python/ Matlab/ SAS/ SPSS và các công nghệ khai thác dữ liệu là một lợi thế - Cẩn thận, tỉ mỉ, làm việc tốt dưới áp lực - Khả năng tự nghiên cứu công nghệ ứng dụng vào công việc tốt - Khả năng tư duy, sáng tạo, phân tích, tổng hợp tốt - Có tinh thần trách nghiệm cao trong công việc

Yêu cầu ứng viên

Phân tích kỹ năng cần có

## Phân tích kỹ năng yêu cầu cho vị trí CV/CVC/CVCC Phân tích dữ liệu - TPBank ### 1. Hard Skills bắt buộc | Kỹ năng | Mức độ yêu cầu | Ghi chú | |---|---|---| | Kiến thức ngân hàng/Tài chính | Bắt buộc | Chuyên ngành Kinh tế đầu tư, Ngân hàng, Ngoại thương... | | TOEIC | 500-600 tùy cấp bậc | CV: 500 | CVC: 550 | CVCC: 600 | | Kinh nghiệm ngành | 1-3 năm | Fintech, Bank, Tài chính là ưu tiên | ### 2. Hard Skills nên có (lợi thế) | Ngôn ngữ/Công cụ | Ứng dụng trong công việc | Mức độ ưu tiên | |---|---|---| | **Python** | Phân tích dữ liệu, automation, ML | ⭐⭐⭐⭐⭐ | | **R** | Thống kê, visualization, econometrics | ⭐⭐⭐⭐ | | **SQL** | Truy vấn cơ sở dữ liệu ngân hàng | ⭐⭐⭐⭐ | | **Excel nâng cao** | Báo cáo, dashboard, VBA | ⭐⭐⭐⭐ | | **SAS/SPSS** | Phân tích thống kê chuyên sâu | ⭐⭐⭐ | | **Matlab** | Mô hình tài chính định lượng | ⭐⭐⭐ | | **Power BI / Tableau** | Visualization & reporting | ⭐⭐⭐⭐ | ### 3. Soft Skills quan trọng - **Tư duy phân tích & tổng hợp**: Yêu cầu cao nhất — bạn sẽ xử lý lượng lớn dữ liệu khách hàng, giao dịch, sản phẩm - **Tỉ mỉ, cẩn thận**: Dữ liệu tài chính sai 1 con số có thể ảnh hưởng báo cáo toàn hệ thống - **Khả năng chịu áp lực**: Deadline báo cáo cuối tháng/quý, dữ liệu lớn cần xử lý nhanh - **Tự nghiên cứu công nghệ**: Ngành fintech đang thay đổi nhanh, bạn cần cập nhật liên tục - **Sáng tạo**: Tìm insight từ data để đề xuất cải tiến sản phẩm, quy trình ### 4. Chứng chỉ gợi ý (nên có thêm) - **CFA/FRM**: Nếu muốn phát triển hướng phân tích rủi ro tín dụng - **Google Data Analytics Certificate**: Nền tảng phân tích dữ liệu vững - **Microsoft Certified: Data Analyst Associate**: Kết hợp Power BI + Excel - **AWS/GCP Data Certification**: Cloud data — xu hướng mới của ngân hàng - **Chứng chỉ tiếng Anh khác**: IELTS 6.0+ thay thế TOEIC nếu có ### 5. Bảng so sánh cấp bậc CV/CVC/CVCC tại TPBank | Tiêu chí | CV (Chuyên viên) | CVC (Chuyên viên chính) | CVCC (Chuyên viên cao cấp) | |---|---|---|---| | Kinh nghiệm | 1-2 năm | 2-4 năm | 4-6+ năm | | TOEIC | 500 | 550 | 600 | | Kỹ năng lập trình | Biết 1 ngôn ngữ | Thành thạo 1-2 ngôn ngữ | Đa ngôn ngữ, mentor được | | Mức lương tham khảo | 15-25 triệu | 25-40 triệu | 40-70 triệu | | Phạm vi công việc | Thực hiện phân tích theo yêu cầu | Chủ động đề xuất insight | Định hướng chiến lược data |

Chuẩn bị phỏng vấn

## Hướng dẫn phỏng vấn TPBank - Phân tích dữ liệu ### Quy trình phỏng vấn thông thường **Vòng 1: Sàng lọc hồ sơ (HR)** - HR đọc CV, kiểm tra kinh nghiệm, bằng cấp - Gọi điện xác nhận thông tin cơ bản, hỏi về mức lương mong muốn - Thời gian: 15-20 phút **Vòng 2: Phỏng vấn chuyên môn (Trưởng phòng/Quản lý)** - Hỏi về kinh nghiệm phân tích dữ liệu cụ thể - Bài test thực hành: phân tích dataset nhỏ bằng Excel/SQL - Thời gian: 45-60 phút **Vòng 3: Phỏng vấn cấp cao / Phó TGĐ Khối (đối với CVCC)** - Hỏi về tầm nhìn, chiến lược, khả năng quản lý - Thời gian: 30-45 phút ### Câu hỏi hay gặp theo từng vòng #### Vòng HR: 1. "Giới thiệu ngắn về bản thân và kinh nghiệm phân tích dữ liệu của bạn" 2. "Tại sao bạn muốn chuyển sang TPBank?" 3. "Bạn biết gì về Khối Ngân hàng Cá nhân của TPBank?" 4. "Mức lương mong muốn của bạn là bao nhiêu?" 5. "Bạn có TOEIC bao nhiêu? Có chứng chỉ gì thêm không?" #### Vòng chuyên môn: 1. "Bạn đã sử dụng Python/R để phân tích dữ liệu như thế nào? Có project cụ thể không?" 2. "Bạn xử lý dataset có bao nhiêu dòng? Công cụ nào để clean data?" 3. "Phân biệt SQL và NoSQL. Khi nào dùng cái nào?" 4. "Bạn hiểu gì về customer segmentation trong ngân hàng cá nhân?" 5. "Trình bày quy trình phân tích một bộ data từ thu thập đến trình bày kết quả" 6. "Bạn dùng những visualization tool nào? Khi nào dùng bar chart vs line chart?" 7. "Mô hình scoring model bạn biết những gì?" 8. "Cho 1 dataset về giao dịch KH, bạn sẽ phân tích những gì?" #### Vòng cấp cao (CVCC): 1. "Bạn định hướng phát triển data platform của TPBank như thế nào trong 3 năm tới?" 2. "Cách nào để đo lường hiệu quả của một mô hình phân tích?" 3. "Kể về một lần bạn dùng data để thay đổi một quyết định kinh doanh" 4. "Bạn sẽ làm gì khi data không đủ chất lượng để phân tích?" ### Tips chuẩn bị đặc biệt cho TPBank - **Nghiên cứu kỹ TPBank**: Tìm hiểu các sản phẩm cá nhân (e-Account, TPBank NOW, FastPlus, E-Commerce), chiến lược chuyển đổi số của TPBank - **Chuẩn bị portfolio data**: Nếu có, mang theo dashboard, report mẫu bạn đã làm - **Test thực hành**: Làm bài test Excel/SQL trước trên Hackerrank hoặc W3Schools - **Hiểu Big 4 của ngân hàng cá nhân**: Deposits, Cards, Loans, Digital Banking ### Dress code - **Nghiêm túc, lịch sự**: Vest/complete suit cho nam, áo sơ mi + chân váy/quần âu cho nữ - Màu sắc trung tính: xanh navy, đen, xám, trắng - Gọn gàng, chuyên nghiệp — đây là vị trí Hội sở ### Chuẩn bị trước ngày phỏng vấn - [ ] Ôn lại SQL queries: SELECT, JOIN, GROUP BY, HAVING, subquery - [ ] Ôn pandas/numpy Python cơ bản - [ ] Chuẩn bị 2-3 câu chuyện về project phân tích dữ liệu cụ thể - [ ] Tìm hiểu xu hướng data analytics trong ngân hàng 2024 - [ ] In 2-3 bản CV + bằng cấp + chứng chỉ TOEIC

Lộ trình ôn thi

## Ôn thi & chuẩn bị cho vị trí Data Analyst TPBank ### 1. Kiến thức nền tảng cần nắm vững #### A. Kiến thức Ngân hàng - Khối Cá nhân - **Sản phẩm**: Tài khoản, tiết kiệm, thẻ tín dụng, vay cá nhân, bảo hiểm - **Customer Lifecycle**: Acquisition → Activation → Usage → Retention → Referral - **KPI đo lường**: CASA ratio, NIM, cost-to-income, delinquency rate - **Quy định pháp luật**: Thông tư 39/2016/TT-NHNN về cho vay cá nhân #### B. Kiến thức Data Analytics - **Data pipeline**: Thu thập → Làm sạch → Phân tích → Visualization → Action - **Statistical concepts**: Distribution, correlation, regression, hypothesis testing - **Machine Learning cơ bản**: Classification, clustering, recommendation ### 2. Tài liệu tham khảo khuyến nghị | Nguồn | Nội dung | Link | |---|---|---| | Kaggle | Dataset thực hành, competitions | kaggle.com | | SQLZoo | Luyện SQL tương tác | sqlzoo.net | | W3Schools SQL | Học SQL từ cơ bản | w3schools.com/sql | | Khan Academy - Statistics | Nền tảng thống kê | khanacademy.org | | DataCamp / Coursera | Python for Data Science | datacam.com | | TPBank Investor Relations | Hiểu chiến lược công ty | tpbank.com.vn | ### 3. Lộ trình chuẩn bị 2 tuần #### Tuần 1: Củng cố kiến thức - **Ngày 1-2**: Ôn SQL (JOIN, GROUP BY, window functions) - **Ngày 3-4**: Ôn Python pandas, numpy, matplotlib - **Ngày 5**: Đọc về sản phẩm Khối Cá nhân TPBank - **Ngày 6-7**: Làm 2-3 bài tập phân tích dataset mẫu #### Tuần 2: Luyện phỏng vấn + Test thực hành - **Ngày 8-9**: Trả lời mẫu các câu hỏi phỏng vấn, record lại - **Ngày 10**: Làm bài test Excel (pivot table, VLOOKUP, conditional formatting) - **Ngày 11**: Chuẩn bị portfolio/project đã làm - **Ngày 12**: Nghiên cứu câu hỏi behavior (STAR method) - **Ngày 13**: Mock interview với bạn bè - **Ngày 14**: Nghỉ ngơi, chuẩn bị tinh thần ### 4. Bài tập ôn luyện quan trọng **SQL Practice (tối thiểu):** ```sql -- Bài tập mẫu: Tính tổng số dư TB của từng khách hàng theo tháng SELECT customer_id, MONTH(trans_date) as month, AVG(balance) as avg_balance FROM transactions WHERE YEAR(trans_date) = 2024 GROUP BY customer_id, MONTH(trans_date) ORDER BY avg_balance DESC; ``` **Excel Practice:** - Pivot table: phân tích doanh số theo chi nhánh, theo quý - VLOOKUP/INDEX-MATCH: ghép dữ liệu từ nhiều bảng - Conditional Formatting: highlight anomalies ### 5. Xu hướng data analytics ngân hàng 2024 cần biết - **Embedded Analytics**: Tích hợp phân tích vào app ngân hàng - **Real-time credit scoring**: Chấm điểm tín dụng tức thời - **RegTech**: Compliance monitoring bằng AI - **Customer 360**: View toàn bộ hành vi KH trên mọi kênh

Tư vấn nghề nghiệp

## Lời khuyên sự nghiệp cho Data Analyst tại TPBank ### Lộ trình thăng tiến điển hình ``` CV (1-3 năm) ↓ 2-3 năm CVC (3-5 năm) ↓ 3-4 năm CVCC (6-8 năm) ↓ Trưởng nhóm / Quản lý dự án Data ↓ Trưởng phòng Data Analytics ↓ Giám đốc Khối Data / CDO (Chief Data Officer) ``` ### Mức lương kỳ vọng tham khảo (Hà Nội, 2024) | Cấp bậc | Mức lương tháng | Tổng thu nhập năm (ước) | |---|---|---| | CV (1-3 năm kinh nghiệm) | 15-25 triệu | 220-380 triệu + thưởng | | CVC (3-5 năm) | 25-40 triệu | 380-600 triệu + thưởng | | CVCC (5-8 năm) | 40-70 triệu | 600-1 tỷ + thưởng | | Trưởng phòng | 60-100 triệu | 900 triệu - 1.5 tỷ + thưởng | *Lưu ý: TPBank có thu nhập khá cạnh tranh trong ngành, đặc biệt với nhân sự data do nhu cầu cao* ### Kỹ năng cần phát triển thêm theo từng giai đoạn **Ngắn hạn (năm 1-2):** - Thành thạo Python + SQL ở mức chuyên sâu - Học Power BI hoặc Tableau cho visualization - Hiểu business model của Khối Cá nhân TPBank **Trung hạn (năm 3-5):** - Machine Learning: XGBoost, Random Forest, Neural Networks - Cloud platforms: AWS Athena, BigQuery, Snowflake - Business storytelling: Trình bày insight cho lãnh đạo - Quản lý dự án, mentor junior **Dài hạn (năm 6+):** - Data Strategy: Xây dựng roadmap data cho toàn khối - Data Governance & Compliance - Lãnh đạo đội ngũ, đàm phán ngân sách - Có thể chuyển sang Product Manager - Data Product ### Đặc điểm nổi bật khi làm Data Analyst tại TPBank **Ưu điểm:** - ✅ Môi trường năng động, chuyển đổi số mạnh (TPBank tiên phong fintech) - ✅ Tiếp cận dữ liệu lớn của ngân hàng thực sự - ✅ Cơ hội học hỏi từ các dự án digital banking - ✅ Lương thưởng cạnh tranh so với thị trường **Thách thức:** - ⚠️ Áp lực deadline cao, đặc biệt cuối tháng/quý - ⚠️ Data quality có thể chưa hoàn hảo — cần kỹ năng clean data giỏi - ⚠️ Cần liên tục học công nghệ mới - ⚠️ Phối hợp với nhiều bộ phận (IT, KHDN, Marketing) ### Lời khuyên từ người đi trước > *"Vị trí data analyst tại TPBank rất phù hợp cho bạn nào thích thử thách. Công việc không chỉ là ngồi code mà còn phải hiểu business — bạn sẽ làm việc trực tiếp với team sản phẩm để đề xuất cải tiến dựa trên data. Quan trọng nhất là kỹ năng giao tiếp — nếu bạn trình bày insight tốt, bạn sẽ được lắng nghe nhiều hơn."* ### Gợi ý chuyển hướng phát triển - **Data Scientist**: Học thêm ML/DL, chuyển sang mô hình dự đoán - **Product Analyst**: Thích hợp nếu thích làm việc với sản phẩm - **Data Engineer**: Nếu thích hơn về hạ tầng data - **Business Intelligence Manager**: Hướng quản lý, chiến lược

Câu hỏi thường gặp

Em mới ra trường, chưa có kinh nghiệm, có nên ứng tuyển vị trí này không?

Vị trí yêu cầu 1-3 năm kinh nghiệm, nhưng nếu bạn có project phân tích dữ liệu thực tế (từ thực tập, bài tập lớn, Kaggle competition), vẫn có cơ hội. Hãy đặc biệt chú trọng portfolio: code mẫu trên GitHub, dashboard bạn đã làm, bài phân tích data cá nhân. Kết hợp thêm chứng chỉ Google Data Analytics hoặc Coursera để tăng sức cạnh tranh. Tuy nhiên, nên apply đồng thời các vị trí fresher ở công ty fintech hoặc startup trước để tích lũy kinh nghiệm.

Mức lương thực tế cho vị trí này là bao nhiêu? Có thương lượng được không?

Mức lương công bố là 'thỏa thuận' — tức là TPBank sẵn sàng đàm phán theo năng lực. Với 1-3 năm kinh nghiệm, thường dao động 15-25 triệu/tháng. Để thương lượng tốt, bạn cần: (1) Có offer từ công ty khác để làm基准, (2) Thể hiện kỹ năng lập trình vượt trội (Python + SQL), (3) Có chứng chỉ chuyên môn. Lưu ý: TPBank thường có 13th month salary + performance bonus, nên tổng thu nhập thực tế cao hơn lương cứng.

Công việc hàng ngày của Data Analyst tại TPBank như thế nào?

Thực tế công việc gồm: (1) Chạy báo cáo định kỳ (daily/weekly/monthly dashboard cho Khối Cá nhân), (2) Clean và xử lý data từ nhiều nguồn (core banking, CRM, digital channel), (3) Phân tích insight về hành vi khách hàng (segmentation, churn prediction), (4) Hỗ trợ team sản phẩm đánh giá hiệu quả tính năng mới, (5) Tự động hóa các báo cáo lặp đi lặp lại bằng Python/SQL. Bạn sẽ làm việc chủ yếu với Excel, SQL, Python và Power BI.

Sự khác nhau giữa CV, CVC và CVCC tại TPBank là gì? Lên CVC mất bao lâu?

CV (Chuyên viên) là nhân viên thực hiện công việc được giao. CVC (Chuyên viên chính) là người có kinh nghiệm hơn, chủ động đề xuất giải pháp, có thể hướng dẫn CV. CVCC (Chuyên viên cao cấp) là chuyên gia trong lĩnh vực được giao, định hướng chiến lược nhỏ. Thông thường, từ CV lên CVC mất 2-3 năm nếu bạn thể hiện tốt, có kết quả rõ ràng và vượt kpi. Quan trọng: TOEIC cần đạt 550+ để được xem xét lên CVC.

Em có 2 năm kinh nghiệm ở công ty fintech, muốn chuyển sang ngân hàng TPBank có được không?

Hoàn toàn có cơ hội, thậm chí còn là lợi thế. Fintech background cho bạn lợi thế về: (1) Tư duy linh hoạt, quen với công nghệ mới, (2) Kỹ năng phân tích data thực tế, (3) Hiểu xu hướng digital banking. Điều cần lưu ý: ngân hàng có quy trình phức tạp hơn về compliance và data governance, bạn cần thể hiện sự am hiểu về quy định ngân hàng. Hãy chuẩn bị câu trả lời cho câu hỏi 'Tại sao chuyển từ fintech sang ngân hàng?' một cách thuyết phục.

Làm ở Hội sở TPBank có phải đi làm sớm, về muộn như các ngân hàng khác không?

TPBank nổi tiếng với văn hóa làm việc linh hoạt hơn so với ngân hàng nhà nước. Thông thường giờ làm 8h30-17h30, có thể hybrid 2-3 ngày/tuần. Tuy nhiên, với vị trí data analyst, bạn có thể phải làm thêm giờ vào cuối tháng (chu kỳ báo cáo) hoặc khi có dự án quan trọng. So với VPBank, ACB hay BIDV, TPBank có văn hóa trẻ trung và năng động hơn, ít формаль hơn.

Cần học thêm gì để tăng cơ hội được nhận và phát triển sau này?

Để tăng cơ hội: (1) Học thêm SQL ở mức chuyên sâu (window functions, CTEs, optimization), (2) Làm ít nhất 1 project Python hoàn chỉnh (clean data + phân tích + visualization), (3) Học Power BI — đang là tool phổ biến nhất tại các ngân hàng Việt Nam, (4) Tìm hiểu về credit scoring model và customer segmentation. Để phát triển dài hạn: học Machine Learning, cloud data tools (AWS/GCP), và phát triển kỹ năng giao tiếp — đây là yếu tố phân biệt giữa data analyst 'giỏi' và 'xuất sắc'.

KPI của Data Analyst tại TPBank được đánh giá như thế nào?

KPI thường gồm: (1) Số lượng báo cáo/dashboard hoàn thành đúng deadline, (2) Độ chính xác của dữ liệu (data accuracy), (3) Số insight được business采纳 và tạo ra kết quả (revenue/cost saving), (4) Thời gian xử lý yêu cầu phân tích, (5) Đóng góp cải tiến quy trình bằng automation. Đặc biệt tại TPBank, họ đánh giá cao sự chủ động — nếu bạn tự tìm ra insight có giá trị mà không cần ai yêu cầu, đó là điểm cộng lớn.

[Hội sở] CV/CVC/CVCC Phân tích dữ liệu - Khối Ngân hàng Cá nhân