Vikki
Kỹ sư Dữ liệu
Mô tả công việc
#top .av-special-heading.av-mm4nj4z5-e352508c5cb3b7d03be7e4e6eb8c10b4{
padding-bottom:10px;
}
body .av-special-heading.av-mm4nj4z5-e352508c5cb3b7d03be7e4e6eb8c10b4 .av-special-heading-tag .heading-char{
font-size:25px;
}
.av-special-heading.av-mm4nj4z5-e352508c5cb3b7d03be7e4e6eb8c10b4 .av-subheading{
font-size:15px;
}
Kỹ sư Dữ liệu
#top .av_textblock_section.av-mm4nos4l-eb0f5daba0549ea6f464521fd5ee6823 .avia_textblock{
color:#0a0a0a;
}
Đơn vị: Trung tâm cộng nghệ
VAI TRÒ
Kỹ sư Dữ liệu chịu trách nhiệm thiết kế, xây dựng, vận hành và tối ưu hóa các hệ thống và hạ tầng dữ liệu. Mục tiêu chính là đảm bảo dữ liệu được thu thập, xử lý, lưu trữ một cách hiệu quả, chính xác và sẵn sàng cho các mục đích phân tích, báo cáo hoặc ứng dụng học máy. Vị trí này đóng vai trò quan trọng trong việc xây dựng nền tảng vững chắc cho các hoạt động dựa trên dữ liệu của công ty.
CÁC NHIỆM VỤ CHÍNH
- Phát triển và duy trì các kiến trúc dữ liệu như Data Warehouse, Data Lake, hoăc Data Lakehouse để đáp ứng nhu cầu lưu trữ và xử lý dữ liệu.
- Đảm bảo các hệ thống dữ liệu hoạt động ổn định, hiệu quả và bảo mật.
- Thiết kế, xây dựng và quản lý các quy trình trích xuất, chuyển đổi và tải (ETL/ELT) dữ liệu từ nhiều nguồn khác nhau (cơ sở dữ liệu giao dịch, API, file log, hệ thống bên thứ ba, v.v.).
- Đảm bảo dữ liệu được chuyển đổi thành các định dạng hữu ích và chất lượng cao để phục vụ phân tích.
- Tự động hóa các quy trình dữ liệu để tăng hiệu quả và giảm thiểu lỗi thủ
công.
- Triển khai các kiểm tra chất lượng dữ liệu và cơ chế xác thực để đảm bảo tính chính xác, nhất quán và đầy đủ của dữ liệu.
- Xử lý và khắc phục các vấn đề liên quan đến dữ liệu (data issues) khi phát sinh.
- Theo dõi hiệu suất của hệ thống dữ liệu và đường ống dữ liệu, thực hiện các biện pháp tối ưu hóa để cải thiện tốc độ và hiệu quả.
- Quản lý cơ sở dữ liệu và các hệ thống lưu trữ để đảm bảo truy xuất dữ liệu nhanh chóng.
- Làm việc chặt chẽ với bộ phận phân tích dữ liệu (Data Analysts), Bộ phận Quản trị CSDL và các bộ phận nghiệp vụ khác để hiểu yêu cầu và cung cấp các giải pháp dữ liệu phù hợp.
- Hỗ trợ các nhóm khác trong việc truy cập và sử dụng dữ liệu một cách hiệu quả.
- Cập nhật các xu hướng và công nghệ mới nhất trong lĩnh vực kỹ thuật dữ liệu.
- Đề xuất và triển khai các công cụ, nền tảng mới để nâng cao năng lực xử lý dữ liệu
Yêu cầu ứng viên
YÊU CẦU CĂN BẢN
- Trình độ: Đại học trở lên
CÁC NĂNG LỰC CHUYÊN MÔN
Kinh nghiệm:
- Có kinh nghiệm làm về dữ liệu ngân hàng, hoặc làm trong ngành tài chính.
- Có kinh nghiệm làm việc với các hệ quản trị cơ sở dữ liệu quan hệ (ưu tiên Oracle, SQL, PostgreSQL, MySQL, v.v.) và NoSQL (MongoDB, Cassandra, v.v.). Thành thạo một hoặc nhiều ngôn ngữ lập trình phổ biến trong Data Engineering (ví dụ: Python, Java, Scala).
- Có kinh nghiệm làm việc với các nền tảng Big Data (Apache Spark, Hadoop, Kafka, Flink, v.v.).
- Có kinh nghiệm với các nền tảng điện toán đám mây (AWS, Google Cloud, Platform, Azure) và các dịch vụ dữ liệu.
Kiến thức:
- Có khả năng tiếp cận, nắm bắt nhanh các công cụ BA/testing mới
- Hiểu biết về các quy trình ETL/ELT và các công cụ liên quan (Apache Airflow, Talend, SSIS, v.v.)
- Sử dụng thành thạo PL/SQL và ít nhất một công cụ nền tảng Big Data Data (Apache Spark, Hadoop, Kafka, Flink, v.v.).
- Hiểu biết về các hoạt động, tính chất và quy mô kinh doanh của Ngân hàng.
Kỹ năng
- Có khả năng tìm hiểu, nghiên cứu và ứng dụng các công nghệ mới.
- Có khả năng giao tiếp hiệu quả để trình bày các giải pháp kỹ thuật cho cả đối tượng kỹ thuật và phi kỹ thuật. Tư duy logic, kỹ năng giải quyết vấn đề tốt và khả năng làm việc độc lập cũng như làm việc nhóm.
- Chủ động trong công việc, có khả năng làm việc nhóm.
- Tiếng Anh giao tiếp tốt
Các yêu cầu khác
- Có tinh thần học hỏi, cầu tiến và trách nhiệm cao.
- Cẩn thận, tiếp thu nhanh các giải pháp công nghệ mới và vận dụng vào trong công việc.
- Chịu được áp lực công việc cao.
#top .hr.hr-invisible.av-av_hr-50edc9949d927eab467680f201044eec{
height:25px;
}
.flex_column.av-av_one_full-fe9fa96661f92e6f6703cd29913666bd{
background-color:#0000ff;
}
#top .av-special-heading.av-av_heading-90284335904a73764a884e2c82378e70{
padding-bottom:10px;
color:#ffffff;
}
body .av-special-heading.av-av_heading-90284335904a73764a884e2c82378e70 .av-special-heading-tag .heading-char{
font-size:25px;
}
.av-special-heading.av-av_heading-90284335904a73764a884e2c82378e70 .special-heading-inner-border{
border-color:#ffffff;
}
.av-special-heading.av-av_heading-90284335904a73764a884e2c82378e70 .av-subheading{
font-size:15px;
}
Ứng tuyển làm việc tại Ngân hàng Số Vikki
#top .av-special-heading.av-av_heading-87a505be42382135b5ef6a2e85ca26b5{
padding-bottom:10px;
}
body .av-special-heading.av-av_heading-87a505be42382135b5ef6a2e85ca26b5 .av-special-heading-tag .heading-char{
font-size:25px;
}
.av-special-heading.av-av_heading-87a505be42382135b5ef6a2e85ca26b5 .av-subheading{
font-size:15px;
}
Vikki tự hào vinh danh Chứng nhận toàn cầu Great Place To Work
Phân tích kỹ năng cần có
## Phân tích Kỹ năng cần có cho vị trí Data Engineer tại Vikki
### 🔧 Hard Skills bắt buộc
| Nhóm kỹ năng | Yêu cầu cụ thể | Mức độ ưu tiên |
|--------------|-----------------|----------------|
| **Database** | Oracle, SQL, PostgreSQL, MySQL, NoSQL (MongoDB, Cassandra) | ⭐⭐⭐⭐⭐ |
| **Ngôn ngữ lập trình** | Python (ưu tiên), Java, Scala | ⭐⭐⭐⭐⭐ |
| **Big Data** | Apache Spark, Hadoop, Kafka, Flink | ⭐⭐⭐⭐⭐ |
| **Cloud** | AWS, Google Cloud Platform, Azure | ⭐⭐⭐⭐ |
| **ETL/ELT Tools** | Apache Airflow, Talend, SSIS | ⭐⭐⭐⭐ |
| **PL/SQL** | Thành thạo | ⭐⭐⭐⭐⭐ |
| **Kiến trúc dữ liệu** | Data Warehouse, Data Lake, Data Lakehouse | ⭐⭐⭐⭐ |
### 🎯 Hard Skills nên có (điểm cộng)
- Kinh nghiệm với dữ liệu ngân hàng/fintech
- Kubernetes/Docker (containerization)
- Công cụ CI/CD cho data pipeline
- Data quality tools (Great Expectations, dbt)
- Security/Bảo mật dữ liệu
### 💡 Soft Skills quan trọng
1. **Giao tiếp**: Trình bày giải pháp kỹ thuật cho cả đối tượng kỹ thuật và phi kỹ thuật
2. **Tư duy logic**: Giải quyết vấn đề data issues hiệu quả
3. **Chủ động**: Tự tìm hiểu và ứng dụng công nghệ mới
4. **Làm việc nhóm**: Phối hợp với Data Analyst, DBA, các bộ phận nghiệp vụ
5. **Tiếng Anh**: Giao tiến tốt để cập nhật xu hướng công nghệ mới
### 📜 Chứng chỉ gợi ý
- **Cloud**: AWS Certified Data Analytics, Google Professional Data Engineer, Azure Data Engineer Associate
- **Big Data**: Cloudera Certified Spark Developer, Databricks Spark Certification
- **Database**: Oracle Certified Professional (OCP), PostgreSQL Certification
- **General**: DP-900 (Azure Data Fundamentals), Google Data Fundamentals
### 📊 So sánh mức kinh nghiệm
| Level | Kinh nghiệm | Mức lương tham khảo (VNĐ/tháng) |
|-------|-------------|--------------------------------|
| Junior (0-2 năm) | Hiểu SQL, Python, 1 cloud platform | 15-25 triệu |
| Mid-level (2-4 năm) | Thành thạo Spark/Kafka, có kinh nghiệm ngân hàng | 25-40 triệu |
| Senior (4+ năm) | Kiến trúc Data Lakehouse, dẫn dắt team | 40-70 triệu |
---
**Lưu ý đặc thù ngành ngân hàng:** Vikki là ngân hàng số, nên ưu tiên ứng viên hiểu về:
- Compliance và regulatory requirements
- Data governance trong fintech
- Real-time processing cho transactions
- Security standards (PCI-DSS nếu có liên quan payment)
Chuẩn bị phỏng vấn
## Hướng dẫn chuẩn bị phỏng vấn Data Engineer tại Vikki
### 📋 Quy trình phỏng vấn dự kiến
**Vòng 1: HR Screening (30-45 phút)**
- Giới thiệu bản thân, motivations
- Đánh giá culture fit
- Kiểm tra mức lương kỳ vọng, availability
**Vòng 2: Technical Interview (60-90 phút)**
- Kiểm tra kiến thức SQL, Python
- Case study về thiết kế data pipeline
- System design cho bài toán ngân hàng
**Vòng 3: Technical Deep-dive (60-90 phút)**
- Coding (SQL, Python hoặc Scala)
- Architecture discussion
- Troubleshooting scenarios
**Vòng 4: Manager/Lead Interview (30-45 phút)**
- Behavioral questions
- Team collaboration
- Career goals
### ❓ Câu hỏi thường gặp theo vòng
#### Vòng 1 - HR:
1. "Tại sao bạn quan tâm đến vị trí Data Engineer tại ngân hàng số?"
2. "Bạn có kinh nghiệm gì với dữ liệu trong lĩnh vực tài chính?"
3. "Mức lương kỳ vọng của bạn là bao nhiêu?"
4. "Bạn biết gì về Vikki và tại sao chọn Vikki?"
#### Vòng 2 - Technical:
1. "Thiết kế một data pipeline để xử lý giao dịch ngân hàng real-time"
2. "Sự khác nhau giữa Data Lake và Data Warehouse là gì? Khi nào nên dùng?"
3. "Giải thích các loại join trong SQL và khi nào dùng?"
4. "Làm thế nào để handle late-arriving data trong streaming?"
5. "Cách bạn ensure data quality trong pipeline?"
6. "Scenario: Một data pipeline bị fail, bạn sẽ troubleshoot như thế nào?"
#### Vòng 3 - Coding/System Design:
1. "Viết SQL để calculate running total và month-over-month growth"
2. "Implement một simple ETL pipeline bằng Python"
3. "Design data model cho hệ thống transaction history"
4. "So sánh Apache Spark vs Apache Flink"
5. "Cách optimize slow SQL query?"
#### Vòng 4 - Manager:
1. "Kể về một dự án data mà bạn tự hào nhất"
2. "Bạn xử lý conflict trong team như thế nào?"
3. "Mục tiêu nghề nghiệp 3-5 năm tới của bạn?"
4. "Bạn làm thế nào để cập nhật công nghệ mới?"
### 🧑💻 Tips chuẩn bị
**Trước 1-2 tuần:**
- Ôn SQL: window functions, CTEs, performance tuning
- Refresh Python: pandas, pyspark basics
- Nghiên cứu Vikki: đọc website, news về ngân hàng số
- Practice system design questions
**Trước 1-2 ngày:**
- Prep 2-3 stories về projects/thành tích
- Review data engineering concepts
- Prep câu hỏi để hỏi interviewer
**Ngày phỏng vấn:**
- Business casual attire
- Mang laptop nếu được yêu cầu (cho coding round)
- On-time hoặc 5-10 phút sớm
- Mindset: collaborative, không cần phải biết hết mọi thứ
### 👔 Dress Code
**Business Casual** - phù hợp với môi trường tech bank:
- Nam: sơ mi, quần âu, có thể không cần cravat
- Nữ: áo blouse/camia, quần âu hoặc váy công sở
- Tránh jeans rách, áo thun in hình
### 📝 Checklist chuẩn bị
- [ ] Research Vikki Bank và hiểu positioning ngân hàng số
- [ ] Refresh SQL (joins, aggregations, window functions)
- [ ] Ôn Python basics + pandas
- [ ] Hiểu Big Data concepts (Spark, Kafka, streaming)
- [ ] Prep 3-5 achievement stories (STAR format)
- [ ] Prep câu hỏi cho interviewer
- [ ] Check logistics (địa điểm, thời gian)
Lộ trình ôn thi
## Lộ trình ôn thi & chuẩn bị cho Data Engineer tại Vikki
### 📚 Kiến thức nền tảng cần nắm vững
#### 1. SQL & Database (Thời gian: 40 giờ)
**Phần cần học:**
- Advanced SQL: JOINs, subqueries, CTEs, window functions
- Indexing, query optimization, execution plans
- PL/SQL basics (stored procedures, functions, triggers)
- Database design: normalization, ERD
**Tài liệu tham khảo:**
- "Learning SQL" - Alan Beaulieu
- "SQL Performance Explained" - Winand
- LeetCode SQL practice (80+ problems)
- PostgreSQL/MySQL documentation
**Thực hành:**
- Setup local database (PostgreSQL/MySQL)
- Practice trên StrataScratch, DataLemur
#### 2. Python cho Data Engineering (Thời gian: 30 giờ)
**Phần cần học:**
- Python basics: data structures, functions, OOP
- Pandas: DataFrame operations, groupby, merge
- Connecting to databases (SQLAlchemy, psycopg2)
- File handling: CSV, JSON, Parquet
**Tài liệu tham khảo:**
- "Python for Data Analysis" - Wes McKinney
- Real Python tutorials
- PySpark documentation
#### 3. Big Data Technologies (Thời gian: 50 giờ)
**Apache Spark:**
- RDD, DataFrame, SparkSQL
- Transformations, actions, lazy evaluation
- Spark Streaming basics
- Optimization: partitioning, caching, broadcast joins
**Hadoop Ecosystem:**
- HDFS basics
- MapReduce concept
- YARN basics
**Streaming:**
- Kafka basics: producers, consumers, topics
- Flink or Spark Streaming
- Exactly-once semantics
**Tài liệu tham khảo:**
- "Learning Spark" - Damji et al.
- "Kafka: The Definitive Guide"
- Databricks tutorials
- Confluent Kafka tutorials
#### 4. Cloud Platforms (Thời gian: 30 giờ)
**AWS (ưu tiên vì phổ biến nhất):**
- S3, RDS, Redshift, Athena
- Glue, EMR, Kinesis
- IAM, VPC basics
**Google Cloud Platform:**
- BigQuery, Cloud Storage
- Dataflow, Dataproc
- Cloud Composer (Airflow managed)
**Tài liệu tham khảo:**
- AWS Documentation
- Google Cloud Skills Boost (free labs)
- Udemy/AWS official courses
#### 5. Data Engineering Concepts (Thời gian: 20 giờ)
**Phần cần học:**
- Data Modeling: Star schema, Snowflake
- ETL vs ELT patterns
- Data Quality & Governance
- Data Lakehouse architecture
- Data Catalog concepts
**Tài liệu tham khảo:**
- "Fundamentals of Data Engineering" - Joe Reis
- "The Data Warehouse Toolkit" - Kimball
- dbt documentation
### 🗓️ Lộ trình 2 tuần (14 ngày)
**Tuần 1 - Nền tảng:**
| Ngày | Nội dung | Thời lượng |
|------|----------|------------|
| Day 1-2 | SQL Advanced + Practice | 8h/ngày |
| Day 3 | Python Pandas + PySpark intro | 8h |
| Day 4-5 | Apache Spark fundamentals | 8h/ngày |
| Day 6-7 | Nghỉ, review notes | 4h/ngày |
**Tuần 2 - Chuyên sâu:**
| Ngày | Nội dung | Thời lượng |
|------|----------|------------|
| Day 8 | Kafka concepts | 8h |
| Day 9 | Cloud basics (AWS/GCP) | 8h |
| Day 10-11 | System design practice | 8h/ngày |
| Day 12 | Behavioral prep + Vikki research | 6h |
| Day 13-14 | Mock interviews + final review | 6h/ngày |
### 🎯 Focus areas cho interview
**High priority (chắc chắn hỏi):**
- SQL queries (window functions, aggregations)
- Data pipeline design
- Spark concepts
- Database optimization
**Medium priority:**
- Cloud services overview
- Streaming concepts
- Data modeling
**Lower priority:**
- Specific tool syntax
- Advanced ML concepts
### ⚠️ Lưu ý quan trọng
1. **Không cần học sâu quá mức** - hiểu concepts quan trọng hơn syntax
2. **Thực hành > Lý thuyết** - code nhiều, không chỉ đọc
3. **Biết điểm mạnh của mình** - interviewer thường hỏi sâu vào project của bạn
4. **Vikki là ngân hàng số** - thể hiện interest trong fintech/innovation là điểm cộng
Tư vấn nghề nghiệp
## Lời khuyên sự nghiệp cho Data Engineer tại Vikki
### 🚀 Lộ trình thăng tiến
**Level 1: Junior Data Engineer (0-2 năm)**
→ **Level 2: Data Engineer (2-4 năm)**
→ **Level 3: Senior Data Engineer (4-6 năm)**
→ **Level 4: Lead/Principal Data Engineer (6-8 năm)**
→ **Level 5: Data Engineering Manager / Architect (8+ năm)**
#### Mô tả từng cấp:
**Junior Data Engineer:**
- Xây dựng và maintain simple pipelines
- Viết SQL queries cơ bản
- Hỗ trợ senior với tasks nhỏ
- Learning curve cao
**Data Engineer:**
- Tự handle complete pipeline
- Optimize existing systems
- Mentor junior members
- Collaborate với business teams
**Senior Data Engineer:**
- Design complex data architectures
- Lead technical decisions
- Define best practices
- Drive innovation
**Lead/Principal:**
- Define technical vision
- Cross-team collaboration
- Strategic planning
- May manage small team
### 💰 Mức lương kỳ vọng theo cấp bậc
**Tại Việt Nam (2024):**
| Level | Mức lương (VNĐ/tháng) | Total package |
|-------|----------------------|---------------|
| Junior (0-2 năm) | 15-25 triệu | 18-30 triệu incl. bonus |
| Mid (2-4 năm) | 25-40 triệu | 30-50 triệu incl. bonus |
| Senior (4-6 năm) | 40-60 triệu | 50-80 triệu incl. bonus |
| Lead/Principal | 60-90 triệu | 75-120 triệu incl. bonus |
**Lưu ý:**
- Vikki là ngân hàng số mới nên có thể cạnh tranh về lương để attract talent
- Total package bao gồm: base + performance bonus (thường 1-3 tháng) + benefits
- Thương lượng dựa trên skills + experience + market rate
### 🎯 Kỹ năng cần phát triển thêm
**Ngắn hạn (1-2 năm đầu):**
- [ ] Thành thạo một cloud platform (AWS/GCP)
- [ ] Deep dive vào Spark hoặc Flink
- [ ] Học dbt cho data transformation
- [ ] Hiểu data governance/compliance
- [ ] Xây portfolio với end-to-end projects
**Trung hạn (2-4 năm):**
- [ ] System design skills
- [ ] Data architecture knowledge
- [ ] Soft skills: presentation, stakeholder management
- [ ] Consider certifications
- [ ] Open source contributions (điểm cộng)
**Dài hạn (4+ năm):**
- [ ] Leadership and mentoring
- [ ] Strategic thinking
- [ ] Industry domain expertise (banking/fintech)
- [ ] Consider specialist vs generalist path
### 🏦 Đặc thù ngành ngân hàng
**Ưu điểm:**
- Stabilty cao, ít bị layoff như tech companies
- Benefits tốt (bảo hiểm, thưởng Tết, phép năm)
- Dữ liệu phong phú để học hỏi
- Compliance-driven → học được discipline
**Thách thức:**
- Bureaucracy nhiều hơn startup/tech
- Tech stack có thể legacy
- Change management chậm
- Salary growth chậm hơn FAANG/startup
### 🔄 Alternative career paths
**Từ Data Engineer có thể chuyển sang:**
1. **ML Engineer** - dùng DE skills + học thêm ML
2. **Data Architect** - focus vào design hơn implementation
3. **Analytics Engineer** - kết hợp DE + Data Analysis
4. **Data Platform Engineer** - infrastructure-heavy
5. **Data Governance** - policy/compliance focused
6. **Product Manager (Data)** - nếu thích business side
### 💡 Tips cho sự nghiệp tại Vikki
1. **Học hỏi domain knowledge** - hiểu banking operations =竞争优势
2. **Build internal network** - relationships matter trong ngân hàng
3. **Showcase impact** - đo lường và present achievements
4. **Stay updated** - fintech đang disrupt banking, cần adapt
5. **Consider certifications** - AWS/GCP certifications = credibility
6. **Watch for opportunities** - ngân hàng số đang growth, nhiều room for advancement
Câu hỏi thường gặp
Em mới ra trường, chưa có kinh nghiệm làm việc với Big Data thực tế, có nên ứng tuyển vị trí Data Engineer tại Vikki không?
Hoàn toàn có thể ứng tuyển nếu em có nền tảng SQL vững và biết Python. Vị trí này yêu cầu 'có kinh nghiệm' nhưng trong thực tế, nhiều ngân hàng sẵn sàng train junior engineers có potential. Em nên: (1) Master SQL thật tốt - đây là kỹ năng quan trọng nhất; (2) Học thêm PySpark hoặc Pandas; (3) Build một pet project liên quan đến data pipeline để show case; (4) Tập trung vào việc thể hiện eagerness to learn và problem-solving ability. Ngoài ra, em có thể apply vào các vị trí Junior DE hoặc Data Analyst trước để lấy kinh nghiệm, sau đó chuyển lên.
**Cụ thể:** Trong CV, hãy highlight các dự án cá nhân/dự án trường liên quan đến xử lý dữ liệu, dù không phải production scale. Khi phỏng vấn, thể hiện passion và khả năng học nhanh sẽ bù đắp cho việc thiếu kinh nghiệm.
Mức lương Data Engineer tại Vikki và ngân hàng số nói chung là bao nhiêu? Có thương lượng được không?
Mức lương cho Data Engineer tại các ngân hàng số Việt Nam (2024) dao động khá rộng:
- **Junior (0-2 năm)**: 15-25 triệu/tháng
- **Mid-level (2-4 năm)**: 25-40 triệu/tháng
- **Senior (4+ năm)**: 40-60+ triệu/tháng
Vikki là ngân hàng số mới nên có thể họ sẵn sàng trả premium để attract talent. Tips thương lượng:
1. **Research market rate** - hỏi trên các forum như Glassdoor, VietnamWorks, ITviec
2. **Know your value** - nếu có skills in-demand (Spark, Kafka, Cloud), leverage đó
3. **Consider total package** - base salary chỉ là một phần, tính thêm bonus, benefits, equity nếu có
4. **Don't be the first to say a number** - để HR đưa ra con số trước
5. **Be ready to justify** - chuẩn bị points để defend expected salary
Lưu ý: Tin tuyển dụng ghi 'Thỏa thuận' nghĩa là HR mở để thương lượng, đây là dấu hiệu tốt.
Công việc hàng ngày của Data Engineer tại ngân hàng số như Vikki là gì? Có áp lực không?
Một ngày typical của Data Engineer tại ngân hàng số có thể bao gồm:
**Sáng (9:00-12:00):**
- Check monitoring dashboards cho các pipelines
- Review overnight batch jobs
- Standup meeting với team
- Review code changes từ peers
**Chiều (13:30-18:00):**
- Phát triển/tối ưu data pipelines
- Debug và fix data issues
- Họp với business teams để understand requirements
- Code review
**Thỉnh thoảng:**
- On-call rotation cho production incidents
- Sprint planning, retrospectives
- Knowledge sharing sessions
**Về áp lực:**
- Có áp lực nhất định, đặc biệt khi có data incidents hoặc tight deadlines
- Tuy nhiên, ngân hàng thường ổn định hơn startup về workload
- Banking hours thường không cần overtime thường xuyên
- Culture tại Vikki (ngân hàng số) có thể năng động hơn ngân hàng truyền thống
**Tip:** Hỏi về on-call policy và team size khi phỏng vấn để hiểu rõ hơn về work-life balance.
Em đang làm backend developer (Java), muốn chuyển sang Data Engineering có được không? Cần học thêm gì?
Hoàn toàn có thể chuyển! Backend skills là nền tảng tốt vì DE cũng cần code và understand systems. Những gì em cần bổ sung:
**Cần học thêm:**
1. **SQL chuyên sâu** (2-3 tuần)
- Advanced queries, window functions
- Database optimization
- PostgreSQL hoặc Oracle
2. **Python cho Data** (2-4 tuần)
- Pandas, NumPy
- PySpark basics
- SQLAlchemy, database connectors
3. **Big Data concepts** (2-4 tuần)
- Apache Spark (Spark SQL, DataFrames)
- Kafka basics
- Data Lake vs Data Warehouse concepts
4. **Cloud basics** (2-3 tuần)
- Chọn một platform (AWS/GCP/Azure)
- Basic services liên quan data
**Điểm mạnh từ backend:**
- Code proficiency (Java → Python dễ adapt)
- System design thinking
- Debugging skills
- Understanding of distributed systems
**Strategy:**
- Bắt đầu với SQL và Python
- Build portfolio project (simple ETL pipeline)
- Leverage existing Java skills khi học Spark (có Spark với Java/Scala)
- Apply cho roles hybrid Backend/Data
Timeline realistic: 2-4 tháng chuẩn bị là đủ để switch.
Vikki là ngân hàng số, họ dùng tech stack gì? Có học những công nghệ gì để phù hợp?
Tin tuyển dụng không specify tech stack cụ thể, nhưng dựa trên JD và đặc thù ngân hàng số tại Việt Nam, có thể đoán:
**Có thể sử dụng:**
- **Database**: Oracle (phổ biến trong ngân hàng VN), PostgreSQL, MongoDB
- **Big Data**: Apache Spark, Kafka, có thể Flink cho real-time
- **Cloud**: AWS hoặc GCP đang phổ biến
- **ETL**: Apache Airflow, Talend, hoặc proprietary tools
- **Languages**: Python (primary), Java (legacy systems)
**Điểm đặc biệt của ngân hàng số:**
- Thường lean towards modern tech hơn ngân hàng truyền thống
- Có thể dùng microservices, containerization
- Focus vào real-time processing cho digital transactions
**Recommendations:**
1. **Must-have**: SQL expert + Python + một cloud platform
2. **High-value**: Spark (Spark SQL, Structured Streaming)
3. **Good-to-know**: Kafka, Docker/Kubernetes basics
4. **Bonus**: dbt, data governance concepts
**Tip:** Khi phỏng vấn, hỏi về tech stack và growth opportunities là perfectly acceptable và shows genuine interest.
Data Engineer khác gì Data Analyst? Và khác gì Machine Learning Engineer? Em không biết nên chọn career path nào.
So sánh 3 roles phổ biến trong data:
**Data Engineer:**
- Build và maintain data infrastructure (pipelines, warehouses)
- Focus: data movement, storage, system reliability
- Day-to-day: SQL, Python, Spark, cloud platforms
- Salary: Cao, demand cao
**Data Analyst:**
- Analyze data để find insights
- Focus: reporting, dashboards, business questions
- Day-to-day: SQL, Excel, BI tools (Tableau, Power BI), Excel
- Salary: Thấp hơn DE, entry-level friendly
**Machine Learning Engineer:**
- Build production ML systems
- Focus: model deployment, ML pipelines, scalability
- Day-to-day: Python, ML frameworks, MLOps
- Salary: Cao nhất trong 3, nhưng cần nền tảng ML
**Nên chọn path nào?**
- **Thích xây infrastructure, systems**: DE
- **Thích numbers, business insights**: DA
- **Thích algorithms, AI**: MLE
- **Không chắc**: Start với DE vì salary cao + skills transferable
**Good news:** Skills overlap nhiều, có thể switch giữa các roles.
**Data Engineer là safe bet** vì:
1. High demand (mọi công ty cần DE)
2. Salary competitive
3. Less competition so với MLE
4. Skills đi đâu cũng dùng được
**Đặc biệt cho ngân hàng:** DE có nhiều opportunities vì banks đang invest mạnh vào data infrastructure.