TPBank tuyển dụng Kỹ sư nền tảng dữ liệu lớn

Quản lý Thỏa thuận Hạn: 2026-11-30

Phân tích kỹ năng cần có

1. Lưu ý về mức độ thông tin

Tin tuyển dụng hiện chỉ cung cấp vị trí Kỹ sư nền tảng dữ liệu lớn thuộc Khối Công nghệ thông tin, địa điểm Hà Nội và mức lương thỏa thuận. Phần mô tả công việc, yêu cầu, kinh nghiệm và phúc lợi đều không được cung cấp. Vì vậy, nội dung dưới đây là định hướng dựa trên ý nghĩa thông thường của vị trí Big Data Platform Engineer trong ngân hàng, không phải yêu cầu chính thức của TPBank. Ứng viên nên hỏi lại tuyển dụng về công nghệ sử dụng, phạm vi sản phẩm, quy trình tuyển dụng và mức độ trực tuyến của hệ thống.

2. Cách hiểu vị trí

Vị trí này nhiều khả năng tập trung vào xây dựng và vận hành nền tảng xử lý dữ liệu quy mô lớn, bao gồm:

Thu thập dữ liệu từ hệ thống nghiệp vụ, đối tác hoặc sự kiện theo thời gian thực.
Xây dựng pipeline dữ liệu hàng loạt và luồng.
Quản lý vùng lưu trữ dữ liệu thô, dữ liệu đã chuẩn hóa và dữ liệu phục vụ phân tích.
Điều phối tác vụ, xử lý lỗi, tái chạy dữ liệu và kiểm soát chất lượng.
Tối ưu hiệu năng, độ trễ, khả năng sẵn sàng và chi phí hạ tầng.
Tích hợp quản trị dữ liệu, phân quyền, che dữ liệu nhạy cảm và truy vết dữ liệu trong môi trường ngân hàng.

Tên vị trí có thể mang tính bao quát. Ứng viên cần làm rõ đây là dựng nền tảng dữ liệu lớn, xây dựng pipeline dữ liệu hay vận hành hạ tầng dữ liệu vì ba hướng này có thể khác nhau về trọng tâm kỹ thuật.

3. Các kỹ năng cần ưu tiên

Nhóm kỹ năng	Kiến thức nên có	Mức ưu tiên	Dấu hiệu chứng minh phù hợp
Nền tảng dữ liệu	Hadoop, HDFS, YARN, Hive, Spark, Kafka, Airflow hoặc các công nghệ tương đương	Rất cao	Đã xây dựng pipeline phân tán, xử lý dữ liệu lớn hoặc luồng dữ liệu
Lập trình	Python, Java hoặc Scala; SQL thành thạo	Rất cao	Có dự án mã nguồn, bài tập lớn hoặc kinh nghiệm triển khai dịch vụ dữ liệu
Dữ liệu luồng	Kafka, Flink, Spark Structured Streaming, CDC, schema registry	Cao	Xử lý được trùng lặp, dữ liệu đến trễ, backpressure và tái phát dữ liệu
Lưu trữ và lakehouse	Object storage, Parquet, ORC, Delta Lake, Apache Iceberg hoặc Hudi	Cao	Biết phân vùng, quản lý snapshot, compaction và truy vấn trên bảng phân tích
Điều phối và chất lượng	Airflow, Dagster, Argo Workflows; kiểm thử dữ liệu, schema validation	Cao	Có pipeline có retry, backfill, dead-letter queue, cảnh báo và kiểm tra đối soát
Hạ tầng	Linux, Docker, Kubernetes, Terraform, Ansible, CI/CD	Cao	Đã triển khai và giám sát dịch vụ trên môi trường thật hoặc mô phỏng
Dữ liệu quan hệ	PostgreSQL, MySQL, Oracle hoặc SQL Server; truy vấn, chỉ mục, transaction	Cao	Hiểu transaction, isolation, index, execution plan và phân vị truy vấn
Điện toán đám mây	AWS, Azure hoặc Google Cloud; data warehouse và data lake	Trung bình đến cao	Biết cách thiết kế storage, compute, networking và quản lý bí mật
Vận hành	Giám sát, logging, tracing, cảnh báo, xử lý sự cố, sao lưu và khôi phục	Rất cao	Có quy trình runbook, dashboard vận hành và sẵn sàng trực
Bảo mật và quản trị dữ liệu	Phân quyền, mã hóa, masking, data lineage, audit trail	Rất cao	Hiểu yêu cầu bảo vệ dữ liệu khách hàng và truy vết nguồn gốc

4. Kiến thức kỹ thuật cần hiểu sâu

Dữ liệu hàng loạt và phân tán

Phân vùng dữ liệu, bucketing, sharding và lựa chọn định dạng cột.
Shuffle, join lớn, data skew và cách xử lý khóa phân bố không đều.
Xử lý file nhỏ, nén dữ liệu và tối ưu I/O.
Kiến trúc medallion gồm lớp bronze, silver và gold.
Ý nghĩa của ACID, idempotency, checkpoint và exactly-once processing.

Dữ liệu luồng

Partition, offset, consumer group, rebalancing và message ordering.
Duplicate message, late arrival, event-time so với processing-time.
Schema evolution và tương thích ngược dữ liệu.
Dead-letter topic, retry có backoff, replay và kiểm tra đối soát.

SQL và phân tích dữ liệu

Join, nhóm, pivot, window function, CTE và recursive query.
Tìm bản ghi mới nhất, loại bỏ trùng lặp, tính tổng lũy kế và phân nhóm theo khoảng thời gian.
Đọc execution plan, hiểu index và cách tối ưu truy vấn trên dữ liệu lớn.
Phân biệt dữ liệu thống kê và dữ liệu giao dịch.

Vận hành trong ngân hàng

Kiểm soát truy cập theo vai trò và nguyên tắc tối thiểu.
Mã hóa dữ liệu khi truyền và khi lưu trữ.
Che dữ liệu định danh, số tài khoản, thông tin giao dịch trong môi trường phát triển.
Theo dõi độ mới, độ trễ, tính đầy đủ, tính chính xác và tính duy nhất của dữ liệu.
Lập audit trail, data lineage và biện bản xử lý sự cố.

5. Kỹ năng mềm cần thể hiện

Tư duy hệ thống: nhìn từ nguồn dữ liệu đến vận hành, giám sát và tái phục hồi.
Chủ động sở hữu vấn đề: biết chủ động điều tra nguyên nhân thay vì chỉ báo lỗi.
Giao tiếp kỹ thuật: giải thích trade-off với lãnh đạo, nghiệp vụ và đội phát triển.
Tài liệu hóa: viết tài liệu kiến trúc, runbook, quy trình on-call và hướng dẫn triển khai.
Quản lý ưu tiên: phân biệt sự cố nghiêm trọng với yêu cầu tối ưu thông thường.
Học hỏi và phản hồi: tiếp nhận góp ý mà không phòng thủ.
Tinh thần cộng tác: phối hợp với đội dữ liệu, phát triển nghiệp vụ, bảo mật và hạ tầng.

6. Chứng chỉ có thể cân nhắc

Chứng chỉ chỉ nên dùng như phần bổ sung cho kinh nghiệm và dự án thực tế:

1. Databricks Certified Data Engineer Associate nếu mục tiêu là Spark và lakehouse.
2. Confluent Certified Developer for Apache Kafka nếu vai trò trọng tâm là dữ liệu luồng.
3. Certified Kubernetes Administrator nếu vị trí yêu cầu quản trị container trên quy mô lớn.
4. AWS Data Engineering, Google Cloud Professional Data Engineer hoặc Microsoft Certified: Fabric Data Engineer Associate tùy nền tảng đám mây.
5. Chứng chỉ quản trị Hadoop, Spark hoặc Kafka chỉ nên học khi tuyển dụng xác nhận đây là công nghệ chính.

Không nên để chứng chỉ thay thế dự án, đóng góp mã nguồn và khả năng giải thích các quyết định kỹ thuật.

7. So sánh các hướng ứng viên

Hướng	Trọng tâm công việc	Hợp với ứng viên nào
Big Data Platform Engineer	Xây nền tảng, hạ tầng, vận hành và vận hành dữ liệu ở quy mô lớn	Thích DevOps, hạ tầng, tối ưu hệ thống và độ ổn định
Data Engineer	Xây pipeline, mô hình hóa dữ liệu và tích hợp nguồn	Thích dữ liệu, SQL, ETL và phân tích nghiệp vụ
Data Platform Developer	Phát triển thành phần dùng chung, SDK, API và công cụ nền tảng	Thích lập trình, thiết kế API và cải thiện trải nghiệm của nhà phát triển
Streaming Engineer	Xử lý dữ liệu thời gian thực, Kafka, Flink và xử lý sự kiện	Thích độ trễ thấp, event-driven và debug hệ thống phân tán
Data Reliability Engineer	Chất lượng, observability, đối soát và phục hồi dữ liệu	Thích vận hành, giám sát, xử lý sự cố và giảm rủi ro dữ liệu

8. Checklist hồ sơ ứng tuyển

Ứng viên nên sở hữu tối thiểu một dự án có các thành phần: nguồn dữ liệu giả lập, Kafka hoặc nguồn sự kiện, Spark, vùng lưu trữ định dạng cột, Airflow, truy vấn SQL, dashboard vận hành và tài liệu kiến trúc. Hồ sơ cần làm rõ:

Vì sao chọn từng công nghệ.
Quy mô dữ liệu và yêu cầu độ trễ.
Cách xử lý trùng lặp, dữ liệu đến trễ và pipeline thất bại.
Cách triển khai, giám sát, sao lưu và khôi phục.
Kết quả cải thiện về tốc độ, độ ổn định, chi phí hoặc chất lượng dữ liệu.

Nếu chưa có kinh nghiệm ngân hàng, ứng viên nên chủ động liên hệ kiến thức bảo mật, quản trị dữ liệu, tính nhất quán dữ liệu và vận hành hệ thống tài chính.

Chuẩn bị phỏng vấn

1. Quy trình phỏng vấn có khả năng gặp

Quy trình dưới đây là kịch bản phổ biến dựa trên vị trí kỹ sư tại ngân hàng, không phải thông tin chính thức của TPBank:

1. Sàng lọc hồ sơ: nhân sự tuyển dụng xem kinh nghiệm, độ phù hợp với vị trí và mức lương kỳ vọng.
2. Phỏng vấn kỹ thuật tổng quát: kiểm tra nền tảng dữ liệu, lập trình, SQL và kiến trúc hệ thống.
3. Phỏng vấn chuyên môn: đi sâu vào Big Data, Kafka, Spark, hệ thống phân tán, vận hành và bảo mật.
4. Bài tập kỹ thuật hoặc thiết kế hệ thống: có thể là SQL, coding, phân tích một pipeline hoặc thiết kế kiến trúc dữ liệu.
5. Phỏng vấn quản lý và văn hóa: đánh giá tư duy sở hữu, giao tiếp, xử lý sự cố và khả năng làm việc trong môi trường ngân hàng.
6. Thương lượng và chốt offer: làm rõ cấp bậc, phạm vi công việc, chế độ trực, phúc lợi và cơ hội phát triển.

Ứng viên nên hỏi nhân sự tuyển dụng xem có bao nhiêu vòng, mỗi vòng khoảng bao lâu, hình thức trực tiếp hay trực tuyến, có bài kiểm tra không và thang đánh giá năng lực ra sao.

2. Chuẩn bị cho vòng sàng lọc

Hãy chuẩn bị câu giới thiệu 60 đến 90 giây gồm bốn phần:

1. Bạn học và từng làm gì.
2. Kinh nghiệm nào liên quan đến dữ liệu lớn, pipeline hoặc vận hành hệ thống.
3. Kết quả cụ thể đã đạt được.
4. Vì sao vị trí nền tảng dữ liệu lớn phù hợp với hướng phát triển của bạn.

Các câu hỏi thường gặp:

Vì sao bạn chọn ngành dữ liệu và vị trí này?
Bạn từng xây hoặc vận hành pipeline nào?
Dữ liệu của bạn lớn đến mức nào? Có yêu cầu độ trễ không?
Bạn xử lý trùng lặp, dữ liệu đến trễ hoặc sự cố dữ liệu ra sao?
Bạn hiểu về dữ liệu tài chính và yêu cầu bảo mật đến đâu?
Mức lương mong muốn và thời điểm có thể bắt đầu là gì?
Bạn có sẵn sàng làm việc theo ca trực liên quan đến sự cố dữ liệu không?

Không nên nói quá mức về các công nghệ chỉ từng đọc lý thuyết. Hãy phân biệt rõ kinh nghiệm đã sử dụng trong sản phẩm, kinh nghiệm trong dự án cá nhân và kiến thức tự học.

3. Vòng kiểm tra kiến thức nền

Có thể hỏi:

Phân biệt batch processing và stream processing như thế nào?
Vì sao cần partition trong Kafka và HDFS?
Consumer group hoạt động ra sao? Điều gì xảy ra khi consumer bị mất?
Data skew là gì và cách xử lý thế nào?
Sự khác biệt giữa idempotency, deduplication và exactly-once processing?
Vì sao object storage thường được dùng cùng lakehouse?
Parquet có lợi ích gì so với định dạng hàng?
Airflow thực hiện backfill và retry như thế nào?
Làm thế nào để đảm bảo chất lượng và tính đối soát của dữ liệu?

Cách trả lời tốt:

1. Nêu định nghĩa ngắn gọn.
2. Giải thích cơ chế hoạt động.
3. Đưa ra ví dụ thực tế.
4. Nêu trade-off, điểm cần giám sát và phương án xử lý sự cố.

4. Vòng SQL và lập trình

SQL

Chuẩn bị các bài như:

Tìm giao dịch mới nhất của mỗi khách hàng.
Loại bỏ bản ghi trùng và giữ bản ghi có thời điểm cập nhật mới nhất.
Tính số dư hoặc doanh số lũy kế theo khách hàng.
So sánh doanh số tháng này với tháng trước.
Tính tỷ lệ chuyển đổi theo funnel.
Tìm khách hàng không có giao dịch trong 90 ngày.

Cần thành thạo `GROUP BY`, `JOIN`, `CASE`, `DATE`, cửa sổ `ROW_NUMBER`, `RANK`, `LAG`, `LEAD`, `SUM OVER` và xử lý dữ liệu thiếu.

Coding

Các bài có thể gặp gồm đếm từ trong văn bản, tìm top K phần tử, gộp các khoảng thời gian, kiểm tra chuỗi, xử lý danh sách và cài đặt hàng đợi đơn giản. Ứng viên nên ưu tiên giải pháp dễ đọc, kiểm thử với dữ liệu biên và giải thích độ phức tạp thay vì viết mã quá ngắn gọn.

Nếu vị trí thiên về nền tảng, câu hỏi coding có thể tập trung vào xử lý file, log, retry, cache, concurrency hoặc cấu hình hạ tầng hơn là thuật toán.

5. Vòng thiết kế hệ thống dữ liệu

Một đề thiết kế hệ thống thường yêu cầu xử lý bài toán như: thu thập dữ liệu giao dịch từ nhiều hệ thống, chuẩn hóa, phục vụ báo cáo gần thời gian thực và bảo đảm không mất dữ liệu.

Khung trả lời 10 phút:

1. Yêu cầu: khối lượng, tần suất, độ trễ, tính chính xác, thời gian lưu giữ và đối tượng sử dụng.
2. Nguồn và ingestion: API, CDC, batch extract hoặc Kafka tùy nhu cầu.
3. Xử lý: batch bằng Spark, stream bằng Spark Structured Streaming hoặc Flink.
4. Lưu trữ: vùng raw định dạng cột, lớp curated và data warehouse hoặc lakehouse phục vụ truy vấn.
5. Điều phối: Airflow hoặc công cụ tương đương cho lịch, retry, backfill và dependency.
6. Đảm bảo chất lượng: schema validation, uniqueness, completeness, reconciliation và data contract.
7. Bảo mật: phân quyền, mã hóa, masking và audit trail.
8. Vận hành: monitoring, alerting, dead-letter queue, checkpoint, backup, recovery và quản lý chi phí.

Hãy luôn hỏi về quy mô và yêu cầu trước khi chọn công nghệ. Một kiến trúc tốt không nhất thiết dùng nhiều thành phần nhất có thể.

6. Câu hỏi về ngân hàng và vận hành

Làm thế nào để bảo vệ dữ liệu khách hàng trong pipeline?
Nếu dữ liệu sai lệch so với hệ thống nguồn, quy trình truy vết và khắc phục thế nào?
Có yêu cầu tuân thủ, data residency hoặc audit trail nào đặc biệt trọng không?
Hệ thống có yêu cầu sẵn sàng, khôi phục thảm họa hoặc trực tuyến cao không?
Khi pipeline thất bại giữa lúc đóng cửa số liệu, bước xử lý an toàn là gì?

Ứng viên không cần khẳng định mình hiểu toàn bộ quy định pháp lý. Hãy thể hiện tư duy tuân thủ, khả năng làm việc cùng chuyên gia pháp chếp và bảo mật, cũng như nguyên tắc không tự ý đưa dữ liệu nhạy cảm ra ngoài môi trường được phép.

7. Vòng quản lý và hành vi

Các câu hỏi có thể gặp:

Kể lại một lần bạn phải xử lý sự cố dữ liệu hoặc hệ thống.
Khi nào bạn phải ưu tiên tính chính xác hơn tốc độ và ngược lại?
Mô tả cách bạn phát hiện một pipeline chạy thành công nhưng dữ liệu vẫn sai.
Bạn đã phản đối một quyết định kỹ thuật như thế nào?
Làm thế nào để tài liệu hóa hệ thống mà người khác có thể trực ngoài ca?

Nên dùng cấu trúc tình huống, hành động và kết quả. Nêu rõ vai trò cá nhân, bằng chứng cụ thể và bài học sau sự cố.

8. Câu hỏi nên hỏi cuối buổi phỏng vấn

Vị trí hiện phụ trách nền tảng dữ liệu phân tán, data lakehouse hay pipeline dữ liệu?
Các thành phần chính trong kiến trúc hiện tại gồm những gì?
Nhóm sử dụng chính của nền tảng là các đơn vị nghiệp vụ nào?
Có bao nhiêu nguồn dữ liệu, quy mô dữ liệu và yêu cầu độ trễ chính?
Công việc có bao gồm trực sự cố hoặc xử lý sự cố cuối tuần không? Cơ chế điều phối ra sao?
Bộ kiểm thử, môi trường và quy trình phê duyệt thay đổi ra sao?
Tiêu chí đánh giá ứng viên xuất sắc ở cấp bậc này là gì?
Đường lộ trình phát triển và khả năng điều chuyển giữa các nhóm dữ liệu thế nào?

9. Tips trước phỏng vấn

Dựng một sơ đồ kiến trúc và một thuyết minh dự án để trả lời mọi câu hỏi theo cùng một ngôn ngữ.
Viết sẵn năm ví dụ về SQL, pipeline, tối ưu, xử lý sự cố và làm việc nhóm.
Luyện giải thích thuật ngữ mà không lạm dụng định nghĩa học thuật.
Nếu không biết một công nghệ, nói rõ phần đã biết, suy luận có cơ sở và đề xuất cách kiểm chứng; không bịa kinh nghiệm.
Mang sẵn một bản tóm tắt dự án, sơ đồ và thiết kế giải pháp để chia sẻ sau phỏng vấn nếu được phép.

10. Trang phục

Hãy chọn trang phục công sở hài hòa, gọn gàng và chuyên nghiệp như vest hoặc sơ mi cùng quần tây; không cần phong cách quá trang trọng trong phỏng vấn kỹ thuật. Quần áo nên thoải mái để làm bài tập trực tiếp. Nếu phỏng vấn tại văn phòng, chuẩn bị giày đẹp, tài liệu in và thiết bị sạc đầy.

Lộ trình ôn thi

1. Mục tiêu ôn tập

Vì chưa có đề cương chính thức, hãy đặt mục tiêu vừa đủ để trả lời phỏng vấn kỹ thuật về dữ liệu lớn, đồng thời xây một dự án có thể trình bày trong phỏng vấn. Không nên học lan man quá nhiều công nghệ; chọn một stack trọng tâm gồm Kafka, Spark, Airflow, SQL và object storage, sau đó bổ sung Kubernetes nếu thời gian cho phép.

2. Lộ trình 10 đến 14 ngày

Thời gian	Nội dung	Đầu ra cần đạt
Ngày 1	Làm rõ vị trí, ôn kiến thức dữ liệu lớn và định nghĩa batch, stream, pipeline, lakehouse	Hiểu rõ các thuật ngữ và tự vẽ bản đồ khái niệm
Ngày 2	Linux, Git, Python hoặc Java, SQL nâng cao	Viết được truy vấn window function, join và xử lý dữ liệu trùng lặp
Ngày 3	Hadoop, HDFS, YARN, Hive và định dạng Parquet hoặc ORC	Giải thích được partitioning, replication và đọc dữ liệu cột
Ngày 4	Spark DataFrame, Spark SQL và cơ chế shuffle	Xử lý được một tập dữ liệu lớn và giải thích data skew
Ngày 5	Kafka: partition, offset, consumer group, replication và schema	Mô phỏng được producer, consumer, retry và bài toán thứ tự sự kiện
Ngày 6	Spark Structured Streaming, Flink hoặc CDC	Biết cách xử lý event-time, late data, duplicate và backpressure
Ngày 7	Airflow, DAG, retry, backfill, XCom và dependency	Xây pipeline nhiều bước có kiểm tra chất lượng và cảnh báo
Ngày 8	Object storage, Delta Lake, Iceberg hoặc Hudi	Hiểu snapshot, compaction, schema evolution và truy vấn phiên bản
Ngày 9	Docker, Kubernetes, Terraform và CI/CD	Đóng gói và triển khai một dịch vụ dữ liệu đơn giản
Ngày 10	Giám sát, logging, tracing, SLA, khôi phục và chi phí	Lập dashboard, cảnh báo và runbook cho dự án
Ngày 11	Bảo mật, quản trị dữ liệu và kiểm thử dữ liệu	Áp dụng phân quyền, masking, schema validation và reconciliation
Ngày 12	SQL và coding không gian	Làm 10 bài SQL, 5 bài coding và một bài thiết kế hệ thống
Ngày 13	Luyện phỏng vấn, trả lời tình huống ngân hàng	Trả lời trôi chảy trong 5 đến 10 phút, ghi lại điểm yếu
Ngày 14	Rà soát CV, LinkedIn, dự án và thương lượng	Chuẩn bị bản giới thiệu, thuyết minh dự án và danh sách câu hỏi

3. Kiến thức nền cần ôn

Nguyên tắc thiết kế dữ liệu

Data ingestion, transformation, storage và serving.
Data lake, warehouse, lakehouse và data mesh ở mức khái niệm.
Batch, micro-batch, streaming và CDC.
Schema, data contract, metadata, lineage và data quality.
Phân biệt dữ liệu chủ yếu, dữ liệu giao dịch và dữ liệu phân tích.

Spark và Hadoop

RDD cơ bản, DataFrame và Catalyst optimizer.
Shuffle, join, aggregate, repartition và coalesce.
Data skew, adaptive query execution và broadcast join.
HDFS block, replication, NameNode, DataNode và YARN.
Cách chọn partition, bucket và định dạng lưu trữ.

Kafka và streaming

Topic, partition, offset, producer, consumer và consumer group.
Acknowledgement, replication, ISR, rebalancing và consumer lag.
Schema registry, tương thích schema và dead-letter topic.
Event-time, processing-time, watermark và late arrival.
Chính xác một lần, chính xác ít nhất một lần và idempotency.

SQL và chất lượng dữ liệu

Window function, CTE, grouping sets, pivot và giải thích execution plan.
Kiểm tra completeness, validity, uniqueness, consistency và timeliness.
Data reconciliation với nguồn và kiểm soát tổng số bản ghi.

Vận hành và bảo mật

SLI, SLO, SLA, latency, throughput, availability và error budget.
Monitoring, metrics, logs, traces và cảnh báo theo nguyên nhân.
Retry có backoff, circuit breaker, timeout, checkpoint và idempotency.
RBAC, secret management, encryption, audit log và data masking.
Phương án backup, khôi phục, khôi phục thảm họa và rollback.

4. Tài liệu tham khảo

Tài liệu chính thức

Apache Spark Documentation, đặc biệt phần Spark SQL và Structured Streaming.
Apache Kafka Documentation và Kafka Design.
Apache Airflow Documentation.
Apache Hadoop, Hive và Flink Documentation.
Delta Lake, Apache Iceberg và Hudi Documentation.
Kubernetes Documentation và Terraform Registry.

Sách

Designing Data-Intensive Applications để hiểu hệ thống phân tán và trade-off.
Spark: The Definitive Guide để nắm Spark và cấu trúc dữ liệu.
Kafka: The Definitive Guide để hiểu kiến trúc và vận hành Kafka.
Data Engineering Cookbook để lấy cảm hứng thiết kế pipeline.
The Data Warehouse Toolkit để hiểu mô hình hóa dữ liệu phục vụ phân tích.

Không nhất thiết đọc hết sách trong hai tuần. Hãy ưu tiên tài liệu chính thức, blog kỹ thuật có ví dụ và tài liệu do các nhà tuyển dụng thường đánh giá cao.

5. Dự án luyện tập đề xuất

Xây một pipeline giao dịch tài chính giả lập với các thành phần:

1. Kafka nhận sự kiện giao dịch từ nhiều nguồn.
2. Schema validation bằng Schema Registry hoặc thư viện tương đương.
3. Spark Structured Streaming hoặc Spark batch xử lý dữ liệu.
4. Lưu lớp raw dạng Parquet hoặc Delta Lake.
5. Airflow điều phối batch, kiểm tra chất lượng và backfill.
6. PostgreSQL hoặc Trino phục vụ truy vấn phân tích.
7. Grafana và Prometheus hoặc cơ chế giám sát tương đương.
8. Docker Compose để chạy cục bộ; Kubernetes và Terraform ở phần mở rộng.

Tài liệu dự án cần có:

Sơ đồ kiến trúc và luồng dữ liệu.
Mô hình dữ liệu và quy tắc kiểm tra.
Cách xử lý trùng lặp, dữ liệu đến trễ và message poison.
Cơ chế retry, backfill, phục hồi và giám sát.
Quyết định thiết kế cùng trade-off.
Kết quả kiểm thử và hướng cải tiến.

6. Bài tập tự kiểm

Ứng viên nên tự trả lời được các câu sau:

1. Làm thế nào bảo đảm một sự kiện không bị xử lý lặp lại?
2. Khi consumer lag tăng liên tục, bạn kiểm tra những gì?
3. Khi Spark job thành công nhưng số dữ liệu bằng 0, nguyên nhân có thể là gì?
4. Khi thêm cột mới vào event, hệ thống xử lý schema evolution ra sao?
5. Làm thế nào tái chạy một ngày dữ liệu mà không tạo bản ghi trùng?
6. Phân biệt lỗi tạm thời và lỗi làm hỏng dữ liệu như thế nào?
7. Bạn chọn batch hay stream cho từng bài toán ngân hàng như thế nào?
8. Làm thế nào chứng minh dữ liệu trên lakehouse khớp với hệ thống nguồn?
9. Có cách nào giảm chi phí lưu trữ mà không làm giảm khả năng truy vấn không?
10. Nếu phải trực lúc 2 giờ sáng do dữ liệu sai, bạn xử lý thế nào và cần chuẩn bị gì?

7. Lộ trình ôn nếu còn 10 ngày

Ưu tiên SQL, Kafka và Spark trước.
Dành một nửa thời gian cho dự án có thể trình bày.
Chỉ học sâu Kubernetes nếu đề tuyển dụng hoặc kinh nghiệm hiện tại của bạn có nền tảng đó.
Dành ít nhất một buổi cho mock interview và một buổi để sửa lại câu trả lời.
Không chỉ học thuật ngữ; phải giải thích được vì sao một giải pháp phù hợp với yêu cầu nghiệp vụ và độ trễ.

Tư vấn nghề nghiệp

1. Triển vọng nghề nghiệp

Đây là hướng có tiềm năng kỹ thuật cao vì kết hợp dữ liệu lớn, hạ tầng, vận hành và bảo mật trong ngành tài chính. Nếu phát triển tốt, ứng viên có thể đi theo một trong các lộ trình:

Kỹ sư dữ liệu lớn.
Kỹ sư nền tảng dữ liệu.
Chuyên gia dữ liệu luồng.
Kiến trúc sư dữ liệu.
Kỹ sư vận hành và độ ổn định dữ liệu.
Chuyên gia dữ liệu hoặc nền tảng cho nhiều nhóm sản phẩm.
Trưởng nhóm, kiến trúc sư hoặc quản lý kỹ thuật.

Hướng đi từ Big Data sang kiến trúc dữ liệu hoặc nền tảng thường cần cả tư duy lập trình, vận hành, bảo mật và khả năng ảnh hưởng đến nhiều nhóm. Hướng đi sang phân tích dữ liệu sẽ cần bổ sung nhiều hơn về thống kê, trực quan hóa và phân tích nghiệp vụ.

2. Lộ trình phát triển 0 đến 36 tháng

Giai đoạn 0 đến 12 tháng

Làm chủ Python hoặc Java, SQL và Git.
Hiểu Spark, Kafka, Airflow và các định dạng lưu trữ phổ biến.
Có ít nhất một dự án thực tế hoặc đóng góp mã nguồn.
Học cách viết tài liệu, xử lý sự cố và trực sự cố.
Tìm hiểu nguyên tắc bảo mật và quản trị dữ liệu trong ngân hàng.

Giai đoạn 12 đến 24 tháng

Tự thiết kế pipeline và chịu trách nhiệm một phần vận hành.
Cải thiện hiệu năng, chi phí và độ ổn định bằng số liệu.
Làm việc với data contract, lineage, kiểm thử dữ liệu và triển khai tự động.
Mở rộng sang Kafka, Flink, lakehouse, Kubernetes hoặc đám mây tùy nhiệm vụ.
Xây dựng ảnh hưởng thông qua đề xuất cải tiến và hướng dẫn thành viên mới.

Giai đoạn 24 đến 36 tháng

Dẫn dắt thiết kế nhiều pipeline hoặc một nền tảng dùng chung.
Đánh giá trade-off giữa chi phí, hiệu năng, độ trễ và độ phức tạp vận hành.
Xây dựng chuẩn nền tảng, quy trình phê duyệt và cơ chế đảm bảo chất lượng.
Chuẩn bị cho vai trò senior, lead hoặc kiến trúc sư.

3. Mức lương kỳ vọng

Tin tuyển dụng chỉ ghi thỏa thuận, không công bố dải lương. Các khoảng dưới đây là ước tính tham khảo cho thị trường lao động Hà Nội, tính theo lương gross hằng tháng và còn phụ thuộc quy mô tổ chức, công nghệ, kinh nghiệm, chính sách từng đơn vị và tổng thưởng. Mức lương có thể thay đổi tùy ngân hàng và thời điểm.

Cấp bậc tham khảo	Phạm vi kinh nghiệm	Ước tính lương gross hằng tháng
Nhân viên mới tốt nghiệp hoặc junior	Dưới 2 năm	12–20 triệu đồng
Kỹ sư dữ liệu/nền tảng	2–4 năm	18–30 triệu đồng
Kỹ sư senior	4–7 năm	28–45 triệu đồng
Kỹ sư chính hoặc kiến trúc sư	7–10 năm	40–65 triệu đồng
Lead, kiến trúc sư cấp cao hoặc quản lý kỹ thuật	Trên 10 năm hoặc phạm vi rộng	55–80 triệu đồng trở lên

Khoảng ước tính không gồm thưởng, hoa hồng, phụ cấp hoặc cổ phiếu. Ứng viên nên định vị theo độ phức tạp của công việc thực tế, không chỉ theo số năm kinh nghiệm.

4. Cách thương lượng lương

Trước khi nêu con số, hãy làm rõ:

Cấp bậc và phạm vi trách nhiệm.
Có trực sự cố, ca đêm, làm việc cuối tuần và xử lý sự cố khẩn cấp không.
Lương cứng, thưởng, phụ cấp và điều kiện tăng lương như thế nào.
Chế độ bảo hiểm, khám sức khỏe, nghỉ phép, đào tạo và thiết bị làm việc.
Thời gian thử việc, hợp đồng và mức lương khi đổi cấp bậc.

Có thể đặt mức mong muốn ở khoảng giữa của dải phù hợp, sau đó dựa vào vai trò, năng lực và tổng thưởng để thương lượng. Không nên chỉ tập trung vào lương cứng khi độ trực và phạm vi trách nhiệm là yếu tố quyết định sức hấp dẫn.

5. KPI và tiêu chí đánh giá

Với vị trí nền tảng dữ liệu, KPI có thể tập trung vào:

Tính sẵn sàng và độ ổn định của dịch vụ.
Độ mới và độ trễ của dữ liệu.
Tỷ lệ pipeline thành công, retry và backfill.
Tỷ lệ lỗi chất lượng, sai lệch đối soát và sự cố dữ liệu.
Thời gian phát hiện, khắc phục và phục hồi sự cố.
Hiệu năng truy vấn và tài nguyên sử dụng.
Tối ưu chi phí hạ tầng và tài nguyên.
Mức độ tự động hóa và chất lượng tài liệu.

Hãy hỏi rõ KPI gắn với vai trò hay toàn bộ nhóm, kết quả được đo như thế nào và ảnh hưởng của từng KPI đến thưởng ra sao.

6. Kế hoạch 90 ngày sau khi nhận việc

30 ngày đầu

Hiểu nguồn dữ liệu, data contract, kiến trúc và danh sách hạ tầng.
Thiết lập môi trường, truy cập tài liệu và quyền cần thiết.
Cài đặt pipeline quan trọng trên môi trường thử nghiệm.
Học quy trình triển khai, trực tuyến, phê duyệt và xử lý sự cố.

Ngày 31 đến 60

Sửa một hoặc hai điểm nghẽn về độ trễ, chi phí hoặc độ ổn định.
Hoàn thiện tài liệu kiến trúc và runbook.
Tự động hóa một bước kiểm tra hoặc triển khai.
Xây dựng quan hệ với đội dữ liệu, nghiệp vụ và bảo mật.

Ngày 61 đến 90

Đề xuất cải tiến có số liệu.
Hoàn thiện checklist vận hành và phục hồi.
Tự xử lý một sự cố thực tế có tài liệu hậu kiểm.
Thống nhất mục tiêu cho kỳ đánh giá tiếp theo.

7. Những kỹ năng nên phát triển thêm

Chuyên sâu về phân tích phân tán: consensus, replication, partitioning và consistency.
Tối ưu hiệu năng: profiling dữ liệu, truy vấn chậm, skew và tối ưu chi phí.
Vận hành: observability, incident response, automation và khôi phục thảm họa.
Bảo mật: data classification, least privilege, masking, encryption và secrets management.
Kỹ năng ảnh hưởng: thiết kế tài liệu, thuyết trình kiến trúc và tư vấn đội nghiệp vụ.
Kiến thức nghiệp vụ: thanh toán, tài khoản, tín dụng, giao dịch và báo cáo quản trị rủi ro ở mức đủ để đặt câu hỏi đúng.

8. Lời khuyên quan trọng

Vì thông tin tuyển dụng còn rất sơ lược, ứng viên không nên tự tạo kỳ vọng rằng vị trí chắc chắn sử dụng một stack cụ thể. Hãy xây nền tảng theo nguyên tắc hiểu sâu, chứng minh bằng dự án và sẵn sàng học công nghệ của đơn vị. Giá trị lớn nhất của một ứng viên kỹ sư dữ liệu lớn là khả năng thiết kế hệ thống an toàn, đo lường được và vận hành bền vững, chứ không chỉ biết sử dụng nhiều công cụ.

Câu hỏi thường gặp

Tôi là sinh viên năm cuối, chưa có kinh nghiệm Big Data. Tôi có nên ứng tuyển vị trí Kỹ sư nền tảng dữ liệu lớn không?

Bạn vẫn nên ứng tuyển nếu từng học dữ liệu lớn và thích làm việc ở tầng hạ tầng. Hãy chứng minh bằng một dự án end-to-end gồm Kafka hoặc nguồn sự kiện, Spark, Airflow, SQL, kiểm tra chất lượng và giám sát. Trong CV, mô tả rõ số lượng dữ liệu, độ trễ, cách xử lý lỗi và kết quả đo được. Nếu chỉ biết lý thuyết, hãy nói thẳng điều đó và tập trung vào khả năng học, thực hành và tư duy vận hành.

Tôi đang làm backend developer, muốn chuyển sang dữ liệu lớn. Tôi cần học lại từ đầu không?

Bạn không cần học lại toàn bộ. Hãy tận dụng lợi thế về lập trình, API, cơ sở dữ liệu, Docker, CI/CD và xử lý sự cố. Phần cần bổ sung là Spark, Kafka, Airflow, định dạng lưu trữ, partition, data skew, chất lượng dữ liệu và quản trị dữ liệu. Một lộ trình hợp lý là chuyển backend sang phục vụ pipeline, sau đó tiếp cận batch và streaming. Hãy xây dựng một dự án thể hiện sự chuyển đổi này thay vì học nhiều khóa lý thuyết rời rạc.

Big Data Platform Engineer khác Data Engineer như thế nào?

Data Engineer thường tập trung xây pipeline, mô hình hóa và tích hợp dữ liệu. Big Data Platform Engineer có xu hướng sâu hơn về xây nền tảng dùng chung, hiệu năng, khả năng mở rộng, độ ổn định, vận hành và trải nghiệm của nhà phát triển dữ liệu. Hai hướng có phần chồng lấn và cùng hữu ích trong ngân hàng. Vì tên vị trí chưa có mô tả chi tiết, bạn nên hỏi tuyển dụng tỷ lệ giữa phát triển pipeline, nền tảng và vận hành.

Tôi nên chuẩn bị công nghệ nào để đúng với TPBank?

Chưa thể xác định chắc chắn stack nội bộ chỉ từ tên vị trí. Kafka, Spark, Airflow, Hadoop hoặc lakehouse là những công nghệ phổ biến đáng ưu tiên, nhưng không nên khẳng định TPBank đang sử dụng toàn bộ các công nghệ này. Cách tốt nhất là hỏi nhân sự tuyển dụng về stack, phiên bản, mô hình triển khai và các bài kiểm tra kỹ thuật. Đồng thời hãy xây nền tảng theo nguyên tắc phân tán, SQL, vận hành và bảo mật để có thể chuyển đổi nhanh.

Mức lương hợp lý cho vị trí này ở Hà Nội là bao nhiêu?

Tin tuyển dụng không công bố dải lương. Ước tính tham khảo cho Hà Nội là khoảng 12–20 triệu đồng gross mỗi tháng với nhân viên mới hoặc junior, 18–30 triệu đồng với khoảng 2–4 năm kinh nghiệm, 28–45 triệu đồng với senior và 40–65 triệu đồng với kỹ sư chính hoặc kiến trúc sư. Thưởng và phúc lợi cần được làm rõ riêng. Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Bạn cũng nên phỏng vấn một vài đơn vị để điều chỉnh kỳ vọng theo stack và phạm vi trách nhiệm.

Giờ làm, ca trực và KPI của vị trí này thường thế nào?

Đây là nền tảng dữ liệu phục vụ nghiệp vụ nên có khả năng phát sinh sự cố ngoài giờ làm, nhưng quy định trực cụ thể không được công bố. Hãy hỏi về ca trực, cơ chế hở ca, chính sách bù giờ và mức hỗ trợ khi xảy ra sự cố. KPI có thể gồm độ sẵn sàng, độ trễ dữ liệu, tỷ lệ pipeline thành công, chất lượng dữ liệu, thời gian khắc phục và chi phí. Tốt nhất là yêu cầu xem KPI cụ thể gắn với cấp bậc trước khi nhận offer.

Nếu hệ thống xử lý lặp sự kiện và dữ liệu đến trễ, tôi nên trả lời phỏng vấn như thế nào?

Hãy trình bày theo chuỗi kiểm soát: xác định khóa sự kiện và schema, dùng idempotent producer hoặc khóa chống trùng lặp, lưu checkpoint, áp dụng watermark cùng cửa sổ chấp nhận độ trễ, đưa bản ghi bất thường vào dead-letter topic, sau đó đối soát và backfill. Với dữ liệu tài chính, cần thêm kiểm soát phiên bản, audit trail và cơ chế tái tạo kết quả. Quan trọng là giải thích đánh đổi giữa độ trễ, tính chính xác và chi phí, thay vì chỉ nêu tên công nghệ.

Tôi nên xây dựng hồ sơ ứng tuyển thế nào cho vị trí nền tảng dữ liệu lớn?

Hãy bắt đầu bằng một dự án end-to-end: nguồn dữ liệu giả lập, Kafka, Spark, Airflow, vùng lưu trữ định dạng cột, truy vấn SQL, giám sát và tài liệu. Trong CV, nêu công nghệ, quy mô dữ liệu, độ trễ, cơ chế retry, cách xử lý trùng lặp và sự cố. Nếu có kinh nghiệm backend, DevOps hoặc dữ liệu trước đó, hãy làm rõ phần kinh nghiệm đó liên quan thế nào đến độ ổn định và vận hành nền tảng.

Lộ trình thăng tiến từ kỹ sư dữ liệu lớn lên kiến trúc sư nên như thế nào?

Trước hết, mở rộng từ xây pipeline sang hiểu toàn bộ vòng đời dữ liệu, bao gồm ingestion, storage, processing, serving, security, observability và cost. Sau đó tích lũy kinh nghiệm dẫn dắt thiết kế, xử lý sự cố và đánh giá trade-off ở quy mô lớn. Song song, hãy tạo ảnh hưởng qua tài liệu, mentoring và đề xuất chuẩn kỹ thuật. Khi đã dẫn dắt nhiều nhóm và chịu trách nhiệm về kiến trúc tổng thể, bước sang kiến trúc sư hoặc lead sẽ tự nhiên hơn.

Vì sao nên chọn môi trường ngân hàng để phát triển sự nghiệp dữ liệu?

Môi trường ngân hàng đặt ra yêu cầu cao về tính chính xác, kiểm toán, bảo mật, khả năng truy vết và vận hành liên tục. Kỹ sư làm việc tại đây có cơ hội tiếp cận dữ liệu phức tạp, quy trình nghiệp vụ sâu và nền tảng phục vụ quy mô lớn. Đổi lại, bạn cần học kỷ luật vận hành, tài liệu hóa và tư duy kiểm soát rủi ro. Hãy chọn nơi đó nếu bạn muốn lớn lên trong môi trường dữ liệu có yêu cầu sản xuất nghiêm ngặt.

Kỹ sư nền tảng dữ liệu lớn - Khối Công nghệ thông tin