TPBank tuyển dụng Kỹ sư phát triển báo cáo và xử lý dữ liệu vận hàn...

Quản lý Thỏa thuận Hạn: 2026-11-30

Phân tích kỹ năng cần có

Phân tích kỹ năng cho vị trí Kỹ sư phát triển báo cáo và xử lý dữ liệu vận hành

1. Mức độ chắc chắn của thông tin

Các thông tin chắc chắn:

Ngân hàng: TPBank.
Vị trí thuộc Khối Công nghệ thông tin.
Địa điểm làm việc: Hà Nội.
Tên vị trí: Kỹ sư phát triển báo cáo và xử lý dữ liệu vận hành.
Mức lương được ghi là thỏa thuận.

Thông tin chưa được công bố: mô tả công việc, yêu cầu kỹ thuật, kinh nghiệm, quy trình tuyển dụng, đội ngũ, công nghệ sử dụng, chế độ đào tạo, phúc lợi và chính sách làm việc.

Do đó, phần phân tích dưới đây là suy luận dựa trên chức danh, chưa phải yêu cầu chính thức của TPBank. Vị trí này có khả năng nằm giữa ba hướng công việc:
1. Xây dựng quy trình lấy, chuyển đổi và kiểm tra dữ liệu vận hành.
2. Phát triển báo cáo định kỳ hoặc báo cáo trực quan phục vụ nghiệp vụ ngân hàng.
3. Tự động hóa việc tổng hợp, đối soát và phân phối dữ liệu.

Điểm khác biệt quan trọng là ứng viên cần làm cho dữ liệu đúng, đúng thời điểm, có thể truy vết và dễ bảo trì, thay vì chỉ tạo một báo cáo đẹp.

2. Các kỹ năng nên ưu tiên

Nhóm kỹ năng	Mức độ ưu tiên	Nội dung cần đạt	Bằng chứng nên có
SQL	Rất cao	Truy vấn nhiều bảng, hàm cửa sổ, biểu thức bảng phân rã, xử lý ngày tháng, tối ưu truy vấn, giải thích kế hoạch thực thi	Một bài toán phân tích giao dịch và câu trả lời trong 20–30 phút
Python và xử lý dữ liệu	Rất cao	pandas, đọc và chuẩn hóa dữ liệu, xử lý tệp lớn, trùng lặp, thiếu giá trị, kiểm tra chất lượng, tự động hóa báo cáo	Mã nguồn có cấu trúc, kiểm thử và nhật ký thực thi
Phát triển báo cáo và trực quan hóa	Rất cao	Power BI hoặc Tableau, mô hình dữ liệu, tính năng làm mới, tham số, phân quyền, kiểm soát chất lượng hiển thị	Báo cáo có lọc, phân quyền, mô hình dữ liệu và tài liệu hướng dẫn sử dụng
Mô hình kho dữ liệu	Cao	Mô hình hình sao, bảng sự kiện và chiều, khóa chính, dữ liệu lịch sử, khóa ngoại	Sơ đồ mô hình kho dữ liệu và giải thích ý nghĩa từng bảng
Kiểm soát chất lượng dữ liệu	Rất cao	Kiểm tra tính đầy đủ, hợp lệ, duy nhất, nhất quán; đối soát tổng; xử lý dữ liệu đến muộn hoặc thiếu	Bộ quy tắc kiểm tra, báo cáo sai lệch và cơ chế gửi cảnh báo
Quy trình dữ liệu	Cao	Trích xuất, chuyển đổi, nạp; điều phối; xử lý lỗi; chạy lại an toàn; tải lịch sử dữ liệu	Kiến trúc pipeline, lịch chạy, cơ chế retry và backfill
Git, Linux và triển khai	Trung bình đến cao	Quản lý phiên bản, dòng lệnh, xử lý nhật ký, biến môi trường, kiểm thử tự động	Mã nguồn trên GitHub kèm hướng dẫn cài đặt
Kiến thức ngân hàng	Cao	Khách hàng, tài khoản, giao dịch, số dư, sản phẩm, đối soát, dữ liệu nội bộ và bảo mật	Giải thích được quy trình tạo báo cáo nghiệp vụ và nguồn dữ liệu
Kỹ năng mềm	Rất cao	Làm việc với nghiệp vụ, hỏi lại yêu cầu, trình bày giải pháp, ghi chép, xử lý sự cố, chủ động sở hữu	Câu chuyện theo cấu trúc tình huống, hành động, kết quả

3. Yêu cầu về SQL

SQL nhiều khả năng là kỹ năng bị đánh giá nhanh nhất. Ứng viên cần thành thạo:

`SELECT`, `JOIN`, `GROUP BY`, `HAVING`, các hàm cửa sổ và biểu thức bảng phân rã.
Xử lý ngày tháng, múi giờ, tuần, tháng, quý và năm tài chính.
Tính số dư, lũy kế, so sánh giữa hai kỳ và phát hiện giao dịch bất thường.
Xử lý bảng lịch sử, dữ liệu trùng lặp và khóa chính chưa hoàn chỉnh.
Đọc kế hoạch thực thi, hiểu cơ chế quét bảng, chỉ mục và tối ưu truy vấn chậm.
Viết truy vấn có thể tái sử dụng, dễ kiểm tra và an toàn khi đưa vào môi trường vận hành.

Nên chuẩn bị ít nhất một bài toán gồm bảng khách hàng, tài khoản và giao dịch để tính số dư, tổng giao dịch theo tháng, khách hàng có giao dịch bất thường và đối soát tổng giữa hai nguồn.

4. Yêu cầu về Python và xử lý dữ liệu

Python cần thiết cho các tác vụ không phù hợp hoàn toàn với truy vấn SQL, chẳng hạn:

Đọc, ghép và chuẩn hóa dữ liệu từ nhiều tệp hoặc nhiều nguồn.
Kiểm tra trùng lặp, thiếu giá trị, sai kiểu dữ liệu và sai định dạng ngày tháng.
Tự động tải lại dữ liệu, gửi báo cáo qua thư điện hoặc ghi vào hệ thống đích.
Xử lý lỗi, ghi nhật ký và khởi động lại pipeline.
Viết kiểm thử đơn vị cho các hàm chuyển đổi và đối soát.

Các thư viện và kỹ năng có thể xem xét gồm pandas, NumPy, SQLAlchemy, requests, `datetime`, `logging`, `pytest`, cùng kiến thức cơ bản về REST API và định dạng tệp CSV, JSON, Parquet.

5. Báo cáo và trực quan hóa

Ứng viên không nên học đồng thời quá nhiều công cụ mà chưa thành thạo một công cụ chính. Lựa chọn Power BI nếu mục tiêu của bạn là thị trường doanh nghiệp và báo cáo quản trị; lựa chọn Tableau nếu kinh nghiệm hiện tại đã nghiêng về trực quan hóa.

Nội dung cần nắm:

Xây mô hình hình sao phù hợp với báo cáo vận hành.
Phân biệt dữ liệu nguồn, vùng chuyển đổi và vùng trình bày.
Cài đặt lọc theo ngày, chi nhánh, sản phẩm, phòng ban và người dùng.
Xử lý làm mới toàn bộ hoặc tăng dần.
Phân quyền theo vai trò và giới hạn dữ liệu theo người dùng.
Thiết kế chỉ số rõ nghĩa, có định nghĩa, đơn vị và thời điểm cập nhật.
Viết tài liệu hướng dẫn và cách xử lý khi báo cáo sai.

Nếu đãiểm nghiệp vụ sử dụng nhiều báo cáo Excel, cần bổ sung kiến thức về Power Query, PivotTable, công thức và có thể cả VBA. Đây là lợi thế thực tế trong giai đoạn tự động hóa báo cáo thủ công.

6. Kiến thức ngân hàng và vận hành

Ứng viên nên hiểu ở mức vận hành:

Phân biệt khách hàng, hộ chi nhánh, tài khoản, hợp đồng và giao dịch.
Số dư khả dụng, số dư số học và số dư bình quân là những khái niệm khác nhau.
Báo cáo doanh thu, giao dịch, nợ quá hạn, tỷ lệ sử dụng sản phẩm hoặc chất lượng dữ liệu có thể được tạo như thế nào.
Tại sao cần đối soát giữa báo cáo vận hành, báo cáo tài chính và hệ thống nguồn.
Dữ liệu ngân hàng là dữ liệu nhạy cảm: cần tuân thủ phân quyền, nhật ký truy cập, che dữ liệu định danh và quy trình phê duyệt thay đổi.

Đây là lợi thế lớn nếu ứng viên từng làm việc tại ngân hàng, công ty tài chính, công ty phần mềm ngân hàng hoặc đơn vị kiểm toán có kiểm toán dữ liệu.

7. Kỹ năng mềm cần thể hiện

Làm việc với nghiệp vụ: chuyển yêu cầu mơ hồ thành câu hỏi, quy tắc nghiệp vụ, nguồn dữ liệu và định nghĩa chỉ số.
Giao tiếp: trình bày giải pháp theo trình tự vấn đề, phương án, rủi ro, thời gian và lợi ích.
Chủ động sở hữu: không chỉ nhận yêu cầu mà còn chủ động phát hiện sai lệch, cảnh báo sớm và đề xuất cách khắc phục.
Tư duy hệ thống: hiểu mối liên hệ giữa nguồn dữ liệu, quy trình, báo cáo và người sử dụng.
Tài liệu hóa: để người khác có thể bàn giao, kiểm tra và sửa lỗi mà không phụ thuộc hoàn toàn vào người viết code.
Phản ứng với sự cố: bình tĩnh xác định phạm vi ảnh hưởng, dừng tác động, phục hồi dữ liệu và gửi cập nhật định kỳ.

8. Chứng chỉ nên cân nhắc

Tin tuyển dụng không yêu cầu chứng chỉ, vì vậy không nên theo đuổi quá nhiều chứng chỉ thay vì xây dựng năng lực thực tế. Có thể cân nhắc:

Microsoft PL-300 nếu mục tiêu là Power BI và báo cáo doanh nghiệp.
Google Data Analytics Professional Certificate cho ứng viên chuyển ngành hoặc còn thiếu nền tảng phân tích.
AWS Certified Data Analytics – Associate nếu môi trường làm việc dùng nền tảng đám mây và ứng viên đã có nền tảng kỹ thuật.
dbt Analytics Engineering khi đã biết SQL và pipeline dữ liệu; chứng chỉ này chỉ đáng ưu tiên nếu quy trình thực tế sử dụng dbt.

Một dự án có mã nguồn, kiểm thử, biểu đồ kiến trúc và README rõ ràng thường có giá trị chứng minh tốt hơn một loạt chứng chỉ chưa sử dụng thực tế.

9. Cách trình bày hồ sơ ứng tuyển

Hồ sơ nên làm nổi bật ba nội dung:
1. Bạn xây dựng hoặc vận hành dữ liệu như thế nào.
2. Bạn kiểm soát chất lượng và đáp ứng thời hạn báo cáo ra sao.
3. Kết quả đã đo lường được là gì.

Có thể dùng cấu trúc mô tả sau, thay số liệu bằng thông tin thật:

“Xây dựng pipeline xử lý dữ liệu giao dịch từ nhiều nguồn, tự động kiểm tra trùng lặp và đối soát tổng với hệ thống nguồn trước khi công bố báo cáo.”
“Chuẩn hóa quy trình tạo báo cáo định kỳ, giảm thời gian xử lý thủ công và ghi nhận sai lệch thông qua cơ chế cảnh báo.”
“Phát triển báo cáo trực quan trên Power BI với mô hình hình sao, cơ chế làm mới tăng dần và phân quyền theo phòng ban.”

Không được tự tạo số liệu. Nếu chưa đạt kết quả đo được, hãy mô tả quy trình, công cụ, kiểm thử và bài học thay vì bịa phần trăm cải thiện.

10. Portfolio tối thiểu nên có

Xây dự một dự án giả lập về báo cáo vận hành ngân hàng, gồm:

Nguồn dữ liệu CSV hoặc API mô phỏng khách hàng, tài khoản, giao dịch và sản phẩm.
Script Python để làm sạch, chuẩn hóa và kiểm tra dữ liệu.
Mô hình hình sao trong PostgreSQL hoặc một hệ quản trị cơ sở dữ liệu tương đương.
Pipeline điều phối bằng Airflow, Dagster, Prefect hoặc một công cụ tương đương.
Báo cáo Power BI hoặc Tableau có phân quyền và bộ lọc theo nghiệp vụ.
Kiểm thử dữ liệu, nhật ký chạy và cảnh báo khi tổng số liệu lệch quy chuẩn.
Tài liệu kiến trúc, sơ đồ luồng dữ liệu, hướng dẫn cài đặt và câu hỏi nghiệp vụ kèm câu trả lời.

Một portfolio tốt không cần dữ liệu thật của ngân hàng. Điểm quan trọng là thể hiện cách bạn bảo vệ tính đúng đắn, an toàn và khả năng vận hành của dữ liệu.

Chuẩn bị phỏng vấn

Hướng dẫn chuẩn bị phỏng vấn

1. Nhận thức quan trọng trước khi bắt đầu

Tin tuyển dụng không công bố quy trình và yêu cầu công nghệ. Quy trình dưới đây là kịch bản thường gặp đối với vị trí kỹ sư dữ liệu tại ngân hàng, không phải thông tin chính thức của TPBank. Ứng viên nên xác nhận lại với người tuyển dụng về số vòng, hình thức trình bày, bài tập về nhà và thời gian chuẩn bị.

2. Quy trình phỏng vấn có thể xuất hiện

Vòng 0: Xác minh hồ sơ và trao đổi ban đầu

Thời lượng dự kiến: 15–30 phút.

Người tuyển dụng thường kiểm tra:

Mức độ phù hợp với chức danh và kinh nghiệm thực tế.
Khả năng làm việc với dữ liệu vận hành và báo cáo.
Tình trạng công việc, thời gian có thể nhận việc và kỳ vọng lương.
Sự sẵn sàng làm việc tại Hà Nội.

Cách chuẩn bị:

Có một đoạn giới thiệu khoảng 60–90 giây.
Mô tả rõ hai dự án liên quan đến dữ liệu, báo cáo và tự động hóa.
Chuẩn bị câu trả lời cho câu hỏi về lý do chuyển sang ngân hàng.
Xác định mức lương kỳ vọng và các điều kiện không thể chấp nhận trước khi vào phỏng vấn chính thức.

Vòng 1: Phỏng vấn kỹ thuật

Thời lượng dự kiến: 45–90 phút.

Các nội dung có thể xuất hiện:

SQL: truy vấn nhiều bảng, hàm cửa sổ, xử lý ngày tháng, tối ưu truy vấn.
Python: pandas, làm sạch dữ liệu, xử lý tệp, kiểm tra chất lượng.
Mô hình dữ liệu: mô hình hình sao, khóa chính, khóa ngoại, bảng chiều và bảng sự kiện.
Pipeline: trích xuất, chuyển đổi, nạp; điều phối; xử lý lỗi và tải lịch sử.
Báo cáo: định nghĩa chỉ số, làm mới dữ liệu, phân quyền và kiểm soát hiển thị.
Vận hành: phát hiện sai lệch, xử lý dữ liệu đến muộn, phục hồi báo cáo.

Dạng câu hỏi thường gặp:

Hãy tính tổng giao dịch và số dư theo khách hàng trong từng tháng từ các bảng được cung cấp.
Làm thế nào phát hiện bản ghi trùng lặp nhưng vẫn giữ được lịch sử giao dịch hợp lệ?
Khi một nguồn dữ liệu chưa tải xong vào thời điểm báo cáo, bạn xử lý thế nào?
Phân biệt lỗi kỹ thuật với sai khác hợp lệ về nghiệp vụ như thế nào?
Khi nào nên dùng phương án làm mới toàn bộ và khi nào dùng làm mới tăng dần?
Làm thế nào bảo đảm một báo cáo được phân phối đúng số liệu so với hệ thống nguồn?

Lời khuyên: trong lúc trả lời, luôn nói rõ giả định về dữ liệu. Nếu đề bài thiếu định nghĩa về số dư, thời điểm chốt dữ liệu hoặc cách xử lý bản ghi trùng, hãy hỏi lại hoặc nêu rõ giả định trước khi viết truy vấn.

Vòng 2: Phỏng vấn dự án hoặc bài toán tình huống

Thời lượng dự kiến: 60–120 phút, có thể kèm bài tập về nhà.

Một tình huống phù hợp là thiết kế báo cáo tổng hợp hoạt động ngày, trong đó dữ liệu được lấy từ nhiều hệ thống, có bản ghi trùng, dữ liệu đến muộn và báo cáo phải hoàn thành trước 8 giờ sáng.

Cấu trúc trả lời tốt:
1. Làm rõ đối tượng sử dụng, mục đích báo cáo, đơn vị tính và thời điểm chốt dữ liệu.
2. Lập danh mục nguồn, chủ sở hữu dữ liệu và quy tắc đối soát.
3. Tạo vùng dữ liệu thô để giữ nguyên dữ liệu nguồn.
4. Chuẩn hóa khóa, loại bỏ trùng lặp và xử lý bản ghi chưa hoàn chỉnh.
5. Xây mô hình dữ liệu phục vụ báo cáo.
6. Thiết lập kiểm tra tự động về tính đầy đủ, hợp lệ, duy nhất và tổng số liệu.
7. Cơ chế retry, tải lại dữ liệu, ghi nhật ký và cảnh báo.
8. Kiểm thử với người dùng, phê duyệt và tài liệu hóa.

Nếu được yêu cầu bài tập về nhà, ứng viên nên hỏi rõ thời hạn, dữ liệu đầu vào, môi trường thực thi, tiêu chí chấm điểm và mức độ tối ưu được mong đợi. Không nên đầu tư quá nhiều giờ vào một bài tập không có phạm vi rõ ràng.

Vòng 3: Phỏng vấn hành vi và phỏng vấn người quản lý

Thời lượng dự kiến: 45–60 phút.

Câu hỏi hành vi nên được chuẩn bị theo cấu trúc tình huống, hành động và kết quả:

Kể một lần bạn phát hiện sai lệch trong báo cáo trước khi báo cáo được gửi đi.
Mô tả lần bạn phải làm việc với nghiệp vụ để hiểu rõ yêu cầu.
Kể về một sự cố dữ liệu ảnh hưởng đến nhiều nhóm; bạn đã phối hợp xử lý thế nào?
Bạn đã phản hồi thế nào khi người dùng yêu cầu thay đổi liên tục?
Bạn làm thế nào để bàn giao một quy trình dữ liệu cho người khác?

Người quản lý có thể hỏi:

Vì sao ứng viên chọn vị trí báo cáo và dữ liệu vận hành?
Ứng viên muốn đóng góp gì trong ba tháng đầu?
Ứng viên sẽ xử lý sự cố tích hợp giữa nghiệp vụ và kỹ thuật ra sao?
Mức độ sẵn sàng hỗ trợ trong khung giờ vận hành hoặc trực tuyến ngoài giờ là bao nhiêu?

Vòng 4: Trao đổi với bộ phận Nhân sự hoặc vòng cuối

Các nội dung thường gặp:

Mức lương, thưởng và cấu trúc tổng thu nhập.
Thời gian làm việc, chế độ trực, nghỉ phép và ngày nghỉ lễ.
Bảo hiểm, khám sức khỏe, đào tạo và lộ trình thăng tiến.
Thời gian xác nhận đề nghị và các bước tiếp theo.

3. Chuẩn bị câu hỏi để hỏi người tuyển dụng

Nên hỏi 4–6 câu, ưu tiên các vấn đề tác động trực tiếp đến công việc:

Công nghệ chính đang dùng cho pipeline, kho dữ liệu và báo cáo là gì?
Báo cáo được phát triển mới, cải tiến từ báo cáo cũ hay đang vận hành và khắc phục sự cố?
Ranh giới giữa kỹ sư dữ liệu, kỹ sư báo cáo và nhà phân tích dữ liệu được chia như thế nào?
Có yêu cầu trực theo lịch báo cáo, xử lý sự cố ngoài giờ hoặc làm việc cuối tuần không?
Chỉ số đánh giá thành công trong 3–6 tháng đầu là gì?
Vị trí này được xếp vào cấp bậc, năng lực và lộ trình phát triển ra sao?
Quy trình phê duyệt thay đổi mã nguồn, cấu hình báo cáo và truy cập dữ liệu diễn ra thế nào?

4. Tài liệu nên mang theo hoặc chuẩn bị sẵn

Hồ sơ ứng tuyển có tóm tắt kinh nghiệm theo vị trí và năng lực.
Một trang tóm tắt kiến trúc của dự án mạnh nhất.
Hai câu chuyện theo cấu trúc tình huống, hành động, kết quả.
Danh sách 10 câu hỏi kỹ thuật đã luyện.
Bản tóm tắt kết quả dự án, có số liệu thật.
Portfolio trên GitHub hoặc trang cá nhân kỹ thuật nếu có thể chia sẻ công khai.

5. Trang phục và hình thức

Do vị trí làm việc tại Hà Nội và thuộc Khối Công nghệ thông tin, lịch sự công sở là lựa chọn an toàn: áo sơ mi hoặc áo blouse, quần tây, giày sạch, tông màu trung tính. Không cần trang phục chính thức nếu đề tuyển dụng không yêu cầu com-lê, nhưng nên tránh quần jean rách, áo phông in hình hoặc giày thể thao quá rõ. Nếu phỏng vấn trực tuyến, cần chuẩn bị máy, camera, ánh sáng, chống ồn và mở sẵn tài liệu nhưng không chia sẻ thông tin nhạy cảm.

6. Nguyên tắc trả lời

Trả lời ngắn gọn, sau đó mở rộng nếu cần.
Nêu giả định thay vì im lặng khi đề thiếu dữ liệu.
Phân biệt rõ điều đã tự làm với điều mới được học trong dự án.
Khi gặp lỗi trong SQL hoặc Python, trình bày cách tìm lỗi và kiểm tra lại kết quả.
Không chỉ nói biết Power BI hoặc Airflow; hãy cho ví dụ về cách sử dụng trong vấn đề thật.
Khi thương lượng lương, tập trung vào tổng thu nhập, phạm vi trách nhiệm và cơ hội phát triển thay vì chỉ nhắc mức lương.

Lộ trình ôn thi

Lộ trình ôn thi và chuẩn bị trong 1–2 tuần

1. Mục tiêu sau 10–14 ngày

Sau lộ trình này, ứng viên cần có đủ khả năng:

Viết truy vấn SQL trung cấp đến nâng cao.
Xử lý dữ liệu bằng Python và pandas.
Giải thích cách xây dựng một pipeline báo cáo vận hành.
Mô tả mô hình kho dữ liệu và kiểm soát chất lượng.
Trình bày một báo cáo với công cụ trực quan hóa.
Trả lời câu hỏi phỏng vấn và trình bày một dự án cá nhân rõ ràng.

Nên dành khoảng 3–4 giờ mỗi ngày. Nếu đang làm việc toàn thời gian, có thể kéo dài lộ trình lên 3 tuần thay vì ôn quá nhanh.

2. Kế hoạch theo ngày

Thời gian	Nội dung	Đầu ra mong đợi
Ngày 1–2	SQL: câu lệnh cơ bản, nối bảng, nhóm, lọc, ngày tháng	Hoàn thành 20–30 bài tập SQL cơ bản
Ngày 3–4	SQL nâng cao: hàm cửa sổ, biểu thức bảng phân rã, truy vấn lệch so sánh, tối ưu	Có 3 bài tập mô phỏng báo cáo ngân hàng
Ngày 5–6	Python: pandas, đọc tệp, làm sạch, nối dữ liệu, kiểm tra chất lượng	Script chuẩn hóa dữ liệu giao dịch
Ngày 7	Mô hình dữ liệu: hình sao, bảng sự kiện, bảng chiều, khóa và dữ liệu lịch sử	Sơ đồ kho dữ liệu cho một báo cáo vận hành
Ngày 8	Pipeline và điều phối: Airflow hoặc công cụ tương đương, retry, backfill, nhật ký	Sơ đồ luồng dữ liệu và cấu hình lịch chạy
Ngày 9	Báo cáo: Power BI hoặc Tableau, chỉ số, bộ lọc, làm mới, phân quyền	Một báo cáo mẫu và tài liệu định nghĩa chỉ số
Ngày 10	Chất lượng dữ liệu, bảo mật, vận hành và xử lý sự cố	Bộ kiểm tra dữ liệu và quy trình cảnh báo
Ngày 11	Nghiệp vụ ngân hàng và phỏng vấn nghiệp vụ	Bản tóm tắt hiểu biết về khách hàng, tài khoản, giao dịch và đối soát
Ngày 12–13	Làm portfolio và luyện trả lời phỏng vấn	Portfolio có mã nguồn, README, biểu đồ kiến trúc
Ngày 14	Rà soát, luyện trình bày, chuẩn bị câu hỏi cho nhà tuyển dụng	Bộ tài liệu ứng tuyển hoàn chỉnh

3. Kiến thức nền cần ôn

SQL và cơ sở dữ liệu

Cần hiểu:

Quan hệ khóa chính, khóa ngoại, ràng buộc duy nhất và chỉ mục.
Các loại nối và trường hợp nối sai gây nhân bản dữ liệu.
Cấu trúc bảng sự kiện và bảng chiều.
Hàm cửa sổ để tính lũy kế, so sánh kỳ trước và xếp hạng.
Cách đọc kế hoạch thực thi và nhận biết nguyên nhân truy vấn chậm.
Transaction, tính nhất quán và khóa làm việc trong vận hành dữ liệu.

Python và kỹ thuật xử lý dữ liệu

Cần nắm:

Kiểu dữ liệu, danh sách, từ điển, tập hợp và xử lý ngoại lệ.
pandas để lọc, nhóm, nối, chuyển đổi kiểu và lấy mẫu.
Xử lý ngày tháng, múi giờ và khoảng thời gian giao dịch.
Đọc và ghi CSV, JSON, Parquet; kiểm soát encoding.
Viết hàm có kiểm thử, nhật ký và tham số cấu hình.
Kết nối cơ sở dữ liệu và gọi REST API theo hướng an toàn.

Mô hình và quản lý dữ liệu

Cần hiểu:

Mô hình hình sao và lý do phù hợp với báo cáo.
Grain của mỗi bảng, nghĩa là mỗi dòng đại diện cho đơn vị nào.
Dữ liệu chuẩn hóa trong vùng nguồn và mô hình vận hành trong vùng báo cáo.
Dữ liệu đến muộn, bản ghi chưa hoàn chỉnh và dữ liệu sửa đổi sau thời điểm chốt.
Quản lý chất lượng, dòng dữ liệu, định nghĩa chỉ số và chủ sở hữu dữ liệu.
Phân quyền, che dữ liệu định danh và nhật ký truy cập.

Báo cáo và vận hành

Cần nắm:

Xác định người dùng và quyết định cần hỗ trợ.
Thiết kế báo cáo định kỳ, báo cáo điều hành và báo cáo điều tra.
Làm mới toàn bộ, làm mới tăng dần và xử lý phụ thuộc dữ liệu.
Kiểm soát hiển thị sai, bộ lọc không đồng nhất và thay đổi định nghĩa chỉ số.
Quy trình phê duyệt, phát hành và thu hồi báo cáo.
Cơ chế cảnh báo, phục hồi và truy vết nguyên nhân.

4. Tài liệu tham khảo

SQL

Tài liệu chính thức của PostgreSQL hoặc MySQL.
SQLBolt để luyện SQL cơ bản và trung cấp.
Mode SQL Tutorial để luyện phân tích dữ liệu và phỏng vấn.
Sách SQL for Data Analysis và tài liệu về phân tích kho dữ liệu của Kimball.

Python và dữ liệu

Hướng dẫn Python chính thức.
Tài liệu pandas, numpy và pytest.
Các bài thực hành trên Kaggle, ưu tiên bài về giao dịch, bán hàng và chất lượng dữ liệu.

Công cụ pipeline

Tài liệu Apache Airflow.
Tài liệu dbt và các bài hướng dẫn xây dựng pipeline phân tích.
Tài liệu Docker cơ bản và Git.

Báo cáo

Microsoft Learn cho Power BI, DAX và quản lý dữ liệu.
Tableau Learn cho trực quan hóa và phân quyền.
Tài liệu Great Expectations hoặc dbt tests để kiểm thử chất lượng dữ liệu.

Nghiệp vụ ngân hàng

Báo cáo thường niên và báo cáo tách độc của TPBank để hiểu định hướng kinh doanh.
Tài liệu giới thiệu sản phẩm của TPBank.
Các văn bản hiện hành của Ngân hàng Nhà nước về thanh toán, tài khoản và báo cáo pháp lý; chỉ cần nắm nguyên tắc, không nhớ chi tiết điều khoản.
Tài liệu về phòng chống rửa tiền và nhận diện khách hàng ở mức phổ biến.

5. Bài thực hành trọng tâm

Bài thực hành: Báo cáo vận hành ngân hàng

Bối cảnh giả lập:

Mỗi ngày lúc 2 giờ sáng, hệ thống nguồn xuất bản ghi giao dịch và khách hàng.
Báo cáo phải được phát hành trước 8 giờ sáng.
Có khả năng dữ liệu đến muộn, trùng lặp, sai định dạng ngày và khách hàng chưa được đối soát.

Kiến trúc đề xuất:
1. Vùng thô: lưu nguyên trạng dữ liệu nguồn và ngày xử lý.
2. Vùng chuẩn hóa: chuẩn hóa kiểu dữ liệu, khóa giao dịch, ngày tháng và quy tắc khách hàng.
3. Vùng nghiệp vụ: mô hình hình sao gồm bảng giao dịch, tài khoản, khách hàng, sản phẩm và ngày.
4. Đối soát: so tổng tiền giao dịch, số giao dịch và số dư với báo cáo nguồn.
5. Báo cáo: doanh thu, khối lượng, số khách hàng hoạt động, sản phẩm sử dụng và các sai lệch.
6. Vận hành: lịch chạy, retry, backfill, nhật ký, cảnh báo và quy trình phê duyệt.
7. Bảo mật: phân quyền theo phòng ban và không hiển thị trường định danh khi không cần thiết.

Sản phẩm cần có:

Script Python.
Câu truy vấn SQL và mô hình dữ liệu.
File cấu hình Airflow, dbt hoặc công cụ tương đương.
Báo cáo Power BI hoặc Tableau.
Bộ kiểm thử chất lượng và cảnh báo.
README giải thích bối cảnh, kiến trúc, cách chạy và các giới hạn.
Sơ đồ luồng dữ liệu và tài liệu quyết định chỉ số.

6. Bài tự kiểm tra trước khi phỏng vấn

Ứng viên nên trả lời được các câu hỏi sau mà không cần mở tài liệu:
1. Phân biệt dữ liệu thô, vùng chuẩn hóa và vùng trình bày.
2. Giải thích cách chọn hàm cửa sừ cho báo cáo lũy kế.
3. Mô tả cách xử lý bản ghi trùng mà không làm mất giao dịch hợp lệ.
4. Phân biệt kiểm tra tính hợp lệ với kiểm tra tính nhất quán.
5. Giải thích khi nào cần xử lý dữ liệu đến muộn.
6. Vẽ mô hình hình sao cho khách hàng, tài khoản và giao dịch.
7. Mô tả cách bảo vệ báo cáo khỏi truy cập trái phép.
8. Trình bày quy trình xử lý sự cố báo cáo sai trong môi trường vận hành.
9. Giải thích sự khác biệt giữa xử lý dữ liệu và phân tích kinh doanh.
10. Đề xuất cách đo chất lượng một pipeline báo cáo.

7. Phương pháp ôn hiệu quả

Học theo chủ đề, nhưng phải luyện trả lời miệng trong thời gian giới hạn.
Sau mỗi bài SQL, giải thích cách truy vấn sẽ thay đổi nếu dữ liệu tăng gấp mười lần.
Sau mỗi tính năng Python, viết ít nhất một phép kiểm tra lỗi.
Dựng một bảng tra cứu định nghĩa chỉ số, quy tắc nghiệp vụ và câu hỏi thường gặp.
Luyện trình bày portfolio trong 10 phút: bối cảnh, vấn đề, kiến trúc, quyết định, kết quả và hạn chế.
Không học lan man nhiều công cụ. Hãy chọn một stack và đủ sâu để trả lời câu hỏi kỹ thuật.

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp và định hướng phát triển

1. Định vị bản thân đúng với vị trí

Vì tin tuyển dụng không nêu yêu cầu và kinh nghiệm, ứng viên không nên tự đặt mình vào vai trò kỹ sư dữ liệu thuần túy nếu thực sự thích viết truy vấn, xử lý dữ liệu và bảo đảm báo cáo vận hành. Lời giới thiệu phù hợp có thể là:

“Tôi có nền tảng trong SQL, Python, xây dựng pipeline và phát triển báo cáo. Tôi đặc biệt thích làm việc ở ranh giới giữa nghiệp vụ và kỹ thuật: làm rõ yêu cầu, kiểm soát chất lượng dữ liệu, tự động hóa quy trình và bảo đảm báo cáo đúng, đúng hạn trong vận hành.”

Hãy nhấn mạnh ba kết quả có thể đo lường:

Giảm thời gian tạo báo cáo.
Giảm số lỗi hoặc tỷ lệ sai lệch.
Tăng tần suất làm mới hoặc số người dùng báo cáo.

2. Lộ trình phát triển theo cấp bậc

Một lộ trình khả thi là:

1. Kỹ sư báo cáo hoặc dữ liệu vận hành: xây truy vấn, báo cáo, pipeline, kiểm tra dữ liệu và hỗ trợ nghiệp vụ.
2. Kỹ sư dữ liệu cấp cao: thiết kế kiến trúc, tối ưu hiệu năng, xử lý dữ liệu phức tạp, dẫn dắt sự cố và đánh giá giải pháp.
3. Kỹ sư chính hoặc chuyên gia: chịu trách nhiệm cho một nhóm báo cáo, chuẩn dữ liệu, chất lượng và nền tảng phân tích.
4. Trưởng nhóm hoặc quản lý kỹ thuật: ưu tiên, nguồn lực, quản trị rủi ro, giao tiếp với lãnh đạo và phát triển năng lực đội ngũ.

Các hướng chuyển đổi từ vị trí này gồm:

Kỹ sư nền tảng dữ liệu.
Chuyên gia phân tích kinh doanh hoặc phân tích vận hành.
Chuyên gia quản trị dữ liệu và chất lượng dữ liệu.
Kỹ sư phát triển sản phẩm dữ liệu.
Trưởng nhóm báo cáo, dữ liệu hoặc phân tích.

Hãy chọn hướng chuyển đổi dựa trên ba điều bạn thích nhất: xây nền tảng kỹ thuật, làm sản phẩm và trực quan hóa, hay điều phối nghiệp vụ và con người.

3. Khoảng lương kỳ vọng

Tin tuyển dụng chỉ ghi “thỏa thuận”, không công bố mức lương. Khung dưới đây là ước lượng tham khảo cho công việc dữ liệu và báo cáo tại Hà Nội, dựa trên cấp bậc và kinh nghiệm; không phải bảng lương chính thức của TPBank:

Cấp bậc tham khảo	Kinh nghiệm	Khoảng lương gross ước tính
Nhân viên mới hoặc ít kinh nghiệm	0–2 năm	12–18 triệu đồng mỗi tháng
Kỹ sư có kinh nghiệm tốt	2–5 năm	18–30 triệu đồng mỗi tháng
Kỹ sư cấp cao	5–8 năm	30–42 triệu đồng mỗi tháng
Chuyên gia chính, trưởng nhóm hoặc quản lý	Trên 8 năm hoặc phạm vi lớn	40–55 triệu đồng mỗi tháng hoặc cao hơn

Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Thưởng, phụ cấp, thưởng quý hoặc thưởng năm, bảo hiểm và chế độ làm việc có thể làm tổng thu nhập khác nhau đáng kể. Ứng viên nên hỏi rõ:

Lương cứng và thưởng được xác định như thế nào.
Có thưởng theo kết quả công việc, dự án hoặc hiệu quả vận hành không.
Các phụ cấp nào được áp dụng.
Thưởng năm hoặc phương án tương đương có điều kiện gì.
Thay đổi lương được xem xét theo chu kỳ nào.

Khi thương lượng, có thể nói:
“Dựa trên phạm vi công việc và kinh nghiệm của tôi, tôi mong đợi mức lương gross khoảng [mức phù hợp], đồng thời muốn hiểu rõ cơ chấu thưởng và tổng thu nhập để đánh giá mức đề nghị tổng thể.”

4. Các chỉ số hiệu quả công việc có thể được dùng

Do đề tuyển dụng không nêu chỉ số hiệu quả công việc, ứng viên có thể dự kiến và xác nhận các chỉ số sau:

Tỷ lệ báo cáo được phát hành đúng thời hạn.
Tỷ lệ sai lệch dữ liệu hoặc số sự cố báo cáo.
Thời gian phát hiện và phục hồi sự cố.
Tỷ lệ quy trình thủ công được tự động hóa.
Số lượng báo cáo, người dùng và quy trình được hỗ trợ.
Mức độ hài lòng của người dùng nghiệp vụ.
Chất lượng tài liệu, kiểm thử và khả năng bàn giao.
Thời gian xử lý yêu cầu mới.

Hãy hỏi trực tiếp: “Vị trí này được đánh giá chủ yếu theo chất lượng và thời hạn báo cáo, theo số lượng yêu cầu mới, hay kết hợp cả hai?”

5. Năng lực nên phát triển tiếp

Trong sáu tháng tới, thứ tự ưu tiên hợp lý là:
1. Nâng cao SQL và hiểu được kế hoạch thực thi.
2. Học Python theo hướng sản phẩm dữ liệu, kiểm thử và vận hành.
3. Làm chủ một công cụ điều phối như Airflow.
4. Thành thạo mô hình hình sao và kiểm thử chất lượng dữ liệu.
5. Nâng cao khả năng trình bày và hiểu nghiệp vụ ngân hàng.
6. Học đọc tài liệu tiếng Anh và viết tài liệu kỹ thuật rõ ràng.
7. Bổ sung hiểu biết về bảo mật, quản trị dữ liệu và đám mây.
8. Chỉ học thêm chứng chỉ khi nó phù hợp với hướng đi đã chọn.

6. Những điều cần xác minh trước khi nhận việc

Vì tin tuyển dụng không có phúc lợi và mô tả chi tiết, cần làm rõ:

Hợp đồng chính thức, thử việc và chế độ bảo hiểm.
Lịch làm việc, ca trực và khả năng xử lý sự cố ngoài giờ.
Chính sách làm việc từ xa hoặc làm việc kết hợp.
Ngày nghỉ phép, phép âm và cơ chế cộng dồn.
Quy trình phê duyệt báo cáo và mức độ thay đổi yêu cầu.
Có bao nhiêu người trong nhóm và ứng viên sẽ làm việc với ai.
Tỷ lệ công việc phát triển mới so với duy trì và xử lý sự cố.
Đào tạo, hỗ trợ chứng chỉ và cơ hội tham gia dự án chiến lược.

7. Chiến lược ứng tuyển

Tối ưu hồ sơ cho hai từ khóa chính: báo cáo và dữ liệu vận hành.
Đưa SQL, Python, pipeline, kiểm soát chất lượng và báo cáo lên phần đầu hồ sơ.
Trình bày một dự án có kiến trúc và lỗi thực tế; đây thường thuyết phục hơn việc chỉ liệt kê công nghệ.
Nếu thiếu kinh nghiệm ngân hàng, nhấn mạnh khả năng học nghiệp vụ, dữ liệu nhạy cảm và xử lý sự cố.
Sau phỏng vấn, gửi email ngắn cảm ơn, tóm tắt điểm mạnh liên quan đến vị trí và xác nhận bước tiếp theo.

8. Cảnh báo khi quyết định

Hãy cân nhắc kỹ nếu công việc thực tế chủ yếu là nhận file Excel, sửa báo cáo thủ công, chạy câu lệnh SQL cơ bản theo yêu cầu và không có cơ hội tự động hóa. Đó vẫn là công việc hợp lệ, nhưng không nhất thiết phù hợp với lộ trình trở thành kỹ sư dữ liệu. Ứng viên nên hỏi rõ tỷ lệ giữa phát triển kỹ thuật, bảo trì và xử lý yêu cầu nghiệp vụ trước khi đồng ý.

Câu hỏi thường gặp

Tôi là sinh viên năm cuối, chưa có kinh nghiệm ngân hàng. Tôi có nên ứng tuyển vị trí này không?

Bạn vẫn nên ứng tuyển nếu tò mò về dữ liệu và có nền tảng SQL, Python hoặc báo cáo. Hãy chuẩn bị một dự án thể hiện pipeline, kiểm soát chất lượng và báo cáo, đồng thời nói rõ bạn đang ở giai đoạn học và sẵn sàng làm việc dưới sự hướng dẫn. Vì tin tuyển dụng không nêu kinh nghiệm, cơ hội có thể rộng hơn chức danh gợi ý. Tuy nhiên, bạn cần chuẩn bị câu trả lời về khả năng làm việc tại Hà Nội, thời gian bắt đầu và mức lương kỳ vọng.

Tôi đang làm phân tích kinh doanh hoặc tư vấn nghiệp vụ, muốn chuyển sang kỹ sư báo cáo và dữ liệu vận hành thì cần bù điểm gì?

Bạn đã có lợi thế về khả năng làm việc với yêu cầu nghiệp vụ và giao tiếp với người dùng. Phần cần bù thường là SQL nâng cao, Python, thiết kế mô hình dữ liệu, pipeline, kiểm soát chất lượng và xử lý môi trường vận hành. Hãy làm một portfolio kết hợp câu chuyện nghiệp vụ bạn đã biết với một pipeline kỹ thuật hoàn chỉnh. Đừng khẳng định mình là kỹ sư dữ liệu chỉ vì từng làm báo cáo; hãy mô tả rõ bạn đã xây dựng và vận hành điều gì.

Tôi đang tìm việc và chỉ có kinh nghiệm làm báo cáo Excel. Nên chuẩn bị tối thiểu những gì?

Tối thiểu cần có SQL để nối bảng, tổng hợp và lấy dữ liệu; Python để tự động hóa việc đọc tệp, làm sạch và xuất báo cáo; kiến thức mô hình hình sao; và một công cụ trực quan hóa như Power BI hoặc Tableau. Bạn cũng nên chứng minh kiểm soát chất lượng bằng cách đối soát tổng, xử lý bản ghi trùng và lập cảnh báo. Portfolio nên có SQL, script, mô hình dữ liệu, báo cáo và README. Nếu kinh nghiệm còn ít, hãy nhắm vào vị trí kỹ sư mới hoặc thực tập chuyên môn.

Mức lương hợp lý để đề nghị cho vị trí này là bao nhiêu?

Tin tuyển dụng không công bố mức lương, nên không có con số chính thức. Với mức lương gross khoảng 12–18 triệu đồng mỗi tháng ở nhóm ít kinh nghiệm, 18–30 triệu đồng ở nhóm kỹ sư có kinh nghiệm và 30–42 triệu đồng ở nhóm cấp cao, đây chỉ là khung tham khảo cho Hà Nội. Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Hãy xác nhận cấp bậc, thưởng, phụ cấp và tổng thu nhập trước khi đưa ra con số cụ thể.

Giờ làm và KPI của vị trí này như thế nào?

Dữ liệu hiện có không cung cấp thông tin này. Với báo cáo vận hành, giờ làm có thể gắn với thời điểm phát hành báo cáo và có thể phát sinh yêu cầu trực khi sự cố xảy ra, nhưng không nên coi đây là thông tin chắc chắn. KPI có thể bao gồm tỷ lệ phát hành đúng hạn, độ chính xác, thời gian phục hồi sự cố, mức tự động hóa và số yêu cầu được đáp ứng. Hãy hỏi rõ lịch trực, chính sách ngoài giờ và công thức đánh giá hiệu quả công việc.

Tôi chỉ có một dự án báo cáo trên Power BI, có đủ để ứng tuyển không?

Dự án đó là điểm khởi đầu tốt nhưng nên bổ sung phần kiểm soát dữ liệu và vận hành. Hãy thêm SQL, Python để lấy và làm sạch dữ liệu, mô hình dữ liệu, kiểm thử chất lượng, lịch cập nhật và README giải thích các quyết định. Nếu dữ liệu vẫn là dữ liệu giả lập, hãy nói rõ và tập trung vào cách bạn kiểm soát tính đúng đắn. Một dự án nhỏ nhưng hoàn chỉnh, có tài liệu thường tốt hơn nhiều dashboard thiếu giải thích.

Vị trí này có thể có ca trực hoặc phải xử lý sự cố ngoài giờ không?

Chưa thể khẳng định vì phần phúc lợi và mô tả công việc không được công bố. Với báo cáo có thời hạn cố định, khả năng có trực theo lịch hoặc hỗ trợ khi sự cố ảnh hưởng đến nghiệp vụ là điều cần hỏi. Bạn nên hỏi về tần suất trực, thời hạn hỗ trợ, chính sách làm thêm và cơ chế bù đắp. Nếu đây là yếu tố quan trọng, cần thỏa thuận rõ trước khi ký.

Lộ trình thăng tiến từ vị trí này như thế nào?

Hướng tăng trưởng tự nhiên là từ kỹ sư báo cáo hoặc dữ liệu vận hành lên kỹ sư cấp cao, chuyên gia chính, trưởng nhóm và quản lý kỹ thuật. Mỗi cấp sẽ yêu cầu nhiều hơn về thiết kế kiến trúc, phê duyệt giải pháp, chất lượng, ảnh hưởng kinh doanh và phát triển đội ngũ. Bạn cũng có thể chuyển sang kỹ sư nền tảng dữ liệu, phân tích vận hành hoặc quản trị dữ liệu. Khi phỏng vấn, hãy hỏi về tiêu chuẩn thăng tiến, thời gian đánh giá và những kỹ năng cần có ở cấp kế tiếp.

Tiếng Anh có bắt buộc không và nên học đến mức nào?

Tin tuyển dụng không đưa ra yêu cầu tiếng Anh, vì vậy cần hỏi trực tiếp về nhu cầu đọc tài liệu, làm việc với nhà cung cấp hoặc trao đổi với đội khác. Dù không cấp chứng chỉ, khả năng đọc tài liệu kỹ thuật và trình bày rõ ràng vẫn là lợi thế. Trước mắt, hãy luyện đọc tài liệu SQL, Python, tài liệu công cụ báo cáo và thông báo sự cố; sau đó mở rộng sang giao tiếp nếu vị trí thực tế yêu cầu.

Tôi nên học cả Power BI, Tableau, Airflow, Spark và dbt hay tập trung vào một stack?

Không nên học đồng thời quá nhiều công cụ đến mức chỉ biết tên. Hãy chọn Power BI hoặc Tableau cùng SQL, Python, một nền tảng điều phối như Airflow và dbt nếu phù hợp nền tảng dữ liệu. Mục tiêu là đi sâu đến mức giải thích được thiết kế, vận hành và xử lý lỗi. Sau khi đạt nền tảng, có thể bổ sung Spark hoặc công cụ đám mây theo hướng đi cụ thể. Ưu tiên kỹ năng chuyển đổi giữa nghiệp vụ và kỹ thuật còn quan trọng hơn số lượng công nghệ được liệt kê trong hồ sơ.

Kỹ sư phát triển báo cáo và xử lý dữ liệu vận hành - Khối Công nghệ thông tin