Chuyên viên Thỏa thuận 3 chỉ tiêu

Mô tả công việc

1. Trình độ - Tốt nghiệp Đại học trở lên các chuyên ngành Công nghệ thông tin, Khoa học máy tính, Hệ thống thông tin quản lý, Kinh tế, Tài chính hoặc các lĩnh vực liên quan 2. Kinh nghiệm - ít nhất 2-3 năm kinh nghiệm ở vị trí BA Data, Data Analyst, Business Analyst hoặc các vai trò tương đương, ưu tiên trong lĩnh vực ngân hàng, tài chính hoặc các ngành có dữ liệu lớn. - Có kinh nghiệm làm việc với các hệ thống Core Banking, CRM, Data Warehouse/Data Lake là một lợi thế. 3. Kỹ năng - Thành thạo SQL để truy vấn và thao tác dữ liệu phức tạp. - Kiến thức cơ bản về thống kê, mô hình dữ liệu và các phương pháp phân tích dữ liệu. - Khả năng sử dụng Python/R (cơ bản đến trung cấp) cho mục đích phân tích dữ liệu là một điểm cộng lớn. - Hiểu biết vững chắc về các sản phẩm, quy trình và nghiệp vụ ngân hàng (ví dụ: tín dụng, huy động, thanh toán, ngân hàng số, quản lý rủi ro). - Khả năng tư duy logic, phân tích vấn đề và đề xuất giải pháp sáng tạo. - Kỹ năng thu thập, phân tích và quản lý yêu cầu nghiệp vụ. HƯỚNG DẪN ỨNG TUYỂN - Đặt tên file Đơn đăng ký ứng tuyển như sau: Địa điểm - Vị trí ứng tuyển - Họ và tên ứng viên (VD: Hà Nội - Chuyên viên KHDN - Nguyễn Văn A) - Yêu cầu: Hồ sơ hợp lệ là hồ sơ theo mẫu của Ngân hàng, định dạng file excel và đặt tên file theo đúng hướng dẫn trên. - LPBank có quyền từ chối tuyển dụng đối với các ứng viên nộp hồ sơ không theo quy định của LPBank hoặc ứng viên khai thông tin không chính xác. LƯU Ý: - Căn cứ số lượng, chất lượng ứng viên ứng tuyển, yêu cầu công việc,… Ngân hàng sẽ thông báo đến các ứng viên đủ điều kiện theo quy định để tham gia các vòng tuyển dụng (ứng viên không nhận được thông tin mời tuyển dụng từ Ngân hàng được hiểu là chưa phù hợp/chưa đáp ứng yêu cầu tuyển dụng). - Các ứng viên đạt qua các vòng (sơ loại, thi nghiệp vụ,...) sẽ được Ngân hàng liên hệ mời tham gia các vòng tiếp theo thông qua điện thoại/Email/Tin nhắn. Kết quả tuyển dụng sẽ được thông báo đến các ứng viên tham gia tuyển dụng qua Email sau khi kết thúc chương trình tuyển dụng (thông thường từ 7 - 10 ngày làm việc). - Việc tuyển dụng tại LPBank là hoàn toàn công bằng, minh bạch, khách quan, không qua bất cứ cá nhân trung gian và không thu bất cứ khoản chi phí tuyển dụng nào. - Trường hợp Ông/Bà phải mất bất cứ chi phí nào trong quá trình tuyển dụng, xin vui lòng phản ánh trực tiếp tới địa chỉ email: thongbaotuyendung@lpbank.com.vn - Trường hợp Ông/Bà phải mất chi phí tiêu cực trong quá trình tuyển dụng mà không thông báo cho Ngân hàng và/hoặc Ngân hàng phát hiện ra, Ngân hàng sẽ từ chối tuyển dụng (đối với trường hợp đã trúng tuyển nhưng chưa tiếp nhận) hoặc buộc thôi việc (đối với các trường hợp đã tiếp nhận), kể cả với trường hợp bên nhận chi phí đang là CBNV của Ngân hàng. Quyền lợi 1. Chế độ đãi ngộ hấp dẫn, xứng tầm - Lương hàng tháng và các chế độ phụ cấp cạnh tranh trên thị trường - Thưởng cuối năm hấp dẫn theo đánh giá hiệu quả công việc - Thưởng sinh nhật, Lễ/Tết,Chế độ thăm hỏi ốm đau... - Chăm sóc sức khoẻ toàn diện: Khám sức khoẻ hàng năm, gói bảo hiểm độc quyền dảnh riêng cho LPBanker - Các hoạt động teambuilding, nhiều chương trình văn hóa - thể thao gắn kết nội bộ 2. Môi trường làm việc hiện đại, tiên phong đổi mới sáng tạo - Không gian làm việc trẻ trung, hiện đại, đề cao sự sáng tạo - Làm việc với tinh thần tự chủ, linh hoạt và tiên phong 3. Đào tạo - Các chương trình đào tạo, phát triển năng lực chuyên môn đa dạng cho cán bộ nhân viên và các cấp quản lý - Cơ hội học hỏi và giao lưu với các đồng nghiệp xuất sắc và các chuyên gia đầu ngành 4. Các chế độ khác như chế độ nghỉ phép, đồng phục,...

Yêu cầu ứng viên

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cần có cho vị trí DATA BA tại LPBank ### 1. Hard Skills bắt buộc | Kỹ năng | Mức độ yêu cầu | Ghi chú | |---|---|---| | **SQL** | Thành thạo (truy vấn phức tạp) | Đây là kỹ năng nền tảng, thiết yếu nhất. Cần thành thạo JOIN nhiều bảng, subquery, window functions, GROUP BY phức tạp, tối ưu truy vấn | | **Kiến thức thống kê cơ bản** | Cơ bản | Mean, median, standard deviation, correlation, probability distribution, hypothesis testing | | **Mô hình dữ liệu** | Cơ bản đến trung bình | Hiểu ERD, quan hệ bảng (1-1, 1-n, n-n), normalization, data modeling cho ngân hàng | | **Phương pháp phân tích dữ liệu** | Cơ bản | EDA (Exploratory Data Analysis), data cleaning, data validation | | **Nghiệp vụ ngân hàng** | Vững chắc | Tín dụng, huy động, thanh toán, ngân hàng số, quản lý rủi ro | | **Thu thập & quản lý yêu cầu nghiệp vụ** | Tốt | Business Requirements Gathering, BRD, SRS | ### 2. Hard Skills điểm cộng (lợi thế lớn) | Kỹ năng | Mức độ | Lý do quan trọng | |---|---|---| | **Python / R** | Cơ bản đến trung cấp | Tự động hóa báo cáo, phân tích chuyên sâu, visualization | | **Core Banking (Temenos/T24, Flexcube...)** | Cơ bản | Hiểu hệ thống lõi ngân hàng, biết cách truy vấn dữ liệu từ core | | **CRM** | Cơ bản | Hiểu dữ liệu khách hàng, tương tác, segmentation | | **Data Warehouse / Data Lake** | Cơ bản | Hive, Spark, ETL/ELT, kim tự tháp DWH | | **Visualization tools** | Cơ bản | Power BI, Tableau, Looker (ít nhất biết 1 tool) | | **Git / Version Control** | Cơ bản | Quản lý code, script phân tích | ### 3. Soft Skills quan trọng - **Tư duy logic & phân tích vấn đề**: DATA BA phải đọc hiểu yêu cầu nghiệp vụ → chuyển thành yêu cầu kỹ thuật/data - **Giao tiếp nghiệp vụ - kỹ thuật**: Diễn giải bài toán kinh doanh cho đội tech và ngược lại - **Quản lý stakeholder**: Làm việc với nhiều phòng ban (IT, BU, Risk, Compliance) - **Tỉ mỉ, cẩn thận**: Dữ liệu tài chính đòi hỏi độ chính xác cao - **Khả năng trình bày**: Present kết quả phân tích cho lãnh đạo - **Proactive**: Chủ động đề xuất insight từ dữ liệu, không chỉ đợi yêu cầu ### 4. Chứng chỉ gợi ý | Chứng chỉ | Mức độ ưu tiên | Mô tả | |---|---|---| | **Google Data Analytics Certificate** | Cao | Bao gồm SQL, Excel, Tableau, R - phù hợp cho fresher/junior | | **Microsoft Certified: Azure Data Fundamentals** | Cao | Xác nhận kiến thức data platform | | **IIBA Entry Certificate in Business Analysis (ECBA)** | Trung bình | Chuẩn hóa kiến thức BA | | **IIBA CBDA** (Certificate in Business Data Analytics) | Trung bình | Đặc biệt phù hợp vì đúng chuyên ngành | | **AWS Certified Data Analytics - Specialty** | Trung bình | Nếu LPBank dùng AWS | | **SQL (w3schools, HackerRank)** | Bắt buộc tự học | Chứng chỉ không bắt buộc nhưng nên có portfolio | ### 5. Bảng so sánh: DATA BA vs Data Analyst vs Business Analyst | Tiêu chí | DATA BA (vị trí này) | Data Analyst | Business Analyst | |---|---|---|---| | **Trọng tâm** | Cầu nối nghiệp vụ - dữ liệu | Phân tích số liệu, báo cáo | Thu thập yêu cầu, quy trình nghiệp vụ | | **Công cụ chính** | SQL, Python/R, BI tools | Python, R, SQL, BI | JIRA, Confluence, BPMN, SQL (ít hơn) | | **Output chính** | Data model, yêu cầu kỹ thuật, insight | Báo cáo, dashboard, insight | BRD, user story, quy trình | | **Tương tác** | Nhiều với cả BU và IT | Chủ yếu với IT/Data team | Nhiều với BU và IT | | **Mức lương (thị trường VN)** | 18-30 triệu (2-3 năm exp) | 15-25 triệu | 15-28 triệu | **Điểm đặc thù của DATA BA trong ngân hàng:** - Cần hiểu **regulatory reporting** (VietinBank, BIDV, NHNN) - Biết các **chỉ tiêu CAMEL, Basel II** - Hiểu **quy trình kiểm toán dữ liệu** trong ngân hàng - Data trong ngân hàng thường **rời rạc** (nhiều hệ thống riêng lẻ: core, CRM, card, digital...) --- **Lộ trình học SQL cấp tốc cho ứng viên chưa thành thạo:** 1. **Tuần 1-2**: SELECT, WHERE, ORDER BY, DISTINCT, LIMIT 2. **Tuần 3**: JOIN (INNER, LEFT, RIGHT, FULL), UNION 3. **Tuần 4**: GROUP BY, HAVING, aggregate functions (COUNT, SUM, AVG, MAX, MIN) 4. **Tuần 5-6**: Subquery, CASE WHEN, window functions (ROW_NUMBER, RANK, LAG, LEAD) 5. **Tuần 7-8**: Tối ưu truy vấn, index,EXPLAIN 6. **Thực hành**: LeetCode (Easy/Medium), HackerRank SQL, SQLZoo

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn vị trí DATA BA tại LPBank ### Quy trình tuyển dụng dự kiến **Thông thường tại LPBank (và các ngân hàng Việt Nam):** | Vòng | Nội dung | Thời gian | Ghi chú | |---|---|---|---| | **Vòng 1: Sơ loại hồ sơ** | Đánh giá CV, bằng cấp, kinh nghiệm | 3-5 ngày | Đặt tên file đúng format: "Hà Nội - Phân tích Nghiệp vụ dữ liệu - Họ và tên" | | **Vòng 2: Thi nghiệp vụ / Test SQL** | Thi viết SQL, bài toán nghiệp vụ ngân hàng | 60-90 phút | Có thể thi trên máy tính hoặc giấy | | **Vòng 3: Phỏng vấn vòng 1** | Phỏng vấn chuyên môn (trưởng phòng/team lead) | 30-45 phút | Tập trung kỹ thuật + nghiệp vụ | | **Vòng 4: Phỏng vấn vòng 2** | Phỏng vấn với lãnh đạo/phòng nhân sự | 30-45 phút | Tập trung hành vi, văn hóa, định hướng | | **Vòng 5: Xác minh thông tin** | Xác minh bằng cấp, kinh nghiệm, tham chiếu | 3-5 ngày | Liên hệ công ty cũ kiểm chứng | | **Thông báo kết quả** | Email thông báo kết quả | 7-10 ngày làm việc sau vòng cuối | | ### Vòng thi nghiệp vụ - Chi tiết **Thường gặp nội dung thi:** 1. **SQL thực hành (60% nội dung thi):** - Viết truy vấn lấy dữ liệu từ 2-3 bảng (JOIN) - Tính toán aggregation (SUM, COUNT, AVG) theo nhóm - Subquery phức tạp - Window function (ranking, running total) - **Ví dụ đề thi thường gặp**: "Viết SQL tính tổng dư tiền gửi của từng khách hàng theo tháng, so sánh với tháng trước, chỉ lấy khách hàng có tổng dư > 100 triệu" 2. **Kiến thức nghiệp vụ ngân hàng (30% nội dung thi):** - Các sản phẩm: tín dụng, tiền gửi, thẻ, thanh toán - Quy trình cấp tín dụng cơ bản - Các chỉ tiêu KPI ngân hàng (NPL, CASA ratio, ROA, ROE) - Hiểu biết về pháp luật ngân hàng cơ bản 3. **Case study / Tình huống (10% nội dung thi):** - Phân tích một bài toán nghiệp vụ đơn giản - Đề xuất cách lấy dữ liệu, phân tích ### Câu hỏi phỏng vấn vòng chuyên môn (Vòng 3) **Nhóm câu hỏi về SQL & Kỹ thuật:** - "Em có thể viết SQL để tìm top 10 khách hàng có số dư tiền gửi cao nhất không?" - "Sự khác nhau giữa INNER JOIN và LEFT JOIN là gì? Khi nào dùng?" - "Em xử lý thế nào khi gặp dữ liệu NULL trong dataset?" - "Index trong SQL là gì? Khi nào nên tạo index?" - "Em có kinh nghiệm với stored procedure, function không?" - "Window function dùng khi nào? Cho ví dụ cụ thể?" **Nhóm câu hỏi về nghiệp vụ ngân hàng:** - "Em hiểu thế nào về quy trình cho vay của ngân hàng?" - "NPL (Non-Performing Loan) là gì? Cách tính?" - "Sự khác nhau giữa CASA và tiền gửi có kỳ hạn?" - "Core Banking là gì? Nếu cần lấy dữ liệu giao dịch của KH, em sẽ truy vấn bảng nào?" - "Em biết gì về Basel II và các quy định của NHNN?" - "CASA ratio, ROA, ROE là gì? Công thức tính?" **Nhóm câu hỏi về BA & Phân tích:** - "Trình bày em hiểu công việc của DATA BA khác gì Data Analyst?" - "Một yêu cầu nghiệp vụ được đưa cho em, em sẽ làm gì để chuyển thành yêu cầu kỹ thuật?" - "Em đã từng làm việc với stakeholder như thế nào? Khi stakeholder yêu cầu không rõ ràng thì sao?" - "Làm sao để đảm bảo data quality trong báo cáo?" - "Em có thể mô tả một dự án phân tích dữ liệu mà em đã tham gia không?" - "Khi dữ liệu giữa 2 hệ thống không khớp nhau, em sẽ xử lý thế nào?" ### Câu hỏi phỏng vấn vòng HR/Hành vi (Vòng 4) - "Giới thiệu về bản thân và kinh nghiệm làm việc của em" - "Tại sao em muốn làm DATA BA tại LPBank?" - "Em có định hướng phát triển sự nghiệp 3-5 năm tới như thế nào?" - "Em có thể điểm mạnh và điểm yếu của mình là gì?" - "Em làm việc dưới áp lực như thế nào?" - "Em kỳ vọng mức lương bao nhiêu?" - "Em có câu hỏi gì cho LPBank không?" (LUÔN HỎI - thể hiện sự chuẩn bị) ### Tips chuẩn bị cụ thể **Trước 1 tuần:** - [ ] Ôn lại SQL: viết lại tất cả các loại JOIN, window function, GROUP BY - [ ] Tự giải 10-15 bài SQL trên LeetCode (difficulty Easy/Medium) - [ ] Học thuộc các KPI ngân hàng: NPL, CASA ratio, ROA, ROE, LDR - [ ] Tìm hiểu LPBank: lịch sử, sản phẩm, quy mô, định hướng - [ ] Chuẩn bị 2-3 câu chuyện thành tựu (STAR format) **Trước 1 ngày:** - [ ] Nghỉ ngơi sớm, ngủ đủ giấc - [ ] Chuẩn bị outfit: vest/công sở (trang phục lịch sự) - [ ] In 2-3 bản CV, mang theo bằng gốc + bản sao - [ ] Check đường đến địa điểm phỏng vấn **Khi vào phỏng vấn:** - [ ] Đến sớm 10-15 phút - [ ] Điện thoại tắt máy / chế độ im lặng - [ ] Bắt đầu bằng lời chào lịch sự, kết thúc bằng lời cảm ơn - [ ] Nếu không biết câu trả lời: thành thật + thể hiện khả năng học hỏi - [ ] Hỏi lại câu hỏi nếu chưa rõ ### Dress Code **Nam:** - Áo sơ mi trắng + quần âu xanh đen + giày da - Cà vạt (tùy môi trường phòng ban, Hội sở thường bắt buộc) - Tóc gọn gàng, râu cạo (hoặc nếu để râu thì phải gọn gàng) **Nữ:** - Áo sơ mi / blouse trắng + quần âu / váy công sở - Giày gót thấp hoặc giày bệt - Trang điểm nhẹ, tóc gọn **Lưu ý:** Đây là vị trí Hội sở (Head Office), dress code bắt buộc phải lịch sự, nghiêm túc.

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho vị trí DATA BA tại LPBank ### Phần 1: Ôn SQL (Trọng tâm nhất) **Tài liệu tham khảo miễn phí:** - **w3schools.com/sql** - Học SQL từ cơ bản đến nâng cao (có thực hành online) - **LeetCode Database problems** - Luyện 30-50 bài (tập trung Easy + Medium) - **SQLZoo** - Thực hành SQL trên trình duyệt - **Mode SQL Tutorial** - Hướng dẫn SQL thực tế cho phân tích **Lộ trình ôn SQL 2 tuần:** **Ngày 1-3: Nền tảng** ```sql -- SELECT, WHERE, AND, OR, NOT, IN, BETWEEN, LIKE SELECT * FROM customers WHERE city IN ('Hanoi', 'HCMC') AND age > 25; ``` **Ngày 4-6: Tổng hợp & Nhóm** ```sql -- GROUP BY, HAVING, COUNT, SUM, AVG, MAX, MIN, DISTINCT SELECT customer_id, SUM(balance) AS total_balance FROM accounts GROUP BY customer_id HAVING SUM(balance) > 100000000; ``` **Ngày 7-9: JOIN & UNION** ```sql -- INNER, LEFT, RIGHT, FULL JOIN SELECT c.name, a.account_number, a.balance FROM customers c INNER JOIN accounts a ON c.customer_id = a.customer_id; ``` **Ngày 10-12: Subquery & CASE** ```sql -- Subquery trong WHERE, FROM, SELECT SELECT * FROM customers WHERE customer_id IN ( SELECT customer_id FROM accounts WHERE balance > 50000000 ); -- CASE WHEN SELECT customer_name, CASE WHEN balance > 100000000 THEN 'VIP' WHEN balance > 50000000 THEN 'Premium' ELSE 'Regular' END AS customer_tier FROM customers c; ``` **Ngày 13-14: Window Functions** ```sql -- ROW_NUMBER, RANK, LAG, LEAD, running total SELECT customer_id, transaction_date, amount, LAG(amount, 1) OVER (PARTITION BY customer_id ORDER BY transaction_date) AS prev_amount, SUM(amount) OVER (PARTITION BY customer_id ORDER BY transaction_date) AS running_total FROM transactions; ``` ### Phần 2: Kiến thức nghiệp vụ ngân hàng **Tài liệu tham khảo:** - Giáo trình "Nghiệp vụ Ngân hàng Thương mại" - ĐH Kinh tế Quốc dân - Website NHNN: sbv.gov.vn (thông tư, quyết định mới nhất) - Tổng hợp tin tức ngân hàng: cafef.vn, vneconomy.vn **Các khái niệm cần nắm vững:** | Chủ đề | Kiến thức cần biết | Trọng số thi | |---|---|---| | **Sản phẩm NH** | Tín dụng (TTDN, cá nhân, bất động sản), tiền gửi (tiết kiệm, kỳ hạn), thẻ, thanh toán, ngân hàng số | ★★★★★ | | **KPI ngân hàng** | NPL, CASA ratio, ROA, ROE, LDR, CAR, hệ số thanh toán nhanh | ★★★★★ | | **Quy trình tín dụng** | Thẩm định → phê duyệt → giải ngân → theo dõi | ★★★★ | | **Quy định NHNN** | Quy định về room tín dụng, tỷ lệ an toàn vốn, Basel II | ★★★ | | **Hệ thống Core Banking** | Khái niệm, các hệ thống phổ biến (T24, Flexcube, BankEasy...) | ★★★ | | **Rủi ro ngân hàng** | Rủi ro tín dụng, rủi ro thanh khoản, rủi ro thị trường | ★★★ | **Công thức KPI quan trọng cần nhớ:** ``` NPL (Non-Performing Loan) = (Dư nợ xấu / Tổng dư nợ) × 100% CASA Ratio = (Tiền gửi không kỳ hạn / Tổng tiền gửi) × 100% ROA = (Lợi nhuận sau thuế / Tổng tài sản) × 100% ROE = (Lợi nhuận sau thuế / Vốn chủ sở hữu) × 100% LDR = (Cho vay / Huy động vốn) × 100% CAR = (Vốn tự có / Tài sản Có rủi ro) × 100% ``` ### Phần 3: Ôn Business Analysis & Data Analysis **Tài liệu tham khảo:** - BABOK (Business Analysis Body of Knowledge) - Phần giới thiệu (miễn phí đọc tóm tắt) - "Storytelling with Data" - Cole Nussbaumer Knaflic (về trình bày dữ liệu) - Khoá học Google Data Analytics trên Coursera (miễn phí audit) **Các framework BA cần biết:** - **SWOT Analysis**: Phân tích điểm mạnh, yếu, cơ hội, thách thức - **5W1H**: What, Why, Who, When, Where, How (thu thập yêu cầu) - **Moscow Technique**: Must-have, Should-have, Could-have, Won't-have (ưu tiên yêu cầu) - **As-Is vs To-Be**: Mô tả hiện trạng và tương lai ### Phần 4: Chuẩn bị Portfolio **Nếu chưa có kinh nghiệm thực tế, chuẩn bị:** 1. **SQL Portfolio**: Giải bài SQL trên LeetCode → screenshot kết quả → upload lên GitHub 2. **Mini project phân tích dữ liệu ngân hàng**: - Tìm dataset mẫu (Kaggle có dataset liên quan ngân hàng) - Phân tích EDA → visualization → insight - Upload lên GitHub với README mô tả 3. **BRD mẫu**: Viết 1 Business Requirements Document cho một tính năng ngân hàng đơn giản ### Lộ trình chuẩn bị 2 tuần | Ngày | Buổi sáng | Buổi chiều | |---|---|---| | Ngày 1-3 | Học SQL cơ bản (w3schools) | Làm bài tập SQL thực hành | | Ngày 4-6 | Học JOIN, GROUP BY, Aggregation | Làm bài tập SQL nâng cao | | Ngày 7-9 | Học Subquery, CASE WHEN | LeetCode Easy (10 bài) | | Ngày 10-11 | Học Window Functions | LeetCode Medium (5 bài) | | Ngày 12-13 | Ôn nghiệp vụ ngân hàng | Học KPI, quy trình tín dụng | | Ngày 14 | Ôn tổng hợp + nghỉ ngơi | Chuẩn bị hồ sơ, check lại tài liệu |

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho vị trí DATA BA tại LPBank ### Lộ trình thăng tiến ``` DATA BA (Junior) ↓ (1-2 năm) DATA BA (Senior) / Team Lead ↓ (2-3 năm) Data Manager / Analytics Manager ↓ (3-5 năm) Head of Data Analytics / Chief Data Officer ``` **Chi tiết từng bước:** **Bước 1: DATA BA Junior (0-2 năm kinh nghiệm → vị trí này)** - Hoàn thành tốt các yêu cầu hàng ngày: viết SQL, làm báo cáo, thu thập yêu cầu - Học hỏi nghiệp vụ ngân hàng sâu hơn - Tự học thêm Python/R, Power BI/Tableau - Xây dựng reputation với stakeholder - **Thời gian thăng tiến**: 1.5 - 2.5 năm tùy hiệu suất **Bước 2: DATA BA Senior / Data Team Lead (2-4 năm kinh nghiệm)** - Quản lý 2-5 người, mentor junior - Chịu trách nhiệm về chất lượng output của team - Tham gia định hướng roadmap phân tích dữ liệu - Đề xuất cải tiến quy trình, công cụ - Có thể học thêm về Data Governance, Data Quality - **Thời gian thăng tiến**: 2-3 năm **Bước 3: Data Manager / Analytics Manager (4-6 năm kinh nghiệm)** - Quản lý toàn bộ khối Data/Analytics - Xây dựng chiến lược data cho ngân hàng - Làm việc trực tiếp với Ban lãnh đạo - Quản lý ngân sách, nhân sự, vendor - Cần có kinh nghiệm về Data Strategy, ML/AI basics **Bước 4: Head of Data / CDO (6-10 năm kinh nghiệm)** - C-Level, tham gia HĐQT - Định hướng chiến lược số hóa toàn ngân hàng - Quản lý data culture toàn tổ chức ### Mức lương kỳ vọng theo cấp bậc **Thị trường Việt Nam (2024 - ngân hàng tại Hà Nội):** | Cấp bậc | Kinh nghiệm | Mức lương tháng | Ghi chú | |---|---|---|---| | **Junior (Fresher - 1 năm)** | 0-1 năm | 12-18 triệu | Nếu có kinh nghiệm IT/BA liên quan | | **Middle (2-3 năm - vị trí này)** | 2-3 năm | 18-30 triệu | Mức thỏa thuận, phụ thuộc năng lực | | **Senior (4-6 năm)** | 4-6 năm | 30-50 triệu | + thưởng, phụ cấp | | **Manager (5-8 năm)** | 5-8 năm | 50-80 triệu | Tùy quy mô ngân hàng | | **Head/Director (8+ năm)** | 8+ năm | 80-150 triệu+ | Thường thuộc nhóm ngân hàng lớn | **Lưu ý:** - Mức lương "Thỏa thuận" = cơ hội đàm phán cao hơn. Hãy research kỹ mức thị trường trước khi đàm phán - LPBank là ngân hàng TMCP, mức lương thường cạnh tranh ở mức trung bình-thấp so với ngân hàng nước ngoài (FE Credit, VPBank...) nhưng bù lại bằng福利 và ổn định - Ngoài lương: thưởng cuối năm (thường 1-3 tháng), bảo hiểm cao cấp, khám sức khỏe ### Kỹ năng cần phát triển thêm (theo lộ trình) **Ngắn hạn (6-12 tháng đầu tại LPBank):** - [ ] Thành thạo Python (pandas, numpy, matplotlib) - [ ] Học Power BI hoặc Tableau (visualization) - [ ] Hiểu sâu nghiệp vụ ngân hàng (tín dụng, rủi ro, thanh toán) - [ ] Học cách viết BRD, user story chuẩn - [ ] Xây dựng relationships với các phòng ban (IT, BU, Risk) **Trung hạn (1-3 năm):** - [ ] Học Machine Learning cơ bản (scikit-learn) - [ ] Hiểu Data Engineering (ETL, pipeline, orchestration) - [ ] Nắm vững Data Governance, Data Quality - [ ] Phát triển kỹ năng lãnh đạo, mentoring - [ ] Chứng chỉ CBDA (IIBA) hoặc tương đương **Dài hạn (3-5 năm):** - [ ] Data Strategy & Architecture - [ ] Cloud platforms (AWS/GCP/Azure) - [ ] Big Data technologies (Spark, Kafka) - [ ] Business Intelligence Strategy - [ ] Quản lý con người và dự án ### Lời khuyên thực tế từ người trong nghề > **"DATA BA trong ngân hàng Việt Nam có lợi thế lớn về nghiệp vụ so với DATA BA ở các ngành khác. Hãy tận dụng điều này - hiểu nghiệp vụ ngân hàng sâu sẽ giúp em trở thành DATA BA giỏi, không chỉ là người viết SQL."** **3 điều cần nhớ khi vào LPBank:** 1. **Ngân hàng ≠ Tech company**: Tốc độ chậm hơn, quy trình nhiều, nhưng dữ liệu phong phú và có ý nghĩa kinh doanh thực sự. Không nên so sánh với môi trường startup. 2. **Nghiệp vụ là vua**: Kỹ năng SQL/Python chỉ là công cụ. Nếu em hiểu nghiệp vụ ngân hàng sâu, em sẽ đề xuất được những phân tích có giá trị thực sự → được đánh giá cao → thăng tiến nhanh hơn. 3. **Networking nội bộ quan trọng**: DATA BA làm việc với nhiều phòng ban. Hãy xây dựng mối quan hệ tốt với IT, Risk, BU... vì họ sẽ giúp em hiểu dữ liệu hơn và ủng hộ em trong các dự án. **Cơ hội chuyển đổi sau 2-3 năm:** - Chuyển sang ngân hàng nước ngoài (HSBC, Standard Chartered, Citibank) - lương cao hơn 30-50% - Chuyển sang Fintech (VNPay, MoMo, ZaloPay) - lương tương đương hoặc cao hơn, môi trường năng động hơn - Chuyển sang Big Tech (Google, Meta, Grab) - cần có Python/R giỏi + ML - Làm freelance Data Consultant - tự do thời gian, thu nhập cao

Câu hỏi thường gặp

Em mới tốt nghiệp CNTT, chưa có kinh nghiệm ngân hàng, có nộp DATA BA được không?

Hoàn toàn có thể nộp! Tin tuyển dụng ghi 'ít nhất 2-3 năm' nhưng đây là mức lý tưởng, nhiều ngân hàng vẫn xem xét ứng viên có kinh nghiệm IT/BA liên quan. Điểm mấu chốt: (1) Thành thạo SQL - đây là yêu cầu bắt buộc; (2) Hiểu nghiệp vụ ngân hàng cơ bản - tự học trước; (3) Có portfolio/dự án cá nhân liên quan data. Em nên nộp, trong CV nhấn mạnh kỹ năng SQL, các dự án học tập về phân tích dữ liệu. Nếu được gọi phỏng vấn, thể hiện khả năng học hỏi nhanh và đam mê ngành ngân hàng.

Mức lương DATA BA 2-3 năm kinh nghiệm tại LPBank là bao nhiêu?

LPBank ghi 'thỏa thuận' nên không công khai mức lương cụ thể. Theo thị trường 2024, vị trí DATA BA 2-3 năm kinh nghiệm tại các ngân hàng TMCP Hà Nội dao động 18-28 triệu/tháng. Mức thực nhận còn phụ thuộc: (1) Kỹ năng SQL - thành thạo → mức cao hơn; (2) Có kinh nghiệm Core Banking → cộng điểm; (3) Biết Python/R → cộng thêm 2-3 triệu; (4) Đàm phán. Khi phỏng vấn, nếu hỏi kỳ vọng lương, hãy nói: 'Em kỳ vọng mức lương từ 22-25 triệu, tùy vào đánh giá của anh/chị về năng lực của em'. Ngoài lương, LPBank có thưởng cuối năm, bảo hiểm cao cấp, khám sức khỏe - tổng thu nhập thực tế có thể cao hơn 15-20%.

Vị trí DATA BA và Data Analyst khác nhau thế nào? Nên chọn hướng đi nào?

Khác nhau ở trọng tâm công việc: Data Analyst tập trung phân tích số liệu, xây dashboard, tìm insight. DATA BA tập trung cầu nối giữa nghiệp vụ kinh doanh và kỹ thuật data - em sẽ thu thập yêu cầu từ BU, chuyển thành yêu cầu kỹ thuật cho IT, đảm bảo data model phù hợp nghiệp vụ. Về lộ trình: (1) DATA BA → phù hợp nếu em thích giao tiếp, hiểu nghiệp vụ, muốn đi theo hướng Business/Data Strategy; (2) Data Analyst → phù hợp nếu em thích kỹ thuật sâu, lập trình, ML/AI. Trong ngân hàng Việt Nam, DATA BA có lợi thế nghiệp vụ hơn - hiểu sâu nghiệp vụ sẽ giúp em thăng tiến vào mảng quản lý dễ hơn.

Kỹ năng nào là quan trọng nhất để đậu vòng thi nghiệp vụ?

SQL là kỹ năng quan trọng nhất - chiếm khoảng 50-60% nội dung thi. Em cần thành thạo: JOIN (các loại), GROUP BY với HAVING, subquery, CASE WHEN, và window functions (ROW_NUMBER, RANK, LAG/LEAD). Phần còn lại là nghiệp vụ ngân hàng (30-40%): KPI ngân hàng (NPL, CASA, ROA, ROE), quy trình tín dụng cơ bản, các sản phẩm ngân hàng. Mẹo: trước khi thi, luyện 20-30 bài SQL trên LeetCode hoặc HackerRank (phần Database), đặc biệt các bài liên quan đến banking scenarios (tính số dư, xếp hạng khách hàng, phân tích giao dịch).

Em đang làm BA trong công ty bảo hiểm, muốn chuyển sang DATA BA ngân hàng có được không?

Hoàn toàn được và đây là chuyển đổi khá phổ biến! Kỹ năng BA (thu thập yêu cầu, viết BRD, quản lý stakeholder) của em hoàn toàn áp dụng được. Điểm cần bổ sung: (1) SQL - bắt buộc, đây là kỹ năng kỹ thuật chưa chắc em đã thành thạo; (2) Hiểu nghiệp vụ ngân hàng cụ thể (khác bảo hiểm) - học về tín dụng, thanh toán, Core Banking; (3) Tư duy data-driven - nhiều BA truyền thống chưa quen với việc dùng dữ liệu để phân tích. Trong CV, em hãy nhấn mạnh: kinh nghiệm BA, kỹ năng stakeholder management, khả năng viết tài liệu. Học thêm SQL và đề cập trong CV - đây là điểm ngân hàng quan tâm nhất khi đánh giá ứng viên chuyển ngành.

Thi tuyển DATA BA tại LPBank có khó không? Tỷ lệ chọn bao nhiêu?

Độ khó ở mức trung bình, không quá khó nhưng cũng không dễ. Tỷ lệ chọn thường khoảng 1:20 đến 1:50 (tùy đợt tuyển). Các vòng tuyển dụng ngân hàng Việt Nam thường gồm: (1) Sơ loại hồ sơ - loại 70-80% ứng viên không đạt yêu cầu format; (2) Thi viết (SQL + nghiệp vụ) - loại tiếp 50%; (3) Phỏng vấn 2 vòng - thường giữ lại 3-5 người cho 1 vị trí. Điểm 'bẫy' nhiều người mắc: (1) Không đặt tên file theo đúng format → bị loại ngay vòng sơ loại; (2) SQL yếu → trượt vòng thi viết; (3) Không hiểu nghiệp vụ ngân hàng → không qua phỏng vấn chuyên môn. Chuẩn bị kỹ 3 phần này, cơ hội đậu sẽ cao hơn nhiều.

Làm DATA BA tại ngân hàng có áp lực không? Giờ làm việc như thế nào?

Áp lực ở mức trung bình, thấp hơn nhiều công ty fintech hay startup. Giờ làm việc thường 8h-17h30 thứ 2-6, có thể OT khi có dự án lớn hoặc cuối quý. Đặc thù ngành ngân hàng: (1) Có deadline theo chu kỳ báo cáo (cuối tháng, cuối quý, cuối năm) - lúc đó bận hơn; (2) Phối hợp với nhiều phòng ban → đôi khi mất thời gian chờ feedback; (3) Yêu cầu chính xác cao vì liên quan dữ liệu tài chính. So với làm BA ở công ty công nghệ: ít áp lực thời gian hơn, ổn định hơn, nhưng tốc độ đổi mới chậm hơn. Đây là lựa chọn tốt nếu em muốn cân bằng cuộc sống và phát triển sự nghiệp ổn định.

Sau 2-3 năm làm DATA BA tại LPBank, em có thể chuyển sang đâu?

Rất nhiều hướng đi! Với 2-3 năm kinh nghiệm DATA BA trong ngân hàng, em có 4 hướng chính: (1) Ngân hàng nước ngoài (HSBC, Standard Chartered, Citibank, UOB) - lương cao hơn 30-50%, yêu cầu tiếng Anh tốt, thăng tiến rõ ràng hơn; (2) Fintech/BigTech (VNPay, MoMo, ZaloPay, Grab, Shopee) - môi trường năng động, lương cạnh tranh, học được nhiều công nghệ mới; (3) Vị trí Data Scientist/ML Engineer - nếu em đầu tư học thêm Python, ML, có thể chuyển hướng sang data science; (4) Chuyên gia tư vấn (Consultant) - làm freelance hoặc công ty tư vấn, thu nhập cao, tự do. Lời khuyên: trong 2-3 năm đầu, tập trung học Python + ML, đồng thời trau dồi nghiệp vụ sâu → em sẽ có nhiều lựa chọn nhất.

Phân tích Nghiệp vụ dữ liệu (DATA BA)