Phó phòng Dữ liệu và phân tích

Chưa phù hợp đâu em nhé! Vị trí này yêu cầu tối thiểu 7 năm kinh nghiệm data và 5 năm quản lý team. Tức là phải tầm 30-32 tuổi trở lên với profile phù hợp. Em mới ra trường nên bắt đầu ở vị trí Data Analyst hoặc Data Engineer trước, mục tiêu 5-7 năm sau sẽ có cơ hội ứng tuyển tương tự. Cố gắng tích lũy kinh nghiệm ở ngân hàng hoặc fintech trong giai đoạn đầu nhé.

Mức lương thỏa thuận nên anh chia sẻ kinh nghiệm deal thực tế: Vị trí Phó phòng ở ngân hàng tầm LPBank hiện tại dao động 80-150 triệu gross/tháng tùy năng lực, cộng thưởng KPI 2-4 tháng lương, có thể có ESOP. Khi deal, em nên: 1) Đưa ra 1 con số cao hơn mức mong muốn 15-20% vì luôn có đàm phán; 2) Đề cập các yếu tố phi lương như thưởng cổ phiếu, xe công tác, đào tạo quốc tế; 3) Nếu đang có offer khác thì dùng làm leverage. LPBank đang cần người nên khả năng deal tốt nếu em match yêu cầu.

Được nhưng cần chuẩn bị kỹ em nhé. Fintech và ngân hàng khác nhau khá nhiều: Fintech gọn nhẹ, agile; ngân hàng có nhiều quy định pháp lý, bảo mật, phải tuân thủ NHNN. Ưu điểm của em là mindset data đã có, nhưng thiếu: 1) Hiểu biết nghiệp vụ ngân hàng (tín dụng, tiền gửi, thanh toán); 2) Kinh nghiệm với hệ thống legacy (Core banking); 3) Quản lý team (5 năm kinh nghiệm nhưng có manage ai chưa?). Nếu thiếu yếu tố quản lý thì chưa đủ điều kiện vị trí này, có thể apply Senior Data thì hợp hơn.

Chuẩn bị 5 thứ: 1) Slide data strategy 10-15 trang nếu được yêu cầu; 2) Portfolio các dự án thực tế, đặc biệt dự án AI/ML trong ngân hàng; 3) Sơ đồ kiến trúc data platform em đã xây dựng; 4) Câu trả lời cho 10 câu hỏi technical thường gặp (DAMA, data quality, governance...); 5) Tìm hiểu kỹ về LPBank — họ vừa đổi tên từ LienVietPostBank, đang chuyển đổi số mạnh, có nhiều dự án lớn. Quan trọng nhất là thể hiện được em hiểu business ngân hàng chứ không chỉ là kỹ thuật data.

Tùy mục tiêu em nhé: Techcombank — top 1 về chuyển đổi số, hệ thống data chín muồi, nhưng cơ hội "gây dựng từ đầu" ít, lương tốt nhưng áp lực cao. MBBank — đang phát triển nhanh, văn hóa hiện đại, nhiều cơ hội thăng tiến. LPBank — đang trong giai đoạn chuyển mình, dễ tạo dấu ấn cá nhân, cơ hội xây từ đầu nhiều, nhưng hệ thống chưa hoàn thiện bằng 2 anh trên. Nếu em muốn "đánh đâu thắng đó" và tạo dấu ấn, LPBank là lựa chọn tốt. Nếu ưu tiên hệ thống ổn định, thì Techcombank/MBBank.

Có giá trị thực tế em nhé, đặc biệt ở ngân hàng và tập đoàn lớn. CDMP chứng minh em nắm vững framework quản trị dữ liệu quốc tế, không phải chỉ làm theo cảm tính. Trong phỏng vấn vị trí này, có CDMP sẽ được hỏi sâu vào DAMA framework — em sẽ tự tin hơn hẳn. Tuy nhiên, CDMP không thay thế được kinh nghiệm thực tế. Tốt nhất là: có CDMP + portfolio dự án thực tế + hiểu business ngân hàng. Combo đó sẽ rất mạnh.

Câu này hay đó! Trưởng nhóm sang Phó phòng thì về danh xưng là "lên" nhưng thực tế cần cân nhắc: 1) Ngân hàng có hệ thống phức tạp hơn, thời gian làm quen có thể 6-12 tháng; 2) Lương có thể không tăng nhiều nếu em đang ở vị trí tốt ở công ty ngoài; 3) Nhưng nếu em muốn vào ngân hàng để học nghiệp vụ tài chính thì đây là cơ hội tốt. Câu hỏi quan trọng là: Mục tiêu 5 năm tới của em là gì? Nếu muốn thành CDO ngân hàng thì đây là bước đệm cần thiết.

Có, có vài rủi ro em cần biết: 1) Chiến lược có thể thay đổi theo tình hình thị trường, dự án có thể bị cắt giảm; 2) Hệ thống cũ chưa được thay thế hoàn toàn, sẽ vừa làm vừa sửa; 3) Văn hóa ngân hàng truyền thống có thể conflict với tư duy đổi mới; 4) KPI áp lực lớn. Nhưng mặt khác: 1) Cơ hội học hỏi rất nhiều; 2) Tên tuổi sẽ nhanh chóng được nâng cao nếu thành công; 3) Mức lương + thưởng có thể tốt nếu dự án đạt. Em nên tìm hiểu kỹ người quản lý trực tiếp trước khi quyết định.

Thường có 4 nhóm KPI chính: 1) Data quality & governance: Tỷ lệ data accuracy, completeness, % hệ thống tuân thủ governance framework; 2) Adoption & business impact: Số lượng user sử dụng data platform, số dashboard/insight phục vụ quyết định, doanh thu tiết kiệm được nhờ data-driven; 3) AI/ML project delivery: Số model deploy lên production, ROI của từng model (fraud detection giảm bao nhiêu %, credit scoring accuracy bao nhiêu...); 4) Team performance: Retention rate, OKR hoàn thành, training hours. Em nên hỏi rõ KPI trong buổi phỏng vấn để hiểu kỳ vọng.

Khác khá nhiều em nhé: 1) Dữ liệu: Ngân hàng có nhiều dữ liệu nhạy cảm (tài chính, cá nhân), phải tuân thủ Nghị định 13/2023; 2) Tốc độ đổi mới: Công ty tech thay đổi nhanh hơn ngân hàng; 3) Quy trình: Ngân hàng có nhiều quy trình phê duyệt hơn; 4) Data quality: Ở ngân hàng dữ liệu thường legacy, dirty hơn nhiều so với công ty tech; 5) Tác động: Một model sai ở ngân hàng có thể ảnh hưởng hàng triệu khách hàng. Đổi lại: ổn định hơn, đãi ngộ tốt hơn, được làm việc với dữ liệu có giá trị thực tế cao.