Senior Data Engineer
Mô tả công việc
Job Purpose
- The job holder is responsible for designing and developing programs, algorithms and automated processes to cleanse, integrate and evaluate large datasets from disparate sources and implement complex business logic as needed with the available data processing tools.
- The job holder will be responsible for integrating new data sources to increase throughput of existing systems, managing data pipelines that facilitate robust analysis, and sourcing và preparing data to ensure data completeness on metadata platforms.
Key Accountabilities (1)
Data Architecture
- Deliver functionality required for business and data analysts, data scientists and other business roles to advance the overall analytic performance and strategy of the bank
- Build the best practices and strategies for data infrastructure to fulfill data analytic and utilization needs of the business with emerging latest technologies and capabilities.
- Proactively drive the effort of identifying opportunities to manage data and provide solutions for complex data feeds within the bank.
- Evaluate various data architectures in the bank and utilize them to develop data solutions to meet business requirements.
- Drive the delivery of data products and services into systems and business processes in compliance with internal regulatory requirements.
- Oversee the review of internal and external business and product requirements for data operations and activity and suggests changes and upgrades to systems and storage to accommodate ongoing needs.
Key Accountabilities (2)
Data Integration
- Strategically obtain and integrate data and information from various sources into the firm’s platforms, solutions and statistical models.
- Lead discussion with Data Scientists to understand the data requirements and create re-usable data assets to enable data scientists to build and deploy machine learning models faster.
- Design, build, and maintain optimized data pipelines and ETL solutions as business support tools in providing analysis and real time analytics platform for critical decision making.
- Ensure data assets are organized and stored in an efficient way so that information is high quality, reliable, flexible, and efficient.
Key Accountabilities (3)
Project Management
- Manage project conflicts, challenges and dynamic business requirements to keep operations running at high performance.
- Work with team leads to resolve people problems and project roadblocks, conduct post mortem and root cause analysis to help squads continuously improve their practices to ensure maximum productivity.
Talent Development
- Mentor and coach junior fellows into fully competent Data Engineers.
- Identify and encourage areas for growth and improvement within the team.
Success Profile - Qualification and Experiences
Qualifications
- Bachelor's or Master’s degree in Statistics, Mathematics, Quantitative Analysis, Computer Science, Software Engineering or Information Technology
Work Experience
- 3-5+ years of relevant experience with developing, debugging, scripting and employing big data technologies (e.g. Hadoop, Spark, Flink, Kafka, Arrow, Tableau), database technologies (e.g. SQL, NoSQL, Graph databases), and programming languages (e.g. Python, R, Scala, Java, Rust, Kotlin) with preference towards functional/trait oriented
- English proficiency requirements are pursuant to Techcombank's policy
- Deep experience in designing and building dimensional data models, ETL processes, applied data warehouse concepts and methodologies, optimized data pipelines and wore the architect hat in the past or worked with one extensively
- Deep experience with monitoring complex system and solving data and systems issues having a consistent and algorithmic approach to resolving them
- Deep understanding of Information Security principles to ensure compliant handling and management of all data
- Experience working in Agile teams to lead successful digital transformation projects, having mastered Agile principles, practices and Scrum methodologies
- Has the know-how and the scripting and coding prowess to set up, configure và maintain a machine learning model development environment
- Experience architecting, coding and delivering high performance micro services and/or recommenders delivering recommendations to (tens of) millions of users
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Senior Data Engineer tại Techcombank
🎯 Tổng quan vị trí
Đây là vị trí Senior trong khối Data & Analytics, đòi hỏi không chỉ coding skills mà còn tư duy kiến trúc dữ liệu (data architecture) và khả năng mentoring. Techcombank đang đẩy mạnh chuyển đổi số nên đây là vị trí chiến lược.
---
1️⃣ Hard Skills (Bắt buộc)
| Nhóm kỹ năng | Công nghệ cụ thể | Mức yêu cầu |
|---|---|---|
| Big Data | Hadoop, Spark, Flink, Kafka | 3-5+ năm |
| Database | SQL (PostgreSQL, MySQL), NoSQL (MongoDB, Cassandra), Graph DB (Neo4j) | Thành thạo |
| Programming | Python, Scala, Java (ưu tiên functional) | Thành thạo |
| ETL/Data Pipeline | Airflow, dbt, Spark Streaming, Kafka Streams | Thiết kế & tối ưu |
| Data Modeling | Dimensional modeling, Star/Snowflake schema, Data Vault | Nâng cao |
| Cloud | AWS/GCP/Azure (ưu tiên AWS vì TCB dùng AWS) | Có kinh nghiệm |
| BI Tools | Tableau, Power BI | Biết sử dụng |
2️⃣ Kỹ năng bổ sung (có là lợi thế lớn)
- MLOps: Setup môi trường phát triển ML model (MLflow, Kubeflow, SageMaker)
- Container & Orchestration: Docker, Kubernetes
- Infrastructure as Code: Terraform, CloudFormation
- Streaming: Real-time analytics, event-driven architecture
- API/Microservices: Xây dựng hệ thống recommendation serving triệu user
3️⃣ Soft Skills
- Tư duy kiến trúc: Đánh giá được trade-off giữa các data architecture
- Communication: Lead discussion với Data Scientist, BA, stakeholders
- Mentoring: Coaching junior members
- Project management: Xử lý conflict, root cause analysis
- Agile mindset: Scrum/Kanban thành thạo
4️⃣ Chứng chỉ gợi ý (nếu cần bổ sung CV)
| Chứng chỉ | Tổ chức | Mức độ ưu tiên |
|---|---|---|
| AWS Certified Data Analytics – Specialty | AWS | ⭐⭐⭐⭐⭐ |
| Google Professional Data Engineer | ⭐⭐⭐⭐ | |
| Databricks Certified Data Engineer | Databricks | ⭐⭐⭐⭐ |
| Certified ScrumMaster (CSM) | Scrum Alliance | ⭐⭐⭐ |
| dbt Analytics Engineering | dbt Labs | ⭐⭐⭐ |
📊 Đánh giá mức độ phù hợp
- Senior Data Engineer ở fintech/bank khác → 90% match ✅
- Data Scientist muốn chuyển sang Engineering → 65% match (cần bổ sung kỹ năng infra)
- Backend Engineer muốn chuyển sang Data → 70% match (cần học big data ecosystem)
- Fresher/Junior → 30% match (thiếu kinh nghiệm thực chiến)
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn Senior Data Engineer – Techcombank
📋 Quy trình tuyển dụng dự kiến (4-5 vòng)
Vòng 1: HR Screening (30-45 phút)
- Giới thiệu bản thân, kinh nghiệm
- Lý do ứng tuyển Techcombank
- Mức lương mong muốn, thời điểm onboard
- Câu hỏi về culture fit
Vòng 2: Technical Test (Online/HackerRank)
- SQL nâng cao (window functions, optimization)
- Python/Scala coding (data manipulation)
- ETL logic, data modeling case study
- Thường 2-3 bài trong 60-90 phút
Vòng 3: Technical Deep-dive (2-3 interviewers)
- Kiến trúc dữ liệu: thiết kế pipeline cho use case cụ thể
- System design: scale hệ thống recommend/realtime analytics
- Big data: Spark vs Flink, Kafka partitioning, data skew
- Data warehouse: dimensional modeling, SCD Type 2
Vòng 4: Managerial/Leadership Round
- Cách mentoring junior
- Xử lý conflict trong team
- Quyết định kiến trúc khi có nhiều option
- Agile/Scrum experience
Vòng 5: Final Interview (Head of Division/GĐ Khối)
- Tầm nhìn nghề nghiệp
- Đóng góp cho chiến lược data của TCB
- Thương thảo lương cuối cùng
---
❓ Câu hỏi thường gặp theo từng vòng
Vòng Technical – SQL/Data:
- "Tối ưu query khi table có hàng tỷ records như thế nào?"
- "Giải thích SCD Type 1, 2, 3 và khi nào dùng?"
- "Phân biệt Star Schema và Snowflake Schema"
- "Xử lý data skew trong Spark như thế nào?"
Vòng Technical – System Design:
- "Thiết kế real-time fraud detection pipeline cho 10M transactions/ngày"
- "Làm sao đảm bảo data quality khi integrate từ 20+ source systems?"
- "Thiết kế data lake vs data warehouse cho ngân hàng"
- "Cách track data lineage và metadata management"
Vòng Managerial:
- "Bạn đã mentor junior như thế nào? Cho ví dụ cụ thể"
- "Khi team member không đồng ý về technical decision, bạn xử lý ra sao?"
- "Post-mortem một project thất bại gần đây nhất"
Câu hỏi về Techcombank:
- "Bạn biết gì về chiến lược chuyển đổi số của TCB?"
- "Tại sao chọn TCB mà không phải ngân hàng khác?"
---
💡 Tips chuẩn bị
1. Nghiên cứu Techcombank trước: Đọc về chiến lược "AI-first banking", hệ sinh thái số của họ
2. Chuẩn bị 2-3 case study: Mô tả rõ data pipeline bạn đã build, scale bao nhiêu, challenges gì
3. STAR method: Chuẩn bị các tình huống theo Situation-Task-Action-Result
4. Demo portfolio: Nếu có GitHub với data project thì cực tốt
👔 Dress Code
- Vòng HR: Business casual
- Vòng Technical: Smart casual (sơ mi + quần tây/quần kaki, không cần vest)
- Vòng Final: Business formal
- Tránh đồ quá casual (áo thun, quần jean rách)
🔥 Mẹo "ghi điểm" với Techcombank
- Thể hiện hiểu biết về banking domain: AML, fraud, credit scoring, customer 360
- Đề cập kinh nghiệm với regulatory compliance (SBV, Circular 13/2018)
- Nêu được kinh nghiệm scale hệ thống ở mức production thực sự
Lộ trình ôn thi
Lộ trình ôn tập & chuẩn bị trong 1-2 tuần
📚 Kiến thức nền tảng cần ôn
Tuần 1: Foundation (Nền tảng vững)
Ngày 1-2: SQL & Data Modeling
- Window functions (ROW_NUMBER, RANK, LAG, LEAD)
- CTE, recursive queries
- Query optimization, execution plan
- Dimensional modeling (Kimball methodology)
- Data Vault, One Big Table (OBT) – trade-offs
Ngày 3-4: Big Data Ecosystem
- Spark architecture, RDD vs DataFrame vs Dataset
- Spark optimization: partition, broadcast join, data skew
- Kafka: partition, consumer group, exactly-once semantics
- Flink vs Spark Streaming
Ngày 5-7: Programming & ETL
- Python: pandas, PySpark, airflow
- Scala/Java: functional programming concepts
- ETL design patterns: incremental load, CDC, idempotency
- Orchestration: Airflow DAG design, error handling
Tuần 2: Advanced & Banking Domain
Ngày 8-9: System Design
- Thiết kế data pipeline end-to-end
- Lambda vs Kappa architecture
- Data lakehouse (Iceberg, Delta Lake, Hudi)
- Real-time analytics platform
Ngày 10-11: Cloud & MLOps
- AWS: S3, Glue, Redshift, EMR, Kinesis, SageMaker
- Terraform cơ bản
- Docker, Kubernetes cơ bản
- MLflow/Kubeflow cho ML model deployment
Ngày 12-14: Banking Domain & Soft Skills
- Tìm hiểu: AML, fraud detection, credit scoring, customer segmentation
- Đọc về SBV regulations liên quan đến data
- Ôn lại Agile/Scrum ceremonies
- Luyện STAR stories cho behavioral questions
---
📖 Tài liệu tham khảo
Sách nên đọc:
| Sách | Tác giả | Ưu tiên |
|---|---|---|
| Designing Data-Intensive Applications | Martin Kleppmann | ⭐⭐⭐⭐⭐ |
| The Data Warehouse Toolkit | Ralph Kimball | ⭐⭐⭐⭐⭐ |
| Spark: The Definitive Guide | Bill Chambers | ⭐⭐⭐⭐ |
| Fundamentals of Data Engineering | Joe Reis | ⭐⭐⭐⭐⭐ |
| Building Microservices | Sam Newman | ⭐⭐⭐ |
Khóa học online:
- Coursera: Google Data Engineering Professional Certificate
- Udemy: Apache Kafka Series (Stephane Maarek)
- DataTalksClub: Data Engineering Zoomcamp (miễn phí)
- A Cloud Guru: AWS Data Analytics Specialty
Blog/Tài liệu free:
- AWS Big Data Blog
- Netflix Tech Blog (data infrastructure)
- Uber Engineering Blog
- Towards Data Science trên Medium
- Techcombank Engineering Blog (nếu có)
Tài liệu tiếng Việt:
- Viblo, Kipalog (nhiều bài về Spark, Kafka)
- Cộng đồng Vietnam Data Engineer trên Facebook
---
🎯 Bài tập thực hành nên làm
1. Build mini ETL pipeline: Đọc từ MySQL → xử lý với Spark → load vào BigQuery/Snowflake
2. Streaming project: Kafka → Spark Streaming → Dashboard
3. Data warehouse project: Star schema cho dataset retail hoặc banking
4. System design practice: Vẽ architecture cho use case ngân hàng
---
⚡ Checklist ngày phỏng vấn
- [ ] Ôn 5 case study về projects đã làm
- [ ] Chuẩn bị câu hỏi cho interviewer (3-5 câu)
- [ ] In 2 bản CV (dù HR đã có)
- [ ] Test thiết bị nếu phỏng vấn online
- [ ] Đến sớm 10-15 phút hoặc online sẵn sàng trước 5 phút
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho Senior Data Engineer tại Ngân hàng
🛤️ Lộ trình thăng tiến trong lĩnh vực Data Engineering
```
Junior Data Engineer (0-2 năm)
↓
Data Engineer (2-4 năm)
↓
Senior Data Engineer (4-6 năm) ← BẠN ĐANG Ở ĐÂY
↓
┌─────────────────────┬──────────────────┐
↓ ↓ ↓
Staff/Principal Data Engineering Data Platform
Data Engineer Manager Architect
↓ ↓ ↓
└─────────────────────┴──────────────────┘
↓
Head of Data / CDO
```
💰 Mức lương kỳ vọng theo cấp bậc (Thị trường VN, 2024-2025)
| Cấp bậc | Kinh nghiệm | Mức lương Gross (VND/tháng) |
|---|---|---|
| Junior Data Engineer | 0-2 năm | 15-25 triệu |
| Data Engineer | 2-4 năm | 25-45 triệu |
| Senior Data Engineer | 4-6 năm | 45-80 triệu |
| Staff/Lead Data Engineer | 6-9 năm | 70-120 triệu |
| Data Engineering Manager | 7-10 năm | 80-150 triệu |
| Data Platform Architect | 8-12 năm | 100-200 triệu |
| Head of Data | 10+ năm | 150-300+ triệu |
Lưu ý cho Techcombank:
- Lương Senior ở TCB thường trong khoảng 45-80 triệu cho fresh senior, có thể lên 100-120 triệu nếu có offer cạnh tranh
- TCB có chính sách TCB Share cho nhân viên (ESOP) – hỏi rõ khi đàm phán
- Lương 13th month + bonus Tết + performance bonus
- Phúc lợi: Bảo hiểm sức khỏe cao cấp, gym, lunch, training budget
🎯 Chiến lược deal lương
1. Research trước: Tham khảo Levels.fyi, Glassdoor, và feedback từ cựu nhân viên
2. Đưa ra range: "Mong muốn 60-80 triệu gross" thay vì một con số cụ thể
3. Đề cập total compensation: Lương + ESOP + bonus + benefits
4. Có offer cạnh tranh: Đây là leverage mạnh nhất
---
📈 Kỹ năng cần phát triển thêm để lên cấp cao hơn
Để lên Staff/Principal:
- System Design ở scale cực lớn: Petabyte-scale data
- Multi-cloud strategy: Không phụ thuộc 1 cloud provider
- Cost optimization: FinOps cho data infrastructure
- Mentorship: Xây dựng được đội ngũ 5-10 người
Để lên Manager:
- People management: Hiring, performance review, 1-on-1
- Strategic thinking: Data strategy cho toàn bank
- Stakeholder management: Làm việc với C-level
- Budget management: Quản lý chi phí infra data
Để lên Architect:
- Cross-domain expertise: Security, network, application
- Vendor evaluation: Chọn tech stack, đàm phán với vendor
- Innovation: Đề xuất emerging tech (GenAI, real-time ML)
- Industry trends: Theo dõi data mesh, data fabric
---
⚠️ Lời khuyên thực tế
Nên làm:
- ✅ Chọn ngân hàng đang đầu tư mạnh vào data (TCB, MBB, VPB, TPBank)
- ✅ Quan tâm đến business impact chứ không chỉ tech
- ✅ Học banking domain – đây là lợi thế cạnh tranh so với data engineer ở tech company
- ✅ Xây dựng personal brand: viết blog, share talks ở cộng đồng
Cẩn thận:
- ⚠️ Ngân hàng có thể chậm adapt tech mới hơn fintech
- ⚠️ Compliance burden nặng hơn (phải hiểu SBV regulations)
- ⚠️ Legacy systems có thể gây khó khăn khi modernize
- ⚠️ Đừng nhảy việc quá sớm (dưới 2 năm mỗi nơi)
🔮 Xu hướng tương lai nên quan tâm
1. GenAI/LLM cho data engineering: Auto-generate SQL, documentation
2. Data Mesh & Data Fabric: Decentralized data ownership
3. Real-time everything: Streaming-first architecture
4. AI Governance: Model risk management, explainability
5. Lakehouse adoption: Iceberg, Delta thay thế Data Lake + Warehouse
Câu hỏi thường gặp
Em mới ra trường ngành IT, muốn ứng tuyển Senior Data Engineer tại Techcombank thì cần chuẩn bị gì?
Vị trí Senior thường yêu cầu 3-5+ năm kinh nghiệm, nên nếu mới ra trường thì em chưa phù hợp đâu. Lời khuyên của anh/chị: (1) Bắt đầu với vị trí Junior Data Engineer hoặc Data Analyst ở công ty nhỏ trước, (2) Học thật chắc SQL, Python, Spark qua các chứng chỉ AWS Data Analytics hoặc Google Data Engineer, (3) Làm 2-3 personal project về ETL pipeline để có portfolio, (4) Sau 2-3 năm tích lũy kinh nghiệm production thật rồi hãy apply vị trí Senior. Đừng vội, nền tảng vững sẽ giúp em đi xa hơn.
Mức lương Senior Data Engineer tại Techcombank khoảng bao nhiêu? Có nên deal không?
Theo thị trường hiện tại, Senior Data Engineer ở Techcombank dao động khoảng 45-80 triệu gross cho người có 4-5 năm kinh nghiệm, có thể lên tới 100 triệu nếu em có edge về cloud hoặc ML platform. Lưu ý TCB còn có chính sách TCB Share (ESOP) – đây là phần quan trọng không nên bỏ qua khi đàm phán. Về deal: nên deal! Trung bình ứng viên deal được 10-20% nếu có offer cạnh tranh hoặc skill đặc biệt. Mẹo: đưa ra range (ví dụ 'em mong 60-75 triệu') thay vì một con số, và nhấn mạnh total compensation.
Tôi đang là Data Scientist 3 năm ở công ty fintech, muốn chuyển sang Data Engineer tại ngân hàng thì có khả thi không?
Hoàn toàn khả thi và đây là hướng chuyển phổ biến! Em đã có nền tảng tốt về Python, hiểu ML models, làm việc với data. Cần bổ sung: (1) Production engineering: Docker, Kubernetes, CI/CD, infrastructure as code, (2) Big data ecosystem sâu hơn: Spark, Kafka ở mức production, không chỉ dùng mà phải vận hành, (3) Data modeling & ETL design patterns, (4) Banking domain: AML, fraud, credit scoring. Khoảng 6 tháng tự học + làm side project là em có thể apply được. Lợi thế của em là hiểu use case từ phía Data Scientist – đây là điểm rất TCB đang cần theo mô tả công việc.
Công việc hàng ngày của Senior Data Engineer ở ngân hàng như thế nào? Có khác gì ở tech company không?
Khác khá nhiều đó em! Ở ngân hàng, một ngày của Senior Data Engineer thường có: 30% coding (build pipeline, optimize Spark jobs), 20% review code & mentoring junior, 20% họp với stakeholders (BA, Data Scientist, Product Manager), 15% troubleshooting data issues, 15% documentation & design. Điểm khác biệt lớn so với tech company: (1) Nhiều compliance hơn – mọi data flow phải audit được, (2) Legacy systems nhiều – phải integrate với mainframe cũ, (3) Release cycle chậm hơn – thường 2 tuần thay vì deploy liên tục, (4) Domain knowledge quan trọng – phải hiểu nghiệp vụ ngân hàng. Bù lại: ổn định hơn, làm việc với data volume cực lớn, và impact rõ ràng.
Tech stack ở Techcombank có gì đặc biệt? Có dùng Snowflake không?
Theo thông tin em biết được và xu hướng chung của ngân hàng lớn tại VN, Techcombank có xu hướng đi theo hướng cloud-first, nhiều khả năng dùng AWS làm platform chính. Họ cũng đang đầu tư vào data lakehouse và real-time analytics cho chiến lược AI-first banking. Về Snowflake hay Databricks cụ thể thì chỉ có insider mới biết chính xác, em nên hỏi trong buổi phỏng vấn – đây cũng là câu hỏi hay để thể hiện em quan tâm đến môi trường làm việc. Tuy nhiên, với yêu cầu công việc liệt kê Hadoop/Spark/Kafka, nhiều khả năng họ vẫn có hybrid giữa on-premise và cloud.
Tôi đã ở vị trí Senior Data Engineer 5 năm, muốn apply lên Staff/Lead thì cần gì?
Để lên Staff/Lead Data Engineer ở TCB hoặc tương đương, em cần: (1) Technical depth: Làm chủ ít nhất 2-3 domain sâu (ví dụ: streaming + ML platform + cloud architecture), (2) System design ở scale petabyte – phỏng vấn Staff sẽ hỏi thiết kế hệ thống data cho cả ngân hàng, (3) Leadership evidence: Đã lead project cross-team, không chỉ lead team, (4) Mentorship track record: Build được team 3-5 người từ junior lên mid/senior, (5) Open source / community contribution là big plus, (6) Business acumen: Hiểu ROI của data projects, nói được với C-level. Thường thì 2-3 năm ở vị trí Senior giỏi + làm đúng project lớn là em có thể lên Staff.
Phỏng vấn Senior Data Engineer ở TCB có khó không? Tỷ lệ pass bao nhiêu?
Phỏng vấn ở các ngân hàng lớn như TCB thường khá chặt chẽ, anh/chị đánh giá độ khó khoảng 7/10 so với thị trường. Tỷ lệ pass các vòng ước tính: HR screening ~60%, Technical test ~40%, Technical interview ~30%, Managerial ~50%, Final ~70% → tổng tỷ lệ end-to-end khoảng 5-8%. Điểm khó nhất thường là vòng Technical deep-dive vì họ hỏi rất sâu về system design và tình huống production thực tế, không chỉ lý thuyết. Mẹo để tăng tỷ lệ pass: (1) Chuẩn bị kỹ 2-3 project đã làm với metrics rõ ràng, (2) Practice coding SQL/Python trên LeetCode medium-hard, (3) Đọc kỹ JD và chuẩn bị mapping skill, (4) Mock interview với bạn bè trước.
Có nên rời công ty fintech để qua làm Data Engineer ở ngân hàng không?
Câu hỏi hay! Câu trả lời phụ thuộc vào ưu tiên của em: Nên qua nếu: em muốn làm việc với data volume cực lớn ở môi trường mission-critical, cần sự ổn định, muốn build data platform từ đầu, hoặc muốn hiểu sâu banking domain. Lương và benefits ở bank lớn (TCB, MBB, VPB) thường không thua fintech, có khi còn hơn nhờ ESOP. Nên ở lại fintech nếu: em thích tốc độ ship nhanh, culture startup, làm product-facing nhiều hơn. Thực tế ở VN hiện tại, ngân hàng lớn đang catch up về tech stack và compensation – đây là thời điểm tốt để chuyển nếu em muốn thử thách mới.