Techcombank
Senior Data Scientist (40000031)
TP. Ho Chi Minh
Data And Analytics Division
Expert
Mô tả công việc
## Job Purpose
- The job holder supervises the setup of analytical tools to generate insights for customer journeys and product enhancements using programming methods, processes and systems to consolidate and analyze unstructured, diverse Big Data sources.
- The job holder is required to take initiative in experimenting various technologies and tools with vision of creating innovative data driven insights for the business at the quickest pace possible and keep current with technical and industry developments.
## Key Accountabilities (1)
Data Solutioning
- Evaluate effectiveness of proposed models and track business performance against data analysis model.
- Build cutting-edge algorithms and work with machine learning and deep learning tools to deliver advance analytics solutions across the firm including recommendation engines, customized data models, customer journeys, graph modes, etc.
- Drive application of machine learning and big data techniques across different journeys and squads.
- Manage, execute, and review complex data science projects in an agile manner and in compliance with internal regulatory requirements.
## Key Accountabilities (2)
Data Insighting
- Lead the identification and interpretation of meaningful and actionable insights from large data and metadata sources.
- Review processes and tools designed to monitor and analyze model performance and data accuracy.
- Proactively lead discussions in 3+ squads to identify questions and issues for data analysis
- Collaborate with Data Engineers to build complex, technical algorithms in data analytics software applications to improve work efficiency.
## Key Accountabilities (3)
Projects 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 Data Analysts into fully competent Data Scientists.
- Identify and encourage areas for growth and improvement within the tribe.
## 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
- 7+ years of relevant experience in areas of data analysis, machine learning, deep learning model development on large amount of data, implementing and deploying various statistical models
- English proficiency requirements are pursuant to Techcombank's policy
- Deep experience in querying databases and using programming languages (e.g. C, C++, R, Python, Scala, SQL, Java, Tableau, R)
- Extensive experience in building data and analytics solutions, data mining, statistical analysis and data visualization
- Experience in application of machine learning and AI to questions related to the financial markets
- Experience in providing fact-based insights to help senior management and other stakeholders realize enterprise value at scale
- Deep experience in Agile Software Development and has mastery of Agile principles, practices and Scrum methodologies
- Experience working in Agile teams to lead successful digital transformation projects, involved in the end-to-end planning to implementation
Phân tích kỹ năng cần có
## Phân tích Kỹ năng Yêu cầu cho Senior Data Scientist - Techcombank
### 1. Hard Skills (Kỹ năng Chuyên môn)
#### 🎯 Kỹ năng Lập trình & Công nghệ
| Cấp bậc | Ngôn ngữ/Công cụ | Mức độ yêu cầu |
|---------|------------------|----------------|
| Bắt buộc | Python | Chuyên sâu (7+ năm) |
| Bắt buộc | SQL | Chuyên sâu |
| Bắt buộc | R | Trung bình - Cao |
| Ưu tiên | Scala | Cao |
| Ưu tiên | Java | Trung bình - Cao |
| Ưu tiên | C/C++ | Trung bình |
| Ưu tiên | Tableau | Trung bình - Cao |
#### 🎯 Kỹ năng Data Science & ML
| Lĩnh vực | Chi tiết | Mức độ |
|----------|---------|--------|
| Machine Learning | Supervised/Unsupervised learning, Ensemble methods | Chuyên sâu |
| Deep Learning | Neural networks, CNN, RNN, Transformers | Cao |
| Statistical Analysis | Regression, Time series, A/B testing | Chuyên sâu |
| Data Mining | Pattern recognition, Clustering, Association rules | Chuyên sâu |
| Data Visualization | Dashboard design, Storytelling with data | Cao |
| Big Data | Spark, Hadoop ecosystem | Cao |
#### 🎯 Kiến thức Nghiệp vụ Ngân hàng/Tài chính
- Credit scoring và risk modeling
- Customer lifetime value (CLV) prediction
- Fraud detection
- Recommendation systems cho sản phẩm ngân hàng
- Customer journey analytics
- Financial market analysis
#### 🎯 Phương pháp luận
- Agile/Scrum master level
- Data-driven decision making
- End-to-end ML pipeline development
- Model deployment (MLOps)
- A/B testing và experiment design
---
### 2. Soft Skills (Kỹ năng Mềm)
| Kỹ năng | Mô tả | Tầm quan trọng |
|---------|-------|----------------|
| **Leadership** | Mentor và coach Data Analysts thành Data Scientists | ⭐⭐⭐⭐⭐ |
| **Communication** | Present insights cho C-level stakeholders | ⭐⭐⭐⭐⭐ |
| **Cross-functional Collaboration** | Làm việc với 3+ squads đồng thời | ⭐⭐⭐⭐ |
| **Problem Solving** | Quản lý xung đột dự án, dynamic requirements | ⭐⭐⭐⭐⭐ |
| **Strategic Thinking** | Fact-based insights cho enterprise value | ⭐⭐⭐⭐ |
| **Agile Mindset** | Thích ứng với thay đổi nhanh | ⭐⭐⭐⭐ |
---
### 3. Chứng chỉ Gợi ý
#### Khuyến nghị theo thứ tự ưu tiên:
| STT | Chứng chỉ | Nhà cung cấp | Giá trị |
|-----|-----------|--------------|--------|
| 1 | AWS Certified Machine Learning - Specialty | Amazon Web Services | ⭐⭐⭐⭐⭐ |
| 2 | Google Professional Machine Learning Engineer | Google Cloud | ⭐⭐⭐⭐⭐ |
| 3 | CFA (Level I-II) | CFA Institute | ⭐⭐⭐⭐ |
| 4 | FRM (Financial Risk Manager) | GARP | ⭐⭐⭐⭐ |
| 5 | Databricks Certified Data Engineer Professional | Databricks | ⭐⭐⭐⭐ |
| 6 | Data Science Certificates (Harvard, Stanford) | Online Platforms | ⭐⭐⭐ |
---
### 4. Bảng So sánh: Ứng viên Ideal vs. Acceptable
| Tiêu chí | Ứng viên Ideal | Ứng viên Acceptable |
|----------|----------------|---------------------|
| **Kinh nghiệm** | 7-10+ năm DS/ML | 5-7 năm DS/ML |
| **Học vấn** | Master's + PhD (ưu tiên) | Master's hoặc Bachelor xuất sắc |
| **Ngôn ngữ** | Python + R + Scala (3+) | Python + SQL (2+) |
| **Domain** | Banking/Fintech experience | IT/Software background |
| **Team size** | Led team 5+ members | Worked in team 3+ |
| **ML scale** | Petabyte-scale data | Gigabyte-scale data |
| **Certification** | Cloud ML certified | Có hoặc không |
---
### 5. Technical Assessment Areas
**Phỏng vấn kỹ thuật sẽ tập trung vào:**
1. **ML System Design** (40%)
- Design recommendation system cho ngân hàng
- Fraud detection pipeline architecture
- Model serving và monitoring
2. **Coding & Algorithms** (30%)
- Python/R advanced usage
- SQL optimization
- Algorithm complexity analysis
3. **Statistics & Math** (20%)
- Probability distributions
- Hypothesis testing
- Linear algebra trong ML
4. **Domain Knowledge** (10%)
- Banking products & regulations
- Risk management basics
- Customer analytics frameworks
Chuẩn bị phỏng vấn
## Hướng dẫn Phỏng vấn Senior Data Scientist - Techcombank
### 1. Quy trình Phỏng vấn Dự kiến
Techcombank thường có **4-5 vòng phỏng vấn**, tập trung vào technical depth và culture fit:
| Vòng | Nội dung | Thời lượng | Người phỏng vấn |
|------|---------|------------|------------------|
| **Vòng 1** | Screening với HR | 30-45 phút | Recruiter |
| **Vòng 2** | Technical Screening | 60 phút | Senior Data Scientist/Team Lead |
| **Vòng 3** | Deep Technical Interview | 90-120 phút | Data Science Manager + Tech Panel |
| **Vòng 4** | Case Study Presentation | 60 phút | Head of Data + Business Stakeholders |
| **Vòng 5** | Final Interview | 45-60 phút | VP/C-level (Culture fit) |
---
### 2. Câu hỏi Hay gặp theo từng Vòng
#### 🎯 Vòng 1: HR Screening
- "Giới thiệu ngắn gọn về background và kinh nghiệm DS của bạn"
- "Tại sao bạn quan tâm đến Techcombank và vị trí này?"
- "Mức lương kỳ vọng của bạn là bao nhiêu?"
- "Bạn có thể mô tả một dự án DS mà bạn tự hào nhất?"
- "Bạn đang có những offer khác không?"
#### 🎯 Vòng 2: Technical Screening
- "Explain how you would build a credit scoring model from scratch"
- "What's the difference between L1 and L2 regularization?"
- "How do you handle imbalanced datasets?"
- "Describe the ML pipeline you typically follow"
- "SQL: Write a query to calculate running total of transactions"
- "Python: How would you optimize a slow pandas operation on large dataset?"
#### 🎯 Vòng 3: Deep Technical Interview
- "Design a fraud detection system for online banking transactions"
- "How would you approach building a customer churn prediction model?"
- "Explain gradient descent variants (SGD, Momentum, Adam)"
- "How do you perform feature selection for high-dimensional data?"
- "Walk me through your experience with model deployment (MLOps)"
- "How would you handle data quality issues in production?"
- "Explain cross-validation and why it's important"
- "Scenario: Model performance degraded 20% overnight. What do you do?"
#### 🎯 Vòng 4: Case Study Presentation
- Chuẩn bị 10-15 phút presentation về:
- Một dự án DS thành công
- Business impact đạt được (metrics)
- Technical challenges và solutions
- Team collaboration approach
**Sample Case Study Questions:**
- "Techcombank muốn reduce customer churn by 15%. How would you approach this?"
- "Design a personalized product recommendation engine for our mobile app"
- "How would you build a real-time credit decisioning system?"
#### 🎯 Vòng 5: Culture Fit & Leadership
- "How do you mentor junior data scientists?"
- "Describe a time when you had to influence stakeholders without authority"
- "How do you handle disagreements with business teams about model results?"
- "Where do you see yourself in 3-5 years?"
- "What are your expectations from Techcombank?"
---
### 3. Tips Chuẩn bị Chi tiết
#### 📚 Ôn tập Technical
**Must-know topics (theo thứ tự ưu tiên):**
1. **Machine Learning Algorithms**
- Classification: Logistic Regression, Random Forest, XGBoost, LightGBM
- Clustering: K-means, DBSCAN, Hierarchical
- Dimensionality Reduction: PCA, t-SNE, UMAP
- Deep Learning: CNN, RNN/LSTM, Transformers basics
2. **Statistics**
- A/B testing và statistical significance
- Bayesian vs Frequentist approach
- Time series analysis (ARIMA, Prophet)
3. **SQL Advanced**
- Window functions (LAG, LEAD, RANK)
- CTEs và subqueries
- Query optimization techniques
4. **Python Libraries**
- pandas, numpy, scikit-learn
- TensorFlow/PyTorch basics
- Spark/DataBricks (nếu có kinh nghiệm)
#### 💡 Tips Phỏng vấn Techcombank-specific
1. **Research Techcombank trước**
- Đọc về transformation journey của họ
- Hiểu "Customer First" mindset
- Techcombank đang tập trung vào digital banking
2. **Chuẩn bị Business Questions**
- Các KPIs ngân hàng: NIM, CASA ratio, NPL
- Banking products: Checking, savings, loans, cards
- Regulatory requirements (Basel, circulars của NHNN)
3. **STAR Method cho Behavioral Questions**
- S - Situation
- T - Task
- A - Action
- R - Result
4. **Technical Communication**
- Practice "ELI5" (Explain Like I'm 5) approach
- Dùng diagrams để illustrate complex concepts
- Kết nối technical decisions với business outcomes
---
### 4. Dress Code & Logistics
| Yếu tố | Khuyến nghị |
|--------|-------------|
| **Trang phục** | Business casual (không cần suit quá formal) |
| **Địa điểm** | Techcombank Tower, Q1, HCM (hoặc online) |
| **Thời gian** | Thường 9:00-17:00, tránh giờ nghỉ trưa |
| **Tài liệu** | Mang laptop, prepare portfolio/GitHub link |
| **Questions to ask** | Chuẩn bị 3-5 câu hỏi insightful cho interviewer |
---
### 5. Questions Nên Hỏi Nhà tuyển dụng
✅ "What does success look like for this role in the first 90 days?"
✅ "How does the data science team collaborate with business units?"
✅ "What's the current tech stack and data infrastructure?"
✅ "How does Techcombank approach model governance and risk?"
✅ "What are the growth opportunities for senior IC vs. management track?"
❌ Tránh hỏi về vacation policy, bonus formula ngay vòng đầu
Lộ trình ôn thi
## Lộ trình Ôn thi & Chuẩn bị cho Senior Data Scientist - Techcombank
### Giai đoạn 1: Nền tảng Kiến thức (Tuần 1-2)
#### 📖 Tài liệu Must-Read
**Machine Learning Theory:**
| Sách | Độ khó | Thời gian đọc |
|------|--------|---------------|
| "Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow" - Aurelien Geron | ⭐⭐⭐ | 2 tuần |
| "The Elements of Statistical Learning" - Hastie et al. | ⭐⭐⭐⭐ | 3-4 tuần |
| "Pattern Recognition and Machine Learning" - Bishop | ⭐⭐⭐⭐ | 3-4 tuần |
**Statistics & Probability:**
| Sách | Độ khó | Thời gian đọc |
|------|--------|---------------|
| "Think Stats" - Allen Downey | ⭐⭐ | 1 tuần |
| "Statistical Inference" - Casella & Berger | ⭐⭐⭐ | 2 tuần |
**Banking Domain Knowledge:**
| Tài liệu | Nội dung |
|----------|----------|
| NHNN Circulars về Basel II/III | Risk management framework |
| Techcombank Annual Report 2023 | Business strategy & KPIs |
| "Banking Analytics" - Wiley | Industry-specific applications |
---
### Giai đoạn 2: Ôn tập Kỹ thuật (Tuần 3-4)
#### 🐍 Python Deep Dive
```python
# Practice areas:
# 1. Data manipulation với pandas (groupby, merge, pivot)
# 2. ML với scikit-learn (pipeline, cross-validation)
# 3. Visualization với matplotlib/seaborn
# 4. Performance optimization (vectorization, parallel processing)
# Sample practice problems:
- Build a complete ML pipeline từ raw data đến deployment
- Implement K-means from scratch
- Time series forecasting với Prophet hoặc ARIMA
```
#### 🗄️ SQL Advanced Practice
```sql
-- Practice queries:
- Running totals và moving averages
- Cohort analysis
- Customer segmentation queries
- Complex joins và aggregations
- Window functions (LAG, LEAD, RANK, NTILE)
- CTEs và subqueries optimization
```
#### 📊 Case Studies Thực tế
**Practice projects để chuẩn bị:**
1. **Credit Scoring Model**
- Data preprocessing
- Feature engineering
- Model selection (Logistic, RF, XGBoost)
- Model evaluation (AUC, KS, Gini)
- Business impact calculation
2. **Customer Churn Prediction**
- Define churn (30-day, 90-day inactive)
- Feature importance analysis
- Model deployment consideration
- Intervention strategy design
3. **Fraud Detection System**
- Real-time scoring approach
- Imbalanced data handling (SMOTE, class weights)
- Model monitoring và drift detection
---
### Giai đoạn 3: Mock Interviews & Presentation (Tuần 5-6)
#### 🎤 Case Study Presentation Template
```markdown
# Project: [Tên dự án]
## 1. Problem Statement
- Business problem cần giải quyết
- Key stakeholders
- Success metrics
## 2. Approach
- Data sources used
- Feature engineering
- Model selection rationale
- Validation strategy
## 3. Results
- Model performance metrics
- Business impact (revenue saved, cost reduced)
- Before vs. After comparison
## 4. Lessons Learned
- Challenges faced
- What would you do differently
- Scalability considerations
## 5. Technical Deep Dive (Q&A prep)
- Các technical decisions và trade-offs
- Alternative approaches considered
- Future improvements
```
---
### 📚 Tài liệu Tham khảo Bổ sung
**Online Courses (nên hoàn thành trước phỏng vấn):**
| Platform | Course | Thời lượng | Giá trị |
|----------|--------|-----------|---------|
| Coursera | "Machine Learning" - Andrew Ng | 55 giờ | ⭐⭐⭐⭐⭐ |
| Coursera | "Deep Learning Specialization" | 80 giờ | ⭐⭐⭐⭐ |
| DataCamp | "Advanced ML with scikit-learn" | 20 giờ | ⭐⭐⭐⭐ |
| Kaggle | competitions participation | Variable | ⭐⭐⭐⭐⭐ |
**YouTube Channels:**
- StatQuest with Josh Starmer (Statistics fundamentals)
- Sentdex (Python tutorials)
- 3Blue1Brown (Math visualization)
**Blogs & Papers:**
- Google AI Blog
- OpenAI Research
- Medium: Towards Data Science
- ArXiv (最新 ML papers)
---
### 📅 Lộ trình 2 tuần trước Phỏng vấn
| Ngày | Hoạt động | Thời gian |
|------|-----------|-----------|
| Day 1-2 | Review ML fundamentals | 4 giờ/ngày |
| Day 3-4 | SQL practice (LeetCode Hard) | 3 giờ/ngày |
| Day 5-6 | Python coding practice | 3 giờ/ngày |
| Day 7-8 | Banking domain knowledge | 2 giờ/ngày |
| Day 9-10 | Mock interviews (peer/mentor) | 4 giờ/ngày |
| Day 11-12 | Case study preparation | 4 giờ/ngày |
| Day 13-14 | Light review + Rest | 2 giờ/ngày |
---
### ⚠️ Common Pitfalls để Tránh
1. **Overfitting to company** - Hiểu Techcombank nhưng đừng "học vẹt"
2. **Ignoring business impact** - Technical depth không đủ, cần show business value
3. **Weak SQL fundamentals** - Rất nhiều ứng viên fail ở đây
4. **No portfolio to show** - GitHub/Notebook portfolio là must-have
5. **Poor communication** - Explain complex topics simply
Tư vấn nghề nghiệp
## Lời khuyên Sự nghiệp cho Senior Data Scientist - Techcombank
### 1. Lộ trình Thăng tiến
#### 📈 Techcombank Career Path cho Data Science
```
Junior Data Analyst (1-2 năm)
↓
Data Analyst / Junior Data Scientist (2-3 năm)
↓
Data Scientist (3-5 năm)
↓
Senior Data Scientist (vị trí này) ← BẠN ĐANG Ở ĐÂY
↓
Lead Data Scientist / Principal Data Scientist (2-3 năm)
↓
Data Science Manager / Head of Data Science (3-5 năm)
↓
VP of Data Science / Chief Data Scientist
```
#### 🔄 Hai Track Thăng tiến
**Track 1: Individual Contributor (IC) - Technical Expert**
- Senior DS → Lead DS → Principal DS → Fellow DS
- Tập trung: Technical excellence, Architecture, Research
- Impact: Technical solutions, Mentorship, Innovation
**Track 2: Management - People Leadership**
- Senior DS → DS Manager → Senior Manager → Director
- Tập trung: Team building, Strategy, Stakeholder management
- Impact: Team output, Business outcomes, Organizational change
---
### 2. Mức Lương Kỳ vọng Theo Cấp bậc
#### 💰 Techcombank & Market Data (2024)
| Level | Experience | Base Salary (VND/tháng) | Total Comp (inclusive bonus) |
|-------|------------|-------------------------|------------------------------|
| Junior DS | 0-2 năm | 20-35 triệu | 30-50 triệu |
| Data Scientist | 2-4 năm | 35-55 triệu | 50-80 triệu |
| **Senior DS** | **5-8 năm** | **55-90 triệu** | **80-150 triệu** |
| Lead DS | 8-12 năm | 90-130 triệu | 130-200 triệu |
| Manager | 8-12 năm | 100-150 triệu | 150-250 triệu |
#### 💡 Salary Negotiation Tips
1. **Research market rates**
- Tham khảo Glassdoor, TopDev, VietnamDev
- So sánh với các ngân hàng khác (VPBank, MBBank, ACB)
2. **Know your value**
- Techcombank trả top 20% market cho DS
- Senior DS có thể đàm phán 70-100 triệu base
3. **Consider total compensation**
- Bonus: 2-4 tháng (performance-dependent)
- Lương tháng 13
- Stock options (nếu có level cao)
4. **Negotiate beyond cash**
- Remote work flexibility
- Learning budget (certifications)
- Title upgrade
- Team size và scope
---
### 3. Kỹ năng Cần Phát triển Thêm
#### 🎯 Short-term (6-12 tháng đầu)
| Kỹ năng | Lý do quan trọng | Resource |
|---------|------------------|----------|
| MLOps/DevOps | Model deployment là bottleneck lớn | Databricks, MLflow |
| Cloud ML (AWS/GCP) | Techcombank đang migrate lên cloud | AWS Solutions Architect |
| Real-time ML systems | Digital banking cần low latency | Kafka, Spark Streaming |
| Communication storytelling | Influence stakeholders | "Storytelling with Data" |
#### 🚀 Long-term (2-3 năm tiếp theo)
| Kỹ năng | Lý do quan trọng | Resource |
|---------|------------------|----------|
| Team leadership | Nếu chuyển sang management | Leadership courses |
| Product thinking | Align DS với business outcomes | Product management |
| Research ability | Stay前沿 | ArXiv, conferences |
| Domain expertise | Deep banking knowledge | CFA, internal training |
---
### 4. Giá trị Techcombank Mang lại
#### ✅ Advantages
| Yếu tố | Chi tiết |
|--------|----------|
| **Learning culture** | Techcombank đầu tư mạnh vào L&D |
| **Cutting-edge tech** | Cloud-native, modern data stack |
| **Scale** | Millions of customers = meaningful data |
| **Impact** | Directly affect business KPIs |
| **Brand** | Top bank = strong credential |
| **Compensation** | Top quartile market salary |
#### ⚠️ Challenges to Anticipate
| Yếu tố | Reality |
|--------|---------|
| **Legacy systems** | Vẫn còn migration work |
| **Regulatory constraints** | Banking = many compliance requirements |
| **Bureaucracy** | Lớn hơn fintech startups |
| **Change management** | Transform legacy culture takes time |
---
### 5. Exit Opportunities sau Techcombank
#### 🚀 Từ Senior DS tại Techcombank, bạn có thể chuyển sang:
| Company Type | Examples | Why |
|--------------|----------|-----|
| **Big Tech** | Grab, Shopee, Sea | Higher salary, bigger scale |
| **Fintech** | MoMo, VNPay, ZaloPay | Fast growth, equity upside |
| **International Bank** | HSBC, Citi, Standard Chartered | Global exposure |
| **Consulting** | McKinsey, BCG Digital | Strategy focus |
| **Startup** | Various Series B-C | Fast pace, bigger equity |
| **Investment** | VC/PE firms | Finance career pivot |
---
### 6. Personal Brand Building
**Trong thời gian làm việc tại Techcombank:**
1. **Contribute to tech community**
- Write blog posts về banking DS
- Speak at meetups/conferences
- Open-source contributions
2. **Build internal reputation**
- Deliver high-impact projects
- Mentor junior members
- Drive innovation initiatives
3. **Network strategically**
- Connect với peers ở other banks
- Attend DS conferences
- Join professional communities
---
### 💬 Final Thoughts
> "Senior Data Scientist tại Techcombank không chỉ là technical role. Bạn cần balance giữa deep technical skills với business acumen và leadership. Focus vào delivering measurable business impact, không chỉ là model accuracy."
**Key success factors:**
- ✅ Technical credibility (code, models, architecture)
- ✅ Business impact (show $ value of your work)
- ✅ People skills (influence without authority)
- ✅ Growth mindset (learn continuously)
- ✅ Ownership mentality (own problems, not just tasks)
Câu hỏi thường gặp
Mức lương Senior Data Scientist tại Techcombank là bao nhiêu?
Theo market data 2024, Senior Data Scientist tại Techcombank có base salary khoảng 55-90 triệu VND/tháng. Tổng compensation (bao gồm bonus 2-4 tháng) có thể đạt 80-150 triệu VND/tháng. Mức lương cụ thể phụ thuộc vào kinh nghiệm, technical skills và khả năng đàm phán. Techcombank thường trả top 20% so với thị trường cho các vị trí data-related.
Techcombank yêu cầu tiếng Anh như thế nào cho vị trí Senior Data Scientist?
Theo JD, 'English proficiency requirements are pursuant to Techcombank's policy'. Thực tế, Techcombank yêu cầu tiếng Anh khá cao vì đây là ngân hàng có nhiều stakeholders quốc tế và documentation thường bằng tiếng Anh. Bạn nên có IELTS 6.5+ hoặc tương đương. Kỹ năng đọc hiểu tài liệu kỹ thuật và giao tiếp trong các buổi họp international là must-have.
Tôi đang làm ở startup fintech, chuyển sang Techcombank có phù hợp không?
Rất phù hợp! Techcombank đang trong giai đoạn transformation số, họ cần những người có mindset agile và experiment-driven như ở startup. Tuy nhiên, bạn cần chuẩn bị: (1) Học thêm về banking domain (regulatory, risk management, banking products); (2) Understand scale differences - Techcombank có millions of customers; (3) Điều chỉnh expectation về pace - ngân hàng lớn có nhiều compliance requirements hơn startup.
Vị trí Senior Data Scientist tại Techcombank làm việc như thế nào - remote hay onsite?
Techcombank áp dụng hybrid working model. Sau COVID, họ đã adopt flexible working arrangements. Tuy nhiên, với vai trò Senior DS, bạn cần có mặt onsite đủ thời gian để: collaborate với 3+ squads, mentor team members, và participate trong các planning meetings. Thường yêu cầu 3-4 ngày onsite/tuần. Văn phòng ở Techcombank Tower, Q1, HCM.
KPI của Senior Data Scientist tại Techcombank là gì?
Cụ thể KPI có thể khác nhau theo team, nhưng thường bao gồm: (1) Model Performance - Accuracy, AUC, precision/recall của các models; (2) Business Impact - Revenue generated, cost saved, conversion rate improvement từ ML models; (3) Project Delivery - Số lượng và chất lượng của projects hoàn thành; (4) Team Development - Số lượng analysts được mentor thành DS; (5) Technical Excellence - Documentation quality, code review feedback, knowledge sharing.
Tech stack của Techcombank Data team sử dụng những gì?
Techcombank đã đầu tư mạnh vào modern data stack. Tech stack chính bao gồm: Cloud (AWS/GCP), Data Warehouse (Snowflake hoặc BigQuery), ETL/Data Pipelines (Airflow, dbt), ML Platforms (Databricks, SageMaker), Languages (Python, R, SQL), Visualization (Tableau, Power BI). Họ đang migrate từ legacy systems nên có cơ hội làm việc với cả legacy và modern technologies.
Cơ hội thăng tiến từ Senior Data Scientist lên Manager có khó không?
Cơ hội thăng tiến phụ thuộc vào nhiều yếu tố: (1) Techcombank đang mở rộng data team nên có nhu cầu về managers; (2) Bạn cần demonstrate leadership skills, không chỉ technical excellence; (3) Timing và availability của headcount rất quan trọng. Thông thường, 2-3 năm ở Senior level với consistent high performance sẽ mở ra cơ hội. Ngoài ra, bạn cũng có thể chọn track IC (Lead/Principal DS) nếu prefer technical path.
Tôi cần chuẩn bị gì để pass technical interview cho vị trí này?
Để pass technical interview, bạn cần master 4 areas chính: (1) ML System Design - Design end-to-end ML solutions như recommendation engine, fraud detection; (2) Coding - Python (pandas, sklearn) và SQL advanced (window functions, optimization); (3) Statistics - A/B testing, probability, distributions; (4) Domain - Banking products, credit scoring basics, regulatory considerations. Practice với LeetCode (medium-hard SQL), Kaggle competitions, và prepare 2-3 projects để present chi tiết.
Sinh viên mới ra trường có nên apply vị trí này không?
Với yêu cầu 7+ năm kinh nghiệm, vị trí này không phù hợp cho fresh grads. Tuy nhiên, nếu bạn là new grad quan tâm đến Techcombank DS, hãy apply cho: Junior Data Analyst, Data Analyst, hoặc Junior Data Scientist positions (thường yêu cầu 0-3 năm kinh nghiệm). Build 2-3 năm kinh nghiệm ở đó, sau đó apply Senior DS khi đủ 5-7 năm experience.