Senior Data Scientist
Mô tả công việc
Job Purpose
- The job holder advises and provides business with insights from massive amounts of structured and unstructured potential data to help shape or meet specific business objectives.
- The job holder will build data science solutions using advance machine learning and deep learning methods, recommendation engines, statistical analysis, data mining and data visualization techniques, to create solutions that enable enhanced business performance.
Key Accountabilities (1)
Data Solutioning
- Build 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.
- Mine and analyze data from company’s databases to drive optimization and improvement of business strategies.
- Use predictive modelling to increase and optimize customer journey experiences, revenue generation and other business outcomes.
- Analyze data for trends and patterns and interpret the data with clear objective in mind.
- Execute and review 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.
- Develop processes and tools to monitor and analyze model performance and data accuracy.
- Interact with 1-2 squads to identify questions and issues for data analysis.
- Assess the effectiveness and accuracy of new data sources and data gathering techniques.
Key Accountabilities (3)
Key Relationships - Direct Manager
Manager, Data Science
Key Relationships - Direct Reports
Key Relationships - Internal Stakeholders
Teams within the Transformation Office and relevant departments in the Bank
Key Relationships - External Stakeholders
Partners providing professional services
Success Profile - Qualification and Experiences
Qualifications
- Bachelor's degree in Statistics, Mathematics, Quantitative Analysis, Computer Science, Software Engineering or Information Technology
Work Experience
- 5+ 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
- Experience in querying databases and using programming languages (e.g. C, C++, R, Python, Scala, SQL, Java, Tableau, R)
- Experience communicating complex analysis and models across a diverse team
- Experience using of data optimization (linear / non-linear) to solve constrained business problems
- Understanding of Agile principles, practices and Scrum methodologies
- Experience working in Agile teams to support digital transformation projects
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Senior Data Scientist tại Techcombank
🎯 Tổng quan vị trí
Đây là vị trí Senior trong phân khúc Data Science ngân hàng — yêu cầu 5+ năm kinh nghiệm, thuộc Data And Analytics Division. Bạn sẽ làm việc trong môi trường Agile, tư vấn cho business và xây dựng các giải pháp ML/DL quy mô lớn.
---
🔧 Hard Skills (Kỹ năng cứng) — BẮT BUỘC
| Nhóm kỹ năng | Công cụ/Công nghệ | Mức độ yêu cầu |
|---|---|---|
| Ngôn ngữ lập trình | Python, R, SQL, Scala, Java | Thành thạo |
| ML/DL Frameworks | scikit-learn, TensorFlow, PyTorch, XGBoost, LightGBM | Thành thạo |
| Big Data | Spark, Hadoop, Kafka, Hive | Khá trở lên |
| Visualization | Tableau, Power BI, matplotlib, seaborn | Thành thạo Tableau |
| Database | SQL/NoSQL, data warehousing | Thành thạo |
| Cloud Platform | AWS/GCP/Azure (ưu tiên GCP hoặc AWS) | Nên có |
| MLOps | Docker, Kubernetes, MLflow, Airflow, CI/CD | Nên có |
| Optimization | Linear/Non-linear programming | Khá trở lên |
🧠 Kiến thức chuyên môn cốt lõi
1. Recommendation Engines — Hệ thống gợi ý sản phẩm (thẻ tín dụng, khoản vay, tiết kiệm)
2. Predictive Modeling — Dự đoán churn, default, LTV khách hàng
3. Customer Journey Analytics — Phân tích hành trình khách hàng
4. Graph Models — Phân tích mạng lưới (anti-fraud, social network)
5. NLP/LLM — Xử lý dữ liệu phi cấu trúc (chatbot, sentiment analysis)
6. A/B Testing & Experimentation — Thiết kế và đánh giá thí nghiệm
7. Statistical Inference — Kiểm định giả thuyết, causal inference
8. Time Series Analysis — Dự báo dòng tiền, giao dịch
🤝 Soft Skills — QUAN TRỌNG không kém
- Business Acumen — Hiểu ngân hàng, tín dụng, rủi ro (đây là điểm phân biệt ứng viên banking DS vs. tech DS)
- Storytelling — Trình bày insight cho cấp quản lý, business stakeholders
- Cross-functional Collaboration — Làm việc với Product, Engineering, Risk, Marketing
- Agile Mindset — Scrum ceremonies, sprint planning, retrospective
- Stakeholder Management — Đặc biệt với cấp Manager trở lên
📜 Chứng chỉ gợi ý (ưu tiên nếu có)
| Chứng chỉ | Tổ chức | Giá trị |
|---|---|---|
| AWS Certified ML Specialty | AWS | ⭐⭐⭐⭐⭐ |
| Google Professional Data Engineer | ⭐⭐⭐⭐⭐ | |
| TensorFlow Developer Certificate | ⭐⭐⭐⭐ | |
| Databricks Certified ML Professional | Databricks | ⭐⭐⭐⭐ |
| SAS/Statistical certifications | SAS | ⭐⭐⭐ |
| CFA Level I+ | CFA Institute | ⭐⭐⭐⭐ (bonus cho banking) |
| FRM Part I | GARP | ⭐⭐⭐ (bonus cho risk) |
💡 So sánh mức độ khó giữa các nhóm kỹ năng
```
ML/DL Model Development ████████████████████ CỰC KHÓ
Banking Domain Knowledge ███████████████████ RẤT KHÓ
Big Data Engineering ███████████████████ RẤT KHÓ
Statistical Analysis █████████████████ KHÁ
Programming (Python/R) ████████████████ KHÁ
Visualization & BI █████████████ TRUNG BÌNH
Communication █████████████ TRUNG BÌNH
```
---
⚠️ Lưu ý quan trọng
Techcombank là ngân hàng tiên phong về chuyển đổi số tại Việt Nam (đặc biệt sau khi ông Jens Lottner CEO mới). Họ đầu tư rất mạnh vào data platform và AI. Vì vậy:
- Ứng viên có kinh nghiệm banking domain sẽ được ưu tiên hơn
- Hiểu biết về quy định NHNN, Basel, tín dụng là lợi thế lớn
- Kinh nghiệm với Vietnamese banking data là điểm cộng
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn Senior Data Scientist — Techcombank
📋 Quy trình tuyển dụng dự kiến (4-5 vòng)
| Vòng | Hình thức | Nội dung | Thời gian |
|---|---|---|---|
| 1. HR Screen | Phone/Video | Motivation, salary, availability | 20-30 phút |
| 2. Technical Test | Online/Hackerrank | SQL, Python, Stats, ML case | 60-90 phút |
| 3. Technical Deep Dive | Onsite/Panel | ML algorithms, system design, coding | 90-120 phút |
| 4. Business Case | Panel với Manager | Case study ngân hàng thực tế | 60 phút |
| 5. Final + Culture Fit | Onsite | Với Senior Manager/Director | 45-60 phút |
---
🎤 Vòng 1: HR Screen — Câu hỏi thường gặp
1. "Tại sao bạn muốn rời công ty hiện tại?"
2. "Bạn biết gì về Techcombank và chiến lược chuyển đổi số của họ?"
3. "Mức lương kỳ vọng của bạn là bao nhiêu?" — Xem phần career_advice
4. "Bạn có thể bắt đầu làm việc khi nào?"
5. "Bạn đã làm việc trong ngân hàng chưa?"
💡 Tips:
- Nghiên cứu trước về Techcombank: đọc báo cáo thường niên, chiến lược "AI-First Bank"
- Chuẩn bị "story" về lý do nghỉ việc mang tính tích cực (phát triển, học hỏi)
---
💻 Vòng 2: Technical Test — Chuẩn bị
SQL (30% trọng số):
- Window functions, CTEs, recursive queries
- Optimization, indexing, execution plan
- Banking data: transactions, customers, accounts
Python (30%):
- pandas, numpy, scikit-learn
- Data cleaning, feature engineering
- OOP, algorithms cơ bản
Statistics & ML (40%):
- A/B testing, hypothesis testing
- Bias-variance tradeoff, regularization
- Model selection, cross-validation
- Metrics: precision/recall/F1, AUC, RMSE
---
🧠 Vòng 3: Technical Deep Dive — Câu hỏi mẫu
Về ML cơ bản:
1. "Giải thích sự khác biệt giữa L1 và L2 regularization. Khi nào dùng cái nào?"
2. "Làm sao xử lý imbalanced dataset trong bài toán fraud detection?"
3. "So sánh XGBoost vs LightGBM vs CatBoost?"
4. "Explain Random Forest vs Gradient Boosting — ưu nhược điểm?"
Về Deep Learning:
5. "Khi nào nên dùng CNN vs RNN vs Transformer?"
6. "Giải thích attention mechanism trong Transformer"
7. "Làm sao fine-tune một LLM cho task tiếng Việt?"
System Design:
8. "Thiết kế recommendation engine cho sản phẩm thẻ tín dụng"
9. "Thiết kế pipeline real-time fraud detection"
10. "Làm sao deploy và monitor model ML trong production?"
Coding Live:
11. "Viết function tính churn rate cohort"
12. "Implement A/B test power analysis"
💡 Tips:
- Dùng STAR method (Situation, Task, Action, Result) để trả lời
- Luôn nói về business impact, không chỉ technical
- Thừa nhận nếu không biết — đừng bịa
---
💼 Vòng 4: Business Case — Đề bài mẫu
> "Techcombank muốn tăng 20% adoption cho sản phẩm tiết kiệm online. Bạn sẽ approach như thế nào? Hãy đề xuất data-driven solution."
Framework trả lời:
```
1. Define Problem & Metrics
- KPIs: adoption rate, AUM, conversion funnel
- Baseline measurement
2. Data Exploration
- User segments, behavior data, channel data
- Historical campaign performance
3. Hypothesis & Approach
- Segmentation: high-propensity vs low-propensity
- Personalization: product recommendation
- Channel optimization: push notification, email, app
4. Model Design
- Propensity scoring (classification)
- Next-best-action (recommendation)
- Uplift modeling
5. Experimentation
- A/B test design, sample size, duration
- Control for seasonality
6. Measurement & Iteration
- Lift calculation, statistical significance
- Model monitoring, drift detection
```
---
👔 Vòng 5: Culture Fit — Câu hỏi
1. "Bạn xử lý conflict trong team như thế nào?"
2. "Mô tả một dự án thất bại và bạn học được gì"
3. "Bạn nghĩ Data Scientist trong ngân hàng khác gì so với ở tech company?"
4. "Tầm nhìn nghề nghiệp 3-5 năm tới của bạn?"
5. "Cách bạn communicate với non-technical stakeholder"
👔 Dress Code
- Vòng 1-2: Business casual
- Vòng 3-5: Smart business (sơ mi, quần tây, giày — không cần vest)
- Lưu ý: Techcombank văn hóa khá hiện đại, không quá formal như nhà nước
🎒 Chuẩn bị mang theo
- 2-3 bản CV in sẵn
- Portfolio/GitHub link
- Notepad + pen (ghi chú khi phỏng vấn được đánh giá cao)
Lộ trình ôn thi
Lộ trình ôn tập 2 tuần cho Senior Data Scientist — Techcombank
📅 Tuần 1: Nền tảng kỹ thuật
Ngày 1-2: SQL & Data Engineering
- Ôn lại window functions, CTEs, query optimization
- Practice trên LeetCode SQL (medium-hard)
- Đọc về data warehouse: Snowflake, BigQuery, Redshift
- Tài liệu: SQL Performance Explained (Markus Winand)
Ngày 3-4: Python & Core Libraries
- pandas tricks, numpy broadcasting
- scikit-learn pipeline, custom transformers
- Practice trên Kaggle, HackerRank
- Tài liệu: Python for Data Analysis (Wes McKinney)
Ngày 5-6: ML Algorithms (Depth)
- Linear/Logistic Regression — toán học đằng sau
- Tree-based: Random Forest, XGBoost, LightGBM, CatBoost
- Neural Networks: MLP, CNN, RNN, Transformer
- Tài liệu: Hands-On ML (Aurélien Géron) + An Introduction to Statistical Learning
Ngày 7: Statistics & Causal Inference
- Hypothesis testing, p-value, multiple testing
- A/B test design, power analysis, sample size
- Causal inference: DAG, propensity score, uplift modeling
- Tài liệu: Causal Inference for the Bold (online free)
---
📅 Tuần 2: Banking Domain + ML System Design
Ngày 8-9: Banking Knowledge
- Đọc báo cáo thường niên Techcombank (10 phút mỗi ngày)
- Hiểu sản phẩm: thẻ tín dụng, vay cá nhân, tiết kiệm, bảo hiểm
- Quy định NHNN về data, Basel III, IFRS 9
- Tài liệu: McKinsey Banking Report, BCG Retail Banking
Ngày 10-11: ML Use Cases trong Banking
- Credit scoring (PD, LGD, EAD)
- Fraud detection (rule-based + ML hybrid)
- Customer churn, lifetime value
- Recommendation engine cho sản phẩm
- AML (Anti-Money Laundering) — graph neural networks
- Tài liệu: Kaggle competitions: Home Credit, fraud detection
Ngày 12: MLOps & Production
- Model deployment: batch vs real-time
- Docker, Kubernetes cơ bản
- MLflow, Airflow, feature store
- Model monitoring: drift, performance degradation
- Tài liệu: Designing ML Systems (Chip Huyen) ⭐⭐⭐⭐⭐
Ngày 13: Mock Interview
- Practice với bạn bè hoặc Pramp/InterviewBit
- Ghi âm, xem lại
- Time yourself: 5 phút/scenario
Ngày 14: Final Review
- Đọc lại notes, CV
- Chuẩn bị câu hỏi cho interviewer
- Nghỉ ngơi, ngủ đủ giấc
---
📚 Top tài liệu tham khảo (đã được curated)
Sách MUST-READ:
1. 📘 Designing Machine Learning Systems — Chip Huyen
2. 📘 Hands-On Machine Learning — Aurélien Géron
3. 📘 An Introduction to Statistical Learning (ISLR) — free PDF
4. 📘 Causal Inference for the Brave and True — free online
5. 📘 Storytelling with Data — Cole Nussbaumer Knaflic
Khóa học online:
- Andrew Ng — Machine Learning Specialization (Coursera)
- Deep Learning Specialization (Coursera)
- ML Ops (DeepLearning.AI)
Resources miễn phí:
- Kaggle Learn tracks
- Google ML Crash Course
- StatQuest (YouTube — giải thích cực dễ hiểu)
- 3Blue1Brown (YouTube — Deep Learning visual)
---
🎯 Kiến thức nền cần vững
Math/Stats (cần vững):
- Linear algebra: matrix multiplication, eigenvalues
- Calculus: gradient descent, chain rule
- Probability: Bayes theorem, distributions
- Statistics: confidence interval, regression diagnostics
Coding (cần fluent):
- Python: list comprehension, generators, decorators
- SQL: window functions, recursive CTEs
- Git: branching, merging, rebasing
- Shell scripting cơ bản
Banking Domain (cần biết):
- Customer journey trong ngân hàng
- Risk metrics: NPL, LCR, CAR
- Marketing funnel: awareness → acquisition → retention
- Data NHNN: Circular 13/2018, 18/2024
---
⚡ Quick Wins trong 24h trước phỏng vấn
- Đọc lại JD kỹ, highlight keyword match
- Đọc 3 tin tức mới nhất về Techcombank
- Chuẩn bị 3 câu hỏi thông minh hỏi interviewer:
- "Data team hiện tại dùng tech stack nào? Có on-prem hay cloud không?"
- "Quy trình ra quyết định từ insight đến implementation như thế nào?"
- "Bạn thấy thách thức lớn nhất của data team trong 6 tháng tới là gì?"
- Sleep 7-8 tiếng, ăn sáng đầy đủ!
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho Senior Data Scientist
💰 Mức lương kỳ vọng theo cấp bậc (VN Market 2024-2025)
| Cấp bậc | Kinh nghiệm | Tại Techcombank/Top Bank | Tại công ty fintech/tech |
|---|---|---|---|
| Junior Data Scientist | 0-2 năm | 25-45M | 30-50M |
| Mid-level DS | 2-4 năm | 45-75M | 60-90M |
| Senior DS ⭐ | 5-7 năm | 80-130M | 100-150M |
| Lead/Principal DS | 7-10 năm | 130-200M | 150-250M |
| Manager/Head of DS | 10+ năm | 200-350M+ | 250-400M+ |
Lưu ý cho Techcombank Senior DS:
- Base: 80-130M VND/tháng
- Bonus thưởng Tết + KPI: thường 2-4 tháng lương
- Stock/ESOP: một số vị trí Senior+ có thể có
- Total compensation có thể lên tới 120-180M
---
🛤️ Lộ trình thăng tiến cho Data Scientist trong ngân hàng
```
Senior Data Scientist (hiện tại)
│
├──→ Lead Data Scientist (1-2 năm)
│ │
│ └──→ Manager, Data Science (2-3 năm)
│ │
│ └──→ Senior Manager/Head of DS
│ │
│ └──→ CDO (Chief Data Officer)
│
├──→ Individual Contributor Track
│ └──→ Principal/Staff DS
│ └──→ Distinguished DS
│
└──→ Cross-functional Move
└──→ Head of Analytics
└──→ Head of AI/ML Platform
└──→ Product Manager (Data Products)
```
---
🎯 Kỹ năng cần phát triển thêm để chuẩn bị thăng tiến
Để lên Lead/Manager (trong 1-2 năm):
1. People management — mentoring, 1-on-1, performance review
2. Project management — roadmap, prioritization, stakeholder management
3. Budget & resource planning
4. Strategic thinking — link data initiatives với business outcomes
5. Public speaking — present ở conference, internal town hall
Để chuyển hướng IC track (Principal/Staff):
1. Deep expertise trong một vertical (e.g., NLP, Causal Inference, Optimization)
2. Open source contribution — papers, blog posts, GitHub
3. Technical leadership — design system từ scratch
4. Research mindset — kết hợp academia + industry
---
🔄 So sánh: Banking DS vs. Tech/Startup DS
| Tiêu chí | Banking (Techcombank) | Tech/Startup |
|---|---|---|
| Data quality | Tốt nhưng legacy systems | Excellent (modern stack) |
| Speed to impact | Chậm hơn (compliance) | Nhanh |
| Business impact | Cao (nhiều tiền) | Variable |
| Compensation | Tốt, ổn định | Có thể cao hơn + equity |
| Job security | Cao | Thấp hơn |
| Tech stack | Đang modernize | Cutting-edge |
| Work-life balance | Tốt hơn | Có thể intense |
| Learning | Banking domain + tech | Pure tech |
---
📈 Xu hướng ngành DS trong ngân hàng VN (2025-2026)
1. Generative AI — chatbot tư vấn tài chính, tự động hóa back office
2. Real-time decisioning — approve/reject vay trong vài giây
3. Responsible AI — fairness, explainability (theo quy định NHNN mới)
4. Federated learning — collaboration giữa các ngân hàng
5. Computer Vision — eKYC, OCR hóa đơn
6. Graph AI — anti-fraud network analysis
---
🎓 Lời khuyên thực tế cho ứng viên
Nếu bạn ĐANG ở ngân hàng khác:
- ✅ Apply luôn — bạn có domain advantage cực lớn
- 💡 Nhấn mạnh các use case bạn đã làm với banking data thực tế
- 💡 Đề cập các quy định NHNN bạn đã tham gia tuân thủ
Nếu bạn ở TECH/STARTUP:
- ⚠️ Cần học banking domain trước khi apply (xem study guide)
- 💡 Nhấn mạnh technical depth và scale (nếu từ công ty lớn)
- 💡 Có thể apply Lead role nếu experience đủ sâu
Nếu bạn ĐANG ở NƯỚC NGOÀI muốn về VN:
- 💡 Techcombank có track record tuyển người từ nước ngoài
- 💡 Nhấn mạnh international experience và best practices
- ⚠️ Lương có thể bị negotiate thấp hơn — cần prepare negotiation
---
💬 Negotiation tips
1. Đừng nói số đầu tiên — để HR đưa range trước
2. Đưa range rộng: "Tôi kỳ vọng 90-130M dựa trên market research và experience"
3. Nhấn mạnh total compensation — bonus, benefits, learning budget
4. Có plan B — càng nhiều offer càng mạnh khi negotiate
5. Đừng bluff — nếu không có offer khác, đừng nói có
Câu hỏi thường gặp
Em mới ra trường ngành Data Science, có apply được vị trí Senior Data Scientist tại Techcombank không?
Không bạn nhé. Vị trí này yêu cầu 5+ năm kinh nghiệm thực tế với ML/DL model trên dữ liệu lớn, cộng thêm khả năng communicate với stakeholder business. Nếu mới ra trường, bạn nên nhắm vào các vị trí Junior Data Analyst hoặc Data Engineer tại Techcombank để tích lũy 2-3 năm, hoặc apply vào các công ty fintech nhỏ để học nhanh hơn. Techcombank cũng có chương trình Fresher Data Analyst khá tốt, bạn có thể theo dõi.
Mức lương thực tế cho Senior Data Scientist tại Techcombank khoảng bao nhiêu?
Theo mình tìm hiểu và trao đổi với một số người trong ngành, mức lương Senior Data Scientist tại Techcombank dao động 80-130 triệu/tháng cho base salary. Cộng thưởng Tết và bonus KPI, tổng thu nhập có thể lên tới 120-180 triệu/năm. Mức này khá competitive so với mặt bằng chung banking Việt Nam, tương đương với VPBank, MB, nhưng có thể thấp hơn một chút so với fintech unicorn như MoMo, ZaloPay (thường 100-150M base cho Senior). Tuy nhiên banking có lợi thế về job security và bonus Tết lớn.
Tôi đang là Data Scientist ở mảng e-commerce được 6 năm, muốn chuyển sang banking. Có nên nhảy sang Techcombank không?
Hoàn toàn nên nhảy, đây là thời điểm rất tốt. Techcombank đang đẩy mạnh chuyển đổi số, đặc biệt sau chiến lược 'AI-First Bank' của CEO mới. Kinh nghiệm 6 năm của bạn là đủ yêu cầu. Tuy nhiên, bạn cần chuẩn bị thêm về: (1) Banking domain — hiểu sản phẩm thẻ, vay, tiết kiệm, các chỉ số NPL/CAR; (2) Quy định NHNN về data và risk; (3) Cách làm việc với legacy data. Trong CV, hãy nhấn mạnh các dự án recommendation/personalization vì nó rất relevant với banking use case.
Làm Senior Data Scientist trong ngân hàng có khác gì so với công ty công nghệ không?
Khác khá nhiều bạn nhé. Banking có 4 đặc trưng chính: (1) Data quality tốt nhưng messy hơn do legacy systems, nhiều siloed databases; (2) Regulatory compliance — mọi model phải explainable, audit được; (3) Risk-averse culture — triển khai chậm hơn, nhiều approval process; (4) Business impact cao — một model có thể ảnh hưởng hàng nghìn tỷ đồng. Ngược lại, tech company có data sạch hơn, deploy nhanh hơn nhưng business impact thường khó measure hơn. Nếu bạn thích challenge về compliance và business depth, banking rất phù hợp.
JD không ghi kinh nghiệm cụ thể là bao nhiêu, nhưng có ghi 'Senior'. Vậy nên apply không nếu mình mới có 4 năm?
Bạn vẫn có thể apply, nhưng cơ hội không cao. Trong JD có nói '5+ years of relevant experience in areas of data analysis, machine learning, deep learning model development' — đây là yêu cầu ngầm. Nếu bạn mới có 4 năm nhưng đã làm ở vị trí Senior ở công ty hiện tại, có thể cân nhắc apply. Hoặc nhắm vào các vị trí Data Scientist (không Senior) tại Techcombank hoặc các ngân hàng khác. Một option khác là apply ở các fintech mid-size để lấy thêm 1 năm Senior experience rồi quay lại.
Tôi không có background banking, liệu HR có filter CV không?
Có thể có, nhưng không phải tất cả. Techcombank thuộc nhóm ngân hàng tư nhân, văn hóa tuyển dụng khá open và đánh giá cao technical skill. Tuy nhiên, nếu CV bạn không có dấu hiệu nào về domain (không từng làm data cho fintech, không có dự án recommendation/payment), khả năng bị loại ở vòng HR là 50-60%. Mẹo: trong CV, hãy dùng keyword gần với banking (transaction, customer journey, segmentation, fraud detection) và viết một cover letter ngắn nói rõ bạn sẽ onboard nhanh thế nào về domain.
Senior Data Scientist ở Techcombank có cơ hội thăng tiến lên Lead/Manager không? Cần chuẩn bị gì?
Có nhé, lộ trình khá rõ. Thường sau 1-2 năm làm Senior tốt, bạn có thể được promote lên Lead Data Scientist, rồi Manager trong 2-3 năm tiếp theo. Để chuẩn bị, bạn cần: (1) Mentor junior — thể hiện khả năng leadership; (2) Drive dự án cross-team — không chỉ làm task của mình; (3) Communicate với C-level — present ở các cuộc họp lớn; (4) Hiểu business — không chỉ kỹ thuật mà phải hiểu tại sao mình làm; (5) Build team — tuyển người, onboard, set quy trình. Có người sẽ đi track Manager, có người đi IC track (Principal/Staff) — tùy sở thích.
Phỏng vấn vòng technical của Techcombank có khó không? Câu hỏi level nào?
Khá khó bạn nhé, đặc biệt cho vị trí Senior. Theo chia sẻ của một số người đã phỏng vấn, câu hỏi thường ở 3 level: (1) Coding — SQL window function trên data banking thực tế, Python pandas manipulation; (2) ML Theory — đào sâu vào XGBoost/LightGBM, regularization, ensemble methods, đặc biệt câu hỏi về bias-variance và overfitting; (3) System Design — thiết kế recommendation engine cho sản phẩm thẻ tín dụng, hoặc fraud detection pipeline. Một số vòng có white-board challenge. Khuyến nghị: ôn kỹ SQL và ML cơ bản trước, rồi mới đến system design.
Techcombank có cho phép làm remote/hybrid không?
Techcombank khá linh hoạt về chính sách này. Hiện tại áp dụng mô hình hybrid — thường 2-3 ngày onsite, còn lại làm remote. Data team nói riêng có xu hướng flexible hơn vì công việc có thể làm từ xa. Tuy nhiên trong phỏng vấn, bạn nên hỏi rõ vì có thể khác nhau giữa các team. Lưu ý: dù hybrid, các meeting quan trọng với business stakeholders thường yêu cầu onsite, nên bạn cần linh hoạt trong tuần.
Nếu tôi có 7 năm kinh nghiệm nhưng chưa từng làm ML/DL mà chỉ làm analytics/business intelligence thì có phù hợp không?
Không phù hợp lắm bạn nhé. JD rất rõ yêu cầu '5+ 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'. Analytics/BI kinh nghiệm 7 năm nhưng thiếu ML/DL hands-on thì không đáp ứng được core requirement. Bạn có thể apply các vị trí Senior Analytics, Business Intelligence Lead hoặc Data Analyst Lead tại Techcombank — những vị trí này phù hợp hơn. Hoặc đầu tư 6-12 tháng học ML/DL thực hành qua các project trên Kaggle rồi apply lại sau.