Experienced (Non-Manager)

Mô tả công việc

## Job Purpose - The job holder advises and provides business with credit risk insights from massive amounts of structured and unstructured potential data to support credit portfolio optimization and strategic planning - The job holder will build credit risk modeling và solutions using statistical analysis, data mining and data visualization techniques, to create solutions to support credit decisioning throughout customer credit life-cylce ## Key Accountabilities (1) 1. Credit Risk Model và Measurement tools - Develop and continuously improve credit risk models to support credit decision making throughout customer’s credit life-cycle: underwriting và approval, early-warning, collection và recovery - Develop credit risk measurement tools and methodology in compliance with regulatory requirement and industry practices (SBV, Basel, IFRS9) - Drive model implementation and usage with cut-off strategy recommendation/simulation - Continue to monitor and recalibrate model on regular basis upon acquisition of new data available or significant findings of model monitoring/ validation to ensure model is fit-for-purpose - Build policies, procedures, and guidelines related to the credit risk model development. Report, present and explain model to higher management for model approval. ## Key Accountabilities (2) 2. Credit Risk Analytics và Insights - Provide credit risk management reports và insights to BOD, BOM, relevant units internal/external division/bank. - Conduct portfolio assessment/in-depth analysis by forums and boards: BOM/BOD; ARCO/ALCO; other as requested. - Perform portfolio credit quality forecast, scenario analysis/simulation for management decision / strategic planning / ICAAP, etc… ## Key Accountabilities (3) 3. Credit Risk Analytics Infrastrucutre, Research và Development - Research, compare, apply external/alternative data resources and advanced techniques into risk model development as benchmarking/challenger model for continuous improvement and upskilling - Operate and maintain credit risk feature stores and model deployment platform (batch-run model and real-time decision engine), - Operate and maintain credit-risk related datamart and information system (debt classification, provisioning, and credit risk metrics) in accordance with regulatory and international standards (Basel II, IFRS9) ## Key Relationships - Direct Manager Manager, Credit Risk Analytics and Modelling ## Key Relationships - Direct Reports None ## Key Relationships - Internal Stakeholders Divisions and units of risk management, business units using the model outside the risk management Division, CA Division, IA ## Key Relationships - External Stakeholders Consultant, Partner, State Bank ## Success Profile - Qualification and Experiences Experience: - Minimum 05 years of experience in Banking, Risk Modeling or equivalent - Understand international regulations and practices on Basel 2, IFRS9, and Stress-Test - Extensive experience in building data and analytics solutions, data mining, statistical analysis and data visualization - Experience in providing fact-based insights to help senior management and other stakeholders realize enterprise value at scale Qualification: • Bachelor's degree or higher (finance / banking / financial risk management / financial math / quantitative finance) • Being trained at university or graduate level in these fields is advantageous in developed countries. • Having an internationally recognized certificate in financial analysis, financial risk management is an advantage (eg, FRM, CFA, PRM, CPA, ...) • English proficiency requirements are pursuant to Techcombank's policy

Phân tích kỹ năng cần có

## Phân tích Kỹ năng Cần Có cho Vị trí Credit Risk Analytics and Modelling ### 🔑 Hard Skills BẮT BUỘC | Kỹ năng | Mức độ yêu cầu | Chi tiết | |---------|----------------|----------| | **Statistical Modeling** | Cao | Regression (logistic, linear), survival analysis, scorecard development | | **Data Mining & Machine Learning** | Cao | Classification, clustering, decision trees, neural networks, ensemble methods | | **Programming** | Cao | Python (scikit-learn, pandas, numpy), R, SQL | | **Data Visualization** | Trung bình-CAO | PowerBI, Tableau, matplotlib, ggplot2 | | **Credit Risk Domain** | Rất cao | PD/LGD/EAD models, IRB approach, Basel II/III, IFRS 9 | | **Big Data Tools** | Trung bình | Hadoop, Spark, cloud platforms (AWS/GCP/Azure) | ### 📊 Kiến thức Chuyên môn Bắt buộc **1. Basel II/III Framework:** - Internal Ratings-Based (IRB) approach - Capital adequacy calculation (Tier 1, Tier 2) - Risk-weighted assets (RWA) - Counterparty credit risk **2. IFRS 9 Expected Credit Loss (ECL):** - 3-stage model (Stage 1, 2, 3) - Lifetime vs 12-month ECL - PD, LGD, EAD estimation - Macro-economic scenarios & forward-looking **3. Credit Risk Models cụ thể:** - Application scoring models - Behavioral scoring models - Early warning systems (EWS) - Collection & recovery models - Stress testing & scenario analysis ### 🤝 Soft Skills Quan trọng | Kỹ năng | Tại sao cần | |---------|-------------| | **Giao tiếp với Ban lãnh đạo** | Trình bày model insights cho BOD/BOM | | **Storytelling với data** | Chuyển đổi phân tích phức tạp thành insights hành động | | **Cross-functional collaboration** | Làm việc với CA Division, IA, business units | | **Project management** | Quản lý model development lifecycle | | **Đọc hiểu quy định** | Tuân thủ SBV, Basel, IFRS9 | ### 📜 Chứng chỉ Gợi Ý (Ưu tiên) **Bắt buộc nên có:** - **FRM (Financial Risk Manager)** - Chứng chỉ vàng cho risk management - **CFA** - Nền tảng tài chính vững **Bổ sung giá trị:** - PRM (Professional Risk Manager) - CPA (Certified Public Accountant) - Data Science certificates (Coursera, edX) - SQL/Python certifications ### 🔄 Bảng So Sánh: Ứng viên Entry vs Senior | Tiêu chí | Junior (0-3 năm) | Senior (5+ năm) - Yêu cầu JD | |----------|------------------|-------------------------------| | Model complexity | Basic scoring | Full model lifecycle | | Stakeholder level | Team members | BOD, BOM presentation | | Technical depth | Execute models | Design, validate, approve | | Regulatory knowledge | Hiểu cơ bản | Expert-level compliance | | Cross-functional | Limited | Enterprise-wide collaboration | | Mentorship | Học hỏi | Hướng dẫn team | --- **Đánh giá gap skills của bạn:** 1. Bạn có kinh nghiệm build credit risk models chưa? (scorecard, PD model) 2. Bạn có hiểu sâu Basel II IRB và IFRS 9 ECL không? 3. Kỹ năng Python/SQL của bạn ở mức nào? (có thể code end-to-end model không?) 4. Bạn đã từng present cho BOD/BOM chưa?

Chuẩn bị phỏng vấn

## Hướng Dẫn Phỏng Vấn Chi Tiết ### 📋 Quy Trình Phỏng Vấn Techcombank (Dự kiến) **Thông thường có 3-4 vòng:** | Vòng | Nội dung | Thời lượng | Người phỏng vấn | |------|----------|------------|------------------| | **Vòng 1: HR Screening** | Kiểm tra hồ sơ, motivation, culture fit | 30-45 phút | HR Recruiter | | **Vòng 2: Technical Test** | SQL/Python test, case study risk | 60-90 phút | Risk Analytics Team | | **Vòng 3: Technical Interview** | Deep dive vào kinh nghiệm, technical skills | 45-60 phút | Manager + Senior Team Members | | **Vòng 4: Final Interview** | Cultural fit, leadership, BOD presentation | 45-60 phút | Head of Risk / Department Head | --- ### ❓ Câu Hỏi Thường Gặp Theo Từng Vòng #### Vòng 1: HR Screening - "Tại sao bạn muốn chuyển sang Techcombank?" - "Bạn biết gì về credit risk analytics?" - "Mức lương mong đợi của bạn?" - "Bạn có FRM/CFA chưa? Có kế hoạch lấy không?" - "Describe a project bạn tự hào nhất" #### Vòng 2: Technical Test (Prepare kỹ!) **SQL Challenge:** ```sql -- Sample: Tính NPL ratio theo segment trong 3 tháng gần nhất SELECT segment, COUNT(*) as total_accounts, SUM(CASE WHEN status = 'NPL' THEN 1 ELSE 0 END) as npl_count, ROUND(SUM(CASE WHEN status = 'NPL' THEN 1 ELSE 0 END) * 100.0 / COUNT(*), 2) as npl_ratio FROM credit_accounts WHERE report_date >= DATE_SUB(CURRENT_DATE, INTERVAL 3 MONTH) GROUP BY segment; ``` **Python Challenge:** - Build simple logistic regression model - Calculate Gini coefficient, KS statistic - Create model monitoring dashboard **Case Study:** - "Hãy design một early warning system cho SME portfolio" - "Làm sao để implement IFRS 9 ECL model?" #### Vòng 3: Technical Deep Dive **Models & Methodology:** 1. "Walk me through cách bạn build một application scorecard" 2. "PD model và LGD model khác nhau thế nào?" 3. "Explain discriminant function, WOE, IV trong scorecard development" 4. "Làm sao để validate một credit risk model?" 5. "KS, Gini, AUC - khi nào dùng cái nào?" **Regulatory & Compliance:** 6. "Difference between Basel II IRB Foundation vs Advanced?" 7. "Explain IFRS 9 3-stage classification logic" 8. "Làm sao integrate forward-looking scenarios vào ECL?" 9. "Stress testing process như thế nào?" **Practical Experience:** 10. "Describe a time khi model của bạn bị challenge. Bạn xử lý thế nào?" 11. "Largest portfolio bạn từng manage/analysis?" 12. "Công cụ visualization nào bạn dùng để present insights?" #### Vòng 4: Leadership/Culture Fit - "Where do you see yourself in 3-5 years?" - "How do you handle disagreements with stakeholders?" - "Techcombank đang transformation. Bạn đóng góp gì được?" - "Describe your leadership style" - "How do you stay updated with latest risk management trends?" --- ### 🎯 Tips Chuẩn Bị Quan Trọng **1. Nghiên cứu trước:** - Đọc Annual Report Techcombank 2023-2024 - Tìm hiểu Techcombank's digital transformation journey - Follow Techcombank news, strategic direction **2. Technical Preparation:** - Ôn lại: WOE binning, Information Value, Weight of Evidence - Practice: Model validation metrics (KS, Gini, AUC) - Master: PD/LGD/EAD calculation methodology - Hiểu: Basel II IRB requirements & implementation challenges **3. Presentation Skills:** - Vì phải present cho BOD/BOM, hãy practice presentation - Dùng data storytelling framework: Situation → Complication → Resolution - Chuẩn bị 1-2 case studies ấn tượng để kể **4. Questions để hỏi Interviewer:** - "What's the current model development roadmap?" - "How does team collaborate with CA Division?" - "What are the biggest challenges in credit risk modeling here?" --- ### 👔 Dress Code & Etiquette **Dress Code:** Business formal (nam: áo sơ mi cà vạt, nữ: trang phục công sở) **Etiquette Tips:** - Arrive 10-15 phút trước giờ hẹn - Bring copies CV & certificates (photo copies OK) - Ask HR về interview format trước - Send thank-you email sau mỗi vòng - Techcombank values: Customer-centric, Innovation, Integrity

Lộ trình ôn thi

## Lộ Trình Ôn Tập & Chuẩn Bị (2-4 tuần) ### 📚 Kiến Thức Nền Tảng Cần Ôn #### Week 1-2: Core Credit Risk Knowledge **A. Basel II/III Framework** | Chủ đề | Nội dung cần nắm | Tài liệu | |--------|------------------|----------| | IRB vs SA | Internal Ratings-Based vs Standardized Approach | Basel II text, SBV guidelines | | PD/LGD/EAD | Estimation methodology, downturn adjustment | BCBS 128, 171 | | Capital calculation | RWA = Σ (EAD × RW × CCF) | Basel III final text | | Stress testing | Sensitivity, scenario analysis | BCBS stress testing principles | **B. IFRS 9 Expected Credit Loss (ECL)** | Chủ đề | Nội dung cần nắm | Tài liệu | |--------|------------------|----------| | 3-stage model | Stage 1 (12m), Stage 2 (lifetime), Stage 3 | IFRS 9 standard, IASB guidance | | SICR criteria | Significant increase in credit risk triggers | ECL methodology guides | | Forward-looking | Macro scenarios, probability weighting | ECB guidance | | PD term structure | Lifetime PD estimation | Actuarial methods | #### Week 2-3: Technical Skills (Modeling) **A. Scorecard Development Process** ``` 1. Business Understanding → Define objective, target variable 2. Data Preparation → Data extraction, cleaning, missing value treatment 3. Variable Analysis → WOE binning, IV calculation, correlation analysis 4. Model Building → Logistic regression, decision tree, ensemble 5. Model Validation → KS, Gini, AUC, rank ordering, stability 6. Discrimination & Calibration → Score distribution, PD calibration 7. Documentation → Model approval submission 8. Implementation → Scoring engine, monitoring framework 9. Ongoing Monitoring → PSI, performance tracking ``` **B. Key Formulas to Memorize** - **WOE**: ln(%Non-eventi / %Eventi) - **IV**: Σ (%Non-eventi - %Eventi) × WOEi - **Gini**: 2 × AUC - 1 - **KS**: Max(Cumulative %Event - Cumulative %Non-event) - **Score**: β₀ + Σ(βi × WOEi) **C. Model Validation Metrics** | Metric | Purpose | Threshold (Thường dùng) | |--------|---------|--------------------------| | KS statistic | Discrimination power | > 0.30-0.40 | | Gini coefficient | Discrimination power | > 0.40-0.50 | | AUC-ROC | Discrimination power | > 0.70-0.75 | | PSI | Population stability | < 0.10 (stable) | | BIR | Bad rate ratio | Consistent across bins | #### Week 3-4: Practical Application & Mock Interview **A. Case Studies to Practice** 1. **Case 1: Building SME Scorecard** - Business context: SME lending expansion - Data: 10,000 approved loans, 18 months performance - Deliverable: Application scorecard với 15-20 variables 2. **Case 2: IFRS 9 ECL Calculation** - Scenario: 3-stage classification for retail portfolio - Calculate: Lifetime ECL với forward-looking scenarios - Present: Results to credit committee 3. **Case 3: Model Monitoring Dashboard** - Metrics: PSI, vintage analysis, segment performance - Action: Propose model recalibration triggers **B. Mock Interview Questions** - Practice 2-3 min self-introduction focusing on risk analytics experience - Prepare STAR stories (Situation, Task, Action, Result) - Rehearse explaining technical concepts simply --- ### 📖 Tài Liệu Tham Khảo Đề Xuất **Books:** - "Credit Risk Scorecards" - Naeem Siddiqi (Bắt buộc đọc) - "Credit Risk Modeling" - Löffler & Posch (Theory) - "The Basel II Risk Parameters" - Engelmann & Rauhmeier - "An Introduction to Credit Risk Modeling" - Bielecki & Rutkowski **Online Resources:** - BIS/BCBS publications (baselcommittee.org) - IFRS 9 practical resources (IFRS.org) - Techcombank investor relations page **Vietnamese Regulatory:** - SBV Circular 41/2016/TT-NHNN (credit risk classification) - SBV Basel II implementation guidelines - Circular 22/2019/TT-NHNN (IFRS 9 adoption timeline) --- ### ⏰ Suggested Study Schedule (2 tuần intensive) | Ngày | Nội dung | Thời lượng | |------|----------|------------| | Tuần 1 - Ngày 1-2 | Basel II/III fundamentals | 3-4h/ngày | | Tuần 1 - Ngày 3-4 | IFRS 9 ECL methodology | 3-4h/ngày | | Tuần 1 - Ngày 5-7 | Scorecard development, WOE/IV | 4h/ngày | | Tuần 2 - Ngày 1-2 | Model validation metrics | 3-4h/ngày | | Tuần 2 - Ngày 3-4 | Case study practice | 4h/ngày | | Tuần 2 - Ngày 5 | Mock interview, Q&A preparation | 3-4h | | Tuần 2 - Ngày 6-7 | Review, relax, be confident! | Chill | **Lưu ý:** Điều chỉnh theo nền tảng hiện tại của bạn. Nếu đã có kinh nghiệm, tập trung vào phần yếu hơn.

Tư vấn nghề nghiệp

## Lời Khuyên Sự Nghiệp cho Credit Risk Analytics ### 🚀 Lộ Trình Thăng Tiến Tại Ngân Hàng **Techcombank Career Path (Dự kiến):** ``` Junior Analyst (0-2 năm) ↓ Analyst/Senior Analyst (2-4 năm) ↓ [YOU ARE HERE] Senior Officer (5+ năm) ↓ Assistant Manager (6-8 năm) ↓ Manager (8-10 năm) ↓ Senior Manager / VP (10-15 năm) ↓ Director / Head of Department (15+ năm) ``` **Lưu ý:** Techcombank có flat structure, thăng tiến dựa trên performance & competencies hơn là tenure. --- ### 💰 Mức Lương Kỳ Vọng Theo Cấp Bậc (2024 - Hanoi) **Credit Risk Analytics Roles - Thị trường Vietnam:** | Level | Kinh nghiệm | Lương tháng (VND) | Total package (12 tháng + bonus) | |-------|-------------|-------------------|-----------------------------------| | Junior Analyst | 0-2 năm | 15-25 triệu | 300-400 triệu/năm | | Analyst | 2-4 năm | 25-40 triệu | 450-700 triệu/năm | | **Senior Officer** | **5+ năm** | **40-70 triệu** | **800 triệu - 1.5 tỷ/năm** | | Manager | 7-10 năm | 70-120 triệu | 1.5 - 2.5 tỷ/năm | | Senior Manager/VP | 10+ năm | 120-200 triệu | 2.5 - 4 tỷ/năm | **Techcombank Premium:** - Techcombank thường trả cao hơn thị trường 15-25% cho senior roles - Bonus có thể 1-4 tháng lương tùy performance - Total package có thể đạt 1.5-2 tỷ cho Senior Officer xuất sắc **Factors ảnh hưởng đến lương:** - Technical depth (Python, ML, advanced modeling) - Regulatory expertise (Basel III implementation experience) - Certifications (FRM, CFA) - Previous banking experience (top-tier banks preferred) - Negotiation skills --- ### 📈 Kỹ Năng Cần Phát Triển Để Thăng Tiến #### Ngắn hạn (1-2 năm tới) **1. Deepen Technical Expertise:** - Master advanced ML models (XGBoost, LightGBM, Neural Networks) - Learn real-time decision engine architecture - Gain exposure to alternative data & AI/ML in credit risk **2. Expand Business Acumen:** - Understand credit products deeply (SME, Retail, Corporate) - Learn business impact of risk decisions - Develop commercial awareness **3. Build Communication Skills:** - Practice executive-level presentation - Learn to translate technical to business language - Influence without authority #### Trung hạn (3-5 năm) **1. People Management:** - Start mentoring juniors - Lead small project teams - Develop hiring & interviewing skills **2. Strategic Thinking:** - Contribute to department strategy - Identify automation/efficiency opportunities - Drive innovation in risk modeling **3. External Exposure:** - Build network with SBV, external auditors - Attend industry conferences (RISK, Moody's conferences) - Consider international assignments if available #### Dài hạn (5-10 năm) **1. Executive Presence:** - Board-level communication - Enterprise risk thinking - Business partnership mindset **2. Specialization Options:** - Credit Risk Model Validation (require independence) - IRB/Regulatory Capital Management - IFRS 9 ECL Methodology Lead - Credit Risk Technology/Analytics --- ### 🔄 Cơ Hội Chuyển Đổi Từ Các Ngành Liên Quan **Từ các ngành này → Credit Risk Analytics:** | Nguồn gốc | transferable skills | Cần bổ sung | |-----------|--------------------|------------| | Data Science/ML | Python, modeling, statistics | Banking domain, regulatory knowledge | | Actuarial | Statistical modeling, risk quantification | Credit risk specifics, Basel/IFRS9 | | Statistics/Econometrics | Quantitative analysis | Banking products, implementation | | Internal Audit (Risk) | Regulatory, control framework | Technical modeling skills | | Consulting (Risk) | Problem-solving, stakeholder management | Deep technical hands-on | --- ### ⚠️ Cảnh Báo & Lưu Ý Quan Trọng **1. Work-life balance:** - Model development có crunch periods (quarter-end, Basel reporting) - Techcombank fast-paced, high expectations - Set boundaries để tránh burnout **2. Regulatory pressure:** - SBV audits, model validation findings - Must be comfortable with scrutiny - Documentation is key - không có shortcut **3. Role evolution:** - AI/ML đang thay đổi credit risk rapidly - Continuous upskilling là bắt buộc - Learn about generative AI applications in risk **4..exit opportunities:** - Với 5+ năm experience ở đây, bạn có thể chuyển sang: - Other banks (VP, Director level) - Fintech companies - Rating agencies (Moody's, S&P) - Consultancy (McKinsey Risk, Oliver Wyman) - International banks (Singapore, HK offices) **5. Personal recommendation:** - Stay 2-3 năm minimum để học hỏi đủ - Techcombank brand rất mạnh trong Vietnam - Build both technical + leadership skills để maximize value

Câu hỏi thường gặp

Em mới tốt nghiệp ngành Toán Ứng dụng, chưa có kinh nghiệm ngân hàng. Em có phù hợp để ứng tuyển vị trí này không?

Vị trí yêu cầu tối thiểu 5 năm kinh nghiệm, nên fresh grad khó đáp ứng được. Tuy nhiên, em có thể: 1. **Apply ngay nếu:** Có 2-3 năm kinh nghiệm data science/analytics ở các ngành khác (insurance, telecom, fintech) + strong technical skills 2. **Chiến lược khác:** - Tìm vị trí Junior/Entry-level tại Techcombank hoặc ngân hàng khác - Build 3-5 năm experience ở vị trí modeling/analytics - Lấy FRM/CFA để boost profile - Sau đó apply Senior role 3. **Điều kiện cần:** Ngoài technical, bạn cần hiểu sâu credit risk domain (Basel, IFRS9) và có portfolio presentation skills (present cho BOD/BOM). Đây là thách thức lớn nhất với người mới.

Mức lương 40-70 triệu cho Senior Officer có cao không? Em đang negotiatation, nên deal sao cho hợp lý?

Mức này **khá competitive** cho thị trường Vietnam 2024. Techcombank thường trả cao hơn thị trường 15-25%. **Negotiation tips:** 1. **Research market rate:** Tham khảo Glassdoor, VietnamWorks, các recruiter về mức lương credit risk analytics 5-7 năm exp 2. **Know your value:** - FRM/CFA holder: +10-20% - Strong Python/ML skills: +10-15% - Basel implementation experience: +15-25% - Multiple bank experience: +10-20% 3. **Negotiate smartly:** - Khi HR hỏi "mức lương mong đợi", đưa range thay vì 1 con số cố định - Nói "Tôi flexible, quan trọng là package hợp lý" - để mở cửa thương lượng - Include: base salary, bonus structure, allowances, equity/ESOP (nếu có) 4. **Non-salary benefits:** Nếu base không raise được, thương lượng thêm: annual leave, training budget, certification support, flexible work 5. **Timing:** Đợi HR offer trước rồi mới negotiate - không nên đòi quá cao ngay từ đầu.

Em đang làm ở Big 4 audit (risk advisory), chuyển sang ngân hàng làm credit risk modeling có phù hợp không?

**Rất phù hợp!** Đây là background rất common cho credit risk analytics roles. Nhưng cần chuẩn bị kỹ: **Điểm mạnh bạn có:** - Hiểu regulatory framework (Basel, IFRS9) - Strong analytical skills - Audit mindset (control, documentation) - Professional certifications (CFA, FRM hoặc đang lấy) - Client/stakeholder management experience **Điểm cần bổ sung:** 1. **Hands-on modeling:** Big 4 advisory thường là methodology design, không phải model development. Học Python/SQL thực tế 2. **Bank operations:** Hiểu cách ngân hàng vận hành thực tế - credit process, systems, data flows 3. **Scale:** Khác biệt giữa advisory (1-2 models) vs in-house (hàng chục models, ongoing monitoring) 4. **Tech stack:** Học Azure/AWS, Spark, model deployment platforms **Cách position CV của bạn:** - Frame "đã tư vấn cho X ngân hàng về Basel IRB implementation" - Highlight quantitative projects - Đừng nói "audit" - nói "risk advisory, model validation, regulatory consulting" **Thách thức thực tế:** Văn hóa ngân hàng vs consulting khác nhiều. Be ready for more routine work nhưng stable hơn.

Kỹ năng Python của em chỉ ở mức basic (pandas, numpy), có đủ để pass technical test không?

**Phụ thuộc vào cách đặt câu hỏi và team Techcombank.** Technical test thường focus vào: **Thường gặp nhất - SQL:** - SQL là bắt buộc, bạn phải master (joins, window functions, aggregations) - Practice: LeetCode (SQL medium difficulty) **Xác suất thấp - Advanced Python:** - Nếu có Python test, thường là case study đơn giản - Logistic regression với sklearn là đủ - Không yêu cầu deep learning, MLOps **Lời khuyên:** 1. **Nâng cấp ngay:** 1-2 tuần intensive Python 2. **Focus areas:** pandas (data manipulation), scikit-learn (basic ML), matplotlib/seaborn (visualization) 3. **Câu trả lời an toàn:** "Em có foundation tốt, đang nâng cấp. Team Techcombank support training không ạ?" **Thực tế:** Senior role quan trọng hơn là domain knowledge + communication skills. Technical có thể đào tạo thêm, nhưng business sense thì khó dạy.

Vị trí này có phải là 'back-office' không? Giờ làm việc và work-life balance như thế nào?

**Không phải back-office.** Đây là **frontline risk** - làm việc trực tiếp với BOD, business units, regulators. **Work-life balance thực tế:** **Bình thường:** - Giờ làm: 8:00-17:30 hoặc 9:00-18:00 - Flexible work from home (Hybrid model) - Weekend work hiếm khi **Busy season (cần prepare):** - Quarter-end reporting (làm thêm 1-2 tuần) - Basel/Stress test cycle (Q4, Q1 - có thể OT) - Model validation findings deadline - New product launch with risk models **Techcombank specifically:** - Fast-paced, performance-focused culture - High expectations nhưng được đánh giá công bằng - Techcombank là top payer → đi kèm top expectations - Modern office, good tools, invest in training **So sánh:** - Ngân hàng khác (VPB, TCB) thường có văn hóa OT nhiều hơn - Fintech thì unstable hours hơn - Big 4 advisory thì travel nhiều, nhưng ngược lại **Conclusion:** Work-life balance ở mức chấp nhận được cho ngành banking. Không phải '9-to-5 easy job' nhưng cũng không quá khắc nghiệt.

Em thấy JD đề cập 'unstructured data' và 'advanced techniques' - có cần phải giỏi AI/ML không?

Đây là **buzzwords trong JD** hơn là strict requirement. Phân tích thực tế: **Những gì thực sự cần (80% công việc):** - Traditional credit risk models (logistic regression, scorecard) - Statistical analysis, data mining - SQL, Python basics - Regulatory compliance **Những gì là 'nice to have' (20% - differentiate you):** - Machine learning (XGBoost, Random Forest) - Alternative data (social media, mobile data) - NLP cho unstructured data (news, contracts) - Real-time decision engines **Lời khuyên:** 1. Không cần phải deep learning expert 2. Nhưng **nên biết ML basics** - biết khi nào dùng ML vs traditional models 3. Frame ML knowledge là "đang học, có project thực tế" thay vì "expert" **Cách position:** - "Em có exposure với ML models (XGBoost) trong risk modeling, muốn develop deeper expertise" - Đừng overclaim - senior interviewers sẽ test ngay **Tip:** Nếu có, mention 1 project nhỏ dùng ML để scorecard. Đủ để show initiative nhưng không cần mastery.

Quy trình model approval ở Techcombank như thế nào? Vì sao JD đề cập nhiều về presenting to BOD?

**Model Approval Process (Typical Vietnam Banks):** ``` 1. Model Development (Risk Analytics team) ↓ 2. Independent Validation (Model Validation team hoặc IA) ↓ 3. Model Committee Review (Risk team trình) ↓ 4. Technical Approval (CRO or Model Validation Sign-off) ↓ 5. Business Implementation (IT + Business Units) ↓ 6. Ongoing Monitoring (Periodic validation reports) ``` **Tại sao BOD/BOM presentation quan trọng?** Với Senior Officer, bạn phải **trình bày cho management cấp cao** vì: 1. **Strategic decisions:** Model outputs ảnh hưởng đến credit policy, pricing, limits 2. **Capital implications:** Basel/stress test results ảnh hưởng đến capital planning 3. **Regulatory compliance:** BOD chịu trách nhiệm trước SBV **Skills cần có để present for BOD:** - Simplify complex models → actionable insights - Executive summary style ( không đi sâu technical details) - Business impact focused (revenue, risk, capital) - Q&A handling (challenge from non-technical stakeholders) **Thực hành:** - Practice "elevator pitch" - explain credit risk model in 2-3 minutes - Use visualizations, avoid wall of text - Prepare for "dumb questions" - đây là normal **Đây là differentiator lớn:** Many technical candidates giỏi nhưng giao tiếp yếu. Nếu bạn present tốt, bạn sẽ stand out.

Em đang có 6 năm kinh nghiệm ở VPBank, apply Techcombank vị trí này có được upgrade title không?

**Có cơ hội, nhưng còn nhiều yếu tố.** Phân tích: **Title/Level thường khi chuyển ngân hàng:** - Same level → Senior Officer (nếu similar scope) - 1 level up → Assistant Manager (nếu đặc biệt strong) - Stay same → vì mỗi bank có different leveling framework **Techcombank leveling (vài năm trước):** - Thường Senior Officer = 5-7 năm exp - Assistant Manager = 7-10 năm exp - Manager = 10+ năm exp **Factors ảnh hưởng đến leveling:** 1. **Performance level ở VPBank:** Top performer vs average vs below average 2. **Scope of responsibility:** Portfolio size, model complexity 3. **Technical depth:** Basel implementation, IFRS 9 hands-on 4. **Certifications:** FRM/CFA holder 5. **Interview performance:** Nếu strongly outperform, có thể negotiate **Recommendation:** - **Apply và state your target level** là Assistant Manager hoặc Senior Officer - Let HR decide - nhưng be ready to justify why you deserve higher - 6 năm VPBank + FRM + strong technical = có thể Senior Officer with fast track to AM **Lưu ý:** Mỗi ngân hàng có different leveling. VPBank's "Chuyên viên" có thể = Techcombank's "Officer". Không so sánh 1:1 được.

Ngoài Techcombank, em có nên apply thêm các ngân hàng nào khác để compare?

**Rất recommend** - không nên chỉ apply 1 nơi. Đây là các options tương đương: **Same tier (Top banks - Premium pay, high expectations):** - **VPBank (Retail banking powerhouse):** Mạnh về consumer finance, risk analytics - **ACB (Tech-savvy bank):** Transformation đang active - **TPBank (Digital-first):** Fast-paced, modern culture - **MB Bank (Military Bank):** Diversified, đang mở rộng **Next tier (Good learning opportunity):** - **VietinBank, BIDV, Agribank:** Lớn, process-heavy, stable nhưng pay thấp hơn **Others to consider:** - **Shinhan Bank, Standard Chartered, Citibank:** MNC banks - good for international exposure - **Fintech companies:** FE Credit, Home Credit, VPBank's digital units - higher pay but less stable **Compare approach:** - Apply 3-5 places simultaneously để leverage - Đặc biệt apply 1-2 "back-up" options - Use offers để negotiate **Priority recommendation:** 1. Techcombank (top choice - brand, pay, growth) 2. VPBank (similar level, strong risk culture) 3. 1-2 others for leverage **Lưu ý:** Chỉ apply khi thật sự muốn join. Applying quá nhiều nơi không focus sẽ reflect poorly.

Senior Officer, Credit Risk Analytics and Modelling (40000083)