OCB tuyển dụng TRƯỞNG PHÒNG KIẾN TRÚC VÀ NỀN TẢNG DỮ LIỆU lương Thỏ...

Trưởng phòng/Giám đốc Thỏa thuận Hạn: 2026-08-31

Mô tả công việc

- Học vấn: tốt nghiệp đại học trở lên các ngành Công nghệ thông tin, Khoa học máy tính, Hệ thống thông tin, Khoa học dữ liệu hoặc liên quan. - Kinh nghiệm: tối thiểu 8 năm trong lĩnh vực dữ liệu (data architecture/engineering/platform), trong đó 3–5 năm ở vai trò quản lý; có kinh nghiệm triển khai Enterprise Data Warehouse quy mô lớn và am hiểu banking data model. - Chuyên môn: thành thạo lakehouse trên cloud (Databricks trên AWS/Azure/GCP), Data Vault/Medallion, Feature Store; ETL/ELT/CDC/API, SQL, Spark, Python; các công nghệ open-source (Kafka, Presto, Hive) và hệ CSDL SQL/NoSQL/Graph; CI/CD, orchestration, observability, FinOps và các khung ITIL 4/SRE. - Năng lực: tư duy chiến lược, lãnh đạo và phát triển đội ngũ, kỹ năng giao tiếp – thuyết phục và giải quyết vấn đề; đọc hiểu tốt tài liệu kỹ thuật tiếng Anh. - Kinh nghiệm trong ngành ngân hàng – tài chính hoặc tổ chức có yêu cầu cao về bảo mật, tuân thủ và khối lượng dữ liệu lớn. - Các chứng chỉ chuyên môn: DAMA-CDMP, TOGAF, Databricks, AWS, Oracle, PMP/Agile.

Yêu cầu ứng viên

Phân tích kỹ năng cần có

# Phân tích kỹ năng – Trưởng phòng Kiến trúc & Nền tảng Dữ liệu (OCB) ## 🎯 Tổng quan vị trí Đây là vị trí **Head of Data Architecture & Platform** – cấp lãnh đạo phòng, chịu trách nhiệm về toàn bộ kiến trúc dữ liệu và nền tảng data của OCB. Đây là một trong những vị trí **hot nhất** trong lĩnh vực data tại ngân hàng Việt Nam hiện tại, đòi hỏi sự kết hợp giữa **chiều sâu kỹ thuật** và **năng lực quản lý chiến lược**. --- ## 🔧 Hard Skills (Kỹ năng cứng) – YÊU CẦU BẮT BUỘC ### 1. Nền tảng dữ liệu hiện đại (Data Platform) - **Lakehouse Architecture** trên cloud (Databricks, AWS/Azure/GCP) - **Data Vault / Medallion Architecture** – mô hình tổ chức dữ liệu chuẩn ngân hàng - **Feature Store** – phục vụ Machine Learning pipelines - **Enterprise Data Warehouse (EDW)** quy mô lớn (Petabyte-scale) - **Banking Data Model** – hiểu mô hình dữ liệu ngân hàng (customer, account, transaction, KYC, AML, credit...) ### 2. Kỹ thuật xử lý & tích hợp dữ liệu - **ETL / ELT / CDC / API integration** - **SQL nâng cao** (window functions, optimization, complex joins) - **Apache Spark** (batch + streaming) - **Python** cho data engineering & scripting - **Kafka, Presto, Hive** (open-source ecosystem) ### 3. Hệ quản trị cơ sở dữ liệu - SQL: Oracle, PostgreSQL, MySQL - NoSQL: MongoDB, Cassandra, DynamoDB - Graph: Neo4j (cho fraud detection, network analysis) ### 4. DevOps & Vận hành - CI/CD (Jenkins, GitLab CI, GitHub Actions) - Orchestration: Airflow, Prefect, Dagster - Observability: Prometheus, Grafana, ELK Stack - **FinOps** – quản lý chi phí cloud - Khung **ITIL 4 / SRE** – Site Reliability Engineering --- ## 🧠 Soft Skills (Kỹ năng mềm) – YẾU TỐ PHÂN HẠNG | Kỹ năng | Vai trò ở vị trí này | |---|---| | **Tư duy chiến lược** | Xây dựng roadmap data 3-5 năm, cân bằng giữa innovation và tuân thủ NHNN | | **Lãnh đạo & phát triển đội ngũ** | Quản lý team 10-30 người (architect, senior engineer, data engineer) | | **Communication & thuyết phục** | Thuyết trình cho CEO/CTO/CDO, làm việc với business stakeholders | | **Problem-solving** | Xử lý sự cố dữ liệu trong môi trường 24/7 banking | | **Tiếng Anh kỹ thuật** | Đọc hiểu tài liệu, giao tiếp với vendor quốc tế | --- ## 📜 Chứng chỉ khuyến nghị (Ưu tiên theo thứ tự) ### Bảng so sánh chứng chỉ | Chứng chỉ | Tổ chức | Thời gian ôn | Chi phí ước tính | Mức độ ưu tiên | Phù hợp cho vị trí? | |---|---|---|---|---|---| | **DAMA-CDMP** | DAMA International | 2-3 tháng | ~$300-500 | ⭐⭐⭐⭐⭐ | Rất cao – chứng chỉ "vàng" cho Data Architect | | **TOGAF** | The Open Group | 3-4 tháng | ~$500-800 | ⭐⭐⭐⭐ | Cao – chứng chỉ Enterprise Architect | | **Databricks Certified Data Engineer** | Databricks | 1-2 tháng | ~$200 | ⭐⭐⭐⭐⭐ | Rất cao – yêu cầu trực tiếp trong JD | | **AWS Solutions Architect Pro** | AWS | 3-6 tháng | ~$300 | ⭐⭐⭐⭐ | Cao – cloud architecture | | **Azure Data Engineer (DP-203)** | Microsoft | 2-3 tháng | ~$165 | ⭐⭐⭐⭐ | Cao – nếu OCB dùng Azure | | **Oracle Certified Professional** | Oracle | 2-3 tháng | ~$245 | ⭐⭐⭐ | Trung bình – core banking systems | | **PMP / Agile (CSM/PSM)** | PMI / Scrum Alliance | 2-3 tháng | ~$300-500 | ⭐⭐⭐ | Trung bình – quản lý dự án | | **FinOps Certified Practitioner** | FinOps Foundation | 1 tháng | ~$300 | ⭐⭐⭐⭐ | Cao – đề cập trực tiếp | --- ## ⚠️ Điểm khác biệt giữa ngân hàng vs. công ty tech - **Banking data model** là rào cản lớn nhất cho người từ e-commerce/SaaS muốn chuyển sang - Yêu cầu **tuân thủ pháp lý** cao (NHNN, SBV, Circular 41/2016 về quản trị rủi ro CNTT, GDPR khi có khách hàng EU) - **Data lineage & data governance** quan trọng hơn innovation - **On-call & 24/7 availability** – downtime ảnh hưởng trực tiếp đến nghiệp vụ core banking --- ## 🎓 Bằng cấp - Tốt nghiệp ĐH trở lên: CNTT, Khoa học máy tính, Hệ thống thông tin, **Khoa học dữ liệu** - Ưu tiên trường: ĐH Bách Khoa, ĐH Quốc gia, ĐH Fulbright, hoặc chương trình quốc tế - Thạc sĩ (MBA/MSc) là lợi thế ở vị trí Head level

Chuẩn bị phỏng vấn

# Hướng dẫn phỏng vấn – Trưởng phòng Kiến trúc Dữ liệu OCB ## 📋 Quy trình tuyển dụng dự kiến (5-6 vòng) Tại OCB và các ngân hàng TMCP top đầu cho vị trí Head level, quy trình thường kéo dài **3-6 tuần**: ### Vòng 1: HR Screening (30-45 phút) - Giới thiệu bản thân, kinh nghiệm tổng quan - Mục tiêu nghề nghiệp, lý do ứng tuyển OCB - Mức lương hiện tại & kỳ vọng - Notice period ### Vòng 2: Technical Test / Case Study (có thể take-home hoặc onsite) - Thiết kế kiến trúc data cho một ngân hàng giả định - Đánh giá hiểu biết về lakehouse, Data Vault, cloud migration - Bài toán tối ưu chi phí (FinOps) ### Vòng 3: Technical Deep Dive (60-90 phút) - Phỏng vấn với CDO / Senior Architect - Câu hỏi chuyên sâu về Spark, Databricks, data modeling ### Vòng 4: Managerial Round (60 phút) - Phỏng vấn với GĐ Khối Công nghệ / GĐ Data - Câu hỏi về leadership, xây dựng team, xử lý conflict ### Vòng 5: Business Round (60 phút) - Phỏng vấn với Phó TGĐ / TGĐ - Câu hỏi về chiến lược, gắn data với business outcome ### Vòng 6: Final Interview – Offer (có thể) - Đàm phán lương, benefit - Background check --- ## ❓ Câu hỏi phỏng vấn thường gặp theo từng vòng ### Vòng HR Screening 1. *"Giới thiệu ngắn gọn về bản thân và lý do bạn muốn rời vị trí hiện tại?"* 2. *"Mức lương hiện tại và kỳ vọng của bạn là bao nhiêu?"* 3. *"Bạn biết gì về OCB và chiến lược chuyển đổi số của OCB?"* 4. *"Notice period của bạn là bao lâu?"* ### Vòng Technical – Câu hỏi kiến trúc 1. **So sánh Lakehouse vs. Data Warehouse vs. Data Lake** – ưu/nhược điểm trong ngữ cảnh ngân hàng? 2. **Khi nào nên dùng Data Vault thay vì 3NF/Star Schema?** 3. **Thiết kế kiến trúc data platform cho ngân hàng với 50M customers, 100TB data** – bạn sẽ làm gì? 4. **Làm sao handle CDC từ core banking system sang data warehouse real-time?** 5. **Bạn tối ưu chi phí Databricks/Snowflake như thế nào?** (FinOps) 6. **Phân biệt batch ETL, micro-batch và streaming** – khi nào dùng cái nào? 7. **Giải thích medallion architecture (Bronze/Silver/Gold) và tại sao nó phù hợp với banking?** ### Vòng Technical – Câu hỏi coding/SQL 1. Viết SQL tính **rolling 30-day transaction sum** cho mỗi khách hàng 2. Cách detect **data skew** trong Spark và cách xử lý 3. Thiết kế **SCD Type 2** cho customer data ### Vòng Managerial – Leadership 1. *"Bạn đã xây dựng team data từ 3 người lên 30 người như thế nào?"* 2. *"Cách bạn xử lý một senior engineer dưới quyền có hiệu suất kém?"* 3. *"Làm sao cân bằng giữa tech debt và feature mới khi delivery pressure từ business?"* 4. *"Bạn đã từng xử lý sự cố dữ liệu nghiêm trọng nào? Quy trình như thế nào?"* 5. *"Làm sao convince CFO đầu tư $2M cho data platform?"* ### Vòng Business/Strategic 1. *"Tầm nhìn data của OCB nên đi theo hướng nào trong 3 năm tới?"* 2. *"Làm sao data platform đóng góp vào revenue growth của ngân hàng?"* 3. *"Bạn nghĩ gì về GenAI/LLM trong banking data?"* 4. *"Risk lớn nhất khi modern data stack ở ngân hàng?"* --- ## 💡 Tips chuẩn bị quan trọng ### Trước phỏng vấn - ✅ **Nghiên cứu OCB**: Đọc báo cáo thường niên, tin tức về chiến lược chuyển đổi số (OCB đang đẩy mạnh số hóa từ 2020) - ✅ **Nghiên cứu đối thủ**: So sánh với Techcombank, VPBank, MB – ai đang invest data nhiều nhất - ✅ **Chuẩn bị portfolio**: Sơ đồ kiến trúc data bạn đã thiết kế, KPI đạt được, team size - ✅ **STAR method**: Chuẩn bị 5-7 câu chuyện theo format Situation-Task-Action-Result - ✅ **Liệt kê 3 thành tựu** đo lường được bằng số (% cost reduction, TB data processed, team growth...) ### Trong phỏng vấn - 🎯 Dùng ngôn ngữ kinh doanh, không chỉ thuật ngữ kỹ thuật - 🎯 Đặt câu hỏi ngược cho interviewer: "Tôi có thể hỏi lại về tech stack hiện tại của OCB không?" - 🎯 Show humility: "Tôi vẫn đang học hỏi về X..." - 🎯 Đừng nói xấu công ty cũ ### Câu hỏi nên hỏi ngược interviewer - "OCB đang ở giai đoạn nào trong data maturity journey?" - "Team hiện tại có bao nhiêu người và structure như thế nào?" - "Budget cho data platform trong năm tới là bao nhiêu?" - "KPI chính của Head of Data là gì?" - "OCB đang dùng cloud provider nào? Có multi-cloud strategy không?" --- ## 👔 Dress Code - **Vòng HR & Technical**: Smart casual / Business casual (sơ mi, quần tây, giày tây) - **Vòng Business (TGĐ/Phó TGĐ)**: Formal (suit, vest) – đặc biệt ở OCB là ngân hàng truyền thống, dress code khá formal - **Tóc gọn gàng, không nước hoa quá nồng**

Lộ trình ôn thi

# Lộ trình ôn thi & chuẩn bị (1-2 tuần) ## 📚 Kiến thức nền tảng cần nắm vững ### 1. Modern Data Architecture (3 ngày) **Tài liệu tham khảo:** - 📖 *"Fundamentals of Data Engineering"* – Joe Reis & Matt Housley (bible của data engineer) - 📖 *"Data Mesh"* – Zhamak Dehghani (xem qua concept, không cần deep) - 📖 *"The Data Warehouse Toolkit"* – Ralph Kimball (Star Schema, SCD) - 📖 *"Building the Data Lakehouse"* – Bill Inmon (Lakehouse concepts) - 🎥 YouTube: "Databricks Lakehouse Fundamentals" (free course) - 🎥 Coursera: "Modern Data Engineering with Google Cloud" **Chủ đề cần cover:** - Data Warehouse vs Data Lake vs Lakehouse - Medallion Architecture (Bronze/Silver/Gold) - Data Vault 2.0 - Dimensional Modeling (Star, Snowflake, Galaxy) - Slowly Changing Dimensions (SCD Type 1, 2, 3, 4) - Data Governance & Data Lineage ### 2. Cloud & Big Data (3 ngày) **Tài liệu:** - 🎓 **Databricks Free Certification Course** (Lakehouse, Spark) - 🎓 **AWS Skill Builder** – Data Engineer Learning Path - 📖 *"Spark: The Definitive Guide"* – Bill Chambers - 🎥 FreeCodeCamp: Apache Spark full course **Cần thực hành:** - Spark SQL, PySpark (DataFrame API) - Delta Lake concepts (ACID, time travel, schema evolution) - Databricks workspace, jobs, Unity Catalog - AWS: S3, Glue, Redshift, EMR, Kinesis - Azure: ADLS, Synapse, Data Factory ### 3. Streaming & Real-time (1 ngày) - Apache Kafka architecture (broker, partition, consumer group) - Kafka Connect, Kafka Streams - CDC patterns (Debezium, AWS DMS) - Spark Structured Streaming - Lambda vs Kappa architecture ### 4. Banking Domain Knowledge (1 ngày) **Phải hiểu:** - **Core banking systems**: T24 (Temenos), Finastra, FSS, hệ core của OCB - **Data ngân hàng**: Customer 360, Account, Transaction, Loan, Card, KYC, AML - **Quy định NHNN**: Circular 41/2016/TT-NHNN (quản trị rủi ro CNTT), Thông tư 13/2018 (cho vay), Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân - **Báo cáo NHNN**: Tỷ lệ an toàn vốn (CAR), NPL, LDR - **Anti-Money Laundering (AML)**: Rule-based + ML-based detection ### 5. Leadership & Strategy (1 ngày) - Đọc *"Team Topologies"* – Skelton & Pais - Đọc *"The Phoenix Project"* (DevOps mindset) - Review ITIL 4 framework - Review SRE principles (Google SRE book – free online) --- ## 🗓️ Lộ trình 2 tuần chi tiết ### Tuần 1: Kiến thức nền | Ngày | Sáng (3-4h) | Chiều (3-4h) | Tối (1-2h) | |---|---|---|---| | T2 | Modern Data Architecture overview | Lakehouse deep dive | Đọc Fundamentals of Data Engineering (Ch. 1-3) | | T3 | Databricks & Spark | Practice PySpark trên Databricks Community | Đọc Ch. 4-6 | | T4 | Data Vault 2.0 | AWS Data services overview | Đọc Ch. 7-9 | | T5 | Streaming & Kafka | CDC patterns | Đọc Ch. 10-12 | | T6 | Banking domain – data model | Case study: Data platform 1 ngân hàng Việt | Ôn SQL nâng cao | | T7 | SQL advanced + Spark optimization | Review & tổng hợp ghi chú | Mock technical interview | ### Tuần 2: Luyện tập & tinh chỉnh | Ngày | Sáng | Chiều | Tối | |---|---|---|---| | T8 | Practice 5 câu SQL phức tạp | Thiết kế kiến trúc 1 use case | Review leadership stories | | T9 | Thiết kế kiến trúc data platform cho ngân hàng giả định (present) | Practice case study: FinOps scenario | Đọc về OCB | | T10 | Mock interview technical (60 phút) | Review feedback, cải thiện | Chuẩn bị portfolio | | T11 | Mock interview leadership (60 phút) | Chuẩn bị presentation deck | Final review | | T12 | Final mock toàn diện | Polish CV & portfolio | Nghỉ ngơi | | T13-14 | **Buffer / Self-review** | | | --- ## 🛠️ Tài liệu tham khảo trọng yếu ### Free resources (ưu tiên) - 🌐 Databricks Free Courses: - 🌐 AWS Skill Builder (free tier) - 🌐 Google Cloud Skills Boost (free tier) - 🌐 Microsoft Learn (Azure) - 🌐 FreeCodeCamp YouTube - 🌐 Towards Data Science (Medium) - 📕 Google SRE Book (free) ### Paid nhưng đáng giá - 💰 Coursera Plus ($59/year – unlimited courses) - 💰 A Cloud Guru / Pluralsight - 💰 Udemy Databricks/Spark courses (~$10-15 mỗi course) ### Sách "must-read" - 📚 *Fundamentals of Data Engineering* – Joe Reis - 📚 *Data Warehouse Toolkit* – Ralph Kimball - 📚 *Spark: The Definitive Guide* – Bill Chambers - 📚 *Designing Data-Intensive Applications* – Martin Kleppmann - 📚 *Team Topologies* – Skelton & Pais

Tư vấn nghề nghiệp

# Lời khuyên sự nghiệp – Data Architect/Head of Data tại Ngân hàng ## 📈 Lộ trình thăng tiến điển hình ``` Junior Data Engineer (0-2 năm) ↓ Data Engineer / Senior Data Engineer (2-4 năm) ↓ Lead Data Engineer / Data Architect (4-6 năm) ↓ Senior Data Architect / Engineering Manager (6-8 năm) ↓ Head of Data Architecture / Head of Data Platform (8-12 năm) ← BẠN ĐANG Ở ĐÂY ↓ Director of Data / VP Data / CDO (12-15+ năm) ``` ### Các hướng đi sau vị trí Head of Data Platform 1. **Chief Data Officer (CDO)** – C-level, định hướng chiến lược data toàn ngân hàng 2. **VP of Engineering** – Mở rộng sang các mảng engineering khác 3. **Chief Technology Officer (CTO)** – Nếu có background CNTT rộng 4. **Consulting/Advisory** – Đi làm cho Big 4, tư vấn data strategy cho ngân hàng khác 5. **Startup/Fintech** – VP Data tại MoMo, ZaloPay, Timo, Cake, etc. --- ## 💰 Mức lương kỳ vọng theo cấp bậc (VN, 2024-2025) | Cấp bậc | Kinh nghiệm | Mức lương (Gross/month) | Mức lương (USD/year) | |---|---|---|---| | Data Engineer | 1-3 năm | 25-50 triệu | $12k-25k | | Senior Data Engineer | 3-5 năm | 50-90 triệu | $25k-45k | | Lead Data Engineer | 5-7 năm | 90-150 triệu | $45k-75k | | Data Architect | 6-8 năm | 130-200 triệu | $60k-100k | | **Head of Data (target)** | **8-12 năm** | **180-350 triệu** | **$80k-160k** | | CDO / VP Data | 12-15+ năm | 300-700 triệu | $130k-300k | **Lưu ý cho vị trí OCB:** - OCB là ngân hàng tầm trung (top 15-20), mức lương thường **thấp hơn Techcombank/VPBank/MB** 10-20% - Tuy nhiên có thể **thương lượng cao** nếu ứng viên có kinh nghiệm cloud migration lớn - Total compensation bao gồm: base + bonus + stock/ESOP (nếu có) + benefits - Nên đàm phán dựa trên **total package**, không chỉ base --- ## 🎯 Kỹ năng cần phát triển thêm ### Tier 1 – Ưu tiên cao nhất (nếu chưa có) - **Hands-on Databricks + Unity Catalog** (Lab free trên community edition) - **GenAI/LLM integration** với data platform (RAG, Vector DB, Bedrock, Azure OpenAI) - **FinOps** – chứng nhận FinOps Certified Practitioner - **Data Observability** tools: Monte Carlo, Soda, Datafold, Great Expectations ### Tier 2 – Phát triển trong 6-12 tháng tới - **Multi-cloud strategy**: AWS + Azure + GCP - **Data Product Management** mindset (treating data as product) - **MLOps** & feature store architecture - **Streaming-first architecture** (Kafka + Flink + Iceberg) ### Tier 3 – Cho career dài hạn - **Vendor management** – đàm phán với Databricks, Snowflake, AWS - **Public speaking** – conference talks (Data Science Vietnam, ODSC) - **Technical writing** – blog, paper, mentoring - **Cross-functional skills** – basic finance, risk management --- ## 🧭 Lời khuyên thực chiến ### Cho người đang ở vị trí Lead/Senior muốn lên Head 1. **Build a track record** với data warehouse migration hoặc cloud migration lớn 2. **Mentor ít nhất 3-5 engineers** – chứng minh leadership capability 3. **Cross-functional exposure**: Làm việc với business stakeholders, hiểu KPI của họ 4. **Public profile**: LinkedIn articles, conference talks, open-source contributions 5. **Executive presence**: Practice presentation với C-level ### Cho người muốn chuyển từ Tech (non-banking) sang 1. **Học banking domain** trước khi apply – đọc sách, làm side projects về banking data 2. **Lấy 1-2 chứng chỉ banking-related** (DAMA-CDMP là lựa chọn tốt nhất) 3. **Network với người trong ngân hàng**: LinkedIn, meetup, conference 4. **Accept lower level trước**: Có thể vào Senior Architect thay vì Head 5. **Highlight transferable skills**: data scale, compliance, security mindset ### Cảnh báo thực tế ⚠️ **Ngân hàng VN khác Tech ở chỗ**: - Approval process lâu hơn (cần IT Security, Risk, Compliance review) - Tech stack có thể cũ hơn (legacy systems vẫn phổ biến) - Innovation budget thấp hơn startup - Nhưng: **job security tốt hơn**, **income ổn định**, **brand value cao** ⚠️ **OCB specifically**: - OCB đang trong quá trình tái cơ cấu mạnh mẽ (thay CEO, đẩy mạnh số hóa) - Có thể là cơ hội tốt để build từ đầu nhưng cũng có rủi ro thay đổi - Nên research kỹ về chiến lược CDO hiện tại của OCB --- ## 🌟 Profile điển hình của người được tuyển Ứng viên lý tưởng cho vị trí này thường có: - 8-12 năm kinh nghiệm data, trong đó 3-5 năm ở ngân hàng/tài chính - Đã lead team data 10-30 người - Đã migrate on-premise Hadoop/Oracle sang cloud Databricks/Snowflake - Có track record giảm cost data platform ≥30% - Tốt nghiệp BK hoặc chương trình quốc tế - Có ít nhất 3/8 chứng chỉ trong JD - Tiếng Anh đọc viết tốt (có thể không cần nói)

Câu hỏi thường gặp

Em mới ra trường ngành Khoa học Dữ liệu, muốn ứng tuyển vị trí này có được không?

Không phù hợp đâu em ơi. Vị trí này yêu cầu tối thiểu 8 năm kinh nghiệm và 3-5 năm quản lý – đây là vị trí Head of Department. Em nên bắt đầu từ vị trí Data Engineer (0-2 năm), sau đó Senior Data Engineer (2-4 năm), rồi Lead/Architect (4-6 năm) trước khi nghĩ đến Head. Nếu em thật sự muốn vào OCB sớm, có thể apply vị trí Data Engineer hoặc fresher ở các chương trình graduate program của ngân hàng. Tập trung build foundation về Spark, SQL, Databricks và banking domain trước nhé!

Tôi đang là Senior Data Engineer ở fintech (MoMo/ZaloPay) được 4 năm, lương 70 triệu. Cơ hội lên Head of Data ở ngân hàng có cao không?

Cơ hội có nhưng cần build thêm 2-3 năm nữa. Fintech experience rất tốt vì các bạn làm với data scale lớn, real-time, cloud-native. Tuy nhiên vị trí Head yêu cầu: (1) kinh nghiệm banking data model cụ thể, (2) team management 3-5 năm – bạn mới có 4 năm senior nên có thể chưa đủ 'quản lý'. Lộ trình đề xuất: trong 1-2 năm tới, nhắm vị trí Lead Data Engineer tại ngân hàng (Techcombank, VPBank, MB, OCB). Sau 2-3 năm ở vị trí Lead thì apply Head. Lương sẽ tăng lên 120-180 triệu ở vị trí Lead, và 200-350 triệu ở Head. Đừng rush nhé, build foundation vững.

Tôi 10 năm làm Data Engineer ở ngân hàng Techcombank, 2 năm team lead. Có đủ điều kiện apply Head of Data Platform ở OCB không?

Bạn khá sát yêu cầu rồi – 10 năm exp là đủ, nhưng 2 năm team lead thì có thể nhà tuyển dụng muốn 3 năm trở lên. Nếu bạn có thêm: (1) experience migration on-premise sang cloud Databricks, (2) hands-on với Kafka/CDC, (3) 1-2 chứng chỉ (DAMA-CDMP, AWS hoặc Databricks cert) thì cơ hội rất cao. Tip: highlight các project bạn đã lead, especially những project cross-functional với business. Nên chuẩn bị kỹ case study về data warehouse migration – đây là điểm pain point lớn nhất của OCB hiện tại.

Mức lương kỳ vọng hợp lý cho vị trí Head of Data Platform tại OCB là bao nhiêu?

Theo market research 2024-2025, mức lương cho vị trí tương đương tại ngân hàng tầm trung (OCB, HDBank, SHB, LPB) dao động 180-280 triệu gross/tháng (~ $8k-12k USD/month). Nếu có track record cloud migration lớn, có thể negotiate lên 300-350 triệu. Total comp nên gồm: base + 13th month salary + bonus (2-4 tháng lương) + stock/ESOP (nếu có). Lưu ý: OCB đang trong giai đoạn tái cơ cấu nên bonus có thể volatile. Đàm phán dựa trên giá trị bạn mang lại: tiết kiệm bao nhiêu % chi phí cloud, tăng data-driven decision bao nhiêu, etc.

Tôi không có chứng chỉ nào trong JD, chỉ có kinh nghiệm thực tế 8 năm. Có nên apply không?

Cứ apply thử! Trong JD, chứng chỉ thường là "nice-to-have" chứ không phải "must-have" ở Việt Nam, đặc biệt khi bạn đã có 8 năm kinh nghiệm thực chiến. Tuy nhiên, nếu bạn chưa đậu vòng đầu, recommend trong thời gian chờ lấy ít nhất 1-2 chứng chỉ ưu tiên: DAMA-CDMP (dễ nhất cho data architect), Databricks Certified Data Engineer, hoặc AWS Solutions Architect. Mỗi chứng chỉ mất 1-3 tháng ôn. Chứng chỉ giúp CV bạn pass HR screening dễ hơn rất nhiều.

Banking data model khác gì so với e-commerce data model? Tôi từ Shopee muốn chuyển sang ngân hàng

Khác biệt rất lớn! (1) **Schema complexity**: Banking có hàng trăm entities (customer, account, transaction, loan, card, KYC, collateral...) với quan hệ phức tạp. E-commerce đơn giản hơn nhiều (product, order, user). (2) **Data quality bar**: Ngân hàng yêu cầu 99.99% accuracy (doanh thu lệch 1 đồng cũng audit). E-commerce thường chấp nhận 95-99%. (3) **Real-time requirement**: Ngân hàng cần core banking sync real-time (transaction processing), e-commerce có thể batch 15 phút. (4) **Compliance**: NHNN audit, GDPR, PCI-DSS, Basel III. (5) **Data lineage**: Phải trace được từng đồng tiền từ nguồn đến report. Recommend bạn học Banking Data Model trong 2-3 tháng trước khi apply, có thể đọc 'Banking on Data' hoặc khóa học của DAMA.

OCB có phải là lựa chọn tốt so với các ngân hàng khác cho vị trí Head of Data không?

Tùy mục tiêu cá nhân. **OCB (top 15-20)**: Đang trong giai đoạn tái cơ cấu mạnh, nhiều cơ hội build from scratch nhưng cũng nhiều uncertainty. Lương thấp hơn top banks 10-20%. **Techcombank/VPBank/MBBank (top 5)**: Tech stack tốt hơn (Techcombank invest rất mạnh vào data), lương cao hơn, nhưng hierarchy cứng hơn, ít cơ hội thay đổi. **BIDV/Vietinbank (Big 4)**: Quy mô lớn nhất, data scale khổng lồ, nhưng bureaucracy nặng, tech stack cũ. **HDBank/SHB (mid-tier)**: Tương tự OCB. Nếu bạn thích build & innovate, OCB là cơ hội tốt. Nếu muốn ổn định & lương cao, target Techcombank hoặc MB. Cũng nên xem xét fintech (MoMo, ZaloPay) – tech stack hiện đại nhất nhưng work-life balance có thể khó hơn.

Phỏng vấn vị trí Head of Data thường kéo dài bao lâu và có bao nhiêu vòng?

Tại ngân hàng tầm trung như OCB, quy trình thường kéo dài 4-6 tuần với 5-6 vòng: (1) HR screening, (2) Technical test/case study, (3) Technical deep dive với CDO/Senior Architect, (4) Managerial round với GĐ Khối, (5) Business round với Phó TGĐ/TGĐ, (6) Final offer & negotiation. Mỗi vòng 45-90 phút. Đây là vị trí senior nên nhà tuyển dụng rất kỹ. Tip: chuẩn bị 1 presentation 15-20 phút về "Data Platform Strategy cho ngân hàng" – đây là điểm gây ấn tượng mạnh nhất ở vòng business. Nên có backup plan về team structure, budget allocation, timeline 12-18 tháng.

Tôi là DBA Oracle 12 năm, muốn chuyển sang Data Architect. Lộ trình như thế nào?

Bạn có lợi thế lớn về database depth, nhưng cần build thêm về modern data stack. Lộ trình 12-18 tháng đề xuất: (1) Tháng 1-3: Học Databricks, Spark, Delta Lake (qua community edition + free courses). (2) Tháng 3-6: Học cloud (AWS hoặc Azure), lấy chứng chỉ AWS Solutions Architect Associate hoặc Databricks Data Engineer. (3) Tháng 6-9: Làm 1-2 side project về data pipeline (có thể open-source trên GitHub). (4) Tháng 9-12: Apply vị trí Senior Data Engineer hoặc Data Architect tại ngân hàng. (5) Trong parallel: Học banking domain, lấy DAMA-CDMP. (6) Sau 1.5-2 năm ở vị trí mới: apply Head of Data. Nên target các ngân hàng đang migration Oracle sang cloud – bạn sẽ hiểu pain point rất rõ.

GenAI/LLM có vai trò gì trong Data Platform của ngân hàng?

GenAI đang thay đổi data platform rất nhanh. Ứng dụng chính: (1) **Text-to-SQL**: Cho phép business user query data bằng ngôn ngữ tự nhiên. (2) **Auto-documentation**: GenAI tự động sinh data dictionary, lineage documentation. (3) **Data quality**: LLM detect anomaly trong data profile. (4) **RAG cho compliance**: Search ngay trong 100K+ regulatory documents. (5) **Code generation**: Spark SQL, Python code được tự sinh. (6) **Synthetic data** cho testing. Head of Data nên định hướng chiến lược GenAI integration, đặc biệt với Bedrock, Azure OpenAI, Vertex AI. Đây là điểm nhấn chiến lược rất quan trọng trong phỏng vấn – interviewers sẽ hỏi về tầm nhìn GenAI của bạn. Recommend bạn tìm hiểu RAG architecture, vector databases (Pinecone, Weaviate), và use cases cụ thể trong banking.

TRƯỞNG PHÒNG KIẾN TRÚC VÀ NỀN TẢNG DỮ LIỆU