[TT QT&UDDL] Chuyên gia Phân tích và Sản phẩm dữ liệu
Mô tả công việc
Mô tả công việc
Vị trí: Chuyên gia Phân tích và sản phẩm dữ liệu
Số lượng: 01
Đơn vị làm việc: Phòng hân tích và sản phẩm dữ liệu thuộc Trung tâm Quản trị và ứng dụng dữ liệu
Nhận hồ sơ: Hết ngày 21/8/2026
I. Mô tả công việc:
1. Nghiên cứu, đề xuất chiến lược kinh doanh sản phẩm dữ liệu và thực hiện triển khai lộ trình khai thác giá trị từ dữ liệu tại VCB:
a) Nghiên cứu, đề xuất và tham mưu cho Lãnh đạo Phòng xây dựng chiến lược, lộ trình phát triển sản phẩm dữ liệu cho toàn hàng theo các thông lệ tiên tiến trên thế giới phù hợp với VCB.
b) Đề xuất, tham mưu cho Lãnh đạo Phòng xây dựng kế hoạch thực hiện (implementation plan) để triển khai lộ trình khai thác dữ liệu; chịu trách nhiệm trong việc tư vấn, dẫn dắt để triển khai thực hiện lộ trình khai thác dữ liệu.
c) Nghiên cứu, đề xuất các công cụ trực quan hóa và công cụ khai thác dữ liệu phù hợp với mức độ trưởng thành và nhu cầu phân tích dữ liệu của các bộ phận nghiệp vụ.
d) Đầu mối tiếp nhận, triển khai xử lý các yêu cầu cung cấp dữ liệu tại VCB.
2. Cung cấp dịch vụ dữ liệu:
a) Đầu mối hỗ trợ và xử lý các yêu cầu cung cấp dữ liệu tại VCB.
b) Giám sát và đồng hành trong phát triển các phần mềm ứng dụng, phần mềm hỗ trợ công nghệ, đảm bảo tối ưu hoá việc thu thập dữ liệu, chỉ số đo lường hiệu quả và tuân thủ tiêu chuẩn quản trị dữ liệu trong phạm vi được phân công.
c) Quản lý việc thực hiện quy trình để thu thập và hiểu rõ yêu cầu nghiệp vụ cần thiết, xây dựng cơ chế sắp xếp công việc ưu tiên dựa trên các tiêu chí quản lý danh sách công việc backlog và nguồn lực sẵn có.
b) Thúc đẩy khai thác dữ liệu để nâng cao trải nghiệm của khách hàng, thúc đẩy sử dụng dữ liệu trong kinh doanh thông qua phát triển quan hệ hợp tác với các đối tác bằng việc triển khai năng lực dữ liệu
c) Cung ứng nguồn lực có kỹ năng trong phạm vi được phân công cho các bộ phận nghiệp vụ dựa trên yêu cầu dữ liệu từ nghiệp vụ để thực hiện xây dựng năng lực.
3. Đào tạo người dùng về ứng dụng dữ liệu:
a) Đề xuất, xây dựng và triển khai các kế hoạch truyền thông, chương trình đào tạo nâng cao hiểu biết, năng lực khai thác giá trị từ dữ liệu, văn hóa sử dụng dữ liệu
b) Thực hiện đào tạo các công cụ trực quan hóa và quy trình xây dựng yêu cầu, thu thập và sử dụng dữ liệu từ Nhà máy dữ liệu cho tất cả người dùng cuối.
c) Đề xuất các kế hoạch đào tạo và tổ chức đào tạo để nâng cao hiểu biết và kĩ năng cho cán bộ Khối Dữ liệu về ứng dụng dữ liệu đối với hoạt động kinh doanh.
4. Tư vấn và đề xuất cho các bộ phận nghiệp vụ các use case phân tích dữ liệu dựa trên khoa học dữ liệu và phối hợp với bộ phận nghiệp vụ triển khai ứng dụng các kết quả phân tích dữ liệu để gia tăng lợi nhuận cho VCB. Liên tục nghiên cứu, đề xuất các cải tiến để đạt được kết quả tốt nhất.
5. Cho phép chủ động khai thác và sử dụng dữ liệu:
- Phối hợp với Phòng Kỹ thuật dữ liệu xây dựng các công cụ, phương pháp và quy trình cần thiết nhằm tối đa hóa năng lực chủ động sử dụng dữ liệu của bộ phận nghiệp vụ để tạo báo cáo từ dữ liệu thu thập
- Thực hiện các báo cáo định kỳ hàng tháng tình hình triển khai năng lực dữ liệu và thực hiện các báo cáo đột xuất, báo cáo khác theo yêu cầu.
6. Tham gia các lớp đào tạo, tập huấn nghiệp vụ theo kế hoạch của phòng, Trung tâm và VCB.
7. Thực hiện các nhiệm vụ khác do Lãnh đạo phòng giao.
Tiêu chuẩn tuyển dụng
1. Trình độ:
- Trình độ chuyên môn: Tốt nghiệp Đại học loại Khá trở lên (đối với nguồn ứng viên ngoài hệ thống) chuyên ngành công nghệ thông tin, khoa học dữ liệu, khoa học máy tính, kỹ thuật máy tính, toán học, toán kinh tế, toán tin hoặc các chuyên ngành có liên quan đến CNTT tại các trường Đại học trong nước: Đại học Bách khoa Hà Nội/ TP. Hồ Chí Minh; Đại học Kinh tế quốc dân; Đại học Kinh tế TP. Hồ Chí Minh; Đại học Quốc Gia Hà Nội/TP. Hồ Chí Minh; Học viện Công nghệ Bưu chính viễn thông; Học viện Kỹ thuật mật mã; Học viện Kỹ thuật Quân sự; Học viện Ngân hàng; Đại học Giao thông vận tải; Đại học Khoa học tự nhiên trực thuộc khối Đại học Tổng hợp; Đại học Hà Nội; Đại học FPT; các Trường Đại học nước ngoài có uy tín hoặc là chuyên gia trong lĩnh vực sản phẩm dữ liệu, quản trị dữ liệu, khoa học dữ liệu.
- Loại hình đào tạo: Đào tạo hệ chính quy tập trung dài hạn (không bao gồm đào tạo liên thông, văn bằng 2, tại chức, hoặc vừa học vừa làm; đào tạo Thạc sỹ chỉ là tiêu chí xem xét ưu tiên).
- Trình độ ngoại ngữ: Tiếng Anh trình độ B1 (hoặc tương đương) trở lên, sử dụng tốt tiếng Anh, giao tiếp và đọc hiểu các tài liệu liên quan đến công việc phụ trách.
2. Kiến thức:
Ứng viên cần có khả năng nghiên cứu, tham mưu và tham gia xây dựng các sản phẩm dữ liệu phục vụ quản trị điều hành và hoạt động kinh doanh của Ngân hàng, cụ thể:
‒ Có kiến thức và kinh nghiệm về phân tích dữ liệu, quản trị sản phẩm dữ liệu và chuyển đổi dữ liệu thành các giải pháp hỗ trợ ra quyết định.
‒ Am hiểu các phương pháp phân tích dữ liệu, thống kê, trực quan hóa dữ liệu và xây dựng KPI, dashboard phục vụ quản trị và kinh doanh.
‒ Nắm vững kiến thức về kho dữ liệu, mô hình dữ liệu và các nền tảng phân tích dữ liệu như Microsoft Fabric, Power BI, Databricks hoặc các nền tảng tương đương.
‒ Sử dụng thành thạo SQL, Python và các công cụ phân tích, khai thác dữ liệu.
‒ Có kỹ năng phân tích yêu cầu nghiệp vụ, thiết kế sản phẩm dữ liệu và triển khai các giải pháp dữ liệu phục vụ hoạt động kinh doanh.
‒ Có kiến thức về AI, Machine Learning và các ứng dụng phân tích nâng cao trên nền tảng dữ liệu.
‒ Am hiểu kiến thức về nghiệp vụ ngân hàng.
3. Kinh nghiệm:
- Có tối thiểu 05 năm kinh nghiệm trong lĩnh vực dữ liệu, công nghệ thông tin hoặc các lĩnh vực liên quan.
‒Kinh nghiệm triển khai các dự án dữ liệu lớn cho ngân hàng hoặc tổ chức tài chính.
‒Có tối thiểu 02–03 năm kinh nghiệm quản lý/điều phối nhóm chuyên môn hoặc tư vấn giải pháp dữ liệu ở cấp đơn vị/khối.
4. Kỹ năng:
‒Tư duy logic, tư duy phản biện.
‒Tư duy chiến lược.
‒Đánh giá, phân tích, tổng hợp và ra quyết định.
‒Đổi mới.
5. Khả năng:
- Tư duy logic, tư duy phản biện.
- Tư duy chiến lược và và khả năng tham mưu trong lĩnh vực chuyên môn.
- Đánh giá, phân tích, tổng hợp và ra quyết định.
- Khả năng nghiên cứu, cập nhật công nghệ mới, đề xuất sáng kiến cải tiến và ứng dụng vào thực tiễn.
6. Phẩm chất cá nhân:
- Cẩn trọng, tận tâm, chuyên cần.
- Chủ động, sáng tạo, thích ứng.
- Chịu áp lực công việc cao.
- Quyết đoán, linh hoạt.
7. Độ tuổi: Không quá 40 tuổi tại thời điểm đăng ký tuyển dụng.
8. Ưu tiên:
-Nhân sự đã có kinh nghiệm đảm nhận vị trí Kỹ sư AI
-Nhân sự làm công tác kinh doanh có năng lực/kinh nghiệm sử dụng AI
-Nhân sự có năng lực/kinh nghiệm trong công tác kiểm soát an ninh/an toàn thông tin khi sử dụng AI.
Phân tích kỹ năng cần có
Phân tích kỹ năng yêu cầu
Đây là vị trí Chuyên gia (Expert level) tại Trung tâm Quản trị và Ứng dụng dữ liệu của Vietcombank — một trong những vị trí "hot" nhất trong lĩnh vực Data/AI ngân hàng hiện nay. Yêu cầu rất cao cả về chiều sâu kỹ thuật lẫn tư duy chiến lược.
---
🔧 Hard Skills (Bắt buộc)
| Nhóm kỹ năng | Yêu cầu cụ thể | Mức độ cần đạt |
|---|---|---|
| Ngôn ngữ lập trình | SQL (thành thạo), Python (thành thạo) | Advanced |
| Nền tảng dữ liệu | Microsoft Fabric, Power BI, Databricks (hoặc tương đương) | Advanced |
| Phân tích dữ liệu | Thống kê, trực quan hóa, xây dựng KPI/Dashboard | Advanced |
| Kho dữ liệu | Data Warehouse, Data Modeling, ETL/ELT | Advanced |
| AI/ML | Kiến thức nền tảng, ứng dụng phân tích nâng cao | Intermediate-Advanced |
| Nghiệp vụ ngân hàng | Am hiểu hoạt động ngân hàng | Intermediate |
---
🎯 Soft Skills (Quan trọng không kém)
- Tư duy chiến lược: Xây dựng roadmap, tham mưu cho Lãnh đạo cấp cao
- Tư duy phản biện & logic: Đánh giá, phân tích, ra quyết định
- Quản lý & điều phối: 2-3 năm kinh nghiệm dẫn dắt nhóm chuyên môn
- Truyền thông & đào tạo: Xây dựng chương trình training, nâng cao văn hóa dữ liệu
- Tư vấn giải pháp: Làm việc với nhiều bộ phận nghiệp vụ
- Chịu áp lực cao & chủ động sáng tạo
---
📜 Chứng chỉ / Bằng cấp gợi ý
| Chứng chỉ | Tổ chức | Ghi chú |
|---|---|---|
| Microsoft Certified: Fabric Analytics Engineer Associate | Microsoft | Rất phù hợp với JD |
| PL-300 Power BI Data Analyst | Microsoft | Nền tảng dashboard |
| Databricks Certified Data Engineer Professional | Databricks | Nếu muốn làm sâu về Lakehouse |
| Google Professional Data Analyst | Nền tảng tốt | |
| AWS/Azure Data Engineer | AWS/Azure | Tùy platform |
| Thạc sĩ Data Science / AI | Các trường top | Được xem là ưu tiên |
| TOEFL iBT ≥ 60 / IELTS ≥ 5.5 | - | Tương đương B1-B2 |
| Chứng chỉ AI/ML (Google, DeepLearning.AI) | Coursera/edX | Cộng điểm ưu tiên |
---
🏫 Trường được chấp nhận (từ JD)
VCB liệt kê rất cụ thể: Bách khoa HN/HCM, KTQD, UEH, ĐHQG HN/HCM, HV Bưu chính VT, HV Kỹ thuật Mật mã, HV Kỹ thuật Quân sự, HV Ngân hàng, GTVT, Khoa học Tự nhiên, ĐH Hà Nội, FPT và trường nước ngoài uy tín.
> 💡 Lưu ý quan trọng: JD yêu cầu "Đại học loại Khá trở lên" — tức là GPA tốt nghiệp phải đạt ít nhất 2.5/4 hoặc 7.0/10. Nếu bạn tốt nghiệp loại Trung bình thì rất khó qua vòng HR.
---
⭐ Ưu tiên đặc biệt (cộng điểm lớn)
1. Kinh nghiệm vị trí Kỹ sư AI
2. Nhân sự kinh doanh có năng lực sử dụng AI
3. Kinh nghiệm kiểm soát an ninh/an toàn thông tin khi dùng AI
→ Cho thấy VCB đang đẩy mạnh ứng dụng AI có kiểm soát (responsible AI) trong toàn hàng.
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn
Quy trình tuyển dụng của VCB thường qua 4-5 vòng cho vị trí chuyên gia cấp cao. Dưới đây là dự kiến:
---
📋 Quy trình các vòng
Vòng 1: Sơ loại hồ sơ (HR Screening)
- Kiểm tra bằng cấp, trường, GPA, độ tuổi (< 40), kinh nghiệm 5 năm+
- Loại ngay nếu không đúng trường trong danh sách hoặc không đạt loại Khá
- Đánh giá portfolio các dự án data đã làm
Tips: Hồ sơ phải làm nổi bật được:
- Quy mô dự án (data lớn cỡ nào? bao nhiêu users?)
- Vai trò cụ thể (lead hay member?)
- Công nghệ đã dùng (Fabric, Power BI, Databricks, Python...)
- Kết quả kinh doanh mang lại (tăng bao nhiêu % conversion, giảm bao nhiêu chi phí...)
Vòng 2: Thi/kiểm tra chuyên môn
- Có thể bao gồm:
- Bài test SQL (window functions, CTEs, optimization)
- Bài test Python (pandas, data manipulation)
- Case study phân tích dữ liệu ngân hàng
- Bài test logic + tiếng Anh
Tips: Ôn lại các bài SQL trên LeetCode, HackerRank; case study về churn customer, credit scoring, fraud detection
Vòng 3: Phỏng vấn chuyên môn (Technical Interview)
Phỏng vấn với Trưởng/Phó phòng Phân tích và Sản phẩm dữ liệu:
Câu hỏi kỹ thuật hay gặp:
- "Mô tả kiến trúc Data Warehouse bạn đã thiết kế. Tại sao chọn mô hình đó?"
- "Sự khác biệt giữa Power BI, Tableau, Looker? Khi nào chọn cái nào?"
- "Microsoft Fabric vs Databricks vs Snowflake — so sánh chi tiết"
- "Làm thế nào để xây dựng KPI dashboard cho nghiệp vụ ngân hàng bán lẻ?"
- "Một dự án ML bạn đã làm — từ problem framing đến deployment"
- "Làm sao đánh giá chất lượng data? Quy trình data quality bạn đã áp dụng?"
- "Data governance là gì? Bạn đã triển khai ra sao?"
Vòng 4: Phỏng vấn với Lãnh đạo Trung tâm / Ban Giám đốc
Tập trung vào tư duy chiến lược:
Câu hỏi hay gặp:
- "Theo bạn, chiến lược data của VCB nên đi theo hướng nào trong 3 năm tới?"
- "Làm sao xây dựng văn hóa data-driven cho một tổ chức lớn như ngân hàng?"
- "Một use case AI trong ngân hàng bạn thấy có ROI cao nhất là gì? Tại sao?"
- "Làm thế nào để cân bằng giữa đổi mới công nghệ và tuân thủ an toàn thông tin NHNN?"
- "Bạn quản lý một team 5 người, deadline gấp 2 tuần, stakeholder thay đổi yêu cầu liên tục — xử lý thế nào?"
Vòng 5: Phỏng vấn Hội đồng tuyển dụng / Nhân sự cuối cùng
- Đánh giá văn hóa, sự phù hợp với VCB
- Thỏa thuận mức lương, phúc lợi
- Thường do Giám đốc khối/Phó Tổng phụ trách Data chủ trì
---
👔 Dress code
- Vòng chuyên môn: Business casual — sơ mi, quần tây, giày công sở
- Vòng lãnh đạo: Vest/áo blazer là an toàn nhất (ngân hàng nhà nước vẫn conservative)
- Tránh quần jeans, giày thể thao, áo phông
---
🎯 Tips chuẩn bị
1. Nghiên cứu VCB trước: Đọc chiến lược chuyển đổi số của VCB, các dự án đã công bố (VCB Digibank, VCB Smart)
2. Chuẩn bị portfolio: Slide 10-15 trang mô tả 2-3 dự án data nổi bật nhất (challenge → approach → result)
3. Dẫn chứng số liệu: Càng cụ thể càng tốt ("Tăng 18% conversion", "Giảm 35% thời gian xử lý báo cáo")
4. Hiểu rõ AI Risk: VCB là ngân hàng nhà nước → cần nhấn mạnh yếu tố compliance, giải thích AI (XAI), model governance
5. STAR method: Mọi câu hỏi tình huống đều nên trả lời theo Situation → Task → Action → Result
Lộ trình ôn thi
Lộ trình ôn thi & chuẩn bị 1-2 tuần
Đây là vị trí đòi hỏi rất nhiều kiến thức nên bạn cần có sự chuẩn bị bài bản. Dưới đây là gợi ý lộ trình 14 ngày:
---
📅 Tuần 1: Nền tảng kỹ thuật
Ngày 1-2: SQL & Data Modeling
- Ôn lại SQL nâng cao: Window functions (ROW_NUMBER, RANK, LAG, LEAD), CTEs, recursive queries, pivot/unpivot, optimization, indexing
- Tài liệu: Mode Analytics SQL Tutorial, LeetCode SQL (50 bài medium+)
- Data Modeling: Star schema vs Snowflake schema, slowly changing dimensions, fact/dimension tables
Ngày 3-4: Python for Data
- Pandas: groupby, merge, pivot, time series
- Visualization: Matplotlib, Seaborn, Plotly
- Tài liệu: Python for Data Analysis (Wes McKinney), Kaggle micro-courses
- Thực hành: Phân tích 1 dataset ngân hàng trên Kaggle (ví dụ: Credit Card Fraud, Loan Default)
Ngày 5-6: Power BI / Microsoft Fabric / Databricks
- Power BI: DAX measures, Power Query, Row-Level Security, deployment pipelines
- Microsoft Fabric: OneLake, Lakehouse, Data Factory, Synapse Data Engineering
- Databricks: Delta Lake, Medallion architecture, Unity Catalog
- Tài liệu: Microsoft Learn (miễn phí, rất tốt), Databricks Academy
Ngày 7: AI/ML cơ bản
- Supervised vs Unsupervised, Classification vs Regression
- Feature engineering, model evaluation (precision/recall/F1/AUC)
- Ứng dụng trong ngân hàng: credit scoring, churn, fraud
- Khóa học: Andrew Ng Machine Learning trên Coursera (làm 1-2 tuần cho ý chính)
---
📅 Tuần 2: Nghiệp vụ ngân hàng + Chiến lược
Ngày 8-9: Nghiệp vụ ngân hàng
- Sản phẩm ngân hàng bán lẻ: tiền gửi, tín dụng, thẻ, bancassurance
- Quy trình tín dụng: thẩm định, phê duyệt, giám sát
- Basel II/III, tỷ lệ an toàn vốn
- Thanh toán: NAPAS, SWIFT, chuyển tiền liên ngân hàng
- Nguồn: Tài liệu NHNN, sách "Ngân hàng thương mại" của PTS. Nguyễn Minh Kiều
Ngày 10-11: Data Strategy & Governance
- Data Maturity Model (từ descriptive → diagnostic → predictive → prescriptive)
- Data Governance framework: DAMA-DMBOK
- Data Quality dimensions: accuracy, completeness, consistency, timeliness
- Master Data Management (MDM), Data Catalog, Data Lineage
- Tài liệu: DAMA-DMBOK 2nd Edition, "Designing Data-Intensive Applications"
Ngày 12-13: Case study thực tế
- Phân tích các case ngân hàng Việt Nam:
- Techcombank Digital Bank transformation
- VPBank Cake
- VCB Digibank
- Phân tích các case quốc tế: DBS (Singapore), OCBC, Maybank
- Đọc báo cáo: McKinsey Banking Annual Report, BCG Retail Banking Report
Ngày 14: Mock interview + Review
- Tự luyện trả lời 20 câu hỏi thường gặp (xem phần interview_prep)
- Review slide portfolio
- Đọc lại JD và check lại từng tiêu chí
---
📚 Tài liệu tham khảo tổng hợp
| Loại | Tài liệu | Link/nguồn |
|---|---|---|
| SQL | SQL for Data Analysis — Mode Analytics | mode.com/sql-tutorial |
| Python | Pandas Cookbook | Trên GitHub |
| Power BI | Microsoft Learn | learn.microsoft.com |
| Data Engineering | "Fundamentals of Data Engineering" — Joe Reis | O'Reilly |
| Data Governance | DAMA-DMBOK | damadmbok.org |
| Ngân hàng | "Ngân hàng thương mại" — NXB Tài chính | Nhà sách |
| AI trong ngân hàng | McKinsey AI Banking Report | mckinsey.com |
| Case VCB | Báo cáo thường niên VCB | vietcombank.com.vn |
---
⚠️ Lưu ý khi ôn
- Đừng học lan man: Tập trung vào những gì JD yêu cầu
- Làm hands-on: Học lý thuyết không đủ, phải thực hành trên dữ liệu thật
- Ghi chú bằng tiếng Việt: Khi phỏng vấn sẽ dùng tiếng Việt, không phải tiếng Anh
- Cập nhật tin tức VCB: Biết các dự án gần đây của VCB để gây ấn tượng
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp
---
🎯 Phân tích vị trí
Đây là vị trí Chuyên gia — level tương đương Senior Manager / Lead trong ngân hàng. Đây là cấp bậc rất quan trọng: vừa đủ sâu về chuyên môn để dẫn dắt, vừa đủ rộng về tầm nhìn để tham mưu cho lãnh đạo cấp cao.
Đây là vị trí chiến lược trong ngân hàng vì:
- VCB đang đẩy mạnh chuyển đổi số và ứng dụng AI
- Quản trị dữ liệu là core capability của ngân hàng hiện đại
- Vị trí này nằm ở Trung tâm — bộ phận đầu não, không phải chi nhánh
---
📈 Lộ trình thăng tiến
```
Data Analyst (Fresher/Junior) ──→ Senior Data Analyst (3-5 năm)
↓
Data Engineer / Data Scientist (3-5 năm)
↓
Chuyên gia / Lead Data (5-7 năm) ← BẠN ĐANG Ở ĐÂY
↓
Phó Trưởng phòng / Trưởng phòng (7-10 năm)
↓
Phó Giám đốc Trung tâm / Giám đốc Trung tâm Data (10-15 năm)
↓
Phó Tổng Giám đốc phụ trách Công nghệ/Data (C-suite)
```
Hoặc có thể chuyển hướng:
- Chief Data Officer (CDO) — sau 10-15 năm
- Tư vấn cấp cao tại Big4 (McKinsey, BCG, Deloitte) — với kinh nghiệm data ngân hàng
- Khởi nghiệp FinTech
---
💰 Mức lương kỳ vọng theo cấp bậc (tham khảo 2024-2026)
| Cấp bậc | Kinh nghiệm | Mức lương (Gross) | Ghi chú |
|---|---|---|---|
| Data Analyst (Fresher) | 0-2 năm | 15-25 triệu | Tùy ngân hàng |
| Senior Data Analyst | 3-5 năm | 30-50 triệu | |
| Data Engineer Senior | 3-5 năm | 35-55 triệu | |
| Chuyên gia Data (VCB) | 5-7 năm | 60-100 triệu | Bao gồm thưởng |
| Phó TP / TP phòng Data | 7-10 năm | 90-150 triệu | |
| GĐ Trung tâm Data | 10-15 năm | 150-300 triệu | Plus LTI/ESOP |
Lưu ý về VCB:
- Lương VCB thường thấp hơn so với ngân hàng tư nhân (Techcombank, VPBank, MBB) cùng cấp
- Nhưng bù lại: ổn định, thương hiệu, benefits tốt, làm profile đẹp
- Thưởng Tết + thưởng quý + thưởng KPI có thể bằng 2-6 tháng lương
- VCB công bố mức lương trong JD là "Thỏa thuận" → phải thương lượng
Khi đàm phán lương:
- Đưa ra range: "Hiện tại em đang nhận X, em mong muốn mức Y-Z"
- Đừng đưa con số đầu tiên nếu chưa biết range của VCB
- Hỏi về: thưởng Tết, thưởng KPI, phúc lợi (nhà ở, xe cộ, đào tạo), cơ hội thăng tiến
---
🚀 Kỹ năng cần phát triển thêm
Ngắn hạn (1 năm):
- Lấy 1-2 chứng chỉ: Microsoft Fabric, Power BI PL-300, hoặc Databricks
- Thành thạo 1 platform: Power BI hoặc Microsoft Fabric (VCB đang ưu tiên)
- Đọc sách về data strategy và ngân hàng
Trung hạn (2-3 năm):
- Phát triển kỹ năng leadership, quản lý team
- Tham gia cộng đồng Data VN, Vietnam Data Science, AI VN
- Xây dựng personal brand trên LinkedIn về Data trong ngân hàng
- Học thêm về MLOps, LLMs, Generative AI trong finance
Dài hạn (5 năm+):
- Trở thành thought leader về Data trong ngân hàng tại VN
- Phát triển kỹ năng kinh doanh để có góc nhìn business sâu hơn
- Mở rộng network quốc tế (tham gia hội thảo, hợp tác với đối tác nước ngoài)
- Xây dựng track record về ROI của các dự án data (đây là cách thăng tiến nhanh nhất)
---
💡 Lời khuyên cá nhân
1. Đừng ngại "overqualified": Nếu bạn đã là Senior ở fintech/ngân hàng tư nhân, vị trí Chuyên gia tại VCB vẫn rất đáng giá vì brand + data scale
2. VCB không phải lựa chọn cho "kiếm tiền nhanh" — chọn nếu bạn muốn profile đẹp, ổn định, làm việc với data lớn
3. Đừng bỏ qua phần "ưu tiên" trong JD: Nếu bạn có kinh nghiệm AI Engineer hoặc AI risk/compliance, đó là lợi thế cực lớn
4. Network là tài sản lớn nhất: Trong ngân hàng nhà nước, quan hệ với stakeholders (lãnh đạo các phòng ban) quan trọng ngang technical skills
5. Chuẩn bị kỹ cả phần "tại sao VCB": Họ hỏi rất kỹ động lực, vì sao chọn VCB thay vì fintech/startup lương cao hơn
Câu hỏi thường gặp
Em là sinh viên năm cuối ngành Data Science, chưa có kinh nghiệm làm việc thì có nên apply vị trí này không?
Thật lòng mà nói thì rất khó, bạn ạ. JD yêu cầu tối thiểu 5 năm kinh nghiệm và đã quản lý team 2-3 năm — đây là vị trí Chuyên gia (level Senior Manager), không phải fresh. Với vị trí này, đối thủ của em là những người đã có 5-7 năm làm data ở ngân hàng/tập đoàn lớn. Em nên bắt đầu ở vị trí Data Analyst Junior ở các ngân hàng hoặc công ty fintech, tích lũy 3-5 năm rồi hãy quay lại apply vị trí này. Hoặc em có thể ứng tuyển các vị trí fresher/junior khác của VCB để vào hệ thống trước.
Em đang là Data Engineer ở fintech được 4 năm, lương 45 triệu. Có nên nhảy sang VCB vị trí này không? Lương có cao hơn không?
Đây là câu hỏi nhiều người quan tâm. Thẳng thắn: lương VCB thường KHÔNG cao hơn fintech cùng cấp, đặc biệt là các fintech như MoMo, ZaloPay, Timo. Với 4 năm kinh nghiệm + đã làm fintech, em nên target level Senior Data Engineer hoặc Data Lead ở VCB, có thể deal 60-80 triệu. Còn vị trí này (Chuyên gia) thì level cao hơn, đòi hỏi phải có kinh nghiệm leadership và banking. Bù lại, VCB cho em: data scale lớn hơn fintech gấp 10-100 lần, brand cực mạnh trong CV, làm việc với hệ thống core banking, cơ hội tiếp cận AI/ML production ở quy mô lớn. Đây là trade-off đánh đổi giữa lương ngắn hạn và giá trị dài hạn.
Mức lương cho vị trí Chuyên gia Data ở VCB khoảng bao nhiêu? Có thể deal được không?
Theo thông tin thị trường hiện tại (2024-2026), vị trí Chuyên gia Data ở VCB dao động 60-100 triệu gross/tháng tùy năng lực và kinh nghiệm. Cộng thêm thưởng Tết (1-3 tháng), thưởng KPI quý/năm, benefits (bảo hiểm sức khỏe cao cấp, nhà ở cho nhân sự cấp cao, đào tạo nước ngoài), tổng package có thể lên 80-130 triệu/tháng. VCB để 'Thỏa thuận' nên HOÀN TOÀN deal được. Tips: đưa range dựa trên mức hiện tại + 20-30%, không đưa con số đầu tiên, đồng thời hỏi kỹ về cấp bậc (Chuyên viên chính, Chuyên gia, v.v.) vì cấp bậc quyết định lương.
Em đang là Phó phòng Data ở ngân hàng TMCP nhỏ, muốn chuyển sang VCB. Có nên apply không? Cần chuẩn bị gì?
Nên apply! Với vị trí Phó phòng Data ở ngân hàng nhỏ + 5-7 năm kinh nghiệm, em là ứng viên rất phù hợp với JD này. Để chuẩn bị tốt, em cần: (1) Tổng hợp lại các dự án data lớn nhất đã làm, đặc biệt là các dự án có ROI rõ ràng cho business; (2) Chuẩn bị portfolio về chiến lược data, không chỉ technical — vì VCB cần người tham mưu cho lãnh đạo cấp cao; (3) Cập nhật kiến thức về Microsoft Fabric, Power BI, AI/ML — đây là công nghệ VCB đang dùng; (4) Đọc kỹ báo cáo thường niên VCB, chiến lược chuyển đổi số của VCB để hiểu context; (5) Chuẩn bị câu trả lời cho 'Tại sao em muốn rời ngân hàng hiện tại' và 'Em sẽ đóng góp gì cho VCB'.
JD nhắc nhiều đến AI/ML. Em không có background AI, chỉ làm BI/Dashboard thì có cơ hội không?
Vẫn có cơ hội nhưng sẽ khó hơn. JD ghi 'Có kiến thức về AI, ML và các ứng dụng phân tích nâng cao' — tức là không yêu cầu phải là AI Engineer chuyên sâu, nhưng phải hiểu và biết áp dụng. Phần 'Ưu tiên' mới thực sự yêu cầu AI Engineer. Vì vậy: (1) Học ngay 1 khóa AI/ML cơ bản (Andrew Ng, Fast.ai) trong 1-2 tháng; (2) Làm 1-2 project thực tế áp dụng AI cho use case ngân hàng (churn prediction, credit scoring, anomaly detection); (3) Trong CV nhấn mạnh việc đã xây dựng data foundation (data warehouse, pipeline) — đây là tiền đề cho AI sau này; (4) Trong phỏng vấn, thể hiện tư duy về 'làm sao để data sẵn sàng cho AI' — đây cũng là một năng lực quan trọng. Nếu em đã làm BI lâu năm, đây là lúc mở rộng kỹ năng.
Làm ở Trung tâm Quản trị Dữ liệu VCB thì công việc có áp lực không? Work-life balance thế nào?
Thẳng thắn: áp lực cao, đặc biệt là vị trí Chuyên gia. VCB là ngân hàng lớn nhất Việt Nam về quy mô tài sản, khối lượng data cực lớn, nhiều stakeholders (hơn 300 chi nhánh, hàng chục phòng ban nghiệp vụ), yêu cầu compliance chặt chẽ với NHNN. Cụ thể: (1) Thường xuyên OT, đặc biệt khi có dự án lớn hoặc audit NHNN; (2) Họp rất nhiều vì phải phối hợp nhiều bên; (3) Áp lực về deadline và chất lượng vì ảnh hưởng đến quyết định kinh doanh cấp cao. Tuy nhiên, work-life balance tốt hơn fintech/startup (thường 996). Ngân hàng nhà nước thường làm 8h/ngày, thứ 7 nghỉ, có chế độ nghỉ phép tốt. Nếu bạn chấp nhận trade-off lương không cao bằng private sector nhưng ổn định, đây là nơi tốt.
Sau 3-5 năm ở vị trí này, con đường thăng tiến tiếp theo là gì?
Có nhiều hướng: (1) Theo technical: lên Principal Data Engineer / Chief Data Scientist → Chief Data Officer (CDO); (2) Theo management: Phó Trưởng phòng → Trưởng phòng Phân tích & Sản phẩm dữ liệu → Phó GĐ Trung tâm → GĐ Trung tâm Quản trị Dữ liệu VCB; (3) Chuyển ngang sang ngân hàng khác ở vị trí cao hơn (sau khi có brand VCB trong CV); (4) Sang Big4 tư vấn (Deloitte, KPMG, EY) làm Data Lead cho ngân hàng; (5) Sang bên cung cấp giải phịp data (Microsoft, AWS, Databricks) làm solution architect ngân hàng; (6) Khởi nghiệp fintech. Ở VCB, sau khi đã có 3-5 năm ở vị trí này, em sẽ được VCB cho đi đào tạo nước ngoài, networking với các chuyên gia quốc tế — đây là lợi thế cực lớn để phát triển sự nghiệp.
Em thấy JD yêu cầu ưu tiên có kinh nghiệm an ninh thông tin khi dùng AI. Phần này quan trọng không, và làm sao để thể hiện nếu em không có?
Phần này RẤT quan trọng, và là xu hướng toàn cầu. VCB đang đẩy mạnh AI nhưng NHNN yêu cầu chặt chẽ về quản lý rủi ro AI. Nếu em chưa có, có thể: (1) Học về AI Risk & Governance qua các khóa như NIST AI Risk Management Framework, ISO 42001; (2) Hiểu về Model Risk Management trong ngân hàng — tài liệu của SR 11-7 (Federal Reserve) rất hay; (3) Trong CV nhấn mạnh nếu đã từng làm về data security, access control, audit logging; (4) Trong phỏng vấn, nêu quan điểm về responsible AI: model explainability, bias detection, data privacy, model monitoring. Đây là cơ hội để em nổi bật nếu đề cập đúng trọng tâm.