[TT.QT&UDDL]_Chuyên gia Phân tích và Sản phẩm dữ liệu
Mô tả công việc
[TT.QT&UDDL]_Chuyên gia Phân tích và Sản phẩm dữ liệu
Số lượng tuyển dụng: 01
Đơn vị tuyển dụng: Trung tâm Quản trị và ứng dụng dữ liệuNơi làm việc: Hà Nội
Thời gian nhận hồ sơ: Hết ngày 20/07/2026
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 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.
2. Giám sát hoạt động phát triển sản phẩm công nghệ để tối ưu hóa việc thu thập dữ liệu, chỉ số đo lường và tuân thủ tiêu chuẩn quản trị dữ liệu
a) Quản lý việc thực hiện quy trình
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.
d) 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.
3. Đào tạo về ứng dụng dữ liệu:
a. Đề xuất, xây dựng và triển khai các kế hoạch truyền thông, chương trình đào tạo nhằm 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. Thúc đẩy toàn hệ thống VCB khai thác dữ liệu trong việc nâng cao trải nghiệm của khách hàng, giúp tăng cường tính cá nhân hóa, gia tăng giá trị cho khách hàng khi tương tác trên nền tảng số.
5. Thực hiện các báo cáo định kỳ, đột xuất và các 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.
II. Tiêu chuẩn tuyển dụng:
Yêu cầu về trình độ và kinh nghiệm làm việc:
1. Trình độ:
- Trình độ chuyên môn: Trình độ từ Đại học trở lên chuyên ngành chuyên ngành Khoa học dữ liệu, Khoa học máy tính, kỹ thuật máy tính, Toán học, Toán kinh tế, Toán tin, Toán ứng dụng, Công nghệ Tài chính hoặc các chuyên ngành có liên quan hoặc là chuyên gia trong lĩnh vực quản trị dữ liệu, kỹ thuật dữ liệu, khoa học dữ liệu.
- Trình độ ngoại ngữ: Tiếng Anh trình độ B1 (Khung tham chiếu chung Châu Âu) hoặc tương đương trở lên, sử dụng tốt tiếng Anh chuyên ngành liên quan đến công việc phụ trách.
2. Kinh nghiệm:
- Tối thiểu 05 năm kinh nghiệm làm việc trong lĩnh vực khoa học dữ liệu, phân tích dữ liệu Tài chính Ngân hàng.
- Có kinh nghiệm triển khai các dự án, use case về phân tích dữ liệu trong các tổ chức uy tín về công nghệ, tài chính, ngân hàng tại Việt Nam hoặc nước ngoài.
- Kiến thức:
- Am hiểu về cơ cấu tổ chức, quy trình vận hành, các sản phẩm và hoạt động kinh doanh của các tổ chức tài chính, ngân hàng.
- Am hiểu về Khoa học dữ liệu, phân tích dữ liệu.
Ưu tiên:
- Trình độ từ thạc sĩ trở lên chuyên ngành chuyên ngành Khoa học dữ liệu, Khoa học máy tính, kỹ thuật máy tính, Toán học, Toán kinh tế, Toán tin, Toán ứng dụng, Công nghệ Tài chính hoặc các chuyên ngành có liên quan
- Có kinh nghiệm quản lý trong lĩnh vực dữ liệu tại các tổ chức tài chính, ngân hàng, tổ chức quốc tế
Độ tuổi: Không quá 35 tuổi tại thời điểm đăng ký tuyển dụng
Yêu cầu về kỹ năng và Phẩm chất cá nhân:
1. Kỹ năng:
- Làm việc độc lập và làm việc theo nhóm.
- Tổ chức, sắp xếp công việc
- Giao tiếp, đàm phán và truyền đạt trước đám đông
- Ứng dụng các công cụ và giải pháp CNTT.
- Nghiên cứu khoa học.
- Khả năng:
- Tư duy logic, tư duy phản biện.
- Đánh giá, phân tích, tổng hợp và ra quyết định
- Đổi mới
- Phẩm chất cá nhân:
- Cẩn trọng
- Tận tâm, chuyên cần
- Chủ động, sáng tạo, thích ứng
- Quyết đoán, linh hoạt
- Chịu áp lực công việc cao
Lưu ý: Trung tâm Quản trị và ứng dụng dữ liệu tuyển dụng 02 vị trí Chuyên gia tuy nhiên ứng viên chỉ được chọn nộp hồ sơ duy nhất 01 vị trí. Các ứng viên cố ý nộp nhiều hơn 01 vị trí Chuyên gia thuộc cùng Trung tâm Quản trị và ứng dụng dữ liệu dữ liệu sẽ bị xem xét hủy bỏ kết quả nộp hồ sơ
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Chuyên gia Phân tích và Sản phẩm dữ liệu tại VCB
1. Hard Skills (Kỹ năng chuyên môn) — Bắt buộc
| Nhóm kỹ năng | Yêu cầu cụ thể | Mức độ quan trọng |
|---|---|---|
| Khoa học dữ liệu | Machine Learning, Statistical Modeling, Predictive Analytics, NLP, Time Series | ⭐⭐⭐⭐⭐ |
| Phân tích dữ liệu tài chính-ngân hàng | Customer segmentation, Credit scoring, Fraud detection, Churn analysis, CLV modeling | ⭐⭐⭐⭐⭐ |
| Công cụ trực quan hóa | Power BI, Tableau, Qlik, hoặc các BI tools tương đương | ⭐⭐⭐⭐⭐ |
| Ngôn ngữ lập trình | Python (pandas, scikit-learn, PySpark), SQL, R | ⭐⭐⭐⭐⭐ |
| Big Data Platform | Hadoop, Spark, Kafka, Data Lake/Data Warehouse (Snowflake, BigQuery) | ⭐⭐⭐⭐ |
| Quản trị dữ liệu | Data Governance, Data Quality, Metadata Management, Master Data | ⭐⭐⭐⭐ |
| Kiến trúc dữ liệu | Hiểu biết về Data Pipeline, ETL/ELT, Data Fabric, Data Mesh | ⭐⭐⭐ |
| Ngoại ngữ | Tiếng Anh B1 trở lên, đọc hiểu tài liệu chuyên ngành | ⭐⭐⭐⭐ |
2. Soft Skills (Kỹ năng mềm) — Yêu cầu rõ trong JD
- Tư duy chiến lược: Khả năng đề xuất chiến lược sản phẩm dữ liệu toàn hàng (đây không phải vị trí làm data thuần, mà còn phải "tham mưu cho lãnh đạo")
- Kỹ năng thuyết trình & truyền đạt: Training cho nhiều đối tượng từ nghiệp vụ đến quản lý cấp cao
- Quản lý dự án: Triển khai use case xuyên phòng ban, quản lý nguồn lực
- Tư duy phản biện & ra quyết định: Đánh giá, tổng hợp nhiều nguồn thông tin
- Khả năng chịu áp lực cao: Làm việc trong môi trường ngân hàng top đầu
- Tinh thần đổi mới sáng tạo: Nghiên cứu thông lệ quốc tế để áp dụng
3. Kiến thức nền tảng ngành ngân hàng (Rất quan trọng)
JD nhấn mạnh "Am hiểu về cơ cấu tổ chức, quy trình vận hành, các sản phẩm và hoạt động kinh doanh của các tổ chức tài chính, ngân hàng". Điều này nghĩa là:
- Hiểu Basel II/III, tỷ lệ an toàn vốn
- Hiểu các sản phẩm: tín dụng, tiền gửi, thẻ, ngân hàng số, bancassurance
- Hiểu KPIs ngân hàng: NIM, CASA, NPL, ROA, ROE
- Hiểu hành vi khách hàng & journey mapping
4. Chứng chỉ gợi ý (Cộng điểm ưu tiên)
| Chứng chỉ | Tổ chức | Ghi chú |
|---|---|---|
| Google Data Analytics / ML Engineer | Nền tảng data | |
| AWS Certified Data Analytics | AWS | Cloud data |
| Azure Data Scientist Associate | Microsoft | Cloud data |
| Tableau Desktop Specialist | Tableau | Visualization |
| CDMP (Certified Data Management Professional) | DAMA | Quản trị dữ liệu |
| DCAM (Data Management Capability Assessment Model) | EDM Council | Data governance |
| CFA / FRM | CFA Institute / GARP | Kiến thức tài chính |
| CSPO (Certified Scrum Product Owner) | Scrum Alliance | Product mindset |
| PMP | PMI | Quản lý dự án |
5. So sánh vị trí tương đương trên thị trường
| Tiêu chí | VCB - Chuyên gia PT & SP dữ liệu | Data Analyst tại Fintech | Data Scientist tại Tech Company |
|---|---|---|---|
| Focus | Chiến lược + Ứng dụng | Phân tích thuần | Modeling thuần |
| Quy mô ảnh hưởng | Toàn ngân hàng | Sản phẩm cụ thể | Module/team |
| Yếu tố ngân hàng | Rất cao | Trung bình | Thấp |
| Mức lương | Thỏa thuận (cao) | 25-60tr | 40-100tr+ |
| Áp lực compliance | Rất cao | Trung bình | Thấp |
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn chi tiết cho vị trí Chuyên gia Phân tích & Sản phẩm dữ liệu - VCB
Quy trình tuyển dụng dự kiến (Kinh nghiệm thực tế tại VCB)
VCB thường có quy trình 4-5 vòng cho vị trí chuyên gia cấp cao:
| Vòng | Hình thức | Thời lượng | Nội dung |
|---|---|---|---|
| Vòng 1 | HR Screening | 30-45 phút | Xác nhận thông tin, độ phù hợp cơ bản |
| Vòng 2 | Test chuyên môn (viết) | 90-120 phút | Case study, bài toán phân tích dữ liệu |
| Vòng 3 | Phỏng vấn chuyên môn | 60-90 phút | Trưởng phòng/Phó GĐ trung tâm |
| Vòng 4 | Phỏng vấn lãnh đạo | 45-60 phút | GĐ trung tâm/GĐ khối |
| Vòng 5 (nếu có) | Phỏng vấn HĐQT/ban lãnh đạo | 30 phút | Cấp chuyên gia cao cấp |
Câu hỏi hay gặp - Vòng chuyên môn
Nhóm 1: Tư duy chiến lược
- "Anh/chị hãy đề xuất chiến lược sản phẩm dữ liệu cho một ngân hàng top đầu Việt Nam trong 3 năm tới?"
- "So sánh cách tiếp cận Data Lakehouse vs Data Warehouse trong bối cảnh ngân hàng?"
- "Theo anh/chị, use case phân tích dữ liệu nào mang lại ROI cao nhất cho ngân hàng?"
Nhóm 2: Kỹ thuật
- "Mô tả một dự án ML anh/chị đã triển khai từ đầu đến cuối? Kết quả business?"
- "Làm thế nào để xây dựng hệ thống Customer 360 trong ngân hàng?"
- "Cách xử lý data imbalance trong bài toán fraud detection?"
- "Anh/chị sử dụng công cụ BI nào? So sánh ưu/nhược điểm?"
Nhóm 3: Hiểu biết ngân hàng
- "Anh/chị hiểu thế nào về NIM, CASA, NPL? Dữ liệu nào ảnh hưởng đến các chỉ số này?"
- "Làm sao dùng data để giảm tỷ lệ NPL xuống 1%?"
- "Dự án nào giúp gia tăng trải nghiệm khách hàng trên VCB Digibank?"
Nhóm 4: Quản lý & lãnh đạo
- "Anh/chị đã từng dẫn dắt team bao nhiêu người? Cách quản lý stakeholder?"
- "Khi nghiệp vụ yêu cầu use case không khả thi về data, anh/chị xử lý thế nào?"
- "Cách đào tạo 100+ nhân viên ngân hàng không có background data?"
Nhóm 5: Tình huống
- "Nếu phát hiện dữ liệu sai lệch ảnh hưởng đến báo cáo cho NHNN, xử lý thế nào?"
- "Khi ban lãnh đạo muốn dùng AI nhưng data chưa đủ sạch, anh/chị tư vấn ra sao?"
Tips chuẩn bị quan trọng
1. Nghiên cứu kỹ VCB trước phỏng vấn:
- Đọc Chiến lược chuyển đổi số VCB giai đoạn 2022-2025
- Tìm hiểu VCB Digibank, VCB Cashback, các sản phẩm mới
- Nắm báo cáo thường niên gần nhất
2. Chuẩn bị Portfolio:
- 2-3 case study chi tiết (có số liệu, tác động kinh doanh)
- Dashboard demo nếu có
- Bằng chứng về việc "dẫn dắt" use case end-to-end
3. Dress code:
- Nam: Sơ mi trắng/xanh nhạt + quần tây + giày tây (vest không bắt buộc)
- Nữ: Sơ mi + chân váy/quần tây, thanh lịch
- Màu sắc trung tính, tránh quá sặc sỡ
- Ngân hàng nhà nước nói chung vẫn conservative
4. Thái độ:
- Cẩn trọng, không nói quá lời
- Thể hiện sự tôn trọng hierarchical (VCB là big4 ngân hàng, văn hóa trọng cấp bậc)
- Chuẩn bị sẵn câu hỏi ngược cho interviewer
Lưu ý đặc biệt
- JD ghi "Độ tuổi không quá 35" — nếu bạn ngoài 35 thì vẫn nên apply nhưng có thể bị loại ở vòng HR
- JD không yêu cầu bằng cấp cụ thể nhưng ưu tiên Thạc sĩ — chuẩn bị sẵn câu trả lời nếu bạn chỉ có ĐH
- Cạnh tranh cao vì đây là vị trí "Chuyên gia" tại VCB (top employer)
Lộ trình ôn thi
Lộ trình ôn thi & chuẩn bị trong 2 tuần
Tuần 1: Nền tảng kiến thức
Ngày 1-2: Kiến thức về VCB & Ngân hàng Việt Nam
- Đọc Báo cáo thường niên VCB 2 năm gần nhất
- Tìm hiểu Chiến lược chuyển đổi số VCB (Digital transformation roadmap)
- Đọc về VCB Digibank, hệ sinh thái sản phẩm số
- Ôn các chỉ số tài chính ngân hàng: NIM, CASA, ROA, ROE, NPL, CIR, LDR
- Tài liệu tham khảo: Website VCB, Báo Đầu tư, CafeF, VnEconomy
Ngày 3-4: Data Science Foundation
- Review lại pipeline: Data Collection → Cleaning → EDA → Feature Engineering → Modeling → Deployment → Monitoring
- Ôn các thuật toán ML cốt lõi:
- Supervised: Linear/Logistic Regression, Random Forest, XGBoost, LightGBM
- Unsupervised: K-means, DBSCAN, Hierarchical Clustering
- Deep Learning: Neural Networks cơ bản, LSTM cho time series
- Tham khảo: "Hands-On Machine Learning" - Aurélien Géron, "Data Science for Business" - Foster Provost
Ngày 5-6: Data Products & Visualization
- Đọc về Data Product Management (tư duy sản phẩm)
- So sánh các công cụ BI: Tableau vs Power BI vs Looker vs Qlik
- Best practices dashboard design (fewer colors, focus on insights)
- Tài liệu: "Storytelling with Data" - Cole Nussbaumer Knaflic
Ngày 7: Data Governance & Architecture
- Khung DAMA DMBOK (Data Management Body of Knowledge)
- Các framework: DCAM, GDPR compliance, data quality dimensions
- Modern data stack: Lakehouse (Delta Lake, Iceberg), Data Mesh, Data Fabric
- Tài liệu: DAMA DMBOK 2nd Edition
Tuần 2: Thực hành & Tình huống
Ngày 8-9: Case Study Ngân hàng
- Nghiên cứu các use case thực tế:
- Credit scoring & risk modeling
- Customer churn prediction
- Customer lifetime value (CLV)
- Fraud detection (transaction anomaly)
- Personalized marketing / next-best-action
- Anti-money laundering (AML)
- Tài liệu: Kaggle competitions về banking, papers trên arXiv
Ngày 10: Phỏng vấn giả lập
- Viết CV theo format STAR (Situation, Task, Action, Result)
- Chuẩn bị 5-7 câu chuyện về:
- Dự án data lớn nhất bạn đã làm
- Khi nào bạn thất bại và bài học
- Stakeholder management khó khăn
- Đổi mới sáng tạo bạn đã thực hiện
- Đào tạo/training bạn đã tổ chức
Ngày 11: Ôn tập cuối
- Review lại JD, đảm bảo hiểu rõ từng yêu cầu
- Chuẩn bị 10 câu hỏi thông minh để hỏi interviewer
- Luyện tập thuyết trình 5-10 phút về "Chiến lược sản phẩm dữ liệu cho VCB"
Ngày 12-14: Tinh chỉnh & nghỉ ngơi
- In 2-3 bản CV, chuẩn bị bằng cấp photo
- Đi sớm trước 15-20 phút
- Ăn uống đủ, ngủ đủ giấc đêm trước
Tài liệu tham khảo tổng hợp
Sách nên đọc:
- "Data Science for Business" — Foster Provost & Tom Fawcett
- "Competing on Analytics" — Thomas Davenport
- "The AI-First Company" — Ash Fontana
- "Designing Data-Intensive Applications" — Martin Kleppmann
- "Bank 4.0" — Brett King (về chuyển đổi số ngân hàng)
Khóa học online:
- Coursera: "IBM Data Science Professional Certificate"
- Google: "Data Analytics Certificate"
- DataCamp: "Data Scientist with Python"
Tạp chí & blog:
- Towards Data Science (Medium)
- Datafloq
- KDnuggets
- Banking Dive, Finextra (về fintech/banking)
Báo cáo ngành:
- McKinsey Banking Annual Review
- BCG Global Banking Report
- Deloitte Banking Industry Outlook
Checklist chuẩn bị CV
✅ Số liệu cụ thể cho mỗi dự án (tăng bao nhiêu % conversion, giảm bao nhiêu NPL, etc.)
✅ Số năm kinh nghiệm rõ ràng (≥5 năm)
✅ Chứng chỉ nếu có
✅ Portfolio link (GitHub, Tableau Public, Power BI)
✅ Cấu trúc rõ ràng: Summary → Experience → Projects → Skills → Education → Certifications
✅ Không quá 3 trang A4 (ưu tiên 2 trang)
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho vị trí Data tại Ngân hàng
1. Lộ trình thăng tiến điển hình
VCB nói riêng và ngân hàng nói chung có cấu trúc bậc rõ ràng cho vị trí Data:
```
Chuyên viên (Junior) → Chuyên viên chính (Senior) → Chuyên gia (Expert) → Chuyên gia cao cấp (Senior Expert) → Trưởng phòng/Phó GĐ trung tâm
Thời gian trung bình mỗi bậc: 3-5 năm
```
Ghi chú: Vị trí "Chuyên gia" trong JD này tương đương Senior/Lead level — đã là cấp khá cao. Người giữ vị trí này có thể đang trên đường đến Phó GĐ Trung tâm trong 3-5 năm tới nếu thể hiện tốt.
2. Mức lương kỳ vọng theo cấp bậc (VCB & ngân hàng top)
| Cấp bậc | Kinh nghiệm | Mức lương Gross/tháng | Thưởng Tết & khác |
|---|---|---|---|
| Chuyên viên (Fresher/Junior) | 0-2 năm | 15-25 triệu | 1-3 tháng lương |
| Chuyên viên chính (Senior) | 3-5 năm | 30-50 triệu | 2-4 tháng lương |
| Chuyên gia (Expert) ⭐ | 5-8 năm | 50-90 triệu | 3-6 tháng lương |
| Chuyên gia cao cấp | 8-12 năm | 80-150 triệu | 4-8 tháng lương |
| Trưởng phòng/Phó GĐ TT | 10-15 năm | 120-250 triệu | 6-12 tháng lương |
| GĐ Trung tâm | 15+ năm | 200-400+ triệu | Thỏa thuận |
Lưu ý: Đây là mức ước tính dựa trên thông tin thị trường. VCB là ngân hàng top đầu, chế độ đãi ngộ tốt nhưng quy định chặt hơn. Mức lương thực tế phụ thuộc thương lượng và policy nội bộ.
3. So sánh giữa Big4 NH & Fintech
| Tiêu chí | VCB, BIDV, VietinBank, Agribank | Techcombank, MB, Timo | MoMo, ZaloPay, VNLIFE |
|---|---|---|---|
| Brand | Rất cao | Cao | TB |
| Lương | TB-Cao | Cao | Cao |
| Work-life balance | Ít cân bằng | Cân bằng hơn | Cân bằng nhất |
| Học hỏi ngân hàng | Sâu | Sâu | Nông |
| Data scale | Rất lớn | Lớn | Trung bình |
| Tech stack | Truyền thống + modernizing | Hiện đại | Cutting-edge |
| Job security | Cao | TB | Thấp |
4. Kỹ năng cần phát triển thêm trong 2-3 năm tới
Để chuẩn bị cho các bước thăng tiến tiếp theo, bạn cần:
a) Kỹ năng lãnh đạo:
- Quản lý team 5-15 người
- People management, performance review
- Budget planning
- Stakeholder management cấp C-level
b) Kỹ năng chiến lược:
- Tham gia xây dựng OKR/KPI cấp ngân hàng
- Đề xuất initiative ảnh hưởng > 100 tỷ VND revenue
- Public speaking tại hội nghị ngành
c) Công nghệ mới cần nắm:
- Generative AI / LLM trong ngân hàng (chatbot, document AI)
- MLOps: Kubeflow, MLflow, model monitoring
- Real-time analytics: Kafka, Flink, streaming
- Cloud platform: AWS/Azure/GCP certifications
d) Kỹ năng mềm:
- Mentorship: đào tạo thế hệ sau
- Cross-functional collaboration với IT, Risk, Marketing, Operations
- Vendor management (khi mua giải pháp từ bên ngoài)
5. Lời khuyên thực tế
Nên làm:
- ✅ Học sâu về domain banking (còn quan trọng hơn tech skills)
- ✅ Xây dựng portfolio các use case ngân hàng thực tế
- ✅ Tham gia cộng đồng data Vietnam (Vietnam Data Science, AI Vietnam)
- ✅ Đọc regulations của NHNN liên quan đến data
- ✅ Networking với người trong Big4 NH (LinkedIn, sự kiện)
Không nên:
- ❌ Chỉ tập trung vào technical skills mà bỏ qua business understanding
- ❌ Nhảy việc quá nhiều (< 2 năm/lần) — NH trọng sự ổn định
- ❌ Coi thường compliance & bảo mật dữ liệu
- ❌ Apply khi chưa đủ 5 năm kinh nghiệm (JD khá strict)
6. Đánh giá cơ hội
Vị trí này phù hợp với:
- Data Scientist/Analyst đã có 5+ năm trong ngân hàng/tài chính
- Muốn chuyển từ "làm data" sang "lãnh đạo data"
- Đang ở fintech/consulting muốn về Big4 NH để ổn định
Không phù hợp với:
- Fresher hoặc mới ra trường (< 3 năm)
- Người thích môi trường tech pure (sẽ thấy chậm)
- Người không chịu được hierarchical & quy trình rườm rà
- Người ngoài 35 tuổi (theo quy định JD)
Câu hỏi thường gặp
Em mới ra trường ngành Khoa học dữ liệu, có nên apply vị trí Chuyên gia tại VCB không?
Khả năng cao là không phù hợp. JD yêu cầu tối thiểu 5 năm kinh nghiệm trong lĩnh vực khoa học dữ liệu/phân tích dữ liệu tài chính ngân hàng, độ tuổi không quá 35 và thực tế vị trí này ở cấp chuyên gia (không phải fresher). Với background mới ra trường, em nên nhắm vào các vị trí Chuyên viên Phân tích dữ liệu, Data Analyst hoặc Junior Data Scientist tại các ngân hàng, hoặc các chương trình Fresher/Internship. Tích lũy 3-5 năm kinh nghiệm rồi hãy apply vị trí tương tự.
Mức lương cho vị trí Chuyên gia Phân tích dữ liệu tại VCB khoảng bao nhiêu?
JD ghi 'Thỏa thuận' nên không có con số chính thức. Tuy nhiên dựa trên thị trường hiện tại: vị trí Chuyên gia (5-8 năm KN) tại Big4 NH thường dao động 50-90 triệu gross/tháng, cộng thưởng Tết 2-4 tháng lương, các phụ cấp (ăn trưa, xăng xe, điện thoại, chăm sóc sức khỏe). Tổng thu nhập năm có thể 800 triệu - 1.2 tỷ. Lưu ý VCB là NH nhà nước lớn nên chế độ ổn định nhưng lương thường thấp hơn 10-20% so với ngân hàng tư nhân (Techcombank, MB) cùng cấp. Khi phỏng vấn nên thương lượng dựa trên kinh nghiệm và chứng chỉ.
Tôi đang làm Data Analyst tại một công ty fintech được 4 năm, có đủ điều kiện apply không?
Gần đủ nhưng chưa chắc chắn. JD yêu cầu 'tối thiểu 05 năm kinh nghiệm trong lĩnh vực khoa học dữ liệu, phân tích dữ liệu Tài chính Ngân hàng'. Fintech có thể được tính là tài chính, nhưng bạn chỉ mới 4 năm nên có thể bị loại ở vòng HR screening. Tuy nhiên nếu bạn có thêm kinh nghiệm làm data ở vị trí khác (nghiên cứu, freelance, project cá nhân đáng kể), vẫn có thể apply. Hoặc bạn có thể chờ thêm 1 năm nữa để chắc chắn. Cũng cần lưu ý độ tuổi không quá 35.
Sự khác biệt giữa 'Chuyên gia Phân tích dữ liệu' và 'Chuyên gia Sản phẩm dữ liệu' là gì?
Trong JD này, hai khái niệm được gộp lại trong một vị trí. 'Phân tích dữ liệu' thiên về kỹ thuật: dùng data để trả lời câu hỏi, xây dựng model, tìm insight. 'Sản phẩm dữ liệu' thiên về product mindset: đóng gói data thành sản phẩm có người dùng, có giá trị kinh doanh rõ ràng (dashboard, API, model serving, dataset cho team khác). Vị trí ở VCB yêu cầu cả hai: vừa phải biết làm phân tích, vừa phải có tư duy sản phẩm để đề xuất chiến lược và triển khai use case xuyên phòng ban. Đây là vị trí hybrid rất hot trong ngành.
Tôi có bằng Thạc sĩ Quản trị Kinh doanh (MBA) chứ không phải Data Science, có phù hợp không?
Có thể vẫn apply được vì JD có ghi 'hoặc các chuyên ngành có liên quan' và 'hoặc là chuyên gia trong lĩnh vực quản trị dữ liệu'. Tuy nhiên JD ưu tiên các chuyên ngành: Khoa học dữ liệu, Khoa học máy tính, Toán học, Toán tin, Công nghệ Tài chính. Nếu bạn có MBA + 5+ năm kinh nghiệm thực tế về data + chứng chỉ data (Google, AWS...), bạn vẫn có cơ hội. MBA lại có lợi thế về business thinking mà JD đang cần. Quan trọng nhất là portfolio và track record.
Công việc hàng ngày của vị trí này cụ thể như thế nào?
Dựa trên JD, công việc hàng ngày sẽ bao gồm: (1) Research xu hướng data toàn cầu để đề xuất chiến lược cho VCB; (2) Họp với các phòng ban nghiệp vụ (tín dụng, thẻ, KHCN, KH doanh nghiệp) để hiểu nhu cầu dữ liệu; (3) Đánh giá và đề xuất công cụ BI/data; (4) Quản lý triển khai các use case data; (5) Đào tạo nhân viên toàn hàng về data literacy; (6) Làm báo cáo cho lãnh đạo; (7) Phối hợp với IT để vận hành Data Platform. Công việc sẽ dao động giữa strategic thinking, hands-on analysis và training/communication.
Vị trí này có cần chứng chỉ Tiếng Anh cụ thể (IELTS/TOEIC) không?
JD yêu cầu 'Tiếng Anh B1 (Khung tham chiếu chung Châu Âu) hoặc tương đương trở lên'. B1 tương đương IELTS khoảng 4.5-5.0, TOEIC 550-700. Tuy nhiên JD nhấn mạnh 'sử dụng tốt tiếng Anh chuyên ngành liên quan đến công việc phụ trách' - nghĩa là bạn cần đọc hiểu paper, tài liệu data science bằng tiếng Anh. Khi apply, thường sẽ có vòng test tiếng Anh hoặc phỏng vấn bằng tiếng Anh. Nếu bạn chưa có chứng chỉ nhưng giao tiếp tốt, có thể vẫn được nhưng nên chuẩn bị trước.
Nếu tôi được nhận, lộ trình phát triển tại VCB sẽ như thế nào?
Tại VCB, lộ trình điển hình cho vị trí Chuyên gia: 1-2 năm đầu chứng minh năng lực, làm chủ các use case quan trọng; 2-3 năm tiếp theo có thể được giao thêm team hoặc mở rộng phạm vi phụ trách; sau 5-7 năm có thể được đề cử lên Chuyên gia cao cấp hoặc Phó Trưởng phòng. Để thăng tiến nhanh: (1) Liên tục đề xuất cải tiến có giá trị; (2) Được lãnh đạo tin tưởng giao nhiệm vụ chiến lược; (3) Tham gia các chương trình đào tạo nội bộ của VCB; (4) Có đóng góp vào chuyển đổi số VCB; (5) Xây dựng quan hệ tốt với các phòng ban. VCB có cơ chế đánh giá KPI rõ ràng.
So với làm Data Scientist ở công ty công nghệ (FPT, VNG), làm ở VCB có khác gì lớn?
Khác khá nhiều: (1) Tốc độ: Tech company triển khai nhanh theo agile, NH chậm hơn do nhiều quy trình phê duyệt; (2) Tech stack: Tech dùng cutting-edge, NH dùng hệ thống legacy (mainframe, core banking cũ) + đang modernizing; (3) Business impact: Data ở NH tác động trực tiếp đến P&L (giảm NPL = tăng lợi nhuận), Data ở tech thường tác động đến UX/engagement; (4) Compliance: NH cực kỳ quan trọng, data phải đúng Basel, NHNN quy định; (5) Work-life: NH thường overtime khi có sự kiện lớn, tech company flexible hơn; (6) Lương: Tech thường cao hơn 20-40% cùng cấp; (7) Brand & stability: NH ổn định hơn nhiều. Nói chung NH phù hợp người thích stability và impact sâu, tech phù hợp người thích innovation tốc độ.