[TT.QT&UDDL]_Chuyên viên Phân tích và sản phẩm dữ liệu
Mô tả công việc
[TT.QT&UDDL]_Chuyên viên Phân tích và sản phẩm dữ liệu
Số lượng tuyển dụng: 07
Đơn vị tuyển dụng: Trung tâm Quản trị và ứng dụng dữ liệu
Nơi làm việc: Hà Nội
Thời gian nhận hồ sơ: Hết ngày 24/07/2026
I. Mô tả công việc:
1. Hỗ trợ xây dựng chiến lược kinh doanh sản phẩm dữ liệu:
a) Xây dựng chiến lược và lộ trình phát triển sản phẩm dữ liệu theo phân công.
b) Triển khai phát triển và ứng dụng sản phẩm dữ liệu.
c) Phân tích và chuyển đổi yêu cầu kinh doanh thành các yêu cầu kỹ thuật cho đội Data Engineering và Data Science.
d) Tiếp nhận yêu cầu của nghiệp vụ/ Đồng hành cùng nghiệp vụ trong các nhu cầu hỗ trợ về dữ liệu, xác định phương án hỗ trợ về mặt kỹ thuật và xây dựng yêu cầu người sử dụng và phối hợp với các đơn vị phát triển sản phẩm dữ liệu (Đề Án).
e) Xử lý các yêu cầu liên quan đến tác nghiệp, yêu cầu cung cấp dữ liệu trên các hệ thống ứng dụng công nghệ của VCB (Đề Án).
f) Theo dõi và báo cáo tiến độ sử dụng dữ liệu của các bộ phận nghiệp vụ và báo cáo tiến độ, kết quả đạt được hàng quý.
g) Phối hợp với Phòng Quản trị dữ liệu để xây dựng các tiêu chí đầu vào để bổ sung dữ liệu mới vào Nhà máy dữ liệu.
h) Phối hợp với các Phòng trực thuộc Khối Dữ liệu để xây dựng quy trình làm việc (từ tiếp nhận yêu cầu, triển khai thực hiện và quản lý nguồn lực).
i) Xây dựng và quản lý quy trình quản trị danh sách công việc backlog với bộ phận nghiệp vụ.
2. Hỗ trợ các hoạt động phát triển sản phẩm công nghệ:
a) 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 việc đưa ra yêu cầu về thu thập dữ liệu và yêu cầu đo lường cho từng sản phẩm của ngân hàng, hướng tới đánh giá và cải tiển sản phẩm liên tục.
c) Tạo và duy trì Bảng điều khiển sử dụng dữ liệu (Data Usage Dashboard), để cung cấp thông tin về nhu cầu sử dụng dữ liệu (use case) và giá trị thu được từ việc khai thác dữ liệu.
3. Hỗ trợ đào tạo người dùng về ứng dụng dữ liệu trong phạm vi được phân công
4. Hỗ trợ các bộ phận nghiệp vụ để nâng cao lợi nhuận cho VCB:
a) Đảm bảo các yêu cầu phát triển sản phẩm và chiến dịch kinh doanh có ứng dụng dữ liệu để đưa ra quyết định.
b) Tư vấn và đề xuất cho các bộ phận nghiệp vụ về các lợi ích tiềm năng thông qua phân tích dữ liệu dựa trên khoa học dữ liệu để phục vụ hoạt động kinh doanh.
c) Phối hợp với bộ phận nghiệp vụ để gia tăng lợi nhuận cho VCB, đề xuất các cải tiến để đạt được kết quả tốt nhất.
d) Theo dõi và báo cáo về giá trị kinh doanh để truyền thông về lợi ích của dữ liệu, thúc đẩy việc sử dụng rộng rãi dữ liệu như một công cụ.
5. 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.
6. Thực hiện báo cáo định kỳ và các báo cáo đột xuất, báo cáo khác theo yêu cầu.
7. Tham gia các lớp đào tạo, tập huấn nghiệp vụ theo kế hoạch của Phòng và VCB.
8. 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 Khoa học dữ liệu, Khoa học máy tính, kỹ thuật dữ liệu máy tính, Toán học, Toán tài chính, Toán kinh tế, Toán tin, Toán ứng dụng, Công nghệ Tài chính định lượng hoặc các chuyên ngành có liên quan.
- 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, giao tiếp và đọc hiểu liên quan đến công việc phụ trách.
2. Kiến thức:
- Có kiến thức về sản phẩm, nghiệp vụ liên quan đến tài chính, ngân hàng
- Hiểu biết về hệ thống thông tin và dữ liệu trong ngân hàng
Ưu tiên
- Trình độ từ thạc sĩ trở lên 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 làm việc trong lĩnh vực khoa học dữ liệu, phân tích dữ liệu
Yêu cầu về kỹ năng và Phẩm chất cá nhân:
1.Kỹ năng:
- Lên kế hoạch và thực hiện công việc
- Giải quyết vấn đề
- Giao tiếp và truyền đạt
- Làm việc nhóm và làm việc độc lập
2. Khả năng:
- Tư duy logic
- Đánh giá, phân tích, tổng hợp
- Nghiên cứu, tự đào tạo
- Đổi mới
3. Phẩm chất cá nhân:
- Cẩn trọng
- Tận tâm, chuyên cần
- Chủ động, sáng tạo, thích ứng
- Quyết đoán, cẩn thận và linh hoạt
- Có thể chịu được áp lực
Lưu ý: Trung tâm Quản trị và ứng dụng dữ liệu tuyển dụng 02 vị trí Chuyên viên 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 viên thuộc cùng Trung tâm Quản trị và ứng dụng 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 viên Phân tích và Sản phẩm dữ liệu tại VCB
🎯 Bản chất vị trí
Đây là vị trí Data Product Analyst / Data Business Partner — cầu nối giữa nghiệp vụ ngân hàng và đội ngũ kỹ thuật (Data Engineering, Data Science). Bạn không chỉ phân tích dữ liệu mà còn phải xây dựng sản phẩm dữ liệu phục vụ kinh doanh. Đây là một trong những vị trí "hot" nhất trong chuyển đổi số ngân hàng hiện nay.
---
1️⃣ Hard Skills (Kỹ năng cứng) — BẮT BUỘC
| Nhóm kỹ năng | Mức độ | Chi tiết |
|---|---|---|
| SQL | ⭐⭐⭐⭐⭐ | Thành thạo query phức tạp (JOIN, CTE, Window Functions), tối ưu performance. Đây là kỹ năng sống còn. |
| Python/R | ⭐⭐⭐⭐ | Pandas, NumPy, Matplotlib/Seaborn, cơ bản scikit-learn. Dùng để phân tích và prototype. |
| Data Visualization | ⭐⭐⭐⭐⭐ | Power BI, Tableau hoặc Looker. Tạo dashboard cho nghiệp vụ. |
| Excel nâng cao | ⭐⭐⭐⭐ | Pivot Table, Power Query, VBA cơ bản. VCB vẫn dùng Excel nhiều cho báo cáo. |
| Kiến thức ngân hàng | ⭐⭐⭐⭐⭐ | Hiểu sản phẩm (tín dụng, thẻ, tiền gửi, FX, bancassurance), quy trình nghiệp vụ. |
| Data Modeling & ETL | ⭐⭐⭐ | Hiểu data warehouse, data pipeline để làm việc với Data Engineering. |
| Tiếng Anh B1+ | ⭐⭐⭐⭐ | Đọc tài liệu kỹ thuật, giao tiếp với vendor quốc tế. |
2️⃣ Hard Skills — ƯU TIÊN (giúp bạn nổi bật)
- Statistics & A/B Testing: Thiết kế thí nghiệm, kiểm định giả thuyết
- Machine Learning cơ bản: Churn prediction, customer segmentation, credit scoring
- Big Data tools: Spark, Hadoop, Kafka (nếu ứng tuyển vào phần liên quan Data Engineering)
- Agile/Scrum: Quản lý backlog, sprint planning
- Product Management: Viết PRD, user story, roadmap
- SQL nâng cao + Cloud: Snowflake, BigQuery, Azure Data
3️⃣ Soft Skills — RẤT QUAN TRỌNG
JD nhấn mạnh các kỹ năng mềm vì đây là vị trí "bridge" giữa nhiều bên:
- 🗣️ Giao tiếp & truyền đạt: Phải nói chuyện được với cả stakeholder nghiệp vụ (không rành kỹ thuật) và data engineer (không rành ngân hàng)
- 🧩 Giải quyết vấn đề: Chuyển bài toán kinh doanh mơ hồ thành yêu cầu kỹ thuật cụ thể
- 🤝 Đồng hành cùng nghiệp vụ: Tư vấn, training, hỗ trợ sử dụng dữ liệu
- 📊 Tư duy logic & phân tích: Đánh giá, tổng hợp thông tin từ nhiều nguồn
- ⏰ Chịu áp lực: Deadline báo cáo quý, yêu cầu từ nhiều phòng ban cùng lúc
4️⃣ Chứng chỉ gợi ý
| Chứng chỉ | Tổ chức | Mức độ ảnh hưởng |
|---|---|---|
| Google Data Analytics | Coursera | Nền tảng tốt cho người mới |
| Microsoft Certified: Power BI Data Analyst | Microsoft | Được VCB ưu tiên (họ dùng Power BI nhiều) |
| AWS/Azure Data Engineer | AWS/Azure | Có lợi nếu VCB migrate cloud |
| Tableau Desktop Specialist | Tableau | Tùy hệ thống sử dụng |
| Chứng chỉ CFA/FRM | CFA Institute/GARP | Ưu tiên nếu muốn hiểu sâu tài chính |
| Google Professional Data Engineer | Big plus nếu muốn làm về ML/AI |
---
💡 Lời khuyên thực tế
JD nói "Ưu tiên Thạc sĩ" và "kinh nghiệm làm việc trong lĩnh vực khoa học dữ liệu" — nếu chưa có, hãy:
1. Làm portfolio cá nhân: 2-3 project phân tích dữ liệu ngân hàng (dùng data public trên Kaggle về credit, customer behavior)
2. Viết blog/LinkedIn post về data analysis trong banking để chứng minh passion
3. Tham gia các cuộc thi: VIB Hackathon, VCB AI/ML competition, Kaggle competitions
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn chi tiết — VCB Trung tâm Quản trị & Ứng dụng dữ liệu
📋 Quy trình tuyển dụng dự kiến của VCB
Dựa trên kinh nghiệm tuyển dụng ngân hàng nhà nước lớn như VCB, quy trình thường kéo dài 4-8 tuần:
```
Vòng 1: Nộp hồ sơ online (CV + form ứng tuyển)
↓
Vòng 2: Thi Aptitude Test (toán, logic, tiếng Anh) — online
↓
Vòng 3: Phỏng vấn HR (15-30 phút) — kiểm tra fit cơ bản
↓
Vòng 4: Phỏng vấn chuyên môn vòng 1 (Technical Round) — 45-60 phút
↓
Vòng 5: Phỏng vấn chuyên môn vòng 2 (Business Case) — 60 phút
↓
Vòng 6: Phỏng vấn Lãnh đạo Trung tâm — 30-45 phút
↓
Background check + Offer
```
> ⚠️ Lưu ý quan trọng: Ứng viên chỉ được nộp 01 vị trí duy nhất trong Trung tâm này. Hãy đọc kỹ JD các vị trí khác để chọn vị trí phù hợp nhất với mình.
---
🎤 Câu hỏi phỏng vấn hay gặp theo từng vòng
Vòng HR — Kiểm tra fit & motivation
1. "Tại sao bạn muốn làm việc tại VCB mà không phải tech company/tập đoàn tài chính khác?"
2. "Bạn biết gì về chiến lược chuyển đổi số của VCB?" (Tip: Tìm hiểu về VCB Digibank, đề án nhà máy dữ liệu, partnership với Salesforce/AWS)
3. "Mức lương mong muốn của bạn là bao nhiêu?" (Xem phần Career Advice)
4. "Bạn có thể làm việc overtime khi có dự án gấp không?"
5. "Điểm yếu lớn nhất của bạn là gì?"
Vòng Technical — Kiến thức chuyên môn
Về SQL & Data:
1. "Viết query tính tổng số tiền giao dịch theo từng khách hàng trong 3 tháng gần nhất, sắp xếp giảm dần"
2. "Sự khác nhau giữa INNER JOIN, LEFT JOIN, FULL OUTER JOIN? Khi nào dùng cái nào?"
3. "Làm sao tối ưu một SQL query chạy chậm trên bảng 100 triệu record?"
4. "Window Functions là gì? Cho ví dụ thực tế trong ngân hàng" (VD: tính LTV khách hàng, xếp hạng chi tiêu)
Về Data Analysis & Product:
5. "Bạn sẽ xây dựng dashboard cho phòng Tín dụng như thế nào? Những KPI nào quan trọng?"
6. "Nếu ban lãnh đạo hỏi 'Tại sao tỷ lệ nợ xấu tăng', bạn sẽ phân tích như thế nào?"
7. "Làm sao phân biệt correlation và causation? Cho ví dụ trong ngân hàng"
8. "Bạn hiểu gì về Data Warehouse, Data Lake, Data Lakehouse?"
Về Banking Domain:
9. "Các chỉ số quan trọng trong hoạt động ngân hàng thương mại?" (NIM, ROA, ROE, CAR, NPL ratio, LDR...)
10. "Sự khác nhau giữa Basel II và Basel III?"
11. "Explain Basel III risk-weighted assets calculation?"
Vòng Business Case — Tình huống thực tế
12. Case study: "Một chi nhánh VCB phản ánh số khách hàng VIP giảm 20% trong quý vừa rồi. Bạn sẽ approach như thế nào để tìm nguyên nhân và đề xuất giải pháp?"
13. Product case: "Hãy thiết kế một sản phẩm dữ liệu giúp Phòng Bancassurance tăng doanh số bảo hiểm nhân thọ"
14. Stakeholder case: "Trưởng phòng Tín dụng muốn một báo cáo real-time về dư nợ, nhưng Data Engineering team chỉ có bandwidth để refresh data mỗi ngày. Bạn sẽ xử lý thế nào?"
Vòng Lãnh đạo — Tầm nhìn & văn hóa
15. "Theo bạn, điểm khác biệt giữa Data Analyst và Data Product Manager là gì?"
16. "Bạn sẽ làm gì trong 6 tháng đầu tiên nếu được nhận?"
17. "Câu hỏi tình huống: Một nhân viên lâu năm từ chối sử dụng sản phẩm dữ liệu mới, nói 'Excel vẫn ổn'. Bạn sẽ thuyết phục họ thế nào?"
---
👔 Dress code & Tips thực tế
| Vòng | Dress code | Lưu ý |
|---|---|---|
| HR Round | Smart casual / Áo sơ mi | VCB không quá formal nhưng chuyên nghiệp |
| Technical | Business formal (Vest, áo sơ mi) | Thể hiện sự nghiêm túc |
| Lãnh đạo | Business formal | Nên chỉn chu nhất |
💼 Tips "đàn anh" chia sẻ:
1. Mang theo portfolio: 2-3 project đã làm (có thể in ra hoặc show trên tablet)
2. Đọc kỹ "Đề án Nhà máy dữ liệu VCB" — đây là dự án trọng điểm, có thể được hỏi
3. Chuẩn bị 3 câu hỏi thông minh để hỏi ngược:
- "Hiện tại Trung tâm đang dùng stack công nghệ nào?"
- "Cơ hội phát triển nào cho chuyên viên mới trong 2-3 năm đầu?"
- "Đề án lớn nhất Trung tâm đang triển khai là gì?"
4. Thể hiện sự hiểu biết về VCB: Doanh thu, thị phần, đối thủ (Techcombank, MB, VPBank), các dự án số hóa gần đây
5. Không nói xấu ngân hàng cũ nếu bạn đang đi làm
Lộ trình ôn thi
Lộ trình ôn tập & chuẩn bị 2 tuần trước phỏng vấn
📅 Lộ trình 14 ngày (chia rõ theo ngày)
Ngày 1-3: Nền tảng kiến thức ngân hàng
- Đọc về VCB:
- Báo cáo thường niên VCB 2023, 2024 (trên website chính thức)
- Chiến lược chuyển đổi số 2025-2030
- Đề án Nhà máy dữ liệu VCB (search trên các trang báo chí: VnExpress, VietTimes)
- Kiến thức ngân hàng cơ bản:
- Tài liệu NHNN về hoạt động ngân hàng thương mại
- Ebook: "Bank Management & Financial Services" — Peter Rose
- Hiểu rõ: CASA, NIM, ROE, ROA, CAR, NPL, LDR, tỷ giá, lãi suất liên ngân hàng
- Banking products: Tín dụng (doanh nghiệp & cá nhân), thẻ, tiền gửi, bancassurance, FX, trade finance
Ngày 4-6: SQL & Data Analysis
- Ôn SQL (4-6 giờ/ngày):
- SQLZoo, HackerRank SQL, LeetCode Database
- Tập trung: Window Functions, CTEs, GROUP BY phức tạp, PIVOT
- Làm bài tập với dataset ngân hàng giả lập
- Statistical Analysis:
- Coursera: "Statistics with Python" (University of Michigan)
- Hiểu: p-value, confidence interval, regression, A/B testing
- Đọc về Credit Scoring, PD/LGD/EAD (Basel framework)
Ngày 7-9: Visualization & BI Tools
- Power BI (rất quan trọng — VCB dùng nhiều):
- Microsoft Learn: free path cho Power BI Data Analyst
- Thực hành: Tạo dashboard mẫu cho use case ngân hàng
- DAX cơ bản: CALCULATE, FILTER, ALL, time intelligence
- Tableau (backup skill):
- Tableau Public tutorials
Ngày 10-11: Python for Data Analysis
- Pandas: DataFrame manipulation, groupby, merge, pivot
- Visualization: Matplotlib, Seaborn
- Mini project: Phân tích dataset khách hàng ngân hàng (Kaggle: "Bank Marketing", "Credit Card clients")
Ngày 12: Data Engineering concepts
- ETL vs ELT
- Data Warehouse vs Data Lake vs Lakehouse
- Apache Spark, Airflow (hiểu khái niệm)
- Cloud platforms: AWS (S3, Redshift), Azure (Data Factory), GCP (BigQuery)
- Đọc: "Fundamentals of Data Engineering" — Joe Reis
Ngày 13: Mock interview & Business Cases
- Luyện trả lời 15 câu hỏi kỹ thuật thường gặp
- Luyện 3 business case ngân hàng
- Tự thu âm và nghe lại
- Nhờ bạn bè review
Ngày 14: Final review & Logistics
- Đọc lại JD
- Chuẩn bị: 2 bản CV in sẵn, portfolio, cây bút, sổ tay
- Lên kế hoạch đường đi (nếu onsite)
- Ngủ đủ giấc, ăn sáng đầy đủ
---
📚 Tài liệu tham khảo cụ thể
Miễn phí:
- SQL: [Mode Analytics SQL Tutorial](https://mode.com/sql-tutorial), [W3Schools SQL](https://w3schools.com/sql)
- Python: [Kaggle Learn](https://kaggle.com/learn) (miễn phí, thực hành luôn)
- Power BI: [Microsoft Learn](https://learn.microsoft.com/power-bi/)
- Banking: "The Bankers' Handbook" trên SSRN, báo cáo NHNN
- Tiếng Anh: Đọc [McKinsey Banking Report](https://mckinsey.com/industries/financial-services)
Có phí (đáng đầu tư):
- Coursera: "Google Data Analytics Professional Certificate" (~2 triệu)
- Udemy: "The Business Intelligence Analyst Course" (~300k, hay có sale)
- Sách: "Storytelling with Data" — Cole Knaflic (~200k)
- Sách: "Data and Analytics in Banking" — Alexey Surin
Vietnamese resources:
- FPT.AI blog, VNG Tech blog: Bài viết về data trong fintech
- Cộng đồng: Vietnam Data Science (Facebook), VietAI
- YouTube: "Phân tích dữ liệu" channel của Nguyễn Văn Hải
---
✅ Checklist ngày phỏng vấn
- [ ] CV in sạch sẽ, 2 bản
- [ ] Bằng cấp, chứng chỉ photo + bản gốc
- [ ] Portfolio (nếu có)
- [ ] Sổ tay + bút
- [ ] Điện thoại tắt âm hoặc chế độ im lặng
- [ ] Đến sớm 15-20 phút
- [ ] Ăn mặc lịch sự (không quá casual)
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp & Lộ trình thăng tiến
💰 Mức lương kỳ vọng theo cấp bậc (VCB Data Division)
| Cấp bậc | Kinh nghiệm | Mức lương (gross/tháng) | Ghi chú |
|---|---|---|---|
| Chuyên viên (Fresher/Junior) | 0-2 năm | 15-22 triệu | Thử việc 2 tháng, thưởng Tết ~2-3 tháng lương |
| Chuyên viên (Mid) | 2-4 năm | 22-35 triệu | Sau review thường niên |
| Chuyên viên cao cấp | 4-7 năm | 35-50 triệu | Lead nhóm nhỏ 2-3 người |
| Phó phòng / Team Lead | 7-10 năm | 50-80 triệu | Quản lý team 5-10 người |
| Trưởng phòng | 10-15 năm | 80-150 triệu | Quản lý 15-30 người |
| Phó Giám đốc TT | 15+ năm | 150-250 triệu | C-level data |
> ⚠️ Lưu ý: Đây là ước tính dựa trên thị trường. VCB là ngân hàng nhà nước nên lương có thể thấp hơn private bank nhưng cực kỳ ổn định, có chế độ đãi ngộ tốt, và brand name cực mạnh trong CV.
📈 Lộ trình thăng tiến (Career Path)
```
┌─→ Chief Data Officer (CDO)
│
Trưởng phòng ──────┤
│
Phó phòng ─────────┼─→ Data Science Manager
│
Chuyên viên cao cấp ┤
│
Chuyên viên (BẠN Ở ĐÂY) ─┬─→ Senior Data Analyst → Data Analyst Manager
├─→ Data Product Manager
├─→ Business Intelligence Lead
└─→ Data Engineer / Data Scientist (chuyển ngang)
```
Lộ trình điển hình 5-7 năm tại VCB:
Năm 1-2: Foundation Builder
- Học sâu nghiệp vụ ngân hàng (tín dụng, thẻ, tiền gửi)
- Làm chủ SQL, Python, Power BI
- Xây dựng portfolio các use case đã triển khai
- Đạt chứng chỉ chuyên môn (Power BI, AWS)
Năm 2-4: Subject Matter Expert
- Trở thành "go-to person" cho 1-2 lĩnh vực (VD: credit data, customer analytics)
- Lead các dự án nhỏ (2-3 người)
- Bắt đầu mentor junior
- Có thể học Thạc sĩ nếu chưa có (VCB khuyến khích)
Năm 4-6: Leader Track
- Quản lý team 3-5 người
- Tham gia xây dựng data strategy của Trung tâm
- Cơ hội làm Phó phòng hoặc rotate sang phòng ban khác
Năm 6+: Phó phòng, Trưởng phòng, hoặc rotate sang các vị trí cao hơn
---
🎯 Kỹ năng cần phát triển thêm
Trong năm đầu tiên:
1. Banking domain knowledge — Đọc báo cáo NHNN mỗi tuần, theo dõi Bloomberg, Reuters
2. SQL mastery — Đạt level "có thể giải quyết mọi câu query trong 5 phút"
3. Communication — Viết email, trình bày báo cáo rõ ràng, present trước đám đông
4. Stakeholder management — Học cách deal với yêu cầu mâu thuẫn giữa các phòng ban
Trong 2-3 năm tới:
5. Cloud & Big Data — AWS/Azure, Spark, Snowflake
6. Machine Learning operations (MLOps) — Triển khai model vào production
7. Agile/Scrum Master certification — Quản lý dự án data hiệu quả
8. Leadership skills — Đọc sách "The Manager's Path", "Crucial Conversations"
9. Tiếng Anh — Nâng lên C1 nếu muốn thăng tiến xa (đọc được paper, paper quốc tế)
---
🌟 Lời khuyên thực tế từ "đàn anh"
1. VCB là "Harvard" của data banking Việt Nam — brand name rất mạnh, mở ra cơ hội ở private bank, fintech, big tech sau này
2. Đừng chỉ làm "analyst thuần" — Hãy cố gắng trở thành "Data Product Manager", có tư duy kinh doanh, không chỉ technical
3. Xây dựng quan hệ nội bộ — VCB rất coi trọng văn hóa, các mối quan hệ giúp bạn được support khi cần
4. Học hỏi từ senior — Ngân hàng nhà nước có nhiều người rất giỏi và tâm huyết, hãy tận dụng
5. Cân nhắc trade-off: VCB lương thấp hơn private, nhưng stability + brand + pension rất tốt
6. Sau 3-5 năm, nếu muốn nhảy sang fintech (MoMo, ZaloPay, VNPay) hoặc private bank (Techcombank, MB) — bạn sẽ là "hot candidate" vì kinh nghiệm tại VCB
Câu hỏi thường gặp
Em là sinh viên năm cuối ngành Khoa học dữ liệu, chưa có kinh nghiệm làm việc, có nên apply vị trí này không?
Được nhé em! JD không yêu cầu kinh nghiệm cụ thể, chỉ ưu tiên thôi. Tuy nhiên, em cần chuẩn bị: (1) Portfolio 2-3 project data analysis (ưu tiên chủ đề tài chính/ngân hàng, có thể dùng data Kaggle); (2) Thành thạo SQL, Python cơ bản, Power BI; (3) Hiểu biết về sản phẩm ngân hàng (tín dụng, thẻ, tiền gửi); (4) Điểm GPA tốt + có hoạt động ngoại khóa liên quan data. Nếu em có chứng chỉ Google Data Analytics hoặc Power BI thì càng tốt. VCB nhận cả fresher cho vị trí này vì họ đang xây dựng đội ngũ mới cho Đề án Nhà máy dữ liệu.
Em đang làm BA ở một fintech, muốn chuyển sang ngân hàng nhà nước (VCB). Có phù hợp không và cần chuẩn bị gì?
Hoàn toàn phù hợp em nhé! Vị trí này cần cả BA skill và Data skill, em đã có BA rồi chỉ cần bổ sung: (1) SQL nâng cao — fintech hay dùng NoSQL nhưng ngân hàng dùng SQL rất nhiều; (2) Power BI hoặc Tableau — fintech em có thể dùng tool khác; (3) Kiến thức Basel, quản trị rủi ro — fintech thường không quan tâm bằng; (4) Mindset về data governance, data quality — ngân hàng chặt hơn fintech. Khi phỏng vấn, em nên nhấn mạnh: đã quen làm việc với stakeholder nghiệp vụ, đã hiểu product lifecycle, có kinh nghiệm chuyển business requirement thành technical spec.
Vị trí này khác gì với Data Analyst thông thường? Có phải là BA ngân hàng không?
Hay câu hỏi này! Vị trí này là sự kết hợp giữa Data Analyst + Data Product Manager + Business Analyst. So với Data Analyst thông thường: Data Analyst chỉ phân tích và đưa insight, còn vị trí này em phải xây dựng cả sản phẩm dữ liệu (từ ý tưởng đến triển khai), quản lý backlog, training user, đo lường giá trị kinh doanh. So với BA thông thường: BA chủ yếu làm requirements, còn vị trí này em phải hiểu sâu về data infrastructure (data warehouse, ETL, modeling) để làm việc với đội kỹ thuật. Nói đơn giản: em vừa là "phiên dịch viên" giữa nghiệp vụ và kỹ thuật, vừa là "product owner" của các sản phẩm dữ liệu.
Lương Chuyên viên Phân tích dữ liệu tại VCB khoảng bao nhiêu? Thực tế có cao không?
Mức lương cho vị trí Chuyên viên mới (0-2 năm) tại VCB khoảng 15-22 triệu gross/tháng tùy năng lực và bằng cấp. Nếu có Thạc sĩ + kinh nghiệm có thể deal 22-28 triệu. So với private bank (Techcombank, MB, VPBank) — VCB trả thấp hơn ~20-30%. Tuy nhiên, đổi lại em có: (1) 13th month salary + thưởng Tết thường 2-3 tháng lương; (2) Chế độ BHXH, BHYT đầy đủ theo nhà nước; (3) Cơ hội mua nhà công vụ (tùy thời điểm); (4) Brand VCB cực mạnh — sau này nhảy việc sẽ được offer cao hơn 30-50%; (5) Công việc ổn định, ít áp lực KPI gay gắt như private bank. Nếu em ưu tiên sự ổn định và phát triển dài hạn thì VCB là lựa chọn tốt.
Em đã có 5 năm kinh nghiệm Data Analyst ở ngân hàng TMCP khác. Apply vị trí này có bị "overqualify" không? Và có cơ hội thăng tiến không?
Không bị over-qualify đâu em! VCB đang cần người có kinh nghiệm để lead các dự án lớn. Tuy nhiên, với 5 năm KN, em nên target vị trí Chuyên viên cao cấp hoặc apply thẳng vào vị trí team lead nếu có (xem JD khác của Trung tâm). Về thăng tiến: VCB có hệ thống "bậc" rõ ràng, mỗi 2-3 năm review một lần. Với 5 năm KN, em có thể vào ở bậc 4-5 (gần Phó phòng). Quan trọng là em phải thể hiện được: (1) Có kinh nghiệm lead dự án data; (2) Hiểu banking products & regulations; (3) Có thể làm việc với C-level stakeholders. Trong vòng phỏng vấn, em nên hỏi thẳng về "level" họ sẽ xếp cho em để tránh bị "downgrade".
Công việc hàng ngày của vị trí này cụ thể là gì? Một ngày đi làm sẽ như thế nào?
Một ngày của em sẽ khá đa dạng, ví dụ: 8:30-9:00: Check email, review backlog từ các phòng ban nghiệp vụ; 9:00-10:30: Họp với Data Engineering team về tiến độ xây dựng data pipeline; 10:30-12:00: Phân tích dữ liệu tín dụng để trả lời yêu cầu từ phòng Tín dụng; 13:30-15:00: Họp với stakeholder để thu thập requirements cho dashboard mới; 15:00-17:00: Build prototype dashboard trên Power BI; 17:00-17:30: Cập nhật Data Usage Dashboard, viết báo cáo tuần. Đặc thù là em sẽ dành 40-50% thời gian họp và giao tiếp, 30% phân tích, 20% xây dựng sản phẩm. Nếu em là người thích làm technical 100%, vị trí này có thể không phù hợp.
Có cần học Thạc sĩ mới apply được không? Bằng Đại học là đủ chưa?
Bằng Đại học là đủ điều kiện apply rồi em! JD ghi "Trình độ từ Đại học trở lên" là bắt buộc, còn Thạc sĩ chỉ là ưu tiên. Tuy nhiên, thực tế cạnh tranh: với 7 vị trí mà VCB mở ra, có thể có hàng trăm ứng viên apply. Nếu em có Thạc sĩ + kinh nghiệm + portfolio tốt, em sẽ nổi bật hơn. Nếu em chưa có Thạc sĩ mà đang cân nhắc: (1) Apply trước với bằng ĐH, nếu pass phỏng vấn thì thương lượng xem có hỗ trợ đi học không; (2) Một số chương trình Thạc sĩ part-time như của ĐH KHTN, ĐH Bách Khoa có thể học song song; (3) Nếu CV em rất mạnh (nhiều project, chứng chỉ quốc tế, GitHub hoạt động) thì ĐH vẫn pass. Đừng để việc chưa có Thạc sĩ cản em apply nhé!
JD có nói về Big Data, Machine Learning, AI không? Em có cần học ML sâu không?
JD không yêu cầu ML sâu em nhé! Vị trí này thiên về phân tích dữ liệu và quản lý sản phẩm dữ liệu, không phải Data Scientist. Tuy nhiên, JD có đề cập đến "phối hợp với đội Data Engineering và Data Science" nên em cần hiểu concept: biết ML dùng để làm gì (churn prediction, credit scoring, fraud detection), input/output là gì, làm sao validate model. Em chỉ cần level "biết đọc kết quả model, đánh giá business value" chứ không cần build model từ đầu. Nếu em muốn phát triển lâu dài thì nên học thêm ML cơ bản qua Coursera (Andrew Ng course) để có nền tảng, nhưng đừng để nó cản em apply.
Nếu được nhận vào, 3 tháng đầu em nên tập trung vào những gì để gây ấn tượng tốt?
3 tháng đầu rất quan trọng, em nên: Tháng 1 - Listen & Learn: (1) Học kỹ về data warehouse của VCB, các hệ thống core banking; (2) Shadow senior để hiểu workflow; (3) Đọc kỹ các tài liệu nội bộ về data governance; (4) Làm quen với stakeholders ở các phòng ban; Tháng 2 - Quick Win: (1) Tìm 1-2 use case nhỏ mà em có thể giải quyết nhanh (VD: cải thiện 1 dashboard, tự động hóa 1 báo cáo Excel); (2) Thể hiện initiative; (3) Build relationship với Data Engineering team; Tháng 3 - Deliver: (1) Hoàn thành 1 sản phẩm dữ liệu end-to-end (từ requirement đến deploy); (2) Present kết quả cho ban lãnh đạo; (3) Document lại quy trình để scale. Bí quyết: đừng cố gây ấn tượng bằng kiến thức, hãy gây ấn tượng bằng sự chủ động và khả năng giải quyết vấn đề thực tế.