Assistant Manager, Data Architect VN

Tiếc là vị trí này yêu cầu tối thiểu 3.5 năm kinh nghiệm Data Engineering, nên em chưa phù hợp ngay bây giờ. Tuy nhiên, em có thể bắt đầu bằng cách: (1) Học SQL nâng cao và Python sâu; (2) Thực hành Spark thông qua Databricks Community Edition (miễn phí); (3) Làm 1-2 project cá nhân về data pipeline để đưa lên GitHub; (4) Thử ứng tuyển vị trí Junior Data Engineer ở các ngân hàng hoặc công ty fintech trước để tích lũy 2-3 năm kinh nghiệm, sau đó quay lại ứng tuyển vị trí tương tự. Lộ trình này thường mất 2-4 năm tùy tốc độ học của em.

Hoàn toàn có thể nhé. Kinh nghiệm 3 năm data engineering ở e-commerce là background rất tốt. Em đã có thể đáp ứng yêu cầu kỹ thuật (SQL, Python, Spark, data pipeline). Tuy nhiên, vị trí yêu cầu 3.5 năm nên em có thể apply thử, nhiều nơi vẫn linh hoạt. Điều em cần bổ sung là: (1) Domain knowledge về ngân hàng (đọc về AML, core banking, Basel); (2) Nếu có kinh nghiệm với Databricks hay Delta Lake thì càng tốt; (3) Chuẩn bị câu chuyện về cách em xử lý data volume lớn (vì ngân hàng có lượng transaction khổng lồ). Trong CV, em nên nhấn mạnh các dự án có scale tương đương banking.

Đây là ngân hàng nước ngoài và vị trí Assistant Manager (tương đương Senior Data Engineer) nên mức lương khá cạnh tranh. Ước lượng tham khảo (có thể thay đổi tùy ngân hàng và thời điểm): khoảng 50-90 triệu VNĐ/tháng cho base salary, có thể cao hơn nếu em có kinh nghiệm quốc tế hoặc chuyên môn đặc biệt (như AI/LLM). Ngoài ra, ngân hàng nước ngoài thường có: thưởng 13-14 tháng lương, performance bonus, bảo hiểm sức khỏe cao cấp, có thể có stock/option. Khi phỏng vấn, em nên để HR đưa ra mức trước, hoặc nói rằng em mong muốn mức X và lý do dựa trên kinh nghiệm cụ thể.

Databricks là một nền tảng Data + AI cloud-based, được xây dựng dựa trên Apache Spark. Nó cung cấp: (1) Lakehouse Platform — kết hợp data lake và data warehouse; (2) Medallion Architecture (Bronze/Silver/Gold) để tổ chức data theo chất lượng; (3) Delta Lake cho transaction reliability; (4) Unity Catalog cho data governance; (5) MLflow cho machine learning. Nhiều ngân hàng lớn ở ASEAN đang dùng Databricks thay cho Hadoop truyền thống vì dễ quản lý, scale tốt, và tích hợp AI/ML sẵn. Khi học, em có thể dùng Databricks Community Edition (miễn phí) để thực hành trước khi phỏng vấn. Đây là kiến thức rất "hot" và đang được săn đón trong ngành banking.

Theo kinh nghiệm, có 3 dạng câu hỏi thường làm ứng viên "đứng hình": (1) System Design — "Thiết kế data pipeline để ingest 100 triệu giao dịch ngân hàng/ngày theo thời gian thực, đảm bảo data quality và latency dưới 5 phút" — câu này test khả năng tổng hợp kiến thức về Kafka, Spark Streaming, Delta Lake, monitoring; (2) Troubleshooting — "Pipeline chạy chậm đột ngột, em điều tra thế nào?" — test khả năng debug, đọc Spark UI, identify data skew; (3) Trade-off discussion — "Tại sao chọn Delta Lake thay vì Parquet thuần?" — test chiều sâu kiến thức. Để chuẩn bị, em nên vẽ kiến trúc hệ thống đã làm, nghĩ về bottlenecks và failure modes.

Chuyển từ Software Engineer sang Data Engineer là hướng đi rất khả thi vì em đã có nền tảng lập trình. Em cần tập trung vào: (1) SQL nâng cao — đây là kỹ năng số 1, học Window Functions, optimization; (2) Apache Spark — paradigm khác software truyền thống (distributed computing, lazy evaluation); (3) Data modeling — thiết kế schema cho warehouse; (4) ETL/ELT mindset — cách xử lý data volume lớn; (5) Cloud platform (AWS/Azure) — hầu hết data stack giờ là cloud; (6) Streaming với Kafka. Thời gian chuyển đổi khoảng 6-9 tháng nếu em học chuyên sâu. Gợi ý: làm 1-2 project cá nhân xử lý data lớn để có thể kể trong phỏng vấn.

Ngân hàng là một trong những ngành có lượng data khổng lồ nhất — hàng triệu giao dịch mỗi ngày từ ATM, mobile banking, internet banking, thẻ tín dụng, cho vay, tiết kiệm... Data Architect đóng vai trò: (1) Thiết kế kiến trúc tổng thể để data có thể flow từ core banking đến analytics; (2) Đảm bảo data quality — sai một con số có thể dẫn đến quyết định sai về tín dụng, compliance; (3) Xử lý big data real-time để phát hiện fraud, AML; (4) Chuẩn bị hạ tầng cho AI/ML use cases (credit scoring, customer 360); (5) Đảm bảo compliance với SBV và quốc tế (Basel). Đây không phải IT bình thường — nó đòi hỏi sự kết hợp giữa engineering, business, và regulation.

CIMB là ngân hàng đến từ Malaysia, hoạt động mạnh ở ASEAN. Môi trường làm việc có những đặc điểm: (1) Văn hóa đa quốc gia — sẽ làm việc với team từ Malaysia, Singapore, Indonesia, Thailand; (2) Tiếng Anh là ngôn ngữ chính trong các cuộc họp kỹ thuật; (3) Quy trình chuẩn quốc tế nhưng cũng cần thích ứng với thị trường Việt Nam; (4) Là ngân hàng nước ngoài nên văn hóa thường thoáng hơn ngân hàng nội địa, nhưng vẫn có tính kỷ luật cao; (5) Data team thường thuộc khối IT/Tech, tách biệt khỏi front-office. Ưu điểm là cơ hội học hỏi best practices quốc tế và xây dựng network khu vực.

Trong 90 ngày đầu tiên, em nên tập trung: (1) Tuần 1-2: Hiểu hệ thống hiện tại — đọc documentation, shadow các thành viên senior, học về data sources của ngân hàng (core banking, CRM, transaction systems); (2) Tuần 3-4: Làm quen với data pipeline đang chạy, các incident trong quá khứ, hiểu pain points; (3) Tháng 2: Bắt đầu sửa vài bug nhỏ, tối ưu một số query chậm, xây dựng trust với team; (4) Tháng 3: Đề xuất cải tiến cụ thể (ví dụ: data quality check, monitoring dashboard, migration sang Delta Lake). Quan trọng nhất là xây dựng relationship với các stakeholder — em sẽ cần họ hiểu và ủng hộ em khi triển khai giải pháp mới.