Business Intelligence (BI)

Chào em, vị trí BI ở VIB yêu cầu tối thiểu 2 năm kinh nghiệm nên với năm 4 chưa thể ứng tuyển được. Em có 2 lựa chọn: (1) Apply các chương trình Fresher/Intern tại ngân hàng để tích lũy kinh nghiệm 6–12 tháng, sau đó apply vị trí chính thức; hoặc (2) Làm 1–2 năm ở công ty outsourcing/retail nhỏ để build portfolio rồi quay lại. Trong thời gian này em nên: học SQL + Power BI thành thạo, lấy chứng chỉ PL-300, làm 2–3 dự án phân tích trên dataset Kaggle (nên chọn dataset tài chính/ngân hàng), và hiểu cơ bản về nghiệp vụ ngân hàng (CASA, NPL, CIR). Đừng quên rèn tiếng Anh vì đa số tài liệu Power BI đều bằng tiếng Anh.

Tin không ghi rõ mức lương cụ thể, chỉ là "thỏa thuận". Theo tham khảo chung (mức lương có thể thay đổi tùy ngân hàng và thời điểm): BI Analyst ở VIB thường dao động từ 25–45 triệu/tháng cho mid-level, Senior có thể từ 50–90 triệu, cấp chuyên gia/manager từ 100 triệu trở lên. VIB là ngân hàng tư nhân top đầu nên thường có cạnh tranh, kèm bonus KPI và phúc lợi khá tốt (bảo hiểm sức khỏe gia đình, voucher ăn uống, đào tạo nước ngoài...). Em nên research trên Glassdoor, VietnamWorks để có benchmark chính xác hơn, và đừng ngại deal trong vòng HR nhé.

Rất khả thi và được đánh giá cao — kinh nghiệm FMCG ở Data Analyst là asset lớn. Bạn có nền tảng về phân tích khách hàng, dashboarding, A/B testing — những kỹ năng này ngân hàng rất cần. Tuy nhiên, bạn cần bổ sung: (1) Hiểu sâu nghiệp vụ ngân hàng (tín dụng, tiền gửi, thẻ, nợ xấu); (2) Nếu trước giỏi Tableau thì học thêm Power BI (hoặc ngược lại — check JD kỹ); (3) Ôn lại SQL nâng cao và statistics vì ngân hàng hay test chuyên sâu; (4) Chuẩn bị story về việc bạn contribute business outcome cụ thể (tăng bao nhiêu % doanh thu, giảm bao nhiêu % chi phí). Tip: trong CV nên dùng từ khóa phù hợp ngân hàng — thay vì "doanh thu" thì dùng "tăng trưởng tín dụng", "CASA"...

Có 2 dạng hay gặp:

1. "Bạn phát hiện số liệu trên dashboard khác với số liệu core banking — xử lý thế nào?" Cách trả lời: Trình bày quy trình rõ ràng: (a) Xác minh tính chính xác của dashboard trước (re-run query, check log); (b) Liên hệ team Data Engineer/IT để xác nhận source data; (c) Lập ticket trên hệ thống incident tracking; (d) Thông báo cho stakeholders + đưa ra disclaimer "đang xác minh"; (e) Sau khi fix, làm root cause analysis và update SOP. Quan trọng là show bạn có quy trình chứ không panicking.

2. "Thiết kế KPI dashboard cho phòng Tín dụng — bạn sẽ có chỉ số nào?" Đáp án gợi ý: Nhóm chỉ số chính gồm (1) Chất lượng tín dụng: NPL ratio, NPL coverage, PAR 30/90; (2) Tăng trưởng: Dư nợ tín dụng theo segment, tốc độ tăng trưởng YoY/MoM; (3) Hiệu quả: Yield, LDR; (4) Khách hàng: Số KH mới, acquisition cost, cross-sell rate; (5) Vận hành: TAT phê duyệt hồ sơ, tỷ lệ từ chối. Chọn 3–4 chỉ số chính hiển thị trên top, drill-down theo chi nhánh/sản phẩm/segment.

Xếp theo mức độ ưu tiên:

1. Microsoft Power BI Data Analyst (PL-300) — đứng đầu vì ngân hàng VN phần lớn dùng Power BI (Microsoft stack). VIB rất có thể cũng vậy.
2. Tableau Certified Data Analyst — backup nếu ngân hàng đó xài Tableau. Cả 2 đều có giá trị như nhau.
3. dbt Analytics Engineer Certification — ít người có, nên cạnh tranh lớn nếu bạn làm data modeling.
4. AWS Data Analytics Specialty hoặc Azure Data Engineer Associate — quan trọng nếu nhắm đến vị trí senior hoặc ngân hàng đang migrate cloud.
5. SQL certificate thực ra không cần thiết vì là kỹ năng test trực tiếp qua assessment.

Lưu ý: chứng chỉ chỉ là điều kiện cần, không phải điều kiện đủ. Kinh nghiệm thực chiến + portfolio + networking vẫn quan trọng hơn.

Phân biệt như sau:

BI Analyst (đúng vị trí VIB đang tuyển):

• Tập trung vào reporting, dashboard, KPI tracking cho business.
• Công cụ chính: SQL, Power BI/Tableau, có thể Python cơ bản.
• Output: Dashboard tự động, báo cáo định kỳ, insight có thể hành động.
• Hướng về business.

Data Analyst (rộng hơn):

• Tập trung vào deep-dive analysis, statistical modeling, đôi khi ML.
• Output: Analysis report, cohort analysis, funnel analysis, recommendation.
• Hướng về insight sâu.

Data Scientist:

• Tập trung vào predictive model, machine learning, AI.
• Output: Model dự đoán churn, recommendation system...
• Hướng về algorithm.

Với JD của VIB, đây là BI thế hệ mới: yêu cầu cả data engineering, experimentation, data advisor — tức là blend giữa BI Analyst + Data Analyst + một phần Data Engineer. Vị trí này hot và cạnh tranh, thường dành cho người 3–7 năm kinh nghiệm có khả năng giao tiếp tốt với business. Bạn nên chọn BI nếu thích storytelling + business; Data Analyst nếu thích phân tích chuyên sâu + tìm insight ẩn; Data Science nếu mê ML và toán.

Khó, vì ngân hàng rất hiếm khi cho phép remote 100% đối với vị trí vận hành. Tuy nhiên có vài option:

1. Negotiate hybrid: Nếu bạn có kinh nghiệm và value cao, có thể đề xuất work-from-Hà-Nội với điều kiện định kỳ (1–2 lần/tháng) bay vào HCM. Một số ngân hàng đã cho phép điều này hậu COVID.
2. Chuyển vào HCM: Nếu position quan trọng với bạn, cân nhắc relocate.
3. Tìm vị trí tương đương ở HN: VIB có chi nhánh Hà Nội nhưng team data chính thường đặt ở HCM. Bạn có thể apply vào VPBank, MBBank, Techcombank — cũng có office Hà Nội với team data tương tự.

Khi deal với HR, đừng ghi "remote" ngay từ đầu — hãy tạo ấn tượng tốt ở vòng kỹ thuật rồi nêu rõ hoàn cảnh sau. Cơ hội thành công khoảng 20–30%, không cao nhưng worth trying.

Có 4 lộ trình chính:

1. Manager path (vertical): Lead BI → Manager → Senior Manager → Director of Analytics. Phù hợp nếu bạn thích leadership, định hướng chiến lược, có đủ chính trị nội bộ.

2. Individual Contributor path: Senior BI → Principal BI → Fellow (ở các công ty tech lớn). Phù hợp nếu bạn giỏi kỹ thuật nhưng không muốn quản lý. Ở VN còn ít mô hình này ở ngân hàng nhưng đang dần xuất hiện.

3. Pivot sang Data Science/ML: Nếu bạn hứng thú với predictive modeling, có nền tảng toán tốt. Học thêm ML, deep learning, ML Ops. Cơ hội ở fintech rất lớn.

4. Chuyển sang business: Nhiều BI Analyst sau 5 năm trở thành Product Manager, Business Analyst, Strategy Manager vì họ hiểu data + business tốt. Đây là hướng hot vì lương cao và ít cạnh tranh.

5. Khởi nghiệp: Tạo agency tư vấn BI cho SME, hoặc xây dựng sản phẩm SaaS BI cho ngân hàng nhỏ/vừa ở VN. Risk cao nhưng upside cũng cao.