Mô tả công việc

Các trách nhiệm chính

Xây dựng, kiểm soát và phát triển các mô hình rủi ro tại VPBank.
Kiểm tra, back-test độ hiệu quả của mô hình
Theo dõi định kỳ các mô hình
Triển khai mô hình trên các hệ thống
Kiểm soát các báo cáo về mô hình
Xây dựng các văn bản nội bộ về mô hình
Xây dựng các công cụ tối ưu quá trình xây dựng, triển khai, theo dõi mô hình
Xây dựng hệ thống dữ liệu phục vụ cho việc xây dựng và triển khai mô hình
Quản lý đội nhóm theo yêu cầu

Quyền lợi

Thu nhập hấp dẫn, lương thưởng cạnh tranh theo năng lực
Thưởng các Ngày lễ, Tết (theo chính sách ngân hàng từng thời kỳ)
Được vay ưu đãi theo chính sách ngân hàng từng thời kỳ
Chế độ ngày phép hấp dẫn theo cấp bậc công việc, được hưởng chế độ du lịch hè
Bảo hiểm bắt buộc theo luật lao động + Bảo hiểm VPBank care cho CBNV tùy theo cấp bậc và thời gian công tác
Được tham gia các khóa đào tạo tùy thuộc vào Khung đào tạo cho từng vị trí
Thời gian làm việc: từ thứ 2 – thứ 6 & sáng thứ 7
Môi trường làm việc năng động, thân thiện, có nhiều cơ hội học đào tạo, học hỏi và phát triển; được tham gia nhiều hoạt động văn hóa thú vị (cuộc thi về thể thao, tài năng, hoạt động teambuiLding...)

Yêu cầu ứng viên

Yêu cầu -Kiến thức chuyên môn:

Có kiến thức về Ngân hàng và các sản phẩm của Ngân hàng
Có kiến thức chuyên môn về xây dựng mô hình rủi ro, mô hình theo thông lệ quốc tế.
Có kiến thức chuyên sâu về BigData, các kĩ thuật xây dựng mô hình tiên tiến
Có hiểu biết về các thuật toán học máy như Random forest, Gradient boosting tree, XGBoost.

Kỹ năng:

IT:

SAS nâng cao
SQL nâng cao
thành thạo Excel, Power Point, Word
Sử dụng thêm được 1 công cụ xây dựng mô hình khác( R/ Python...)

Kỹ năng mềm:

Quản lý thời gian
Kỹ năng thuyết trình
Kỹ năng làm việc nhóm
Kỹ năng quản lý nhóm
Thuyết trình được trước các cán bộ cấp cao
Có ít nhất 08 năm kinh nghiệm xây dựng mô hình đo lường rủi ro tín dụng, mô hình theo thông lệ quốc tế.
Có ít nhất 3 năm nghiệm lãnh đạo đội nhóm
Bằng cấp, chuyên ngành đào tạo: Tốt nghiệp đại học trở lên các chuyên ngành: Tài chính, kinh tế, ngân hàng, toán. Ưu tiên ứng viên tốt nghiệp ngành liên quan tới phân tích định lượng như toán tài chính, toán kinh tế, kinh tế lượng, toán tin, …
Trình độ ngoại ngữ: thành thạo giao tiếp/ thuyết trình tiếng Anh

Phân tích kỹ năng cần có

Phân tích kỹ năng cần có cho vị trí CVCC/CG Xây Dựng Mô Hình Rủi Ro

📌 Tổng quan vị trí

Đây là vị trí cấp cao (CVCC/CG) trong Khối Quản trị rủi ro VPBank, chịu trách nhiệm xây dựng, phát triển và kiểm soát các mô hình rủi ro. Vị trí yêu cầu 08+ năm kinh nghiệm và 03+ năm quản lý đội nhóm, phù hợp với ứng viên senior muốn chuyển sang môi trường ngân hàng hoặc đang làm tại ngân hàng khác muốn thăng tiến.

🎯 HARD SKILLS (Kỹ năng chuyên môn)

1. Kỹ thuật xây dựng mô hình (BẮT BUỘC)

Kỹ năng	Mức độ yêu cầu	Ưu tiên
SAS nâng cao	Bắt buộc - thành thạo	⭐⭐⭐
SQL nâng cao	Bắt buộc - thành thạo	⭐⭐⭐
R hoặc Python	Bắt buộc (thêm)	⭐⭐⭐
Excel/PowerPoint/Word	Thành thạo	⭐⭐
BigData	Chuyên sâu	⭐⭐⭐

2. Kiến thức về mô hình rủi ro (BẮT BUỘC)

Mô hình rủi ro tín dụng (Credit Risk Model): PD, LGD, EAD
Thông lệ quốc tế: Basel II/III, IRB
Machine Learning algorithms:
- Random Forest
- Gradient Boosting Tree
- XGBoost (đặc biệt ưa chuộng)
- Logistic Regression (nền tảng)
- Neural Networks (là điểm cộng)

3. Kiến thức ngân hàng

Hiểu sản phẩm, quy trình nghiệp vụ ngân hàng
Quy trình tín dụng, đánh giá rủi ro
Bộ chỉ tiêu CAMEL, cơ chế giám sát NHNN

💡 SOFT SKILLS (Kỹ năng mềm)

Kỹ năng	Tầm quan trọng	Ghi chú
Quản lý thời gian	Cao	Đa dự án, deadline chặt
Thuyết trình	Rất cao	Trình bày với cấp cao
Làm việc nhóm	Cao	Phối hợp với nhiều bộ phận
Quản lý đội nhóm	BẮT BUỘC	3+ năm kinh nghiệm
Giao tiếp tiếng Anh	Cao	Thuyết trình, tài liệu quốc tế

📜 CHỨNG CHỈ GỢI Ý (Là điểm cộng lớn)

FRM (Financial Risk Manager) - GARP
- Phù hợp nhất với vị trí này
- Bao gồm: Market Risk, Credit Risk, Operational Risk
PRM (Professional Risk Manager) - PRMIA
- Tập trung vào định giá rủi ro
CFA (Chartered Financial Analyst)
- Ít liên quan trực tiếp hơn, nhưng là điểm cộng mạnh
Data Science / ML Certifications
- Kaggle Certificates
- Coursera/EdX specialized courses
Chứng chỉ tiếng Anh
- IELTS 7.0+ hoặc TOEIC 850+
- Không bắt buộc nhưng hỗ trợ phỏng vấn

🔄 SO SÁNH: Vị trí này vs. Vị trí mô hình rủi ro tại ngân hàng khác

Tiêu chí	VPBank	Techcombank	VCB
Yêu cầu SAS	Cao	Trung bình	Cao
Mức lương	Thỏa thuận (thường cao)	Thỏa thuận	Theo bảng lương
Áp lực KPI	Trung bình-cao	Cao	Thấp-trung bình
Cơ hội học ML	Cao (ưu tiên BigData)	Trung bình	Trung bình
Quản lý đội nhóm	Có	Tùy vị trí	Tùy vị trí

📊 KẾT LUẬN: GAP PHÂN TÍCH

Điểm bạn CÓ:

Kinh nghiệm xây dựng mô hình rủi ro tín dụng 8+ năm
Kinh nghiệm quản lý đội nhóm 3+ năm
Thành thạo SAS, SQL
Hiểu ML algorithms

Điểm bạn CẦN BỔ SUNG:

BigData knowledge (nếu chưa có)
Portfolio xây dựng mô hình theo thông lệ quốc tế
Kỹ năng thuyết trình với cấp cao (present case studies)
Tiếng Anh lưu loát (đặc biệt thuật ngữ chuyên môn)

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn VPBank - Vị trí Xây Dựng Mô Hình Rủi Ro

📋 QUY TRÌNH PHỎNG VẤN (Thông thường)

Vòng 1: HR Screening (30-45 phút)

Gọi điện hoặc online (Zoom/Google Meet)
Xác nhận thông tin cơ bản, đánh giá mức độ phù hợp
Hỏi về salary expectation, availability

Vòng 2: Technical Interview (60-90 phút)

Phỏng vấn với Trưởng phòng/Quản lý Khối Quản trị rủi ro
Test kỹ thuật: SAS, SQL, case study xây dựng mô hình
Trình bày một dự án mô hình đã làm

Vòng 3: Panel Interview (60-90 phút)

Gặp Giám đốc Khối hoặc Phó TGĐ phụ trách
Hỏi về chiến lược, tầm nhìn
Đánh giá leadership skills

Vòng 4: HR Final Round (30 phút)

Thương lượng lương, benefits
Questions & clarifications

❓ CÂU HỎI HAY GẶP THEO TỪNG VÒNG

Vòng 1 - HR Screening

"Tại sao bạn muốn chuyển việc sang VPBank?"
- TIPS: Nghiên cứu VPBank - nói về định hướng phát triển, mô hình rủi ro tiên tiến, văn hóa đổi mới
- TRÁNH: "Lương cao hơn" - quá trực tiếp
"Bạn có kinh nghiệm quản lý đội nhóm như thế nào?"
- Chuẩn bị: Số lượng team, quy mô, thành tích đạt được
"Mức lương kỳ vọng của bạn?"
- TIPS: Nói range, không nói fixed number
- Tham khảo: Senior Model Developer ngân hàng: 35-60 triệu/tháng tùy kinh nghiệm
"Bạn có thể bắt đầu khi nào?"
- Chuẩn bị sẵn notice period

Vòng 2 - Technical Interview

"Hãy giải thích các bước xây dựng một credit scoring model"
- FRAMEWORK trả lời:
  1. Define problem & business objective
  2. Data collection & cleaning
  3. Exploratory Data Analysis (EDA)
  4. Feature engineering
  5. Model selection & training
  6. Model validation (back-testing, stress testing)
  7. Model documentation
  8. Implementation & monitoring
"PD model và LGD model khác nhau như thế nào?"
- PD (Probability of Default): Xác suất khách hàng vỡ nợ
- LGD (Loss Given Default): Tổn thất khi vỡ nợ
- EAD (Exposure at Default): Dư nợ tại thời điểm vỡ nợ
- Expected Loss = PD × LGD × EAD
"Khi nào nên dùng XGBoost và khi nào dùng Logistic Regression?"
- Logistic Regression: Dễ interpret, less overfitting, baseline model
- XGBoost: High accuracy, handle non-linear, require more tuning
- Thực tế: Thường dùng cả hai, ensemble
"Cách xử lý imbalanced data trong credit risk modeling?"
- Oversampling (SMOTE)
- Undersampling
- Class weights
- Threshold adjustment
- Collect more data
"Back-testing model như thế nào?"
- Population Stability Index (PSI)
- Kolmogorov-Smirnov (KS) statistic
- Gini coefficient
- Confusion matrix, AUC-ROC

"SQL: Viết query tính tổng dư nợ theo từng ngành nghề"

SELECT industry, SUM(outstanding_balance) as total_debt
FROM loans
GROUP BY industry
ORDER BY total_debt DESC;

"SAS: Cách xử lý missing values?"
- PROC MI for multiple imputation
- PROC STANDARD, PROC TRANSREG
- Mean/mode imputation, deletion methods
"Các chỉ số đánh giá model performance?"
- Classification: Accuracy, Precision, Recall, F1-Score, AUC-ROC
- Regression: RMSE, MAE, R-squared
- Credit Risk: Gini, KS, PSI, AR

Vòng 3 - Panel / Leadership Interview

"Bạn sẽ làm gì nếu mô hình không pass validation?"
- TIPS: Thể hiện problem-solving, không đổ lỗi
- Trả lời: Debug → Feature engineering → Model tuning → Nếu vẫn không được → Explain to stakeholders
"Kể về một dự án thất bại và bài học rút ra"
- TIPS: Chọn project thực tế, thể hiện self-awareness
- Cấu trúc: Situation → Task → Action → Result → Lesson
"Làm thế nào để manage expectations của stakeholders?"
- Regular communication
- Data-driven approach
- Set realistic timelines
- Provide alternatives
"Bạn hiểu gì về Basel II/III?"
- Basel II: Minimum capital requirements, Supervisory review, Market discipline
- Basel III: Tăng capital buffer, Liquidity coverage ratio, Leverage ratio
- IRB (Internal Ratings-Based) approach

🎯 CASE STUDY CHUẨN BỊ

Case 1: Xây dựng Credit Scorecard

Giả định: VPBank muốn xây dựng scorecard cho vay tiêu dùng
Cần trình bày: Features, Weight of Evidence, Model validation

Case 2: Model Validation Challenge

Giả định: Model cũ có Gini 0.65, model mới có Gini 0.68
Phân tích: Có nên deploy không? Risk/benefit?

👔 DRESS CODE

Nam: vest/complete suit, đi giày da, cravat (nếu panel interview)
Nữ: áo sơ mi/chân váy công sở hoặc pantsuit
Màu sắc trung tính: xanh navy, xám, đen, trắng
VPBank: Môi trường khá formal, đặc biệt với vị trí cấp cao

📝 TIPS CHUNG

Nghiên cứu VPBank trước:
- Đọc Annual Report 2023
- Tìm hiểu chiến lược Risk Management
- Follow VPBank LinkedIn, website tuyển dụng
Chuẩn bị portfolio:
- Sẵn sàng demo/slides về 1-2 dự án mô hình
- Đảm bảo không vi phạm NDA của công ty cũ
Tiếng Anh:
- Practice thuyết trình kỹ thuật bằng tiếng Anh
- Chuẩn bị từ vựng: Basel, PD, LGD, EAD, credit risk, model validation
Questions để hỏi interviewer:
- "Đội nhóm hiện tại có bao nhiêu người?"
- "Thách thức lớn nhất của vị trí này?"
- "Định hướng phát triển mô hình của VPBank trong 3 năm tới?"
- "Các dự án ưu tiên trong thời gian tới?"

Lộ trình ôn thi

Lộ trình ôn thi & chuẩn bị 1-2 tuần trước phỏng vấn

📅 LỘ TRÌNH 14 NGÀY (Gợi ý)

GIAI ĐOẠN 1: Ngày 1-3 (Foundation)

Mục tiêu: Ôn lại kiến thức nền tảng

Ngày	Nội dung	Thời gian
1	Credit Risk Fundamentals (PD, LGD, EAD)	3 giờ
1	Ôn SQL: JOIN, GROUP BY, subqueries, window functions	2 giờ
2	Basel II/III framework	2 giờ
2	SAS Base: PROC SQL, PROC MEANS, PROC FREQ	3 giờ
3	Model Validation metrics (KS, Gini, PSI, AUC)	3 giờ
3	Thực hành viết code SQL/SAS	2 giờ

GIAI ĐOẠN 2: Ngày 4-7 (Deep Dive)

Mục tiêu: Nâng cao kỹ thuật và ML

Ngày	Nội dung	Thời gian
4	Machine Learning algorithms: Random Forest, XGBoost, GBM	3 giờ
4	Thực hành Python/R: XGBoost implementation	2 giờ
5	Feature Engineering techniques	2 giờ
5	Model documentation best practices	1 giờ
6	BigData concepts: Hadoop, Spark basics	2 giờ
6	Model monitoring & backtesting	3 giờ
7	Ôn tập tổng hợp + làm practice problems	4 giờ

GIAI ĐOẠN 3: Ngày 8-11 (Interview Prep)

Mục tiêu: Chuẩn bị trả lời câu hỏi

Ngày	Nội dung	Thời gian
8	Ôn các câu hỏi phỏng vấn (phần 1)	3 giờ
8	Viết script giới thiệu bản thân 2 phút	1 giờ
9	Case study practice: Credit Scorecard	3 giờ
9	Viết/cập nhật CV	1 giờ
10	Mock interview với bạn bè/colleagues	2 giờ
10	Review lại feedback	1 giờ
11	Tiếng Anh: Practice thuyết trình kỹ thuật	3 giờ

GIAI ĐOẠN 4: Ngày 12-14 (Final Push)

Mục tiêu: Hoàn thiện và chuẩn bị tâm lý

Ngày	Nội dung	Thời gian
12	Research VPBank: đọc annual report, risk management strategy	2 giờ
12	Chuẩn bị outfit phỏng vấn	1 giờ
13	Review lại tất cả concepts yếu	3 giờ
13	Chuẩn bị questions cho interviewer	1 giờ
14	NGHỈ NGƠI, sẵn sàng tinh thần	-

📚 TÀI LIỆU THAM KHẢO

Sách (Essential)

"Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring" - Naeem Siddiqi
- Bắt buộc đọc cho vị trí này
- Cover: Scorecard development, WOE, IV
"Machine Learning for Credit Risk" - Various authors
- Kết hợp traditional methods với ML
"An Introduction to Statistical Learning" - Gareth James et al.
- Free online, cover ML fundamentals
"Applied Machine Learning for Credit Risk" - Various
- Practical examples

Tài liệu Basel & Regulation

Basel III: International Framework for Liquidity Risk Measurement, Standards and Monitoring - BCBS
Basel III: The Liquidity Coverage Ratio and Net Stable Funding Ratio - BCBS
Circular 41/2016/TT-NHNN (Thông tư 41) - quy định phân loại nợ
Decision 493/2005/QĐ-NHNN - về Basel II implementation roadmap

Online Resources

Kaggle - Credit Risk competitions
- Practice với real datasets
Towards Data Science (Medium)
- Articles về credit risk modeling, XGBoost
Frm syllabus - GARP (miễn phí outline)
- Reference cho FRM exam
SAS Documentation
- SAS Enterprise Miner tutorials
- PROC CREDITSCORE
SQL Practice
- LeetCode (SQL section)
- HackerRank SQL challenges

YouTube Channels

StatQuest with Josh Starmer - ML concepts explained simply
365 Data Science - SQL, Python tutorials
Rachael Tatman - linguistics of ML

💻 CODE SNIPPETS CẦN THÀNH THẠO

SQL - Credit Risk Analysis

-- Tính tỷ lệ default theo từng segment
SELECT 
    customer_segment,
    COUNT(*) as total_loans,
    SUM(CASE WHEN status = 'Default' THEN 1 ELSE 0 END) as default_count,
    AVG(CAST(SUM(CASE WHEN status = 'Default' THEN 1 ELSE 0 END) AS FLOAT) / COUNT(*)) as default_rate
FROM loan_data
GROUP BY customer_segment
ORDER BY default_rate DESC;

-- Window function: Rolling 12-month default rate
SELECT 
    loan_date,
    COUNT(*) as monthly_loans,
    SUM(CASE WHEN status = 'Default' THEN 1 ELSE 0 END) as monthly_defaults,
    AVG(SUM(CASE WHEN status = 'Default' THEN 1 ELSE 0 END)) 
        OVER (ORDER BY loan_date ROWS BETWEEN 11 PRECEDING AND CURRENT ROW) 
        AS rolling_12m_default_rate
FROM loan_data
GROUP BY loan_date;

SAS - Model Development

/* WOE Calculation */
proc sql;
    create table woe_table as
    select 
        variable,
        sum(case when target=1 then 1 else 0 end) as bad,
        sum(case when target=0 then 1 else 0 end) as good,
        calculated bad / (select sum(target) from input_data) as bad_dist,
        calculated good / (select count(*) - sum(target) from input_data) as good_dist
    from input_data
    group by variable;
quit;

/* Model Validation - ROC */
proc logistic data=model_data;
    model target = predictors / outroc=roc_data;
    score data=test_data out=predictions;
run;

Python - XGBoost Credit Scoring

import xgboost as xgb
from sklearn.model_selection import train_test_split
from sklearn.metrics import roc_auc_score, confusion_matrix

# Prepare data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# Train XGBoost
model = xgb.XGBClassifier(
    max_depth=5,
    learning_rate=0.1,
    n_estimators=100,
    objective='binary:logistic'
)
model.fit(X_train, y_train)

# Predict & Evaluate
y_pred = model.predict_proba(X_test)[:, 1]
print(f"AUC: {roc_auc_score(y_test, y_pred)}")

# Feature importance
importance = pd.DataFrame({
    'feature': X.columns,
    'importance': model.feature_importances_
}).sort_values('importance', ascending=False)

⚠️ LƯU Ý QUAN TRỌNG

KHÔNG vi phạm NDA - Không mang tài liệu công ty cũ, không tiết lộ models proprietary
Tập trung vào concepts, KHÔNG chỉ syntax - Họ hiểu bạn biết cách apply, không chỉ nhớ code
Portfolio preparation - Chuẩn bị 1-2 case studies có thể present (đã được approved để chia sẻ)
Time management - Không cần hoàn hảo 100%, show willingness to learn

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho vị trí CVCC/CG Xây Dựng Mô Hình Rủi Ro

📈 LỘ TRÌNH THĂNG TIẾN

Từ Junior → Senior Model Developer (3-5 năm)

Junior Model Analyst (0-2 năm)
    ↓ (Học SAS, SQL, ML fundamentals)
Senior Model Developer (3-5 năm)
    ↓ (Lead projects, mentor juniors)
CVCC/CG Model Development (5-8 năm) ← [VỊ TRÍ NÀY]
    ↓ (Manage team, strategy)
Trưởng phòng Mô Hình Rủi Ro (8-12 năm)
    ↓ (Department head)
Giám đốc Khối Quản trị Rủi Ro (12+ năm)

Các nhánh phát triển từ vị trí này:

Nhánh 1: Risk Management Leadership

Trưởng phòng Model Validation
Giám đốc Quản trị Rủi ro
Chief Risk Officer (CRO)

Nhánh 2: Data Science / AI

Head of Credit Analytics
Chief Data Officer
Data Science Consultant

Nhánh 3: Specialized Roles

Model Risk Officer (MRO)
Stress Testing Specialist
IFRS 9 Implementation Expert

💰 MỨC LƯƠNG KỲ VỌNG THEO CẤP BẬC (2024)

Cấp bậc	Kinh nghiệm	Lương tháng (VND)	Tổng thu nhập/năm
Model Developer (Fresher)	0-2 năm	15-25 triệu	200-350 triệu
Senior Model Developer	3-5 năm	25-40 triệu	350-550 triệu
CVCC/CG Model Development	5-8 năm	40-65 triệu	550-900 triệu
Trưởng phòng	8-12 năm	65-100 triệu	900-1.4 tỷ
Giám đốc Khối	12+ năm	100-200 triệu	1.4-3 tỷ

Lưu ý:

VPBank có mức lương cạnh tranh, thường cao hơn VCB/TCB 10-20%
Thưởng Tết, thưởng dự án có thể tăng 20-50% tổng thu nhập
Benefits: bảo hiểm VPBank care, phúc lợi khác có thể thêm 10-15% value

🎯 KỸ NĂNG CẦN PHÁT TRIỂN THÊM

Ngắn hạn (6-12 tháng)

Deepen ML expertise
- Học sâu hơn về Deep Learning cho credit risk
- NLP cho sentiment analysis, fraud detection
- MLOps: Model deployment, monitoring
Business acumen
- Hiểu sâu hơn về sản phẩm ngân hàng bán lẻ
- Đọc annual reports của các ngân hàng Việt Nam
- Theo dõi regulations updates từ NHNN
Leadership skills
- Nếu chưa có kinh nghiệm quản lý: bắt đầu mentor juniors
- Học conflict resolution, delegation
- Project management (PMP, Agile)

Trung hạn (1-3 năm)

Strategic thinking
- Hiểu risk appetite của ngân hàng
- Đọc board-level risk reports
- Tham gia governance committees
Cross-functional collaboration
- Làm việc với IT, Operations, Business
- Present to regulators (NHNN inspections)
- External stakeholder management
FRM/CFA certification
- Nên lấy FRM nếu chưa có
- Consider CFA nếu muốn chuyển sang Investment Banking

Dài hạn (3-5 năm)

Industry recognition
- Speak at conferences (Vietnam Banking Risk Summit)
- Publish case studies
- Build personal brand in risk community
Board readiness
- Executive presence
- Financial acumen
- Strategic communication

⚖️ SO SÁNH: Ở lại vs. Chuyển sang VPBank

Ở lại (Công ty hiện tại)

Ưu điểm:

Đã có relationships, hiểu culture
Stability trong ngắn hạn
Có thể được thăng chức nội bộ

Nhược điểm:

Có thể bị "stuck" ở mức lương market rate
Limited exposure to new technologies
VPBank đang đầu tư mạnh vào ML/AI

Chuyển sang VPBank

Ưu điểm:

Higher compensation
Modern tech stack (BigData, Cloud)
Học từ best practices của VPBank
Networking với risk professionals

Nhược điểm:

Adjustment period (culture, processes)
Phải prove yourself lại từ đầu
Có thể có áp lực thể hiện

Recommendation: Nếu bạn có 8+ năm kinh nghiệm và muốn level up, VPBank là bước đi tốt. Tuy nhiên, đàm phán lương mạnh vì họ ghi "thỏa thuận".

🚀 STRATEGY ĐỂ NEGOTIATE LƯƠNG CAO

Research market rate
- Glassdoor Vietnam, 247TailorSoft
- Hỏi colleagues đã chuyển việc gần đây
- Recruiter consultations
Quantify your achievements
- "Reduced default rate by 15% through model optimization"
- "Led team of 5, delivered 3 major projects"
- "Implemented model that saved X billion VND"
Have BATNA (Best Alternative)
- Có offer từ công ty khác = leverage
- Sẵn sàng walk away if underpaid
Negotiate beyond base salary
- Signing bonus
- Equity/ESOP (nếu có)
- Remote work options
- Training budget
- Title (Director vs. Manager có value khác nhau)

📊 MARKET TRENDS (2024)

Demand cho Risk Modelers:

Tăng 20-30% so với 2022
Đặc biệt: AI/ML integration in risk
Regulations: IFRS 9, Basel III implementation

Skills trending:

Python/R > SAS (nhưng SAS vẫn required)
Cloud computing (AWS, Azure)
Real-time scoring systems
Explainable AI (XAI) cho model transparency

Salary trends:

Senior Modelers: tăng 10-15% YoY
Signing bonuses becoming more common
Retention bonuses để giữ nhân tài

Câu hỏi thường gặp

Em mới ra trường ngành Toán, có kiến thức về ML nhưng chưa có kinh nghiệm. Có nên ứng tuyển vị trí này không?

Vị trí này yêu cầu 08+ năm kinh nghiệm và 03+ năm quản lý đội nhóm, nên chưa phù hợp với bạn mới ra trường. Tuy nhiên, bạn nên: (1) Ứng tuyển vị trí Junior Model Developer tại VPBank hoặc ngân hàng khác; (2) Xây dựng portfolio với các dự án cá nhân (Kaggle competitions); (3) Lấy chứng chỉ FRM Level 1 để tăng giá trị; (4) Sau 2-3 năm kinh nghiệm, bạn có thể apply lại vị trí này. Đừng nản lòng, lộ trình sự nghiệp cần thời gian!

Em đang làm ở công ty fintech, có 5 năm kinh nghiệm xây dựng mô hình tín dụng. Có cơ hội không?

Có cơ hội nhưng cần bridge gap. Bạn thiếu 3 năm kinh nghiệm và chưa có đủ 3 năm quản lý đội nhóm (yêu cầu bắt buộc). Recommend: (1) Thể hiện leadership experience dù nhỏ - mentor, lead project; (2) Tập trung vào kiến thức ngân hàng - regulations, Basel, sản phẩm tín dụng; (3) Có thể apply nhưng cần realistic về mức level (có thể được consider là Senior thay vì CVCC); (4) Hoặc chờ thêm 1-2 năm để đủ kinh nghiệm. Tuy nhiên, VPBank cũng value lateral hires có đúng skills, nên cứ apply!

Mức lương cho vị trí này thường là bao nhiêu?

Vì JD ghi 'thỏa thuận', mức lương phụ thuộc nhiều vào kinh nghiệm và đàm phán. Tham khảo: 8-10 năm kinh nghiệm: 45-65 triệu/tháng; 10-12 năm: 65-85 triệu/tháng; 12+ năm: 85-120 triệu/tháng. Tổng thu nhập năm có thể nhân 12-16 tháng (tính thưởng). Tips: Research market rate trước, có offer khác làm leverage, và đàm phán TỔNG PACKAGE không chỉ base salary.

VPBank khác gì so với các ngân hàng khác về văn hóa làm việc?

VPBank được biết đến với: (1) Môi trường năng động, đổi mới hơn các ngân hàng nhà nước; (2) Áp lực KPI cao hơn nhưng bù lại reward tốt hơn; (3) Nhiều opportunity để thử nghiệm công nghệ mới (BigData, AI); (4) Hierarchy không quá strict như VCB/Agribank. So với Techcombank: VPBank ổn định hơn về career path, ít toxic hơn. So với VPBank: cùng top tier nhưng VPBank tập trung retail banking nhiều hơn.

Kỹ năng nào QUAN TRỌNG NHẤT mà interviewer sẽ đánh giá?

Top 3 kỹ năng cần thể hiện: (1) Technical: SAS/SQL mastery + ML algorithms understanding - bạn cần pass technical test; (2) Leadership: Vì yêu cầu 3+ năm quản lý, họ sẽ hỏi sâu về cách bạn quản lý team, resolve conflicts, delegate; (3) Communication: Thuyết trình với cấp cao là requirement - bạn cần chứng minh có thể explain complex models simple language. Bonus: BigData experience và Python/R skills sẽ differentiate bạn với candidates khác.

Có cần chứng chỉ FRM không? Hay CFA vẫn được?

FRM phù hợp NHẤT cho vị trí này vì tập trung vào Risk Management (Market Risk, Credit Risk, Operational Risk). CFA tốt nhưng thiên về Investment/Portfolio Management hơn, ít relevant trực tiếp. Recommendation: FRM Level 1 hoặc Level 2 là must-have nếu muốn advance trong risk career. Tuy nhiên, với 8+ năm kinh nghiệm, chứng chỉ chỉ là điểm cộng, không phải yêu cầu bắt buộc. Quan trọng hơn là track record và technical skills.

Vị trí này làm việc ở HCM hay Hà Nội? Có hybrid không?

JD ghi cả HCM và Hà Nội, có thể bạn cần open cả hai hoặc preference one location. Thường thì VPBank headquarters ở HCM (Thanh Xuân, HN office nhỏ hơn). Về hybrid: post-COVID, nhiều ngân hàng adopt flexible working. Tuy nhiên vị trí này đòi hỏi collaboration chặt chẽ với team và stakeholders, nên expect 3-4 days onsite. Hỏi rõ HR về hybrid policy khi được offer.

Nếu không pass technical interview, có cơ hội apply lại không?

Có, nhưng nên: (1) Hỏi interviewer feedback (what went wrong, what to improve); (2) Address gaps identified; (3) Wait 6-12 months before reapplying; (4) Consider applying for similar roles at different banks first. VPBank thường keep candidate pool, nhưng mỗi application là fresh evaluation. Quan trọng: don't take rejection personally - market competitive, có nhiều factors beyond your control.

Chia sẻ từ cộng đồng

Ẩ

Ẩn danh 2024-10-15

Mình apply vị trí này hồi tháng 9, qua được vòng HR và vòng technical với Trưởng phòng. Technical hỏi khá sâu về SAS macro, SQL optimization và case study xây dựng scorecard. Mình fail ở vòng panel vì chưa chuẩn bị kỹ leadership questions. Lesson learned: phải ôn thêm về team management scenarios.

M

Minh T*** 2024-11-02

Đang ngồi ở VPBank HCM, team Model Development. Confirm là mức lương cho CVCC level rơi vào khoảng 50-70 triệu, thưởng Tết 2-4 tháng. Công việc bận rộn nhưng học được nhiều, đặc biệt là BigData environment. Ai muốn chuyển từ công ty finance/insurance sang bank thì đây là entry point tốt.

Ẩ

Ẩn danh 2024-08-20

HR VPBank gọi mình hồi tháng 8, hỏi về SAS và SQL proficiency. Mình nói thành thạo SAS nhưng Python là main, họ accept luôn. Điều kiện là phải pass internal test về SAS trong 3 tháng đầu. Vậy nên đừng lo nếu primary language của bạn là Python/R.

b

banker2024 2024-09-10

So sánh thực tế VPBank vs. Techcombank: VPBank ổn định hơn về workload, Techcombank aggressive hơn về targets. Về technical, VPBank đầu tư nhiều vào BigData và ML, được làm việc với state-of-the-art tools. Recommend cho ai thích học hỏi công nghệ.

Ẩ

Ẩn danh 2024-10-28

Góp ý: Đọc kỹ JD, họ yêu cầu 08 năm kinh nghiệm NHƯNG thực tế có ngoại lệ cho candidates có strong ML background. Mình biết một anh chị 6 năm kinh nghiệm nhưng có PhD in Statistics + publications về credit risk modeling, được accept ở mức CVCC. Skills và credentials có thể compensate experience shortfall.

L

Linh P*** 2024-11-15

Interview tips: Họ hay hỏi về Population Stability Index (PSI) và cách handle model drift. Chuẩn bị một case study về lần bạn phát hiện model performance degradation và steps bạn take. Đây là scenario-based question phổ biến cho senior level.

CVCC/CG Xây Dựng Mô Hình Rủi Ro- Hồ Chí Minh & Hà Nội- TA084