Bỏ qua điều hướng
Techcombank
Techcombank

Expert, Retail & Small BB Credit Risk Data, Porfolio Management & Early Warning (40001484)

TP. Ha Noi Credit Management Division
Expert

Mô tả công việc

Job Purpose

Ensure real-time database, instant credit decision engine, portfolio analysis and early warning reports for retail & small business banking risk management

Key Accountabilities (1)

  1. Manage credit portfolio
  • Identification of quality growth opportunities and ensure sustained growth in Assets and topline
  • Tail Risk Management
  • Portfolio mix and shaping
  • Portfolio monitoring , loss forecasting and early warning and early loss mitigation models
  • Evaluate portfolio performance and offer solutions to improve the quality of the portfolio.
  • Control the content and quality of the report before sending it out to the stakeholders.
  • Responsible to Provide Strategyperformance reportsto determine efficacy of strategies defined within decision support systems.
  • Bureau reporting and Bureau Services
  1. Develop an early-warning system & determine Early Loss mitigation opportunities

  2. Calculate regulatory capital requirements for credit risks

  • Credit Bureau Analytics
  • Loss forecasting –
  • Risk Reward measurement
  • Portfolio Sale / Risk Insurance / Portfolio securitization
  1. Line Of Business risk management
  • Credit Line Management
  1. Partnership / Eco system lending management
  • Build CAAS ( Credit as a Service ) eco system for all lending partnership
  1. Manange Risk Decision support Systems
  • Owner of all Retail and Small BB Risk Decision support systems -  Decision Engine , CFF , DSS, Dialer , Collection systems
  • Build and Manage Decision support systems for Account management and collections
  • Thought leader for data eco system both  internal and external data for risk life cycle decision support
  1. Portfolio data management and credit decision system support data
  • Build and standardize the database for real-time portfolio reports/analytic reports
  • Develop data requirements for credit decision system
  • Exploring and expanding external data services to serve the needs of analysis, management, and credit decision making

Key Accountabilities (2)

  1. Human resource development
  • Participate in and coordinating with relevant units to deploy and directly teach training programs on risk identification and early warning signs for business units.
  • Train credit review for new staff.
  • Participate in the process of professional interviewing, recruiting personnel for the Department as assigned.
  1. Other responsibilities:
  • Actively identify, manage and propose to reduce operational risks in the Team's work;
  • Develop yourself to perform well in your roles and responsibilities and adapt to work-related changes.
  • Identify and manage risks of the unit in the process of operation (operational risks), report back to the leadership for solutions to minimize risks.
  • Close cooperation with related positions, towards the common goals of the unit and the bank.
  • Strictly manage results according to assigned KPIs KPI
  • Periodically report to and be accountable to the Department Manager for the Team's work results.
  • Coordinate the work of the Department on behalf of the Division Director in the absence of the Division Director.
  • Support the Department Manager in performing the general tasks of the Department.
  • Strictly comply with the Bank's Labor Regulations
  • Perform other related tasks at the request of direct managers and upper management.
  • Participate in Techcombank's projects as directed;
  • Support the Department Manager in the work contents related to early warning/post-borrowing control/debt management of the project in case the Department Director participates in the project.

Key Accountabilities (3)

Key Relationships - Direct Manager

Senior Manager, Retail & Small Business Banking Credit Risk Management

Key Relationships - Direct Reports

Officer/Senior Officer, Retail & Small BB Credit Risk Data, Portfolio Management & Early Warning

Key Relationships - Internal Stakeholders

Units in the bank (CSA, RBG, CA, ...)

Key Relationships - External Stakeholders

Success Profile - Qualification and Experiences

  • Degree/Professional: University graduate or higher majoring in economics/finance/banking/statistics.

  • Minimum 6 years experience in credit appraisal, credit analysis, credit control

  • Minimum TOEIC 650 or equivalent

Phân tích kỹ năng cần có

Phân tích kỹ năng cần thiết cho vị trí Expert – Retail & Small BB Credit Risk Data, Portfolio Management & Early Warning (Techcombank)

Đây là vị trí cấp chuyên gia (Expert) trong khối Quản trị Rủi ro Tín dụng của Techcombank – tập trung vào phân tích dữ liệu, quản lý danh mục và hệ thống cảnh báo sớm cho mảng bán lẻ và doanh nghiệp nhỏ. Vị trí này đòi hỏi sự kết hợp giữa chuyên môn rủi ro tín dụng và năng lực dữ liệu/công nghệ khá sâu.


1. Hard Skills (Kỹ năng cứng)

Nhóm A – Bắt buộc phải có

Nhóm kỹ năngCụ thểMức độ yêu cầu
Quản lý danh mục tín dụng (Portfolio Management)Phân tích hiệu quả danh mục, đo lường NPL, vintage analysis, segment analysis, loss forecastingCao
Mô hình cảnh báo sớm (Early Warning System)Xây dựng và vận hành hệ thống EWS, trigger đánh giá rủi ro, early loss mitigationCao
Quản trị rủi ro tín dụng theo BaselHiểu biết về PD/LGD/EAD, vốn kinh tế (Regulatory Capital), stress testCao
Quản lý dữ liệu & DatabaseSQL nâng cao (CTE, window function, stored procedure), thiết kế data warehouse, real-time databaseCao
Hệ thống quyết định tín dụng (Decision Engine)Vận hành Decision Engine, CFF (Credit Filtering/Form?), DSS, Dialer, hệ thống thu hồi nợCao
Cơ sở dữ liệu tín dụng ngoàiCIC, PCB (Credit Bureau Việt Nam), cách đọc và phân tích dữ liệu bureauCao

Nhóm B – Ưu thế cạnh tranh

Nhóm kỹ năngCụ thểGợi ý mức độ
Lập trình phân tích dữ liệuPython (pandas, scikit-learn), R, SASTrung bình – Cao
Trực quan hóa dữ liệuPower BI, Tableau, QlikTrung bình
Mô hình máy học ứng dụngLogistic Regression, Random Forest, Gradient Boosting cho credit scoringTrung bình
Partnership/Ecosystem LendingHiểu mô hình CaaS (Credit as a Service), cho vay qua hệ sinh thái đối tácTrung bình
Portfolio Sale / SecuritizationHiểu cơ chế bán danh mục, bảo hiểm rủi ro, chứng khoán hóaNâng cao

Nhóm C – Nên có

  • Excel/VBA chuyên sâu (Pivot table, Power Query, Dashboard tự động)
  • Hiểu biết về quy định NHNN (Thông tư 11, 13, 18, 41… về phân loại nợ và trích lập dự phòng)
  • Kiến thức về IFRS 9, Expected Credit Loss (ECL)

2. Soft Skills (Kỹ năng mềm)

  • Tư duy phân tích & giải quyết vấn đề: Phải đánh giá danh mục hàng triệu khách hàng và đề xuất chiến lược can thiệp.
  • Quản lý stakeholder: Làm việc với nhiều bên: Business Unit, Phòng kinh doanh, Compliance, IT, đối tác bên ngoài.
  • Tư duy hệ thống: Từ dữ liệu thô → báo cáo → insight → quyết định chiến lược.
  • Khả năng đào tạo & truyền cảm hứng: Mục tiêu công việc yêu cầu trực tiếp training cho nhân viên mới, tham gia tuyển dụng.
  • Chủ động, độc lập: Vị trí Expert cần tự định hướng, đề xuất giải pháp thay vì chờ chỉ đạo.
  • Quản lý rủi ro vận hành: Nhận diện và đề xuất giảm thiểu rủi ro trong quy trình nội bộ.

3. Chứng chỉ gợi ý

Chứng chỉTổ chứcPhù hợp với nhóm nào
FRM (Financial Risk Manager)GARPRủi ro tín dụng, vốn kinh tế, Basel
PRM (Professional Risk Manager)PRMIAQuản trị rủi ro tổng thể
CFA (Level 1-3)CFA InstitutePhân tích tài chính, đầu tư
Microsoft Data Analyst / PL-300MicrosoftPower BI
Google Data AnalyticsCoursera/GoogleNền tảng dữ liệu
SAS Certified SpecialistSASPhân tích thống kê nâng cao
AWS Cloud PractitionerAmazonHiểu hạ tầng cloud cho dữ liệu

💡 Với vị trí này, FRM là chứng chỉ "đắt show" nhất, đặc biệt Part I đã có thể tạo lợi thế. Nếu đang theo dữ liệu thì Power BI cert là cần thiết.


4. Bảng so sánh mức độ phù hợp theo background

Background ứng viênMức độ phù hợpLý do
Chuyên viên rủi ro tín dụng bán lẻ 3-5 năm⭐⭐⭐⭐⭐Sát nhất với mô tả
Data Analyst/Engineer tại ngân hàng⭐⭐⭐⭐Kỹ năng data tốt, cần bổ sung kiến thức tín dụng
Credit Officer tại SME/retail banking⭐⭐⭐⭐Hiểu nghiệp vụ, cần học thêm data & modeling
Quantitative Analyst⭐⭐⭐Nền tảng phân tích tốt, cần học Basel & ngân hàng
Sinh viên mới ra trường⭐⭐Vị trí Expert thường cần 3-5 năm kinh nghiệm
Chuyển ngành từ IT/Consulting⭐⭐⭐Có tư duy phân tích, cần học nghiệp vụ tín dụng

5. Từ khóa JD cần "hit" trong CV/Phỏng vấn

Hãy chắc chắn CV và câu trả lời phỏng vấn đề cập đến các từ khóa: Portfolio Management, Early Warning System, Decision Engine, Credit Bureau, Regulatory Capital, IFRS 9, NPL forecasting, Vintage Analysis, Stress Test, Risk-based Pricing, Tail Risk, Securitization, CaaS.

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn vị trí Expert – Retail & Small BB Credit Risk Data, Techcombank


1. Quy trình tuyển dụng dự kiến (3-5 vòng)

Vòng 1 – HR Screening (30-45 phút)

  • Xác nhận thông tin cá nhân, mức lương mong muốn, lý do ứng tuyển
  • Đánh giá sơ bộ về mức độ phù hợp văn hóa Techcombank (thường nhấn mạnh "high performance, customer centric, innovation")
  • Câu hỏi hay gặp: "Tại sao nghỉ việc?", "Mức lương hiện tại & kỳ vọng?", "Bạn biết gì về TCB?"

Vòng 2 – Technical Round với Trưởng phòng Credit Risk (60-90 phút)

  • Đây là vòng sống còn, kiểm tra chuyên môn sâu
  • Thường có case study thực tế
  • Câu hỏi về portfolio, EWS, Basel, dữ liệu

Vòng 3 – Hiring Manager / Department Head (45-60 phút)

  • Đánh giá tư duy chiến lược, leadership
  • Câu hỏi tình huống, quản lý xung đột
  • Kiểm tra khả năng training, mentoring

Vòng 4 – Final với Senior Leadership (30-45 phút)(có thể có)

  • Tầm nhìn nghề nghiệp
  • Đóng góp cho chiến lược ngân hàng
  • Cultural fit

Vòng 5 – Đàm phán offer(riêng với HR)


2. Câu hỏi phỏng vấn hay gặp theo từng vòng

Vòng 1 – HR

  1. Bạn biết gì về Techcombank? Tại sao muốn làm việc tại đây?
  2. Mức lương hiện tại và kỳ vọng của bạn là bao nhiêu?
  3. Bạn muốn đi theo hướng chuyên gia rủi ro hay chuyển sang business trong 3-5 năm tới?

Vòng 2 – Technical

Về Portfolio Management:

  1. Bạn sẽ phân tích một danh mục tín dụng bán lẻ 50.000 tỷ như thế nào? Các chỉ số quan trọng nhất?
  2. Vintage analysis là gì? Bạn đã từng xây dựng báo cáo vintage như thế nào?
  3. Nếu NPL ratio tăng từ 1.8% lên 2.5% trong 3 tháng, bạn sẽ làm gì để phân tích nguyên nhân?
  4. Tail risk trong danh mục tín dụng bán lẻ là gì? Cách quản lý?
  5. Phân biệt segment analysis, cohort analysis, và vintage analysis?

Về Early Warning System: 6. Các chỉ số EWS nào bạn nghĩ quan trọng nhất cho khách hàng bán lẻ? SME? 7. Làm sao thiết kế EWS real-time? Data pipeline như thế nào? 8. Bạn đã từng xây dựng trigger EWS nào? Hit rate/false positive rate bao nhiêu là chấp nhận được? 9. Phân biệt behavioral scoring và application scoring trong portfolio monitoring?

Về Decision Engine & Hệ thống: 10. Decision Engine hoạt động như thế nào? Các rule thường gặp? 11. Bạn đã từng làm việc với Decision Engine nào (FICO, Experian, in-house)? 12. CFF và DSS khác nhau như thế nào trong hệ thống rủi ro tín dụng? 13. Tầm quan trọng của bureau data (CIC/PCB) trong decision engine?

Về Regulatory & Basel: 14. Phân biệt Basel II, Basel III, Basel IV? IRB là gì? 15. Cách tính vốn kinh tế cho rủi ro tín dụng theo Basel? 16. IFRS 9 khác gì so với Thông tư 11/2020 của NHNN? 17. Stress test cho danh mục tín dụng bán lẻ thường như thế nào?

Về Dữ liệu: 18. Bạn xử lý real-time database như thế nào? Công nghệ nào đang dùng? 19. Làm sao xây dựng dashboard real-time cho portfolio? KPIs nào quan trọng? 20. Data warehouse cho risk analytics cần những bảng/bảng fact/bảng dim nào? 21. Câu SQL: "Tính NPL ratio theo tháng và theo vùng miền trong 12 tháng qua"?

Vòng 3 – Hiring Manager

  1. Bạn đã từng xây dựng chiến lược risk nào mang lại giá trị kinh doanh rõ ràng không?
  2. Một stakeholder từ chối dùng dashboard EWS của bạn. Bạn xử lý ra sao?
  3. Khi nào bạn sẽ từ chối một đề xuất cho vay partnership (CaaS)?
  4. Bạn sẽ training nhân viên mới về credit review như thế nào? Lộ trình 1 tháng đầu ra sao?
  5. Trong 6 tháng đầu, bạn sẽ ưu tiên làm gì để tạo ảnh hưởng?

Vòng 4 – Senior Leadership

  1. Bạn nhìn thấy xu hướng rủi ro tín dụng bán lẻ ở VN 3 năm tới là gì?
  2. AI/ML sẽ thay đổi credit risk management như thế nào?
  3. Bạn muốn đóng góp gì cho chiến lược chuyển đổi số của TCB?

3. Tips chuẩn bị quan trọng

✅ Trước phỏng vấn 1 tuần:

  • Đọc kỹ Báo cáo thường niên Techcombank, đặc biệt phần rủi ro tín dụng
  • Cập nhật tin tức về chiến lược số hóa của TCB (đây là ngân hàng đi đầu chuyển đổi số)
  • Xem LinkedIn của Trưởng phòng Credit Management để hiểu phong cách lãnh đạo
  • Ôn lại Thông tư 11/2020, Thông tư 13/2019 của NHNN

✅ Trong phỏng vấn:

  • Dùng STAR method (Situation-Task-Action-Result) cho câu tình huống
  • Đưa ra con số cụ thể khi kể kinh nghiệm (vd: "đã giảm NPL 0.5% qua 2 quý")
  • Nếu không biết câu trả lời, đừng bịa – hãy nói "Tôi chưa gặp tình huống này nhưng cách tôi tiếp cận sẽ là..."
  • Chuẩn bị 3-5 câu hỏi ngược cho interviewer (vd: "Đội ngũ hiện tại có bao nhiêu người?", "Hệ thống EWS hiện đang dùng công nghệ gì?")

❌ Tránh:

  • Nói xấu ngân hàng cũ
  • Không biết gì về TCB
  • Trả lời quá chung chung, không có số liệu
  • Tỏ ra quá tự tin hoặc quá rụt rè

4. Dress code

  • Nam: Sơ mi trắng/xanh nhạt, quần tây, giày tây đen, thắt lưng, tóc gọn gàng
  • Nữ: Áo sơ mi hoặc áo vest công sở, quần tây hoặc chân váy ngang gối, giày kín mũi
  • Mức độ: Business formal hoặc smart business – TCB là ngân hàng top đầu, văn hóa khá chuyên nghiệp
  • Tránh phụ kiện quá lòe loẹt, nước hoa nồng

Lộ trình ôn thi

Lộ trình ôn tập & chuẩn bị trong 2 tuần


Tổng quan

Vị trí Expert – Retail & Small BB Credit Risk Data là sự kết hợp giữa nghiệp vụ tín dụng và phân tích dữ liệu. Dưới đây là lộ trình 14 ngày được đề xuất cho cả người đã có kinh nghiệm và người đang muốn chuyển sang.


Ngày 1-3: Nền tảng Credit Risk

Chủ đề cần nắm vững:

  • Phân loại nợ theo Thông tư 11/2020 (Nhóm 1-5) và Thông tư 13/2019
  • Cách trích lập dự phòng theo NHNN và IFRS 9 (Stage 1, 2, 3 – ECL)
  • Khái niệm: PD (Probability of Change in Credit Quality), LGD (Loss Given Default), EAD (Exposure At Default)
  • Các mô hình scorecard: Application score, Behavioral score, Collection score
  • Vintage analysis, Roll-rate analysis, Cohort analysis trong quản lý danh mục

Tài liệu tham khảo:

  • Sách: "Credit Risk Management" – Andrew Fight
  • Sách tiếng Việt: "Quản trị rủi ro tín dụng" – Nguyễn Minh Tuấn (tìm trên Tiki)
  • Tài liệu NHNN: thongtacchinh.vn
  • Tài liệu miễn phí của IFC/World Bank về Credit Risk

Ngày 4-6: Portfolio Management & Early Warning

Chủ đề cần nắm vững:

  • Portfolio monitoring framework: chỉ số PAR, NPL, delinquency bucket (DPD0+, DPD30+, DPD60+, DPD90+)
  • Tail Risk Management: rủi ro hiếm nhưng tác động lớn
  • Portfolio mix & shaping: cách phân bổ giữa secured/unsecured, segment, region
  • Xây dựng Early Warning System:
    • Chỉ số nội bộ (internal behavioral): số lần trễ hạn, thay đổi khoản vay, salary drop
    • Chỉ số bên ngoài (external): CIC/PCB, macro (thất nghiệp, GDP, lãi suất)
    • Logic trigger: vượt ngưỡng → cảnh báo
  • Loss forecasting: dùng regression, time-series
  • Early loss mitigation: gọi điện, nhắc nợ, restructure, write-off

Tài liệu tham khảo:

  • FRM Part I – Quantitative Methods & Credit Risk
  • Báo cáo rủi ro Techcombank (công bố trên website quan hệ cổ đông)
  • "The Basel II/III Accord" của BIS
  • Case study: "Building an Early Warning System" – SAS Institute

Ngày 7-9: Hệ thống Decision Engine & Data

Chủ đề cần nắm vững:

  • Kiến trúc hệ thống rủi ro tín dụng:
    • Decision Engine (FICO Blaze Advisor, Experian PowerCurve, hoặc in-house)
    • CFF (có thể là Credit Filtering/Form, hoặc Customer Financial File)
    • DSS (Decision Support System)
    • Dialer (hệ thống gọi tự động cho thu hồi nợ)
    • Collection systems (hệ thống quản lý nợ quá hạn)
  • Cách thiết kế rule: deny/decline, refer to credit officer, approve
  • Data flow: application → scoring engine → decision → portfolio → EWS
  • Data warehouse modeling: star schema, snowflake, fact & dimension tables
  • Real-time database: in-memory database, Kafka

Tài liệu tham khảo:

  • Tài liệu FICO Blaze Advisor (miễn phí trên FICO website)
  • Coursera: "Data Warehouse Concepts, Design, and Data Integration"
  • Sách: "The Data Warehouse Toolkit" – Ralph Kimball
  • Hướng dẫn Apache Kafka (Confluent)

Ngày 10-11: SQL, Python & Visualization

SQL – Luyện tập chuyên sâu:

  • Window functions: RANK, DENSE_RANK, LAG, LEAD, NTILE
  • CTE (Common Table Expressions)
  • CASE WHEN cho bucket DPD
  • JOIN giữa fact portfolio, dim customer, dim product
  • Tính toán: PAR30, vintage NPL, exposure by segment

Python:

  • Pandas cho xử lý dữ liệu portfolio
  • Scikit-learn cho logistic regression, random forest
  • Matplotlib/Seaborn cho trực quan hóa
  • Optional: xgboost cho credit scoring

Visualization:

  • Power BI (đề xuất vì TCB dùng nhiều)
  • Tableau (nếu có kinh nghiệm)

Tài liệu:

  • "SQL for Data Analysis: Beyond Basics" – Mode Analytics (miễn phí)
  • LeetCode SQL 50 câu dạng window function
  • Kaggle: "Credit Risk Modeling" dataset
  • Microsoft Learn: Power BI Desktop

Ngày 12-13: Regulatory Capital & IFRS 9

Chủ đề cần nắm vững:

  • Basel III framework:
    • Pillar 1: Minimum capital requirements (Credit, Market, Operational)
    • Pillar 2: Supervisory review
    • Pillar 3: Market discipline
  • IRB approach: Foundation IRB, Advanced IRB
  • RWA (Risk-Weighted Assets) calculation
  • Capital adequacy ratio (CAR) theo Thông tư 41/2016
  • IFRS 9 ECL: Stage allocation, 12-month ECL vs lifetime ECL
  • So sánh giữa Basel expected loss và IFRS 9 ECL
  • Stress test (CCAR-style, NHNN scenario)

Tài liệu:

  • BIS documents (bis.org)
  • Sách: "Credit Risk: Pricing, Measurement, and Management" – Duffie & Singleton
  • Deloitte IFRS 9 handbook

Ngày 14: CaaS, Securitization & Partnership Lending

Chủ đề cần nắm vững:

  • CaaS (Credit as a Service): Mô hình cho vay thông qua đối tác (e.g., TCB hợp tác với Tiki, Shopee, Be, VnPay…)
  • Cách quản lý rủi ro đối tác: kiểm tra data sharing, fallback rule
  • Portfolio Sale: bán danh mục nợ cho VAMC, AMC
  • Risk Insurance: bảo hiểm khoản vay (vd: Bảo hiểm Bảo Việt)
  • Securitization: chứng khoán hóa tài sản (ABS, MBS)
  • Cơ chế tranching, waterfall, credit enhancement

Tài liệu:

  • Bài báo học thuật: "Credit as a Service Platform" – McKinsey
  • "The Handbook of Asset-Backed Securities" – Fabozzi

Bảng tổng hợp tài liệu ưu tiên

Mức ưu tiênTài liệuChi phí
⭐⭐⭐⭐⭐FRM Part I notes (miễn phí trên GitHub)Miễn phí
⭐⭐⭐⭐⭐Thông tư 11, 13, 41 của NHNNMiễn phí
⭐⭐⭐⭐⭐Báo cáo thường niên TechcombankMiễn phí
⭐⭐⭐⭐Sách "Credit Risk Management" – Andrew Fight~300k VND
⭐⭐⭐⭐Power BI Desktop + Microsoft LearnMiễn phí
⭐⭐⭐FICO Blaze Advisor docsMiễn phí
⭐⭐⭐"The Data Warehouse Toolkit"~400k VND
⭐⭐⭐SAS E-mining tutorialsMiễn phí

Checklist cuối ngày 14

  • [ ] Có thể giải thích PD/LGD/EAD và tính ECL trong 5 phút
  • [ ] Vẽ được kiến trúc hệ thống Decision Engine
  • [ ] Viết được 1 SQL query tính NPL ratio theo segment & month
  • [ ] Đề xuất được 5 chỉ số EWS cho danh mục bán lẻ
  • [ ] Nắm rõ 3 khác biệt chính giữa IFRS 9 và Thông tư 11
  • [ ] Biết CaaS là gì và đưa ra 1 ví dụ partnership thực tế tại VN
  • [ ] Đọc xong Báo cáo thường niên TCB và ghi nhớ 3 chỉ số rủi ro chính

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho vị trí Expert – Retail Credit Risk Data, Techcombank


1. Vị trí này nằm ở đâu trong career path?

Chuyên viên (Officer/Analyst) → Chuyên viên cao cấp (Senior) → Chuyên gia (Expert) → Trưởng nhóm/Trưởng phòng → Phó GĐ Khối → GĐ Khối

Vị trí Expert thường tương đương cấp 5-7 trong hệ thống Techcombank (theo thang bậc nội bộ). Đây là bậc chuyên gia – tức là người được tin tưởng ra quyết định chuyên môn độc lập, đồng thời có năng lực huấn luyện, định hướng cho cấp dưới.

Lộ trình thăng tiến phổ biến từ vị trí này:

  1. Con đường chuyên môn (Individual Contributor track):

    • Expert → Senior Expert → Principal Expert (chuyên gia cao cấp nhất, tương đương GĐ phòng)
    • Phù hợp với người thích sâu kỹ thuật, không muốn quản lý nhiều người
  2. Con đường quản lý (Manager track):

    • Expert → Trưởng phòng / Trưởng nhóm → Phó GĐ Khối Credit → GĐ Khối
    • Phù hợp với người thích dẫn dắt đội nhóm
  3. Con đường chuyển ngang:

    • Expert → Business side: Trưởng phòng phát triển sản phẩm tín dụng, Phòng quan hệ khách hàng
    • Expert → Data side: Head of Data Analytics, CDO (Chief Data Officer)

2. Mức lương kỳ vọng theo cấp bậc (ước lượng tham khảo)

⚠️ Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Đây chỉ là ước lượng dựa trên thị trường lao động ngân hàng Việt Nam.

Cấp bậcTổng thu nhập/tháng (ước lượng)Ghi chú
Chuyên viên (0-2 năm)18-28 triệuCơ bản + phụ cấp
Chuyên viên cao cấp (2-4 năm)30-45 triệuCó thêm bonus theo KPI
Expert (4-7 năm)45-75 triệuBonus quý/năm theo performance
Trưởng phòng (7-10 năm)70-120 triệuLương + LTI (long-term incentive)
Phó GĐ Khối (10-12 năm)100-180 triệuCó LTI, ESOP tiềm năng
GĐ Khối (12+ năm)150-300+ triệuĐàm phán trực tiếp với CEO

Techcombank đặc biệt:

  • Được biết đến với mức lương cạnh tranh top đầu trong khối tư nhân (sau Vietcombank/VietinBank nhưng cao hơn nhiều ngân hàng khác)
  • Chế độ ESOP (cổ phiếu ưu đãi) cho cấp quản lý và chuyên gia cao cấp
  • Thưởng Tết, thưởng quý theo hiệu quả kinh doanh

3. Kỹ năng cần phát triển thêm để thăng tiến

Trong 1-2 năm tới:

  • Lấy chứng chỉ FRM (ưu tiên số 1 cho credit risk) hoặc PRM
  • Thành thạo ít nhất 2 trong: Python, SAS, SQL nâng cao
  • Học về AI/ML cho credit scoring: xgboost, LightGBM, neural network
  • Đọc và nắm được IFRS 9 chi tiết
  • Tham gia các dự án digital transformation của ngân hàng

Trong 3-5 năm tới:

  • Phát triển kỹ năng leadership: quản lý đội nhóm 5-10 người
  • Hiểu biết về business strategy chứ không chỉ risk
  • Networking trong cộng đồng risk management VN (GRAV, RMA, IIA Vietnam)
  • Cân nhắc thêm MBA từ chương trình uy tín (FT, INSEAD, hoặc trong nước như Vinamilk-RMIT, UEH-ISB)
  • Học thêm về data governance, data privacy (theo Nghị định 13/2023 về bảo vệ dữ liệu cá nhân)

4. Lời khuyên thực tế

🔹 Đừng chỉ là "data người" hay "risk người" – vị trí Expert đòi hỏi là cầu nối giữa cả hai. Phải hiểu business, hiểu dữ liệu, hiểu cảnh báo sớm.

🔹 Networking trong ngân hàng là quan trọng – Nhiều cơ hội trong TCB đến từ việc đồng nghiệp giới thiệu. Hãy chủ động xây dựng quan hệ với các phòng ban khác.

🔹 Theo dõi xu hướng thị trường – Credit risk ở VN đang thay đổi nhanh với sự bùng nổ của BNPL, CaaS, embedded finance. Phải cập nhật liên tục.

🔹 Cân nhắc cơ hội tại các ngân hàng khác sau 2-3 năm – Nếu thấy "plateau" trong TCB, có thể chuyển sang ngân hàng nước ngoài (HSBC, Standard Chartered, Shinhan) hoặc fintech (MoMo, ZaloPay, Cake) để đa dạng trải nghiệm.

🔹 Cẩn thận với "expert trap" – Nhiều người ở vị trí Expert quá lâu mà không lên Manager sẽ bị stuck. Hãy chủ động đề xuất thăng tiến hoặc chuyển hướng sau 3-4 năm ở cấp này.

🔹 Xây dựng personal brand – Viết bài trên LinkedIn về credit risk, tham gia hội thảo, là mentor cho sinh viên. Điều này giúp bạn có offer tốt hơn khi muốn chuyển việc.


5. Đánh giá độ phù hợp với vị trí

Vị trí này rất phù hợp với:

  • Người thích kết hợp nghiệp vụ + dữ liệu
  • Người muốn làm việc trong ngân hàng top đầu với mức đãi ngộ tốt
  • Người có tư duy phân tích, thích làm việc với hệ thống
  • Người thấy portfolio management là nghề thú vị chứ không nhàm chán

Vị trí này có thể không phù hợp với:

  • Người thích giao tiếp trực tiếp với khách hàng (đây là back-office)
  • Người chỉ muốn làm front-office (sales, relationship manager)
  • Người không thích học công nghệ mới (vị trí yêu cầu khá nhiều về data & system)

Câu hỏi thường gặp

Em là sinh viên năm cuối ngành Tài chính Ngân hàng, có thể ứng tuyển vị trí Expert này không?

Thật lòng mà nói, vị trí Expert ở Techcombank thường yêu cầu từ 4-7 năm kinh nghiệm liên quan. Với năm cuối, em chưa phù hợp để apply trực tiếp. Tuy nhiên, em nên nhắm các vị trí Chuyên viên Rủi ro Tín dụng (Officer level) hoặc Chuyên viên Phân tích Dữ liệu trong ngân hàng để tích lũy 2-3 năm. Trong thời gian đó, em nên học thêm SQL, Python, lấy FRM Part I, đọc Thông tư 11/2020 và Thông tư 13/2019. Sau 3-4 năm, cơ hội Expert sẽ mở ra. Đừng vội, xây nền tảng vững sẽ đi được xa hơn.

Mức lương cho vị trí Expert Credit Risk tại Techcombank khoảng bao nhiêu? Em đang ở mức 35 triệu ở ngân hàng khác.

Vị trí Expert ở Techcombank cho mảng Credit Risk Data thường có tổng thu nhập 45-75 triệu/tháng (bao gồm lương cứng, phụ cấp, thưởng quý/năm – mức lương có thể thay đổi tùy thời điểm). Nếu em đang ở 35 triệu với 3-4 năm kinh nghiệm, đây là bước nhảy hợp lý. Tuy nhiên, Techcombank tuyển rất chọn lọc, họ có thể đề xuất mức thấp hơn nếu em chưa có đủ kinh nghiệm hệ thống decision engine hoặc EWS. Tip: em nên đàm phán dựa trên portfolio impact em đã mang lại (ví dụ: "em đã giảm 0.3% NPL ở ngân hàng cũ").

Em đang là Data Analyst ở công ty fintech, muốn chuyển sang ngân hàng làm Credit Risk. Có khả thi không?

Hoàn toàn khả thi, nhưng em cần bridge khoảng cách về nghiệp vụ tín dụng. Cụ thể: (1) Học về Thông tư 11, IFRS 9, cách phân loại nợ; (2) Hiểu các chỉ số NPL, PAR, DPD, vintage analysis; (3) Làm quen với dữ liệu CIC/PCB; (4) Học về Decision Engine (FICO, Experian). Fintech background em có sẽ là lợi thế lớn vì Techcombank đang đẩy mạnh CaaS và partnership lending. Khi phỏng vấn, em hãy nhấn mạnh em đã làm với dữ liệu tín dụng (nếu có), hoặc đề xuất cách áp dụng kinh nghiệm fintech vào risk management truyền thống.

Vị trí này chủ yếu làm về data hay về nghiệp vụ tín dụng? Em hơi yếu kỹ thuật.

Vị trí này là kết hợp cả hai – và đó là lý do nó ở cấp Expert chứ không phải Officer. Về nghiệp vụ: em phải hiểu portfolio management, Basel, IFRS 9, EWS, line of business risk. Về kỹ thuật: em cần SQL nâng cao, có thể Python/SAS, dashboard Power BI. Nếu em yếu kỹ thuật, em vẫn có thể ứng tuyển nếu nghiệp vụ rất vững, nhưng sẽ thiếu hơn so với ứng viên biết cả hai. Gợi ý: em dành 3-6 tháng học SQL (Mode Analytics, LeetCode SQL) và Power BI (Microsoft Learn) – hoàn toàn tự học được. Tuy nhiên, nếu em chỉ thuần nghiệp vụ, có thể cân nhắc vị trí Chuyên viên Rủi ro Tín dụng ở level thấp hơn trong cùng phòng ban.

Techcombank với các ngân hàng khác (Vietcombank, MB, VPBank) trong mảng credit risk thì sao? Nên chọn TCB không?

Cả 4 ngân hàng đều có thế mạnh riêng: Techcombank – đi đầu chuyển đổi số, công nghệ hiện đại, đãi ngộ tốt ở top 1-2 khối tư nhân, nhưng áp lực cao và yêu cầu chuyên môn sâu. Vietcombank – quy trình chuẩn, dữ liệu lớn nhất VN, ít bị ngân hàng nhưng cũng ít đột phá, thu nhập cạnh tranh. MB – văn hóa trẻ, sáng tạo, dùng AI nhiều, đãi ngộ tốt. VPBank – đẩy mạnh FE Credit, nhiều cơ hội với SMB. Nếu em thích data, hệ thống hiện đại, đãi ngộ cạnh tranh → TCB là lựa chọn hàng đầu. Nếu em thích ổn định, quy trình chuẩn → VCB. Nếu em thích môi trường trẻ, năng động → MB.

Trong JD có nói "Owner of all Retail and Small BB Risk Decision support systems" – nghĩa là gì? Có phải em sẽ làm IT không?

Không hẳn là làm IT. "Owner" ở đây nghĩa là em là business owner của hệ thống – tức là người định nghĩa yêu cầu nghiệp vụ, viết rule, kiểm tra chất lượng output, và phối hợp với team IT để triển khai. Em không cần code hệ thống, nhưng cần hiểu: (1) Logic quyết định (deny/refer/approve); (2) Data flow; (3) Cách test & monitor hệ thống. Đây là vị trí Business Analyst cao cấp trong hệ thống risk tech. Nếu em đã quen với việc viết BRD (Business Requirement Document) hoặc làm việc với IT thì rất phù hợp.

Em đã làm Credit Officer 5 năm ở ngân hàng nhỏ, giờ muốn nhảy sang TCB ở vị trí Expert. Cơ hội có cao không?

Cơ hội hơn so với ứng viên từ fintech, nhưng vẫn cần chuẩn bị kỹ. TCB thường ưu tiên: (1) Background từ ngân hàng top đầu (VCB, TCB, MB, ACB); (2) Có kinh nghiệm với data & system thực tế; (3) Thể hiện được tư duy strategic, không chỉ operational. Em 5 năm Credit Officer ở ngân hàng nhỏ có thể chưa đủ "độ sâu" về data analytics. Gợi ý: em hãy nhấn mạnh vào (a) những sáng kiến cải tiến quy trình em đã làm; (b) kinh nghiệm làm báo cáo, dashboard; (c) khả năng training & mentoring; (d) nếu có thể, học thêm SQL/Python trước khi apply. Đừng ngại apply vì "ngân hàng nhỏ" – nhiều người đã nhảy thành công nhờ thể hiện được giá trị thực sự.

Vị trí này có yêu cầu đi công tác không? Work-life balance như thế nào?

Vị trí này thuộc back-office tại Hà Nội, nên hầu như không đi công tác nhiều (có thể đi công tác ngắn ngày tại TP.HCM nếu cần). Tuy nhiên, work-life balance ở Techcombank không tốt bằng các ngân hàng nhà nước. TCB yêu cầu hiệu suất cao, deadline nhiều, có thể phải làm thêm giờ trong các giai đoạn như cuối quý, cuối năm, hoặc khi có dự án lớn (như Basel IV implementation, hệ thống EWS mới). Mức độ áp lực trung bình-cao. Nếu em ưu tiên work-life balance, có thể cân nhắc ngân hàng nhà nước. Nếu em ưu tiên thu nhập và cơ hội phát triển, TCB là lựa chọn tốt hơn.

Câu hỏi SQL nào thường gặp nhất trong phỏng vấn Credit Risk tại TCB?

3 dạng câu SQL thường gặp nhất: (1) Tính NPL ratio theo tháng/segment: dùng SUM CASE WHEN cho DPD bucket; (2) Vintage analysis: tính tỷ lệ nợ quá hạn theo tháng disbursement và tháng quan sát (thường dùng CTE và PIVOT); (3) Roll-rate analysis: tính xác suất chuyển nhóm nợ từ tháng này sang tháng sau (dùng LAG function hoặc self JOIN). Em nên luyện tập với bộ dữ liệu mẫu (Kaggle có dataset "Lending Club" rất phù hợp). Ngoài SQL, em còn có thể bị hỏi về cách thiết kế data warehouse cho portfolio risk. Tip: luôn giải thích logic trước khi viết code, vì interviewer muốn hiểu tư duy của em hơn là syntax.

FRM hay CFA phù hợp hơn cho vị trí này?

FRM phù hợp hơn nhiều cho vị trí này. Lý do: FRM tập trung vào quản trị rủi ro (credit, market, operational, liquidity), có phần riêng về credit risk measurement, Basel framework, EWS – đúng với JD. CFA phù hợp hơn cho vị trí investment, portfolio management tài sản, equity research. Nếu em muốn làm Risk Management lâu dài, FRM Part I là "must-have", Part II là "nice-to-have". Có thể kết hợp CFA Level 1 nếu em muốn mở rộng sang phân tích tài chính doanh nghiệp. Chi phí FRM Part I khoảng $400-600, có thể tự ôn trong 6-9 tháng.

Chia sẻ từ cộng đồng

Ẩ
Ẩn danh 2025-01-15

Mình ứng tuyển Techcombank tháng trước, vòng technical hỏi khá sâu về Basel và IFRS 9. Hỏi cả cách tính ECL theo 12-month và lifetime. Anh em nhớ học kỹ phần này nhé, không phải chỉ lý thuyết mà phải biết áp dụng vào tình huống thực tế. Mình may mắn qua vòng 2 nhờ trước đó làm IFRS 9 implementation cho ngân hàng cũ.

M
Minh T*** 2025-01-19

Mình đang làm Credit Officer ở VCB được 4 năm, cũng đang ngắm vị trí Expert này. Thấy JD yêu cầu nặng về data & system nên đang cày SQL với Python. Có ai biết TCB dùng Decision Engine của hãng nào không, FICO hay tự build? Mình muốn tìm hiểu trước khi apply.

b
banker2024 2025-01-22

Cảnh báo thật cho ai đang nhắm TCB: văn hóa ở đây khá áp lực, deadline nhiều, KPI sát. Mình làm ở TCB 2 năm rồi, thu nhập OK nhưng đúng là không có nhiều thời gian cho bản thân. Nếu bạn nào muốn cân bằng công việc-cuộc sống thì cân nhắc. Còn nếu muốn đẩy nhanh sự nghiệp, TCB là lò luyện tốt.

Ẩ
Ẩn danh 2025-01-25

Vị trí này đọc JD thấy hấp dẫn thật, đúng kiểu combine nghiệp vụ + data mà mình thích. Mà sao em thấy JD viết tiếng Anh hết vậy nhỉ, toàn bộ? Có phải bắt buộc dùng tiếng Anh trong công việc không mọi người?

H
Hoa N*** 2025-01-26

Reply bạn trên: JD viết tiếng Anh là vì team này làm việc với nhiều tài liệu quốc tế (Basel, IFRS), đối tác nước ngoài cũng có. Trong công việc hàng ngày vẫn dùng tiếng Việt là chính, nhưng technical document thì tiếng Anh. Bạn cần đọc hiểu tốt, viết email được là ổn, không cần nói tiếng Anh nhiều.

t
timviec_hn 2025-01-28

Em mới ra trường thì đừng nhắm vị trí này nhé, chắc chắn bị loại ở vòng HR vì không đủ năm kinh nghiệm. Em nên vào các vị trí Junior/Officer trước. Hoặc nếu mạnh về data thì apply vị trí Data Analyst trong cùng division Credit Management, sau 2-3 năm sẽ có cơ hội chuyển sang Expert.

Ẩ
Ẩn danh 2025-01-30

Mình đã từng làm EWS cho 1 ngân hàng top 10. Khuyên thật: đừng xem EWS chỉ là 'cảnh báo'. EWS thực sự phải có workflow xử lý sau cảnh báo: ai nhận, xử lý trong bao lâu, escalate khi nào, close khi nào. Nhiều ngân hàng xây EWS xong rồi để đó vì không ai xử lý, hỏng hoàn toàn. Khi phỏng vấn nhớ đề cập 'closed-loop EWS' hoặc 'workflow integration' thay vì chỉ 'monitoring'.

T
Tuấn A*** 2025-02-02

Mình phỏng vấn vòng technical tại TCB cách đây 2 tháng, họ hỏi rất sâu về cách xây dựng dashboard real-time cho portfolio, kiến trúc data warehouse, và cả cách phối hợp với team IT. Có 1 case study khá thú vị: 'Nếu hệ thống EWS bị down trong 2 giờ vào giữa tháng, bạn sẽ làm gì để không ảnh hưởng đến việc giám sát danh mục?'. Mình nghĩ câu này rất hay vì test cả tư duy risk lẫn operations.

n
newbie_bank 2025-02-05

Mình vừa đọc xong JD này. Theo mình thấy thì vị trí này giống 'mini-CDO' cho mảng retail credit. Owner hệ thống + build database + training + partnership - quá nhiều việc cho 1 người. Hỏi các bác là TCB thường cho bao nhiêu người trong team để cover hết mấy cái này? Hay là JD ghi cho có, thực tế chỉ tập trung vào 2-3 cái?

L
Linh P*** 2025-02-07

Reply newbie_bank: đúng là JD ghi khá rộng, nhưng đây là đặc trưng của vị trí Expert ở TCB. Họ mong muốn 1 người có thể cover nhiều mảng, còn khi vào làm thực tế sẽ có sự phân chia rõ trong team. Theo mình biết team Credit Risk Data ở Hà Nội có khoảng 8-12 người, chia thành 2-3 nhóm nhỏ. Mỗi người sẽ focus sâu vào 1-2 mảng. Bạn yên tâm, không ai làm hết được 9 cái trong JD đâu.

Ẩ
Ẩn danh 2025-02-10

Đã apply và được PV 2 vòng. Chia sẻ chút: Vòng 2 (technical) có 1 phần test Excel/PowerPoint, không phải SQL hay Python. Họ cho 1 bộ data portfolio và yêu cầu phân tích xu hướng, đề xuất hành động, làm slide trình bày trong 30 phút. Ai chuẩn bị tốt phần này thì cơ hội cao. Lưu ý khi PV nhé.

Ứng tuyển ngay

Ứng tuyển trên website gốc

Bạn sẽ được chuyển đến trang tuyển dụng chính thức của Techcombank

Chuẩn bị thi tuyển

Luyện đề thi tuyển dụng Techcombank trên thithu.com

Luyện thi Techcombank

Chuyên môn / Từ khoá

Quản lý rủi ro Tín dụng Data / AI techcombank
T
thithu.com

Miễn trừ trách nhiệm: Nội dung câu hỏi trên thithu.com chỉ mang tính chất luyện tập và tham khảo, không đại diện cho đề thi chính thức của bất kỳ tổ chức nào. Chúng tôi không chịu trách nhiệm về kết quả thi thực tế của người dùng.