ACB

HO - Data Engineer Specialist

Hội sở (Hồ Chí Minh) Phân tích Dữ liệu

Thương lượng Hạn nộp: 31/12/2026

Mô tả công việc

Data Engineer Specialist is responsible for designing, implementing, managing, and optimizing enterprise Data Lake environments that support large-scale data storage, processing, analytics, artificial intelligence (AI), and machine learning (ML) initiatives. This role ensures that data is efficiently ingested, governed, secured, and made available for business intelligence, analytics, and advanced data science use cases.

Collaborates with Data Engineers, Data Scientists, Analytics teams, Cloud Architects, and business stakeholders to create scalable, high-performance data platforms that enable data-driven decision-making across the organization.

Key Responsibilities

Data Lake Architecture & Design

Design and develop enterprise Data Lake and Lakehouse architectures.
Define data storage structures for raw, curated, and consumption layers.
Establish data partitioning, indexing, and lifecycle management strategies.
Ensure scalability, reliability, and performance of data storage environments.
Participate in data platform modernization and cloud transformation initiatives.

Data Ingestion & Integration

Build and maintain data ingestion pipelines from various sources, including:
ERP systems
CRM platforms
IoT devices
Databases
APIs
Third-party applications
Support both batch and real-time data ingestion processes.
Implement change data capture (CDC) and streaming data solutions.
Ensure seamless integration with enterprise ecosystems.

Data Lake Operations

Manage and monitor data lake platforms and storage environments.
Automate operational tasks and platform maintenance activities.
Monitor data load performance, storage utilization, and processing efficiency.
Troubleshoot and resolve platform-related issues.

Data Governance & Quality

Implement data governance frameworks and best practices.
Manage metadata, cataloging, lineage, and business glossary initiatives.
Develop data quality monitoring and validation processes.
Ensure compliance with organizational data standards and policies.
Support Master Data Management (MDM) and data stewardship activities.

Security & Compliance

Implement role-based access controls (RBAC) and data security policies.
Ensure compliance with data privacy regulations and corporate governance standards.
Monitor security vulnerabilities and implement remediation measures.
Support security audits and risk assessments.

Cloud Data Platform Management

Manage cloud-native data lake solutions.
Optimize storage and compute resource utilization.
Implement infrastructure automation and Infrastructure as Code (IaC).
Support hybrid and multi-cloud data architectures.

Advanced Analytics Enablement

Prepare and optimize datasets for analytics, reporting, and AI/ML projects.
Enable self-service analytics through governed data access.
Collaborate with Data Scientists and BI developers to improve data accessibility.
Support implementation of Lakehouse and modern analytics architectures.

Documentation & Continuous Improvement

Create and maintain architecture diagrams, standards, and operational procedures.
Evaluate emerging technologies and recommend enhancements.
Promote automation, operational excellence, and engineering best practices.
Provide technical leadership and mentoring to junior team members.

Required Qualifications

Education

Bachelor‘s degree in Computer Science, Information Technology, Data Engineering, Data Science, Software Engineering, or a related field.

Experience

At least 5 years of experience in Data Engineering, Data Platform Administration, Data Warehousing, or Big Data solutions.
2+ years of hands-on experience with Data Lake or Lakehouse platforms.
Experience managing cloud-based analytics and storage environments.
Proven experience designing scalable enterprise data architectures.

Technical Skills

Data Lake & Lakehouse Platforms

Azure Data Lake Storage (ADLS)
Azure Microsoft Fabric OneLake
Amazon S3 Data Lake
Google Cloud Storage
Databricks Lakehouse Platform
Delta Lake
Apache Iceberg
Apache Hudi

Data Engineering

ETL/ELT Frameworks
Apache Spark
Apache Kafka
Azure Data Factory (ADF)
Apache Airflow
Databricks Workflows
Data Pipeline Orchestration

Cloud Platforms

Microsoft Azure
Amazon Web Services (AWS)
Google Cloud Platform (GCP)

Databases & Warehouses

Snowflake
Azure Synapse Analytics
Amazon Redshift
Google BigQuery
Oracle
SQL Server
PostgreSQL

Programming Languages

SQL
Python
Scala
PySpark
Shell Scripting

Data Governance & Security

Data Catalog Solutions
Microsoft Purview
Collibra
Metadata Management
Data Lineage
Data Classification
Access Control & Encryption

DevOps & Automation

Git
GitHub / GitLab
CI/CD Pipelines
Docker
Kubernetes
Terraform
Infrastructure as Code (IaC)

Soft Skills

Strong analytical and problem-solving abilities.
Excellent communication and stakeholder management skills.
Ability to work cross-functionally with technical and business teams.
Strong organizational and documentation capabilities.
Proactive mindset focused on automation and continuous improvement.
Ability to manage multiple priorities in fast-paced environments.

Nộp đơn ứng tuyển công việc này

Họ & tên bạn *

Địa chỉ email *

Số điện thoại *

Ngày tháng năm sinh *

Trình độ học vấn (Education) *

-- Trình độ học vấn (Education) --Chưa tốt nghiệp (No degree)Phổ thông (High school)Trung cấpCao đẳng (College)Đại học (University/Academy)Thạc sỹ (Master)Tiến sỹ (PhD)Sau đại học (Postgraduate)Khác (Others)

Bạn biết đến cơ hội ứng tuyển này qua kênh nào? *

-- Bạn biết đến cơ hội ứng tuyển này qua kênh nào? --Website tuyển dụng ACBFacebook ACBLinkedIn ACBWebsite việc làmQuảng cáo onlineNgười giới thiệuKhác

Thông tin thêm

CV của bạn * Click để chọn & tải lên CV của bạn

Nộp đơn ứng tuyển

Bỏ qua

-->

{ "@context": "http://schema.org", "@type": "JobPosting",

"datePosted":"2026-10-08", "description":"Data Engineer Specialist is responsible for designing, implementing, managing, and optimizing enterprise Data Lake environments that support large-scale data storage, processing, analytics, artificial intelligence (AI), and machine learning (ML) initiatives. This role ensures that data is efficiently ingested, governed, secured, and made available for business intelligence, analytics, and advanced data science use cases.

Key Responsibilities

Data Lake Architecture & Design

Design and develop enterprise Data Lake and Lakehouse architectures.
Define data storage structures for raw, curated, and consumption layers.
Establish data partitioning, indexing, and lifecycle management strategies.
Ensure scalability, reliability, and performance of data storage environments.
Participate in data platform modernization and cloud transformation initiatives.

Data Ingestion & Integration

Build and maintain data ingestion pipelines from various sources, including:
ERP systems
CRM platforms
IoT devices
Databases
APIs
Third-party applications
Support both batch and real-time data ingestion processes.
Implement change data capture (CDC) and streaming data solutions.
Ensure seamless integration with enterprise ecosystems.

Data Lake Operations

Manage and monitor data lake platforms and storage environments.
Automate operational tasks and platform maintenance activities.
Monitor data load performance, storage utilization, and processing efficiency.
Troubleshoot and resolve platform-related issues.

Data Governance & Quality

Implement data governance frameworks and best practices.
Manage metadata, cataloging, lineage, and business glossary initiatives.
Develop data quality monitoring and validation processes.
Ensure compliance with organizational data standards and policies.
Support Master Data Management (MDM) and data stewardship activities.

Security & Compliance

Implement role-based access controls (RBAC) and data security policies.
Ensure compliance with data privacy regulations and corporate governance standards.
Monitor security vulnerabilities and implement remediation measures.
Support security audits and risk assessments.

Cloud Data Platform Management

Manage cloud-native data lake solutions.
Optimize storage and compute resource utilization.
Implement infrastructure automation and Infrastructure as Code (IaC).
Support hybrid and multi-cloud data architectures.

Advanced Analytics Enablement

Prepare and optimize datasets for analytics, reporting, and AI/ML projects.
Enable self-service analytics through governed data access.
Collaborate with Data Scientists and BI developers to improve data accessibility.
Support implementation of Lakehouse and modern analytics architectures.

Documentation & Continuous Improvement

Create and maintain architecture diagrams, standards, and operational procedures.
Evaluate emerging technologies and recommend enhancements.
Promote automation, operational excellence, and engineering best practices.
Provide technical leadership and mentoring to junior team members.

Required Qualifications

Education

Bachelor's degree in Computer Science, Information Technology, Data Engineering, Data Science, Software Engineering, or a related field.

Experience

At least 5 years of experience in Data Engineering, Data Platform Administration, Data Warehousing, or Big Data solutions.
2+ years of hands-on experience with Data Lake or Lakehouse platforms.
Experience managing cloud-based analytics and storage environments.
Proven experience designing scalable enterprise data architectures.

Technical Skills

Data Lake & Lakehouse Platforms

Azure Data Lake Storage (ADLS)
Azure Microsoft Fabric OneLake
Amazon S3 Data Lake
Google Cloud Storage
Databricks Lakehouse Platform
Delta Lake
Apache Iceberg
Apache Hudi

Data Engineering

ETL/ELT Frameworks
Apache Spark
Apache Kafka
Azure Data Factory (ADF)
Apache Airflow
Databricks Workflows
Data Pipeline Orchestration

Cloud Platforms

Microsoft Azure
Amazon Web Services (AWS)
Google Cloud Platform (GCP)

Databases & Warehouses

Snowflake
Azure Synapse Analytics
Amazon Redshift
Google BigQuery
Oracle
SQL Server
PostgreSQL

Programming Languages

SQL
Python
Scala
PySpark
Shell Scripting

Data Governance & Security

Data Catalog Solutions
Microsoft Purview
Collibra
Metadata Management
Data Lineage
Data Classification
Access Control & Encryption

DevOps & Automation

Git
GitHub / GitLab
CI/CD Pipelines
Docker
Kubernetes
Terraform
Infrastructure as Code (IaC)

Soft Skills

Strong analytical and problem-solving abilities.
Excellent communication and stakeholder management skills.
Ability to work cross-functionally with technical and business teams.
Strong organizational and documentation capabilities.
Proactive mindset focused on automation and continuous improvement.
Ability to manage multiple priorities in fast-paced environments.

", "employmentType":"Toàn thời gian", "hiringOrganization": { "@type": "Organization", "name": "Ngân hàng Á Châu - ACB", "sameAs" : "http://www.acbjobs.com.vn" }, "identifier": { "@type": "PropertyValue", "name": "HO - Data Engineer Specialist", "value": "56088" }, "title": "HO - Data Engineer Specialist", "validThrough":"2026-12-31" }

Phân tích kỹ năng cần có

Phân tích kỹ năng cho vị trí Data Engineer Specialist – ACB

Đây là vị trí chuyên sâu trong khối Phân tích Dữ liệu, tập trung xây dựng và vận hành Data Lake cấp doanh nghiệp phục vụ AI/ML, BI và phân tích dữ liệu lớn trong ngân hàng. Ứng viên cần có nền tảng kỹ thuật vững và hiểu biết đặc thù dữ liệu tài chính – ngân hàng.

1. Hard Skills (Kỹ năng kỹ thuật cốt lõi)

Nhóm kỹ năng	Công nghệ/kiến thức cần nắm	Mức độ ưu tiên
Data Lake & Lakehouse	Delta Lake, Apache Iceberg, Apache Hudi, Parquet/ORC/Avro	Rất cao
Big Data Processing	Apache Spark (PySpark/Scala), Hadoop, Hive	Rất cao
Streaming & CDC	Apache Kafka, Kafka Connect, Debezium, Flink/Spark Streaming	Cao
Cloud Data Platform	Azure (ADLS, Synapse, Databricks) hoặc AWS (S3, Glue, EMR)	Rất cao
SQL & Data Modeling	SQL nâng cao, Data Vault, Dimensional Modeling, 3NF	Rất cao
Ngôn ngữ lập trình	Python (chính), Scala (tốt thêm), Bash scripting	Cao
ETL/ELT & Orchestration	Airflow, Dagster, Azure Data Factory, dbt	Cao
Infrastructure as Code	Terraform, Ansible, CloudFormation	Trung bình – Cao
Data Governance & Quality	Collibra, Azure Purview, Glue Catalog, Great Expectations, Soda	Cao
Bảo mật & tuân thủ	RBAC, Key Vault, data masking, encryption at rest/in transit	Cao (đặc biệt trong ngân hàng)
MDM & Data Lineage	Master Data Management, data catalog, lineage tracking	Trung bình

2. Kiến thức đặc thù ngân hàng (rất quan trọng)

Hiểu dữ liệu ngân hàng: giao dịch core banking, thẻ, tín dụng, tiền gửi, KHCN, KHDN, AML/CFT, eKYC.
Tuân thủ pháp lý: Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, quy định NHNN về an toàn thông tin, ISO 27001, PCI DSS.
Data masking và PII: phân loại dữ liệu nhạy cảm (CMND/CCCD, số tài khoản, số dư), triển khai tokenization/masking.
Real-time processing: giao dịch ATM, POS, mobile banking cần xử lý real-time với độ trễ thấp.
Audit & Logging: mọi truy cập dữ liệu phải được log để phục vụ kiểm toán nội địa và Kiểm toán Nhà nước.

3. Soft Skills

Kỹ năng	Lý do quan trọng
Giao tiếp đa bên	Làm việc với Data Scientists, BI Devs, Cloud Architects, business stakeholders
Tư duy hệ thống	Thiết kế kiến trúc có thể scale theo dữ liệu ngân hàng tăng trưởng 30-50%/năm
Tài liệu hóa	Ngân hàng yêu cầu documentation kỹ lưỡng phục vụ audit
Chủ động & ownership	Tự đẩy dự án từ thiết kế đến vận hành, không chờ chỉ đạo
Khả năng học nhanh	Công nghệ data thay đổi rất nhanh (Lakehouse, GenAI, vector DB)

4. Chứng chỉ gợi ý (ưu tiên)

Chứng chỉ	Giá trị với vị trí
Microsoft Azure Data Engineer Associate (DP-203)	Phù hợp nhất vì ACB đang chuyển đổi cloud mạnh mẽ
AWS Certified Data Analytics – Specialty	Bổ sung nếu có kinh nghiệm AWS
Databricks Certified Data Engineer Professional	Rất có giá trị với Lakehouse
Confluent Certified Developer for Apache Kafka	Cho mảng streaming/CDC
Google Professional Data Engineer	Phụ trợ, ít ưu tiên hơn tại thị trường VN
Terraform Associate	Tốt cho IaC

So sánh mức độ phù hợp theo cấp bậc

Cấp bậc	Kinh nghiệm	Kỹ năng trọng tâm	Đánh giá
Junior	0-2 năm	Python, SQL, Spark cơ bản, Cloud cơ bản	Thấp – JD này hướng tới Senior
Mid-level	3-5 năm	Spark nâng cao, Kafka, ETL, một dự án Data Lake	Trung bình
Senior	5-8 năm	Kiến trúc Data Lake, governance, mentor junior	Khớp nhất
Lead/Principal	8+ năm	Chiến lược dữ liệu, multi-cloud, GenAI	Rất khớp

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn Data Engineer Specialist – ACB

Quy trình tuyển dụng tại các ngân hàng lớn (ACB, Techcombank, Vietcombank, MB…) thường có 4-5 vòng, có thể khác nhau tùy cấp bậc và tình hình thực tế.

Quy trình dự kiến

Vòng 1 – HR Screening (30-45 phút)

Giới thiệu bản thân, lý do ứng tuyển ACB, lý do rời/đang tìm công ty cũ.
Mức lương hiện tại, kỳ vọng, thời gian onboard.
HR đánh giá: background, persona, mức lương có nằm trong range của ACB không.
Tip: ACB đánh giá cao sự gắn bó lâu dài, nên nhấn mạnh định hướng làm việc ổn định, đóng góp dài hạn.

Vòng 2 – Technical Test (60-90 phút, online)

SQL nâng cao (window function, CTE, ranking, lag/lead, pivot).
Python: xử lý dữ liệu với Pandas/PySpark.
Spark: hiểu Lazy Evaluation, DAG, shuffle, partition.
Có thể có bài tập case study: thiết kế pipeline nhỏ.

Vòng 3 – Technical Deep Dive (60-90 phút, gặp Senior/Lead kỹ thuật) Tập trung vào:

Kiến trúc Data Lake vs Lakehouse vs Warehouse – khi nào dùng cái nào.
Thiết kế batch + streaming pipeline cho hệ thống ngân hàng.
CDC từ Oracle/SQL Server sang Data Lake.
Data partitioning strategy (theo ngày, hash, range).
Schema evolution (Parquet, Delta, Iceberg).
Disaster recovery, backup strategy.
Xử lý PII trong ngân hàng – cách masking, encryption.

Vòng 4 – Hiring Manager Interview (45-60 phút)

Quản lý trực tiếp hỏi về leadership, ownership, cách làm việc với stakeholder.
Dự án lớn đã làm, vai trò, kết quả đo lường.
Cách xử lý conflict trong team, deadline gấp.

Vòng 5 – Director / Final Round (30-45 phút)

Đánh giá văn hóa, tầm nhìn nghề nghiệp.
Có thể đàm phán offer cuối cùng ở vòng này hoặc vòng sau.

Câu hỏi phỏng vấn hay gặp

Vòng kỹ thuật:

Phân biệt Data Lake, Data Warehouse, Lakehouse. Khi nào nên dùng cái nào?
Thiết kế pipeline ingest dữ liệu core banking (transaction real-time) vào Data Lake – bạn chọn công nghệ gì, lý do?
CDC là gì? So sánh Debezium vs AWS DMS vs Oracle GoldenGate.
Làm sao đảm bảo data quality trong pipeline có hàng trăm bảng?
Tại sao Parquet được ưu tiên hơn CSV/JSON trong Data Lake?
Partitioning strategy cho bảng fact giao dịch 5 năm – bạn sẽ partition thế nào?
Spark shuffle là gì? Làm sao tối ưu shuffle?
RBAC trong Data Lake hoạt động như thế nào? Bạn quản lý 3 nhóm: Data Engineer, Data Scientist, Business Analyst – mỗi nhóm cần quyền gì?

Vòng Manager:

Kể về một dự án Data Lake bạn đã làm – bạn đóng vai trò gì, kết quả ra sao?
Khi Data Scientist complain "data không sạch", bạn xử lý thế nào?
Bạn làm sao cân bằng giữa tốc độ delivery và data quality?

Vòng Director:

Bạn đánh giá thế nào về xu hướng AI/Generative AI trong ngân hàng?
Trong 3 năm tới, bạn muốn phát triển theo hướng nào?

Tips chuẩn bị

Nghiên cứu ACB trước buổi phỏng vấn: ACB đã công bố chuyển đổi số mạnh, dùng AI trong chấm điểm tín dụng, eKYC. Nhắc đến sẽ ghi điểm lớn.
Chuẩn bị 1 sơ đồ kiến trúc mà bạn đã thiết kế (có thể làm trên giấy A4 hoặc iPad).
Mang theo portfolio các dự án Data Lake/pipeline đã làm (nếu được phép chia sẻ).
Hỏi ngược 2-3 câu thông minh về team, tech stack, roadmap.

Dress Code

Vòng HR: Smart casual – sơ mi trơn, quần tây, giày tây.
Vòng technical: Business casual – áo polo/sơ mi, quần tây.
Tránh vest/cao cổ trừ khi phỏng vấn vòng Director/Giám đốc khối.
ACB không yêu cầu quá formal, nhưng cần gọn gàng, chuyên nghiệp.

Lộ trình ôn thi

Lộ trình ôn tập & chuẩn bị trong 1-2 tuần

Kiến thức nền tảng cần nắm vững

1. Kiến trúc dữ liệu (ưu tiên cao nhất)

Data Lake vs Data Warehouse vs Lakehouse vs Lakehouse Mesh.
Medallion Architecture: Bronze (raw) → Silver (curated) → Gold (consumption).
Data Mesh: domain-oriented decentralized data ownership.
Đọc bài blog của Databricks, dbt Labs.

2. Big Data Core (3-4 ngày ôn)

Apache Spark: SparkSession, DataFrame API, RDD, lazy evaluation, DAG, shuffle, partition, broadcast join.
Storage formats: Parquet (columnar), ORC, Avro; compression: Snappy, GZIP, ZSTD.
Delta Lake / Apache Iceberg / Hudi (ACID transactions, schema evolution, time travel).

3. Streaming & CDC (2-3 ngày ôn)

Apache Kafka: topic, partition, consumer group, offset, exactly-once semantics.
Kafka Connect, Schema Registry, Debezium.
Spark Structured Streaming vs Flink.

4. Cloud (4-5 ngày ôn) Nếu ACB dùng Azure (rất có thể):

ADLS Gen2 (storage tiers: hot/cool/archive).
Azure Databricks (Lakehouse platform).
Azure Synapse / Azure Data Factory.
Azure Purview (catalog + lineage).
Key Vault, RBAC, Private Endpoint.

Nếu thiên AWS:

S3, Glue, EMR, Athena, Lake Formation.

5. Data Governance & Security (2 ngày ôn – rất quan trọng với ngân hàng)

Data catalog, lineage, business glossary.
Data classification (Public, Internal, Confidential, Restricted).
PII masking: static vs dynamic, tokenization.
Compliance: NHNN, Nghị định 13/2023, ISO 27001, PCI DSS.

6. DevOps cho Data (1-2 ngày ôn)

Git workflow, CI/CD cho data pipeline.
Terraform cho hạ tầng Data Lake.
Airflow/Dagster cho orchestration.
Monitoring: Grafana, Prometheus, DataDog cho pipeline.

Lộ trình 14 ngày chi tiết

Ngày	Nội dung	Tài liệu
1-2	Ôn SQL nâng cao + Python Pandas	LeetCode SQL (50 bài medium), Kaggle Pandas
3-4	Spark + Delta Lake + Iceberg	"Learning Spark" (O'Reilly), Databricks docs
5-6	Kafka + CDC + Streaming	Confluent docs, Kafka: The Definitive Guide
7-8	Cloud (Azure Data Services nếu có thể)	Microsoft Learn (free) – DP-203 learning path
9-10	Data Governance + Security trong ngân hàng	Blog Collibra, Azure Purview docs, Nghị định 13/2023
11-12	Thiết kế hệ thống Data Lake cho ngân hàng	Tự vẽ kiến trúc: end-to-end (ingest → store → process → serve)
13	Nghiên cứu ACB + chuẩn bị câu hỏi	Trang chủ ACB, báo chí về chuyển đổi số ACB
14	Mock interview + review	Nhờ bạn bè/đồng nghiệp phỏng vấn thử

Tài liệu tham khảo (tất cả đều có sẵn)

Sách:

Designing Data-Intensive Applications – Martin Kleppmann (bắt buộc đọc).
Fundamentals of Data Engineering – Joe Reis & Matt Housley.
Learning Spark (ấn bản mới nhất).
Kafka: The Definitive Guide.
Delta Lake: The Definitive Guide (free PDF từ Databricks).

Khóa học online:

freeCodeCamp – Data Engineering with Python (free trên YouTube).
Microsoft Learn – DP-203 Azure Data Engineer (free, có lab).
Databricks Academy – Lakehouse Fundamentals (free).
Confluent Developer – Apache Kafka Fundamentals (free).

Blog/Website:

databricks.com/blog, towardsdatascience.com, medium.com/data-science-central.
The Register – Data Management để cập nhật xu hướng.

YouTube:

Hussein Nasser (System Design).
ByteByteGo (Kiến trúc dữ liệu).
Confluent (Kafka deep dive).

Điều cần làm trước buổi phỏng vấn 24h

Ngủ đủ giấc, không ôn quá khuya.
In sẵn 1-2 bản CV, photo passport nếu cần.
Chuẩn bị laptop dự phòng cho trường hợp test online.
Xem lại sơ đồ tổ chức khối Data của ACB.

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho Data Engineer Specialist trong ngân hàng

Vì sao nên chọn ACB cho sự nghiệp Data?

ACB nằm trong top 4 ngân hàng tư nhân lớn nhất Việt Nam (cùng Techcombank, VPBank, MBBank).
Văn hóa ACB: trẻ trung, cạnh tranh, đề cao hiệu quả – môi trường tốt để học và phát triển nhanh.
Ngân hàng có lợi thế dữ liệu rất phong phú: hàng chục triệu khách hàng, hàng tỷ giao dịch/năm – đây là "mỏ vàng" cho Data Engineer.
Đặc biệt ACB đang đẩy mạnh AI/ML (đã có cá heo AI cho chấm điểm tín dụng), mở ra nhiều bài toán dữ liệu lớn.

Lộ trình thăng tiến trong ngân hàng

Data Engineer (Junior/Mid) – 2-3 năm
    ↓
Senior Data Engineer – 3-5 năm
    ↓
Lead Data Engineer / Data Platform Lead
    ↓
Principal Data Engineer  ┐
                         ├─ tùy định hướng
Data Engineering Manager  ┘
    ↓
Head of Data Platform / Chief Data Officer

Chuyển ngang khả thi:

Data Architect.
ML Engineer / MLOps Engineer (rất hot hiện nay).
Analytics Engineer (kiểu dbt).
Cloud Architect (Data).
Head of Data Science (cần học thêm ML).

Mức lương ước lượng (tham khảo – có thể thay đổi tùy ngân hàng và thời điểm)

Cấp bậc	Kinh nghiệm	Mức lương gross/tháng
Junior Data Engineer	0-2 năm	18 – 30 triệu
Mid-level Data Engineer	2-4 năm	30 – 55 triệu
Senior Data Engineer	5-7 năm	55 – 95 triệu
Lead/Principal Data Engineer	7-10 năm	90 – 160 triệu
Engineering Manager / Head of Data	10+ năm	150 – 300+ triệu

Lưu ý: ngân hàng thường có thêm phụ cấp (ăn trưa, xăng xe, điện thoại, thưởng Tết 2-6 tháng lương, BH sức khỏe cao cấp, ưu đãi vay mua nhà...). Tổng thu nhập thực tế có thể cao hơn mặt lương gross 30-50%.

Mức lương có thể thay đổi tùy ngân hàng và thời điểm. ACB thường nằm trong nhóm trả lương cạnh tranh top đầu nhóm ngân hàng tư nhân.

Kỹ năng cần phát triển thêm để thăng tiến nhanh

Ngắn hạn (6-12 tháng tới):

Học sâu về Lakehouse (Delta Lake/Iceberg) – ACB rất có thể đang dùng Databricks.
Nắm vững Data Governance tools (Collibra, Purview).
Thành thạo ít nhất 1 cloud (Azure ưu tiên hơn tại VN, AWS thứ hai).

Trung hạn (1-2 năm):

Streaming & Real-time Analytics (Kafka, Flink).
MLOps: MLflow, feature store, model registry.
Infrastructure as Code (Terraform).

Dài hạn (2-3 năm):

AI/LLM Engineering (Vector DB, RAG, prompt engineering cho dữ liệu ngân hàng).
Data Product thinking – quản lý data như sản phẩm.
Mentorship & leadership – để chuyển sang managerial track.

Những sai lầm cần tránh

Chỉ biết tool mà không hiểu business: Ngân hàng có nghiệp vụ rất riêng (tín dụng, tiền gửi, thẻ, ngoại hối, chứng khoán). Data Engineer giỏi phải hiểu data = nghĩa là gì, không chỉ lưu trữ thế nào.
Bỏ qua data governance: Trong ngân hàng, leakage dữ liệu có thể bị phạt hàng tỷ đồng và mất giấy phép. Đừng coi nhẹ phần này.
Tập trung quá nhiều vào tech mới bỏ qua foundation: Spark SQL, SQL thuần, Python pandas vẫn dùng hàng ngày – đừng đu trend quá sớm.
Không tạo impact đo lường được: Khi xin tăng lương/thăng chức, cần nói rõ bạn đã giúp tiết kiệm bao nhiêu, tăng performance bao nhiêu phần trăm, giảm downtime bao nhiêu.

Khi nào nên rời ACB?

Sau 3-4 năm có thể nhảy sang ngân hàng lớn hơn (Techcombank, Vietcombank) hoặc fintech (MoMo, ZaloPay, VNPay) để tăng 30-50% lương.
Hoặc chuyển sang Big Tech (Google, Microsoft Việt Nam), unicorn data company nếu muốn theo tech thuần.
Nếu thích ổn định – ở lại ACB lâu dài cũng rất tốt vì ACB ít biến động nhân sự.

Câu hỏi thường gặp

Em mới ra trường ngành CNTT, muốn ứng tuyển Data Engineer Specialist tại ACB thì có khả thi không? Cần chuẩn bị gì?

Với vị trí này, cơ hội cho sinh viên mới ra trường khá thấp vì JD ngầm yêu cầu kinh nghiệm triển khai Data Lake end-to-end, governance và security trong môi trường doanh nghiệp. Em nên:

Bắt đầu ở vị trí Junior Data Engineer hoặc Data Analyst ở một ngân hàng nhỏ hơn/fintech trong 1-2 năm để tích lũy kinh nghiệm thực tế.
Học chắc Python, SQL, Spark cơ bản, một dự án end-to-end trên GitHub (ví dụ: ingest dữ liệu CSV lên S3, transform bằng Spark, lưu vào Delta Lake, query bằng Athena/Databricks SQL).
Lấy 1-2 chứng chỉ entry-level: Databricks Lakehouse Fundamentals, Microsoft Azure Fundamentals (AZ-900).
Ứng tuyển vào vị trí thấp hơn tại ACB (như Data Analyst, BI Engineer) rồi nộp đơn nội bộ sau 1-2 năm.

Đừng nản – nhiều người bắt đầu từ vị trí thấp rồi leo lên Senior trong 4-5 năm.

Tôi đang là Business Analyst ngân hàng 3 năm, muốn chuyển sang Data Engineer, có khả thi không? Cần học thêm gì?

Hoàn toàn khả thi, và đây là lợi thế rất lớn vì bạn đã hiểu nghiệp vụ ngân hàng (tín dụng, tiền gửi, giao dịch thẻ…). Lộ trình đề xuất 6-9 tháng:

Tháng 1-2: Học Python (pandas, numpy) + SQL nâng cao (window function, CTE, pivot). Làm 5-10 dự án mini trên Kaggle.
Tháng 3-4: Học Spark (PySpark), làm quen Databricks free edition. Làm 1 dự án ETL batch end-to-end.
Tháng 5-6: Học Kafka cơ bản, Airflow. Hiểu CDC là gì.
Tháng 7-8: Thiết kế 1 dự án Data Lake hoàn chỉnh giả lập, viết document kiến trúc, đưa lên GitHub.
Tháng 9: Nộp đơn vào vị trí Mid-level Data Engineer.

Bonus: bạn có thể đề xuất với quản lý hiện tại chuyển sang team Data nội bộ – đường đi ngắn nhất.

Mức lương cho vị trí Data Engineer Specialist tại ACB khoảng bao nhiêu? Đàm phán thế nào?

Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Theo thông tin thị trường hiện tại, Data Engineer Specialist tại ACB (cấp Senior) thường dao động 50-90 triệu gross/tháng, Lead/Principal có thể 90-160 triệu. Cộng thêm thưởng Tết 2-6 tháng, phụ cấp (ăn trưa, xăng, điện thoại), bảo hiểm sức khỏe cao cấp.

Mẹo đàm phán:

Đừng nói mức lương cũ quá sớm với HR – đợi khi được hỏi.
Đưa ra range, ví dụ: "Tôi kỳ vọng trong khoảng X-Y triệu gross, dựa trên kinh nghiệm và thị trường".
Nếu HR ép range, hãy nói "tôi open với offer cạnh tranh từ phía ACB".
Sau vòng Director, mới đàm phán chi tiết – lúc này bạn có leverage cao nhất.
Bonus tip: ACB có chế độ ESOP/Phúc lợi cổ phiếu ở một số cấp – hỏi HR.

Data Lake khác Data Warehouse như thế nào? Tại sao ngân hàng cần Data Lake?

Data Warehouse (như Snowflake, Teradata, Oracle Exadata):

Lưu dữ liệu có cấu trúc, schema-on-write, tối ưu cho SQL.
Đắt, khó scale, giới hạn loại dữ liệu.

Data Lake (như ADLS, S3 + Databricks):

Lưu raw data: có cấu trúc, bán cấu trúc, phi cấu trúc (JSON, log, ảnh, video).
Schema-on-read, rẻ (pay per storage), scale vô hạn.

Lakehouse = Data Lake + Data Warehouse – kết hợp cả hai (Delta Lake, Iceberg).

Ngân hàng cần Data Lake vì:

Lưu trữ log, clickstream, mobile app event, call center audio, CCTV – rất nhiều loại dữ liệu phi truyền thống.
AI/ML cần raw data để training, không phải aggregated data trong warehouse.
Chi phí thấp hơn 5-10 lần so với Data Warehouse truyền thống.
Cho phép Data Scientists tự explore mà không ảnh hưởng hệ thống giao dịch.
Đáp ứng quy định NHNN cần lưu trữ dữ liệu dài hạn (5-10 năm).

Chứng chỉ nào quan trọng nhất cho vị trí Data Engineer Specialist tại ACB?

Xếp hạng theo giá trị thực tế với vị trí này:

Ưu tiên 1 (nên có):

Microsoft Azure Data Engineer Associate (DP-203) – ACB rất có thể dùng Azure, đây là chứng chỉ "must-have". Chi phí thi ~$165, nên học qua Microsoft Learn (free) hoặc Udemy.

Ưu tiên 2 (có thì tốt):

Databricks Certified Data Engineer Professional – nếu ACB dùng Lakehouse (rất phổ biến ở VN).
Confluent Certified Developer for Apache Kafka – cho mảng streaming.

Ưu tiên 3 (phụ trợ):

AWS Data Analytics Specialty, Terraform Associate, Google Professional Data Engineer.

Không có chứng chỉ nào là bắt buộc, nhưng nếu CV bạn có 1-2 chứng chỉ kể trên, cơ hội được gọi phỏng vấn tăng rõ rệt. Kinh nghiệm thực tế vẫn quan trọng hơn chứng chỉ – ưu tiên làm dự án thực tế đưa lên GitHub.

Làm Data Engineer trong ngân hàng có áp lực không? Có phải làm thêm cuối tuần nhiều không?

Thực tế khá đa dạng tùy team và thời điểm:

Áp lực chính:

Deadline dự án ngân hàng thường rất chặt (compliance, regulator, business yêu cầu).
Tính khả dụng cao – nếu Data Lake down, BI dashboard cho Ban Giám đốc cũng down.
Audit – ngân hàng bị kiểm toán nhiều nên mọi thay đổi đều cần document kỹ.

Work-life balance:

Ngân hàng tư nhân như ACB thường tốt hơn ngân hàng nhà nước.
Trung bình 9-10h/ngày là bình thường, OT cuối tuần phụ thuộc dự án.
Mùa cuối năm (Q4) và mùa báo cáo thường OT nhiều.
Có chế độ nghỉ phép 12-15 ngày/năm, nghỉ lễ đầy đủ.

So sánh:

Fintech (MoMo, ZaloPay) thường OT nhiều hơn ngân hàng nhưng lương cao hơn 20-30%.
Ngân hàng ABC quốc tế (HSBC, Standard Chartered) work-life balance tốt nhất nhưng khó vào.
Big Tech (Google, Microsoft) work-life balance tốt nhất nhưng rất cạnh tranh.

Trong buổi phỏng vấn kỹ thuật, câu hỏi nào thường gặp nhất cho vị trí Data Engineer Specialist?

Top 5 câu hỏi kỹ thuật hay gặp nhất:

1. "Thiết kế Data Lake cho ngân hàng X, yêu cầu gì?" – Đây là system design classic. Bạn cần vẽ kiến trúc gồm: ingestion layer (Kafka, CDC), storage (Delta Lake), processing (Spark/Databricks), serving layer (SQL endpoint cho BI), governance (Purview/Collibra), security (Key Vault, RBAC).

2. "CDC là gì? So sánh các công cụ CDC" – Debezium (open source, miễn phí, phổ biến nhất), AWS DMS, Oracle GoldenGate, Striim. Bạn cần nói rõ ưu nhược điểm từng loại.

3. "Làm sao đảm bảo data quality trong pipeline?" – Đề cập: schema validation, data quality check (Great Expectations, Soda), reconciliation giữa source và target, monitoring (Grafana), alerting.

4. "Phân biệt batch và streaming, khi nào dùng cái nào?" – Batch (T+1, dùng cho reporting, analytics), streaming (real-time, dùng cho fraud detection, giao dịch). Có thể kết hợp cả hai (lambda architecture, kappa architecture).

5. "RBAC trong Data Lake hoạt động thế nào?" – Chia nhóm: Data Engineer (full access), Data Scientist (read curated data, không truy cập PII), Business Analyst (read aggregated data qua BI tool), Auditor (read all metadata, không đọc raw data). Triển khai qua Azure AD Groups / IAM roles + Lake Formation / Unity Catalog.

Sau 3-5 năm ở vị trí Data Engineer Specialist tại ACB, tôi có thể thăng tiến lên vị trí gì?

Có nhiều hướng đi:

Hướng Technical (Individual Contributor):

Senior Data Engineer → Lead Data Engineer → Principal Data Engineer → Distinguished Engineer / Fellow.
Hoặc chuyển ngang sang: Data Architect, Cloud Architect, ML Engineer, MLOps Engineer.

Hướng Management:

Senior Data Engineer → Engineering Manager → Director of Data → VP Data → CDO (Chief Data Officer).

Hướng chuyển ngang sang kinh doanh:

Senior Data Engineer → Data Product Manager → Head of Data Product.

Hướng chuyển sang khối khác:

Sang khối Risk: Data Engineer cho Credit Risk, Market Risk.
Sang khối AI/ML: ML Engineer, AI Engineer (rất hot).
Sang khối Compliance/AML: Data Engineer cho phòng chống rửa tiền.

ACB có chính sách "đa ngành nghề" khá tốt – bạn có thể xin rotation nội bộ sau 2-3 năm. Nhiều người cũ từng là Senior Data Engineer tại ACB hiện đang là Tech Lead ở các công ty fintech lớn hoặc startup AI ở Singapore, Mỹ.

Chia sẻ từ cộng đồng

Ẩ

Ẩn danh 2025-01-12

Mình vừa apply vị trí này tuần trước, HR phản hồi nhanh lắm. Vòng 1 HR hỏi về background và lương, khá nhẹ nhàng. Đang chờ vòng test kỹ thuật. Ai có kinh nghiệm test Data Engineer của ACB cho mình xin tips với.

Minh T*** 2025-01-18

Mình đang làm Data Engineer ở Techcombank 3 năm, thấy JD này khá hấp dẫn. Đặc biệt phần Data Governance với AI/ML enablement – đúng hướng mình muốn phát triển. ACB có vẻ đang đầu tư rất mạnh vào data platform. Có ai biết stack hiện tại của ACB đang dùng gì không? Azure hay AWS?

Ẩ

Ẩn danh 2025-01-22

Cảnh báo cho ai đang apply: JD này Senior lắm, không phải cho người mới đâu. Mình apply hồi tháng 10/2024, phỏng vấn kỹ thuật bị hỏi về Delta Lake time travel, schema evolution, RBAC trong Unity Catalog – khá nặng. Cần chuẩn bị kỹ phần Lakehouse architecture.

data_engineer_hn 2025-01-27

Mẹo nhỏ: trước khi phỏng vấn ACB, nên đọc 1-2 bài báo về chiến lược chuyển đổi số của ACB. ACB rất thích ứng viên hiểu về business ngân hàng, không chỉ tool. Mình được hỏi "theo bạn, ACB nên dùng AI ở đâu?" – nhắc đến credit scoring, eKYC, chatbot là ghi điểm ngay.

Ẩ

Ẩn danh 2025-02-03

Work-life balance ở ACB khá ổn so với mấy ngân hàng khác, mình hỏi trong phỏng vấn được Manager chia sẻ thẳng thắn là team data không OT cuối tuần nhiều, trừ mùa release. Còn về lương thì mình mới offer được, không muốn nói cụ thể nhưng nói chung cạnh tranh với thị trường.

Hoa N*** 2025-02-08

Mình là nữ Data Engineer, mình thấy vị trí này khá phù hợp cho nữ vì công việc thiên về thiết kế hệ thống và collaboration, không quá nặng về viết code thuần như backend. Phỏng vấn vòng technical interviewer khá respectful, không có vấn đề giới tính gì cả.

Ẩ

Ẩn danh 2025-02-12

Câu hỏi hay bị hỏi thêm: "Bạn xử lý thế nào khi Data Scientist muốn dữ liệu gấp nhưng pipeline chưa sẵn sàng?" – Câu này test khả năng stakeholder management. Đáp án mình thường nói: prioritize theo impact business, đề xuất workaround tạm thời (subset data, sample), commit deadline rõ ràng, communicate liên tục.

Quay lại danh sách

Ứng tuyển ngay

Ứng tuyển trên website gốc

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

Chuẩn bị thi tuyển

Luyện đề thi tuyển dụng ACB trên thithu.com

Luyện thi ACB

Chuyên môn / Từ khoá

Data / AI acb

Quay lại danh sách tuyển dụng