Senior Data Engineer (40000063)
Mô tả công việc
Job Purpose
- The job holder is responsible for designing and developing programs, algorithms and automated processes to cleanse, integrate and evaluate large datasets from disparate sources and implement complex business logic as needed with the available data processing tools.
- The job holder will be responsible for integrating new data sources to increase throughput of existing systems, managing data pipelines that facilitate robust analysis, and sourcing và preparing data to ensure data completeness on metadata platforms.
Key Accountabilities (1)
Data Architecture
- Deliver functionality required for business and data analysts, data scientists and other business roles to advance the overall analytic performance and strategy of the bank
- Build the best practices and strategies for data infrastructure to fulfill data analytic and utilization needs of the business with emerging latest technologies and capabilities.
- Proactively drive the effort of identifying opportunities to manage data and provide solutions for complex data feeds within the bank.
- Evaluate various data architectures in the bank and utilize them to develop data solutions to meet business requirements.
- Drive the delivery of data products and services into systems and business processes in compliance with internal regulatory requirements.
- Oversee the review of internal and external business and product requirements for data operations and activity and suggests changes and upgrades to systems and storage to accommodate ongoing needs.
Key Accountabilities (2)
Data Integration
- Strategically obtain and integrate data and information from various sources into the firm’s platforms, solutions and statistical models.
- Lead discussion with Data Scientists to understand the data requirements and create re-usable data assets to enable data scientists to build and deploy machine learning models faster.
- Design, build, and maintain optimized data pipelines and ETL solutions as business support tools in providing analysis and real time analytics platform for critical decision making.
- Ensure data assets are organized and stored in an efficient way so that information is high quality, reliable, flexible, and efficient.
Key Accountabilities (3)
Project Management
- Manage project conflicts, challenges and dynamic business requirements to keep operations running at high performance.
- Work with team leads to resolve people problems and project roadblocks, conduct post mortem and root cause analysis to help squads continuously improve their practices to ensure maximum productivity. Talent Development
- Mentor and coach junior fellows into fully competent Data Engineers.
- Identify and encourage areas for growth and improvement within the team.
Key Relationships - Direct Manager
Senior Manager / Manager, Data Engineering
Key Relationships - Direct Reports
Key Relationships - Internal Stakeholders
Teams within the Data Office and relevant departments in the Bank
Key Relationships - External Stakeholders
Partners providing professional services
Success Profile - Qualification and Experiences
Qualifications
- Bachelor's or Master’s degree in Statistics, Mathematics, Quantitative Analysis, Computer Science, Software Engineering or Information Technology Work Experience
- 7+ years of relevant experience with developing, debugging, scripting and employing big data technologies (e.g. Hadoop, Spark, Flink, Kafka, Arrow, Tableau), database technologies (e.g. SQL, NoSQL, Graph databases), and programming languages (e.g. Python, R, Scala, Java, Rust, Kotlin) with preference towards functional/trait oriented
- English proficiency requirements are pursuant to Techcombank's policy
- Deep experience in designing and building dimensional data models, ETL processes, applied data warehouse concepts and methodologies, optimized data pipelines and wore the architect hat in the past or worked with one extensively
- Deep experience with monitoring complex system and solving data and systems issues having a consistent and algorithmic approach to resolving them
- Deep understanding of Information Security principles to ensure compliant handling and management of all data
- Experience working in Agile teams to lead successful digital transformation projects, having mastered Agile principles, practices and Scrum methodologies
- Has the know-how and the scripting and coding prowess to set up, configure và maintain a machine learning model development environment
- Experience architecting, coding and delivering high performance micro services and/or recommenders delivering recommendations to (tens of) millions of users
Phân tích kỹ năng cần có
Phân tích kỹ năng cho vị trí Senior Data Engineer tại Techcombank
🎯 Tổng quan vị trí
Đây là vị trí Senior thuộc khối Data & Analytics của một trong những ngân hàng tư nhân hàng đầu Việt Nam. Vị trí này đòi hỏi không chỉ năng lực kỹ thuật mạnh mà còn khả năng định hướng kiến trúc, làm việc với Data Scientists và mentor đội ngũ junior. Đây là cấp bậc "cầu nối" giữa kỹ thuật thuần và chiến lược dữ liệu của ngân hàng.
🔧 Hard Skills (Bắt buộc / Rất quan trọng)
| Nhóm kỹ năng | Công nghệ cụ thể | Mức độ yêu cầu |
|---|---|---|
| Ngôn ngữ lập trình | Python (rất quan trọng), Scala/Java (tốt) | Bắt buộc |
| SQL & NoSQL | PostgreSQL, MySQL, MongoDB, Cassandra | Bắt buộc |
| ETL/ELT & Orchestration | Apache Airflow, dbt, Talend, Informatica, NiFi | Rất quan trọng |
| Big Data Stack | Apache Spark, Hadoop, Kafka, Flink | Rất quan trọng |
| Cloud Platform | AWS (S3, Glue, Redshift), GCP (BigQuery, Dataflow), Azure | Rất quan trọng |
| Data Warehouse | Snowflake, BigQuery, Redshift, Databricks | Rất quan trọng |
| Data Modeling | Kimball, Data Vault, dimensional modeling | Quan trọng |
| Real-time Streaming | Kafka, Kinesis, Pub/Sub | Có lợi thế |
| Data Quality & Governance | Great Expectations, Monte Carlo, metadata management | Có lợi thế |
| DevOps cho Data | Docker, Kubernetes, Terraform, CI/CD | Có lợi thế |
🎨 Soft Skills (Cần thiết cho cấp Senior)
- Tư duy kiến trúc (Architectural Thinking): Đánh giá nhiều kiến trúc dữ liệu khác nhau và chọn giải pháp phù hợp — đây là điểm phân biệt Senior với Mid-level.
- Giao tiếp liên phòng ban: Làm việc với Data Scientists, BA, PMO, Compliance.
- Mentoring & Coaching: Đào tạo junior engineers.
- Quản lý xung đột & ưu tiên: Giải quyết conflict project, root cause analysis.
- Tư duy kinh doanh trong ngân hàng: Hiểu retail banking, credit, risk, AML là lợi thế lớn.
- Tiếng Anh: Bắt buộc đọc tài liệu, giao tiếp với vendor quốc tế.
📜 Chứng chỉ gợi ý (ưu tiên theo thứ tự)
- AWS Certified Data Analytics – Specialty hoặc AWS Solutions Architect
- Google Professional Data Engineer
- Snowflake SnowPro Advanced
- Databricks Certified Data Engineer Professional
- dbt Analytics Engineering Certification
- Confluent Certified Developer for Apache Kafka
- HashiCorp Terraform Associate
💡 So sánh mức độ quan trọng
| Kỹ năng | Junior Data Engineer | Mid Data Engineer | Senior Data Engineer (vị trí này) |
|---|---|---|---|
| Viết ETL pipeline | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| Tối ưu pipeline hiện có | ⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Thiết kế kiến trúc dữ liệu | – | ⭐⭐ | ⭐⭐⭐⭐⭐ |
| Đánh giá & chọn công nghệ | – | ⭐⭐ | ⭐⭐⭐⭐⭐ |
| Mentor junior | – | ⭐ | ⭐⭐⭐⭐⭐ |
| Làm việc với Data Scientists | ⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Hiểu business ngân hàng | ⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
⚠️ Lưu ý quan trọng
- Mặc dù JD không ghi rõ yêu cầu kinh nghiệm, vị trí Senior Data Engineer ở ngân hàng lớn thường yêu cầu 5-7 năm kinh nghiệm trong lĩnh vực data engineering.
- Kinh nghiệm trong ngân hàng, fintech, hoặc tổ chức tài chính là một lợi thế cạnh tranh rất lớn vì yêu cầu tuân thủ (compliance) và quy định bảo mật dữ liệu.
- Cấp "Senior" ở Techcombank thường đi kèm kỳ vọng về leadership — kể cả khi chưa quản lý trực tiếp, bạn sẽ phải lead technical discussion và mentor.
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn Senior Data Engineer tại Techcombank
📋 Quy trình tuyển dụng dự kiến
Dựa trên quy trình tuyển dụng chung của Techcombank và các ngân hàng lớn tại Việt Nam, ứng viên Senior Data Engineer thường đi qua 4-5 vòng:
| Vòng | Hình thức | Thời lượng | Nội dung chính |
|---|---|---|---|
| Vòng 1: HR Screening | Phone/Video call | 20-30 phút | Giới thiệu bản thân, mức lương mong muốn, timeline |
| Vòng 2: Technical Test | Online hoặc onsite | 60-90 phút | SQL, Python, Data Engineering concept |
| Vòng 3: Technical Deep-dive | Onsite với Senior Manager/Manager | 60-90 phút | Thiết kế hệ thống, case study thực tế |
| Vòng 4: Behavioral & Leadership | Onsite với HR BP / Director | 45-60 phút | STAR, mentoring, conflict resolution |
| Vòng 5 (nếu có): Director/Head round | Onsite | 30-45 phút | Cultural fit, strategic thinking |
🎤 Câu hỏi hay gặp theo từng vòng
🔹 Vòng 1 — HR Screening
- "Giới thiệu ngắn về bản thân và lý do ứng tuyển Techcombank."
- "Mức lương hiện tại và mức lương mong muốn?"
- "Bạn có thể đi làm tại HCM trong bao lâu? Notice period bao nhiêu?"
- "Bạn biết gì về chiến lược chuyển đổi số của Techcombank?"
🔹 Vòng 2 — Technical Test
SQL (rất hay hỏi):
- Viết query tính running total, tìm top N theo nhóm, xử lý NULL.
- Phân biệt window function với GROUP BY.
- Tối ưu query với EXPLAIN PLAN.
Python:
- Xử lý missing data, outliers, transform dataframe với Pandas.
- Viết function xử lý large file không vừa RAM.
Data Engineering Concept:
- ETL vs ELT khác nhau thế nào? Khi nào dùng cái nào?
- Batch processing vs Stream processing.
- CAP theorem trong distributed system.
- Data partitioning, bucketing, sharding.
🔹 Vòng 3 — Technical Deep-dive (quan trọng nhất)
Hãy chuẩn bị kỹ case study thiết kế hệ thống — đây là phần phân loại ứng viên Senior:
"Hãy thiết kế data pipeline để đưa dữ liệu giao dịch thẻ tín dụng từ core banking vào data warehouse phục vụ phân tích real-time fraud detection."
- Gợi ý trả lời: Source → Kafka → Spark Streaming → Data Lake (S3/HDFS) → Data Warehouse (Snowflake/BigQuery) → BI/ML Serving.
"Làm sao xử lý dữ liệu PII trong môi trường ngân hàng theo quy định nội bộ?"
- Gợi ý: Data masking, tokenization, row-level security, audit logging, tuân thủ Nghị định 13/2023.
"Khi nào nên chọn Snowflake, khi nào chọn Databricks, khi nào chọn BigQuery?"
"Hãy mô tả cách bạn đã tối ưu một pipeline chậm từ 6 giờ xuống 30 phút."
"Bạn xử lý late-arriving data và data quality issues như thế nào?"
"Data Lake vs Data Warehouse vs Lakehouse — bạn chọn gì cho ngân hàng và tại sao?"
🔹 Vòng 4 — Behavioral & Leadership
Theo mô tả JD có đề cập "mentor junior fellows" và "manage project conflicts" — đây là tín hiệu rõ ràng:
- "Hãy kể về lần bạn mentor một junior engineer gặp khó khăn."
- "Bạn xử lý conflict trong team như thế nào khi có 2 phương án kỹ thuật trái ngược nhau?"
- "Khi Data Scientists yêu cầu data mà business không cho phép, bạn sẽ làm gì?"
- "Mô tả một dự án bạn phải sacrifice scope để deliver on time."
- "Bạn đã từng phải nói 'không' với stakeholder như thế nào?"
👔 Dress Code
- Vòng HR và Technical: Business casual — áo polo/sơ mi, quần tây, giày tây.
- Vòng Director: Smart business — áo sơ mi + vest optional, lịch sự.
- Tránh đồ quá casual (áo thun, quần jean) vì đây là ngân hàng.
💡 Tips chuẩn bị
- Nghiên cứu Techcombank trước: Đọc về chiến lược chuyển đổi số, sản phẩm Techcombank Mobile, dự án Cloud Transformation, partnership với AWS.
- Chuẩn bị 3-5 STAR stories theo format: Situation → Task → Action → Result (có số liệu cụ thể).
- Mang theo portfolio: Sơ đồ kiến trúc các hệ thống bạn đã làm (dù đã được public).
- Đặt câu hỏi ngược: Hỏi về tech stack hiện tại, cơ hội học hỏi, định hướng data strategy.
- Không nói xấu công ty cũ — kể cả khi rời đi trong tình huống không tốt.
Lộ trình ôn thi
Ôn thi & Chuẩn bị kiến thức cho Senior Data Engineer
🧠 Kiến thức nền tảng cần nắm
1. Data Engineering Fundamentals
- ETL/ELT patterns: Batch ETL, micro-batch, streaming, change data capture (CDC).
- Data modeling: Star schema, snowflake schema, Data Vault 2.0, One Big Table.
- Data partitioning & bucketing: Khi nào partition theo date, khi nào theo hash.
- Data lineage & catalog: Glue Catalog, Unity Catalog, Apache Atlas.
- Idempotency & exactly-once semantics trong streaming.
- Slowly Changing Dimensions (SCD Type 1, 2, 3).
2. Big Data & Streaming
- Apache Spark: RDD vs DataFrame, Spark SQL, Structured Streaming.
- Kafka: Topics, partitions, consumer groups, Kafka Connect, Schema Registry.
- Flink / Spark Streaming: Watermark, late events, windowing.
- Hadoop ecosystem: HDFS, YARN, Hive (lịch sử + hiểu biết).
3. Cloud Data Platform
- AWS: S3, Glue, EMR, Redshift, Kinesis, Lake Formation.
- GCP: BigQuery, Dataflow, Pub/Sub, Dataproc.
- Azure: Synapse, Data Factory, ADLS.
- Lakehouse: Databricks, Iceberg, Delta Lake, Apache Hudi.
4. Orchestration & DevOps
- Apache Airflow: DAG design, scheduling, SLA.
- dbt: Models, tests, documentation, incremental.
- Infrastructure as Code: Terraform, CloudFormation.
- CI/CD cho data: Testing với Great Expectations, dbt tests.
📚 Tài liệu tham khảo
Sách nên đọc
| Tên sách | Tác giả | Tập trung vào |
|---|---|---|
| Fundamentals of Data Engineering | Joe Reis, Matt Housley | Tổng quan toàn diện |
| Designing Data-Intensive Applications | Martin Kleppmann | Distributed systems, kiến trúc |
| Spark: The Definitive Guide | Bill Chambers, Matei Zaharia | Apache Spark |
| Streaming Systems | Tyler Akidau | Stream processing |
| The Data Warehouse Toolkit | Ralph Kimball | Data modeling |
| Data Pipelines Pocket Reference | James Densmore | ETL/ELT thực tế |
| 97 Things Every Data Engineer Should Know | Tobias Macey | Best practices |
Khóa học online
- Coursera: "IBM Data Engineering Professional Certificate", "Google Cloud Data Engineer".
- DataTalksClub Data Engineering Zoomcamp (miễn phí, rất thực tế).
- Udemy: "Apache Airflow" của Marc Lambert, "Snowflake" của Learning Journal.
- Databricks Academy (miễn phí cho Spark + Delta Lake).
- AWS Skill Builder cho các dịch vụ data trên AWS.
Blog & Podcast
- Towards Data Science (Medium), Data Engineering Weekly newsletter.
- AWS Big Data Blog, Snowflake Blog, Databricks Blog.
- The Data Stack Show, Datatalks.club Podcast.
📅 Lộ trình chuẩn bị 2 tuần
Tuần 1: Nền tảng & Core Concepts
| Ngày | Nội dung | Hoạt động |
|---|---|---|
| T2 | Ôn SQL nâng cao | LeetCode SQL 10 bài hard, window functions |
| T3 | Spark + DataFrame API | Đọc Spark Definitive Guide ch.1-5, làm bài tập |
| T4 | Airflow & ETL design | Build 1 DAG end-to-end với Docker |
| T5 | Cloud data warehouse | Học Snowflake hoặc BigQuery tùy ngân hàng target |
| T6 | Streaming với Kafka | Hiểu Kafka Connect, partition strategy |
| T7 | Data modeling thực tế | Thiết kế star schema cho retail banking dataset |
| CN | System design practice | Vẽ architecture cho 3 case study điển hình |
Tuần 2: Banking-specific & Mock Interview
| Ngày | Nội dung | Hoạt động |
|---|---|---|
| T2 | Data governance & compliance trong ngân hàng | Đọc về Nghị định 13/2023-NĐ-CP, Basel, GDPR |
| T3 | Nghiên cứu Techcombank | Đọc annual report, tin tức về Techcombank Cloud, partnership |
| T4 | Mock system design | Tự thuyết trình 2 case: real-time fraud detection, customer 360 |
| T5 | STAR stories | Viết & luyện 5 câu chuyện behavioral |
| T6 | Mock interview với bạn | Nhờ bạn phỏng vấn hoặc dùng AI tool |
| T7 | Review & relax | Ôn lại các concept yếu, nghỉ ngơi |
| CN | Chuẩn bị hành lý tinh thần | Trang phục, giấy tờ, câu hỏi ngược |
🎯 Điểm cần đặc biệt chú ý cho ngân hàng
- Tuân thủ quy định bảo mật dữ liệu tài chính (PCI-DSS, Nghị định 13/2023).
- Hiểu business ngân hàng: Retail, Wholesale, Credit, Risk, AML/Fraud.
- Audit trail & data lineage là điều bắt buộc trong ngân hàng — khác với startup.
- Multi-environment management: Dev/UAT/Staging/Production với data masking.
- Latency requirements: Core banking yêu cầu real-time; analytics có thể batch T+1.
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho Senior Data Engineer trong ngân hàng
🛤️ Lộ trình thăng tiến điển hình
Dựa trên cấu trúc phổ biến tại các ngân hàng lớn ở Việt Nam:
Data Engineer (Junior) ─┐
│
Data Engineer (Mid) ────┤
├──► Senior Data Engineer ──► Data Engineering Manager ──► Senior Manager ──► Head of Data Platform
Data Analyst/BI ────────┘
├──► Data Architect ──► Chief Data Officer (CDO)
│
└──► ML Engineer ──► Senior ML Engineer ──► Head of AI/ML
Vị trí này (Senior) là bước đệm quan trọng để tiến lên Data Engineering Manager hoặc chuyển hướng sang Data Architect. Thông thường 2-3 năm ở cấp Senior là thời điểm vàng để chuyển lên Manager.
💰 Mức lương kỳ vọng theo cấp bậc (ước lượng tham khảo)
⚠️ Lưu ý: Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Đây chỉ là ước lượng dựa trên thị trường 2024-2025 tại Việt Nam.
| Cấp bậc | Kinh nghiệm | Mức lương/tháng (VND) | Ghi chú |
|---|---|---|---|
| Junior Data Engineer | 0-2 năm | 18 - 30 triệu | Tùy công ty |
| Mid Data Engineer | 2-4 năm | 30 - 50 triệu | + bonus, stock ở tech |
| Senior Data Engineer | 5-7 năm | 50 - 85 triệu | Mức vị trí này |
| Data Engineering Manager | 7-10 năm | 80 - 130 triệu | Quản lý team |
| Senior Manager / Principal | 10+ năm | 120 - 200 triệu | Quản lý nhiều team |
| Head of Data / CDO | 12+ năm | 200 - 400 triệu+ | C-level track |
Đặc thù ngân hàng:
- Techcombank, Vietcombank, BIDV, VPBank... thường trả tốt hơn ngân hàng nhỏ.
- Lương ngân hàng thường ổn định nhưng có thể thấp hơn fintech 10-20% về cash, bù lại có nhiều phúc lợi (bảo hiểm, thưởng Tết, cổ phiếu ESOP ở một số nơi).
- TCB có chính sách ESOP khá hấp dẫn — nên hỏi HR kỹ về điều này.
📈 Chiến lược phát triển sự nghiệp
Giai đoạn 1: Năm đầu tiên tại Techcombank
- Hòa nhập nhanh, hiểu data landscape của ngân hàng.
- Xây dựng quan hệ với Data Office, IT, Business.
- Đạt 1-2 win lớn về pipeline/optimization có impact đo lường được.
Giai đoạn 2: Năm thứ 2-3
- Lead 1 dự án chiến lược (ví dụ: real-time analytics platform).
- Mentor thành công 2-3 junior engineers.
- Bắt đầu contribute vào data strategy và architecture decision.
Giai đoạn 3: Năm thứ 3-5
- Chuyển sang Data Engineering Manager hoặc chuyên sâu Data Architect.
- Mở rộng network ra ngoài ngân hàng (cộng đồng Data Engineering VN).
- Chia sẻ kiến thức (talk, blog) để xây thương hiệu cá nhân.
🎓 Kỹ năng cần phát triển thêm (Next 12 months)
| Kỹ năng | Tại sao quan trọng | Cách học |
|---|---|---|
| Streaming architecture | Xu hướng real-time banking | Khóa Kafka + Flink |
| Lakehouse (Iceberg/Delta) | Thay thế data lake cũ | Databricks Academy |
| DataOps & CI/CD | Tăng reliability | DataTalks Zoomcamp |
| ML Engineering basics | Làm việc với DS team | Fast.ai, Andrew Ng |
| Financial regulations | Compliance trong ngân hàng | Đọc Nghị định 13/2023, Basel III |
| Leadership & People skills | Cần cho bước lên Manager | Sách "The Manager's Path" |
| Cost optimization | Cloud cost là vấn đề lớn ở ngân hàng | AWS FinOps, GCP cost tools |
| Vietnamese banking domain | Hiểu business ngân hàng VN | Học từ BA, đọc annual report |
🌐 Cơ hội chuyển ngành
Từ vị trí Senior Data Engineer trong ngân hàng, bạn có thể chuyển sang:
- Fintech (Momo, ZaloPay, VNPay, Timo): Lương cao hơn, làm việc nhanh hơn.
- Big Tech (Google, Microsoft, AWS Việt Nam, VinAI): Nếu muốn thử thách công nghệ.
- Foreign bank tại VN (HSBC, Standard Chartered, Citi): Lương USD, văn hóa quốc tế.
- Consulting (McKinsey, BCG, Deloitte): Nếu muốn đa ngành.
- Startup Data platform (Be Group, VNG Cloud): Stock option tiềm năng.
💡 Lời khuyên chân thành: Ngân hàng lớn như Techcombank là "trường học" tuyệt vời để hiểu sâu finance, compliance, scale. Đừng vội rời đi sau 1-2 năm — hãy đủ sức nặng rồi mới "nhảy" để tăng lương 30-50%.
Câu hỏi thường gặp
Câu hỏi rất thực tế. Với vị trí Senior Data Engineer ở một ngân hàng tầm cỡ như Techcombank, yêu cầu thường là 5-7 năm kinh nghiệm thực tế với production data pipeline. Nếu em mới ra trường, khả năng được chọn là rất thấp — HR có thể chưa xem đến CV. Tôi khuyên em nên bắt đầu ở vị trí Junior Data Engineer hoặc Data Analyst trong ngân hàng, hoặc làm 2-3 năm ở công ty outsourcing/startup data trước khi nộp. Đừng ngại làm Junior nhé, vì kinh nghiệm production data trong ngân hàng rất có giá trị về sau.
Đây là bước nhảy khá tự nhiên vì anh đã có SQL vững. Để chuyển sang Data Engineer, anh cần tập trung vào: (1) Python nâng cao — Pandas, xử lý data lớn không vừa RAM; (2) Apache Spark hoặc PySpark; (3) Cloud data platform (ưu tiên AWS hoặc GCP); (4) Apache Airflow hoặc Prefect để orchestrate workflow; (5) Docker + CI/CD cơ bản. Mất khoảng 6-9 tháng học nghiêm túc để có thể apply được. Vị trí Senior thì cần thêm 2-3 năm kinh nghiệm Data Engineer nữa, nhưng vị trí Mid-level (2-4 năm kinh nghiệm) anh hoàn toàn có thể nhắm tới. Bonus nếu anh hiểu thêm về data modeling và ETL design patterns.
Câu hỏi khá phổ biến. Câu trả lời phụ thuộc vào động lực của anh. Fintech thường trả lương cash cao hơn ngân hàng 10-20%, nhưng ngân hàng tầm như Techcombank có những giá trị riêng: (1) Quyền lợi ổn định — bảo hiểm sức khỏe gia đình, thưởng Tết lớn, ESOP; (2) Học được về compliance, data governance, scale lớn; (3) Thương hiệu tốt trên CV — Data Engineer ngân hàng lớn được tin tưởng hơn; (4) Môi trường làm việc bài bản hơn startup. Về cash, anh có thể bị giảm 10-15% nhưng tổng compensation (gồm bonus + ESOP) có thể tương đương. Lời khuyên: đàm phán kỹ, đừng nhận dưới 90% mức hiện tại. Và đừng quên xin offer từ fintech khác để có leverage.
Hai lựa chọn này khác biệt khá nhiều về triết lý. Techcombank (Ngân hàng): dữ liệu tài chính nhạy cảm, yêu cầu compliance cao, scale lớn (triệu khách hàng), tốc độ thay đổi chậm hơn nhưng quy trình bài bản, lương ổn định, phúc lợi tốt. E-commerce (Shopee/Tiki): dữ liệu hành vi người dùng lớn, scale hơn nữa (hàng triệu transaction/ngày), đổi mới nhanh, nhưng áp lực cao và có thể burn out. Về công nghệ, e-commerce thường dùng cutting-edge hơn. Về thương hiệu CV, cả hai đều tốt. Về lương, e-commerce thường cao hơn 15-25%. Lời khuyên: nếu anh thích sự ổn định và finance → chọn Techcombank; nếu thích công nghệ mới và pace nhanh → chọn e-commerce. Cả hai đều tốt cho sự nghiệp.
Techcombank đã công bố chiến lược chuyển đổi số mạnh mẽ trong vài năm gần đây, hợp tác với AWS và các vendor lớn. Theo thông tin từ cộng đồng và tin tuyển dụng, họ có sử dụng cloud data platform hiện đại, tuy nhiên tech stack cụ thể có thể đã thay đổi — tôi khuyên bạn nên hỏi trực tiếp HR hoặc kết nối với nhân viên hiện tại qua LinkedIn để có câu trả lời chính xác. Tuy nhiên, khi phỏng vấn, bạn nên thể hiện rằng mình linh hoạt và có kinh nghiệm với các cloud data platform phổ biến (Snowflake, Databricks, BigQuery) — điều này sẽ giúp ích dù họ dùng stack nào.
Đây là lo ngại hợp lý nhưng phần lớn là sai. Thực tế, các ngân hàng lớn tại Việt Nam như Techcombank đã và đang chuyển đổi số rất mạnh, đầu tư vào cloud (AWS, GCP), data platform hiện đại (Snowflake, Databricks), và machine learning. Bạn vẫn làm việc với Kafka, Spark, Airflow, Terraform — không khác gì công ty tech. Cái khác biệt là: (1) Data ít mới hơn (banking ít đổi data schema); (2) Quy trình approval chậm hơn (compliance); (3) Có nhiều legacy systems hơn. Nhưng đổi lại bạn được học về finance domain, scale data tài chính, và có sự ổn định. Để không lạc hậu: tự học cutting-edge (Lakehouse, Streaming) qua khóa học online, đóng góp open source, hoặc tham gia cộng đồng Data Engineering VN.
Đây là ngã rẽ quan trọng trong sự nghiệp. Cả hai hướng đều tốt, không có lựa chọn sai. Nếu chuyển Manager: bạn sẽ phát triển leadership skills, có impact rộng hơn, dễ lên cấp cao hơn (Director, VP), nhưng sẽ xa code, thu nhập ban đầu có thể không tăng nhiều. Nếu tiếp tục IC (Individual Contributor): bạn có thể thành Principal/Staff Engineer — vẫn làm kỹ thuật, lương tương đương Manager, nhưng đường lên C-level sẽ khó hơn. Lời khuyên: ở tuổi 30-35, nên thử Manager ít nhất 2-3 năm — nếu không hợp, quay lại IC không muộn. Còn nếu bạn thực sự đam mê kỹ thuật và ghét meeting, hãy theo hướng Principal Engineer — nhiều ngân hàng lớn cũng tuyển vị trí này.
Theo phản hồi từ cộng đồng, phỏng vấn Data Engineer ở Techcombank thường ở mức khá, không quá khó như FAANG nhưng cũng không dễ. Vòng technical có SQL nâng cao, Spark, system design, và câu hỏi về data governance trong ngân hàng. So với Vietcombank, Techcombank thiên về tư duy ứng dụng thực tế, ít hỏi lý thuyết hàn lâm hơn. VPBank thì thiên về coding test và case study về fintech lending. Vietcombank thì có thể nặng về compliance và legacy system. Techcombank nằm giữa, hợp lý để chuẩn bị. Chuẩn bị kỹ system design và case study về real-time fraud/transaction là đủ tự tin đi phỏng vấn.
Chia sẻ từ cộng đồng
Mình vừa pass vòng final cho vị trí Senior DE ở TCB tuần trước. Cảm nhận thật là: vòng technical họ hỏi khá practical, không đánh đố kiểu FAANG. Họ quan tâm nhất là: (1) bạn hiểu data pipeline thực tế chạy thế nào, (2) bạn xử lý data quality ra sao, (3) bạn làm việc nhóm với Data Scientist như thế nào. Một điều quan trọng: nhớ research về chiến lược chuyển đổi số của TCB trước khi đi — họ rất thích ứng viên hiểu tầm nhìn của ngân hàng. Đề nghị pay của mình đưa ra 65tr + bonus 3 tháng, họ offer 60tr + 13th salary. Đang cân nhắc.
Mình từng làm ở TCB 2 năm trong khối Data. Nói thật là môi trường rất tốt, tech stack hiện đại, đồng nghiệp giỏi. Nhưng áp lực cũng cao, đặc biệt khi có regulatory report từ NHNN thì OT nhiều. Lương thì so với fintech cùng level thì thấp hơn 15-20% cash, nhưng phúc lợi OK (bảo hiểm cả gia đình, gym, lunch). Điểm cộng lớn nhất là CV — Data Engineer ở TCB được đánh giá cao khi xin việc sau này.
Cảnh báo thật cho anh em: ngân hàng làm data vất vả nhất ở chỗ compliance và security. Mọi thay đổi đều cần approval, không thể move fast như startup. Nếu ai đó thích nhanh và thử cái mới liên tục thì ngân hàng không phải nơi dành cho bạn. Nhưng nếu bạn thích làm production-grade system chạy ổn định nhiều năm với hàng triệu user thì đây là môi trường cực tốt.
Mình đang apply vị trí này, vừa đi HR screening xong. Chia sẻ để anh em nào đi sau biết: vòng HR hỏi khá kỹ về notice period (mình đang 1 tháng là ok), mức lương mong muốn, và đặc biệt là hỏi về kinh nghiệm với data pipeline real-time. Họ cũng hỏi mình biết gì về TCB — câu này nên chuẩn bị trước nha, đừng vào phỏng vấn mà không biết TCB đang hợp tác với AWS trong chiến lược chuyển đổi số. HR khá nhanh, mất 20 phút.
Đã làm Senior DE ở 1 ngân hàng top 4 tại VN 4 năm. Job này yêu cầu mentor junior fellows — mình thấy đây là điểm quan trọng vì nó phân biệt Senior với Mid. Các bạn mới ra trường muốn Senior thì cứ contribute cho cộng đồng (open source, blog, mentoring nhỏ) để tích lũy. Tech stack ngân hàng VN đang ngày càng giống big tech: Spark, Airflow, Kafka, Snowflake/Databricks. Đầu tư học mấy cái này là đúng hướng.
Mình thất bại vòng 3 ở vị trí Senior DE TCB cách đây 2 tháng. Chia sẻ để anh em: vòng system design họ hỏi mình thiết kế real-time fraud detection pipeline, mình chỉ tập trung vào tech mà quên business aspect. Họ hỏi tiếp: 'Nếu compliance không cho phép dùng data X thì làm sao?', mình trả lời không tốt. Lần sau mình sẽ cân bằng giữa tech và business. Cũng có thể họ muốn Senior thực sự chứ không phải chỉ giỏi code.
Ứng tuyển ngay
Ứng tuyển trên website gốcBạn sẽ được chuyển đến trang tuyển dụng chính thức của Techcombank
Chuyên môn / Từ khoá
Mất kết nối mạng
Đang thử kết nối lại
Đã xảy ra lỗi!
Vui lòng chờ trong giây lát