Bỏ qua điều hướng
MBV
MBV

Trưởng/ Phó Phòng - Phòng Phân Tích và Mô Hình Dữ Liệu Bán Lẻ - Vận Hành

Phường Sài Gòn (Quận 1 cũ), Hồ Chí Minh Công nghệ và Dữ liệu
Nhân viên chính thức Thỏa thuận Hạn nộp: 31/10/2026

Mô tả công việc

  • Tiếp nhận, phân tích và thiết kế phương án xử lý các yêu cầu dữ liệu phức tạp, đa nguồn, đa nghiệp vụ.
  • Chuẩn hóa bộ chỉ tiêu, logic tính toán, luồng dữ liệu và quy trình xử lý/cung cấp dữ liệu.
  • Tham gia xây dựng, nâng cấp hệ thống báo cáo/dashboard quản trị KHCN/NHS.
  • Thực hiện chuyên đề phân tích chuyên sâu về khách hàng cá nhân, dòng tiền, danh mục sản phẩm, cơ hội bán thêm bán chéo các sản phẩm
  • Thiết kế/xây dựng mô hình dữ liệu, mô hình đo lường, dự đoán về hành vi và dòng tiền của khách hàng
  • Nghiên cứu ứng dụng AI/ML, tự động hóa và công nghệ phân tích nâng cao trong quản trị vốn, định giá, thị trường và dòng tiền.
  • Cập nhật kiến thức về KHCN, nguồn vốn, quản trị rủi ro, mô hình dữ liệu, AI/ML và kỹ năng điều phối.
  • Thực hiện các nhiệm vụ khác theo phân công của cấp quản lý; tuân thủ quy định, quy trình và bảo mật dữ liệu.

Yêu cầu ứng viên

  • Bằng cấp: Đại học trở lên các chuyên ngành Tài chính, Ngân hàng, Kinh tế, Thống kê, Khoa học dữ liệu, CNTT hoặc ngành liên quan.

Kinh nghiệm:

  • Từ 3-5 năm kinh nghiệm trong phân tích dữ liệu, Phân tích kinh doanh, báo cáo quản trị, KHCN, nguồn vốn, ALM, quản trị rủi ro hoặc mô hình dữ liệu.

  • Ưu tiên kinh nghiệm tại ngân hàng, công ty tài chính, chứng khoán, kiểm toán hoặc tư vấn.

  • Chứng chỉ: Ưu tiên chứng chỉ/khóa đào tạo về SQL, Power BI, Data Analytics, Data Science, FRM/CFA hoặc quản trị rủi ro.

  • Ngoại ngữ: TOEIC 450 trở lên hoặc chứng chỉ tương đương; có khả năng đọc hiểu tài liệu nghiệp vụ/kỹ thuật bằng tiếng Anh.

Quyền lợi

  • Thưởng: Hiệu suất theo NSLĐ tháng/ đánh giá thực hiện công việc của cá nhân theo kỳ

  • Nhà trẻ: Hỗ trợ trông trẻ dành cho CBNV có con trong độ tuổi nhà trẻ, mẫu giáo

  • Cơ hội du lịch: Chương trình du lịch/nghỉ mát thú vị hàng năm

  • Điện thoại: Hỗ trợ phúc lợi điện thoại

  • Đào tạo: Các chương trình đào tạo hấp dẫn, nâng cao kỹ năng, kiến thức cho nhân sự

  • Nghỉ phép có lương: 12 ngày nghỉ phép/năm + 1 ngày nghỉ sinh nhật

  • Chăm sóc sức khoẻ:

  • Bảo hiểm sức khoẻ và tai nạn nhóm cho CBNV/người thân

  • Bảo hiểm công tác nước ngoài

  • Chương trình khám sức khoẻ gia tăng danh mục khám

  • Khác
  • Phụ cấp ăn ca, độc hại, thâm niên, thu hút

  • Phúc lợi trang điểm, đi lại

  • Quà sinh nhật

  • Mừng tuổi CBNV và tứ thân phụ mẫu Tết Nguyên đán

  • Quà tặng CBNV nữ dịp 8/3, 20/10

  • Quà tặng con Tết trung thu, Tết thiếu nhi, Học sinh có thành tích học tập xuất sắc

  • Phúc lợi thâm niên

Phân tích kỹ năng cần có

Phân Tích Kỹ Năng Cần Có Cho Vị Trí Trưởng/Phó Phòng Phân Tích Dữ Liệu Bán Lẻ

1. Hard Skills (Kỹ năng cứng) - Bắt buộc & Ưu tiên cao

a) Kỹ năng dữ liệu và lập trình:

  • SQL nâng cao: Window functions, CTE, optimization truy vấn trên hệ quản trị cơ sở dữ liệu lớn (Oracle, SQL Server, PostgreSQL). Đây là kỹ năng "sống còn" vì ngân hàng có data warehouse riêng, phải truy vấn trực tiếp từ đó.
  • Python/R cho phân tích thống kê và xây dựng mô hình: pandas, scikit-learn, statsmodels. Nếu ứng viên chỉ biết SQL mà không biết Python thì khó làm được mảng AI/ML mà JD yêu cầu.
  • Power BI / Tableau / Qlik: Vẽ dashboard quản trị, KPI tracking, drill-down phân tích. Power BI là lựa chọn phổ biến nhất trong ngân hàng Việt Nam hiện tại.
  • Excel nâng cao: Pivot table, Power Query, VBA - vẫn còn dùng nhiều cho ad-hoc analysis.

b) Kiến thức ngân hàng - Bắt buộc:

  • Hiểu biết sâu về KHCN (Khách hàng cá nhân): Phân khúc khách hàng, hành vi giao dịch, life-cycle, churn rate.
  • NHS (Nguồn vốn không kỳ hạn - CASA): Cách tính, cấu phần, chi phí vốn, tỷ lệ CASA, biên lãi ròng (NIM).
  • ALM (Asset Liability Management): Quản trị rủi ro lãi suất, kỳ hạn đáo hạn, GAP phân tích.
  • Sản phẩm bán lẻ: Tiền gửi tiết kiệm, tiền gửi thanh toán, thẻ tín dụng, cho vay cá nhân, bảo hiểm liên kết ngân hàng (Bancassurance).
  • Cross-selling / Up-selling: Framework phân tích cơ hội bán thêm, bán chéo.

c) Mô hình dữ liệu và AI/ML:

  • Data modeling: Star schema, snowflake, data vault - thiết kế kho dữ liệu phục vụ phân tích.
  • Predictive modeling: Churn prediction, propensity to buy, customer lifetime value (CLV), cash flow forecasting.
  • Segmentation: RFM analysis, clustering (K-means, DBSCAN), persona building.
  • Time series: ARIMA, Prophet cho dự báo dòng tiền.

2. Soft Skills (Kỹ năng mềm) - Đặc biệt quan trọng vì vị trí quản lý

  • Tư duy phản biện và tư duy hệ thống: Nhìn ra bức tranh lớn, kết nối các chỉ tiêu rời rạc thành insight hành động được.
  • Kỹ năng điều phối và lãnh đạo: Quản lý team analyst, phân công task, review chất lượng, mentoring.
  • Giao tiếp và kể chuyện bằng dữ liệu (Data Storytelling): Trình bày insight cho ban lãnh đạo, không chỉ đưa con số mà phải kèm khuyến nghị.
  • Quản lý stakeholder: Làm việc với nhiều phòng ban (Kinh doanh, Rủi ro, Vận hành, IT) - kỹ năng chính trị nội bộ cũng cần.
  • Tiếng Anh đọc hiểu tài liệu kỹ thuật: TOEIC 450 là mức tối thiểu, thực tế cần 600+ để đọc paper, tài liệu ML.

3. Bảng So Sánh Các Chứng Chỉ Gợi Ý

Chứng chỉLĩnh vựcĐộ khóThời gian họcChi phí ước tínhMức độ ưu tiên tại MB
FRM (Financial Risk Manager)Quản trị rủi roCao12-18 tháng25-40 triệu⭐⭐⭐⭐⭐
CFA Level 1-3Tài chính tổng quátCao18-30 tháng30-50 triệu⭐⭐⭐⭐
Google Data AnalyticsPhân tích dữ liệuTrung bình3-6 tháng4-6 triệu⭐⭐⭐⭐
Microsoft Power BI Data AnalystBI/DashboardTrung bình2-3 tháng3-5 triệu⭐⭐⭐⭐⭐
IBM Data Science ProfessionalData Science/MLTrung bình6-9 tháng4-6 triệu⭐⭐⭐
AWS Certified Data AnalyticsCloud DataCao3-6 tháng5-8 triệu⭐⭐⭐
Coursera Machine Learning (Andrew Ng)AI/ML cơ bảnTrung bình3-4 thángMiễn phí - 2 triệu⭐⭐⭐⭐

Khuyến nghị: Với vị trí này, ưu tiên học Power BI + SQL nâng cao trước (ngắn hạn, dùng ngay), sau đó học thêm FRM Level 1 hoặc chứng chỉ Data Analytics để bổ sung profile.


4. Lộ Trình Học Tập Gợi Ý Theo Cấp Độ

Sinh viên năm cuối / Mới ra trường (chưa đủ điều kiện):

  • Học SQL, Python, Power BI qua các khóa online
  • Làm project cá nhân phân tích dữ liệu tài chính
  • Thực tập tại phòng Data ngân hàng

Người có 2-3 năm kinh nghiệm (có thể apply Phó phòng ở một số trường hợp):

  • Lấy chứng chỉ Power BI hoặc Google Data Analytics
  • Tích lũy kinh nghiệm về ngân hàng bán lẻ, CASA, sản phẩm
  • Học thêm về ALM và quản trị rủi ro

Người có 4-5+ năm kinh nghiệm (ứng viên chính của vị trí này):

  • Cần có portfolio các dự án data analytics trong ngân hàng
  • Có kinh nghiệm quản lý team nhỏ (3-5 người)
  • Có khả năng xây dựng mô hình dự báo thực tế

Chuẩn bị phỏng vấn

Hướng Dẫn Phỏng Vấn Chi Tiết Cho Vị Trí Trưởng/Phó Phòng Phân Tích Dữ Liệu - MB Bank

Quy Trình Phỏng Vấn Dự Kiến (4-5 vòng)

Vòng 1: HR Screening (30-45 phút)

  • Giới thiệu bản thân, kinh nghiệm, lý do ứng tuyển
  • Xác nhận mức lương kỳ vọng, thời gian có thể đi làm
  • Kiểm tra bằng cấp, chứng chỉ, TOEIC
  • Trao đổi sơ bộ về vị trí, môi trường làm việc

Vòng 2: Phỏng vấn chuyên môn kỹ thuật (60-90 phút)

  • Trưởng phòng trực tiếp hoặc Giám đốc Khối Công nghệ & Dữ liệu
  • Câu hỏi SQL, data modeling, dashboard, phân tích nghiệp vụ ngân hàng
  • Có thể có bài test case study thực tế (làm tại chỗ hoặc take-home)

Vòng 3: Phỏng vấn nâng cao - Quản lý & Kinh doanh (60 phút)

  • Phó Tổng Giám đốc hoặc Giám đốc Khối
  • Câu hỏi về tầm nhìn, chiến lược dữ liệu, đóng góp cho kinh doanh bán lẻ
  • Đánh giá khả năng lãnh đạo, kết nối business và data

Vòng 4: Phỏng vấn với Phó Tổng hoặc Tổng Giám đốc (45-60 phút)

  • Đánh giá văn hóa ngân hàng, tinh thần MB (MB - Maison Blanche, truyền thống quân đội)
  • Câu hỏi về định hướng dài hạn, giá trị cá nhân
  • Đàm phán cuối cùng về mức lương, cấp bậc

Vòng 5 (có thể): Tham quan văn phòng, gặp team, làm việc thử 1-2 ngày


Câu Hỏi Phỏng Vấn Thường Gặp Theo Từng Vòng

Vòng HR:

  1. "Giới thiệu ngắn gọn về bản thân và lý do bạn chọn MB?"
  2. "Mức lương hiện tại và kỳ vọng là bao nhiêu?"
  3. "Bạn có thể bắt đầu làm việc khi nào?"
  4. "Tại sao bạn rời khỏi công ty cũ (hoặc muốn chuyển việc)?"
  5. "Bạn biết gì về văn hóa MB?"

Vòng Chuyên môn - SQL & Data: 6. "Viết truy vấn SQL để tính tổng số dư tiền gửi tiết kiệm của từng khách hàng trong 6 tháng gần nhất, sắp xếp theo top 10." 7. "Sự khác biệt giữa INNER JOIN, LEFT JOIN, FULL OUTER JOIN? Khi nào dùng mỗi loại?" 8. "Làm thế nào để tối ưu truy vấn chậm trên bảng có 100 triệu records?" 9. "Giải thích cách bạn thiết kế dashboard quản trị cho Khối Bán lẻ - những KPI nào quan trọng?" 10. "Phân biệt DAX và Power Query trong Power BI?"

Vòng Chuyên môn - Ngân hàng: 11. "CASA là gì? Tại sao CASA quan trọng với ngân hàng? Làm sao để tăng tỷ lệ CASA?" 12. "NIM là gì? Những yếu tố nào ảnh hưởng đến NIM?" 13. "Phân tích dòng tiền khách hàng cá nhân cần những chỉ tiêu nào?" 14. "Làm thế nào để xác định cơ hội cross-selling từ dữ liệu?" 15. "ALM là gì? Bạn hiểu thế nào về GAP lãi suất?"

Vòng AI/ML: 16. "Bạn đã từng xây dựng mô hình dự đoán nào? Quy trình như thế nào?" 17. "Làm sao để dự báo churn rate khách hàng? Những biến nào cần thiết?" 18. "Overfitting là gì? Làm sao để tránh?" 19. "Precision vs Recall trong bài toán phân loại khách hàng - chọn metric nào?"

Vòng Quản lý: 20. "Bạn đã quản lý bao nhiêu người? Phong cách lãnh đạo của bạn?" 21. "Làm sao để đánh giá hiệu suất của một data analyst?" 22. "Team bạn phải làm 3 dự án cùng lúc, ưu tiên như thế nào?" 23. "Nếu ban lãnh đạo yêu cầu một dashboard trong 3 ngày nhưng dữ liệu chưa sẵn sàng, bạn xử lý ra sao?"


Tips Chuẩn Bị Quan Trọng

Về hồ sơ:

  • Chuẩn bị CV theo format MB yêu cầu (nếu có), nhấn mạnh số liệu thành tích: "Tăng tỷ lệ CASA 15%", "Xây dựng dashboard tiết kiệm 20 giờ báo cáo/tuần"
  • Chuẩn bị portfolio các dự án data (tối đa 3-4 dự án nổi bật)
  • Mang theo bằng cấp, chứng chỉ bản gốc để đối chiếu

Về kiến thức:

  • Đọc báo cáo thường niên MB gần nhất để hiểu chiến lược bán lẻ
  • Tìm hiểu chiến lược chuyển đổi số của MB (MBMart, App MBBank, AI Camera)
  • Cập nhật tin tức ngân hàng 1-2 tuần trước phỏng vấn

Về tâm lý:

  • Đây là vị trí quản lý (Trưởng/Phó phòng), câu trả lời cần thể hiện tư duy chiến lược, không chỉ là "người làm"
  • Chuẩn bị câu hỏi ngược lại cho nhà tuyển dụng: cấu trúc team, công cụ đang dùng, KPI phòng, ngân sách đào tạo

Dress Code

  • Nữ: Áo sơ mi trắng/be, quần tây hoặc chân váy ngang gối, giày cao gót thấp, tóc gọn gàng, trang điểm nhẹ nhàng. Tránh màu mè, hở hang quá mức.
  • Nam: Áo sơ mi trắng/xanh nhạt, quần tây, giày da, thắt lưng, tóc cắt gọn. Có thể mặc vest nhưng không bắt buộc (trừ vòng phỏng vấn cuối với cấp cao).
  • Lưu ý: MB có văn hóa khá formal so với một số ngân hàng khác, ăn mặc chỉn chu thể hiện sự tôn trọng.

Lộ trình ôn thi

Lộ Trình Ôn Tập & Chuẩn Bị Trong 1-2 Tuần

Tuần 1: Nền tảng kiến thức ngân hàng và kỹ thuật

Ngày 1-2: Kiến thức ngân hàng bán lẻ

  • Đọc tài liệu về sản phẩm bán lẻ MB: Tiền gửi tiết kiệm, tiền gửi thanh toán, thẻ tín dụng, cho vay mua nhà, mua xe, tiêu dùng
  • Tìm hiểu chiến lược MB Bán lẻ: phân khúc khách hàng (Mass, Affluent, Private), cách MB phân nhóm
  • Tìm hiểu các chỉ tiêu quan trọng: CASA ratio, NIM, NPL, CIR, ROA, ROE
  • Tài liệu: Báo cáo thường niên MB, trang investor.mbbank.com.vn

Ngày 3-4: Kiến thức nâng cao - ALM, rủi ro, quản trị vốn

  • Học về Asset Liability Management: GAP phân tích, duration, interest rate risk
  • Đọc về Basel II/III (tóm tắt), cách ngân hàng quản trị vốn
  • Tìm hiểu về quy trình quản trị rủi ro thanh khoản, rủi ro lãi suất
  • Tài liệu gợi ý: Sách "Nghiệp vụ ngân hàng thương mại" của TS. Nguyễn Minh Kiều, tài liệu NHNN

Ngày 5-7: SQL & Data Modeling

  • Luyện SQL trên LeetCode, HackerRank (chọn bài Medium-Hard về Window Functions, CTE)
  • Luyện thiết kế data warehouse: Star schema cho ngân hàng (fact tables: giao dịch, số dư; dim tables: khách hàng, sản phẩm, thời gian)
  • Thực hành: Viết query tính các chỉ tiêu CASA theo chi nhánh, theo phân khúc khách hàng

Tuần 2: Power BI, AI/ML và luyện phỏng vấn

Ngày 8-9: Power BI nâng cao

  • Học DAX cơ bản đến nâng cao: CALCULATE, FILTER, ALL, TIME INTELLIGENCE (YTD, MTD, QTD, YoY)
  • Thực hành xây dựng dashboard mẫu: Dashboard theo dõi CASA, Dashboard bán chéo sản phẩm, Dashboard phân tích dòng tiền
  • Tham khảo: Microsoft Learn (miễn phí), kênh YouTube "Power BIvn"

Ngày 10-11: AI/ML cơ bản cho ứng viên

  • Học Python: pandas, scikit-learn, matplotlib, seaborn
  • Project thực hành: Dự báo churn khách hàng dùng Logistic Regression / Random Forest
  • Project: Phân cụm khách hàng bằng K-means (RFM analysis)
  • Tài liệu: Coursera "Machine Learning" của Andrew Ng, Kaggle micro-courses

Ngày 12-13: Chuẩn bị cho phỏng vấn

  • Viết lại CV theo hướng định lượng, có số liệu cụ thể
  • Chuẩn bị 5-7 câu chuyện dự án theo format STAR (Situation-Task-Action-Result)
  • Luyện trả lời câu hỏi SQL ra giấy (không dùng máy)
  • Đọc lại 5-7 tin tức MB mới nhất

Ngày 14: Mock interview

  • Tự luyện hoặc nhờ bạn bè đóng vai HR, lead phỏng vấn
  • Quay video để xem lại ngôn ngữ cơ thể, tốc độ nói
  • Mặc thử trang phục phỏng vấn để chắc chắn thoải mái

Tài Liệu Tham Khảo Cụ Thể

Sách:

  • "Ngân hàng thương mại" - TS. Nguyễn Minh Kiều (NXB Tài chính)
  • "Data Science for Business" - Foster Provost, Tom Fawcett
  • "Storytelling with Data" - Cole Nussbaumer Knaflic
  • "Hands-On Machine Learning with Scikit-Learn and TensorFlow" - Aurélien Géron

Khóa học online:

  • Coursera: Google Data Analytics Certificate, IBM Data Science
  • Udemy: SQL for Data Analysis, Power BI Desktop
  • DataCamp: Python for Finance
  • LinkedIn Learning: Financial Analysis

Trang web/tạp chí:

  • cafef.vn, vietstock.vn (tin tài chính)
  • mbbank.com.vn (báo cáo thường niên)
  • nhadautu.vn (phân tích ngân hàng)
  • Medium - Towards Data Science (bài viết về data trong tài chính)

Cộng đồng:

  • Group Facebook: "Power BI Việt Nam", "Data Analytics Vietnam"
  • Forum: dvms.vn, tuhocvba.com
  • LinkedIn: Follow các KOL về Data Analytics tại Việt Nam

Tư vấn nghề nghiệp

Lời Khuyên Sự Nghiệp Cho Vị Trí Trưởng/Phó Phòng Phân Tích Dữ Liệu Bán Lẻ

Lộ Trình Thăng Tiến Trong Lĩnh Vực Data Ngân Hàng

Data Analyst / Chuyên viên phân tích (0-2 năm)
        ↓
Chuyên viên cao cấp / Senior Analyst (2-4 năm)
        ↓
Phó Trưởng phòng / Trưởng nhóm (3-6 năm)  ← VỊ TRÍ ĐANG TUYỂN
        ↓
Trưởng phòng / Data Science Manager (5-10 năm)
        ↓
Phó Giám đốc Khối Công nghệ & Dữ liệu / CDO (10+ năm)
        ↓
Giám đốc Khối / Thành viên Ban điều hành

Hướng Phát Triển Chuyên Sâu (Track Chuyên gia)

Nếu bạn không muốn đi theo con đường quản lý, có thể đi theo hướng chuyên gia:

  • Data Scientist cao cấp → Chuyên gia AI/ML trong ngân hàng
  • Data Architect → Kiến trúc sư dữ liệu
  • Chief Data Officer (CDO) → Người đứng đầu bộ máy dữ liệu toàn ngân hàng

Tại MB, cơ hội thăng tiến khá tốt vì ngân hàng đang đẩy mạnh chuyển đổi số mạnh mẽ. Các vị trí CDO, Head of Data Science tại MB hiện tại đều có thể coi là đích đến cho người giỏi.


Mức Lương Kỳ Vọng Theo Cấp Bậc (Ước lượng tham khảo)

Cấp bậcKinh nghiệmMức lương tháng (ước lượng)Ghi chú
Chuyên viên phân tích0-2 năm15-25 triệuMức khởi điểm
Senior Analyst2-4 năm25-40 triệuĐã có chuyên môn sâu
Phó Trưởng phòng3-5 năm35-55 triệuVị trí đang tuyển
Trưởng phòng5-8 năm50-80 triệuVị trí đang tuyển
Phó Giám đốc Khối8-12 năm80-150 triệuRất hiếm
Giám đốc Khối12+ năm150-300 triệu + ESOPCấp C-level

⚠️ Lưu ý quan trọng: Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Con số trên là ước lượng tham khảo dựa trên mặt bằng chung thị trường. Mức thực tế phụ thuộc vào:

  • Quy mô ngân hàng (Top 4 thường cao hơn ngân hàng nhỏ)
  • Tỉnh thành (HCM, Hà Nội cao hơn tỉnh)
  • Năng lực đàm phán của ứng viên
  • Các khoản thưởng hiệu suất, lương tháng 13, thưởng Tết, phúc lợi khác
  • Đối với vị trí cấp Trưởng/Phó phòng ở MB, tổng thu nhập bao gồm lương + thưởng + phụ cấp có thể lên tới 60-100 triệu/tháng cho Phó phòng và 80-150 triệu/tháng cho Trưởng phòng.

Kỹ Năng Cần Phát Triển Thêm Để Thăng Tiến

Ngắn hạn (3-6 tháng tới):

  • Lấy chứng chỉ Power BI Data Analyst Associate (Microsoft)
  • Hoàn thiện kỹ năng SQL nâng cao và Data Modeling
  • Đọc sách "Storytelling with Data" để cải thiện kỹ năng trình bày

Trung hạn (6-18 tháng):

  • Học sâu về Machine Learning, đặc biệt là các bài toán ngân hàng (churn, fraud, credit scoring)
  • Lấy FRM Level 1 (nếu muốn đi sâu vào rủi ro) hoặc CFA Level 1 (nếu muốn hiểu tài chính rộng hơn)
  • Tích lũy kinh nghiệm quản lý team 3-5 người

Dài hạn (2-5 năm):

  • Phát triển kỹ năng lãnh đạo cấp cao: strategic thinking, stakeholder management
  • Học thêm về Cloud (AWS, Azure, GCP) và Data Engineering
  • Xây dựng personal brand trong cộng đồng Data Việt Nam (viết blog, diễn thuyết)
  • Cân nhắc chương trình MBA nếu muốn thăng tiến lên cấp Giám đốc

Lời Khuyên Thực Tế Từ Người Đi Trước

  1. Đừng chỉ làm "data boy": Vị trí Trưởng/Phó phòng đòi hỏi phải nghĩ chiến lược. Hãy tập trả lời câu hỏi "tại sao" và "làm sao để" thay vì chỉ "làm gì".

  2. Hiểu business trước khi hiểu data: Nhiều analyst giỏi kỹ thuật nhưng không hiểu ngân hàng hoạt động ra sao. Hãy đọc báo cáo kinh doanh, nói chuyện với chi nhánh, hiểu KPI thực tế.

  3. Xây dựng network nội bộ: Ở vị trí quản lý, network quan trọng không kém năng lực. Hãy chủ động kết nối với các phòng ban khác, đặc biệt là Kinh doanh và Rủi ro.

  4. Cân nhắc thời gian làm việc: Ngân hàng lớn như MB có áp lực khá lớn, đặc biệt khi sắp đến kỳ báo cáo (cuối quý, cuối năm). Cân nhắc work-life balance trước khi ứng tuyển.

  5. Chuẩn bị cho sự thay đổi liên tục: Ngân hàng đang trong giai đoạn chuyển đổi số mạnh mẽ, công nghệ và quy trình thay đổi liên tục. Người thích nghi nhanh sẽ có lợi thế.

Câu hỏi thường gặp

Em mới ra trường ngành Khoa học Dữ liệu, có thể ứng tuyển vị trí Trưởng/Phó phòng này được không?

Câu trả lời ngắn gọn là: Chưa phù hợp. Vị trí này yêu cầu 3-5 năm kinh nghiệm, đặc biệt ưu tiên ứng viên đã làm trong ngân hàng hoặc tổ chức tài chính. Với sinh viên mới ra trường, em nên nhắm vào các vị trí như: Chuyên viên phân tích dữ liệu (Data Analyst), Chuyên viên phân tích kinh doanh, hoặc Chuyên viên BI tại ngân hàng. Sau 2-3 năm tích lũy kinh nghiệm thực tế, đặc biệt là về sản phẩm bán lẻ, CASA, ALM, em hoàn toàn có thể thăng tiến lên các vị trí quản lý. Trong thời gian chờ đợi, em nên tập trung học SQL, Power BI, Python và tìm hiểu sâu về nghiệp vụ ngân hàng bán lẻ - đây là nền tảng quan trọng nhất.

Tôi đang làm Data Analyst ở công ty fintech được 2 năm, muốn chuyển sang ngân hàng để phát triển, có nên apply không?

Đây là hướng đi rất tốt và bạn có lợi thế nhất định. Kinh nghiệm ở fintech giúp bạn có tư duy data-driven và kỹ năng công nghệ hiện đại. Tuy nhiên, để ứng tuyển vị trí này, bạn cần bổ sung: (1) Hiểu biết về sản phẩm ngân hàng truyền thống - bạn nên đọc tài liệu về CASA, cho vay, thẻ, bảo hiểm liên kết; (2) Hiểu về quản trị rủi ro và ALM - đây là phần fintech thường ít quan tâm; (3) Có kinh nghiệm quản lý team nhỏ - vị trí này là cấp quản lý. Bạn có thể apply vị trí Senior Data Analyst hoặc Team Lead trước, sau đó thăng tiến lên. Lưu ý: Khi chuyển từ fintech sang ngân hàng, có thể bạn sẽ thấy quy trình chậm hơn nhưng bù lại có nhiều dữ liệu phong phú hơn và cơ hội thăng tiến rõ ràng hơn.

Mức lương cho vị trí Trưởng phòng Phân tích Dữ liệu tại MB khoảng bao nhiêu? Có thể đàm phán được không?

Mức lương ghi trong JD là "Thỏa thuận" - nghĩa là có thể đàm phán dựa trên năng lực. Mức lương có thể thay đổi tùy ngân hàng và thời điểm, nhưng ước lượng cho vị trí tương đương: Phó Trưởng phòng khoảng 35-55 triệu/tháng, Trưởng phòng khoảng 50-80 triệu/tháng. Tổng thu nhập bao gồm thưởng hiệu suất, lương tháng 13, thưởng Tết, phụ cấp có thể lên tới 60-100 triệu/tháng cho Phó phòng và 80-150 triệu/tháng cho Trưởng phòng. Để đàm phán tốt, bạn cần: (1) Có offer từ công ty khác hoặc mức lương hiện tại tốt; (2) Chứng minh được giá trị mang lại qua các dự án cụ thể; (3) Có chứng chỉ chuyên môn (FRM, CFA, Power BI) sẽ là lợi thế lớn; (4) Hiểu rõ mức lương thị trường từ các nguồn như VietnamSalary, ITviec, TopCV.

Yêu cầu TOEIC 450 có bắt buộc không? Tôi có chứng chỉ IELTS thì có được chấp nhận không?

TOEIC 450 là mức "trở lên" trong JD, nghĩa là đây là yêu cầu tối thiểu và bạn có thể thay thế bằng các chứng chỉ tương đương. IELTS hoàn toàn được chấp nhận, thậm chí còn có giá trị hơn vì đánh giá cả 4 kỹ năng. Theo khung tham chiếu, IELTS 4.0-4.5 tương đương TOEIC 450. Tuy nhiên, nếu bạn có IELTS 6.0 trở lên, đó sẽ là lợi thế rất lớn vì vị trí này yêu cầu đọc hiểu tài liệu kỹ thuật bằng tiếng Anh. Ngoài IELTS, các chứng chỉ khác được công nhận: TOEFL iBT (45+), Cambridge English (B1 PET trở lên), hoặc bằng tốt nghiệp đại học chính quy ngành ngôn ngữ Anh. Mẹo nhỏ: Trong CV, hãy ghi rõ điểm TOEIC hoặc IELTS để HR dễ đánh giá.

Tôi có 5 năm kinh nghiệm ở phòng ALM của ngân hàng khác, có phù hợp với vị trí này không?

Có, bạn rất phù hợp! Kinh nghiệm ALM là một trong những yêu cầu ưu tiên hàng đầu của vị trí này, vì JD có đề cập đến "nguồn vốn, ALM, quản trị rủi ro". Tuy nhiên, vị trí này thiên về phân tích dữ liệu và xây dựng mô hình hơn là ALM thuần túy. Bạn cần chuẩn bị thêm về: (1) Kỹ năng data analysis thực chiến (SQL, Python, Power BI); (2) Kinh nghiệm xây dựng dashboard và báo cáo quản trị; (3) Khả năng ứng dụng AI/ML vào bài toán ngân hàng. Hãy nhấn mạnh trong CV những dự án ALM mà bạn đã làm có yếu tố phân tích dữ liệu, dự báo, hoặc xây dựng mô hình. Nếu bạn đã từng phối hợp với phòng Data hoặc BI, hãy kể rõ. Nhiều ứng viên từ phòng ALM, Rủi ro, hoặc Treasury chuyển sang Data rất thuận lợi vì họ hiểu sâu nghiệp vụ.

So với làm Data ở công ty công nghệ (FPT, VNG, Tiki), làm Data ở ngân hàng có gì khác biệt?

Có sự khác biệt khá lớn về môi trường và cách làm việc. Ở công ty công nghệ: Quy trình Agile/Scrum, tốc độ ra sản phẩm nhanh, dữ liệu thường là dữ liệu hành vi người dùng (clickstream, event), văn hóa khá flat, có thể làm remote. Ở ngân hàng (như MB): Quy trình còn khá waterfall, nhiều báo cáo định kỳ, dữ liệu chủ yếu là giao dịch tài chính (transactions, balances), văn hóa phân cấp rõ ràng, làm việc tại văn phòng. Tuy nhiên, ngân hàng cũng có lợi thế riêng: (1) Dữ liệu phong phú và có giá trị kinh tế cao; (2) Quy trình quản trị dữ liệu chặt chẽ, học được bài bản; (3) Ngân sách đầu tư công nghệ lớn (đặc biệt là MB); (4) Phúc lợi tốt hơn công ty tech nhỏ. Nếu bạn thích làm sản phẩm nhanh, sáng tạo nhiều, công ty tech phù hợp. Nếu bạn muốn ổn định, có data thực tế giá trị cao, và thăng tiến rõ ràng, ngân hàng là lựa chọn tốt.

Tôi nên học FRM hay CFA để phù hợp với vị trí này?

Cả hai đều có giá trị, nhưng tùy mục tiêu của bạn. FRM (Financial Risk Manager): Phù hợp hơn nếu bạn muốn đi sâu vào quản trị rủi ro, ALM, Basel II/III. Vị trí này đề cập nhiều đến quản trị rủi ro nên FRM sẽ là lựa chọn tốt hơn. FRM cũng có 2 phần thi, mỗi phần 4 giờ, độ khó vừa phải. CFA (Chartered Financial Analyst): Phù hợp nếu bạn muốn hiểu rộng về tài chính, đầu tư, phân tích doanh nghiệp. CFA có 3 level, mỗi level thi 6 giờ, độ khó cao và thời gian học dài (18-30 tháng cho cả 3 level). Khuyến nghị: Nếu bạn cần chứng chỉ nhanh để bổ sung CV, hãy chọn FRM Level 1 (học 3-6 tháng). Nếu bạn có thời gian dài hạn và muốn xây dựng profile toàn diện, CFA sẽ có giá trị hơn. Tuy nhiên, với vị trí cụ thể này, một số chứng chỉ kỹ thuật như Power BI, Google Data Analytics có thể mang lại ROI nhanh hơn.

Cơ hội thăng tiến từ Phó phòng lên Trưởng phòng tại MB mất bao lâu?

Trung bình từ 2-4 năm từ Phó phòng lên Trưởng phòng tại MB, tùy thuộc vào nhiều yếu tố. Yếu tố thuận lợi: (1) Hiệu suất công việc tốt liên tục; (2) Phòng/ban mở rộng quy mô tạo cơ hội; (3) Có quan hệ tốt với cấp trên; (4) Đạt được kết quả kinh doanh cụ thể. Yếu tố bất lợi: (1) Cơ cấu tổ chức không thay đổi; (2) Cạnh tranh nội bộ; (3) Chưa đáp ứng đủ năng lực theo yêu cầu mới. MB là ngân hàng đang trong giai đoạn tăng trưởng mạnh, đặc biệt mảng bán lẻ và số, nên cơ hội thăng tiến nhiều hơn so với các ngân hàng truyền thống đã bão hòa. Tuy nhiên, cạnh tranh cũng rất gay gắt vì thu hút nhiều nhân tài. Mẹo: Trong quá trình làm việc ở vị trí Phó phòng, hãy chủ động đề xuất sáng kiến, tham gia các dự án chiến lược, xây dựng quan hệ với các phòng ban khác để tăng visibility với ban lãnh đạo.

Chia sẻ từ cộng đồng

Ẩ
Ẩn danh 2025-01-15

Mình làm ở MB được 3 năm rồi, mảng data retail. Nói thật là áp lực khá lớn, đặc biệt là cuối quý và cuối năm. Nhưng bù lại học được rất nhiều, data dày và phong phú. Vị trí này apply được thì nên thử vì lương và phúc lợi MB rất tốt, văn hóa cũng fair hơn nhiều ngân hàng khác.

M
Minh T*** 2025-01-18

Cảm ơn bài phân tích chi tiết quá. Mình đang chuẩn bị apply, có ai biết MB đang dùng stack công nghệ gì không? Mình thấy họ nhắc đến Data Lake, có phải dùng AWS không các bạn?

Ẩ
Ẩn danh 2025-01-20

Lưu ý cho ai đang định apply: vị trí này thực tế sẽ phải làm việc với rất nhiều stakeholder từ kinh doanh đến IT. Nếu bạn chỉ giỏi kỹ thuật mà kỹ năng giao tiếp yếu thì sẽ khó sống. Mình thấy nhiều bạn analyst giỏi code nhưng fail ở vòng phỏng vấn cuối vì không truyền tải được insight.

H
Hoa N*** 2025-01-22

Mình từng phỏng vấn vị trí tương tự ở MB cách đây 6 tháng. Quy trình kéo dài khoảng 3 tuần, tổng cộng 4 vòng. Vòng 2 có bài test SQL trên giấy khá nặng. Chuẩn bị kỹ phần này nhé các bạn. Vòng cuối với Phó Tổng thì chủ yếu hỏi về tầm nhìn chiến lược và văn hóa MB.

n
newbie_bank 2025-01-25

Mình mới ra trường được 1 năm, làm ở phòng kế toán ngân hàng nhỏ. Thấy vị trí này hơi quá sức, nhưng JD ghi 3-5 năm là mức "từ", tức là có thể flex. Có ai biết MB có nhận ứng viên ít kinh nghiệm hơn không, hay là họ sẽ tự đẩy xuống vị trí thấp hơn?

Ẩ
Ẩn danh 2025-01-28

Cảnh báo thật: Phỏng vấn ở MB vòng cuối thường có câu hỏi về việc có chấp nhận làm thêm giờ không, có sẵn sàng cống hiến không. Mặc dù trên JD không ghi nhưng thực tế ngân hàng lớn nào cũng vậy, đặc biệt giai đoạn cuối năm. Chuẩn bị tâm lý trước nhé.

T
Tuấn A*** 2025-02-02

Mình đã làm Phó phòng Data ở một ngân hàng top 10 được 2 năm, đang cân nhắc apply. Theo mọi người, mức lương Phó phòng ở MB có cạnh tranh được với Vietcombank, Techcombank, VPBank không? Mình nghe nói MB trả tốt nhưng cũng cần update chính xác.

t
timviec_hn 2025-02-05

Bài viết rất chi tiết và bổ ích. Mình đang làm Senior Data Analyst ở Hà Nội, muốn apply vị trí này nhưng ngại chuyển vào Sài Gòn. Có ai biết MB có chính sách hỗ trợ nhà ở hoặc công tác phí cho người tỉnh khác không ạ?

Ứng tuyển ngay

Ứng tuyển trên website gốc

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

Chuẩn bị thi tuyển

Luyện đề thi tuyển dụng MBV trên thithu.com

Luyện thi MBV

Chuyên môn / Từ khoá

mbv
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.