[TT KT&KHDL]_Trưởng phòng Khoa học dữ liệu
Mô tả công việc
[TT KT&KHDL]_Trưởng phòng Khoa học dữ liệu Số lượng tuyển dung: 01 Địa điểm làm việc: Trụ sở chính Thời gian nhận hồ sơ: Hết ngày 27/10/2026 Nơi làm việc: Phòng Khoa học dữ liệu thuộc Trung tâm Kỹ thuật và khoa học dữ liệu, Trụ sở chính VCB Lưu ý: Trung tâm Kỹ thuật và khoa học dữ liệu đồng thời tuyển dụng 04 vị trí Lãnh đạo Phòng thuộc Trung tâm. Ứng viên chỉ lựa chọn nộp hồ sơ DUY NHẤT 01 vị trí. Ứng viên vi phạm quy định sẽ bị xem xét hủy kết quả ứng tuyển. I. Mô tả công việc: Tham mưu, giúp việc cho Ban Giám đốc Trung tâm trong công tác tối ưu hóa việc sử dụng dữ liệu trong ngân hàng; xác định các sáng kiến đổi mới sáng tạo để tăng giá trị và hiệu quả kinh doanh, đồng thời đánh giá dữ liệu để xác định các kiểu hành vi mới của khách hàng hoặc hoạt động kinh doanh.
- Chỉ đạo chung hoạt động của phòng: a) Xây dựng, chỉ đạo triển khai và giám sát thực hiện kế hoạch, chương trình công tác của phòng để đảm bảo triển khai các công việc được giao. b) Quản lý, phân công và đánh giá hiệu quả công việc của các cán bộ trong phòng theo quy định.
- Chỉ đạo và giám sát việc thực hiện các chức năng nhiệm vụ của phòng: a) Chỉ đạo thiết kế và quản lý các kỹ thuật mới trong xây dựng mô hình từ dữ liệu: Phối hợp với các Phòng/đơn vị trực thuộc Khối Dữ liệu để xây dựng các mô hình học máy/trí tuệ nhân tạo/học sâu nâng cao để hỗ trợ các sáng kiến kinh doanh; phối hợp với Phòng Phân tích và Sản phẩm dữ liệu (Trung tâm Quản trị và ứng dụng dữ liệu) để hiểu rõ nhu cầu sử dụng dữ liệu (use case) nhằm tạo các mô hình cần thiết và phối hợp với Phòng Kỹ thuật dữ liệu để thu thập và sử dụng dữ liệu cần thiết trong chuỗi cung ứng của Nhà máy dữ liệu; chỉ đạo xây dựng các mô hình phân tích cần thiết liên quan tới kinh doanh dựa trên yêu cầu của bộ phận nghiệp vụ; chỉ đạo xây dựng cơ cấu quản lý mô hình và cho phép tái sử dụng trên nhiều yêu cầu, đo lường việc tái sử dụng để hiểu rõ mức độ hiệu quả trong thiết kế của các mô hình. b) Chỉ đạo đề xuất và triển khai các sáng kiến sử dụng dữ liệu không thuộc phạm vi của các đơn vị khác: Nghiên cứu, tìm kiếm các mô hình mới có tác động thay đổi hoạt động kinh doanh và tạo ra các cơ hội mới cho VCB; hiểu về ứng dụng của các mô hình mới và phối hợp với bộ phận nghiệp vụ, Phòng Phân tích và sản phẩm dữ liệu để xác định cách thức triển khai hiệu quả. c) Chỉ đạo nghiên cứu về kỹ thuật và dịch vụ xây dựng mô hình phục vụ kinh doanh: Tìm hiểu các kỹ thuật nâng cao về phân tích dữ liệu và xác định giá trị đối với tổ chức để đề xuất lên Ban Giám đốc Trung tâm, Ban Giám đốc Khối Dữ liệu và thực hiện triển khai sau khi được phê duyệt; tìm hiểu các dịch vụ dữ liệu nâng cao về phân tích dữ liệu và xác định giá trị đối với tổ chức, đề xuất lên Ban Giám đốc Trung tâm, Ban Giám đốc Khối Dữ liệu và thực hiện triển khai sau khi được phê duyệt. d) Chỉ đạo thúc đẩy các sáng kiến học máy/trí tuệ nhân tạo/học sâu nâng cao phục vụ kinh doanh: Thúc đẩy xây dựng các mô hình học máy/trí tuệ nhân tạo/học sâu nâng cao để tăng cường hiệu quả trong tổ chức và ứng dụng mô hình trong ngân hàng; chịu trách nhiệm đánh giá hiệu suất mô hình nhằm xác định mô hình có đáp ứng các mục tiêu dự kiến không và tiến hành tinh chỉnh để tăng hiệu quả của các mô hình; chỉ đạo cung cấp báo cáo hàng tháng nhằm đo lường lợi ích của việc triển khai mô hình cho từng ứng dụng riêng lẻ và cả lợi ích tổng thể cho ngân hàng. e) Chỉ đạo phối hợp với Phòng Kỹ thuật dữ liệu nghiên cứu các năng lực mới (năng lực cải tiến trong phân tích, mô hình hóa, trình bày dữ liệu): Phối hợp với Phòng Kỹ thuật dữ liệu để hiểu về vòng đời phát triển và triển khai mô hình, đồng thời xác định các phương pháp tiếp cận mới để rút ngắn thời gian ra thị trường; đánh giá và làm việc với đơn vị phụ trách xác thực mô hình/quản lý rủi ro mô hình để xây dựng quy trình phối hợp nhằm xác thực mô hình trong suốt vòng đời của mô hình.
- Tham gia các lớp đào tạo, tập huấn nghiệp vụ theo kế hoạch của phòng, Trung tâm và VCB.
- Đào tạo nhân sự và phát triển đội ngũ kế cận.
- Thực hiện các nhiệm vụ khác do Ban Giám đốc Khối, Ban Giám đốc Trung tâm giao.
II. Tiêu chuẩn tuyển dụng:
- Trình độ:
- Trình độ chuyên môn: Trình độ từ Đại học trở lên chuyên ngành khoa học dữ liệu, khoa học máy tính, kỹ thuật máy tính, toán học, toán kinh tế, toán tin, toán ứng dụng hoặc các chuyên ngành có liên quan khác.
- Trình độ ngoại ngữ: Tiếng Anh trình độ B1 (khung tham chiếu chung châu Âu) hoặc tương đương trở lên, sử dụng tốt tiếng Anh, giao tiếp và đọc hiểu liên quan đến công việc phụ trách.
- Kinh nghiệm:
- Tối thiểu 05 năm kinh nghiệm làm việc trong quản trị dữ liệu, khoa học dữ liệu, phân tích dữ liệu hoặc lĩnh vực có liên quan.
- Tối thiểu 02 năm kinh nghiệm ở vai trò cấp quản lý.
- Kiến thức:
- Am hiểu về cơ cấu tổ chức, quy trình vận hành, các sản phẩm và hoạt động kinh doanh của các tổ chức tài chính, ngân hàng.
- Am hiểu về hệ thống thông tin, cơ sở dữ liệu của nghiệp vụ ngân hàng.
- Có nền tảng kiến thức sâu rộng về xác suất thống kê, khoa học dữ liệu và máy học.
- Các tiêu chí ưu tiên:
- Trình độ từ Thạc sĩ trở lên chuyên ngành khoa học dữ liệu, khoa học máy tính, kỹ thuật máy tính, toán học, toán kinh tế, toán tin, toán ứng dụng hoặc các chuyên ngành có liên quan khác.
- Có các giải thưởng cấp quốc gia, quốc tế về Toán học, Tin học,...
- Có kinh nghiệm quản lý trong lĩnh vực quản trị dữ liệu, khoa học dữ liệu, phân tích dữ liệu trong các tổ chức uy tín về công nghệ, tài chính, ngân hàng tại Việt Nam hoặc nước ngoài.
- Yêu cầu về kỹ năng và phẩm chất cá nhân:
- Quản lý và lãnh đạo.
- Tổ chức, sắp xếp công việc.
- Giao tiếp, đàm phán và truyền đạt trước đám đông.
- Nghiên cứu khoa học.
- Tư duy logic.
- Tư duy chiến lược.
- Đánh giá, phân tích, tổng hợp và ra quyết định.
- Làm việc và ra quyết định một cách độc lập.
- Đổi mới.
- Cẩn trọng.
- Tận tâm, chuyên cần.
- Chủ động, sáng tạo, thích ứng.
- Quyết đoán, linh hoạt.
- Chịu áp lực công việc cao.
- Độ tuổi:
- Các trường hợp tuyển dụng từ nguồn bên ngoài hệ thống VCB phải ở độ tuổi đủ để công tác tối thiểu 05 năm (60 tháng) tính đến thời điểm đủ tuổi nghỉ hưu theo quy định.
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Trưởng phòng Khoa học dữ liệu tại Vietcombank
Đây là vị trí cấp quản lý (Trưởng phòng) thuộc Trung tâm Kỹ thuật và Khoa học dữ liệu – một đơn vị chiến lược trong Khối Dữ liệu của VCB. Ứng viên cần hội tụ cả năng lực chuyên môn sâu lẫn tư duy quản trị.
1. Hard Skills (Kỹ năng chuyên môn)
a) Nền tảng học thuật
- Bằng cấp: Thạc sĩ trở lên chuyên ngành Khoa học dữ liệu, Trí tuệ nhân tạo, Toán-Tin, Thống kê, Khoa học máy tính hoặc các ngành liên quan. Tiến sĩ là lợi thế rất lớn ở vị trí cấp Trưởng phòng trong ngân hàng nhà nước.
- Kiến thức nền tảng vững về: xác suất thống kê, toán tối ưu, đại số tuyến tính, lý thuyết thông tin.
b) Kỹ năng kỹ thuật cốt lõi
| Nhóm kỹ năng | Công cụ/Công nghệ cần biết | Mức độ yêu cầu |
|---|---|---|
| Lập trình | Python, SQL, R, Scala (tùy ngữ cảnh) | Thành thạo |
| Machine Learning | scikit-learn, XGBoost, LightGBM, CatBoost | Thành thạo |
| Deep Learning | TensorFlow, PyTorch, Keras | Thành thạo |
| NLP/LLM | Hugging Face, LangChain, RAG, Fine-tuning | Thành thạo |
| Big Data | Spark, Hadoop, Kafka, Airflow | Khá trở lên |
| Cloud & MLOps | AWS/Azure/GCP, Docker, Kubernetes, MLflow, CI/CD cho model | Khá trở lên |
| Data Visualization | Power BI, Tableau, hoặc BI tools nội bộ | Khá |
| Quản lý mô hình | Model registry, feature store, model monitoring, drift detection | Thành thạo |
c) Kiến thức nghiệp vụ ngân hàng
- Hiểu biết sâu về: tín dụng, quản trị rủi ro, phát hiện gian lận (Fraud), CRM, phân khúc khách hàng, Basel II/III, quy định pháp lý của NHNN về dữ liệu.
- Nắm được đặc thù dữ liệu ngân hàng: giao dịch, dữ liệu KYC, hành vi khách hàng, tín hiệu sớm về nợ xấu.
d) Kiến thức về kiến trúc dữ liệu
- Hiểu rõ khái niệm Nhà máy dữ liệu (Data Factory/Data Mesh), chuỗi cung ứng dữ liệu, data lineage, data governance.
- Khả năng phối hợp với các phòng: Kỹ thuật dữ liệu (Data Engineering), Phân tích & Sản phẩm dữ liệu.
2. Soft Skills (Kỹ năng mềm)
- Tư duy chiến lược: Khả năng nhìn bức tranh lớn, liên kết giá trị dữ liệu với mục tiêu kinh doanh của ngân hàng.
- Leadership & People Management: Xây dựng đội ngũ 8-20 chuyên gia, đánh giá hiệu quả, mentoring, quản lý xung đột.
- Kỹ năng thuyết trình trước cấp cao: Trình bày các sáng kiến cho Ban Giám đốc Trung tâm, Ban Giám đốc Khối – đây là kỹ năng sống còn ở ngân hàng nhà nước.
- Quản lý stakeholder: Phối hợp nhiều phòng ban nghiệp vụ, biết cách dịch bài toán kinh doanh thành giải pháp dữ liệu.
- Đổi mới sáng tạo: Tìm kiếm use case mới, chủ động đề xuất – không chờ chỉ đạo.
- Khả năng chịu áp lực: Ngân hàng nhà nước có deadline chặt, đặc biệt khi triển khai sáng kiến cấp Khối.
3. Chứng chỉ gợi ý (nếu cần bổ sung)
- Google Professional Machine Learning Engineer
- AWS Certified Machine Learning – Specialty
- Azure AI Engineer Associate
- TensorFlow Developer Certificate
- Chứng chỉ FRM/PRM (nếu muốn mở rộng sang quản trị rủi ro)
- Chứng chỉ Data Science của IBM, HarvardX, hoặc MIT (chứng chỉ quốc tế giúp tăng điểm CV)
- Chứng chỉ nội bộ ngân hàng về Basel, quản trị rủi ro mô hình (Model Risk Management)
4. Bảng so sánh mức độ phù hợp theo cấp bậc ứng viên
| Cấp bậc hiện tại | Khả năng đạt yêu cầu | Ghi chú |
|---|---|---|
| Senior Data Scientist (5-7 năm) | 40-50% | Cần thêm 2-3 năm quản lý và kinh nghiệm ngân hàng |
| Data Science Manager (7-10 năm) | 70-80% | Phù hợp nếu đã quản lý team 5+ người |
| Senior Manager/Head of DS (10-15 năm) | 90%+ | Lý tưởng cho vị trí này |
| Giảng viên/Nghiên cứu viên chuyển sang | 50-60% | Cần bổ sung kinh nghiệm thực chiến ngân hàng |
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn vị trí Trưởng phòng Khoa học dữ liệu – Vietcombank
Quy trình tuyển dụng của VCB cho vị trí cấp Trưởng phòng thường trải qua 3-4 vòng, kéo dài 4-8 tuần. Ứng viên nên chuẩn bị kỹ cả về chuyên môn lẫn kỹ năng mềm.
Quy trình các vòng (ước lượng)
Vòng 1: Sơ tuyển hồ sơ
- HR kiểm tra: bằng cấp, kinh nghiệm, độ phù hợp với JD.
- Lưu ý đặc biệt: Ứng viên chỉ được chọn 1 trong 4 vị trí Trưởng phòng trong Trung tâm – đọc kỹ để chọn đúng vị trí phù hợp nhất với thế mạnh.
Vòng 2: Phỏng vấn chuyên môn sâu (Technical Deep-Dive)
- Hội đồng: Giám đốc Trung tâm + Trưởng phòng Khối Dữ liệu + chuyên gia cao cấp.
- Thời lượng: 60-90 phút.
- Hình thức: Trình bày portfolio + vấn đáp trực tiếp.
Vòng 3: Phỏng vấn năng lực quản lý & tư duy chiến lược
- Hội đồng: Ban Giám đốc Khối Dữ liệu.
- Tập trung: leadership, vision, khả năng đề xuất sáng kiến.
Vòng 4 (có thể): Phỏng vấn với Phó Tổng phụ trách Khối
- Câu hỏi về tầm nhìn, cam kết lâu dài, mức độ phù hợp văn hóa ngân hàng nhà nước.
Câu hỏi hay gặp theo từng vòng
Vòng chuyên môn:
- "Hãy trình bày một dự án ML/AI quan trọng nhất anh/chị đã triển khai – từ bài toán kinh doanh, cách tiếp cận, kết quả, đến bài học kinh nghiệm."
- "Làm thế nào để thiết kế hệ thống phát hiện gian lận (fraud detection) cho ngân hàng bằng deep learning? Anh/chị sẽ xử lý imbalance data như thế nào?"
- "So sánh XGBoost, LightGBM, và mạng neural sâu trong bài toán chấm điểm tín dụng – khi nào nên dùng cái nào?"
- "Trình bày kiến trúc của một hệ thống RAG (Retrieval-Augmented Generation) phục vụ chatbot tư vấn khách hàng VCB."
- "Làm sao để đo lường và quản lý model drift trong production?"
- "Anh/chị sẽ thiết kế cơ cấu quản lý mô hình (Model Governance) như thế nào để đảm bảo tái sử dụng hiệu quả?"
- "Cách xử lý vấn đề bias và fairness trong mô hình dự đoán rủi ro tín dụng."
Vòng quản lý – chiến lược:
- "Nếu được bổ nhiệm 100 ngày đầu tiên, anh/chị sẽ làm gì để nâng cao năng lực phòng?"
- "Hãy đề xuất 3 sáng kiến dữ liệu có tác động lớn nhất đến doanh thu VCB trong 12 tháng tới."
- "Anh/chị xử lý thế nào khi 2 thành viên trong team có xung đột về hướng kỹ thuật?"
- "Cách thuyết phục Ban Giám đốc đầu tư 1 triệu USD vào một sáng kiến AI mà ROI chưa rõ ràng?"
- "Làm thế nào để cân bằng giữa nghiên cứu công nghệ mới và triển khai các use case ngắn hạn?"
- "Kinh nghiệm quản lý đội ngũ data scientist có background đa dạng (lập trình viên, thống kê, nghiên cứu)?"
Tips chuẩn bị quan trọng
- Chuẩn bị slide 10-15 phút trình bày về bản thân + dự án tiêu biểu + vision cho phòng. Slide gọn, dùng biểu đồ, không viết chữ dài.
- Ôn lại thông tin về VCB: chiến lược chuyển đổi số, các dự án AI/ML đã công bố, đối thủ cạnh tranh (Techcombank, MB, VPBank...).
- Tìm hiểu bối cảnh ngân hàng: Quyết định 2345/QĐ-NHNN, Nghị định 13/2023 về dữ liệu cá nhân, chiến lược Make in Vietnam, chiến lược ngân hàng số của VCB.
- Chuẩn bị case study về use case ngân hàng: chấm điểm tín dụng, phát hiện gian lận, recommendation sản phẩm, churn prediction, LLM cho chatbot.
- Đặt câu hỏi ngược cho hội đồng – thể hiện sự chủ động và quan tâm thật sự.
Dress code
- Lựa chọn tốt nhất: Vest/suit công sở màu tối (xanh navy, xám đậm, đen), sơ mi trắng/xanh nhạt, giày tây, thắt lưng da.
- Phụ kiện: Đồng hồ đơn giản, cà vạt không bắt buộc nhưng nên có nếu muốn tạo ấn tượng chuyên nghiệp.
- Tránh: Quần jeans, áo phông, giày thể thao, nước hoa nồng, phụ kiện quá cầu kỳ.
- Lưu ý: Ngân hàng nhà nước ưa chuộng phong cách chỉn chu, kín đáo. Ăn mặc quá thời trang có thể gây cảm giác không phù hợp.
Lộ trình ôn thi
Lộ trình ôn tập & chuẩn bị 2 tuần
Tuần 1: Nền tảng kiến thức chuyên môn
Ngày 1-2: Ôn lại nền tảng toán & thống kê
- Xác suất thống kê, kiểm định giả thuyết, phân phối xác suất.
- Đại số tuyến tính: eigendecomposition, SVD, PCA.
- Tối ưu hóa: gradient descent, SGD, Adam.
- Tài liệu: "Pattern Recognition and Machine Learning" (Bishop), "The Elements of Statistical Learning" (Hastie).
Ngày 3-4: Machine Learning cốt lõi
- Supervised: regression, classification, tree-based models, ensemble.
- Unsupervised: clustering, dimensionality reduction, anomaly detection.
- Đánh giá mô hình: cross-validation, metrics cho imbalanced data (AUC-PR, F1, KS statistic).
- Feature engineering cho dữ liệu tài chính.
- Tài liệu: "Hands-On Machine Learning" (Aurélien Géron), Kaggle competitions để thực hành.
Ngày 5-6: Deep Learning & AI hiện đại
- CNN, RNN, LSTM, Transformer architecture.
- LLM, RAG, fine-tuning, prompt engineering.
- MLOps: model versioning, CI/CD, monitoring.
- Tài liệu: "Deep Learning" (Goodfellow), khóa học CS231n, CS224n (Stanford online).
Ngày 7: Cập nhật xu hướng AI 2024-2026
- Đọc: State of AI Report 2025, papers từ NeurIPS/ICML/ICLR mới nhất.
- Xu hướng: Agentic AI, Multimodal, Small Language Models cho on-premise, Federated Learning cho ngân hàng.
Tuần 2: Nghiệp vụ ngân hàng & chuẩn bị phỏng vấn
Ngày 8-9: Nghiệp vụ ngân hàng & fintech
- Đọc: Báo cáo thường niên VCB, chiến lược chuyển đổi số 2025-2030.
- Tìm hiểu: Basel III, IFRS 9, mô hình xếp hạng tín dụng nội bộ (Internal Rating-Based).
- Case study: Chấm điểm tín dụng tại Home Credit, phát hiện gian lận tại các ngân hàng lớn.
- Tài liệu: "Credit Risk Scorecards" (Naeem Siddiqi), "Machine Learning for Risk" (Ertl).
Ngày 10-11: Quy định pháp lý & quản trị dữ liệu
- Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
- Quyết định 2345/QĐ-NHNN về an toàn, bảo mật trong hoạt động ngân hàng.
- Thông tư hướng dẫn của NHNN về ứng dụng công nghệ trong hoạt động ngân hàng.
- Model Risk Management theo chuẩn SR 11-7 (Fed).
Ngày 12: Nghiên cứu đối thủ & benchmark
- Techcombank: hệ thống AI cho marketing & risk.
- MB (MB Ageas Life): Insurtech, AI underwriting.
- VPBank: neo-banking, AI customer service.
- VPBank FE Credit: AI chấm điểm cho vay tiêu dùng.
- Tìm hiểu: sản phẩm AI đã triển khai thành công tại các ngân hàng Việt Nam.
Ngày 13: Chuẩn bị slide & portfolio
- Slide 10-15 phút về: kinh nghiệm + dự án tiêu biểu + vision 100 ngày đầu.
- Chuẩn bị 3 case study chi tiết: 1 về ML truyền thống, 1 về Deep Learning, 1 về LLM/AI agent.
- Luyện tập thuyết trình trước gương hoặc với bạn bè.
Ngày 14: Mock interview & tổng duyệt
- Mock phỏng vấn với mentor hoặc đồng nghiệp có kinh nghiệm.
- Rà soát lại slide, CV, portfolio.
- Chuẩn bị tâm lý, nghỉ ngơi đầy đủ.
Tài liệu tham khảo trọng tâm
- Sách: "Designing Machine Learning Systems" (Chip Huyen), "MLOps Engineering at Scale" (Carl Osipov).
- Khóa học online: Fast.ai, DeepLearning.AI, Coursera Machine Learning Engineering for Production.
- Blog/Podcast: "The Machine Learning Engineer" podcast, "The Batch" (Andrew Ng), TDS (Towards Data Science).
- Tin tức: The Information, Reuters AI coverage, VietnamNet về fintech.
- Nội bộ ngân hàng: Nghiên cứu báo cáo của McKinsey, BCG về AI trong banking toàn cầu.
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp & lộ trình thăng tiến
1. Lộ trình thăng tiến cho Data Scientist tại ngân hàng Việt Nam
Fresher/Junior DS (0-2 năm)
↓
Data Scientist (2-4 năm)
↓
Senior Data Scientist (4-7 năm)
↓
Data Science Manager / Trưởng nhóm (7-10 năm)
↓
Trưởng phòng / Head of Data Science (10-15 năm) ← VỊ TRÍ ĐANG TUYỂN
↓
Phó Giám đốc Trung tâm / Giám đốc Data & Analytics (15+ năm)
↓
Thành viên Ban Giám đốc Khối / Phó Tổng phụ trách dữ liệu (18+ năm)
2. Mức lương kỳ vọng theo cấp bậc (ước lượng)
Lưu ý: Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Đây chỉ là tham khảo dựa trên thị trường hiện tại.
| Cấp bậc | Tổng thu nhập hàng tháng (ước lượng) | Ghi chú |
|---|---|---|
| Junior Data Scientist | 18-30 triệu | Tại VCB thường ở mức thấp hơn private |
| Data Scientist | 30-50 triệu | Bao gồm bonus quý/năm |
| Senior Data Scientist | 50-80 triệu | Private banks trả cao hơn NHTM nhà nước |
| Data Science Manager | 80-120 triệu | Khoảng cách lớn giữa NHTMNN và private |
| Trưởng phòng (VCB) | 100-180 triệu | Bao gồm lương, thưởng, phúc lợi. NHTMNN thường thấp hơn 20-30% so với private cùng cấp |
| Phó Giám đốc Trung tâm | 150-300 triệu | Có cổ phần ESOP ở một số ngân hàng |
| Giám đốc cấp Khối | 250-500 triệu+ | Tùy quy mô ngân hàng |
Đặc thù VCB: Là ngân hàng nhà nước, mức lương công khai thường theo bậc – nhưng tổng thu nhập thực tế (lương + thưởng Tết + thưởng KPIs + phúc lợi) khá hấp dẫn ở cấp quản lý. Thưởng Tết có thể 2-6 tháng lương.
3. Kỹ năng cần phát triển thêm nếu muốn đạt vị trí này
a) Kỹ năng kỹ thuật
- Nâng cao năng lực về LLM và Generative AI – xu hướng tất yếu trong ngân hàng.
- Thành thạo MLOps toàn diện (từ dev đến monitoring, governance).
- Học thêm về causal inference – quan trọng cho bài toán đánh giá tác động chính sách.
- Nắm vững Time Series cho dự báo tài chính, dòng tiền.
b) Kỹ năng quản lý & chiến lược
- Đọc sách: "Team Topologies", "The Manager's Path" (Camille Fournier), "Accelerate" (Forsgren, Humble, Kim).
- Học về Product Management cho AI products.
- Phát triển kỹ năng Public Speaking và Executive Communication.
- Tìm hiểu sâu về Change Management – áp dụng AI trong tổ chức lớn rất cần kỹ năng này.
c) Mạng lưới & uy tín
- Tham gia cộng đồng: Vietnam Data Science Forum, VietAI, các group LinkedIn về AI trong finance.
- Công bố bài báo khoa học, tham gia hội thảo (RIFM, Data Summit Vietnam).
- Xây dựng personal brand trên LinkedIn/blog kỹ thuật.
4. Lời khuyên thực tế
- Cân nhắc giữa NHTMNN và private: VCB ổn định, thương hiệu mạnh, mạng lưới rộng, nhưng private (Techcombank, MBB, VPBank) trả lương cao hơn rõ rệt cho cùng vị trí. Đánh đổi giữa brand & stability vs. compensation.
- Vai trò này khá "chính trị": Làm ở NHTMNN cần hiểu luật chơi, biết cách làm việc với cấp trên, chấp nhận quy trình chậm hơn startup/private.
- Cơ hội xây dựng từ đầu: Trung tâm KT&KHDL đang trong giai đoạn xây dựng, ứng viên có thể định hình hướng đi cho cả phòng – đây là cơ hội hiếm có.
- Đa dạng ứng viên: Không nhất thiết phải từ ngân hàng – ứng viên từ fintech, e-commerce (Shopee, Tiki), telco (Viettel, VNPT) với kinh nghiệm ML/AI sâu hoàn toàn có thể cạnh tranh.
- Lưu ý quan trọng: Đọc kỹ JD – VCB chỉ cho phép nộp 1 trong 4 vị trí Trưởng phòng của Trung tâm. Hãy chọn vị trí mà thế mạnh bạn rõ nhất.
Câu hỏi thường gặp
Không phù hợp đâu em nhé. Vị trí Trưởng phòng tại VCB yêu cầu ít nhất 10-15 năm kinh nghiệm chuyên môn, trong đó 5-7 năm ở vị trí quản lý. Em nên bắt đầu từ vị trí Junior Data Scientist hoặc Data Scientist tại các ngân hàng, fintech, hoặc tập đoàn lớn để tích lũy nền tảng. Lộ trình thực tế thường mất 8-12 năm để đạt được cấp Trưởng phòng.
Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Ước lượng cho vị trí này ở VCB khoảng 100-180 triệu đồng/tháng tổng thu nhập (lương + thưởng + phúc lợi). VCB là ngân hàng nhà nước nên thường thấp hơn 20-30% so với ngân hàng cổ phần tư nhân cùng cấp. Tuy nhiên, bù lại có thương hiệu mạnh, chế độ ổn định, thưởng Tết tốt (có thể 3-6 tháng lương). Con số chính thức sẽ được thương lượng trong quá trình phỏng vấn.
Cơ hội khoảng 40-50%. Bạn có lợi thế về kinh nghiệm fintech, hiểu data thực chiến, nhưng thiếu kinh nghiệm quản lý team. VCB thường ưu tiên ứng viên đã có 3-5 năm quản lý team 5+ người. Gợi ý: (1) Trong CV, làm nổi bật các dự án bạn dẫn dắt về mặt kỹ thuật, mentor junior; (2) Trước khi ứng tuyển, thử chuyển sang vị trí Lead/Manager ở công ty hiện tại; (3) Hoặc thử ứng tuyển để xem phản hồi – đôi khi họ sẵn sàng tuyển người có tiềm năng nếu chuyên môn quá xuất sắc.
Hoàn toàn khả thi. Nếu bạn từ IT/Engineering: tập trung học ML, statistics, có thể bắt đầu ở vị trí ML Engineer hoặc Data Engineer tại ngân hàng, sau đó chuyển sang DS. Nếu từ Finance/Banking: tập trung học Python, SQL, ML cơ bản, có thể vào vị trí Business Analyst hoặc Data Analyst trong ngân hàng, rồi chuyển dần. Lộ trình thường mất 1-3 năm transition. Ưu tiên học chứng chỉ Google/AWS ML, làm 2-3 project thực tế trên Kaggle hoặc ở công ty hiện tại để xây portfolio.
Khác biệt rõ ràng. Khoa học dữ liệu (Data Science): tập trung vào xây dựng mô hình ML/AI/DL, nghiên cứu thuật toán mới, phát triển sáng kiến AI. Kỹ thuật dữ liệu (Data Engineering): xây dựng hạ tầng pipeline, nhà máy dữ liệu, đảm bảo dữ liệu sạch, khả dụng. Nói đơn giản: Data Engineer xây đường ống, Data Scientist tạo ra sản phẩm từ dữ liệu. Ở VCB có 4 vị trí Trưởng phòng trong Trung tâm, hãy đọc kỹ JD từng vị trí để chọn đúng – chỉ được nộp 1 vị trí duy nhất.
Câu trả lời là CÓ, nhưng cần chọn đúng nơi. Ngân hàng truyền thống có thể chậm hơn tech company, nhưng VCB và một số NHTM lớn (Techcombank, MB) đang đầu tư rất mạnh vào AI. Lợi thế khi làm AI ở ngân hàng: (1) dữ liệu cực kỳ phong phú và có giá trị; (2) bài toán thực tế đa dạng (tín dụng, fraud, CRM, AML); (3) ngân sách lớn; (4) ảnh hưởng đến hàng triệu khách hàng. Hạn chế: môi trường bảo thủ hơn, quy trình chặt chẽ hơn. Nếu bạn muốn làm AI có tác động thực sự, ngân hàng là lựa chọn tốt.
Lợi thế rất lớn: (1) Kinh nghiệm quốc tế được VCB đánh giá cao; (2) Tiếp cận công nghệ mới; (3) Mindset quản lý chuẩn quốc tế. Tuy nhiên cần bổ sung: (1) Hiểu biết sâu về thị trường Việt Nam, đặc thù dữ liệu ngân hàng Việt; (2) Khả năng giao tiếp tiếng Việt chuyên ngành; (3) Hiểu quy định pháp lý của NHNN. Mẹo: trong CV nhấn mạnh các dự án banking/finance nếu có, hoặc các kỹ thuật AI cutting-edge có thể áp dụng được cho ngân hàng.
Dựa trên kinh nghiệm phỏng vấn nhiều ứng viên cấp Trưởng phòng, 3 câu hỏi "knock-out" phổ biến nhất: (1) "Hãy mô tả một dự án ML thất bại – bạn học được gì?" – Nhiều ứng viên chỉ kể thành công, điều này cho thấy thiếu tự nhận thức. (2) "Làm sao anh/chị thuyết phục một Giám đốc Chi nhánh thay đổi quy trình dựa trên dự đoán của mô hình AI?" – Test khả năng stakeholder management. (3) "Tại sao anh/chị rời công ty cũ?" – Cách trả lời tiết lộ rất nhiều về tính cách. Hãy chuẩn bị kỹ 3 câu này.
Hoàn toàn hợp lý và được khuyến khích. E-commerce có nhiều bài toán AI/ML tương đồng: recommendation, personalization, fraud detection, churn prediction. Bạn sẽ mang đến góc nhìn mới, tốc độ triển khai nhanh, tư duy product-led. VCB đang muốn chuyển đổi số mạnh mẽ nên ứng viên từ e-commerce/fintech/telco được đánh giá cao. Lưu ý: cần học thêm về quy định ngân hàng (NHNN), tính chất dữ liệu tài chính (nhạy cảm hơn e-commerce), và cách làm việc trong môi trường NHTMNN (quy trình chặt chẽ hơn).
Chia sẻ từ cộng đồng
Mình từng apply vị trí tương tự ở một NHTMNN cách đây 2 năm. Thực tế là quy trình kéo dài 2-3 tháng, nhiều vòng lắm. Chuẩn bị kỹ cả portfolio lẫn kỹ năng thuyết trình. Điểm quan trọng: phải hiểu rõ cơ cấu tổ chức của Trung tâm, ai làm gì, để tránh đề xuất trùng lặp với các phòng khác.
Mình đang làm Senior DS ở fintech, đang cân nhắc apply. Có ai biết VCB có chính sách gì đặc biệt cho nhân sự từ ngoài vào không? Nghe nói culture khá khác biệt so với private sector.
Mình từng làm ở VCB 5 năm rồi ra ngoài. Nói thật, môi trường NHTMNN không phải ai cũng hợp. Nếu bạn quen tốc độ startup/private thì sẽ hơi frustrate lúc đầu. Nhưng bù lại thương hiệu VCB rất nặng trên CV sau này, mở ra nhiều cơ hội ở cả NHTM lớn khác. Cân nhắc kỹ.
Cảm ơn bài phân tích chi tiết quá. Mình đang theo hướng Data Science cho banking, đang đọc slide chuẩn bị phỏng vấn. Cho mình hỏi thêm: case study về credit scoring có nên chuẩn bị bằng XGBoost hay cần thêm deep learning? Nhiều người bảo banking vẫn chuộng traditional ML hơn.
Lưu ý quan trọng: ứng viên chỉ được chọn 1 trong 4 vị trí Trưởng phòng. Mình thấy nhiều bạn nộp cả 4 rồi bị loại. Hãy đọc kỹ JD, xem vị trí nào background mình mạnh nhất rồi nộp. Đừng tham.
Apply đi mọi người ơi. Mình biết mấy người vào vị trí tương tự ở NHTMNN, mức lương gross không cao bằng private nhưng tổng thu nhập (lương + thưởng Tết + phúc lợi + ESOP nếu có) cũng khá ổn. Quan trọng là cơ hội xây dựng từ đầu một Trung tâm mới – cái này hiếm có ở NHTMNN lớn.
Mới ra trường, đọc xong hơi nản 😅 nhưng cũng hiểu rõ hơn lộ trình. Mình sẽ bắt đầu từ vị trí Data Analyst ở ngân hàng trước. Cảm ơn tác giả đã chia sẻ chi tiết!
Cảnh báo thực tế: làm AI ở NHTMNN không phải cứ model tốt là được duyệt. Phải qua Compliance, Risk, Audit, IT Security... đủ cả. Một mô hình hay có thể mất 6-12 tháng mới đưa vào production được. Nếu bạn thuộc típ người muốn thấy sản phẩm ra ngoài nhanh, cân nhắc kỹ.
Ứng tuyển ngay
Ứng tuyển trên website gốcBạn sẽ được chuyển đến trang tuyển dụng chính thức của Vietcombank
Chuyên môn / Từ khoá
Mất kết nối mạng
Đang thử kết nối lại
Đã xảy ra lỗi!
Vui lòng chờ trong giây lát