[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 thiết cho vị trí Trưởng phòng Khoa học dữ liệu – Vietcombank
1. Hard Skills (Kỹ năng kỹ thuật – bắt buộc ở mức chuyên gia)
A. Machine Learning / AI / Deep Learning nâng cao
- Thành thạo các thuật toán: Supervised, Unsupervised, Reinforcement Learning, Ensemble Methods, XGBoost, LightGBM, Random Forest
- Deep Learning: CNN, RNN, LSTM, GRU, Transformer, BERT, GPT, GAN
- Generative AI, LLM fine-tuning, RAG, Prompt Engineering (xu hướng quan trọng tại các ngân hàng lớn)
- Time Series, Anomaly Detection, Recommendation Systems, NLP, Computer Vision
- Phải hiểu rõ cách thiết kế kiến trúc mô hình phù hợp với từng bài toán ngân hàng: credit scoring, fraud detection, churn prediction, customer lifetime value, anti-money laundering (AML)
B. Kỹ năng lập trình & công cụ
- Python (thành thạo), R, SQL (nâng cao), Scala/Java là lợi thế
- Framework: TensorFlow, PyTorch, Scikit-learn, Hugging Face, MLflow, Kubeflow
- MLOps: Docker, Kubernetes, CI/CD cho model, model registry, feature store
- Big Data: Spark, Hadoop, Kafka, Hive
- Cloud: AWS (SageMaker), GCP (Vertex AI), Azure ML – VCB đang chuyển đổi mạnh sang cloud
C. Quản lý mô hình & Data Governance
- Model Risk Management (chuẩn Basel, SR 11-7)
- Model documentation, validation, monitoring, retraining lifecycle
- Feature Engineering, Feature Store, Data Lineage
- Hiểu về Data Quality, Data Catalog, Metadata Management
- Quy chế quản trị dữ liệu của Ngân hàng Nhà nước
2. Soft Skills (Kỹ năng mềm – cực kỳ quan trọng ở cấp Trưởng phòng)
| Kỹ năng | Mức độ | Lý do quan trọng |
|---|---|---|
| Leadership & People Management | Bắt buộc | Quản lý team Data Scientist, phân công, đánh giá hiệu quả |
| Strategic Thinking | Bắt buộc | Tham mưu cho Ban Giám đốc, đề xuất sáng kiến |
| Stakeholder Management | Bắt buộc | Phối hợp với 5-7 đơn vị trong Khối Dữ liệu và nghiệp vụ |
| Communication & Presentation | Bắt buộc | Trình bày mô hình cho lãnh đạo không chuyên kỹ thuật |
| Business Acumen | Bắt buộc | Hiểu kinh doanh ngân hàng, ROI của mô hình |
| Influencing without authority | Quan trọng | Phối hợp đa phòng ban mà không có quyền quản lý trực tiếp |
3. Domain Knowledge (Kiến thức ngân hàng)
- Hiểu biết sâu về nghiệp vụ ngân hàng bán lẻ, doanh nghiệp, số, thẻ, tín dụng
- Quy định pháp lý: NHNN, Basel II/III, Luật An toàn thông tin, GDPR/Nghị định 13/2023
- Kiến thức Basel về Model Risk Management
- Xu hướng Open Banking, CBDC, ESG Analytics
4. Chứng chỉ gợi ý (ưu thế cạnh tranh)
| Chứng chỉ | Tổ chức | Mức độ ưu tiên |
|---|---|---|
| AWS Certified Machine Learning – Specialty | AWS | ⭐⭐⭐⭐⭐ |
| Google Professional ML Engineer | ⭐⭐⭐⭐⭐ | |
| TensorFlow Developer Certificate | ⭐⭐⭐⭐ | |
| Azure AI Engineer Associate | Microsoft | ⭐⭐⭐⭐ |
| SAS Certified Data Scientist | SAS | ⭐⭐⭐ |
| FRM (Financial Risk Manager) | GARP | ⭐⭐⭐⭐⭐ (rất phù hợp ngân hàng) |
| Coursera Deep Learning Specialization | DeepLearning.AI | ⭐⭐⭐⭐ |
| NEBOSH/Iso 27001 (nếu liên quan bảo mật) | - | ⭐⭐⭐ |
5. Kinh nghiệm yêu cầu (suy luận từ mô tả)
Mặc dù JD không ghi rõ, nhưng với vị trí Trưởng phòng tại VCB, ứng viên thường cần:
- 8-15 năm kinh nghiệm tổng, trong đó 5+ năm về Data Science/ML
- 3-5 năm kinh nghiệm quản lý team (ít nhất 5-10 người)
- Có track record xây dựng và triển khai mô hình ML ở production tại ngân hàng/tài chính
- Ưu tiên ứng viên đã từng làm tại ngân hàng big4 (VCB, BIDV, VietinBank, Agribank, Techcombank, MB, ACB, TPBank) hoặc fintech lớn
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn vị trí Trưởng phòng Khoa học dữ liệu – VCB
Quy trình tuyển dụng dự kiến (5-7 vòng)
Vòng 1: HR Screening (30-45 phút)
- Xác nhận thông tin cá nhân, mức lương hiện tại/kỳ vọng, lý do nghỉ việc
- Câu hỏi về thời gian làm việc tại công ty cũ, mối quan hệ với đồng nghiệp
- HR VCB khá formal, chú trọng tác phong và sự ổn định
Vòng 2: Technical Test / Case Study (có thể làm online trước)
- Có thể yêu cầu giải một bài toán business case thực tế của ngân hàng
- Ví dụ: "Thiết kế mô hình phát hiện giao dịch gian lận cho VCB"
- Hoặc bài kiểm tra SQL/Python/Machine Learning trong 2-3 giờ
Vòng 3: Phỏng vấn chuyên môn sâu (Trưởng/Phó phòng kỹ thuật)
- Hỏi sâu về kiến trúc mô hình, MLOps, Feature Engineering
- Đánh giá tư duy hệ thống và khả năng giải quyết vấn đề
Vòng 4: Phỏng vấn với Ban Giám đốc Trung tâm KT&KHDL
- Tập trung vào tầm nhìn chiến lược, kinh nghiệm quản lý
- Câu hỏi về cách xây dựng và phát triển đội ngũ
- Khả năng phối hợp với các đơn vị khác trong Khối Dữ liệu
Vòng 5: Phỏng vấn với Ban Giám đốc Khối Dữ liệu (cấp cao hơn)
- Đánh giá tư duy chiến lược cấp ngân hàng
- Câu hỏi về đóng góp dài hạn cho VCB
Vòng 6: Phỏng vấn với Phó Tổng / Ủy viên HĐQT phụ trách
- Thường là vòng cuối, đánh giá sự phù hợp văn hóa và tầm nhìn
Vòng 7 (nếu có): Assessment Center / Thuyết trình
- Có thể yêu cầu thuyết trình chiến lược Data Science cho VCB trong 15-20 phút
Câu hỏi phỏng vấn hay gặp
Vòng Technical:
- "Mô tả một dự án ML end-to-end mà anh/chị đã làm tại ngân hàng. Anh/chị đã xử lý vấn đề gì và kết quả kinh doanh ra sao?"
- "Làm thế nào để thiết kế một hệ thống phát hiện gian lận giao dịch real-time? Giải thích kiến trúc model, feature engineering, latency requirements?"
- "Sự khác biệt giữa Batch Prediction và Online Prediction? Khi nào dùng cái nào?"
- "Làm sao đánh giá một mô hình credit scoring không chỉ bằng AUC mà còn theo Basel requirements?"
- "Anh/chị sẽ thiết kế kiến trúc model registry như thế nào để quản lý hàng trăm mô hình trong ngân hàng?"
- "Feature Drift và Model Drift là gì? Làm sao phát hiện và xử lý?"
- "LLM và Generative AI có thể ứng dụng vào ngân hàng như thế nào? Ví dụ cụ thể tại VCB?"
Vòng Management:
- "Anh/chị đã từng xây dựng team Data Science từ đầu chưa? Quy trình tuyển dụng và đào tạo thế nào?"
- "Làm sao anh/chị đánh giá hiệu quả làm việc của các Data Scientist trong team?"
- "Khi team và nghiệp vụ không đồng thuận về output của mô hình, anh/chị xử lý ra sao?"
- "Khi nhận một dự án ML mới, anh/chị ưu tiên những yếu tố nào để quyết định có nên làm không?"
- "Cách anh/chị xây dựng roadmap Data Science cho một ngân hàng trong 3 năm?"
Vòng Strategic:
- "Anh/chị nhìn nhận thế nào về xu hướng AI trong ngân hàng trong 5 năm tới?"
- "VCB đang chậm hơn Techcombank/MB về số hóa. Quan điểm của anh/chị về chiến lược cạnh tranh?"
- "Làm sao cân bằng giữa đổi mới sáng tạo và tuân thủ quy định của NHNN?"
- "Trong 100 ngày đầu tiên, anh/chị sẽ làm gì nếu được bổ nhiệm?"
Tips chuẩn bị
✅ Nên làm:
- Nghiên cứu kỹ về VCB: chiến lược chuyển đổi số, các dự án AI gần đây, đối thủ cạnh tranh
- Chuẩn bị 2-3 case study thành công có số liệu ROI cụ thể
- Đọc chiến lược 5 năm của VCB, báo cáo thường niên
- Chuẩn bị thuyết trình về "Chiến lược phát triển Khoa học dữ liệu tại VCB giai đoạn 2026-2030"
- Mặc vest/sơ mi formal, tóc gọn gàng, đồng hồ/túi xách lịch sự
❌ Không nên:
- Nói xấu công ty cũ hoặc sếp cũ
- Đòi hỏi mức lương quá cao ngay vòng đầu (để HR hỏi sau)
- Dùng thuật ngữ quá kỹ thuật khi nói với cấp lãnh đạo không chuyên
- Tỏ ra thiếu tôn trọng quy trình, văn hóa Nhà nước/lớn
Dress code
- Nam: Vest hoặc sơ mi trắng + quần âu + giày da, cà vạt nếu vòng cấp cao
- Nữ: Áo sơ mi/blouse + quần âu/váy ngang gối, giày búp bê hoặc cao gót vừa
- Lưu ý: VCB là ngân hàng nhà nước lớn, ăn mặc cần kín đáo, trang nhã, tránh phụ kiện quá cầu kỳ
Lộ trình ôn thi
Lộ trình ôn tập & chuẩn bị trong 2 tuần
Tuần 1: Nền tảng kiến thức kỹ thuật
Ngày 1-2: Machine Learning cốt lõi
- Đọc lại các thuật toán: Linear/Logistic Regression, SVM, Tree-based, Ensemble, Clustering
- Ôn lại cách chọn metrics phù hợp: Precision, Recall, F1, AUC, KS, Gini
- Tài liệu: Hands-On Machine Learning (Aurélien Géron), An Introduction to Statistical Learning
Ngày 3-4: Deep Learning & NLP
- Ôn kiến trúc: Transformer, BERT, GPT, attention mechanism
- Các bài toán phổ biến trong ngân hàng: OCR cho KYC, chatbot CSKH, phân tích văn bản hợp đồng
- Tài liệu: Deep Learning (Goodfellow), khóa học DeepLearning.AI trên Coursera
Ngày 5: MLOps & Model Management
- Model lifecycle: training → validation → deployment → monitoring → retraining
- Công cụ: MLflow, Kubeflow, SageMaker, Vertex AI, Azure ML
- Data pipeline: Airflow, Spark, Kafka
- Feature Store concept (Feast, Hopsworks)
Ngày 6: SQL & Big Data nâng cao
- Window functions, CTE, query optimization
- Spark SQL, Hive, Presto
- Thực hành trên LeetCode SQL và các dataset ngân hàng mô phỏng
Ngày 7: Model Risk Management
- Đọc về Basel III, SR 11-7 (Fed), ECB TRIM
- Cách viết model documentation
- Concept: Model validation, backtesting, stress testing, PIT (Point-in-Time) vs TTC (Through-the-Cycle)
Tuần 2: Ngân hàng, chiến lược & thuyết trình
Ngày 8-9: Kiến thức ngân hàng
- Đọc báo cáo thường niên VCB 3 năm gần nhất
- Tìm hiểu chiến lược chuyển đổi số VCB: VCB Digibank, VCB-VinID partnership, dự án AI
- Đọc về Open Banking, CBDC, ESG Analytics, Fintech regulations
- Tài liệu: Báo cáo NHNN, Bộ Tài chính, McKinsey Banking Report
Ngày 10: Đối thủ cạnh tranh & Benchmark
- So sánh Techcombank, MB, VPBank, ACB về mức độ ứng dụng AI
- Học hỏi mô hình từ DBS Bank, OCBC, UOB trong khu vực
- Các bài học từ Ant Group, Tencent trong ngân hàng số
Ngày 11: Chuẩn bị case study cá nhân
- Chọn 2-3 dự án ML ấn tượng nhất trong sự nghiệp
- Viết theo cấu trúc: Context → Challenge → Approach → Solution → Results (có số liệu ROI)
- Slide deck tối đa 10 slide, dùng cho thuyết trình
Ngày 12: Mock interview
- Luyện tập với bạn bè hoặc mentor
- Ghi hình để xem lại ngôn ngữ cơ thể
- Test kỹ năng giải thích kỹ thuật cho người không chuyên
Ngày 13: Chuẩn bị slide thuyết trình chiến lược
- Đề tài gợi ý: "Chiến lược phát triển Khoa học dữ liệu tại VCB giai đoạn 2026-2030"
- Cấu trúc: Tình hình hiện tại → Thách thức → Cơ hội → Đề xuất giải pháp → Roadmap → KPI
Ngày 14: Final review
- Đọc lại JD, đảm bảo hiểu rõ từng đầu việc
- Chuẩn bị câu hỏi để hỏi ngược nhà tuyển dụng (rất quan trọng)
- Kiểm tra trang phục, giấy tờ
Tài liệu tham khảo quan trọng
| Loại | Tài liệu |
|---|---|
| Sách kỹ thuật | Hands-On Machine Learning (Géron), Designing Machine Learning Systems (Huyen), Machine Learning Engineering (Burkov) |
| Sách ngân hàng | The AI Bank (Banking on Innovation), AI in Banking (various) |
| Báo cáo | Báo cáo thường niên VCB, McKinsey Global Banking Annual Review, BIS Working Papers |
| Khóa học | Andrew Ng ML/DL Specialization (Coursera), AWS ML Specialty, Google ML Engineer |
| Blog/Tin tức | Towards Data Science, KDnuggets, VCB Newsroom, The Banker |
| Podcast | The Data Skeptic, Banking Transformed, AI in Banking |
Câu hỏi nên hỏi nhà tuyển dụng
- "Trung tâm KT&KHDL hiện có bao nhiêu nhân sự và đang thiếu vị trí nào nhất?"
- "Cơ sở hạ tầng Data hiện tại của VCB đang ở mức độ nào? Đã có Data Lakehouse chưa?"
- "Ban lãnh đạo kỳ vọng Phòng Khoa học dữ liệu đạt được những KPI nào trong năm đầu tiên?"
- "Ngân sách cho các dự án ML/AI hàng năm khoảng bao nhiêu?"
- "Cơ chế phối hợp giữa Trung tâm KT&KHDL với Trung tâm Quản trị và ứng dụng dữ liệu như thế nào?"
- "VCB có chính sách gì để giữ chân nhân tài AI/ML trong bối cảnh cạnh tranh với Techcombank/MB?"
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho vị trí Trưởng phòng Khoa học dữ liệu – VCB
1. Đánh giá mức độ phù hợp
Nên ứng tuyển nếu bạn:
- Đã có 8-15 năm kinh nghiệm, trong đó 5+ năm về ML/AI
- Có track record quản lý team từ 5 người trở lên
- Đam mê ngân hàng, chấp nhận tốc độ đổi mới vừa phải (không nhanh bằng fintech)
- Muốn ổn định, thương hiệu lớn trên CV, benefits tốt
- Sẵn sàng đối mặt với quy trình phức tạp của ngân hàng nhà nước
Chưa phù hợp nếu bạn:
- Đang ở giai đoạn đầu sự nghiệp (< 7 năm)
- Quá "pure technical" mà chưa có kinh nghiệm leadership
- Không chịu được môi trường quản lý chặt, nhiều quy trình
- Mong muốn làm sản phẩm nhanh như startup
2. Lộ trình thăng tiến từ vị trí này
Trưởng phòng Khoa học dữ liệu (hiện tại)
│
├── (3-5 năm) → Phó Giám đốc Trung tâm KT&KHDL
│ │
│ └── (5-7 năm) → Giám đốc Trung tâm
│ │
│ └── (7-10 năm) → Phó Tổng phụ trách Khối Dữ liệu
│
├── (2-4 năm) → Chuyển sang ban chiến lược / khối tín dụng
│
└── (3-5 năm) → Chuyển sang tập đoàn lớn (FPT, Vingroup, VNPT) với vai trò CDO
3. Mức lương ước lượng theo cấp bậc
| Cấp bậc | Kinh nghiệm | Mức lương (VNĐ/tháng) | Ghi chú |
|---|---|---|---|
| Senior Data Scientist | 5-7 năm | 50-90 triệu | Base + thưởng |
| Lead Data Scientist | 7-10 năm | 80-150 triệu | Base + thưởng + phúc lợi |
| Trưởng phòng KHDL (VCB) | 8-15 năm | 120-200 triệu | Có thưởng KPI + ESOP-like |
| Phó Giám đốc Trung tâm | 12-18 năm | 180-300 triệu | Total compensation |
| Giám đốc Trung tâm | 15+ năm | 250-500 triệu+ | Total compensation |
| Phó Tổng | 20+ năm | 500 triệu - 1 tỷ+ | Total compensation + cổ phần |
Lưu ý: Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Đây chỉ là ước lượng tham khảo dựa trên thị trường chung.
4. So sánh với cơ hội khác
| Tiêu chí | VCB – Trưởng phòng KHDL | Techcombank tương đương | Fintech (VNPay, MoMo) | Big Tech (Google, VinAI) |
|---|---|---|---|---|
| Lương | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Thương hiệu CV | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Tốc độ đổi mới | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Stability | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ |
| Phúc lợi (bảo hiểm, nghỉ phép) | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Khả năng ảnh hưởng lớn | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Work-life balance | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐ |
5. Kỹ năng cần phát triển thêm nếu được nhận
Trong 6 tháng đầu:
- Học sâu về quy trình quản trị dữ liệu của VCB và NHNN
- Xây dựng mối quan hệ với các phòng ban nghiệp vụ (Tín dụng, Thẻ, Bán lẻ, Doanh nghiệp)
- Hiểu rõ data architecture hiện tại của VCB
Trong 1 năm:
- Đạt 1-2 quick wins về mô hình ML có ROI rõ ràng
- Xây dựng MLOps framework chuẩn
- Tuyển thêm 2-3 người giỏi
Trong 2-3 năm:
- Đưa VCB lên top về ứng dụng AI so với các ngân hàng nhà nước khác
- Phát triển các sản phẩm AI độc quyền (fraud detection, credit scoring, ESG)
- Xây dựng thương hiệu cá nhân tại cộng đồng Data Science Việt Nam
6. Lời khuyên chân thành
- Đừng apply nếu bạn chưa có leadership thật sự: VCB muốn một người đã "lăn" qua nhiều dự án phức tạp, không phải "data scientist giỏi nhất" mà là "leader có thể scale team".
- Chuẩn bị cho quy trình dài: VCB thường mất 2-4 tháng từ khi apply đến offer. Đừng nản.
- Mạng lưới quan trọng: Nhiều vị trí leadership tại VCB được fill qua referral nội bộ. Hãy networking qua LinkedIn, các hội thảo AI/ML Việt Nam.
- Cân nhắc kỹ về mức lương: VCB trả không cao bằng Techcombank/MB cho cùng cấp, nhưng ổn định và thương hiệu cực mạnh. Đàm phán kỹ package: base + thưởng KPI + bảo hiểm nhân thọ + cổ phần nội bộ (nếu có).
Câu hỏi thường gặp
Rất tiếc, vị trí Trưởng phòng Khoa học dữ liệu tại VCB là cấp leadership, thường yêu cầu 8-15 năm kinh nghiệm tổng và 5+ năm về ML/AI cùng 3-5 năm quản lý team. Bạn mới ra trường chưa phù hợp. Tuy nhiên, bạn có thể bắt đầu với vị trí Junior Data Scientist tại VCB hoặc các công ty fintech, tích lũy 5-7 năm rồi quay lại ứng tuyển các vị trí senior. Hoặc nhắm vào các vị trí Data Scientist/ML Engineer ở các ngân hàng nhỏ hơn để khởi đầu sự nghiệp.
JD ghi 'Thỏa thuận' nên mức lương sẽ được thảo luận dựa trên năng lực và kinh nghiệm của ứng viên. Theo thị trường chung, vị trí tương đương tại VCB thường dao động từ 120-200 triệu/tháng (tổng thu nhập bao gồm base, thưởng KPI, phúc lợi). Bạn có thể đàm phán, nhưng nên chuẩn bị kỹ về profile, các dự án đã làm và ROI mang lại. Mức lương có thể thay đổi tùy ngân hàng và thời điểm, đây chỉ là ước lượng tham khảo. Đặc biệt, đừng chỉ tập trung vào lương base mà quên các yếu tố: thưởng cuối năm, bảo hiểm nhân thọ cho cả gia đình, cơ hội đào tạo quốc tế, cổ phần nội bộ (nếu có).
Đây là bước chuyển phù hợp nếu bạn muốn ổn định hơn. Tuy nhiên, vị trí này yêu cầu cấp Trưởng phòng, nên bạn cần thêm 3-5 năm nữa (tổng 7-9 năm) và kinh nghiệm quản lý team. Trước mắt, bạn có thể nhắm vị trí Senior/Lead Data Scientist tại VCB. Cần chuẩn bị: (1) Học sâu về quy định NHNN, Basel, model risk management; (2) Tích lũy kinh nghiệm quản lý 2-3 người trước; (3) Tham gia các hội thảo ngân hàng để networking; (4) Nghiên cứu kỹ chiến lược chuyển đổi số của VCB. Fintech sẽ là lợi thế lớn vì bạn đã quen tốc độ nhanh và tech stack hiện đại.
Profile của bạn rất phù hợp về mặt kỹ thuật và leadership. Tuy nhiên, tỷ lệ đậu còn phụ thuộc vào: (1) Sự phù hợp văn hóa - VCB là ngân hàng nhà nước, quy trình chặt hơn Techcombank; (2) Kỹ năng strategic thinking cấp Khối Dữ liệu; (3) Track record các dự án ML có ROI rõ ràng tại Techcombank; (4) Khả năng trình bày với cấp Phó Tổng. Lợi thế lớn: bạn đã quen môi trường ngân hàng, hiểu quy định, có network. Tôi đánh giá tỷ lệ đậu khoảng 40-50% nếu bạn chuẩn bị kỹ. Đừng quay lại cùng cấp tại Techcombank hoặc lên Phó phòng - nếu fail ở VCB thì khó quay lại.
Có 3 khác biệt lớn: (1) Quy trình - VCB chặt hơn, approval nhiều lớp hơn, thời gian triển khai dự án ML có thể lâu gấp 1.5-2 lần Techcombank; (2) Đãi ngộ - Tổng thu nhập có thể thấp hơn Techcombank/MB 10-20% nhưng ổn định hơn, phúc lợi tốt hơn (bảo hiểm nhân thọ gia đình, thưởng lễ tết lớn); (3) Quyền lực & thương hiệu - VCB là ngân hàng lớn nhất Việt Nam, tên tuổi trên CV cực mạnh, network chất lượng cao. Techcombank/MB thì tốc độ đổi mới nhanh hơn, làm việc agile hơn, lương cao hơn. Bạn nên cân nhắc theo định hướng: muốn ổn định & thương hiệu → VCB; muốn tốc độ & lương cao → Techcombank/MB.
JD không ghi là do VCB muốn mở rộng pool ứng viên, nhưng tiêu chí thực tế (suy luận từ vị trí và mô tả công việc) thường bao gồm: (1) 8-15 năm kinh nghiệm tổng, 5+ năm về ML/AI; (2) 3-5 năm quản lý team data science/IT; (3) Track record triển khai mô hình ML ở production tại ngân hàng/tài chính; (4) Kiến thức sâu về Basel, model risk management; (5) Kỹ năng strategic thinking và stakeholder management; (6) Tốt nghiệp ĐH chính quy trở lên, ưu tiên các trường top (Bách Khoa, KHTN, FTU, NEU hoặc nước ngoài); (7) Tiếng Anh tốt (đọc tài liệu, viết báo cáo). Bạn nên chuẩn bị hồ sơ thật kỹ và nhấn mạnh vào các điểm này trong CV.
Đây là câu hỏi rất hay mà nhà tuyển dụng sẽ hỏi. Gợi ý kế hoạch 100 ngày: 30 ngày đầu - Học hỏi: gặp gỡ 1-1 với từng thành viên trong team, hiểu rõ skill, động lực, vấn đề của họ; gặp các stakeholder chính (Phòng Tín dụng, Thẻ, Bán lẻ, CNTT); đọc hết tài liệu về kiến trúc data hiện tại của VCB; xác định quick wins. 30-60 ngày - Đánh giá: audit các mô hình ML đang chạy, đánh giá hiệu quả, tìm gap; xây dựng bản đồ dữ liệu và use case ưu tiên; đề xuất 2-3 sáng kiến có ROI cao. 60-100 ngày - Triển khai: Bắt đầu pilot 1 quick win, xây dựng roadmap 1 năm trình Ban Giám đốc, bắt đầu tuyển thêm người nếu thiếu. Điều quan trọng: KHÔNG thay đổi mọi thứ ngay, hãy lắng nghe trước, hành động sau.
Câu trả lời phụ thuộc vào 3 yếu tố: (1) Bạn muốn lên cấp Trưởng phòng hay muốn ổn định tại Techcombank? (2) Mức lương VCB đề xuất có cao hơn 20% không? (3) Bạn có sẵn sàng cho quy trình phức tạp hơn không? Lời khuyên thật lòng: Nếu bạn đang ổn ở Techcombank, đang được giao nhiều dự án lớn, hãy cân nhắc kỹ. VCB tuy thương hiệu mạnh nhưng tốc độ đổi mới chậm hơn, có thể sẽ làm bạn 'chán'. Nếu bạn đã 'plateau' ở Techcombank, hoặc muốn thương hiệu VCB trên CV, hoặc có offer tốt hơn rõ rệt → hãy apply. Đặc biệt: đừng bỏ việc khi chưa có offer chính thức của VCB.
Chia sẻ từ cộng đồng
Vị trí này hot phết đó các bác. VCB chuyển đổi số mạnh lắm, gần đây làm AI rầm rộ. Ai có background ML + ngân hàng thì cơ hội vàng. Mà để ý là VCB tuyển cùng lúc 4 vị trí lãnh đạo phòng trong Trung tâm KT&KHDL, chọn kỹ nha.
Mình đang làm Lead Data Scientist bên ngân hàng cổ phần khác, đang cân nhắc apply. Có ai biết quy trình VCB mất bao lâu không? Mình apply hồi tháng 9 đâu đó mà chưa thấy phản hồi gì.
Cảnh báo thật: vị trí Trưởng phòng ở VCB yêu cầu nhiều về quản lý và làm việc với cấp trên hơn là cứ làm kỹ thuật. Nhiều bạn xuất sắc về tech nhưng không quen 'chính trị' ngân hàng nhà nước thì vào sẽ rất mệt. Cân nhắc kỹ nha.
Mức lương Thỏa thuận nên các bác đàm phán mạnh tay nhé. Mình nghe nói vị trí tương đương ở VCB có thể lên tới 150-200tr total compensation nếu profile đỉnh. Còn không thì cũng tầm 100-130tr thôi. Techcombank với MB trả cao hơn rõ rệt.
Mình đã từng làm ở VCB được 3 năm rồi, nói thật là chế độ phúc lợi tốt nhất trong các ngân hàng. Bảo hiểm nhân thọ cho cả vợ chồng con cái, thưởng lễ tết lớn, đào tạo nước ngoài nhiều. Công việc thì quy trình chặt nhưng ổn định. Phù hợp với ai muốn gắn bó lâu dài.
Tip nhỏ cho ai apply: chuẩn bị kỹ câu hỏi về Model Risk Management và Basel. VCB rất coi trọng vụ này vì đang chuẩn bị Basel III. Bên cạnh ML skill, phải chứng minh được hiểu về governance nữa.
Mình mới ra trường, đọc JD xong hơi nản. Hóa ra lên Trưởng phòng ở VCB khó vậy. Các bác cho mình hỏi lộ trình từ Junior lên Trưởng phòng KHDL mất khoảng bao lâu vậy? Cần học những gì?
Mình đã apply và được qua vòng HR. Đang chuẩn bị thi case study về ML cho ngân hàng. Case khá nặng đó, phải trình bày cả kiến trúc model, business case, ROI nữa. Các bác chuẩn bị trước cho kỹ nha, không phải dạng vừa đâu.
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