[TT.QT&UDDL]_Chuyên viên Phân tích và sản phẩm dữ liệu
Mô tả công việc
[TT.QT&UDDL]_Chuyên viên Phân tích và sản phẩm dữ liệu Số lượng tuyển dụng: 06 Đơn vị tuyển dụng: Trung tâm Quản trị và ứng dụng dữ liệu Nơi làm việc: Hà Nội Thời gian nhận hồ sơ: Hết ngày 28/10/2026
Lưu ý: Trung tâm Quản trị và ứng dụng dữ liệu tuyển dụng 02 vị trí Chuyên viên tuy nhiên ứng viên chỉ được chọn nộp hồ sơ duy nhất 01 vị trí. Các ứng viên cố ý nộp nhiều hơn 01 vị trí Chuyên viên thuộc cùng Trung tâm Quản trị và ứng dụng dữ liệu sẽ bị xem xét hủy bỏ kết quả nộp hồ sơ I. Mô tả công việc:
- Hỗ trợ xây dựng chiến lược kinh doanh sản phẩm dữ liệu:
a) Xây dựng chiến lược và lộ trình phát triển sản phẩm dữ liệu theo phân công.
b) Triển khai phát triển và ứng dụng sản phẩm dữ liệu.
c) Phân tích và chuyển đổi yêu cầu kinh doanh thành các yêu cầu kỹ thuật cho đội Data Engineering và Data Science.
d) Tiếp nhận yêu cầu của nghiệp vụ/ Đồng hành cùng nghiệp vụ trong các nhu cầu hỗ trợ về dữ liệu, xác định phương án hỗ trợ về mặt kỹ thuật và xây dựng yêu cầu người sử dụng và phối hợp với các đơn vị phát triển sản phẩm dữ liệu (Đề Án).
e) Xử lý các yêu cầu liên quan đến tác nghiệp, yêu cầu cung cấp dữ liệu trên các hệ thống ứng dụng công nghệ của VCB (Đề Án).
f) Theo dõi và báo cáo tiến độ sử dụng dữ liệu của các bộ phận nghiệp vụ và báo cáo tiến độ, kết quả đạt được hàng quý.
g) Phối hợp với Phòng Quản trị dữ liệu để xây dựng các tiêu chí đầu vào để bổ sung dữ liệu mới vào Nhà máy dữ liệu.
h) Phối hợp với các Phòng trực thuộc Khối Dữ liệu để xây dựng quy trình làm việc (từ tiếp nhận yêu cầu, triển khai thực hiện và quản lý nguồn lực).
i) Xây dựng và quản lý quy trình quản trị danh sách công việc backlog với bộ phận nghiệp vụ.
- Hỗ trợ các hoạt động phát triển sản phẩm công nghệ:
a) Quản lý việc thực hiện quy trình để thu thập và hiểu rõ yêu cầu nghiệp vụ cần thiết, xây dựng cơ chế sắp xếp công việc ưu tiên dựa trên các tiêu chí quản lý danh sách công việc backlog và nguồn lực sẵn có.
b) Thúc đẩy việc đưa ra yêu cầu về thu thập dữ liệu và yêu cầu đo lường cho từng sản phẩm của ngân hàng, hướng tới đánh giá và cải tiển sản phẩm liên tục.
c) Tạo và duy trì Bảng điều khiển sử dụng dữ liệu (Data Usage Dashboard), để cung cấp thông tin về nhu cầu sử dụng dữ liệu (use case) và giá trị thu được từ việc khai thác dữ liệu.
Hỗ trợ đào tạo người dùng về ứng dụng dữ liệu trong phạm vi được phân công
Hỗ trợ các bộ phận nghiệp vụ để nâng cao lợi nhuận cho VCB:
a) Đảm bảo các yêu cầu phát triển sản phẩm và chiến dịch kinh doanh có ứng dụng dữ liệu để đưa ra quyết định.
b) Tư vấn và đề xuất cho các bộ phận nghiệp vụ về các lợi ích tiềm năng thông qua phân tích dữ liệu dựa trên khoa học dữ liệu để phục vụ hoạt động kinh doanh.
c) Phối hợp với bộ phận nghiệp vụ để gia tăng lợi nhuận cho VCB, đề xuất các cải tiến để đạt được kết quả tốt nhất.
d) Theo dõi và báo cáo về giá trị kinh doanh để truyền thông về lợi ích của dữ liệu, thúc đẩy việc sử dụng rộng rãi dữ liệu như một công cụ.
Phối hợp với Phòng Kỹ thuật dữ liệu xây dựng các công cụ, phương pháp và quy trình cần thiết nhằm tối đa hóa năng lực chủ động sử dụng dữ liệu của bộ phận nghiệp vụ để tạo báo cáo từ dữ liệu thu thập.
Thực hiện báo cáo định kỳ và các báo cáo đột xuất, báo cáo khác theo yêu cầu.
Tham gia các lớp đào tạo, tập huấn nghiệp vụ theo kế hoạch của Phòng và VCB.
Thực hiện các nhiệm vụ khác do Lãnh đạo phòng giao.
II. Tiêu chuẩn tuyển dụng:
Yêu cầu về trình độ và kinh nghiệm làm việc:
- 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 dữ liệu máy tính, Toán học, Toán tài chính, Toán kinh tế, Toán tin, Toán ứng dụng, Công nghệ Tài chính định lượng hoặc các chuyên ngành có liên quan.
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.
- Kiến thức:
Có kiến thức về sản phẩm, nghiệp vụ liên quan đến tài chính, ngân hàng
Hiểu biết về hệ thống thông tin và dữ liệu trong ngân hàng
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, Công nghệ Tài chính hoặc các chuyên ngành có liên quan.
Có kinh nghiệm làm việc trong lĩnh vực khoa học dữ liệu, phân tích dữ liệu
Yêu cầu về kỹ năng và Phẩm chất cá nhân:
1.Kỹ năng:
Lên kế hoạch và thực hiện công việc
Giải quyết vấn đề
Giao tiếp và truyền đạt
Làm việc nhóm và làm việc độc lập
- Khả năng:
Tư duy logic
Đánh giá, phân tích, tổng hợp
Nghiên cứu, tự đào tạo
Đổi mới
- Phẩm chất cá nhân:
Cẩn trọng
Tận tâm, chuyên cần
Chủ động, sáng tạo, thích ứng
Quyết đoán, cẩn thận và linh hoạt
Có thể chịu được áp lực
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Chuyên viên Phân tích và Sản phẩm dữ liệu tại Vietcombank
1. Kỹ năng cứng (Hard Skills) – Bắt buộc phải có
a) Kỹ năng phân tích dữ liệu:
- SQL nâng cao: Đây là kỹ năng số một cần phải vững. Bạn cần thành thạo các câu lệnh truy vấn phức tạp, JOIN nhiều bảng, window functions, CTE, stored procedures. Hệ thống dữ liệu ngân hàng thường chạy trên Oracle, PostgreSQL hoặc SQL Server nên cần quen với ít nhất một trong các nền tảng này.
- Python/R cho phân tích dữ liệu: Pandas, NumPy, Matplotlib/Seaborn, Jupyter Notebook. Đặc biệt quan trọng cho phần phối hợp với đội Data Science.
- Excel/Power BI/Tableau: Bảng điều khiển (Dashboard) là một phần công việc được mô tả rõ trong JD, vì vậy khả năng thiết kế và vận hành dashboard là điểm cộng rất lớn.
- Hiểu biết về Data Warehouse và ETL: Nhà máy dữ liệu (Data Factory/Lake) là khái niệm xuyên suốt JD. Bạn cần hiểu khái niệm về data pipeline, data modeling (star schema, snowflake schema), ETL/ELT.
- Cơ sở dữ liệu quan hệ (Relational Database): Thiết kế bảng, chuẩn hóa dữ liệu (normalization), hiểu về OLTP và OLAP.
b) Kỹ năng quản lý sản phẩm (Product Management):
- Xây dựng và quản lý backlog (Product Backlog management).
- Phân tích yêu cầu nghiệp vụ, viết user story, xác định use case.
- Quản lý ưu tiên (prioritization framework: RICE, MoSCoW, Kano).
- Theo dõi tiến độ sprint và báo cáo KPI.
c) Kỹ năng về quy trình Agile/Scrum:
- Hiểu biết về Scrum, Kanban, Sprint Planning, Daily Standup, Retrospective.
- Làm việc với Jira, Confluence, Azure DevOps.
d) Hiểu biết nghiệp vụ ngân hàng:
- Các sản phẩm tín dụng, tiền gửi, thẻ, thanh toán quốc tế, digital banking.
- Quy trình phê duyệt tín dụng, quản trị rủi ro (Basel II/III), phòng chống rửa tiền (AML/KYC).
- Hiểu về ứng dụng công nghệ trong ngân hàng: core banking, CRM, BPM.
2. Kỹ năng mềm (Soft Skills) – Yếu tố quyết định
| Kỹ năng mềm | Mức độ quan trọng | Lý do |
|---|---|---|
| Kỹ năng giao tiếp liên phòng ban | Rất cao | JD đề cập liên tục việc "đồng hành cùng nghiệp vụ", "phối hợp với các đơn vị" |
| Tư duy phản biện (Critical Thinking) | Rất cao | Phải chuyển đổi yêu cầu kinh doanh thành yêu cầu kỹ thuật |
| Kỹ năng đàm phán và thuyết phục | Cao | Thuyết phục nghiệp vụ về lợi ích của dữ liệu |
| Khả năng làm việc nhóm đa chức năng | Cao | Làm việc với Data Engineering, Data Science, BA, nghiệp vụ |
| Tư duy hệ thống (System Thinking) | Cao | Nhìn được tổng thể data flow end-to-end |
| Khả năng viết báo cáo và truyền thông | Trung bình – Cao | Báo cáo hàng quý, truyền thông giá trị kinh doanh |
| Tiếng Anh (đọc tài liệu, giao tiếp) | Trung bình | Nhiều thuật ngữ kỹ thuật bằng tiếng Anh |
3. Chứng chỉ nên có (Ưu tiên từ cao xuống thấp)
- Google Data Analytics Professional Certificate (Coursera) – Nền tảng tốt cho người mới
- Microsoft Certified: Power BI Data Analyst Associate – Trực tiếp liên quan đến dashboard
- AWS Certified Data Analytics – Specialty – Nếu hệ thống dùng AWS
- Certified Scrum Product Owner (CSPO) – Cho phần quản lý sản phẩm
- PMI-PBA (Professional in Business Analysis) – Cho phần phân tích yêu cầu
- Chứng chỉ SQL từ HackerRank/SQL Server Certification
- DataCamp, DataQuest, Mode Analytics SQL – Học SQL có hệ thống
4. Bảng so sánh: Ứng viên phù hợp theo cấp độ
| Cấp độ | Kinh nghiệm | Kỹ năng cốt lõi | Mức phù hợp với JD |
|---|---|---|---|
| Fresher/Junior | 0 – 1 năm | SQL cơ bản, Excel, Power BI, hiểu Agile | ⭐⭐⭐ Phù hợp nếu từ ngân hàng hoặc CNTT |
| Mid-level | 2 – 4 năm | SQL nâng cao, Python, Quản lý sản phẩm | ⭐⭐⭐⭐⭐ Phù hợp nhất |
| Senior | 5 – 7 năm | Tất cả + quản lý dự án, chiến lược | ⭐⭐⭐⭐ Có thể overqualified cho vị trí chuyên viên |
| Chuyên gia | 7+ năm | Kiến trúc dữ liệu, chiến lược | ⭐⭐ Nên hướng đến vị trí cao hơn |
Lưu ý: Mặc dù JD không ghi rõ yêu cầu kinh nghiệm, dựa trên tính chất công việc (phối hợp đa phòng ban, xây dựng chiến lược, quản lý backlog), có lẽ VCB đang ưu tiên ứng viên có 1 – 3 năm kinh nghiệm, không loại trừ fresher giỏi từ chuyên ngành phù hợp.
Đây là vị trí "cầu nối" (bridge role) giữa nghiệp vụ ngân hàng và đội kỹ thuật dữ liệu. Nếu bạn giỏi cả hai phía, đây là cơ hội cực tốt.
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn chi tiết cho vị trí Chuyên viên Phân tích và Sản phẩm dữ liệu – Vietcombank
Quy trình tuyển dụng dự kiến của VCB
Dựa trên quy trình tuyển dụng thường thấy của VCB (Big 4 ngân hàng), quy trình sẽ gồm 4 – 5 vòng:
| Vòng | Hình thức | Nội dung | Thời lượng |
|---|---|---|---|
| 1. Sơ loại hồ sơ | Online | Sàng lọc CV, bằng cấp | — |
| 2. Kiểm tra đầu vào | Trắc nghiệm online/offline | Toán, tiếng Anh, IQ, logic | 60 – 90 phút |
| 3. Phỏng vấn HR/HR chuyên ngành | 1:1 | Động lực, lý tưởng, phù hợp văn hóa | 30 – 45 phút |
| 4. Phỏng vấn chuyên môn | Hội đồng (2 – 3 người) | Kiến thức chuyên môn, case study | 60 – 90 phút |
| 5. Phỏng vấn cấp cao (Giám đốc TT) | 1:1 hoặc hội đồng | Tầm nhìn, sự phù hợp chiến lược | 45 – 60 phút |
Lưu ý: Một số vòng có thể gộp hoặc bỏ qua tùy vị trí và thời điểm.
Câu hỏi phỏng vấn thường gặp theo từng vòng
Vòng 2 – Kiểm tra đầu vào
- Bài toán logic số học (dãy số, hình học không gian)
- Đọc hiểu tiếng Anh (chuyên ngành tài chính, công nghệ)
- Câu hỏi tình huống ngân hàng
- IQ test cổ điển
Tips chuẩn bị: Làm đề thi tuyển vào VCB các năm trước (chia sẻ nhiều trên các diễn đàn như Dân Tài Chính, Ngân Hàng Lương Cao, BankJob). Tìm trên Google với từ khóa: "đề thi vào Vietcombank" filetype:pdf.
Vòng 3 – Phỏng vấn HR
Câu hỏi hay gặp:
"Tại sao bạn muốn làm việc tại Vietcombank?"
- Nhấn mạnh: VCB là ngân hàng tiên phong trong chuyển đổi số, đầu tư mạnh vào dữ liệu, có nhiều dự án data quy mô lớn.
"Bạn biết gì về Trung tâm Quản trị và Ứng dụng dữ liệu của VCB?"
- Tìm hiểu trước về chiến lược chuyển đổi số của VCB, các dự án như VCB Digibank, VCB My, kho dữ liệu.
"Điểm mạnh, điểm yếu của bạn là gì?"
- Ví dụ tốt: Điểm mạnh – giao tiếp, điểm yếu – đôi khi quá tỉ mỉ (đang cải thiện bằng cách đặt deadline rõ ràng).
"Bạn đã từng làm việc với dữ liệu ngân hàng chưa?"
- Câu trả lời thông minh: mô tả bất kỳ dự án nào có dữ liệu tài chính (dù là đồ án tốt nghiệp, nghiên cứu, hoặc công việc tự do).
"Mức lương bạn mong muốn?"
- Xem phần Career Advice để tham khảo mức hợp lý.
Vòng 4 – Phỏng vấn chuyên môn (Quan trọng nhất)
Phần SQL & Dữ liệu:
"Viết truy vấn SQL tìm top 10 khách hàng có tổng giá trị giao dịch cao nhất trong quý vừa rồi, kèm tỷ lệ tăng trưởng so với quý trước."
"Sự khác biệt giữa INNER JOIN, LEFT JOIN, FULL OUTER JOIN? Khi nào dùng mỗi loại?"
"Window functions (ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD) hoạt động thế nào? Cho ví dụ thực tế."
"Làm thế nào để xử lý dữ liệu trùng lặp (duplicate) trong bảng?"
"Index là gì? Khi nào nên tạo/không nên tạo index?"
Phần phân tích dữ liệu & Dashboard:
"Bạn sẽ thiết kế dashboard phân tích hiệu quả chiến dịch marketing như thế nào? Liệt kê các KPI chính."
"Làm sao để đo lường hiệu quả của một sản phẩm dữ liệu? Cho ví dụ cụ thể trong ngân hàng."
"Nếu một dashboard chạy chậm, bạn sẽ làm gì để tối ưu?"
Phần quản lý sản phẩm & Agile:
"Bạn ưu tiên backlog như thế nào khi có 50 yêu cầu từ 10 phòng ban khác nhau?"
"Mô tả quy trình bạn sẽ xây dựng để tiếp nhận yêu cầu dữ liệu từ nghiệp vụ."
"Cách bạn viết một user story tốt?"
"Sự khác biệt giữa Scrum và Kanban? Bạn sẽ chọn phương pháp nào cho team data product?"
Phần nghiệp vụ ngân hàng:
"Bạn hiểu gì về quy trình phê duyệt tín dụng tại ngân hàng? Dữ liệu nào quan trọng nhất?"
"Ứng dụng dữ liệu có thể giúp giải quyết vấn đề gì trong phòng chống gian lận (fraud)?"
"Bạn biết gì về Basel II/III liên quan đến quản trị rủi ro dữ liệu?"
Phần tình huống (Case study):
"Nghiệp vụ muốn biết tỷ lệ khách hàng rời bỏ (churn rate) trong 6 tháng tới. Bạn sẽ tiếp cận như thế nào?"
"Đội ngũ 20 người gồm DA, DS, DE xung đột về ưu tiên dự án. Bạn xử lý ra sao?"
"Một stakeholder yêu cầu bạn tạo báo cáo hàng ngày, nhưng dữ liệu cập nhật chỉ có hàng tuần. Bạn giải quyết thế nào?"
Vòng 5 – Phỏng vấn cấp cao
Câu hỏi chiến lược:
"Theo bạn, ngân hàng Việt Nam đang ở đâu trên hành trình data-driven? VCB nên đi tiếp như thế nào?"
"Làm sao để truyền thông để cả ngân hàng hiểu và sử dụng dữ liệu như một văn hóa?"
"Bạn muốn phát triển sự nghiệp trong 5 năm tới như thế nào?"
Tips chuẩn bị quan trọng
1. Chuẩn bị Portfolio:
- Lập GitHub/Portfolio cá nhân trình bày các dashboard bạn đã làm (Power BI Public, Tableau Public).
- Chuẩn bị 2 – 3 case study: dữ liệu phức tạp → phân tích → insight → giá trị kinh doanh.
- Nếu chưa có dự án thực tế, hãy làm dự án giả (mock) với dataset công khai từ Kaggle (ví dụ: Bank Marketing, Credit Card Fraud).
2. Research kỹ về VCB:
- Đọc Báo cáo thường niên của VCB (công khai).
- Tìm hiểu chiến lược chuyển đổi số VCB giai đoạn 2023 – 2028.
- Biết về ứng dụng VCB Digibank, VCB Pay, VCB Cashback.
3. Luyện phỏng vấn theo STAR:
- Situation (Tình huống)
- Task (Nhiệm vụ)
- Action (Hành động)
- Result (Kết quả – có số liệu cụ thể)
4. Chuẩn bị 2 – 3 câu hỏi để hỏi ngược nhà tuyển dụng:
- "Đội ngũ hiện tại đang đối mặt với thách thức lớn nhất nào về dữ liệu?"
- "Trung tâm đang ưu tiên phát triển sản phẩm dữ liệu nào trong năm tới?"
- "Cơ hội phát triển sự nghiệp cho chuyên viên trong vòng 2 – 3 năm tới?"
Dress Code
- Nữ: Vest/áo blouse thanh lịch, quần tây hoặc chân váy ngang gối, giày thấp, tóc gọn gàng, trang điểm nhẹ.
- Nam: Sơ mi trắng (hoặc xanh nhạt), quần tây, giày tây, thắt lưng, tóc cắt ngắn.
- Lưu ý: VCB có văn hóa bảo thủ hơn so với fintech, nên ăn mặc trang trọng (business formal). Tránh đồ quá thời trang, phụ kiện rườm rà.
- Phụ kiện tối thiểu: Đồng hồ, bút, không đeo trang sức to.
Các "điểm cộng" giúp bạn nổi bật
- Có chứng chỉ quốc tế về data/product
- Đã từng làm dự án thực tế với dữ liệu tài chính
- Là người từng làm việc tại ngân hàng (kể cả vị trí thấp)
- Có khả năng thuyết trình tốt
- Biết thêm về ML/AI (không bắt buộc nhưng rất có lợi)
Lộ trình ôn thi
Lộ trình ôn tập & chuẩn bị 1 – 2 tuần
Tuần 1 – Nền tảng kỹ thuật
Ngày 1 – 2: SQL nâng cao (4 – 6 giờ)
- Tài liệu: Mode Analytics SQL Tutorial (miễn phí, rất chất lượng)
- Hoặc khóa: "The Complete SQL Bootcamp" trên Udemy (chỉ vài trăm nghìn)
- Luyện tập: LeetCode Database (lọc bài Hard), HackerRank SQL (từ Easy đến Medium)
- Chủ đề ưu tiên:
- Aggregate functions với GROUP BY, HAVING
- JOIN phức tạp (multi-table, self-join)
- Window functions (ROW_NUMBER, RANK, LAG, LEAD, NTILE)
- CTE (WITH clause) và recursive CTE
- Stored procedures, functions, triggers (cơ bản)
- Indexes, explain plan (cơ bản)
Ngày 3: Python cho phân tích dữ liệu (4 giờ)
- Tài liệu: "Python for Data Analysis" – Wes McKinney (sách gối đầu giường)
- Hoặc khóa: DataCamp "Data Analyst with Python" track
- Chủ đề ưu tiên:
- Pandas: DataFrame, Series, merge, groupby, pivot_table
- Làm sạch dữ liệu (missing values, duplicates, outliers)
- Matplotlib/Seaborn: visualization cơ bản
- Jupyter Notebook workflow
Ngày 4: Power BI / Tableau (4 giờ)
- Power BI: Học qua Microsoft Learn (miễn phí) + "The Complete Power BI" trên Udemy
- Thực hành: Tải dataset ngân hàng từ Kaggle, tự làm dashboard
- Kỹ năng trọng tâm:
- DAX cơ bản: CALCULATE, FILTER, ALL, RELATED, time intelligence
- Power Query (ETL)
- Data modeling (star schema)
- Tạo dashboard tương tác với slicers, drill-down
Ngày 5 – 6: Hiểu biết về Data Warehouse & Big Data (3 – 4 giờ)
- Tài liệu: "Fundamentals of Data Engineering" – Joe Reis & Matt Housley
- Tài liệu: The Data Warehouse Toolkit – Ralph Kimball (chương đầu)
- Kiến thức cần nắm:
- Data Lake vs Data Warehouse vs Data Mart
- ETL vs ELT
- Kimball vs Inmon methodology
- Star schema vs Snowflake schema
- Slowly Changing Dimensions (SCD)
- Data quality, data lineage, data governance
- Công nghệ hay xuất hiện trong JD: Hadoop, Spark, Kafka, Snowflake (kiến thức nền)
Ngày 7: Tổng ôn SQL + Python (4 giờ)
- Làm 1 bài test tổng hợp trên Kaggle hoặc tự tạo đề
- Đánh dấu các điểm yếu để quay lại
Tuần 2 – Kỹ năng Product Management, Agile & Banking
Ngày 8 – 9: Quản lý sản phẩm (Product Management) (4 – 6 giờ)
- Sách: "Inspired: How to Create Tech Products Customers Love" – Marty Cagan
- Khóa free: "Product Management by Kenton Kivestu" trên YouTube/Prodfocus
- Tài liệu free của Product School
- Chủ đề cần nắm:
- Product discovery và product delivery
- User story writing (As a... I want... So that...)
- Acceptance criteria (Gherkin: Given-When-Then)
- Backlog prioritization (RICE framework)
- Roadmap và OKR
- KPI cho sản phẩm dữ liệu
Ngày 10: Scrum/Agile (3 giờ)
- Tài liệu: Scrum Guide 2020 (miễn phí từ Scrum.org, bản chính thức, 13 trang)
- Video: Atlassian Agile Coach trên YouTube
- Tìm hiểu:
- Các sự kiện Scrum (Sprint Planning, Daily, Review, Retrospective)
- Product Owner vs Scrum Master
- Story point estimation (Fibonacci, Planning Poker)
- Burndown chart, velocity
Ngày 11 – 12: Nghiệp vụ ngân hàng (4 – 6 giờ)
- Đọc Báo cáo thường niên VCB năm gần nhất (tải trên website VCB)
- Đọc Chiến lược phát triển VCB giai đoạn 2023 – 2028 (tìm trong mục Quan hệ cổ đông)
- Học về:
- Tín dụng: quy trình phê duyệt, xếp hạng tín dụng, CIC
- Thanh toán: SWIFT, thẻ, QR Code, NAPAS
- Chuyển đổi số: VCB Digibank, VCB My, VCB Pay
- Phòng chống gian lận: AML/KYC, fraud detection
- Quản trị rủi ro: Basel II/III cơ bản
- Tài liệu: "Nghiệp vụ ngân hàng hiện đại" – Trường ĐH Kinh tế Quốc dân (tìm PDF)
Ngày 13: Dashboard & Use Case (4 giờ)
- Thực hành tạo dashboard trên Power BI Public với chủ đề tài chính
- Viết 1 use case phân tích: "Xây dựng hệ thống cảnh báo sớm rủi ro tín dụng" hoặc "Phân tích hành vi khách hàng VIP"
Ngày 14: Mock Interview & Tổng hợp (3 – 4 giờ)
- Tự tập trả lời 20 câu hỏi chuyên môn (xem Interview Prep)
- Chuẩn bị 5 câu chuyện STAR từ kinh nghiệm
- Chuẩn bị 2 – 3 câu hỏi để hỏi ngược
- Mặc thử vest, đứng trước gương, tập tự tin và điều chỉnh body language
Tài liệu tham khảo tổng hợp
Sách nên đọc:
| Tên sách | Mức độ ưu tiên | Lý do |
|---|---|---|
| "Inspired" – Marty Cagan | Cao | Nền tảng về quản lý sản phẩm |
| "Fundamentals of Data Engineering" – Joe Reis | Cao | Hiểu về data pipeline, warehouse |
| "Designing Data-Intensive Applications" – Martin Kleppmann | Trung bình | Kiến thức nâng cao về hệ thống dữ liệu |
| "Python for Data Analysis" – Wes McKinney | Trung bình | Thực hành pandas |
| "Naked Statistics" – Charles Wheelan | Thấp | Nền tảng thống kê |
| "Bank 4.0" – Brett King | Trung bình | Tư duy banking hiện đại |
Khóa học online (ưu tiên miễn phí hoặc rẻ):
- Google Data Analytics Certificate (Coursera – tìm học bổng tài trợ thường xuyên)
- IBM Data Science Professional Certificate (Coursera)
- SQL cho người mới – Mode Analytics Tutorial (free)
- Microsoft Learn Power BI (free)
- Kaggle Micro-courses (free)
YouTube channels:
- StatQuest (thống kê, ML)
- Alex The Analyst (data analytics career)
- Product School
- Atlassian Agile Coach
- VCB Channel (cập nhật sản phẩm mới)
Lưu ý quan trọng
- Không nên học tràn lan: Tập trung SQL + Power BI + Product Management là đủ lực
- Làm dự án cá nhân là quan trọng nhất: Làm 2 – 3 project giả với dữ liệu ngân hàng thực tế từ Kaggle
- Networking: Tham gia cộng đồng data Việt Nam (VietAnalytics, BigData Vietnam, Vietnam Data Science) để cập nhật kiến thức và có người review CV
Đừng quên: Lộ trình 2 tuần này là "tăng tốc". Nếu bạn có nhiều thời gian hơn, hãy đầu tư 1 – 2 tháng để hiểu sâu từng phần, đặc biệt là nghiệp vụ ngân hàng và phân tích dữ liệu.
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho vị trí Data Product/Analytics tại VCB
Vị trí này nằm ở đâu trong chặng đường sự nghiệp?
Đây là vị trí chuyên viên (cấp 6 – 8 trong thang bậc VCB), tương đương cấp Officer/Senior Officer trong hệ thống ngân hàng. Đây là bậc tốt để:
- Tích lũy nền tảng vững chắc về data product management
- Xây dựng network trong ngân hàng
- Chuyển đổi sang các vị trí cao hơn (chuyên viên cao cấp, trưởng phòng)
Lộ trình thăng tiến điển hình
Chuyên viên (đang ứng tuyển) ──┐
↓ ▼
Chuyên viên chính (~2-3 năm) ── Senior Data Analyst
↓ ▼
Chuyên viên cao cấp (~4-5 năm) ── Lead Data Analyst/Product Owner
↓ ▼
Trưởng phòng / Phó Giám đốc TT ── Head of Data Product
↓ ▼
Giám đốc Trung tâm (~10+ năm) ── CDO (Chief Data Officer)
Lưu ý: Lộ trình cụ thể còn tùy thuộc vào năng lực, kết quả KPI, chứng chỉ, và quan hệ trong tổ chức. Ngành ngân hàng có đặc thù đánh giá cao "sự trung thành" và thâm niên.
Mức lương kỳ vọng theo cấp bậc (ước lượng tham khảo)
Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Đây chỉ là tham khảo dựa trên thông tin thị trường chung của ngành ngân hàng Việt Nam và nhóm Big 4.
| Cấp bậc | Kinh nghiệm | Mức lương gross/tháng (ước lượng) | Phúc lợi thường có |
|---|---|---|---|
| Fresher/Junior | 0 – 1 năm | 10 – 15 triệu | Thưởng Tết, BHXH, du lịch |
| Chuyên viên (Mức bạn nộp) | 1 – 3 năm | 15 – 25 triệu | + Thưởng quý, KPI, ưu đãi tín dụng |
| Chuyên viên chính | 3 – 5 năm | 25 – 40 triệu | + Thưởng dự án, phụ cấp chức vụ |
| Chuyên viên cao cấp / Trưởng nhóm | 5 – 8 năm | 40 – 70 triệu | + Phụ cấp đặc thù, cổ phiếu ESOP (nếu có) |
| Trưởng phòng trở lên | 8+ năm | 70 – 120 triệu | + Thưởng thành tích, xe công |
| Giám đốc cấp cao | 12+ năm | 120 – 250 triệu+ | + Đa dạng phúc lợi theo cấp |
Với VCB cụ thể:
- VCB thường trả lương cạnh tranh trong top 3 – 5 ngân hàng VN
- Chuyên viên mới (1 – 3 năm): ước tính 15 – 22 triệu gross + thưởng Tết (thường 2 – 4 tháng lương)
- Đặc quyền ngành ngân hàng: Bảo hiểm sức khỏe cao cấp, ưu đãi vay mua nhà, xe, học phí con em
So sánh với các công ty khác (lương tương đương)
| Đơn vị | Vai trò tương đương | Lương (ước lượng) |
|---|---|---|
| Vietcombank (VCB) | Chuyên viên Data Product | 15 – 25 triệu |
| Techcombank (TCB) | Data Analyst/PM | 18 – 35 triệu (có ESOP) |
| VPBank (VPB) | Data Product | 15 – 30 triệu |
| MBBank | Data Analyst | 12 – 25 triệu |
| HDBank | Data Analyst | 12 – 22 triệu |
| Fintech (MoMo, ZaloPay, VNPay) | Data PM | 25 – 50 triệu |
| Big Tech (Google, Microsoft tại VN) | Data Analyst | 40 – 80 triệu |
| Foreign Bank (HSBC, Standard Chartered) | Data Analyst | 30 – 60 triệu |
Quan điểm:
- VCB ưu tiến sự ổn định, brand name, network lâu dài
- Fintech ưu tiến cơ hội học nhanh, thu nhập ngắn hạn cao hơn
- Bạn nên cân nhắc: Bạn cần "brand name + ổn định" hay "tăng trưởng thu nhập nhanh"?
Kỹ năng cần phát triển thêm trong 3 năm đầu
Ưu tiên 1 – Kỹ năng cứng:
- Nâng cao Power BI/Tableau lên master level
- Học thêm về Cloud (Azure/AWS/GCP) – VCB đang chuyển dịch
- SQL nâng cao + Data Modeling + Data Architecture
- Cơ bản Python cho Data Engineering (ETL pipeline)
- Machine Learning cơ bản (scikit-learn) để hiểu DS team
Ưu tiên 2 – Kỹ năng quản lý:
- Project Management (PMP, PRINCE2)
- Product Owner chứng chỉ (CSPO)
- Stakeholder management
- Presentation & Storytelling với data
Ưu tiên 3 – Kỹ năng chiến lược:
- Hiểu biết về chiến lược ngân hàng số
- Data strategy, data governance
- Quản lý rủi ro dữ liệu (data risk)
- Pháp luật về dữ liệu (Luật An ninh mạng, Nghị định 13/2023/NĐ-CP)
Lời khuyên chân thành từ "đàn anh" trong ngành
Đừng chỉ nhìn lương: VCB cho bạn "brand name" mạnh, network với toàn bộ hệ thống ngân hàng, cơ hội làm việc với dữ liệu quy mô lớn mà ít công ty có được. Sau 3 – 5 năm, CV có logo VCB là "passport" cho mọi cơ hội trong ngành tài chính.
Ngành ngân hàng ưu tiên sự kiên nhẫn: Khác với startup/freelance, sự thăng tiến ở đây cần 2 – 4 năm cho mỗi cấp. Hãy chuẩn bị tâm lý.
Học từ nghiệp vụ, không chỉ kỹ thuật: VCB là ngân hàng, vì vậy người hiểu sâu nghiệp vụ (tín dụng, thẻ, thanh toán) sẽ tiến xa hơn người chỉ giỏi SQL/Python.
Xây dựng "sản phẩm chứng minh" (proof of work): Mỗi năm làm ít nhất 1 sản phẩm dữ liệu có giá trị rõ ràng, đo lường được KPI. Đây là bằng chứng mạnh nhất cho sự thăng tiến.
Đừng ngại rời đi nếu cần: Nếu sau 2 – 3 năm bạn cảm thấy "bí bách" về tốc độ phát triển, đó là lúc cân nhắc chuyển sang tech bank (Techcombank, MBBank) hoặc fintech để tăng tốc.
Tận dụng tối đa phúc lợi ngân hàng: Học bổng nội bộ, khóa học do VCB tổ chức, cơ hội đi nước ngoài (training chương trình quốc tế) – những thứ này rất có giá trị nhưng nhiều người không tận dụng.
Mạng lưới là vàng: Trong ngân hàng, quan hệ với các đồng nghiệp, cấp trên, và đối tác công nghệ là yếu tố quan trọng. Hãy tham gia các hoạt động team building, sự kiện nội bộ, hội nhóm chuyên môn.
Cơ hội chuyển đổi sau này
Vị trí này mở ra các hướng chuyển đổi sau:
- Bên trong ngân hàng: Chuyển sang Khối IT, Khối Rủi ro, Khối Khách hàng doanh nghiệp, hoặc các phòng ban chiến lược
- Sang Fintech: Product Manager tại MoMo, ZaloPay, VNPay, Timo
- Sang Big Tech/Tech công ty tài chính: Data Analyst/PM tại các công ty bảo hiểm, chứng khoán (SSI, HSC, VNDirect), công ty fintech quốc tế
- Tư vấn tự do: Sau 5 – 7 năm có kinh nghiệm, có thể làm freelance consultant cho ngân hàng nhỏ, fintech mới
- Khởi nghiệp: Với nền tảng ngân hàng, hoàn toàn có thể start-up trong lĩnh vực RegTech, Data Platform cho tài chính
Lưu ý cuối: Sự nghiệp là một marathon, không phải sprint. Hãy chọn vị trí phù hợp với năng lực và giá trị cốt lõi của mình, đừng chỉ nhìn vào mức lương ngắn hạn.
Câu hỏi thường gặp
Hoàn toàn có thể! Hệ thống thông tin quản lý là nền tảng rất phù hợp. Em nên nhấn mạnh vào: (1) Các môn về Cơ sở dữ liệu, Phân tích dữ liệu đã học; (2) Đồ án tốt nghiệp nếu có liên quan dữ liệu/tài chính; (3) Các chứng chỉ online em đã làm (Google Data Analytics, SQL trên HackerRank); (4) Khả năng giao tiếp với người không chuyên công nghệ. Em cũng nên tự làm 1 – 2 dashboard Power BI với dữ liệu ngân hàng từ Kaggle để có sản phẩm chứng minh. Tuy nhiên, hãy chuẩn bị kỹ cho phỏng vấn chuyên môn về nghiệp vụ ngân hàng vì đây là điểm em sẽ yếu hơn các bạn từ ngân hàng.
Có, đây là cơ hội rất tốt để em nhảy lên một tầm cao mới. So với vị trí hiện tại của em: (1) VCB có brand name cực mạnh, mở ra nhiều cơ hội sau này; (2) Khối lượng dữ liệu và sản phẩm lớn hơn rất nhiều, em sẽ học được nhiều hơn; (3) VCB làm việc với các đối tác công nghệ lớn. Tuy nhiên, cần cân nhắc: lương ban đầu có thể không nhảy vọt (ước tính 18 – 22 triệu gross), thậm chí có thể bằng mức hiện tại. Bù lại, em sẽ có cơ hội tăng tốc sau 2 năm. Nếu em đang muốn tăng tốc sự nghiệp thì đây là lúc tốt. Hãy chuẩn bị kỹ về Portfolio và khả năng kể chuyện về giá trị dữ liệu mang lại cho ngân hàng.
Đây là câu hỏi phải cân nhắc kỹ. Về lợi thế khi chuyển sang VCB: (1) Brand name ngân hàng quốc doanh, rất có giá trị trong ngành tài chính; (2) Dữ liệu lớn hơn và đa dạng hơn fintech; (3) Cơ hội làm việc ở cấp chiến lược dài hạn; (4) An toàn công việc hơn. Tuy nhiên, rủi ro: (1) Có thể giảm lương, ước tính chuyên viên ở VCB khoảng 20 – 30 triệu; (2) Tốc độ phát triển có thể chậm hơn fintech; (3) Văn hóa bảo thủ hơn. Lời khuyên: Nếu em muốn ổn định lâu dài và có cơ hội thăng tiến theo hệ thống ngân hàng, chuyển là đúng. Nếu em đang tăng tốc thu nhập ngắn hạn, ở lại fintech. Bạn có thể đàm phán mức lương 25 – 30 triệu nếu chứng minh được năng lực.
VCB là ngân hàng nhà nước, công khai trong hệ thống lương theo bậc. Dựa trên thông tin thị trường: (1) Chuyên viên mới (0 – 2 năm): khoảng 12 – 18 triệu gross; (2) Chuyên viên có kinh nghiệm (2 – 4 năm): khoảng 18 – 28 triệu gross; (3) Cộng thêm thưởng Tết 2 – 4 tháng lương + thưởng KPI quý + 13th month salary; (4) Các phúc lợi khác: bảo hiểm sức khỏe cao cấp cho cả gia đình, ưu đãi vay vốn mua nhà/xe với lãi suất ưu đãi, học phí cho con, du lịch nước ngoài. Mức lương có thể thay đổi tùy ngân hàng và thời điểm, nhưng tổng thu nhập (lương + thưởng + phúc lợi) của VCB thường cạnh tranh top đầu ngành.
Có thể ứng tuyển nếu JD không yêu cầu kinh nghiệm (và JD này không ghi rõ yêu cầu kinh nghiệm). Tuy nhiên, vị trí này có một số yêu cầu kỹ thuật mà sinh viên tài chính thường không có. Để tăng cơ hội: (1) Học SQL cơ bản (khoảng 30 giờ có thể đủ cho level junior); (2) Học Power BI qua Microsoft Learn (miễn phí); (3) Làm 2 – 3 project cá nhân với dữ liệu tài chính; (4) Trong CV, nhấn mạnh đồ án tốt nghiệp nếu có dùng dữ liệu. Khi phỏng vấn thiếu kinh nghiệm, hãy: (a) Thừa nhận thẳng thắn là fresher nhưng thể hiện khả năng học nhanh qua các chứng chỉ/Project đã làm; (b) Đặt câu hỏi thông minh cho nhà tuyển dụng để thể hiện tư duy; (c) Thể hiện sự nhiệt huyết và sẵn sàng học hỏi. VCB thường có chương trình đào tạo cho nhân viên mới tốt, nên đừng quá lo.
Thực tế, khi JD không ghi kinh nghiệm thường có 2 khả năng: (1) Là "tuyển từ junior đến mid", đa số trường hợp; hoặc (2) Là do lỗi đăng tin, họ quên ghi. Tôi nghiêng về khả năng 1. Lý do: Vị trí chuyên viên, mô tả công việc khá "execution" (thực thi) chứ không phải "strategy" (chiến lược). Các yếu tố như "hỗ trợ xây dựng chiến lược", "xử lý yêu cầu tác nghiệp", "đào tạo người dùng" là của vị trí cấp dưới. Để đánh giá: Senior thường chỉ nộp khi đã "quá" kinh nghiệm và muốn "ổn định", hoặc khi thị trường không có cơ hội tốt hơn. Còn lại, đa số ứng viên là 0 – 3 năm kinh nghiệm. Bạn nên: (1) Nộp nếu tự tin đáp ứng 50 – 70% yêu cầu; (2) Trong CV nêu rõ năm kinh nghiệm và dự án phù hợp; (3) Phỏng vấn sẽ căn chỉnh theo cấp độ thực tế của bạn.
Nếu chỉ chọn 1 chứng chỉ, tôi khuyên: Google Data Analytics Certificate (Coursera) – vì nó bao quát từ SQL → Excel → Visualization → Case Study, phù hợp với đa số ứng viên ở mọi level. Nếu có điều kiện, bổ sung: (1) Microsoft Power BI Data Analyst Associate – trực tiếp cho phần dashboard mà JD yêu cầu; (2) Chứng chỉ Scrum/Agile (PSM I hoặc CSPO) – cho phần quản lý sản phẩm. VCB đặc biệt đánh giá cao: (1) Bằng cấp chính quy ngành liên quan; (2) Chứng chỉ quốc tế còn thời hạn; (3) Sản phẩm/dự án đã làm. Lưu ý: Đừng theo đuổi quá nhiều chứng chỉ mà không có project thực tế. Một project Power BI ấn tượng có giá trị hơn 5 chứng chỉ lý thuyết.
So sánh 3 góc độ: (1) Lương & thưởng: Techcombank > VPBank > VCB (TCB có ESOP, phụ cấp cao); (2) Brand name & ổn định: VCB > VPBank > Techcombank (VCB là ngân hàng nhà nước lớn nhất, an toàn nhất); (3) Cơ hội học & đổi mới: Techcombank > VPBank > VCB (TCB số hóa mạnh nhất, có sản phẩm fintech đột phá). Vị trí này ở VCB đặc biệt hấp dẫn vì nằm trong Trung tâm Quản trị và Ứng dụng dữ liệu – là đơn vị chiến lược, được đầu tư rất lớn với nhân sự chất lượng cao. Nếu bạn ưu tiên sự ổn định và "build strong foundation", VCB là lựa chọn tốt nhất. Nếu ưu tiên "tăng tốc thu nhập và học công nghệ mới", Techcombank có lợi thế. Còn VPBank nằm giữa – tốt cho cả hai nhưng cần chọn đúng phòng ban.
Không nên đợi sát hạn! Kinh nghiệm thực tế: (1) Nhà tuyển dụng thường sàng lọc hồ sơ theo đợt, những hồ sơ nộp sớm được ưu tiên review trước và mời phỏng vấn sớm; (2) Nhiều vị trí đã đủ ứng viên trước khi hết hạn, nhất là vị trí hot của VCB; (3) Lỗi kỹ thuật khi nộp cuối ngày (nghẽn mạng, server quá tải); (4) Bạn có thêm thời gian chuẩn bị cho các vòng sau. Lời khuyên: Nộp trong vòng 1 – 2 tuần đầu sau khi tin đăng là lý tưởng. Nộp sớm cũng giúp HR chủ động liên hệ lại nếu hồ sơ bạn ấn tượng. Đừng đợi đến khi quá tự tin rồi mới nộp – đó là sai lầm phổ biến nhất của ứng viên Việt.
Câu hỏi rất hay! Khi VCB mở nhiều vị trí trong cùng Trung tâm, họ thường có: (1) Phân tích dữ liệu (Data Analytics); (2) Kỹ thuật dữ liệu (Data Engineering); (3) Khoa học dữ liệu (Data Science); (4) Quản trị dữ liệu (Data Governance). Vị trí bạn đang xem là "Phân tích và sản phẩm dữ liệu" – tức thiên về sản phẩm và phân tích, ít về kỹ thuật lập trình. Để chọn đúng: (1) Đọc kỹ JD của từng vị trí; (2) Đánh giá năng lực bản thân: bạn giỏi SQL/Excel hơn hay Python/ML hơn; (3) Bạn thích làm việc với con người (PM) hay với máy tính (DE/DS); (4) Nếu không chắc chắn, đây (vị trí đang xem) thường là "cầu nối" an toàn nhất vì có thể phát triển cả hai hướng sau.
Chia sẻ từ cộng đồng
Mình nộp vị trí này được 2 tháng rồi mà chưa thấy phản hồi. Gọi lên HR thì bảo 'đang trong quá trình xét duyệt'. Có ai nộp rồi cho mình xin tí kinh nghiệm với, hay là do hồ sơ của mình yếu quá nên bị loại từ đầu?
Mình cũng đang nhắm vị trí này. Thấy JD khá rõ ràng về phần data product, ít thấy bên ngân hàng nhà nước đăng tuyển vị trí này đầy đủ như vậy. Mình học IT nhưng đã làm BA ở VPBank 2 năm, thấy khá hợp. Chắc ứng tuyển thử, không được thì cũng coi như tập interview.
Cảnh báo thật cho ai đang apply: Mình phỏng vấn VCB hồi tháng 6/2025 ở vị trí tương tự, quy trình kéo dài gần 3 tháng (HR -> Test -> Chuyên môn -> Cấp cao). Họ làm chậm nhưng kỹ lưỡng. Mình nghĩ ai sốt ruột thì không hợp với VCB, cần kiên nhẫn. Cuối cùng mình đợi quá lâu nên nhận offer Techcombank rồi, bỏ luôn VCB.
Mọi người cho hỏi VCB có cần tiếng Anh không ạ? Mình IELTS 6.5, đủ để giao tiếp nhưng văn viết không tốt lắm. JD không đề cập đến tiếng Anh nhưng sợ phỏng vấn lại hỏi.
Sinh viên năm cuối như mình nên làm gì để tăng cơ hội vào vị trí này? Học SQL với Power BI có đủ không hay cần thêm gì? Mình đang làm đồ án về credit scoring nên có dữ liệu liên quan đến ngân hàng, không biết có giúp được gì không.
Mình từng làm ở VCB được 3 năm, giờ chuyển sang công ty fintech. Nói thật là VCB build foundation rất tốt nhưng thăng tiến chậm. Vị trí này ở Trung tâm Dữ liệu thì OK vì đơn vị chiến lược, được đầu tư nhiều. Nhưng các bạn cứ chuẩn bị tâm lý: lương không nhảy vọt như fintech, đổi lại ổn định và brand name. Sau 2-3 năm muốn nhảy thì CV có logo VCB là vô cùng giá trị.
Mình pass phỏng vấn vòng chuyên môn rồi nhưng còn vòng cấp cao. Cho mình hỏi round này thường hỏi gì ạ? Mình thấy hơi run vì level họ cao quá, không biết chuẩn bị ra sao.
Tip thật: Các bạn nên connect với mọi người trên LinkedIn đang làm ở VCB Data Center trước khi apply. Mình làm vậy, được một anh senior ở đây refer, sau đó HR review hồ sơ nhanh hơn hẳn. Đây là cách mà nhiều người không biết nhưng cực kỳ hiệu quả.
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