Tweet
Facebook
Copy Link
Data Architecture
- Deliver functionality required for business and data analysts, data scientists and other business roles to advance the overall analytic performance and strategy of the bank
- Build the best practices and strategies for data infrastructure to fulfill data analytic and utilization needs of the business with emerging latest technologies and capabilities.
- Guide the team or teams in identifying opportunities to manage data and provide solutions for complex data feeds within the bank.
- Evaluate various data architectures in the bank and utilize them to develop data solutions to meet business requirements.
- Drive the delivery of data products and services into systems and business processes in compliance with internal regulatory requirements.
- Oversee the review of internal and external business and product requirements for data operations and activity and suggests changes and upgrades to systems and storage to accommodate ongoing needs.
Data Integration
- Strategically obtain and integrate data and information from various sources into the firm’s platforms, solutions and statistical models.
- Lead discussion with Data Scientists to understand the data requirements and create re-usable data assets to enable data scientists to build and deploy machine learning models faster.
- Design, build, and maintain optimized data pipelines and ETL solutions as business support tools in providing analysis and real time analytics platform for critical decision making.
- Ensure data assets are organized and stored in an efficient way so that information is high quality, reliable, flexible, and efficient.
- Manage project conflicts, challenges and dynamic business requirements to keep operations running at high performance.
- Work with team leads to resolve people problems and project roadblocks, conduct post mortem and root cause analyses to improve practices for maximum productivity.
PEOPLE MANAGEMENT
- Oversee human resources planning and execution (headcount & costs) of their function/ sub- function
- Attract, onboard and retain the right talents for a high- performing team
- Establish and communicate sub- function/ function and individual KRAs/ KPIs, goals, action plan, expectations and results to reporting line
- Manage sub- function/ function performance & provide feedback regularly (following the annual performance management cycle)
- Define team’s capability requirements and enable team member’s professional and personal development through capability assessment, training, coaching & feedback, mentoring, etc.
- Motivate and recognize team members’ contributions towards the team’s shared goals
- Responsible for developing talents within the function/ sub- function
- Act as a role model and promote corporate culture at function/ sub- function level
- Understand & communicate relevant HR offerings to team members.
Qualifications
- Bachelor's or Master’s degree in Statistics, Mathematics, Quantitative Analysis, Computer Science, Software Engineering or Information Technology
- 12+ years of relevant experience with developing, debugging, scripting and employing big data technologies (e.g. Hadoop, Spark, Flink, Kafka, Arrow, Tableau), database technologies (e.g. SQL, NoSQL, Graph databases), and programming languages (e.g. Python, R, Scala, Java, Rust, Kotlin) with preference towards functional/trait oriented, including 4+ years of equivalent managerial roles
- English proficiency requirements are pursuant to Techcombank's policy
- Deep experience in designing and building dimensional data models, ETL processes, applied data warehouse concepts and methodologies, optimized data pipelines and wore the architect hat in the past or worked with one extensively
- Deep experience with monitoring complex system and solving data and systems issues having a consistent and algorithmic approach to resolving them
- Deep understanding of Information Security principles to ensure compliant handling and management of all data
- Proven track-record in working in Agile teams to lead company-wide successful digital transformation initiatives and change management, having mastered and mentored on Agile principles, practices and Scrum methodologies
- Mastery in Data và Analytics and is an industry expert on the latest data-related technology trends
- Having a long history of architecting, coding and delivering high performance micro services and/or recommenders delivering recommendations to (tens of) millions of users
Ngân hàng thương mại cổ phần Kỹ Thương Việt Nam (Techcombank) là một ngân hàng thương mại cổ phần của Việt Nam, được thành lập năm 1993 với số vốn ban đầu 20 tỷ đồng. Sau 30 năm không ngừng phát triển đi lên, Techcombank đang có chỗ đứng vững chắc trong ngành Ngân hàng nói chung, và trong nền kinh tế Việt Nam nói riêng với doanh thu 27.000 tỷ đồng và hơn 10.000 nhân viên (năm 2020)
Chính sách bảo hiểm
- Đóng BHXH theo mức cơ bản
- Tham gia vào Techcombank Care với gói bảo hiểm Bảo Việt
Các hoạt động ngoại khóa
- Team building
- Du lịch hàng năm
- Thứ 7 năng động
- Party thường niên
Lịch sử thành lập
- Năm 1993: Ngân hàng thương mại cổ phần Kỹ Thương Việt Nam (Techcombank) được thành lập tại Hà Nội với vốn điều lệ 20 tỷ đồng
- Năm 1995: Tăng vốn điều lệ lên 51,495 tỷ đồng. Thành lập Chi nhánh Techcombank Hồ Chí Minh
- Năm 1996: Thành lập Chi nhánh Techcombank Thăng Long cùng Phòng Giao dịch Nguyễn Chí Thanh tại Hà Nội. Thành lập Phòng Giao dịch Thắng Lợi trực thuộc Techcombank Hồ Chí Minh.Tăng vốn điều lệ tiếp tục lên 70 tỷ đồng.
- Năm 1998: Trụ sở chính được chuyển sang Tòa nhà Techcombank, 15 Đào Duy Từ, Hà Nội. Thành lập Chi nhánh Techcombank Đà Nẵng tại Đà Nẵng.
- Năm 1999: Tăng Techcombank tăng vốn điều lệ lên 80,020 tỷ đồng. Khai trương Phòng giao dịch số 3 tại phố Khâm Thiên, Hà Nội.
- Năm 2000: Thành lập Phòng Giao dịch Thái Hà tại Hà Nội. Tăng vốn điều lệ lên: 102,345 tỷ đồng
- Năm 2002: Thành lập Chi nhánh Chương Dương, Chi nhánh Hoàn Kiếm tại Hà Nội và các chi nhánh tại Hải Phòng, Đà Nẵng, Thành phố Hồ Chí Minh. Tăng vốn điều lệ lên 104,435 tỷ đồng
- Năm 2003: Chính thức phát hành thẻ thanh toán F@stAccess-Connect 24 (hợp tác với Vietcombank) vào ngày 05/12/2003
- Năm 2004: Khai trương biểu tượng mới của Ngân hàng
- Năm 2005: Thành lập các chi nhánh cấp 1 tại: Lào Cai, Hưng Yên, Vĩnh Phúc, Bắc Ninh, T.P Nha Trang (tỉnh Khánh Hòa), Vũng Tàu..
- Năm 2006: Thẻ thanh toán quốc tế Techcombank Visa được ra mắt
- Năm 2007: Trở thành ngân hàng ngân hàng có mạng lưới giao dịch lớn thứ hai trong khối ngân hàng thương mại cổ phần với gần 130 chi nhánh và phòng giao dịch
- Năm 2008: Ra mắt thẻ tín dụng Techcombank Visa Credit
- Năm 2012: phát hành thẻ đồng thương hiệu Techcombank – Vietnam Airlines – Visa
- Năm 2018: Techcombank được niêm yết trên sàn chứng khoán Thành phố Hồ Chí Minh.
- Năm 2020: tổng tài sản doanh nghiệp ước tính đạt 439,6 nghìn tỷ đồng[10] với gần 11.882 nhân viên. Techcombank sở hữu 3 công ty con phụ trách các nhiệm vụ khác nhau bao gồm Công ty cổ phần Chứng khoán Kỹ thương, Công ty TNHH một thành viên Quản lý nợ, và Công ty TNHH Quản lý quỹ Kỹ thương.
Mission
Dẫn dắt hành trình số hóa của ngành tài chính, tạo động lực cho mỗi cá nhân, doanh nghiệp và tổ chức phát triển bền vững và bứt phá thành công.
Review Techcombank
Công ty làm marketing tốt nhưng vào làm thì cũng thấy nhiều vấn đề
Tâm sự của một homecomer về T đỏ và đã ra đi
Nhiều quy trình thủ tục và nên cân nhắc trước khi vào (IT)
Mọi người cũng đã tìm kiếm
Công việc của Intern Data Science là gì?
Intern Data Science là vị trí thực tập trong lĩnh vực Khoa học Dữ liệu. Các intern này thường được cung cấp cơ hội để học hỏi và áp dụng các kỹ thuật phân tích dữ liệu và máy học vào các dự án thực tế. Các công việc của Intern Data Science có thể bao gồm thu thập dữ liệu, tiền xử lý dữ liệu, xây dựng và huấn luyện các mô hình dự đoán, đánh giá và tối ưu hóa các mô hình, và thực hiện các báo cáo và trình bày kết quả. Bên cạnh đó, những vị trí như Intern Data Engineer, Data analyst Intern cũng thường đảm nhận các công việc tương tự.
Mô tả công việc của vị trí Intern Data Science
Thu thập và tiền xử lý dữ liệu
Intern Data Science đóng vai trò quan trọng trong việc thu thập và tiền xử lý dữ liệu. Công việc này bao gồm việc tìm kiếm và thu thập dữ liệu từ các nguồn khác nhau như cơ sở dữ liệu, tệp tin, API hoặc web scraping. Đôi khi, dữ liệu thu thập được có thể không được cấu trúc hoặc có nhiều nhiễu, do đó intern phải có khả năng sử dụng các công cụ và kỹ thuật để làm sạch và tiền xử lý dữ liệu.
Hỗ trợ phân tích và xử lý dữ liệu
Intern thường tham gia vào các hoạt động hỗ trợ phân tích dữ liệu cơ bản để hiểu rõ hơn về dữ liệu mà họ đã thu thập được. Các hoạt động này có thể bao gồm mô tả dữ liệu (descriptive analytics), khai phá dữ liệu (data mining) để tìm ra các mẫu và thông tin quan trọng.
Đánh giá và tối ưu hóa mô hình
Sau khi xây dựng mô hình, intern cần thực hiện các bước đánh giá và tối ưu hóa để cải thiện hiệu suất của mô hình. Việc này có thể bao gồm đánh giá các chỉ số như accuracy, precision, recall, và F1-score để đánh giá khả năng dự đoán của mô hình. Họ cũng có thể áp dụng các kỹ thuật tối ưu hóa như thay đổi siêu tham số (hyperparameter tuning), điều chỉnh threshold, hoặc sử dụng các kỹ thuật tăng cường dữ liệu để cải thiện tính tổng quát của mô hình.a
Intern Data Science có mức lương bao nhiêu?
Lương cơ bản
Lương bổ sung
26 - 39 triệu
/nămLộ trình sự nghiệp Intern Data Science
Tìm hiểu cách trở thành Intern Data Science, bạn cần có những kỹ năng và trình độ học vấn nào để thành công cũng như đạt được mức lương mong đợi ở mỗi bước trên con đường sự nghiệp của bạn.
Số năm kinh nghiệm
Điều kiện và Lộ trình trở thành một Intern Data Science?
Yêu cầu tuyển dụng của Intern Data Science
Để thực hiện tốt các nhiệm vụ được giao, Intern Data Science cần sở hữu những kiến thức, chuyên môn vững vàng và thành thạo những kỹ năng mềm liên quan:
Yêu cầu bằng cấp và kiến thức chuyên môn
-
Bằng cấp và chuyên ngành: Intern Data Science thường yêu cầu ứng viên có bằng cử nhân hoặc sắp tốt nghiệp trong các ngành liên quan như Khoa học Máy tính, Khoa học Dữ liệu, Thống kê, Toán học hoặc các ngành có liên quan. Bằng cấp này không chỉ cung cấp cho ứng viên kiến thức nền tảng mà còn cho phép họ áp dụng các kiến thức này vào thực tiễn trong các dự án và nghiên cứu khoa học dữ liệu.
-
Kiến thức cơ bản: Để làm việc hiệu quả trong vai trò Intern Data Science, ứng viên cần có kiến thức cơ bản về lập trình và khoa học dữ liệu. Điều này bao gồm hiểu biết về các ngôn ngữ lập trình như Python, R hoặc SQL để xử lý dữ liệu và phân tích dữ liệu. Kiến thức về các thuật toán cơ bản của machine learning và statistical modeling cũng là một lợi thế.
-
Kiến thức về machine learning và statistical modeling: Hiểu biết cơ bản về các thuật toán machine learning và khả năng áp dụng chúng để giải quyết các vấn đề thực tế là yêu cầu quan trọng. Intern cần có khả năng triển khai và đánh giá hiệu quả của các mô hình như Linear Regression, Decision Trees, Random Forests, SVMs và có thể cải thiện chúng bằng các kỹ thuật như cross-validation và tuning tham số.
Yêu cầu về kỹ năng
-
Kỹ năng lập trình: Kỹ năng lập trình là yêu cầu thiết yếu đối với Intern Data Science. Intern cần có khả năng viết code sạch, hiệu quả và dễ bảo trì trong các ngôn ngữ như Python, R hoặc SQL. Việc sử dụng các thư viện và framework phổ biến như Pandas, NumPy, Scikit-Learn (Python) hoặc dplyr, ggplot2 (R) để thực hiện các phân tích và xử lý dữ liệu là cần thiết để giải quyết các vấn đề phức tạp trong dự án.
-
Phân tích và xử lý dữ liệu: Intern cần có khả năng làm việc với dữ liệu từ nhiều nguồn khác nhau và biết cách làm sạch dữ liệu để chuẩn bị cho quá trình phân tích. Việc áp dụng các phương pháp và công cụ phân tích thống kê để phát hiện và giải thích mô hình dữ liệu là rất quan trọng. Kỹ năng này giúp đưa ra các quyết định dựa trên dữ liệu chính xác và có tính ứng dụng cao.
-
Kỹ năng mềm: Ngoài các kỹ năng kỹ thuật, Intern cũng cần có kỹ năng mềm để làm việc hiệu quả trong nhóm và giao tiếp một cách rõ ràng. Khả năng làm việc độc lập, giải quyết vấn đề và quản lý thời gian cũng là một phần quan trọng của vai trò này. Các kỹ năng này giúp cải thiện hiệu suất làm việc và xây dựng mối quan hệ tốt với đồng nghiệp và người quản lý.
Yêu cầu khác
-
Đam mê và tham vọng trở thành tên tuổi trong lĩnh vực Quantitative Finance (những tỷ phú công nghệ)
-
Nắm vững kiến thức toán
-
Biết ít nhất 1 ngôn ngữ lập trình hướng đối tượng
-
Đọc hiểu các tài liệu tiếng Anh
Lộ trình thăng tiến của Intern Data Science
Lộ trình thăng tiến của Intern Data Science có thể khá đa dạng và phụ thuộc vào tổ chức và ngành nghề cụ thể. Dưới đây là một lộ trình thăng tiến phổ biến cho vị trí này.
1. Intern Data Science
Mức lương: 4 - 8 triệu/ tháng
Kinh nghiệm làm việc: Dưới 1 năm
Intern Data Science là một vị trí thực tập trong lĩnh vực phát triển ứng dụng di động sử dụng framework React Native. Người nắm giữ vị trí này là những người mới bắt đầu hoặc đang trong giai đoạn thực tập để học hỏi và phát triển kỹ năng cần thiết để trở thành một Data Science chuyên nghiệp.
>> Đánh giá: Trong thời đại công nghệ 4.0, dữ liệu trở thành một nguồn tài nguyên vô cùng quý giá. Các tổ chức cần có những người có khả năng thu thập, phân tích dữ liệu để đưa ra những quyết định mang tính khách quan. Đó là lý do vị trí Data science ngày càng được quan tâm. Đây là một tín hiệu tích cực cho các bạn sinh viên, người mới ra trường muốn theo đuổi sự nghiệp Data science.
>> Xem thêm: Việc làm Thực tập sinh Data Science cho người mới
2. Data science
Mức lương: 14 - 33 triệu/ tháng
Kinh nghiệm làm việc: 1 - 4 năm
Data science làm việc như một nhà phân tích, họ sử dụng khả năng và kỹ thuật của mình để phân tích và xử lý dữ liệu. Từ đó, đưa ra những cái nhìn sâu sắc, hiệu quả và khôn ngoan giúp công ty có được những quyết định đúng đắn. Nghiên cứu và phân tích những dữ liệu đã được cấu trúc lại để ra những thông tin giả thuyết và những mô hình hiệu quả.
>> Đánh giá: Data Science được đánh giá là ngành có mức lương hấp dẫn hàng đầu trên thế giới, nhu cầu tuyển dụng cho vị trí trong ngành cũng rất cao. Những người giỏi thường được các công ty săn đón với mức lương cao ngất ngưởng cùng nhiều quyền lợi đi kèm.
>> Xem thêm: Việc làm Data Science dang tuyển dụng
5 bước giúp Intern Data Science thăng tiến nhanh trong trong công việc
Hoàn thành các dự án và nhiệm vụ một cách xuất sắc
Để được công nhận và có cơ hội tăng thu nhập, việc hoàn thành các dự án và nhiệm vụ một cách xuất sắc là rất quan trọng. Intern Data Science thường có cơ hội làm việc với các dữ liệu thực tế và thực hiện các phân tích để đưa ra các giải pháp. Việc làm việc chăm chỉ, tỉ mỉ trong từng chi tiết và đảm bảo chất lượng công việc sẽ tạo dựng được sự tin tưởng từ phía nhà tuyển dụng và đồng nghiệp. Điều này có thể bao gồm việc sử dụng các công cụ và kỹ thuật phân tích dữ liệu hiện đại, đảm bảo tính chính xác và khả năng ứng dụng thực tế của các kết quả phân tích.
Học hỏi và phát triển kỹ năng
Việc liên tục học hỏi và phát triển kỹ năng là điều không thể thiếu để nâng cao thu nhập trong lĩnh vực này. Các Intern Data Science có thể cải thiện kỹ năng lập trình, xử lý dữ liệu, và phân tích dữ liệu bằng cách tham gia vào các khoá học trực tuyến, các khóa đào tạo nâng cao hoặc tham gia các dự án thực tế. Việc có thêm các chứng chỉ và bằng cấp như Machine Learning, Deep Learning, Data Engineering, hoặc Data Analytics từ các tổ chức uy tín sẽ giúp nâng cao khả năng và giá trị cá nhân.
Tham gia các dự án và cuộc thi
Để xây dựng kinh nghiệm và danh tiếng, các Intern Data Science có thể tham gia vào các dự án ngoài giờ hoặc các cuộc thi khoa học dữ liệu. Các dự án này không chỉ giúp bạn áp dụng các kiến thức từ lớp học vào thực tế mà còn giúp bạn xây dựng nhiều mối quan hệ và được công nhận trong cộng đồng ngành.
Tự tin và mạnh dạn
Cuối cùng, hãy luôn tự tin vào khả năng của mình và mạnh dạn trong việc đề xuất các giải pháp sáng tạo và hiệu quả. Sự tự tin và mạnh dạn sẽ giúp bạn thu hút sự chú ý và công nhận từ các nhà tuyển dụng và nhà quản lý, từ đó tăng cơ hội nâng cao thu nhập và tiếp tục phát triển trong sự nghiệp.
Học hỏi các ngôn ngữ lập trình mới
Học hỏi các ngôn ngữ lập trình mới, nắm vững nhiều ngôn ngữ lập trình sẽ giúp bạn có nhiều cơ hội việc làm hơn và có thể nhận được mức lương cao hơn. Cập nhật các framework web mới nhất về các framework web mới thường có nhiều tính năng và hiệu năng hơn so với các framework cũ, giúp bạn tiết kiệm thời gian và công sức trong việc phát triển website.
Đọc thêm: