1. Chủ động và phối hợp triển khai các giải pháp khoa học dữ liệu và trí tuệ nhân tạo cho các đơn vị trong ngân hàng
- Chủ động đề xuất, thiết kế, chịu trách nhiệm chính triển khai các giải pháp khoa học dữ liệu cùng chuyên gia và phối hợp chặt chẽ với các đơn vị kinh doanh/vận hành để giải quyết các bài toán thực tế có tính ứng dụng cao.
- Phân tích chuyên sâu và khám phá dữ liệu lớn, sử dụng các kỹ thuật xác suất thống kê, học máy, học sâu và GenAI để phát hiện các xu hướng, hành vi ẩn và các yếu tố thúc đẩy hành động của khách hàng; từ đó xây dựng insight giá trị và hỗ trợ đề xuất chiến lược kinh doanh, thiết kế sản phẩm hoặc chiến dịch phù hợp.
- Thực hiện hoặc dẫn dắt phát triển các mô hình học máy, học sâu và ứng dụng GenAI nhằm phục vụ các mục tiêu như: dự báo khách hàng rời đi (churn prediction), bán chéo/sản phẩm (cross/up-sell), phân khúc khách hàng (segmentation), dự đoán giá trị vòng đời khách hàng (CLTV), dự đoán hành vi tiếp theo và cá nhân hóa trải nghiệm khách hàng đa kênh
- Tham gia xây dựng và phát triển sản phẩm AI/ML/GenAI theo hướng sản phẩm tái sử dụng, hỗ trợ tự động hóa và tối ưu hóa các quy trình nghiệp vụ của ngân hàng, bao gồm nhưng không giới hạn ở: xử lý hồ sơ tín dụng, phân loại và phân tích văn bản/giọng nói, thẩm định tự động, gợi ý hành động cho RM, hỗ trợ chăm sóc khách hàng, và cải tiến vận hành nội bộ.
2. Nghiên cứu & cập nhật kỹ thuật, công nghệ mới
- Thường xuyên nghiên cứu, cập nhật các xu hướng, kỹ thuật tiên tiến trong lĩnh vực phân tích dữ liệu, học máy, học sâu và/hoặc GenAI theo định hướng từ cấp quản lý hoặc chuyên gia nội bộ.
- Chủ động tìm hiểu và thử nghiệm các công nghệ, framework và mô hình mới để nâng cao hiệu quả triển khai giải pháp dữ liệu và AI tại ngân hàng.
- Tích cực tham gia và chia sẻ tại các diễn đàn chuyên môn, hội thảo nội bộ/ngoại bộ, seminar nhằm mở rộng kiến thức và chia sẻ kinh nghiệm thực tiễn với đội nhóm.
- Tham gia hỗ trợ đào tạo, hướng dẫn cho các thành viên cấp thấp hơn trong nhóm khi được phân công.
3. Thưc hiện các công việc khác theo phân công của cấp thẩm quyền
OUTCOME/MEASURES
• Số lượng các insights được đưa ra/ khuyến nghị với các đơn vị kinh doanh/
• Cải thiện hiệu quả của các chương trình kinh doanh như tăng tỷ lệ chuyển đổi, giảm tỷ lệ khách hàng rời bỏ, tăng quy mô huy động vốn,…
• Cải thiện về hiệu quả vận hành: giảm SLA, giảm thời gian thực hiện tác vụ, tối ưu hóa lợi nhuận (NII, NFI),…
• Các phương pháp và kỹ thuật mới được áp dụng thực tế trong EDA
• Số lượng seminar/sharing
• Số lượng mentees
• Hoàn thành các công việc theo phân công

1. Trình độ đào tạo

Tốt nghiệp Đại học trở lên trong các lĩnh vực liên quan như: Khoa học Máy tính (Computer Science), Toán học/Toán ứng dụng (Mathematics/Applied Mathematics), Thống kê (Statistics), Kỹ thuật (Engineering), Khoa học Dữ liệu (Data Science), Kinh tế lượng, Tài chính định lượng (Econometrics, Quantitative Finance), hoặc các ngành liên quan đến phân tích dữ liệu và xử lý thông tin.

2. Kiến thức/ Chuyên môn có liên quan
• Nắm vững kiến thức về mô hình thống kê, thuật toán học máy, học sâu và GenAI, đồng thời có khả năng đánh giá, tùy biến và tối ưu hóa các kỹ thuật cho các bài toán phức tạp trong thực tế.
• Có hiểu biết sâu và vận dụng thành thạo các kỹ thuật phân tích dữ liệu nâng cao, bao gồm kiểm định giả thuyết, phân tích nhân quả, xử lý mất cân bằng dữ liệu, phân tích chuỗi thời gian, mô hình suy diễn, vector embeddings…
• Thành thạo Python và các thư viện chuyên sâu phục vụ học máy, học sâu và GenAI như: Scikit-learn, XGBoost, LGBM, PyTorch, TensorFlow, Hugging Face Transformers,,..cùng các công cụ hỗ trợ triển khai như MLflow, Docker, Git.
• Hiểu rõ và có khả năng tham gia triển khai các quy trình phát triển và vận hành mô hình (MLOps/LangOps), bao gồm xử lý dữ liệu, huấn luyện, đánh giá, kiểm thử, triển khai và giám sát mô hình
• Có khả năng phối hợp hiệu quả với các đơn vị kinh doanh/vận hành để hiểu bài toán, chuyển đổi thành giải pháp phân tích dữ liệu cụ thể, có giá trị ứng dụng cao và đo lường được hiệu quả.

3. Các kinh nghiệm liên quan
• Tối thiểu 3–5 năm kinh nghiệm trong lĩnh vực phân tích nâng cao, phát triển mô hình học máy/học sâu và/hoặc ứng dụng AI/GenAI vào bài toán thực tiễn.
• Có kinh nghiệm chủ động triển khai các mô hình hoặc giải pháp phân tích phục vụ một hoặc nhiều mục tiêu như tăng trưởng kinh doanh, cá nhân hóa, tối ưu hóa vận hành, nâng cao trải nghiệm khách hàng, phòng chống gian lận, v.v.
• Đã từng tham gia hoặc đóng vai trò chính trong việc triển khai mô hình hoặc ứng dụng AI/ML/GenAI trên nền tảng cloud như AWS, Azure, Google Cloud, Databricks, v.v.
• Có kinh nghiệm xử lý, trực quan hóa và diễn giải dữ liệu một cách sâu sắc, kết nối với nhu cầu kinh doanh và gợi ý hành động cụ thể.
• Có khả năng hướng dẫn hoặc hỗ trợ chuyên viên khác trong nhóm khi triển khai mô hình hoặc xử lý dữ liệu.
• Ưu tiên ứng viên có kinh nghiệm làm việc tại các tổ chức lớn, ngân hàng, công ty công nghệ

4. Các kỹ năng
• Kỹ năng thuyết trình. giao tiếp rõ ràng và mạch lạc, có thể trình bày kết quả phân tích, mô hình và insight cho chuyên gia hoặc đơn vị phối hợp.
• Có khả năng phối hợp làm việc nhóm hiệu quả, đặc biệt trong các nhóm liên chức năng giữa Data, BU và IT.
• Kỹ năng giải quyết vấn đề tốt, có khả năng tiếp cận các bài toán phân tích theo hướng cấu trúc và logic.

5. Các năng lực cần có
• Khả năng làm việc độc lập và quản lý thời gian hiệu quả
• Khả năng thích nghi nhanh với công nghệ mới
• Khả năng học tập liên tục, tự nghiên cứu