Trách nhiệm:Chịu trách nhiệm (i) phân tích dữ liệu chuyên sâu để khám phá insight, đề xuất sáng kiến cải tiến và hợp tác xây dựng giải pháp khả thi; (ii) phát triển, triển khai các mô hình dữ liệu (phân loại, phân nhóm, dự đoán, NLP…) đáp ứng nhu cầu ngân hàng số, đảm bảo tính chính xác, ổn định và khả năng mở rộng; (iii) giám sát, tối ưu hiệu suất mô hình, tái huấn luyện định kỳ và đảm bảo tuân thủ nguyên tắc đạo đức AI, bảo mật và quản trị rủi ro; (iv) hợp tác liên phòng ban, đào tạo, chia sẻ tri thức và chuẩn hóa tài liệu kỹ thuật.

1. Phân tích dữ liệu chuyên sâu và đề xuất sáng kiến cải tiến (30%)

-    Chủ động phân tích các tập dữ liệu lớn để khám phá insight phục vụ mục tiêu tăng trưởng kinh doanh và tối ưu vận hành.

-    Đề xuất các sáng kiến dựa trên dữ liệu nhằm cải thiện quy trình, nâng cao trải nghiệm khách hàng hoặc tăng hiệu quả chiến dịch.

-    Hợp tác với các đơn vị nghiệp vụ và kỹ thuật để xây dựng giải pháp có tính khả thi cao.

2. Phát triển và triển khai mô hình dữ liệu (40%)

-    Thiết kế, huấn luyện và đánh giá các mô hình phân loại, phân nhóm, dự đoán (predictive modeling), xử lý ngôn ngữ tự nhiên (NLP),... phù hợp với các use case ngân hàng số.

-    Triển khai mô hình vào môi trường thực tế, đảm bảo tính chính xác, ổn định và khả năng mở rộng.

-    Làm việc chặt chẽ với kỹ sư dữ liệu (Data Engineer), MLOps và các nhóm kỹ thuật khác để đảm bảo dòng chảy dữ liệu và hiệu năng hệ thống.

3.  Giám sát, tối ưu và đảm bảo tuân thủ mô hình (30%)

-    Theo dõi hiệu suất mô hình trong môi trường sản xuất, phát hiện các dấu hiệu drift, lỗi hệ thống hoặc mất ổn định.

-    Tái huấn luyện định kỳ, tối ưu pipeline mô hình để duy trì hiệu quả theo thời gian và theo thay đổi dữ liệu.

-    Đảm bảo mô hình tuân thủ các nguyên tắc đạo đức AI, chính sách bảo mật và quy trình quản trị rủi ro nội bộ.

4. Hợp tác liên phòng ban và chia sẻ tri thức (15%)

-    Làm việc với các phòng ban nghiệp vụ (marketing, vận hành, sản phẩm) để xác định bài toán phù hợp.

-    Tham gia mentoring, đào tạo nội bộ hoặc trình bày kết quả mô hình, kết quả phân tích cho các bên liên quan.

-    Đóng góp vào việc xây dựng văn hóa dữ liệu và chuẩn hóa tài liệu kỹ thuật trong tổ chức.

5. Thực hiện các công việc khác theo phân công.

Yêu cầu:

Tốt nghiệp Đại học trở lên chuyên ngành Khoa học dữ liệu, Thống kê, Toán – Tin, Khoa học máy tính, Hệ thống thông tin hoặc các ngành liên quan.

Tối thiểu 7 năm (Chuyên gia)/5 năm (Chuyên viên cao cấp)/3 năm (Chuyên viên chính)/2 năm (Chuyên viên)  kinh nghiệm trong phân tích dữ liệu, phát triển mô hình Machine Learning, hoặc Data Science.

Có kinh nghiệm làm việc với các bài toán như phân loại khách hàng, dự đoán hành vi, phát hiện gian lận, đề xuất sản phẩm,...

Ưu tiên có kinh nghiệm thực tế trong ngành Tài chính – Ngân hàng hoặc hệ thống sản phẩm số quy mô lớn.

Am hiểu các thuật toán supervised learning, unsupervised learning, deep learning, NLP, time-series forecasting,...

Có tư duy phân tích, giải quyết vấn đề logic và khả năng đọc hiểu tài liệu nghiên cứu.

Thành thạo Python, SQL và một trong các công cụ: R, Spark, Scala.

Kinh nghiệm sử dụng thư viện ML/AI như: Scikit-learn, XGBoost, LightGBM, TensorFlow, Keras, PyTorch.

Biết sử dụng công cụ version control (Git), Jupyter Notebook, Docker, MLflow hoặc tương đương.

Có hiểu biết về pipeline CI/CD cho mô hình, hệ thống MLOps là lợi thế.

Ưu tiên có kinh nghiệm làm việc trên môi trường Cloud (AWS, Azure, GCP) và các nền tảng như Vertex AI, SageMaker.

Giao tiếp hiệu quả với cả nhóm kỹ thuật và nghiệp vụ.

Trình bày và truyền đạt insight từ dữ liệu một cách dễ hiểu.

Có khả năng làm việc nhóm, chủ động học hỏi và hỗ trợ đồng đội.

Viết báo cáo kỹ thuật, tài liệu mô hình, và trình bày kết quả rõ ràng.

Tiếng Anh: Thành thạo trong giao tiếp chuyên môn, kỹ năng đọc hiểu tài liệu nghiên cứu và viết báo cáo kỹ thuật;

Có chứng chỉ TOEIC đạt tối thiểu 750 hoặc IELTS đạt tối thiểu 6.0 là một lợi thế.