Giới thiệu ngành ngân hàng Việt Nam, vai trò Data Analyst, và mục tiêu khóa học
| Thông tin | Chi tiết |
|---|---|
| ⏱️ Thời lượng | 45 phút |
| 📖 Chủ đề chính | Hệ sinh thái ngân hàng, Vai trò DA, Lộ trình nghề nghiệp |
| 💡 Kiến thức cần có | Không yêu cầu |
| 🎯 Output |
| Hiểu toàn cảnh ngành và định hướng học tập |
| Câu hỏi quyết định | Dữ liệu cần có | KPI theo dõi | Hành động gợi ý |
|---|---|---|---|
| Có nên nới điều kiện phê duyệt vay? | Điểm tín dụng, DPD, tài sản đảm bảo, ngành nghề | Tỷ lệ phê duyệt, Tỷ lệ vỡ nợ, Lợi suất điều chỉnh rủi ro | Thử nghiệm theo từng phân khúc và theo dõi 2 chu kỳ thanh toán |
| Chi nhánh nào cần ưu tiên cải thiện? | Hiệu suất bán, nợ xấu, SLA xử lý hồ sơ | Chỉ số hiệu suất chi nhánh, NPL theo chi nhánh | Thiết kế kế hoạch đào tạo cho các chi nhánh yếu nhất |
| Nhóm khách hàng nào nên cross-sell? | RFM, sản phẩm hiện hữu, tần suất giao dịch | Tỷ lệ bán chéo, Tăng CLV | Chạy chiến dịch theo cụm CLV cao + rủi ro rời bỏ thấp |
| Thuật ngữ | Tiếng Việt | Mô tả |
|---|---|---|
| NHTM | Ngân hàng Thương mại | Commercial Bank — ngân hàng phục vụ cá nhân và doanh nghiệp |
| SBV/NHNN | Ngân hàng Nhà nước | State Bank of Vietnam — cơ quan quản lý ngân hàng |
| Core Banking | Hệ thống lõi | Hệ thống xử lý giao dịch trung tâm của ngân hàng |
| Retail Banking | Ngân hàng bán lẻ | Dịch vụ cho khách hàng cá nhân (tiết kiệm, vay, thẻ) |
| Wholesale Banking | Ngân hàng bán buôn | Dịch vụ cho doanh nghiệp lớn, tổ chức tài chính |
| FinTech | Công nghệ tài chính | Công ty công nghệ cung cấp dịch vụ tài chính |
| Data Warehouse | Kho dữ liệu | Hệ thống lưu trữ dữ liệu tập trung cho phân tích |
| BI (Business Intelligence) | Phân tích kinh doanh | Công cụ và quy trình chuyển dữ liệu thành insights |
| KYC | Know Your Customer | Quy trình xác minh thông tin khách hàng |
| AML | Anti-Money Laundering | Phòng chống rửa tiền |
Ngân hàng thương mại (NHTM) phục vụ cả cá nhân (retail) và doanh nghiệp (wholesale). Dữ liệu từ Core Banking được đưa vào Data Warehouse để phân tích. Data Analyst trong ngân hàng cần hiểu cả nghiệp vụ (KYC, AML) lẫn dữ liệu (BI, DW).
Tính đến 2025, Việt Nam có 31 NHTM, trong đó 4 ngân hàng quốc doanh (Agribank, BIDV, VietinBank, Vietcombank) chiếm ~45% thị phần. Ngành banking đang chuyển đổi số mạnh mẽ, tạo nhu cầu cao cho Data Analyst.
Ngoài hệ thống ngân hàng, Việt Nam có 200+ công ty FinTech hoạt động song song: FE Credit, MoMo, ZaloPay, VNPay... — tạo thêm cơ hội lớn cho Data Analyst trong lĩnh vực digital finance.
| Mảng | Sản phẩm | Data chính |
|---|---|---|
| Ngân hàng Bán lẻ | Tiết kiệm, Vay cá nhân, Thẻ tín dụng, Bảo hiểm | Customer, Transaction, Loan, Card |
| Ngân hàng Bán buôn | Tín dụng DN, Trade Finance, Cash Management | Corporate, Facility, Trade |
| Ngân quỹ | FX, Bond, Money Market | Market Data, Position, P&L |
| Ngân hàng Số | Mobile App, Internet Banking, E-wallet | App Usage, Digital Funnel, UX |
| Rủi ro & Tuân thủ | Credit Risk, Market Risk, AML | Risk Models, Audit, Regulatory |
| # | Team | Lĩnh vực | Công việc chính |
|---|---|---|---|
| 1 | 📊 BI / MIS | Báo cáo quản trị | Dashboard KPIs, báo cáo NHNN, executive reporting |
| 2 | 🔍 Risk Analytics | Rủi ro tín dụng | Credit scoring, phân tích NPL, stress test |
| 3 | 👥 CRM / Customer | Khách hàng | Customer segmentation, CLV, churn prediction |
| 4 | 💳 Product Analytics | Sản phẩm | Performance sản phẩm vay, thẻ, tiết kiệm |
| 5 | 📱 Digital Analytics | Digital banking | App usage, funnel conversion, UX analysis |
| 6 | 🏢 Branch Analytics | Chi nhánh | Network optimization, branch scorecard |
| 7 | ⚖️ Compliance / AML | Tuân thủ | Transaction monitoring, fraud detection |
| Kỹ năng | Mức độ | Ứng dụng trong Banking |
|---|---|---|
| SQL | Bắt buộc | Query data warehouse, báo cáo MIS |
| Excel | Bắt buộc | Phân tích ad-hoc, bảng tổng hợp, dashboard |
| Power BI/Tableau | Quan trọng | Dashboard quản trị, executive reporting |
| Python | Khuyến khích | Tự động hóa, phân tích nâng cao, ML |
| Domain Knowledge | Bắt buộc | Hiểu nghiệp vụ tài chính, sản phẩm ngân hàng |
| Communication | Bắt buộc | Trình bày insights cho các bên liên quan |
| Vị trí | Mức lương | Kinh nghiệm | Kỹ năng nổi bật |
|---|---|---|---|
| 🌱 Junior DA | 8–12M VND | 0–1 năm | SQL cơ bản, Excel, báo cáo |
| 📊 Data Analyst | 12–20M VND | 1–3 năm | SQL nâng cao, BI tools, domain |
| ⭐ Senior DA / Lead | 20–35M VND | 3–5 năm | Python, team lead, strategic analysis |
| 👔 Analytics Manager | 35–60M VND | 5+ năm | Leadership, cross-functional, roadmap |
Sau khi đạt Senior DA, bạn có thể chuyên sâu theo các hướng:
Data Analyst tại ngân hàng thường có mức lương cao hơn 20-30% so với DA ở các ngành khác nhờ tính chất regulated, dữ liệu phức tạp, và yêu cầu domain knowledge cao.
| Giai đoạn | Thành phần | Chi tiết |
|---|---|---|
| 📥 Hệ thống nguồn | Core Banking (T24, Flex) | Giao dịch, tài khoản, khách hàng |
| Hệ thống Thẻ | Dữ liệu thẻ tín dụng, thanh toán | |
| Ứng dụng di động | Hành vi người dùng, UX data | |
| Hệ thống CRM | Quản lý quan hệ khách hàng | |
| ⚙️ ETL / Pipeline | ETL Jobs, Airflow | Trích xuất, biến đổi, tải dữ liệu hàng ngày |
| 🗄️ Kho dữ liệu | Oracle / SQL Server | Kho dữ liệu tập trung, chuẩn hóa |
| 📊 Phân tích & BI | Báo cáo BI | Báo cáo quản trị định kỳ (MIS) |
| Bảng điều khiển | Giám sát thời gian thực, Power BI / Tableau | |
| Mô hình rủi ro | Credit scoring, NPL forecasting | |
| Báo cáo pháp quy | Báo cáo NHNN, Basel compliance |
| Loại dữ liệu | Ví dụ | Tần suất cập nhật | Bảng trong khóa học |
|---|---|---|---|
| Dữ liệu Khách hàng | Thông tin KH, KYC | Thời gian thực | dim_customer |
| Danh mục Sản phẩm | Sản phẩm vay, lãi suất | Hàng quý | dim_product |
| Mạng lưới Chi nhánh | Chi nhánh, vùng miền | Hàng năm | dim_branch |
| Hồ sơ Khoản vay | Hồ sơ vay, credit score | Thời gian thực |
Dữ liệu ngân hàng thuộc loại nhạy cảm nhất. Trong thực tế, DA cần tuân thủ:
VNCredit Bank là ngân hàng bán lẻ mô phỏng, được thiết kế sát với thực tế ngân hàng Việt Nam. Dataset bao gồm 6 bảng với tổng cộng 2.6 triệu records, phản ánh đầy đủ hoạt động retail banking.
| Bảng | Số records | Mô tả |
|---|---|---|
dim_customer | 50,000 | Khách hàng cá nhân |
dim_product | 15 | Sản phẩm vay (tiêu dùng, bất động sản, xe, thẻ) |
dim_branch | 120 | Chi nhánh toàn quốc (Bắc 45, Trung 25, Nam 50) |
fact_loan_application | 80,000 | Hồ sơ vay 2022-2024 |
fact_loan_payment | 500,000 | Records thanh toán khoản vay |
fact_transaction | 2,000,000 | Giao dịch tài khoản 6 tháng |
| Chỉ số | Giá trị | Ý nghĩa |
|---|---|---|
| Tỷ lệ phê duyệt | 65% | Tỷ lệ duyệt hồ sơ vay |
| Tỷ lệ vỡ nợ | ~7% | Tỷ lệ vỡ nợ tổng thể |
| Thanh toán đúng hạn | 75% | Tỷ lệ thanh toán đúng hạn |
| Thanh toán trễ hạn | 18% | Tỷ lệ trả chậm (1-30 ngày) |
| Không thanh toán | 7% | Tỷ lệ không thanh toán (30+ ngày) |
| Kênh Mobile | 45% | Giao dịch qua mobile banking |
VNCredit Bank có 6 bảng theo mô hình Star Schema: 3 dimension tables (customer, product, branch) và 3 fact tables (loan_application, loan_payment, transaction). Tổng cộng 2.6 triệu records phản ánh hoạt động retail banking thực tế tại Việt Nam.
| Module | Bài học | Nội dung chính |
|---|---|---|
| 🏦 Module 1 | Bài 1–3 | Hệ sinh thái ngân hàng, Nghiệp vụ banking, KPIs ngành |
| 💳 Module 2 | Bài 4–6 | Credit Risk Analysis, Loan Portfolio, Customer Segmentation |
| ⚙️ Module 3 | Bài 7–9 | Transaction Analysis, Branch Performance, Customer 360 |
| 📋 Module 4 | Bài 10–12 | Dashboard Design, Regulatory Reporting, Capstone Project |
Hoàn thành khóa học, bạn sẽ có 4 dự án portfolio ngành ngân hàng:
| Chủ đề | Nội dung chính |
|---|---|
| Hệ sinh thái ngân hàng | Retail vs Corporate, chuỗi giá trị tín dụng |
| Vai trò Data Analyst | Phân tích dữ liệu hỗ trợ quyết định kinh doanh ngân hàng |
| Dataset VNCredit Bank | 6 bảng Star Schema, 2.6 triệu records |
| Cấu trúc khóa học | 4 module: Nền tảng → Tín dụng → Vận hành → Capstone |
| Key Metrics | Approval Rate 65%, Default Rate ~7%, Mobile 45% |
| Lộ trình học | 12 bài + 1 quiz, từ cơ bản đến dự án thực tế |
Bài tiếp theo: Banking Fundamentals →
🎉 Tuyệt vời! Bạn đã nắm được tổng quan khóa học Banking Analytics!
Nhớ: Hiểu rõ hệ sinh thái ngân hàng và dataset sẽ giúp bạn học hiệu quả hơn ở các bài tiếp theo!
| Nguồn | Nội dung | Link |
|---|---|---|
| Google BigQuery | Phân tích dữ liệu quy mô lớn cho ngân hàng | BigQuery Documentation |
| AWS Financial Services | Giải pháp cloud cho tài chính & ngân hàng | AWS Financial Services |
| IBM Banking Analytics | Phân tích dữ liệu ngân hàng với AI | IBM Banking & Financial Markets |
| Databricks | Lakehouse platform cho financial data | Databricks for Financial Services |
| PostgreSQL | Database mã nguồn mở phổ biến cho analytics | PostgreSQL Documentation |
| pandas | Thư viện Python cho data analysis | pandas Documentation |
fact_loan_application| Thanh toán Khoản vay | Thanh toán, quá hạn | Hàng ngày | fact_loan_payment |
| Giao dịch | Giao dịch, số dư | Thời gian thực | fact_transaction |