Tuyển dụng Business Intelligence Analyst ( Công Ty Tài Chính ) tại Hà Nội

1. Phân tích ad-hoc theo yêu cầu kinh doanh

• Nhận câu hỏi kinh doanh từ trưởng bộ phận / Ban lãnh đạo và chuyển thành bài toán dữ liệu: cần data gì, từ nguồn nào, trong khoảng thời gian nào…

• Tự viết SQL query lấy data từ data warehouse; làm sạch và validate data trước khi phân tích. Không nhờ data engineer cho mỗi request thông thường.

• Phân tích và diễn giải kết quả: không chỉ mô tả 'cái gì đang xảy ra' mà phải trả lời 'tại sao' và 'nên làm gì tiếp theo'.

• Đóng gói kết quả thành output dễ ra quyết định: slide hoặc tổng quan ngắn gọn gồm tóm tắt tình hình + dữ liệu thực tế + khuyến nghị cụ thể.

• Cam kết deadline có thể hoàn thành, nên vấn đề nếu cần thêm data hoặc gặp giới hạn phân tích.

2. Phân tích danh mục định kỳ

• Hàng tuần: tổng hợp các chỉ số sức khỏe danh mục theo kênh (giải ngân, outstanding, DPD distribution, approval rate) kèm nhận xét.

• Hàng tháng: phân tích vintage và roll-rate để phát hiện sớm tín hiệu chất lượng thay đổi; phân tích P&L theo kênh để xác định kênh đang tạo ra giá trị và ngược lại.

• Hàng quý: review tổng thể danh mục, phân khúc nào tăng, phân khúc nào giảm, đường cong rủi ro theo vintage, và đề xuất điều chỉnh chiến lược.

• Chủ động phát hiện bất thường: không chờ được hỏi mới báo cáo.

3. Tìm kiếm cơ hội tăng trưởng & tối ưu lợi nhuận

• Phân tích phân khúc khách hàng theo risk band, income, kênh… tìm ra các nhóm khách hàng tiềm năng mới (có khả năng vay nhưng chưa được tiếp cận hoặc bị từ chối oan).

• So sánh hiệu quả và chi phí theo từng phân khúc, xác định phân khúc nào đang được định giá quá cao so với rủi ro thực hoặc quá thấp.

• Phân tích cohort retention: khách hàng đã trả xong khoản vay quay lại vay tiếp với tỷ lệ bao nhiêu? Có pattern nào dự báo khách hàng sẽ quay lại không?

• Đánh giá hiệu quả acquisition theo kênh: Customer Acquisition Cost (CAC), Lifetime Value (LTV), tỷ lệ khách hàng active sau 3/6/12 tháng.

4. Hỗ trợ thử nghiệm & ra quyết định dựa trên data

• Thiết kế A/B test đơn giản để kiểm tra giả thuyết kinh doanh: thay đổi chính sách phê duyệt, thay đổi hạn mức, thay đổi lãi suất theo nhóm trước khi rollout toàn bộ.

• Sau mỗi thay đổi chính sách hoặc sản phẩm, đo impact thực tế dựa trên dữ liệu.

Phân tích funnel onboarding theo góc nhìn kinh doanh: bước nào đang mất nhiều khách hàng tốt nhất? Lý do là gì? Khuyến nghị cho team Product và Risk để cải thiện conversion mà không tăng rủi

Yêu cầu ứng viên

1. Kinh nghiệm

• Tối thiểu 2 năm kinh nghiệm phân tích dữ liệu, trong đó phần lớn thời gian thực hiện các phân tích trả lời câu hỏi kinh doanh cụ thể.

• Ưu tiên ứng viên có kinh nghiệm tại ngân hàng, công ty tài chính tiêu dùng, fintech, hoặc bất kỳ đơn vị nào có dữ liệu tín dụng (DPD, vintage, roll-rate).

• Đã từng làm việc trực tiếp với dữ liệu thô (không phải chỉ data đã được làm sạch sẵn) và biết xử lý missing data, outlier, inconsistency.

2. Kỹ năng

• Bắt buộc: SQL, Python, PoweBI, Cohort & credit analytics

• Khuyến nghị: Hiểu biết về NIM, NPL, LTV, A/B testing

3. Kỹ năng trình bày & ra quyết định

• Viết được tóm tắt tổng quan cho nội dung cần trình bày

• Chọn được cách trình bày phù hợp với audience: slide cho Ban lãnh đạo, file Excel chi tiết cho Risk, briefing cho cuộc họp nhanh.

• Biết khi nào phân tích 'đủ tốt để ra quyết định' và khi nào cần thêm data.

Quyền lợi được hưởng

• Phụ cấp ăn trưa: 500,000 VNĐ
• Thưởng cạnh tranh hiệu suất theo kết quả công việc

Chế độ bảo hiểm:

• Bảo hiểm y tế, bảo hiểm xã hội theo quy định của Nhà nước
• Gói Bảo hiểm sức khỏe dành cho cán bộ nhân viên

Chính sách phúc lợi khác:

• Chi tặng hiếu hỷ theo quy định của công ty
• Chế độ nghỉ phép: Phép năm, phép thâm niên theo quy định
• Lương 13,Thưởng (quà/tặng tiền mặt) vào các dịp lễ, dịp đặc biệt theo chính sách công ty
• Tài trợ các hoạt động: Văn hóa, thể thao, du lịch, Teambuilding theo chương trình hằng năm
• Thưởng quý, tháng lương 13, thưởng tết