Chuyên viên Phân tích Dữ liệu Resume

CV Chuyên Viên Phân Tích Dữ Liệu — Power BI, Nghị Định 13 Và Hệ Sinh Thái Data Việt Nam

Ngành Data tại Việt Nam đang bùng nổ: mọi công ty đều cần Data Analyst — từ FMCG (Vinamilk, Masan dùng data để tối ưu distribution) đến ngân hàng (Techcombank, VPBank xây data team 50+ người) đến e-commerce (Shopee, Tiki phân tích hàng triệu giao dịch/ngày). Tuy nhiên, thị trường Việt Nam có đặc thù: Power BI phổ biến hơn Tableau (do chi phí license thấp hơn và tích hợp Microsoft 365), Python được ưu tiên hơn R, và Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân buộc mọi Data Analyst phải hiểu compliance. Tài liệu này — còn được gọi là hồ sơ xin việc hoặc curriculum vitae (CV) — là công cụ chính để bạn nhận được lời mời phỏng vấn trong lĩnh vực Chuyên viên Phân tích Dữ liệu.

CV chuyên viên phân tích dữ liệu cần trả lời: (1) Bạn phân tích dữ liệu trong ngành nào — e-commerce, ngân hàng, FMCG, hay tech? Mỗi ngành có data khác nhau hoàn toàn. (2) Bạn dùng tool gì — SQL + Power BI (phổ biến nhất) hay Python + Tableau? (3) Bạn ở level nào — Data Analyst (phân tích & báo cáo), Data Engineer (xây pipeline), hay Data Scientist (modeling & ML)? Career path rõ ràng giúp nhà tuyển dụng đánh giá đúng.

Mẫu Tóm Tắt Nghề Nghiệp Chuyên Viên Phân Tích Dữ Liệu

Data Analyst — Mới Ra Trường (0-2 năm)

Tốt nghiệp cử nhân Khoa học Dữ liệu, Đại học Bách Khoa TP.HCM (HCMUT). 1 năm kinh nghiệm Data Analyst intern → Junior DA tại Shopee Vietnam. Viết 50+ SQL queries phức tạp (JOIN, subquery, window function) trên BigQuery để phân tích seller performance và buyer behavior. Xây dựng 12 dashboard Power BI cho team Commercial, giảm 60% thời gian báo cáo thủ công. Chứng chỉ Google Data Analytics Professional, Microsoft Power BI Data Analyst Associate.

Data Analyst — Ngân Hàng (3-5 năm)

Senior Data Analyst tại Techcombank, phòng Data & Analytics. 4 năm kinh nghiệm (2 năm DA tại FPT Software + 2 năm Techcombank). Phân tích dữ liệu 5 triệu khách hàng trên Oracle Data Warehouse để xây dựng customer segmentation model (RFM). Thiết kế dashboard Power BI cho Ban Giám đốc: tracking KPI tín dụng, tiền gửi, thẻ theo real-time. A/B testing chiến dịch marketing email cho 200,000 khách hàng, tăng open rate từ 12% lên 22%. Tuân thủ Nghị định 13/2023 về bảo vệ dữ liệu cá nhân — anonymization data trước khi phân tích.

Data Analytics Lead — E-commerce/Tech (6+ năm)

Data Analytics Lead tại Tiki, quản lý team 6 Data Analysts. 7 năm kinh nghiệm (2 năm Viettel Big Data + 3 năm VNG + 2 năm Tiki). Xây dựng end-to-end analytics pipeline: data collection (Kafka) → processing (Spark/Airflow) → visualization (Looker). Dẫn dắt dự án recommendation engine tăng conversion rate 18% (tương đương 45 tỷ VND doanh thu thêm/quý). Thiết kế data governance framework tuân thủ Nghị định 13/2023, training 30+ nhân viên về data privacy best practices. Python (Pandas, scikit-learn), SQL (BigQuery, Redshift), Power BI, Looker.

Mức Lương Chuyên Viên Phân Tích Dữ Liệu Việt Nam 2026

| Loại công ty / Vị trí | Junior DA (0-2 năm) | Senior DA (3-5 năm) | Lead/Manager (5+ năm) |

|------------------------|---------------------|----------------------|------------------------|

| Tech startup (Tiki, Sendo, KiotViet) | 10-18 triệu | 18-35 triệu | 35-55 triệu |

| E-commerce (Shopee, Lazada, TikTok) | 15-25 triệu | 25-45 triệu | 45-80 triệu |

| Ngân hàng (Techcombank, VPBank, MB) | 12-22 triệu | 22-40 triệu | 40-70 triệu |

| FMCG (Unilever, P&G, Vinamilk) | 12-20 triệu | 20-38 triệu | 38-60 triệu |

| Outsourcing (FPT, KMS, NashTech) | 10-18 triệu | 18-32 triệu | 32-50 triệu |

| Viễn thông (Viettel, VNPT, MobiFone) | 12-20 triệu | 20-35 triệu | 35-55 triệu |

Lưu ý: E-commerce multinational (Shopee, Lazada, TikTok) trả cao nhất nhờ quy mô data lớn và cạnh tranh nhân sự. Ngân hàng có bonus tốt (2-4 tháng). Data Engineer/Data Scientist lương cao hơn DA 20-40% ở cùng level. Remote/freelance DA đang phát triển — có thể nhận project từ Singapore, Nhật. Nguồn tham khảo mức lương tại Việt Nam:

• ITviec — Báo cáo lương chuyên sâu cho ngành công nghệ tại Việt Nam
• TopCV — Báo cáo lương và xu hướng tuyển dụng cập nhật hàng quý tại Việt Nam
• VietnamWorks — Nền tảng tuyển dụng hàng đầu Việt Nam với dữ liệu lương theo ngành
• Glassdoor — Mức lương do nhân viên báo cáo, bao gồm thị trường Việt Nam
• Bộ Lao động – Thương binh và Xã hội — Dữ liệu việc làm và lương thống kê chính thức của Việt Nam

Mức lương thay đổi nhiều theo ngành (tech/e-commerce trả cao nhất), thành phố (HCM > HN > Đà Nẵng), và kỹ năng (Python + ML trả cao hơn Excel + Power BI).

Kỹ Năng Bắt Buộc Cho CV Chuyên Viên Phân Tích Dữ Liệu

Kỹ Năng Kỹ Thuật Cốt Lõi

• SQL — BẮT BUỘC 100% vị trí DA tại Việt Nam. Ghi rõ database: MySQL, PostgreSQL, BigQuery, Oracle, SQL Server. Advanced: window functions, CTEs, query optimization. Tại ngân hàng VN thường dùng Oracle, e-commerce dùng BigQuery/Redshift
• Python (Pandas, NumPy, scikit-learn) — Xử lý dữ liệu, EDA, basic ML. Phổ biến hơn R tại Việt Nam. Ghi rõ libraries: Pandas, NumPy, Matplotlib, Seaborn. Nếu biết scikit-learn/XGBoost — ghi rõ, đây là lợi thế lớn
• Power BI — Công cụ BI phổ biến NHẤT tại Việt Nam (chiếm 60%+ thị phần BI tool). Ghi rõ: DAX, Power Query, data modeling, publish to Power BI Service. Chứng chỉ Microsoft PL-300 là lợi thế
• Excel nâng cao — Pivot Table, VLOOKUP/INDEX-MATCH, Power Query, VBA macro. Vẫn là tool #1 tại nhiều công ty Việt Nam — đặc biệt FMCG và ngân hàng
• Google Analytics / GA4 — Bắt buộc cho DA trong marketing/e-commerce. Chứng chỉ Google Analytics Certified

Data Engineering & Cloud

• ETL / Data Pipeline — Apache Airflow, dbt, hoặc SSIS. Tại VN: FPT dùng custom ETL, Shopee dùng Airflow, ngân hàng dùng Informatica/SSIS
• Cloud platforms — AWS (Redshift, S3, Athena), GCP (BigQuery, Cloud Storage), Azure (Synapse, Data Factory). E-commerce VN phần lớn trên GCP hoặc AWS
• Kafka / Spark — Xử lý dữ liệu real-time. Quan trọng tại Viettel Big Data, Shopee, VNG. Ghi rõ nếu có kinh nghiệm streaming data
• Git / Version Control — Bắt buộc tại tech companies. Nhiều DA truyền thống (ngân hàng, FMCG) chưa dùng Git — biết Git là lợi thế

Phân Tích & Trình Bày

• Statistical Analysis — Hypothesis testing, regression, A/B testing. Quan trọng tại e-commerce (test pricing, UX) và marketing (campaign analysis)
• Data Visualization — Thiết kế dashboard hiệu quả, storytelling with data. Power BI / Tableau / Looker / Google Data Studio
• Data Governance & Privacy — Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân. Hiểu anonymization, data masking, consent management — bắt buộc tại ngân hàng và fintech
• Business Acumen — Hiểu domain knowledge: chỉ số tài chính (ngân hàng), funnel metrics (e-commerce), distribution KPI (FMCG). DA không chỉ code — phải hiểu business

Thành Tích Mẫu Cho CV Chuyên Viên Phân Tích Dữ Liệu

• Xây dựng dashboard Power BI theo dõi KPI real-time cho 5 phòng ban, giảm 80% thời gian báo cáo thủ công (từ 2 ngày/tuần xuống 2 giờ)
• Phân tích customer churn data 2 triệu khách hàng bằng Python (Pandas + scikit-learn), xác định 5 yếu tố churn chính, giúp giảm tỷ lệ churn 12% (tiết kiệm ~8 tỷ VND/năm)
• Tối ưu SQL queries trên BigQuery, giảm thời gian chạy báo cáo từ 45 phút xuống 3 phút — tiết kiệm $2,000/tháng cloud cost
• Thiết kế A/B testing framework cho team Product, triển khai 15 experiments trong 6 tháng, tăng conversion rate tổng 22%
• Xây dựng data pipeline tự động (Airflow + Python) thu thập dữ liệu từ 8 nguồn (CRM, ERP, web analytics, social media), cập nhật daily cho data warehouse
• Đào tạo 20 nhân viên non-tech sử dụng Power BI tự tạo báo cáo, giảm 60% yêu cầu ad-hoc report gửi đến team Data

CV Chuyên Viên Phân Tích Dữ Liệu Cần Gì Đặc Biệt?

1. Liệt kê tech stack đầy đủ — Không ghi chung "SQL, Python". Ghi cụ thể: "SQL (BigQuery, PostgreSQL), Python (Pandas, scikit-learn, Matplotlib), Power BI (DAX, Power Query), Airflow". Recruiters filter theo tool name cụ thể.
2. Link GitHub/Portfolio — Data Analyst là một trong ít ngành mà portfolio project có giá trị gần bằng kinh nghiệm thực tế. Kaggle competitions, GitHub repos với SQL/Python projects, hoặc blog post phân tích data.
3. Ghi rõ quy mô data — "Phân tích 2 triệu records" khác "phân tích 200 records". Volume cho thấy complexity và skill level. Nếu dùng BigQuery/Spark cho big data — ghi rõ.
4. Nêu business impact bằng VND — "Tối ưu campaign tăng 15% conversion" tốt. "Tối ưu campaign tiết kiệm 5 tỷ VND/năm" tốt hơn nhiều. Translate technical work thành business value.
5. Phân biệt rõ DA / DE / DS — Data Analyst (phân tích, dashboard, báo cáo), Data Engineer (pipeline, ETL, infrastructure), Data Scientist (ML model, prediction). Ghi rõ bạn ở đâu trong career path.

Lời Khuyên Từ Data Analytics Manager

> Tôi phỏng vấn DA bằng SQL live — không phải hỏi lý thuyết. Viết CV ghi "thành thạo SQL" nhưng không thể viết window function khi phỏng vấn thì bị loại ngay. CV cần phản ánh đúng năng lực thực tế.

Thị trường Data tại Việt Nam đang ở giai đoạn tăng trưởng nhanh nhưng chưa mature. Nhiều công ty tuyển "Data Analyst" nhưng thực chất cần người làm report Excel. Ngược lại, tech companies (Shopee, VNG, Tiki) cần DA thực sự: SQL phức tạp, Python EDA, A/B testing design. CV phải phù hợp target company.

Lưu ý quan trọng: Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân đã có hiệu lực — DA tại ngân hàng, fintech, e-commerce BẮT BUỘC hiểu data privacy. Ghi kinh nghiệm về data anonymization, consent management trong CV sẽ là lợi thế lớn khi ứng tuyển các vị trí này.

Câu Hỏi Phỏng Vấn Chuyên Viên Phân Tích Dữ Liệu

Viết SQL query tìm top 5 sản phẩm có doanh thu cao nhất trong Q4/2025, bao gồm cả sản phẩm không có đơn hàng nào.

Câu hỏi SQL live bắt buộc tại hầu hết công ty VN. Kiểm tra: LEFT JOIN (không phải INNER JOIN — vì cần cả SP không có đơn), GROUP BY + SUM, ORDER BY + LIMIT. Bonus: COALESCE cho NULL handling, window function RANK() nếu có tie. Nêu cách bạn approach: đọc đề → xác định tables → viết query → verify logic.

Sếp yêu cầu dashboard KPI cho Ban Giám đốc — bạn thiết kế như thế nào?

Câu hỏi đánh giá khả năng business + design thinking. Framework: (1) Stakeholder interview — BGĐ cần theo dõi KPI nào? (Revenue, growth rate, customer metrics?), (2) Data audit — dữ liệu có sẵn ở đâu? Cần ETL gì?, (3) Dashboard design — executive summary ở top, drill-down detail bên dưới, (4) Tool choice — Power BI (nếu dùng Microsoft stack) hay Looker (nếu trên GCP), (5) Refresh schedule — real-time hay daily?

Phân tích cho thấy conversion rate giảm 20% trong tháng qua — bạn investigate thế nào?

Câu hỏi analytical thinking. Framework: (1) Segment — giảm trên toàn bộ hay chỉ segment nào (mobile/desktop, new/returning, khu vực)? (2) Timeline — giảm đột ngột hay dần dần? Có trùng thời điểm deploy feature mới không? (3) Funnel analysis — drop-off ở step nào? (4) External factors — đối thủ KM? Mùa thấp điểm? (5) Hypothesis → test — thay đổi UX? Bug? Pricing issue? Trình bày có hệ thống.

Bạn xử lý data quality issues thế nào — ví dụ missing values, duplicates, outliers?

Câu hỏi thực tế DA hàng ngày. Trả lời theo từng loại: Missing values — xác định pattern (MCAR/MAR/MNAR), imputation strategy (mean/median/mode, forward fill, ML-based). Duplicates — dedup dựa trên business key, xác định nguồn gốc duplicate (ETL bug? Double submission?). Outliers — Z-score/IQR method, nhưng quan trọng là domain judgment (outlier có phải data error hay legitimate edge case?). Nêu ví dụ thực tế nếu có.

Nghị định 13/2023 về bảo vệ dữ liệu cá nhân ảnh hưởng gì đến công việc Data Analyst?

Câu hỏi mới nhưng quan trọng tại ngân hàng, fintech, e-commerce. Trả lời: (1) Không được phân tích dữ liệu cá nhân (tên, SĐT, CCCD) mà không có consent, (2) Phải anonymize/pseudonymize data trước khi đưa vào analytics environment, (3) Data access control — chỉ truy cập data cần thiết cho công việc (principle of least privilege), (4) Retention policy — không giữ dữ liệu cá nhân quá thời hạn cần thiết, (5) Cross-border data transfer — dữ liệu khách hàng VN không được chuyển ra nước ngoài mà không có đánh giá tác động.

Sai Lầm Khi Viết CV Chuyên Viên Phân Tích Dữ Liệu

1. Liệt kê tool mà không có context

"SQL, Python, Power BI, Tableau, R, Spark, Hadoop, TensorFlow" — danh sách dài nhưng vô nghĩa. Ghi: "SQL (BigQuery — 3 năm, truy vấn 10M+ records daily), Power BI (DAX, 15 dashboards cho 5 departments)". Quality > quantity.

2. Không có project/portfolio link

DA là ngành thể hiện năng lực qua sản phẩm. CV không có link GitHub, Kaggle, hoặc portfolio = thiếu bằng chứng. Tối thiểu: 2-3 projects SQL/Python trên GitHub, hoặc 1-2 Kaggle competitions.

3. Thiếu business impact

"Xây dựng dashboard Power BI" — thế rồi sao? Ghi: "Xây dựng dashboard Power BI giảm 80% thời gian báo cáo (từ 2 ngày xuống 2 giờ/tuần), được BGĐ sử dụng trong weekly meeting". Always connect technical work to business outcome.

4. Nhầm lẫn giữa DA và DS trên CV

Nếu ứng tuyển Data Analyst mà CV ghi toàn "Deep Learning, Neural Network, TensorFlow" — nhà tuyển dụng nghĩ bạn muốn Data Scientist, không phù hợp DA. Ngược lại, ứng tuyển DS mà chỉ ghi "Excel, Power BI" — under-qualified. Match CV với vị trí.

5. Bỏ qua Nghị định 13/2023 khi ứng tuyển ngân hàng/fintech

Ngân hàng, fintech, e-commerce tại VN bắt buộc tuân thủ Nghị định 13/2023/NĐ-CP. DA ứng tuyển mà không đề cập data privacy awareness = red flag. Ghi: "Kinh nghiệm anonymize dữ liệu khách hàng trước phân tích, tuân thủ NĐ 13/2023".

Tối Ưu ATS Cho CV Chuyên Viên Phân Tích Dữ Liệu

Dù gọi là CV, hồ sơ xin việc hay curriculum vitae, việc tối ưu hóa cho hệ thống ATS đều tuân theo các nguyên tắc cơ bản giống nhau. Tech companies (Shopee, VNG, Tiki, FPT), ngân hàng (Techcombank, VPBank, MB Bank), và FMCG multinational (Unilever, P&G) đều dùng ATS. ITviec và TopDev là 2 nền tảng tuyển dụng chuyên tech phổ biến nhất tại VN — cả hai đều có ATS filtering.

• Liệt kê tools chính xác — "SQL", "Python", "Power BI", "Tableau", "BigQuery", "Airflow", "Pandas" — mỗi tool là một keyword ATS lọc. Ghi đầy đủ, không viết tắt
• Ghi tên database engine — "BigQuery", "PostgreSQL", "Oracle", "MySQL", "Redshift" — recruiter filter theo DB cụ thể
• Nêu chứng chỉ với tên đầy đủ — "Google Data Analytics Professional Certificate", "Microsoft Power BI Data Analyst Associate (PL-300)", "AWS Certified Data Analytics" — ATS match exact certification name
• Ghi song ngữ — "Phân tích dữ liệu (Data Analytics)", "Trực quan hóa dữ liệu (Data Visualization)", "Bảo vệ dữ liệu cá nhân (Data Privacy)" — phủ keyword cả VN và EN
• Liệt kê methodology — "A/B Testing", "ETL", "EDA (Exploratory Data Analysis)", "RFM Segmentation", "Cohort Analysis" — từ khóa phương pháp luận quan trọng
• Ghi quy mô data — "10M records", "5 triệu khách hàng", "100GB dataset" — volume cho thấy level

Nền Tảng Tuyển Dụng Hàng Đầu Tại Việt Nam

Đăng CV trên nhiều nền tảng để tăng khả năng hiển thị cho vị trí chuyên viên phân tích dữ liệu:

• TopCV.vn — Nền tảng tuyển dụng lớn nhất Việt Nam với 5 triệu+ ứng viên
• VietnamWorks — Chuyên vị trí trung-cao cấp, phổ biến với công ty đa quốc gia
• ITviec — Chuyên ngành công nghệ thông tin, lương cạnh tranh
• CareerLink — Phủ rộng các tỉnh thành, đa ngành nghề
• ViecLam24h — Đa dạng ngành nghề, phổ biến tại các tỉnh

Tài Nguyên Bổ Sung

Tham khảo các tài nguyên này để hoàn thiện hồ sơ ứng tuyển chuyên viên phân tích dữ liệu:

• Kiểm tra độ tương thích ATS của CV — Kiểm tra miễn phí CV của bạn với công cụ phân tích ATS
• Các mẫu CV chuyên nghiệp — Tham khảo hàng trăm mẫu CV theo ngành nghề
• Mẫu CV tương thích ATS — Chọn mẫu CV được tối ưu để vượt qua bộ lọc tự động

• Cách Viết CV Xin Việc Chuẩn Nhà Tuyển Dụng 2026 — Hướng dẫn tạo CV chuyên nghiệp vượt qua bộ lọc ATS
• Mẫu CV ATS Tối Ưu: Download Miễn Phí 2026 — Tải mẫu CV ATS miễn phí, sẵn sàng nộp ngay

Sẵn sàng tạo CV chuyên viên phân tích dữ liệu chuyên nghiệp và tối ưu ATS? Hãy sử dụng công cụ tạo CV miễn phí của chúng tôi để tạo CV hiệu quả trong vài phút. Các mẫu của chúng tôi được tối ưu cho hệ thống ATS và hướng dẫn bạn từng bước.