Senior Data Engineer

Giới thiệu về Finhay

Finhay là một trong những nền tảng tài chính số tiên phong tại Việt Nam, được thành lập từ năm 2017 với sứ mệnh giúp người Việt tiếp cận đầu tư và quản lý tài chính một cách đơn giản, minh bạch và dễ dàng hơn. Từ một ứng dụng tích lũy dành cho người mới bắt đầu, Finhay đã phát triển thành hệ sinh thái đầu tư số phục vụ hàng triệu người dùng trên toàn quốc.

Điểm khác biệt của Finhay nằm ở chiến lược kết hợp giữa công nghệ tài chính (fintech) và hạ tầng tài chính truyền thống được cấp phép đầy đủ. Thông qua thương vụ mua lại Công ty Cổ phần Chứng khoán Vina, nay là Công ty Cổ phần Chứng khoán Finhay (FHSC), Finhay trở thành fintech đầu tiên tại Việt Nam sở hữu công ty chứng khoán. Đây là bước chuyển quan trọng giúp Finhay phát triển hệ sinh thái tài chính toàn diện với các sản phẩm như giao dịch chứng khoán, đầu tư chứng chỉ quỹ, tích lũy, tiết kiệm, vàng và các công cụ quản lý tài chính cá nhân.

Bên cạnh năng lực công nghệ và sản phẩm, Finhay cũng nhận được sự đồng hành của nhiều quỹ đầu tư quốc tế lớn thông qua vòng gọi vốn Series B trị giá 25 triệu USD. Với đội ngũ trẻ trung, tinh thần đổi mới mạnh mẽ và môi trường làm việc đề cao ownership, tốc độ học hỏi và khả năng thích nghi, Finhay đang từng bước khẳng định vị thế của một thương hiệu fintech – chứng khoán hiện đại hàng đầu tại Việt Nam.

I. Thông tin chung

• Tên vị trí: Senior Data Engineer (GCP Platform)
• Mã JD: JD-FHSC-Tech-DE
• Khối / Phòng / Bộ phận: Khối Công nghệ
• Dải cấp bậc áp dụng: Middle - Senior Level
• Báo cáo trực tiếp cho: Data Lead
• Báo cáo gián tiếp cho: Giám đốc Khối
• Quản lý trực tiếp: Data Lead
• Địa điểm làm việc: Capital Building, Ngõ 36 Giang Văn Minh, phường Ba Đình, Hà Nội
• Hình thức làm việc: Toàn thời gian

II. Mục đích vị trí

Xây dựng, tối ưu và vận hành hệ thống kiến trúc dữ liệu hiện đại trên Google Cloud Platform (GCP) — Data Warehouse, Data Lake và Data Lakehouse — chuyển hóa dữ liệu thô thành tài sản dữ liệu chiến lược phục vụ phân tích và ra quyết định kinh doanh.

III. Nhiệm vụ và trách nhiệm chính

1. Kiến trúc dữ liệu

• Nhiệm vụ: Thiết kế, xây dựng và duy trì kiến trúc Data Lake, Data Warehouse và Data Lakehouse trên GCP (BigQuery, Cloud Storage, Dataproc, Dataflow)
• Kết quả đầu ra: Kiến trúc dữ liệu được tài liệu hóa, vận hành ổn định

2. Data Pipeline

• Nhiệm vụ: Xây dựng, phát triển các đường ống dữ liệu (ETL/ELT) đáng tin cậy cho dữ liệu Batch và Streaming
• Kết quả đầu ra: Pipeline chạy đúng lịch, có giám sát và cảnh báo

3. Tối ưu chi phí và hiệu năng

• Nhiệm vụ: Tối ưu chi phí lưu trữ, truy vấn và hiệu năng tính toán trên GCP cho các mô hình Data Lakehouse
• Kết quả đầu ra: Chi phí GCP được theo dõi và tối ưu theo mục tiêu

4. Data Modeling

• Nhiệm vụ: Thiết kế Data Model (Dimensional Modeling, Data Vault, Star/Snowflake Schema) phục vụ Business Intelligence và Advanced Analytics
• Kết quả đầu ra: Data Model đáp ứng nhu cầu phân tích, được tài liệu hóa

5. Chất lượng và độ khả dụng

• Nhiệm vụ: Theo dõi, phát hiện, khắc phục sự cố Data Pipeline; bảo đảm độ khả dụng cao (HA), chất lượng và tính toàn vẹn dữ liệu
• Kết quả đầu ra: Sự cố được xử lý đúng SLA; dữ liệu đạt chuẩn chất lượng

6. Data Governance và bảo mật

• Nhiệm vụ: Thực thi chính sách Data Governance, IAM, Data Lineage, Data Anonymization theo tiêu chuẩn công ty; tuân thủ Luật Bảo vệ dữ liệu cá nhân đối với dữ liệu khách hàng
• Kết quả đầu ra: 0 sự cố rò rỉ hoặc truy cập trái phép dữ liệu

7. Dữ liệu cho AI

• Nhiệm vụ: Cung cấp dữ liệu sạch, có cấu trúc cho các ứng dụng AI agent, LLM, MCP và nền tảng HayInsights
• Kết quả đầu ra: Nguồn dữ liệu sẵn sàng cho các use case AI

8. Hợp tác và cải tiến

• Nhiệm vụ: Phối hợp Data Scientist, Data Analyst, Business Analyst, Software Engineer để hiểu nhu cầu dữ liệu; nghiên cứu, áp dụng công nghệ mới (Data Mesh, CI/CD for Data, DataOps)
• Kết quả đầu ra: Giải pháp dữ liệu đáp ứng yêu cầu; cải tiến quy trình được áp dụng

9. Nhiệm vụ khác

• Nhiệm vụ: Thực hiện các công việc khác theo phân công của QLTT
• Kết quả đầu ra: Theo từng yêu cầu

IV. Quyền hạn

• Quyền quyết định: Lựa chọn giải pháp kỹ thuật, công cụ và cách triển khai pipeline, data model trong phạm vi kiến trúc đã được duyệt
• Quyền đề xuất: Đề xuất công nghệ, công cụ mới (Data Mesh, CI/CD for Data, DataOps) và thay đổi kiến trúc dữ liệu
• Quyền tiếp cận thông tin, dữ liệu: Hệ thống dữ liệu và hạ tầng GCP theo phân quyền IAM — dữ liệu bảo mật
• Giới hạn: Không cấp quyền truy cập dữ liệu hoặc xuất dữ liệu khách hàng ra ngoài hệ thống khi chưa được phê duyệt

V. Mối quan hệ công việc

• Bên trong – cấp trên: Data Lead: Báo cáo, nhận phân công, thống nhất kiến trúc
• Bên trong – ngang cấp: Team Data (Data Scientist, Data Analyst): Thu thập nhu cầu dữ liệu, cung cấp giải pháp
• Bên trong – bộ phận khác: Business Analyst, Software Engineer, Product, Kiểm soát nội bộ/Tuân thủ: Nguồn dữ liệu, tích hợp hệ thống, yêu cầu phân tích; kiểm soát bảo mật dữ liệu
• Bên ngoài: Google Cloud, nhà cung cấp dữ liệu và công cụ: Hỗ trợ kỹ thuật, tích hợp nguồn dữ liệu

VI. Tiêu chí đánh giá hiệu quả

1. Độ tin cậy pipeline: % pipeline chạy thành công, đúng lịch (Nguồn: Cloud Composer/Airflow monitoring)
2. Chất lượng dữ liệu: Số lỗi dữ liệu phát hiện ở tầng sử dụng (BI, báo cáo) (Nguồn: Data quality checks, phản hồi người dùng)
3. Thời gian khắc phục sự cố: Thời gian trung bình từ phát hiện đến xử lý xong sự cố dữ liệu (Nguồn: Hệ thống ticket/incident)
4. Hiệu quả chi phí GCP: Chi phí lưu trữ, truy vấn so với ngân sách và khối lượng dữ liệu (Nguồn: GCP Billing)
5. Đáp ứng nhu cầu dữ liệu: % yêu cầu dữ liệu hoàn thành đúng hạn cam kết (Nguồn: Backlog/Jira)

VII. Yêu cầu tối thiểu

Bắt buộc

• Trình độ học vấn: Tốt nghiệp Đại học chuyên ngành Công nghệ thông tin, Khoa học máy tính, Toán – Tin hoặc liên quan
• Kinh nghiệm: 2–4 năm (Middle) hoặc 4+ năm (Senior) ở vị trí Data Engineer hoặc tương đương
• Nền tảng GCP: Thành thạo BigQuery, Cloud Storage, Dataflow (Apache Beam), Pub/Sub, Dataproc (Spark), Cloud Composer (Apache Airflow)
• Kiến trúc dữ liệu: Hiểu sâu Data Lake, Data Warehouse, đặc biệt Data Lakehouse (Iceberg/Delta Lake/BigLake)
• Lập trình và công cụ: SQL nâng cao (tối ưu query, partitioning, clustering), Python; Orchestration (Airflow, Prefect) và Data Transformation (dbt)
• Kỹ năng: Tư duy logic, giải quyết vấn đề, phân tích nguyên nhân gốc rễ; giao tiếp, làm việc nhóm, diễn giải khái niệm kỹ thuật cho các bên liên quan
• Tố chất: Chủ động, tự nghiên cứu và cập nhật công nghệ mới

Ưu tiên

• Nền tảng GCP: Chứng chỉ Google Cloud Certified Professional Data Engineer
• Kiến trúc dữ liệu: Real-time Data Processing (Kafka, Flink, Pub/Sub)
• Lập trình và công cụ: CI/CD cho Data (Git, Terraform/IaC, Docker/Kubernetes)

VIII. Điều kiện làm việc và lộ trình phát triển

• Thời gian làm việc: ……
• Công tác: Không
• Trang thiết bị: Được cấp đầy đủ công cụ làm việc; tài khoản hạ tầng GCP theo phân quyền
• Môi trường dữ liệu: Làm việc trực tiếp với dữ liệu tài chính thực tế — hàng triệu giao dịch từ hàng trăm nguồn dữ liệu nội bộ và sàn giao dịch; xây dựng Data Platform và nền tảng HayInsights (AI data intelligence, 180+ data sources); tiếp cận AI agents, LLM, MCP
• Vị trí kế tiếp: Senior Data Engineer → Data Architect

Quyền lợi

• Thu nhập: Lương cạnh tranh theo năng lực; review lương hằng năm
• Nghỉ phép: 13–16 ngày phép năm
• Sức khỏe: Bảo hiểm sức khỏe; thẻ bảo hiểm sức khỏe theo cấp bậc
• Môi trường làm việc: Môi trường startup năng động, flat hierarchy
• Ưu đãi sản phẩm: Được sử dụng miễn phí các sản phẩm Finhay
• Chế độ khác: Theo quy định của Bộ luật Lao động

Thông tin ứng tuyển

• Hồ sơ: CV bằng tiếng Việt hoặc tiếng Anh
• Nơi nhận: hr@finhay.com.vn
• Tiêu đề email: [Middle/Senior Data Engineer] – [Họ và tên]
• Phản hồi: Phòng Nhân sự liên hệ ứng viên phù hợp trong 5–7 ngày làm việc kể từ ngày nhận hồ sơ