Yêu cầu công việc

1. Tham gia và phối hợp triển khai các giải pháp khoa học dữ liệu và trí tuệ nhân tạo cho các đơn vị trong ngân hàng
- Tham gia triển khai các giải pháp khoa học dữ liệu phối hợp chặt chẽ với các đơn vị kinh doanh/vận hành để giải quyết các bài toán thực tế có tính ứng dụng cao dưới sự hướng dẫn của chuyên gia/chuyên viên cao cấp.
- Tham gia thu thập, xử lý dữ liệu và thực hiện các phân tích nâng cao nhằm hỗ trợ phát triển các mô hình học máy, học sâu và ứng dụng GenAI.
- Ứng dụng các kỹ thuật phân tích nâng cao, xác suất thống kê, học máy, học sâu, genAI cơ bản để khám phá hành vi và thấu hiểu khách hàng, từ đó đưa ra insight có giá trị nhằm thúc đẩy kinh doanh
- Hỗ trợ phát triển các mô hình học máy, học sâu và ứng dụng GenAI nhằm phục vụ các mục tiêu như: dự báo khách hàng rời đi (churn prediction), bán chéo/sản phẩm (cross/up-sell), phân khúc khách hàng (segmentation), dự đoán giá trị vòng đời khách hàng (CLTV), và cá nhân hóa trải nghiệm khách hàng
- Hỗ trợ xây dựng sản phẩm AI/ML/GenAI hỗ trợ tự động hóa và tối ưu hóa các quy trình vận hành ngân hàng từ xử lý hồ sơ, thẩm định, hỗ trợ chăm sóc khách hàng đến vận hành nội bộ, …
2. Nghiên cứu & cập nhật kỹ thuật, công nghệ mới
- Chủ động tìm hiểu, nghiên cứu các xu hướng, kỹ thuật, công cụ, framework mới trong lĩnh vực phân tích dữ liệu, học máy, học sâu, GenAI theo định hướng từ cấp trên hoặc định hướng dự án
- Tham gia thử nghiệm và đánh giá hiệu quả các công cụ, thư viện mã nguồn mở, nền tảng cloud phục vụ triển khai AI/ML.
- Đóng góp vào việc chia sẻ kiến thức, thực hành tốt (best practices) trong nội bộ nhóm qua các buổi chia sẻ kỹ thuật hoặc tài liệu hướng dẫn.
- Tham gia các hội thảo, diễn đàn kỹ thuật nội bộ/ngoại bộ để cập nhật kiến thức, học hỏi kinh nghiệm và mở rộng mạng lưới chuyên môn.
3. Thưc hiện các công việc khác theo phân công của cấp thẩm quyền

OUTCOME/MEASURES
• Số lượng các insights được đưa ra/ khuyến nghị với các đơn vị kinh doanh/
• Cải thiện hiệu quả của các chương trình kinh doanh như tăng tỷ lệ chuyển đổi, giảm tỷ lệ khách hàng rời bỏ, tăng quy mô huy động vốn,…
• Cải thiện về hiệu quả vận hành: giảm SLA, giảm thời gian thực hiện tác vụ, tối ưu hóa lợi nhuận (NII, NFI),…
• Các phương pháp và kỹ thuật mới được áp dụng thực tế trong EDA
• Số seminar/khoá học tham gia và hoàn thành tốt
• Hoàn thành các công việc theo phân công

Giá trị cốt lõi

Các yêu cầu ứng viên