1. Mục đích vị trí
VietCredit đang xây dựng năng lực Customer Value Management (CVM) nhằm khai thác giá trị trọn đời (Customer Lifetime Value) của tệp khách hàng hiện hữu thông qua Customer 360, phân khúc khách hàng (segmentation) và đề xuất sản phẩm phù hợp (next-best-offer).
Analytics Lead là vị trí cốt lõi của năng lực này: dẫn dắt nhóm phân tích biến dữ liệu thành các quyết định kinh doanh tạo ra giá trị đo lường được trên P&L - không dừng lại ở mô hình hay báo cáo.
Lưu ý quan trọng: Đây không phải vị trí nghiên cứu thuần kỹ thuật. Yêu cầu cốt lõi là khả năng nối phân tích dữ liệu với P&L - thông qua mô hình Single Account Profitability (SAP) - và khép insight thành quyết định hành động, không phải năng lực xây mô hình đơn thuần.
2. Trách nhiệm chính
• Dẫn dắt nhóm Analytics - xây dựng Customer 360 (Single Customer View) và mô hình phân khúc khách hàng theo giá trị / rủi ro / hành vi.
• Khai thác đa dạng nguồn dữ liệu - kết hợp dữ liệu nội bộ (giao dịch, khoản vay, thẻ, kênh CSKH), dữ liệu từ nền tảng/hệ sinh thái, dữ liệu credit bureau (PCB/CIC) và dữ liệu
thay thế (alternative data) để dựng chân dung khách hàng và nâng độ chính xác của phân khúc, propensity và định giá.
• Vận dụng mô hình Single Account Profitability (SAP) - đo lường lợi nhuận ở cấp từng khách hàng/tài khoản; dùng SAP làm thước đo để chọn phân khúc, thiết kế offer và tối ưu danh mục theo lợi nhuận ròng đã điều chỉnh rủi ro.
• Chuyển kết quả phân tích thành đề xuất hành động (next-best-offer) - mời sản phẩm gì, cho nhóm khách nào, hạn mức và điều kiện ra sao - và theo dõi đến khi tạo ra kết quả
đo lường được.
• Thiết lập và vận hành chu kỳ phân khúc định kỳ (theo quý), cập nhật theo thay đổi hành vi khách hàng.
• Phối hợp Khối Công nghệ/Dữ liệu để tiêu thụ dữ liệu và điểm số từ nền tảng dữ liệu chung; không xây dựng hệ thống chấm điểm song song.
• Thiết kế và vận hành đo lường test-control (A/B, holdout) để chứng minh hiệu quả thực (lift) của từng chương trình, tránh đề xuất thiếu liên quan gây phản ứng tiêu cực từ khách hàng.
• Xây dựng dashboard và báo cáo KPI cấp khách hàng (số sản phẩm/khách, CLV, retention, exposure, vintage, SAP)
phục vụ ra quyết định điều hành.
• Là đầu mối vận hành của diễn đàn CVM cấp điều hành: chuẩn bị dữ liệu, nội dung họp và kịch bản quyết định.
1. Kinh nghiệm
• Tối thiểu 6-8 năm trong lĩnh vực analytics / CVM / portfolio, kinh nghiệm quản lý tối thiểu 3 năm, trong đó ít nhất 3 năm tại tài chính tiêu dùng, ngân hàng bán lẻ hoặc fintech cho vay.
• Ưu tiên kinh nghiệm tại HD Saison, FE Credit, Home Credit, Shinhan Finance, Mcredit hoặc khối analytics của ngân hàng bán lẻ.
• Đã từng dẫn dắt nhóm phân tích (từ 3 người) và chịu trách nhiệm về kết quả kinh doanh, không chỉ bàn giao sản phẩm phân tích.
• Có kinh nghiệm thực tế về segmentation, customer lifecycle hoặc cross-sell / up-sell với kết quả đo lường được.
• Có kinh nghiệm khai thác và kết hợp đa nguồn dữ liệu, bao gồm dữ liệu credit bureau (PCB/CIC) và dữ liệu thay thế (alternative data).
• Có hiểu biết về sản phẩm Cash Loan và thẻ tín dụng
2. Năng lực kỹ thuật
• Nền tảng vững về phân tích dữ liệu và thống kê; thành thạo SQL.
• Đọc và đánh giá được các mô hình (propensity, CLV, scoring) ở mức đủ để chủ trì nhóm & không bị qua mặt về kỹ thuật.
• Hiểu
kiến trúc dữ liệu khách hàng (CDP / Customer 360); biết kết hợp dữ liệu nội bộ, dữ liệu nền tảng, dữ liệu PCB và dữ liệu thay thế, không yêu cầu tự xây dựng hạ tầng.
• Hiểu và biết vận dụng mô hình Single Account Profitability (SAP): các cấu phần doanh thu (lãi, phí, interchange), chi phí vốn, chi phí rủi ro (tổn thất kỳ vọng), chi phí vận hành/thu hồi, để phân tích và tối ưu lợi nhuận.
3. Năng lực then chốt (yếu tố phân biệt)
• Dịch hai chiều business - data: biến câu hỏi kinh doanh thành phân tích, và biến kết quả phân tích thành quyết định.
• Tư duy P&L: hiểu rằng một đề xuất "đẹp về mô hình" vẫn có thể "xấu về rủi ro và lợi nhuận"; biết dùng SAP để kiểm chứng.
• Khép insight thành hành động: đây là yêu cầu cốt lõi, không phải kỹ năng phụ.
4. Yêu cầu ưu tiên
• Hiểu khung pháp lý/giám sát đối với tổ chức tín dụng và quản trị rủi ro tín dụng tiêu dùng
• Kinh nghiệm với decision engine, next-best-offer hoặc offer optimization.