1. Phân tích nghiệp vụ và xác định yêu cầu dữ liệu
•    Làm việc trực tiếp với các Khối nghiệp vụ (Bán lẻ, Khách hàng Doanh nghiệp, Tài chính, Rủi ro, Vận hành…) để:
o    Phân tích quy trình nghiệp vụ, nhu cầu quản trị, điều hành và giám sát;
o    Xác định các chỉ tiêu kinh doanh, KPI, metric, báo cáo và insight cần thiết.
•    Làm rõ mục tiêu sử dụng dữ liệu, phạm vi phân tích và mức độ chi tiết phù hợp với từng đối tượng sử dụng (BLĐ, Khối nghiệp vụ, Chi nhánh).
2. Phân tích dữ liệu và hệ thống dữ liệu
•    Phân tích và làm việc trực tiếp với dữ liệu nguồn và các hệ thống dữ liệu của ngân hàng:
o    Core banking, hệ thống nghiệp vụ, hệ thống vệ tinh;
o    Data Warehouse, Data Mart, Data Lake/Lakehouse.
•    Hiểu và phân tích luồng dữ liệu, mô hình dữ liệu, logic xử lý dữ liệu, phát hiện các điểm bất cập, thiếu nhất quán hoặc rủi ro dữ liệu.
•    Phối hợp với Data Engineer để:
o    Làm rõ nguồn dữ liệu, cách mapping dữ liệu;
o    Đề xuất điều chỉnh mô hình dữ liệu, data mart hoặc luồng xử lý khi cần.
3. Đặc tả dữ liệu, KPI và business rules
•    Xây dựng và quản lý các tài liệu:
o    Đặc tả yêu cầu dữ liệu (Data Requirement / Data BRD);
o    Định nghĩa KPI, chỉ tiêu quản trị, business rules và logic tính toán;
o    Mapping giữa nghiệp vụ – dữ liệu – chỉ tiêu.
•    Phối hợp với BI và Data Governance để đảm bảo:
o    KPI được định nghĩa thống nhất;
o    Thuật ngữ, chỉ tiêu và logic tính toán được chuẩn hoá và tái sử dụng.
4. Phối hợp phát triển sản phẩm dữ liệu & phân tích
•    Phối hợp với các vai trò kỹ thuật:
o    BI: thiết kế báo cáo, dashboard, semantic layer;
o    Data Engineer: xây dựng luồng dữ liệu, data mart;
o    Data Scientist: cung cấp bối cảnh nghiệp vụ, biến số, tiêu chí đánh giá mô hình;
o    AI Engineer: làm rõ yêu cầu nghiệp vụ, đầu vào/đầu ra cho các ứng dụng AI/GenAI.
•    Tham gia đánh giá sản phẩm đầu ra, đảm bảo đúng nghiệp vụ, đúng logic và có giá trị sử dụng thực tế.
5. Đánh giá chất lượng dữ liệu và cải tiến
•    Đánh giá chất lượng dữ liệu phục vụ báo cáo, phân tích và AI; phát hiện các bất cập, sai lệch KPI hoặc logic nghiệp vụ.
•    Phối hợp với các bên liên quan để đề xuất:
o    Cải tiến dữ liệu nguồn;
o    Điều chỉnh logic tính toán;
o    Cải tiến báo cáo, dashboard hoặc sản phẩm phân tích.
6. Hỗ trợ, đào tạo và dẫn dắt BA dữ liệu
•    Hướng dẫn, kèm cặp và hỗ trợ chuyên viên BA Dữ liệu cấp dưới trong phân tích nghiệp vụ và làm việc với dữ liệu.
•    Tham gia xây dựng best practices, template và chuẩn làm việc cho vai trò BA Dữ liệu trong Trung tâm.