Kỹ thuật dữ liệu (Data Engineering – DE) là ngành đào tạo kỹ sư thiết kế, xây dựng và vận hành các hệ thống thu thập, lưu trữ, xử lý và phân phối dữ liệu quy mô lớn. Khác với Khoa học dữ liệu (thiên về phân tích và xây dựng mô hình AI) hay Công nghệ thông tin (thiên về phát triển phần mềm), Kỹ thuật dữ liệu tập trung vào hạ tầng dữ liệu, Big Data, Data Pipeline, Cloud Computing và các hệ thống xử lý dữ liệu thời gian thực.

Đây là ngành nền tảng của mọi hệ thống dữ liệu hiện đại. Các mô hình AI, Machine Learning, hệ thống gợi ý của Shopee, TikTok, Netflix hay ChatGPT đều cần một hạ tầng dữ liệu mạnh để thu thập, làm sạch và cung cấp dữ liệu. Khi doanh nghiệp chuyển đổi số và khai thác Big Data, nhu cầu về Data Engineer tăng rất nhanh. Tại Việt Nam, kỹ sư dữ liệu có mức lương khởi điểm khá cao (15–25 triệu đồng/tháng), trong khi kỹ sư có 3–5 năm kinh nghiệm thường đạt 35–60 triệu đồng/tháng.

💡 Cảnh báo: Nếu bạn thích phân tích dữ liệu hoặc xây dựng mô hình AI, hãy chọn Khoa học dữ liệu và Trí tuệ nhân tạo hoặc Trí tuệ nhân tạo (7480107). Kỹ thuật dữ liệu phù hợp với những bạn yêu thích lập trình, cơ sở dữ liệu, hệ thống phân tán, điện toán đám mây và Big Data, muốn xây dựng "đường cao tốc dữ liệu" phục vụ AI và các hệ thống phân tích dữ liệu quy mô lớn.

Khối kiến thức cốt lõi (4–4,5 năm):

Khối Toán (khá nặng)

• Toán rời rạc
• Đại số tuyến tính
• Giải tích
• Xác suất – Thống kê
• Tối ưu hóa
• Toán ứng dụng cho dữ liệu
• Thống kê suy diễn

Khối Khoa học máy tính cốt lõi

• Cấu trúc dữ liệu & Thuật toán
• Lập trình Python, Java và SQL
• Hệ điều hành
• Mạng máy tính
• Cơ sở dữ liệu quan hệ (SQL)
• NoSQL Database
• Kiến trúc máy tính
• Kỹ thuật phần mềm

Khối chuyên sâu về Kỹ thuật dữ liệu

• Data Engineering
• Data Warehouse
• Data Lake
• ETL/ELT Pipeline
• Big Data (Hadoop, Spark)
• Distributed Systems
• Cloud Computing (AWS, Azure, Google Cloud)
• Data Streaming (Kafka, Flink)
• Data Governance & Data Quality
• Thiết kế hệ thống dữ liệu lớn

Khối chuyên sâu (tùy hướng)

• DataOps & MLOps
• Machine Learning cơ bản
• AI Infrastructure
• Business Intelligence (Power BI, Tableau)
• Data Visualization
• Real-time Analytics
• Data Security & Privacy
• Cloud Architecture

Đồ án + Thực tập + Phát triển hệ thống

• Xây dựng hệ thống xử lý dữ liệu quy mô lớn.
• Thiết kế Data Pipeline cho doanh nghiệp.
• Triển khai Data Warehouse hoặc Data Lake.
• Xử lý dữ liệu thời gian thực với Kafka, Spark.
• Thực tập tại doanh nghiệp công nghệ, ngân hàng, thương mại điện tử hoặc trung tâm dữ liệu.
• Tham gia các cuộc thi Big Data, Hackathon hoặc dự án mã nguồn mở.

Độ khó

Cao. Ngành yêu cầu nền tảng tốt về lập trình, cơ sở dữ liệu, hệ thống phân tán và điện toán đám mây. Khối lượng kiến thức về Big Data và hạ tầng dữ liệu khá lớn.

Sinh viên thường gặp nhiều thử thách với các môn Distributed Systems, Big Data, Data Pipeline, Cloud Computing và tối ưu hiệu năng hệ thống. Ngoài kỹ năng lập trình, người học còn phải hiểu cách dữ liệu được thu thập, lưu trữ và xử lý ở quy mô hàng triệu đến hàng tỷ bản ghi.

Cần có: tư duy logic tốt, khả năng lập trình, yêu thích cơ sở dữ liệu và hệ thống, học tốt Toán và tiếng Anh, đồng thời sẵn sàng cập nhật các công nghệ Cloud và Big Data liên tục.

Các hướng nghề phổ biến:

1. Data Engineer (~35%)

• Thiết kế và xây dựng hệ thống thu thập, lưu trữ và xử lý dữ liệu quy mô lớn.
• Phát triển Data Pipeline, ETL/ELT và Data Warehouse.
• Tối ưu hệ thống xử lý dữ liệu phục vụ AI và phân tích kinh doanh.

Doanh nghiệp tiêu biểu: FPT Software, Viettel, CMC, Shopee, Tiki, Grab, VNG, MoMo, Techcombank, Vietcombank.

2. Big Data Engineer (~20%)

• Xây dựng và vận hành hệ thống Big Data.
• Làm việc với Hadoop, Spark, Kafka, Flink và các hệ thống xử lý dữ liệu phân tán.
• Phát triển nền tảng dữ liệu thời gian thực (Real-time Data Platform).

Doanh nghiệp tiêu biểu: Viettel AI, VinBigData, VNPT, NVIDIA, Samsung SDS, Bosch, ByteDance.

3. Cloud Data Engineer (~15%)

• Triển khai hạ tầng dữ liệu trên AWS, Azure hoặc Google Cloud.
• Thiết kế Data Lake, Data Warehouse và hệ thống lưu trữ dữ liệu trên Cloud.
• Quản lý hiệu năng, bảo mật và khả năng mở rộng của nền tảng dữ liệu.

Doanh nghiệp tiêu biểu: AWS Partner, Google Cloud Partner, FPT Smart Cloud, CMC Cloud, Microsoft.

4. Machine Learning Engineer (~10%)

• Chuẩn bị dữ liệu cho các mô hình AI.
• Xây dựng Data Pipeline phục vụ Machine Learning.
• Phối hợp với Data Scientist để triển khai mô hình AI vào môi trường thực tế.

Doanh nghiệp tiêu biểu: VinAI, VinBigData, FPT AI, Viettel AI, Zalo AI, NVIDIA.

5. Data Platform Engineer / MLOps Engineer (~10%)

• Xây dựng nền tảng dữ liệu và hạ tầng phục vụ AI.
• Tự động hóa quá trình triển khai, giám sát và cập nhật mô hình Machine Learning.
• Làm việc với Docker, Kubernetes, Airflow, MLflow và CI/CD.

Nhu cầu nhân lực tăng rất nhanh trong các doanh nghiệp phát triển AI và Big Data.

6. Analytics Engineer / BI Engineer (~5%)

• Thiết kế mô hình dữ liệu phục vụ phân tích.
• Xây dựng dashboard và hệ thống báo cáo.
• Kết nối dữ liệu giữa các phòng ban và hỗ trợ ra quyết định.

Doanh nghiệp tiêu biểu: Ngân hàng, tập đoàn bán lẻ, thương mại điện tử, logistics và doanh nghiệp chuyển đổi số.

7. Khác (~5%)

• Data Architect.
• Database Administrator (DBA).
• Data Consultant.
• Giảng viên, nghiên cứu viên.
• Khởi nghiệp trong lĩnh vực Big Data, Cloud hoặc nền tảng dữ liệu.

Nơi làm việc tiêu biểu

VinBigData, FPT Software, Viettel AI, Viettel Solutions, VNPT Technology, CMC Global, VNG, Shopee, Grab, Tiki, MoMo, Techcombank, MB Bank, Vietcombank, Bosch, Samsung SDS, NVIDIA, Google Cloud, Microsoft Azure, Amazon Web Services (AWS), ByteDance cùng các doanh nghiệp công nghệ, tài chính, thương mại điện tử và trung tâm dữ liệu trong nước cũng như quốc tế.

Mức lương theo cấp độ (2025, Việt Nam)

Lương đặc biệt cao

• Remote Data Engineer cho các công ty Mỹ (Google, Netflix, Airbnb, Snowflake, Databricks...): 150.000–300.000 USD/năm (khoảng 280–560 triệu đồng/tháng).
• Singapore Tech (Grab, Shopee, ByteDance, TikTok): 5.000–15.000 SGD/tháng.
• Data Platform Engineer tại các công ty AI hoặc Cloud (Databricks, Snowflake, Confluent...): 180.000–400.000 USD/năm.
• Data Architect tại các tập đoàn đa quốc gia hoặc ngân hàng lớn: 100–250 triệu đồng/tháng.
• Cloud Data Engineer có chứng chỉ AWS, Azure hoặc Google Cloud thường có mức thu nhập cao hơn mặt bằng chung.

Triển vọng (2025–2035)

Rất tốt. Dữ liệu được xem là "nhiên liệu" của AI và chuyển đổi số, vì vậy Kỹ thuật dữ liệu là một trong những ngành phát triển nhanh nhất trong lĩnh vực công nghệ.

Sự bùng nổ của AI, Big Data, Cloud Computing, Internet of Things (IoT), FinTech và thương mại điện tử khiến hầu hết doanh nghiệp đều cần đội ngũ kỹ sư dữ liệu để xây dựng và vận hành hạ tầng dữ liệu.

Tại Việt Nam, nhu cầu tuyển dụng Data Engineer đang tăng nhanh, đặc biệt tại các ngân hàng, công ty công nghệ, doanh nghiệp AI và các tập đoàn đang triển khai hệ thống dữ liệu lớn. Trên thị trường quốc tế, đây cũng là một trong những vị trí có mức lương cao và rất dễ làm việc theo hình thức remote.

Cảnh báo

• Cử nhân hoàn toàn có thể đi làm ngay, nhưng để trở thành Data Architect, Principal Data Engineer hoặc chuyên gia thiết kế hạ tầng dữ liệu quy mô lớn, bạn cần tích lũy nhiều kinh nghiệm thực tế và các chứng chỉ Cloud quốc tế (AWS, Azure, Google Cloud).

✅ HỢP nếu bạn có những dấu hiệu:

• Bạn học khá Toán (đặc biệt là Toán rời rạc, Xác suất – Thống kê và tư duy logic; điểm Toán THPT từ 8.0+ là một lợi thế).
• Bạn thích lập trình, đặc biệt là Python, Java hoặc SQL, và muốn xây dựng các hệ thống xử lý dữ liệu quy mô lớn.
• Bạn hứng thú với cơ sở dữ liệu, Cloud Computing, Big Data và cách các ứng dụng như Shopee, TikTok hay Netflix xử lý hàng tỷ bản ghi dữ liệu.
• Bạn thích tối ưu hệ thống, giải quyết các bài toán về hiệu năng, tốc độ và khả năng mở rộng.
• Bạn kiên nhẫn, cẩn thận và thích làm việc với kiến trúc hệ thống hơn là giao diện người dùng.
• Bạn có khả năng đọc tài liệu kỹ thuật bằng tiếng Anh vì phần lớn công nghệ Big Data và Cloud đều được cập nhật từ các hãng quốc tế.
• Bạn muốn làm việc trong các lĩnh vực đang phát triển mạnh như AI, Cloud, Big Data hoặc Data Platform.

⚠️ CÂN NHẮC nếu:

• Bạn chỉ muốn lập trình website hoặc ứng dụng di động – CNTT hoặc Kỹ thuật phần mềm sẽ phù hợp hơn.
• Bạn không thích làm việc với cơ sở dữ liệu, hệ thống phân tán hoặc hạ tầng Cloud.
• Bạn chỉ muốn phân tích dữ liệu và xây dựng mô hình AI – Khoa học dữ liệu và Trí tuệ nhân tạo sẽ phù hợp hơn.
• Bạn không thích tối ưu hiệu năng hoặc xử lý dữ liệu quy mô lớn.

🚨 KHÔNG HỢP nếu:

• Bạn ghét làm việc với dữ liệu và cơ sở dữ liệu.
• Bạn không thích lập trình hoặc không muốn học SQL, Python và các công nghệ Cloud.
• Bạn thiếu kiên nhẫn khi phải thiết kế, kiểm thử và tối ưu các hệ thống dữ liệu phức tạp.
• Bạn chỉ thích thiết kế giao diện hoặc phát triển ứng dụng mà không hứng thú với hạ tầng phía sau.
• Bạn không muốn học liên tục vì các công nghệ Big Data, Cloud và Data Platform thay đổi rất nhanh.

👨‍💻 Hoàng – Data Engineer tại Grab Singapore (3 năm kinh nghiệm)

Tuổi: 27 · Tốt nghiệp: ĐH Bách khoa TP.HCM, ngành Kỹ thuật dữ liệu (2023)

Hành trình: Từ năm 3 đã thực tập tại FPT Software ở vị trí Data Engineer Intern, tham gia xây dựng Data Pipeline cho doanh nghiệp. Sau khi tốt nghiệp, Hoàng chuyển sang Grab Singapore, phụ trách phát triển nền tảng dữ liệu phục vụ hệ thống đặt xe và giao đồ ăn.

Mức lương: 6.500 SGD/tháng + Bonus + RSU
≈ 115.000 SGD/năm (khoảng 210 triệu đồng/tháng quy đổi).

Kế hoạch: Trở thành Data Architect, chuyên thiết kế hệ thống dữ liệu quy mô lớn cho các công ty công nghệ toàn cầu.

👩‍💻 Lan – Senior Big Data Engineer tại Techcombank (5 năm kinh nghiệm)

Tuổi: 28 · Tốt nghiệp: ĐH Công nghệ – ĐHQGHN, ngành Kỹ thuật dữ liệu (2021)

Công việc: Xây dựng hệ thống Data Lake và Data Warehouse phục vụ phân tích dữ liệu khách hàng. Hằng ngày làm việc với Python, SQL, Spark, Kafka, Airflow và AWS, xử lý hàng tỷ bản ghi dữ liệu giao dịch mỗi tháng.

Mức lương: 50–70 triệu đồng/tháng + thưởng theo hiệu quả dự án.

Lý do thích: "Mình thích cảm giác xây dựng 'đường cao tốc dữ liệu' cho cả doanh nghiệp. Khi hệ thống dữ liệu hoạt động ổn định, các nhóm AI, phân tích dữ liệu và kinh doanh đều có thể khai thác dữ liệu nhanh hơn. Công việc rất thử thách, thu nhập tốt và cơ hội phát triển quốc tế rất rộng mở."

Kỹ thuật dữ liệu vs Công nghệ thông tin (CNTT, mã 7480201)

Kỹ thuật dữ liệu: Tập trung vào xây dựng hạ tầng dữ liệu, Data Pipeline, Big Data, Cloud và hệ thống xử lý dữ liệu quy mô lớn.

CNTT: Học rộng về lập trình, web, mobile, mạng máy tính, hệ thống thông tin và phát triển phần mềm.

→ Muốn xây dựng hệ thống dữ liệu cho AI, Big Data: chọn Kỹ thuật dữ liệu.
Muốn lập trình web, app hoặc phần mềm doanh nghiệp: chọn CNTT.

Kỹ thuật dữ liệu vs Kỹ thuật phần mềm (KTPM, mã 7480103)

Kỹ thuật dữ liệu: Phát triển hạ tầng dữ liệu, tối ưu lưu trữ và xử lý dữ liệu.

Kỹ thuật phần mềm: Chuyên về phát triển phần mềm, thiết kế hệ thống, Agile, Scrum, DevOps và Software Architecture.

→ Muốn trở thành Data Engineer hoặc Data Architect: chọn Kỹ thuật dữ liệu.
Muốn trở thành Software Engineer: chọn Kỹ thuật phần mềm.

Kỹ thuật dữ liệu vs Khoa học dữ liệu và Trí tuệ nhân tạo

Kỹ thuật dữ liệu: Thiết kế hệ thống thu thập, lưu trữ và xử lý dữ liệu; xây dựng Data Pipeline, Data Lake và Data Warehouse.

Khoa học dữ liệu và Trí tuệ nhân tạo: Phân tích dữ liệu, xây dựng mô hình Machine Learning và phát triển các hệ thống AI.

→ Thích xây dựng "đường cao tốc dữ liệu" cho AI: chọn Kỹ thuật dữ liệu.
Thích xây dựng mô hình AI và phân tích dữ liệu: chọn Khoa học dữ liệu và Trí tuệ nhân tạo.

Kỹ thuật dữ liệu vs Khoa học dữ liệu (Data Science)

Kỹ thuật dữ liệu: Thiên về hạ tầng dữ liệu, cơ sở dữ liệu, Cloud và Big Data.

Khoa học dữ liệu: Thiên về thống kê, khai phá dữ liệu, trực quan hóa dữ liệu và hỗ trợ ra quyết định.

→ Thích hệ thống, tối ưu hiệu năng và dữ liệu lớn: chọn Kỹ thuật dữ liệu.
Thích phân tích dữ liệu và tìm insight kinh doanh: chọn Khoa học dữ liệu.

Kỹ thuật dữ liệu vs Khoa học máy tính (KHMT, mã 7480101)

Kỹ thuật dữ liệu: Chuyên sâu về Data Engineering, Big Data và Cloud Computing.

Khoa học máy tính: Học rộng hơn về thuật toán, hệ thống, AI, bảo mật và lý thuyết tính toán.

→ Muốn trở thành chuyên gia hạ tầng dữ liệu: chọn Kỹ thuật dữ liệu.
Muốn nghiên cứu thuật toán, AI hoặc học lên Master/PhD: chọn Khoa học máy tính.

Hiểu lầm thường gặp

"Kỹ thuật dữ liệu chỉ là quản trị cơ sở dữ liệu (DBA)." – Sai. Data Engineer không chỉ quản lý cơ sở dữ liệu mà còn thiết kế hệ thống xử lý dữ liệu lớn, Data Pipeline, Data Lake, Cloud và nền tảng phục vụ AI.

"Ngành này không cần lập trình nhiều." – Sai. Kỹ sư dữ liệu lập trình hằng ngày với Python, SQL, Java hoặc Scala, đồng thời làm việc với Spark, Kafka, Airflow và các dịch vụ Cloud.

"Data Engineer sẽ bị AI thay thế." – Sai. AI càng phát triển thì càng cần hạ tầng dữ liệu mạnh. Không có Data Engineer, các mô hình AI không có dữ liệu chất lượng để huấn luyện và vận hành.

1. Tự kiểm tra Toán THPT (1 tiếng)

Làm một đề Toán THPT hoặc đề thi đại học khối A.

>80% → Có nền tảng tốt để học Kỹ thuật dữ liệu.
<65–70% → Nên củng cố thêm Toán, đặc biệt là Toán rời rạc, Đại số và Xác suất – Thống kê.

2. Thử học SQL và Python (3 giờ)

• Học các câu lệnh SQL cơ bản: SELECT, WHERE, GROUP BY, JOIN.
• Viết một vài chương trình Python đơn giản để đọc và xử lý dữ liệu.

✅ Bạn thấy thú vị và hiểu cách dữ liệu được truy vấn → Có tố chất của Data Engineer.

❌ Bạn không thích làm việc với dữ liệu hoặc câu lệnh SQL → Có thể nên cân nhắc CNTT hoặc Kỹ thuật phần mềm.

3. Thử xây dựng một Data Pipeline đơn giản (1–2 giờ)

Tìm kiếm trên YouTube hoặc Google:

"ETL Pipeline Tutorial" hoặc "Apache Airflow Beginner".

Hiểu quy trình:

• Đọc dữ liệu từ file CSV.
• Xử lý dữ liệu.
• Đưa dữ liệu vào cơ sở dữ liệu hoặc Data Warehouse.

✅ Bạn thích cách dữ liệu được thu thập và luân chuyển trong hệ thống → Phù hợp với Kỹ thuật dữ liệu.

❌ Bạn chỉ hứng thú với giao diện hoặc ứng dụng mà không quan tâm dữ liệu phía sau → Có thể chưa hợp.

4. Xem một video về Big Data hoặc Cloud (1 giờ)

Tìm các chủ đề như:

• Apache Spark Explained.
• Kafka Explained.
• What is Data Engineering?
• AWS Data Engineering Roadmap.

✅ Theo được ý tưởng và muốn tìm hiểu thêm → Có tư duy phù hợp với ngành.

❌ Cảm thấy quá khô khan hoặc không hứng thú với hệ thống dữ liệu → Nên cân nhắc các ngành thiên về AI hoặc phát triển phần mềm.

Tổng kết

≥ 3/4 ✅ → Kỹ thuật dữ liệu rất phù hợp với bạn.