Tải bản đầy đủ (.pdf) (18 trang)

TIỂU LUẬN dữ LIỆU lớn TRONG KINH tế KINH DOANH đề tài BIG DATA và ỨNG DỤNG của BIG DATA TRONG LĨNH vực NGÂN HÀNG

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (181.49 KB, 18 trang )

HỌC VIỆN CHÍNH SÁCH VÀ PHÁT TRIỂN

KHOA KINH TẾ SỐ
----------

TIỂU LUẬN
DỮ LIỆU LỚN TRONG KINH TẾ & KINH DOANH

ĐỀ TÀI:

BIG DATA VÀ ỨNG DỤNG CỦA BIG DATA TRONG
LĨNH VỰC NGÂN HÀNG.

GVHD: NGUYỄN HỮU XUÂN TRƯỜNG
SVTH: NHÓM 16
LỚP: DỮ LIỆU LỚN KT & KD_05K11

Hà Nội, tháng 12 năm 2021


Bí ẩn đằng sau các trang web thơng minh này là mọi sự chào mời sản phẩm đều dựa
trên các nghiên cứu về sở thích, thói quen của khách hàng cũng như phân loại được
các nhóm khách hàng khác nhau... Vậy những thơng tin để phân tích này có được từ
đâu và nó có tác động thế nào đến việc sản xuất kinh doanh của doanh nghiệp? Thứ
nhất, dữ liệu khổng lồ về khách hàng có thể có từ các thông tin mà các doanh nghiệp
thu thập trong lúc khách hàng ghé thăm, tương tác hay mua sắm trên website của
mình; dữ liệu này cũng có thể được mua lại từ các công ty chuyên cung cấp dữ liệu
khách hàng. Các thông tin này không chỉ giúp nhà cung ứng hàng hóa, dịch vụ tăng
lợi nhuận cho chính họ mà còn tăng trải nghiệm mua sắm của người dùng. Một mặt,
nhờ q trình tìm hiểu, phân tích khách hàng, doanh nghiệp có thể tạo ra các sản
phẩm đáp ứng nhu cầu của khách hàng, cũng như xây dựng chính sách phân phối và


bán sản phẩm đến tay người tiêu dùng một cách có hiệu quả nhất. Mặt khác, bản
thân người tiêu dùng có thể tiết kiệm thời gian và yên tâm trong trải nghiệm mua
sắm của mình. Hơn thế nữa, ở tầm ngành và vĩ mô, ứng dụng dữ liệu lớn (Big Data)
có thể giúp các tổ chức và chính phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề
nghiệp của tương lai để đầu tư cho những hạng mục đó, hoặc cắt giảm chi tiêu, kích
thích tăng trưởng kinh tế,... thậm chí là ra phương án phịng ngừa trước một dịch
bệnh nào đó.
Là một tổ chức cung ứng dịch vụ tài chính cho hầu hết các chủ thể trong nền kinh tế,
ngành Ngân hàng khơng thể đứng ngồi xu thế ứng dụng dữ liệu lớn giống như các
doanh nghiệp bán lẻ khác. Đặc thù của hoạt động ngân hàng (cơ sở khách hàng rộng
lớn, bao quát mọi mặt tài chính của nền kinh tế) cho phép mỗi ngân hàng xây dựng
một cơ sở dữ liệu khổng lồ, từ dữ liệu có cấu trúc (như lịch sử giao dịch, hồ sơ
khách hàng) tới những dữ liệu phi cấu trúc (như hoạt động của khách hàng trên
website, ứng dụng mobile banking hay trên mạng xã hội). Ứng dụng Big Data nếu
được khai thác hiệu quả sẽ đem lại những lợi thế cạnh tranh và hiệu quả to lớn trong
lĩnh vực ngân hàng đặc biệt trong bối cảnh thị trường dịch vụ tài chính đang bão
hịa. Bài viết này nhằm hệ thống những vấn đề cơ bản về Big Data, trên cơ sở đó


phân tích những ứng dụng của Big Data và các điều kiện nhằm ứng dụng Big Data ở
lĩnh vực ngân hàng trong bối cảnh cách mạng công nghệ 4.0. 
A. TỔNG QUAN VỀ BIG DATA
I. KHÁI NIỆM BIG DATA
Big Data là thuật ngữ dùng để chỉ một tập hợp dữ liệu rất lớn và rất phức tạp đến nỗi
những công cụ, ứng dụng xử lí dữ liệu truyền thống khơng thể nào đảm đương được
(theo Kevin Taylor-Sakyi, 2016; Mashooque A. Memon và cộng sự, 2017).
Bằng việc tổng hợp một lượng thông tin lớn từ các nguồn khác nhau khiến cho Big
Data trở thành một công cụ rất mạnh cho việc ra các quyết định kinh doanh, nhận
diện hành vi và xu hướng nhanh hơn và tốt hơn rất nhiều so với cách thức truyền
thống.Big Data được nhận diện trên ba khía cạnh chính: Dữ liệu (Data), Cơng nghệ

(Technology), Quy mơ (Size).
Thứ nhất, dữ liệu (data) bao gồm các dữ liệu thuộc nhiều định dạng khác nhau như
hình ảnh, video, âm nhạc… trên Internet; gồm các dữ liệu thu thập từ các hệ thống
cảm biến có kết nối với hệ thống máy chủ; dữ liệu của khách hàng ở các ứng dụng
thông minh và các thiết bị có kết nối mạng; dữ liệu của người dùng để lại trên các
flatform của mạng xã hội. Vì các dữ liệu được cập nhật qua các thiết bị kết nối mạng
từng giờ, từng phút, từng giây và đến từ nhiều nguồn khác nhau nên khối lượng dữ
liệu này là rất lớn (Big). Hiện nay, Big Data được đo lường theo đơn vị Terabytes
(TB), Petabytes (PB) và Exabytes (EB). Có thể dễ dàng lấy một vài ví dụ như
Walmart xử lý hơn 1 triệu giao dịch của khách hàng mỗi giờ, dữ liệu nhập vào ước
tính hơn 2,5 PB; Twitter tạo ra 12 TB dữ liệu mỗi ngày hay Airbus A380 tạo ra 10
TB dữ liệu mỗi 30 phút bay.
Yếu tố nhận diện thứ hai của Big Data là Công nghệ (technology). Công nghệ
thường được thiết kế và hình thành một hệ sinh thái từ dưới đi lên để có khả năng
xử lý các dữ liệu lớn và phức tạp. Một trong những hệ sinh thái mạnh nhất hiện nay
phải kể đến Hadoop với khả năng xử lý dữ liệu có thể được tăng lên cùng mức độ


phức tạp của dữ liệu, năng lực này là một công cụ vô giá trong bất kỳ ứng dụng Big
Data nào.
Yếu tố nhận diện thứ ba của Big Data là Quy mơ dữ liệu. Hiện nay vẫn chưa có câu
trả lời chính xác cho câu hỏi dữ liệu thế nào gọi là lớn. Theo ngầm hiểu thì khi dữ
liệu vượt quá khả năng xử lý của các hệ thống truyền thống thì sẽ được xếp vào Big
Data.
 Việc bản thân các doanh nghiệp cũng đang sở hữu Big Data của riêng mình đã trở
nên phổ biến. Chẳng hạn, như trang bán hàng trực tuyến eBay thì sử dụng hai trung
tâm dữ liệu với dung lượng lên đến 40 petabyte để chứa những truy vấn, tìm kiếm,
đề xuất cho khách hàng cũng như thơng tin về hàng hóa của mình. Hay nhà bán lẻ
online Amazon.com thì phải xử lí hàng triệu hoạt động mỗi ngày cũng như những
yêu cầu từ khoảng nửa triệu đối tác bán hàng. Tương tự, Facebook cũng phải quản lí

50 tỉ bức ảnh từ người dùng tải lên, YouTube hay Google thì phải lưu lại hết các
lượt truy vấn và video của người dùng cùng nhiều loại thông tin khác có liên quan.
Theo kết quả khảo sát được thực hiện bởi Qubole - công ty hàng đầu về cung cấp
giải pháp, nền tảng quản lí dữ liệu hạ tầng đám mây phục vụ phân tích - và bởi
Dimensional Research - một tổ chức nghiên cứu thị trường công nghệ, lĩnh vực
chăm sóc khách hàng, kế hoạch cơng nghệ thơng tin, quy trình bán hàng và hoạt
động tài chính là các lĩnh vực thu lợi nhiều nhất từ Big Data. Qua đó, thấy được là
mục đích khai thác Big Data của các nhà cung ứng hàng hóa, dịch vụ tồn cầu là
hướng đến chăm sóc khách hàng, phân tích dữ liệu khách hàng để phát triển sản
phẩm, dịch vụ; ứng dụng thông minh để tăng trải nghiệm của khách hàng và giữ
chân khách hàng khi sự cạnh tranh ngày càng gay gắt giữa các nhà cung ứng ở hầu
hết các lĩnh vực kinh doanh. Với các công cụ phân tích, đặc biệt là cơng cụ phân
tích dự báo (Predictive Analytics) và khai thác dữ liệu (Data mining), Big Data giúp
các doanh nghiệp đo lường, phân tích các vấn đề liên quan đến sản phẩm, phát hiện
các cơ hội và nguy cơ rủi ro, đồng thời, dự báo doanh thu từ hoạt động kinh doanh
hàng ngày.
 


II. CÁC ĐẶC ĐIỂM CỦA BIG DATA
Doug Laney (trích trong nghiên cứu của Meta Group năm 2011 với tiêu đề “5D data
management: Controlling data Volume, Variety, Velocity,Variability,Vomplexity
”), đã đưa ra định nghĩa 5Vs nói về Năm đặc điểm chính của Big Data bao gồm:
 Dung lượng (Volume)
 Tốc độ (Velocity)
 Đa dạng (Variety)
 Thay đổi (Variability)
 Phức tạp (Vomplexity)
Dung lượng của Big Data đang tăng lên mạnh mẽ từng ngày. Theo tài liệu của Intel
vào tháng 9/2013, cứ mỗi 11 giây, 1 petabyte dữ liệu được tạo ra trên toàn thế giới,

tương đương với một đoạn video HD dài 13 năm. Về Tốc độ (Velocity) phản ánh
tốc độ mà tại đó dữ liệu được phân tích bởi các cơng ty để cung cấp một trải nghiệm
người dùng tốt hơn. Với sự ra đời của các kỹ thuật, công cụ, ứng dụng lưu trữ,
nguồn dữ liệu liên tục được bổ sung với tốc độ nhanh chóng. Tổ chức McKinsey
Global ước tính lượng dữ liệu đang tăng trưởng với tốc độ 40%/năm, và sẽ tăng 44
lần từ năm 2009 đến 2020.
Về Tính đa dạng (Variety) của dữ liệu cho thấy, dữ liệu của Big Data được thu thập
từ nhiều nguồn, có thể khái quát thành ba nguồn cơ bản sau đây. (Sơ đồ 1)


 
Về sau này, đặc điểm Tính thay đổi (variability) và Tính phức tạp (complexity)
được bổ sung vào bởi SAS - một cơng ty đi đầu trong lĩnh vực phân tích dữ liệu và
tư vấn của Mỹ. Tính thay đổi phản ánh sự thay đổi hàng ngày của dữ liệu. Tính
phức tạp thể hiện trong quá trình lưu giữ, quản lý, xử lý và truyền tải dữ liệu do dữ
liệu đến từ nhiều định dạng khác nhau.
Theo Oracle, hai đặc điểm Giá trị (value) và Tính xác thực (veracity) cần được coi
là đặc điểm cơ bản của Big Data. Giá trị thể hiện ở những ứng dụng đa dạng của Big
Data nếu được thu thập, phân tích và xử lý đúng cách. Sau cùng, vì Big Data được
thu thập từ nhiều nguồn khác nhau nên tính xác thực của các dữ liệu cũng cần được
đặc biệt cân nhắc.
 


B. CÁC ỨNG DỤNG CỦA BIG DATA TRONG HOẠT ĐỘNG NGÂN HÀNG
I. CÁC ỨNG DỤNG CỦA BIG DATA TRONG HỆ THỐNG NGÂN HÀNG
Hiện nay có nhiều cơng ty sử dụng công nghệ xử lý dữ liệu dựa trên cơ chế xử lý
hàng loạt (batch processing) nhưng những cơng ty có cơng nghệ tiên tiến hơn như
Google, Netflix, Facebook thì sử dụng cơng nghệ phân tích thời gian thực (realtime) để có được sự hiểu biết sâu sắc hơn các dữ liệu. Mặc dù, các tổ chức đang thay
đổi cách thức khai thác dữ liệu bằng cách thu thập một khối lượng dữ liệu khổng lồ

và tiến hành phân tích, thực hiện bước đầu tiên trong quy trình khai thác Big Data.
Khi khối lượng khách hàng tăng lên, nó ảnh hưởng đáng kể đến mức độ, khả năng
cung cấp dịch vụ của từng tổ chức. Thực tiễn cho thấy việc phân tích dữ liệu hiện tại
đã đơn giản hóa q trình theo dõi và đánh giá khách hàng tín dụng của các ngân
hàng và các tổ chức tài chính, dựa trên khối lượng lớn dữ liệu như thông tin, hồ sơ
cá nhân và các thông tin bảo mật khác. Với sự giúp đỡ của Big Data, các ngân hàng
có thể theo dõi hành vi của khách hàng, xác định các nguồn dữ liệu cần thiết để thu
thập phục vụ cho việc đưa ra giải pháp. 
  


1. Phân Tích Các Thói Quen Chi Tiêu Của Khách Hàng
Các ngân hàng có khả năng truy cập trực tiếp nguồn thông tin, dữ liệu lịch sử dồi
dào liên quan đến các thói quen, hành vi chi tiêu của khách hàng. Các ngân hàng
cịn nắm thơng tin chi tiết về nguồn thu của khách hàng trong một năm, khoản chi
tiêu, các dịch vụ ngân hàng mà khách hàng sử dụng… Điều này cung cấp cơ sở, cơ
hội để các ngân hàng tiếp cận và phân tích dữ liệu sâu hơn. Áp dụng các chức năng
sàng lọc thơng tin Ví dụ: khi lọc ra thời điểm dịp lễ hay mùa lễ và điều kiện vĩ mô
(lạm phát, tỷ lệ thất nghiệp…) mà nhân viên ngân hàng có thể hiểu được nguyên
nhân của biến động trong thu nhập hay chi tiêu của ngân hàng. Đây là một trong các
yếu tố quan trọng trong quá trình đánh giá rủi ro, thẩm định hồ sơ cho vay, mở rộng
dịch vụ cung cấp hay bán chéo sản phẩm đến khách hàng. Bên cạnh đó, nhờ nắm
được thông tin về nguồn tiền nhàn rỗi của khách hàng, ngân hàng có thể tận dụng
thu hút tiền gửi để thực hiện các hoạt động đầu tư. 
2. Phân Khúc Khách Hàng Và Thẩm Định Hồ Sơ.
Phân khúc khách hàng là một trong những nhân tố quan trọng trong chiến lược
marketing và thiết kế sản phẩm của ngân hàng. Một khi các phân tích ban đầu về
thói quen chi tiêu của khách hàng cùng với xác định các loại hình dịch vụ, kênh giao
dịch được khách hàng ưu tiên (Ví dụ: khách hàng muốn gửi tiết kiệm hay muốn đầu
tư các khoản vay) được hồn tất thì các ngân hàng sẽ có được một cơ sở dữ liệu

phục vụ cho quá trình phân khúc, phân loại khách hàng một cách phù hợp dựa vào
thông tin và hồ sơ khách hàng cung cấp. Big Data sẽ cung cấp cho các ngân hàng
những hiểu biết, kiến thức chuyên môn sâu về nhu cầu tiềm ẩn bên trong, thói quen
và xu hướng chi tiêu của khách hàng, trợ giúp cho nhiệm vụ xác định nhu cầu và
mong muốn của họ. Bằng cách nắm các thơng tin liên quan đến giao dịch, ngân
hàng có thể xác định được khách hàng của mình thuộc các nhóm nào Ví dụ : nhóm
có chi tiêu dễ dàng, nhóm nhà đầu tư thận trọng, nhóm thanh tốn nợ nhanh chóng,
nhóm khách hàng trung thành…


 Bên cạnh đó, biết được hồ sơ cá nhân của tất cả các khách hàng giúp ngân
hàng đánh giá chi tiêu và thu nhập dự kiến trong tháng tới và lập kế hoạch chi
tiết để đảm bảo lợi nhuận cho chính tổ chức và lợi ích cho chính khách hàng. 
 Điển hình tại Tp Bank, trong 5 tháng đầu năm, số lượng khách hàng đăng kí
sử dụng dịch vụ ngân hàng trực tuyến đã tăng 87% so với năm trước. Trong
đó nhờ triển khai thêm cả phương thức eKYC toàn diện trên app Tp bank mà
lượng khách hàng mở tài khoản qua hình thức eKYC tăng 790% so với cùng
kì. Lượng giao dịch trực tuyến của ngân hàng này cũng tăng mạnh, hiện số
lượng giao dịch trực tuyến của Tp bank đã chiếm 92% tổng số lượng giao
dịch của toàn ngân hàng…
3. Bán Chéo Thêm Các Dịch Vụ Khác
Dựa vào cơ sở dữ liệu ngân hàng có được, ngân hàng có thể thu hút thêm, hay giữ
chân khách hàng bằng cách giới thiệu thêm các dịch vụ khác. Ví dụ, ngân hàng có
thể giới thiệu các khoản đầu tư có lãi suất hấp dẫn đến các khách hàng có lượng tiền
nhàn rỗi hoặc những nhà đầu tư thận trọng. Ngân hàng cũng có thể đề xuất các
khoản vay ngắn hạn cho các khách hàng có thói quen chi tiêu dễ dàng để đáp ứng
nhu cầu hàng ngày hoặc những khoản vay đáp ứng nhu cầu thanh khoản ngắn hạn
của doanh nghiệp. Phân tích một cách chính xác về hồ sơ cá nhân của khách hàng,
ngân hàng có thể bán kèm các dịch vụ khác với các ưu đãi được tập trung chính xác
vào nhu cầu khách.

4. Nâng Cao Chất Lượng Dịch Vụ Thông Qua Xây Dựng Hệ Thống Thu Thập
Các Phản Hồi Khách Hàng Và Phân Tích Chúng
Khách hàng có thể để lại phản hồi sau mỗi lần giao dịch hay mỗi lần nhận được tư
vấn từ trung tâm hỗ trợ chăm sóc khách hàng hoặc qua các biểu mẫu phản hồi;
nhưng thường xuyên (hay có thể nói nhiều khả năng) chia sẻ ý kiến thông qua các
phương tiện truyền thơng xã hội hơn, ví dụ Facebook, Zalo,…Các cơng cụ Big Data
có thể tìm kiếm chọn lọc thơng qua các thông tin, feedback công khai trên các
phương tiện truyền thông và thu thập tất cả những dữ liệu đề cập về thương hiệu của
ngân hàng để có thể phản hồi nhanh chóng và đầy đủ đến khách hàng, ngồi ra,


cũng hỗ trợ ngăn chặn các tin đồn thất thiệt ảnh hưởng đến hoạt động kinh doanh và
niềm tin nơi khách hàng. Khi khách hàng cảm thấy ngân hàng lắng nghe, đánh giá
cao ý kiến và thực hiện những cải tiến, thay đổi theo yêu cầu của họ thì sự trung
thành dành cho thương hiệu sẽ gia tăng, hơn nữa cải thiện hình ảnh của ngân hàng. 
5. Marketing Theo Hướng Cá Nhân Hóa.
Sau khi có được phân khúc khách hàng thì các ngân hàng cần tận dụng để marketing
nhắm tới mục tiêu khách hàng dựa trên trên những hiểu biết về thói quen chi tiêu cá
nhân của họ. Ngồi việc thu thập dữ liệu về lịch sử giao dịch của khách hàng, ngân
hàng có thể kết hợp dữ liệu phi cấu trúc được lấy ra từ mạng xã hội để có được một
bức tranh đầy đủ hơn về nhu cầu của khách hàng dựa trên các phân tích về tâm lý,
mong muốn khách hàng ở mọi thời điểm. Từ đó, ngân hàng có thể đưa ra các giải
pháp, kế hoạch marketing phù hợp để có được tỷ lệ phản hồi cao hơn từ khách hàng.
Ví dụ, các ngân hàng sử dụng công cụ email marketing để gửi đến khách hàng các
thông tin mới nhất về những dịch vụ cho vay ngắn hạn với lãi suất vừa phải hay gửi
tiết kiệm với lãi suất hấp dẫn, hoặc các chương trình ưu đãi khác,…
Ngân hàng Quốc tế VIB vừa công bố ứng dụng thành công công nghệ xử lý dữ liệu
lớn (Big Data) và trí tuệ nhân tạo (AI) vào quy trình chấm điểm tín dụng và duyệt
hạn mức thẻ tín dụng. Đây là lần đầu tiên một ngân hàng tại Việt Nam tiên phong
ứng dụng Big Data và AI vào quy trình xét hạn mức thẻ.

Theo đó, chỉ 5 phút điền thông tin, 15 đến 30 phút phê duyệt mà không cần gặp gỡ,
không nhân viên kinh doanh, không người phê duyệt, không chứng minh thu nhập
cũng không cần giấy tờ liên quan khác.
6. Thay Đổi Cách Thức Cung Cấp Dịch Vụ Đến Khách Hàng
Hệ thống Big Data có thể là một hệ thống phức tạp liên kết giữa nhiều bộ phận chức
năng khác nhau với vai trị đơn giản hóa các nhiệm vụ trong một tổ chức. Bất cứ khi
nào tên một khách hàng hoặc số tài khoản được nhập vào hệ thống, hệ thống Big
Data sẽ hỗ trợ sàng lọc tất cả các dữ liệu và chỉ truyền đi hay cung cấp các dữ liệu
được yêu cầu để phục vụ cho q trình phân tích. Điều này cho phép các ngân hàng


tối ưu hóa quy trình làm việc và tiết kiệm cả thời gian và chi phí. Big Data cũng cho
phép các tổ chức xác định và khắc phục các vấn đề trước khi khách hàng bị ảnh
hưởng. 
Ghi nhận trong 6 tháng phát hành thẻ Online Plus ,nhờ thực hiện hoàn toàn trực
tuyến và dựa vào Big Data , tỷ trọng khách hàng mở thẻ tại các tỉnh thành ngoài TP
HCM và Hà Nội tăng mạnh . Trong khi với qui trình mở thẻ thơng thường ở các
dịng thẻ trước , đến hơn 90% người mở thẻ ở TP HCM và Hà Nội . Độ tuổi trung
bình mở thẻ tín dụng trước đây vào khoảng 30 đến dưới 55 tuổi . Trong khi với
Online Plus , độ tuổi được mở rộng từ 25 đến 60 tuổi.
7. Phát Hiện Và Ngăn Chặn Hành Vi Lừa Đảo, Vi Phạm Pháp Luật
Big Data sẽ cho phép các ngân hàng đảm bảo khơng có giao dịch trái phép nào được
thực hiện, cung cấp mức độ an toàn, nâng cao tiêu chuẩn bảo mật của toàn bộ
ngành. Nhờ vào dữ liệu về lịch sử giao dịch và hồ sơ tín dụng của khách hàng, ngân
hàng có thể nhận diện những bất thường trong quá trình cung cấp dịch vụ đến khách
hàng. Ví dụ, khoản rút tiền lớn bất thường từ thẻ ATM có thể do thẻ bị mất cắp, từ
đó, ngân hàng có những biện pháp an ninh để xác minh giao dịch. Ngân hàng khai
thác Big Data để phân biệt giữa các giao dịch là hành vi phạm tội với các giao dịch
hợp pháp bằng các thuật tốn phân tích dữ liệu và machine learing (học máy). Các
hệ thống phân tích sẽ tự động phát hiện, trích xuất các giao dịch bất hợp pháp ở thời

gian thực và đề xuất các hành động ngay lập tức.
Các Ngân hàng như VP bank, MB, BIDV, VCB,… luôn gửi các thông báo cảnh
giác các hành vi lừa đảo thông qua Email, SMS, nội dung hiện ngay sau khi truy cập
vào ứng dụng Smart Banking… để cảnh báo khách hàng
8. Kiểm Soát Rủi Ro, Tuân Thủ Luật Pháp Và Minh Bạch Trong Báo Cáo Tài
Chính
Các thuật tốn của Big Data còn giúp giải quyết các vấn đề về tuân thủ quy định
pháp luật về kế toán, kiểm toán và báo cáo tài chính, từ đó giảm được các chi phí
quản lý. Bên cạnh đó, hệ thống Big Data thu thập và lưu trữ dữ liệu lớn giúp ngân


hàng tiến hành phân tích một cách nhanh nhất khi có các dấu hiệu về rủi ro xảy ra,
từ đó đưa ra các biện pháp xử lý.  Big Data cũng đóng một vai trị quan trọng trong
việc phối hợp giữa các bộ phận, phòng, ban và yêu cầu xử lý dữ liệu của ngân hàng
vào một hệ thống trung tâm duy nhất; qua đó, hỗ trợ kiểm sốt, ngăn chặn vấn đề
mất dữ liệu, giảm thiểu rủi ro và gian lận.
Dẫn chứng cho việc ứng dụng Big Data trong hoạt động ngân hàng, ơng Ravindra
nêu ví dụ Tập đồn ngân hàng Sumitomo Mitsui (Sumitomo Mitsui Banking
Corporation) của Nhật Bản đã rất thành cơng trong việc phát triển sản phẩm thẻ tín
dụng khi sử dụng công nghệ dữ liệu lớn, đã giúp họ cắt giảm chi phí vận hành tới
7,5 triệu USD.
Ơng Ravindra cũng chia sẻ thêm một ngân hàng lớn ở Nhật Bản đã ứng dụng Big
Data trong nghiệp vụ phân tích hệ thống quản lý thông tin để đưa ra những quyết
định về đầu tư, lãi suất… cũng như việc tổng đài tin nhắn tự động với hàng nghìn tin
nhắn mỗi ngày.
9. Tham Gia Vào Việc Kiểm Soát Đánh Giá Và Nâng Cao Hiệu Quả Làm Việc
Của Nhân Viên
Hệ thống Big Data hỗ trợ thu thập phân tích, đánh giá và truyền tải dữ liệu về hiệu
quả làm việc của nhân viên. Trước đây, để thu thập các thông tin này cần rất nhiều
cơng đoạn mang tính thủ cơng, thì nay, Big Data sẽ giúp xử lý các công việc này

một cách nhanh chóng và chính xác. Kết quả phân tích sẽ giúp các nhà lãnh đạo có
cái nhìn về tình hình, thực trạng làm việc hiện tại của nhân viên, đặc biệt xem xét
mức độ hài lịng của ngân viên về mơi trường làm việc, phúc lợi… của ngân hàng
dành cho họ.

III. CÁC ĐIỀU KIỆN ĐỂ ỨNG DỤNG BIG DATA TRONG HOẠT ĐỘNG
NGÂN HÀNG


1. Thay đổi tư duy trong đội ngũ quản lí ngân hàng về tầm quan trọng của dữ
liệu và các phương pháp xử lý dữ liệu hiện đại.
Trong các cuộc phỏng vấn quản lý một số ngân hàng, có một quan điểm vẫn cịn tồn
tại là quyết định có thể đưa ra dựa trên kinh nghiệm mà không cần dựa vào các kết
quả phân tích dữ liệu lớn. Quan điểm trên không sai trong quá khứ. Thực tế cho
thấy, những nhà quản lý có thâm niên trong lĩnh vực tài chính, ngân hàng đã từng
đưa ra được nhiều quyết định chính xác. Tuy nhiên, đó là khi thị trường ngân hàng
với các dịch vụ còn đơn giản, khi nhu cầu của khách hàng chưa nhiều và đặc biệt là
khi khách hàng chưa tiếp cận được với các công nghệ thông minh và hiện đại. Ngày
nay, khi mà các công ty công nghệ, các công ty viễn thông, các nhà bán lẻ không
ngừng thay đổi, đầu tư và áp dụng công nghệ mới để đáp ứng nhu cầu ngày càng
cao của khách hàng thì một làn sóng khơng nhỏ khách hàng truyền thống của ngân
hàng đã và đang chuyển dần sang sử dụng dịch vụ được cung ứng từ các đối thủ của
ngân hàng. Nổi bật là các dịch vụ thanh tốn với tốc độ xử lý giao dịch nhanh, an
tồn, tiện lợi và đặc biệt là chi phí thấp với những cái tên tiêu biểu như Momo,
ViettelPay… rồi ngày nay là các dịch vụ tín dụng P2P. 
Trên thế giới, các nhà quản lý ngân hàng đã sớm nhận ra mình không phải là người
duy nhất để khách hàng có thể cho vay, nhận tiền gửi và cung cấp dịch vụ thanh
toán. Các bên cho vay khác xuất hiện như công ty tài chính, cửa hàng cầm đồ hay
các bên trung gian kết nối người cho vay với người vay tiền. Khách hàng cũng có
thể đầu tư trái phiếu, chứng chỉ quỹ thay cho gửi tiết kiệm. Dịch vụ thanh toán cũng

được cung cấp bởi nhiều công ty trung gian sử dụng công nghệ hiện đại. Khi khách
hàng có nhiều sự lựa chọn, nhu cầu của họ cũng tăng lên. Điều này khiến cho ngân
hàng buộc phải thay đổi mình. Chẳng hạn, trước kia quá trình thẩm định khách hàng
được thực hiện một cách thủ công, qua nhiều bước và tốn kém thời gian. Các hồ sơ
vay vốn hoặc khoản thanh toán từ khi đệ trình tới khi được phê duyệt có thể phải trải
qua nhiều cuộc họp kéo dài trong nhiều ngày.
Tuy nhiên, với sự hỗ trợ của công nghệ lưu trữ và phân tích dữ liệu, ngân hàng có
thể nhanh chóng so sánh, đánh giá tín dụng đối với khách hàng. Việc áp dụng công


nghệ Big Data giúp một số ngân hàng giảm thời gian thẩm định khách hàng từ nhiều
ngày xuống chỉ còn vài phút. Mạng lưới dữ liệu liên kết và công nghệ nhận diện
danh tích khách hàng thông qua các trang mạng xã hội thậm chí còn có thể giúp
ngân hàng xác định được khách hàng đang ở đâu, làm gì và có các mối quan hệ nào.
Điều này giúp quá trình quản lý sau giải ngân trở nên hiệu quả hơn. Các ngân hàng
cũng áp dụng công nghệ phân tích dữ liệu lớn để lựa chọn vị trí thuận lợi nhất khi
mở chi nhánh mới.
2. Ngân hàng phải xây dựng được quy trình liên quan đến dữ liệu từ khâu thu
thập dữ liệu đến sử dụng kết quả xử lý dữ liệu.
Ngân hàng thu thập thông tin từ rất nhiều nguồn khác nhau về một hệ thống giám
sát xử lý tập trung, nhưng việc duy trì chất lượng dữ liệu về tính chính xác, kịp thời
và các yếu tố khác ngày càng trở nên khó khăn. Để giải quyết vấn đền này thì ngân
hàng cần thiết lập một quy trình thu thập (collect), rà soát (screening), làm sạch
(clean), tổng hợp (reconcile) và phân loại dữ liệu vào một đầu mối tập trung; sau đó
lại phân phối dữ liệu đến những bộ phân liên quan để phân tích và đưa ra các thơng
tin hữu ích. Trong đó, bước rà sốt và làm sạch dữ liệu là rất quan trọng để nâng cao
chất lượng dữ liệu. Ví dụ như, dữ liệu về tài khoản khách hàng và giao dịch, thường
được sử dụng bởi các bộ phận quản lý gian lận, được thu thập từ nhiều nguồn khác
nhau ở dưới dạng thô. Quá trình sàng lọc và rà sốt sẽ giúp giảm đáng kể số lượng
các giao dịch sai, nhờ đó làm giảm thời gian và công sức để xử lý. Bên cạnh đó,

ngân hàng cũng cần phải nâng cao cơng tác quản trị dữ liệu, thiết lập các cơ sở trách
nhiệm rõ ràng giữa các bộ phận tham gia vào trong quy trình đảm bảo an tồn an
ninh dữ liệu. 
Cụ thể, quy trình xây dựng dữ liệu cho Big Data sẽ gồm các bước như sau:
- Bước 1: Xác định nguồn dữ liệu (từ website, ứng dụng, thiết bị thông minh, mạng
xã hội, truyền thơng, chính phủ…). Ngân hàng cần phải nắm rõ nguồn dữ liệu cần
tìm và cách thức thu thập.
- Bước 2: Xây dựng các hệ thống thu thập Big Data: xây dựng các phần mềm, ứng
dụng hay các thiết bị có thể kết nối với máy chủ để truyển tải thông tin, dữ liệu. Dữ


liệu của Big Data thuộc nhiều định dạng khác nhau nên hệ thống thu thập cần phải
tiên tiến, tích hợp các công nghệ mới.
- Bước 3: Xây dựng hệ thống lưu trữ và quản lý để phục vụ cho việc phân tích sau
này. Dữ liệu Big Data cần một hệ thống máy chủ lưu trữ. Hệ thống lữu trữ hiện tại
gồm 2 loại lưu trữ trên đám mây (cloud) và lưu trữ tại cơng ty. Để lựa chọn phù hợp
thì ngân hàng cần dự báo được khối lượng thông tin cần lưu trữ và các biện pháp
bảo mật.
- Bước 4: Xây dựng hệ thống sàng lọc, làm sạch, phân tích dữ liệu và hệ thống phục
vụ báo cáo. Bước này đòi hỏi chất lượng của đội ngũ nhân sự trong việc xây dựng
các thuật toán khai thác dữ liệu, ứng dụng các mơ hình định lượng thơng minh để
phân tích đa chiều và đưa ra các dự báo. 
- Bước 5: Sử dụng kết quả phân tích để đưa ra các quyết định.
3. Chuẩn bị đội ngũ chuyên viên khoa học dữ liệu là điều kiện khơng thể thiếu
được
Hiện nay, có một thực tế về nhân sự trong ngành Ngân hàng là cán bộ ngân hàng thì
khơng hiểu rõ về cơng nghệ thơng tin, cịn người làm cơng nghệ thơng tin thì khơng
hiểu rõ về nghiệp vụ ngân hàng. Thêm nữa, các mơ hình phân tích Big Data tại Việt
Nam hiện nay chủ yếu là ứng dụng lại các mơ hình có sẵn trên thế giới, phần lớn các
chuyên gia về khoa học dữ liệu của Việt Nam còn hạn chế về khả năng phân tích mơ

hình. Do vậy, các ngân hàng muốn phát triển công nghệ đều phải thuê nhân lực
nước ngồi với chi phí đắt đỏ. 
Chun viên khoa học dữ liệu (Data scientist) là một nghề khá mới mẻ không chỉ ở
Việt Nam mà ở nhiều nước trên thế giới. Nhóm nhân sự này địi hỏi phải được đào
tạo chun mơn cao và phải có một sự đam mê tìm tới thế giới Big Data. Họ là
những người hiểu rõ làm cách nào để tìm ra câu trả lời cho những quyết định quan
trọng từ một khối lượng thông tin khổng lồ khơng hề có cấu trúc đang “dồn dập ập
đến như những cơn sóng thần”. Với sự thành thạo về lĩnh vực kỹ thuật số, họ có thể
nhận thấy và biết cách hình thành những cấu trúc từ khối lượng khổng lồ các dữ liệu
sơ khởi và nhờ đó việc phân tích dữ liệu trở nên khả thi. Họ tìm ra những nơi có


nguồn dữ liệu phong phú kết hợp với các nguồn dữ liệu chưa hoàn chỉnh khác và
làm sạch bảng lưu kết quả truy vấn cơ sở dữ liệu. 
Các nền kinh tế trong khu vực như Hàn Quốc, Đài Loan đã chuẩn bị lực lượng chất
lượng cao, trong khi ở Việt Nam nguồn nhân lực phân khúc này vẫn còn hạn chế.
Theo khảo sát của IDG, tại Việt Nam, nhân lực sẵn sàng cho cơng nghệ số chưa cao,
các chương trình đào tạo đại học thay đổi rất chậm so với xu thế. Trong khi đó,
nhiều trường đại học tại Mỹ đã đưa các giáo trình về trí tuệ nhân tạo, học máy
(machine learning) vào giảng dạy MBA, một chuyên gia cho hay. Khoảng cách về
khả năng kỹ thuật số sẽ chỉ ngày càng rộng thêm và ngân hàng nào không thể bắt
kịp với xu hướng sẽ bị bỏ lại sau lưng. Bởi thế, việc đào tạo, quan tâm tới chất
lượng nguồn nhân lực công nghệ cao cần được thực hiện trong tồn hệ thống tài
chính - ngân hàng, đảm bảo đủ khả năng ứng dụng công nghệ thông tin, phương
thức làm việc tiên tiến trong điều kiện hội nhập quốc tế sâu rộng.
 


C. KẾT LUẬN
Một trong những lợi thế của ngân hàng truyền thống là khối lượng thơng tin tài

chính khổng lồ mà các ngân hàng lưu trữ về hàng triệu khách hàng của mình. Hơn
thế nữa, ngân hàng có lợi thế về cấu trúc và vốn để khai thác nguồn tài nguyên mới
này. Tiềm năng cho việc phân tích dữ liệu đã được nhìn nhận rộng rãi trong ngành
tài chính với doanh thu từ Big Data và phân tích dữ liệu kinh doanh tăng từ 130 tỷ
đô la Mỹ năm 2016 lên ước tính khoảng 203 tỷ đơ la Mỹ năm 2020. Trong đó, lĩnh
vực ngân hàng đóng góp tỷ trọng doanh thu lớn nhất khi dành 17 tỷ đô la Mỹ cho
các giải pháp về Big Data và phân tích dữ liệu chỉ riêng trong năm 2016. Ứng dụng
dữ liệu và phân tích trong ngân hàng là vơ cùng. Chúng ta có thể sử dụng dữ liệu
cho tiếp thị, phân phối và đa dạng hóa các dịch vụ cá nhân hóa, đáp ứng chính xác
nhu cầu của từng khách hàng riêng lẻ. Big Data cũng cho phép các ngân hàng có thể
thực hành quản trị rủi ro tốt hơn từ quản trị rủi ro tín dụng truyền thống đến những
loại rủi ro thị trường phức tạp khác, từ rủi ro hoạt động nội bộ đến rủi ro từ yếu tố
bên ngồi… Khơng chỉ có vậy, Big Data cịn trợ giúp trong việc nâng cao chất
lượng dịch vụ, đưa ra các dự báo về tình hình kinh doanh và lập kế hoạch kinh
doanh. Với vô vàn ứng dụng của Big Data và sự phổ biến của nó trong các ngân
hàng hiện đại, các ngân hàng ở Việt Nam nếu muốn nâng cao năng lực cạnh tranh,
cải thiện lợi nhuận thì khơng cịn lựa chọn nào khác ngồi việc gia nhập xu thế này.
Và để có thể đảm bảo được tận dụng mọi lợi thế của Big Data thì yếu tố về chính
sách, vốn, con người và cơng nghệ cần được chuẩn bị chu đáo cho bước phát triển
này.
 

MỤC LỤC


Trang




×