Tiểu luận môn Hệ hỗ trợ quyết định Dịch bài báo Business Intelligence and Business Process Management in Banking Operations

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH
ĐẠI HỌC CÔNG NGHỆ THÔNG TIN



Tiểu luận môn:
HỆ HỖ TRỢ QUYẾT ĐỊNH

Nội dung:
Dịch bài báo “Business Intelligence and Business Process
Management in Banking Operations”







Giảng viên hướng dẫn: PGS TS. Đỗ Phúc
Học viên thực hiện: Võ Tấn Lực
MSHV: CH1301098
Lớp cao học khóa 8

TP Hồ Chí Minh, tháng 06/2014


Nội dung
1. Giới thiệu 1
2. Kinh doanh thông minh 3

3. Môi trường hoạt động ngân hàng và kỹ thuật BI 4
4. Các ứng dụng kinh doanh thông minh trong ngân hàng 6
4.1. Quản lý rủi ro 6
4.2. Bán các sản phẩm bổ sung cho các khách hàng hiện tại 6
4.3. Việc giảm tỷ lệ Churn 7
4.4. Phân khúc 7
4.5. Giá trị vòng đời khách hàng 8
4.6. Sự kích hoạt 9
5. Quản lý quá trình kinh doanh (BPM) 9
5.1. BPM và BI 10
5.2. Quy trình kinh doanh thông minh (BPI) 11
6. Kết luận 12
Tài liệu tham khảo 14



Trang 1

Kinh Doanh Thông Minh Và Quy Trình Quản Lý Kinh Doanh
Trong Hoạt Động Ngân Hàng
Tiến sĩ: Katarina Curko, Tiến sĩ: Mirjana Pejic Bach
Đại học Zagreb, Khoa Kinh tế, Ngành tin học ứng dụng trong kinh doanh
,
Thạc sĩ khoa học. Goran Radonic
Viện công nghệ kỹ thuật Croatia, Zagreb


Tóm tắt. Thành công của hoạt động ngân hàng có tương quan mạnh mẽ với
chất lượng của các mối quan hệ khách hàng và hiệu quả của các quy trình ngân hàng.
Các ngân hàng tìm kiếm phương pháp cho việc phân tích hiệu quả của số lượng lớn

các dữ liệu thu thập được từ các hệ thống CNTT ngân hàng. Ngân hàng đang khai
thác kinh doanh thông minh (gọi tắt là BI) để phân tích mọi khía cạnh của dữ liệu của
ngân hàng để nắm bắt được hoạt động của khách hàng, cố gắng đáp ứng nhu cầu của
khách hàng trong việc cạnh tranh chiếm ưu thế trên thị trường.
Mục đích của bài viết này là để xem xét và thảo luận về các ứng dụng tiêu biểu
của kinh doanh thông minh trong ngân hàng cũng như chỉ ra những xu hướng công
nghệ mới sẽ ảnh hưởng đến sự phát triển của ngân hàng.
Từ khóa. Ngân hàng, kho dữ liệu, xử lý phân tích trực tuyến, khai thác dữ
liệu, Quy trình quản lý kinh doanh, quy trình kinh doanh thông minh.
1. Giới thiệu
Sự xuất hiện của cuộc cách mạng thông tin trên toàn cầu ảnh hưởng đến mọi
loại hình kinh doanh và công nghiệp, và đặc biệt, ngành công nghiệp tài chính. Giá
Trang 2

trị của một mẩu thông tin nhận được tăng với căn bậc hai của số lượng người dùng
có thể truy cập thông tin, nhân với số lĩnh vực kinh doanh trong đó người dùng làm
việc [12]. Mặc dù có một số lượng lớn các thông tin được lưu trữ trong hệ thống thông
tin ngân hàng về khách hàng và các giao dịch của họ, các ngân hàng có thể hiếm khi
khai thác đầy đủ tiềm năng của mình trong việc ra quyết định chiến thuật và chiến
lược.
Phấn đấu để thành công, các ngân hàng đang cố gắng tìm phương tiện để phân
tích hiệu quả của các dữ liệu này. Phát hiện và ngăn chặn gian lận, quản lý rủi ro,
quản lý khách hàng, quản lý sản phẩm, và phòng chống mất mát là một số trong
những mối quan tâm chính của các tổ chức tài chính. Hiện nay, hơn bao giờ hết, các
tổ chức tài chính phải tập trung vào các yếu tố thành công quan trọng, chủ yếu là sự
hài lòng và lòng trung thành của khách hàng. Công nghệ BI có thể thu thập và chuyển
đổi hàng triệu bản ghi để phân tích toàn diện và cung cấp các công cụ mà các ngân
hàng có thể và nên sử dụng để hiểu được hành vi của khách hàng, để đáp ứng hiệu
quả nhu cầu của khách hàng và thực hiện đầy đủ mong đợi của khách hàng và cuối
cùng, để đạt được một lợi thế cạnh tranh hơn đối thủ cạnh tranh của họ.

Các mô hình nhu cầu và thói quen của khách hàng được phân tích dựa trên tập
hợp các dữ liệu lớn. Tuy nhiên, càng nhiều dữ liệu, càng khó khăn trong việc thu thập
và xử lý dữ liệu kịp thời và các kiến thức có liên quan. Nếu thực hiện mà không đầy
đủ dụng cụ, quá trình này thường đòi hỏi rất nhiều năng lực, và cuối cùng là tạo ra
chi phí cao và kết quả hầu như rất khó đo lường được.
Ứng dụng hệ thống BI trong ngân hàng bắt đầu với việc thu thập, nâng cao và
lọc các dữ liệu hoạt động hàng ngày từ các nguồn dữ liệu nội bộ và bên ngoài, bao
gồm cả các tổ chức thứ ba. Tính khả dụng của dữ liệu “nâng cao” với chi phí thấp
giúp cho ngân hàng nhận ra và hưởng lợi từ những khả năng mới để tăng cường các
mối quan hệ khách hàng, thu hút khách hàng tiềm năng mới và thích ứng với tốc độ
tăng trưởng.
Trang 3

BI có hiệu quả kép, chiến lược kinh doanh với công nghệ thông tin thúc đẩy
dựa trên cơ sở hạ tầng công nghệ thông tin và các kỹ năng hiện có. Lợi nhuận đầu tư
vào hệ thống BI là gia tăng lòng trung thành của khách hàng, phân khúc khách hàng
có lợi nhuận, thu hút khách hàng mới, tăng giá trị thị trường của ngân hàng và giá trị
chứng khoán.
2. Kinh doanh thông minh
BI có thể được đinh nghĩa như là khả năng mà danh nghiệp hiểu và sử dụng
thông tin để tăng năng suất [13]. BI bao gồm một số các thao tác, quy trình và các
ứng dụng. Một số các công cụ thường được sử dụng là: Kho dữ liệu, Kho dữ liệu cục
bộ, Công cụ Phân tích dữ liệu trực tuyến, các Công cụ Trích xuất, Chuyển tải dữ liệu,
thông tin của các công thông tin, Khai phá dử liệu, Mô hình kinh doanh, v.v… Trong
phần này chúng ta sẽ mô tả ngắn gọn 3 công nghệ phổ biến nhất được áp dụng là Kho
dữ liệu, Phân tích dữ liệu và Khai phá dữ liệu.
Lĩnh vực ngân hàng liên tục được thúc đẩy bở nhu cầu cho những sản phẩm
mới và sáng tạo, và cũng như các quy định pháp lý. Dưới tiến trình tất yếu là mua lại
và sáp nhập đang diễn ra trên toàn thế giới đã làm cho hệ thống thông tin của ngân
hàng rất không đồng nhất với các ứng dụng phân tán, sự chồng chéo dữ liệu và các

điểm phân tán của dữ liệu thu tập và xử lý. Nhằm đảm bảo hỗ trợ kịp thời và hiệu quả
cho các nhà quyết định trong môi trường không đồng nhất và phân tán là gần như
không thể nếu không có các công nghệ mới. Ý lưởng thu thập và đồng nhất dữ liệu
từ các nguồn dữ liệu phân tán đã dẫn đến khái niệm Kho dữ liệu. Kho dữ liệu đã làm
đầy với dữ liệu hoàn chỉnh và tinh khiết (được làm sạch và nâng cấp) là một điều kiện
tiên quyết cho nhiệm vụ chuyển từ thông tin đến tri thức. Phân tích dữ liệu tực tuyến
và Khai phá dữ liệu là những phương pháp phổ biến để rút trích những tri thức ẩn từ
những dữ liệu đã được lưu trữ trong Kho dữ liệu.
Phân tích dữ liệu trực tuyến (OLAP) cho phép thao tác và phân tích một lượng
dữ liệu rất lớn, so sánh với nhiều loại dữ liệu khác nhau, các tính toán phức tạp và
quan trọng nhất là một giao diện ngườ dùng với đồ họa trực quan (GUI) để thể hiện
Trang 4

các kết quả trong nhiều góc nhìn khác nhau bao gồm các khả năng khoan xuống và
khoan lên. Các công cụ OLAP có những thành phần thiết yếu cho hệ thống BI hiện
nay và cổng thông tin.
Khai phá dữ liệu được tạo ra trên các thuật toán xác định mẫu chưa được ghi
nhận hoặc không mong đợi hiện diện trong một tập dữ liệu lớn, phân cụm và phân
khúc dữ liệu và tìm sự phụ thuốc giữa các biến đa chiều. Kết quả của Khai phá dữ
liệu được biểu diễn đồ họa với các mẫu hành vi đột xuất nâng cao.
Các ứng dụng của Kho dữ liệu, Phân tích dữ liệu trực tuyến và Khai phá dữ
liệu đang mở rộng để thích ứng các môn hình ngân hàng hiện đại nhằm cung cấp kịp
thời các câu trả lời cho nhiều câu hỏi mà trước đây cần phải lập trình rất tốn kém,
kéo dài và xử lý hàng loạt.
3. Môi trường hoạt động ngân hàng và kỹ thuật BI
Ngành công nghiệp tài chính phải thích ứng với áp lực từ toàn cầu hóa, hội
nhập, cạnh tranh ngày càng tăng, sản phẩm và đổi mới thị trường, tái cơ cấu các quy
trình, và các xu hướng khác. Các tổ chức tài chính cũng phải quản lý rủi ro và tuân
thủ các yêu cầu pháp lý như hiệp ước Basel II và IAS. Để thành công, các tổ chức tài
chính phải [8]:

- Giám sát tất cả các khía cạnh quan hệ khách hàng;
- Xác định và giữ những khách hàng lợi nhuận cao nhất;
- Thu hút khách hàng mới từ đối thủ cạnh tranh;
- Đo lường chính xác các sản phẩm và năng suất tổ chức;
- Nhận biết thị trường mới và nhu cầu cho những sản phẩm mới.
Để đạt được những mục tiêu này, các ngân hàng cần phải chuyển đổi dữ liệu
giao dịch hàng ngày để phân tích phức tạp liên quan đến khách hàng và quản lý rủi
ro, các mối quan hệ khách hàng, lợi nhuận của khách hàng, sản phẩm và kênh lợi
nhuận, mức độ trung thành của khách hàng, đánh giá các chiến dịch tiếp thị, hiệu quả
Trang 5

hoạt động, xu hướng thị trường, v.v… Áp dụng công nghệ thông tin hiện đại là chiến
lược chính để nâng cao hiệu quả, nâng cao dịch vụ khách hàng, và lợi nhuận.
Để thích ứng với những thách thức mới trong môi trường ngày càng năng động
và phức tạp, các ngân hàng cần thông tin kịp thời và có liên quan. Vì mục tiêu này,
các ngân hàng đang tích lũy số lượng lớn các dữ liệu từ các nguồn trong và ngoài
nước khác nhau như hệ thống giao dịch, hãng thứ ba, Web, các ấn phẩm, kết quả
nghiên cứu, v.v… Vấn đề thu giữ các loại dữ liệu có cấu trúc và không có cấu trúc
liên quan đến chuẩn hóa (xác định các số liệu thông thường), lọc, nhóm, làm sạch, và
cải thiện dữ liệu. Câu hỏi quan trọng tiếp theo là làm thế nào để trích xuất kiến thức
ẩn từ các dữ liệu với các vấn đề trong nhất quán, tính chính xác, kịp thời, và dữ liệu
phức hợp. Ứng dụng Kho dữ liệu và công nghệ BI vào khám phá tri thức là một cách
tiếp cận chung cho các vấn đề.
Do bản chất kinh doanh của các ngân hàng là phải quản lý rủi ro. Trong quá
khứ, các ngân hàng đã được đào tạo tốt và có nhân viên nhiều kinh nghiệm kinh
nghiệm quản lý rủi ro. Các chủ ngân hàng mới có thể học hỏi từ những người có kinh
nghiệm. Lực lượng nhân sự tại các ngân hàng hiện đại chủ yếu là thanh niên, và các
người quản lý thì thường không có sẵn hoặc phải chi trả quá nhiều. Thông tin và tri
thức, cùng với việc cung cấp các công nghệ IT của họ, đang trở thành nguồn lực
chính. Ngân hàng hiện đại cần truy cập vào các thông tin thông minh và kịp thời, liên

quan đến một tình huống mà họ đang đối mặt.
Ngành công nghiệp ngân hàng hiện nay có xu hướng bán ra các sản phẩm mới
hơn là duy trì các dịch vụ truyền thống như cung cấp các khoản vay và tiền gửi [5].
Điều đó làm cho nhân viên một ngân hàng hiện đại giống với một nhân viên bán hàng
hơn là một nhân viên ngân hàng truyền thống. Trang bị thông tin kịp thời và chính
xác, các chủ ngân hàng hiện đại biết tất cả về khách hàng của mình, và tất cả về các
dịch vụ của ngân hàng đó sẽ hấp dẫn với khách hàng cũng như là khả năng sinh lời
vàcác rủi ro có thể chấp nhận được cho ngân hàng.
Trang 6

BI trong ngành công nghiệp tài chính sẽ trở thành một công nghệ quan trọng
trong việc hỗ trợ các mục tiêu chiến lược đạt được những lợi thế cạnh tranh và bảo
đảm một triển vọng tươi sáng trong tương lai.
4. Các ứng dụng kinh doanh thông minh trong ngân hàng
4.1. Quản lý rủi ro
Mô hình rủi ro thường được áp dụng trong ngành tài chính. Đối với ngành
ngân hàng điều quan trọng là tránh một khoản cho vay mặc định và ước tính chính
xác xác suất mặc định trước khi cung cấp một khoản vay. Tương tự, các công ty bảo
hiểm ước tính độ rủi ro hoặc xác suất của một yêu cầu bồi thường. Tín dụng và điểm
hành vi đã trở thành các công cụ hữu ích để mô hình các vấn đề tài chính. Ngoài việc
đơn giản hiểu được giá trị khách hàng, ngân hàng còn gia tăng các cơ hội để thiết lập
các mối quan hệ khách hàng tốt hơn bằng việc tăng lòng trung thành của khách hàng
và doanh thu [7].
Việc phát hiện và dự đoán gian lận là vấn đề rất quan trọng bởi vì trong trường
hợp gian lận thẻ tín dụng, ngân hàng phải chịu trách nhiệm về thiệt hại. Các mô hình
dự đoán hành vi của chủ thẻ tín dụng có thể đưa ra một cảnh báo về hành vi trộm cắp
thẻ và giảm thiểu thiệt hại của ngân hàng. Phân tích hành vi trộm cắp thẻ cho thấy
rằng số lượng giao dịch tăng nhanh chóng sau khi trộm. Bằng cách so sánh số kỳ
vọng trung bình hoặc giá trị của giao dịch hàng ngày, hệ thống chứng thực có thể đưa
ra một một cảnh báo trước khi hành vi trộm cắp xảy ra.

4.2. Bán các sản phẩm bổ sung cho các khách hàng hiện tại
Một câu thần chú mới của tiếp thị trong ngành ngân hàng là "đúng sản phẩm
cho đúng khách hàng vào đúng thời điểm [3]. Ngân hàng cố gắng để tối đa hóa lợi
tức đầu tư tiếp thị bằng cách khai thác các cơ hội bán chéo và bán lên bởi vì chi phí
bán cho một khách hàng hiện tại là thấp hơn khoảng năm lần so với chi phí của việc
thu hút và giành được một khách hàng mới từ đối thủ cạnh tranh.Tuy nhiên, trước
những nỗ lực mù quáng để cố gắng bán được một sản phẩm bổ sung cho các khách
Trang 7

hàng hiện tại thì nó được khuyến khích để ước tính xác suất của việc dừng bán sản
phẩm.Lợi thế của việc ước tính chính xác xác suất bao gồm 2 phần: làm giảm của các
chiến dịch tiếp thị tỷ lệ phản hồi cao, và quan trọng hơn là nâng cao chất lượng các
mối quan hệ khách hàng. Do đó, lợi nhuận tổng thể được tăng trưởng và lòng trung
thành của khách hàng cũng nâng lên. Các ngân hàng hàng đầu của Croatia cũng sử
dụng các mô hình tương tự như vậy [16].
4.3. Việc giảm tỷ lệ Churn
Mất đi một khách vào tay đối thủ cạnh trnh là một vấn đề lớn trong tất cả các
ngành công nghiệp. Tại các thị trường bão hòa, khả năng tăng trưởng được tìm kiếm
thông qua việc giành được một khách hàng từ đối thủ cạnh tranh. Khách hàng chuyển
sang đối thủ cạnh tranh vì ưu đãi hấp dẫn và những lợi ích đi kèm. Công ty thẻ tín
dụng liên tục hạ lãi suất để thu hút thêm các khách hàng mới. Việc giảm lãi suất được
áp dụng trong thời gian đầu sử dụng, với một hy vọng rằng các khách hàng sẽ hài
lòng với các dịch vụ của công ty và sẽ tiếp tục sử dụng các sản phẩm khi không được
giảm lãi suất nữa. Nghiên cứu đã chỉ ra rằng một số khách hàng sử dụng mức lãi suất
thấp hơn tại các công ty thẻ khác nhau. Kỹ thuật BI có thể đánh giá được xác suất mà
khách hàng sẽ chuyển công ty hoặc ngừng giao dịch sau thời gian giảm lãi suất. Khai
phá dữ liệu là một thành phần thiết yếu trong quản lý quan hệ khách hàng và có thể
được xem và được sử dụng như một công cụ mô tả và/hoặc dự báo. Hơn nữa, biên độ
Churn thì lệ nghịch với tính hiệu quả của các công cụ khai phá dữ liệu [11].
Điều quan trọng là xác định lý do chính tại sao các khách hàng chấm dứt dịch

vụ. Kết quả cho thấy đến 80% người sử dụng chấm dứt dịch vụ là do ATM, nguyên
nhân của việc chấm dứt này chỉ là nhiều lần nhập sai mã PIN. Các khách hàng ngừng
sử dụng dịch vụ liên ngân hàng hoặc trở thành một tài khoản tĩnh trong hệ quả [2].
4.4. Phân khúc
Các ngân hàng sử dụng các phân khúc truyền thống cho khách hàng trong ngân
hàng bán lẻ và thương mại. Các sản phẩm và tư vấn của ngân hàng được đưa ra nhằm
tạo ra được hấp dẫn cho nhiều phân khúc khách hàng khác nhau. Chương trình phân
Trang 8

khúc truyền thống này có thể làm mờ tầm nhìn đến hành vi của các khách hàng thực
sự. Các ngân hàng có thể sử dụng một số lượng lớn dữ liệu về khác hàng của họ để
phân tích các đặc trưng về hành vi của khách hàng. Dữ liệu từ cuộc khủng hoảng và
cơ sở dữ liệu kế toán kết hợp với các cuộc khảo sát về sự hài lòng của khách hàng,
dữ liệu thu được từ một hệ thống CRM có thể được khai thác thành công cho các
phân khúc khách hàng có lợi nhuận. Công nghệ BI có thể phát hiện những điều mới
mà trước đó chưa từng được biết đến, các phân khúc khách hàng có thể phù hợp với
các dịch vụ đang kinh doanh. Điều này giúp nâng cao phương pháp tiếp cận phân
khúc truyền thống và làm tăng lợi nhuận của ngân hàng.
Điều quan trọng là hãy nhớ rằng dữ liệu khách hàng và các đặc điểm sẽ được
tự động thay đổi, ít nhất là vài năm. Ví dụ, một sinh viên sử dụng ít hơn và nhiều sản
phẩm khác nhau hơn so với một người đã kết hôn, và có thêm một sản phẩm khác sau
khi nghỉ hưu.
4.5. Giá trị vòng đời khách hàng
Quản lý giá trị vòng đời khách hàng ước lượng doanh thu dự kiến từ mỗi khách
hàng trong một giai đoạn tương lai. Ví dụ, có thể rất thú vị để thu hút các sinh viên
đại học, những người sẽ trở thành khách hàng trung thành và có lợi nhuận. Doanh thu
của ngân hàng tạo ra trên những tài khoản và dịch vụ sinh viên có thể là vừa phải,
nhưng việc xây dựng một mối quan hệ khách hàng tốt làm nên nhiều triển vọng tốt
trong tương lai. Một sinh viên mới tốt nghiệp sẽ sớm cần vay tiền mua xe, thế chấp
nhà, thẻ tín dụng, bảo hiểm nhân thọ, v.v… Người ta cho rằng một người có học vấn

cao có thu nhập cao hơn và sẵn sàng đáp ứng các chi phí của các sản phẩm bổ sung.
BI có thể xây dựng những mô hình cho giá trị vòng đời khách hàng dự kiến, vì vậy
mà các ngân hàng có thể các chính sách khách hàng phù hợp, có xét đến lợi nhuận tài
khoản của khách hàng, không chỉ là hiện tại, mà còn trong cả một tồng thể.
Trong công việc của họ, Kim và cộng sự [9] đề xuất một mô hình đánh giá và
phân khúc khách hàng xem xét những đóng góp trong quá khứ, giá trị tiềm năng và
xác suất Churn cùng một lúc. Ba quan điểm về giá trị hiện tại, giá trị tiềm năng, và
Trang 9

lòng trung thành của khách hàng hỗ trợ phân khúc khách hàng vớ các quan điểm cân
bằng hơn.
4.6. Sự kích hoạt
Mô hình kích hoạt ước tính xác suất mà một khách hàng mới thực sự sẽ sử
dụng một sản phẩm hoặc dịch vụ mới theo quy định và trở thành lợi nhuận. Ví dụ,
một khách hàng đã ký bảo hiểm nhân thọ có thể không thực hiện thanh toán. Hoặc
một chủ thẻ tín dụng mới không sử dụng thẻ của mình. Các sản phẩm tài chính trở
thành lợi nhuận sau khi kích hoạt, đó là khi được sử dụng. Có một phần nhỏ khách
hàng không bao giờ kích hoạt sản phẩm, và các mô hình kích hoạt xác định khách
hàng như vậy. Sau đó các ngân hàng có thể liên hệ với các khách hàng và kích thích
họ kích hoạt bằng tiền thưởng hoặc chương trình khuyến mại đặc biệt, hoặc đơn giản
là có thể ngừng cung cấp dịch vụ.
5. Quản lý quá trình kinh doanh (BPM)
Nâng cao hiệu quả, theo yêu cầu bởi các cơ quan quản lý ngân hàng, có những
giới hạn bên ngoài về tổng lượng khách hàng có thể thu hút được, hoặc doanh thu có
thể được tạo ra trên thị trường tài chính bão hòa và quy định thị trường tài chính. Do
đó các ngân hàng đang nghiên cứu tối ưu hóa các quy trình nội bộ là ranh giới cuối
cùng trong trận chiến về hiệu quả. Những nỗ lực đầu tiên trong quá trình quản lý của
ngành ngân hàng chủ yếu liên quan đến việc quản lý chất lượng hoạt động và nói
chung có liên quan đến việc áp dụng các tiêu chuẩn chất lượng ISO và các thủ tục để
đảm bảo cho các dịch vụ có được chất lượng cao, phù hợp và dự đoán được. Nó đã

chỉ ra rằng chất lượng của các quá trình đóng góp vào quản lý rủi ro, đặc biệt là thành
phần của hoạt động rủi ro được giới thiệu và được định nghĩa bởi hiệp định Basel II
[4].
Trang 10

5.1. BPM và BI
Kỹ thuật BI có thể được sử dụng trong nhiều cách để tái cơ cấu và hợp lý hoá
các hoạt động kinh doanh, nâng cao hiệu quả và giảm chi phí hoạt động. Chúng ta sẽ
giải thích phát biểu này trong các phần ví dụ sau đây.
Tiến trình nạp của máy ATM thể hiện thể hiện một thách thức về việc tổ chức,
hậu cần và bảo mật. Một máy ATM có thể được nạp vào số lượng lớn hóa đơn, nhưng
điều này thật không khôn ngoan về mặt kinh tế để nạp số tiền tối đa vì số tiền rút
trung bình hàng ngày có thể thấp hơn nhiều với số tiền hiện có trong ATM, bên cạnh
việc đối mặt với nguy cơ trộm cắp và điều này không mang lại lợi nhuận. Thuật toán
BI có thể tối ưu việc quản lý lưu lượng tiền mặt bằng các dự đoán về thời gian, địa
điểm và số lượng tiền mặt được nạp vào, có tính đến tài khoản theo tuần, theo tháng,
theo mùa dao động và xu hướng.
Các công cụ BI có thể đề nghị các hành động thích hợp nhất trong trường hợp
thanh toán quá hạn như: tiếp tục đợi, gọi điện thoại, gửi một thông báo, hoặc bắt đầu
thu. Một vài ngân hàng sử dụng khai phá dữ liệu đề tối ưu hoá các biện pháp an ninh.
Đặc điểm của các ngân hàng bị cướp gần đây được đem ra phân tích và mức độ bảo
mật của các ngân hàng với các tính năng tương tự được nâng lên.
Mô hình hóa, triển khai, và giám sát các tiến trình kinh doanh trong một chu
kỳ liên tục có thể được hỗ trợ bởi công cụ phần mềm chuyên biệt được đặt tên như
BP Modeler, BP Server, BP Monitor, BP Manager, và những phần mềm tương tự.
Phổ biến trong tất cả công cụ là giao diện người dùng đồ họa của họ tạo điều kiện cho
tất cả các giai đoạn của chu kỳ BP từ các mô hình để triển khai, và từ giám sát để tối
ưu hóa tiếp theo. Công cụ phần mềm tích hợp một số hoặc tất cả các tính năng trên
được gọi là hệ thống quản lý BP (BPMS). Các tính năng BPMS tiên tiến bao gồm mô
phỏng các tiến trình kinh doanh trong thực tế. Điều này được thực hiện bằng cách

gán xác suất cho các sự kiện kinh doanh để mô phỏng gần thực tế và kiểm tra tiến
trình thiết kế thực hiện được hay không trước khi được triển khai trong thực tế. Thực
Trang 11

hiện một BPMS có nghĩa là sự tích hơp giữa người tương tác với các hệ thống CNTT
khác nhau.
Một tiến trình giải quyết đơn xin vay của khách hàng là một ví dụ điển hình
của việc ứng dụng BPMS trong ngân hàng. Quá trình này có thể liên quan đến sự
tương tác của con người, dịch vụ web trực tuyến, ứng dụng điểm tín dụng, hệ thống
giao dịch, và hệ thống BI để đo lường giá trị vòng đời khách hàng. Trong quá trình
thực hiện, BPMS chuyển quá trình điều khiển từ con người đến hệ thống công nghệ
thông tin, có thể, một hệ thống BI để phân tích hành vi đã diễn ra của khách hàng,
các dịch vụ hiện tại và sản phẩm đã được sử dụng, các giao dịch mở, góc nhìn này có
thể được gọi là góc nhìn 360 độ của khách hàng, điều này có thể không thể thực hiện
được bằng cách sử dụng các ứng dụng điểm tín dụng độc lập.
Để kết nối các hệ thống CNTT khác nhau trong việc thực hiện một tiến trình
chung, thông thường đòi hỏi phải sử dụng các chuẩn trao đổi dữ liệu, hoặc tốt hơn,
dịch vụ giữa các hệ thống công nghệ thông tin khác nhau cũng sử dụng chuẩn khi cần
trao đổi dữ liệu. Khái niệm về kiến trúc hướng dịch vụ (SOA) và các công nghệ liên
quan xuất hiện như là tiêu chuẩn theo luật định cho kết nối giữa các hệ thống tin con.
SOA đã chứng minh đặc biệt hữu ích và được áp dụng trong việc triển khai BPMS
[14]. Khi công nghệ BI tạo điều kiện cho việc thu thập dữ liệu từ các nguồn không
đồng nhất và phân tán, SOA phù hợp với việc kết nối giữa mọi người, tiến trình, và
hệ thống CNTT khác nhau, các hệ thống con và dịch vụ của họ. Các chủ ngân hàng
hiện đại đang cố gắng tận dụng các thông tin định cư và đầu tư trong quá khứ trong
các hệ thống CNTT để tiếp tục tối ưu hóa các hoạt động của mình đang đi theo khái
niệm SOA như là một công nghệ then chốt cho việc tích hợp BI, BPMS, giao dịch,
và các hệ thống CNTT khác.
5.2. Quy trình kinh doanh thông minh (BPI)
Một khi được áp dụng, BPMS tự bán thân nó sẽ trở thành một nguồn dữ liệu

mới để tạo ra một số lượng lớn các dữ liệu về chi tiết hoạt động của ngân hàng. BPMS
ghi nhận nhiều loại sự kiện xải ra trong suốt quá trình thực thi vào log. Log chứa dữ
Trang 12

liệu về thời gian bắt đầu và hoàn thành của mỗi hoạt động, dữ liệu liệu đầu vào và
đầu ra của các hoạt động này, tài nguyên liên quan đến trường hợp ngoại lệ, v.v. Bằng
cách dọn dẹp và tổng hợp các log tiến trình vào trong một kho dữ liệu và phân tích
chúng với kỹ thuật BI, chúng ta có thể trích xuất các tri thức về những trường hợp
trong quá khứ mà chất lượng thực hiện cao hoặc thấp, và sử dụng những thông tin
này để giải thích tại sao chúng xảy ra cũng như dự đoán các vấn đề tiềm năng trong
quá trình vận hành [6].
Một tập các công cụ, ứng dụng và nghiên cứu trong lĩnh vực ứng dụng kỹ thuật
BI vào trong BPMS hiện đang được ghi nhận dưới tến Quy trình kinh doanh thông
minh (BPI).
Một trường hợp nghiên cứu được thể hiện trong [1] đã minh họa ứng dụng
thực tế của quy trình khai thác sử dụng 3 quan điểm: quá trình, tổ chức và trường hợp
quan điềm. Trong những phát hiện khác, công việc này đã minh họa được hiện tượng
những người diễn viên thường không có cái nhìn hình tốt vào bối cảnh rộng hơn của
quy trình kinh doanh.
Công việc của Grigori và các cộng sự [6] là điều tra các công nghệ khai thác
quy trình có thể được áp dụng trong phân tích và dự báo các số liệu kinh doanh cho
người doanh nghiệp xem xét ý nghĩa để xử lý hoạt động của mình.
6. Kết luận
Kho dữ liệu mang đến các khái niệm về khai phá tri thức mà các chủ nhà băng
đã nhanh chóng áp dụng để hỗ trợ tích cực cho quá trình đưa ra quyết định tại tất cả
các cấp độ quản lý. Các công cụ BI được hình thành trên công nghệ thông tin như
phân tích dữ liệu trực tuyến và khai phá dữ liệu đưa ra được các quyết định khả quan
trong môi trường ngân hàng rất phức tạp.
Công nghệ BI lý tưởng hỗ trợ quản lý rủi ro nâng cao và đưa ra quyết định
chiến lược trong ngân hàng bằng cách phân tích khối lượng dữ liệu ngày càng lớn có

nguồn gốc từ số lượng hệ thống Công nghệ thông tin của ngân hàng đang không
Trang 13

ngừng gia tăng. Hầu hết các lợi ích từ kỹ thuật BI, Chủ ngân hàng mong đợi tại quan
hệ khách hàng nâng cao, nâng cao hiệu quả hoạt động tiếp thị, nâng cao quản lý rủi
ro, phản ứng nhanh hơn với những thay đổi của thị trường, và cuối cùng, gia tăng
chất lượng và hiệu quả quy trình của họ.
Chúng tôi cho rằng một ứng dụng BPMS thành công yêu cầu tích hợp giữa hệ
thống BI của ngân hàng và các hệ thống công nghệ thông tin khác. Các ngân hàng
đang thực hiện SOA trong việc tích hợp các giao dịch, Bi, BPMS và các hệ thống
công nghệ thông tin khác nhau. Cuối cùng, BPMS tự bản thân nó tạo nên một lượng
dữ liệu mới phải được lưu trữ và phân tích theo thứ tự để cải thiện hiệu suất của ngân
hàng.
Sự xuất hiện các khái niệm về Quy trình kinh doanh thông minh mở ra một cái
nhìn mới và khu vực cho việc cải thiện tiến trình và hoạt động của ngân hàng. Thuật
toán khai phá dữ liệu sẽ được điều chỉnh để phân tích chuỗi thời gian của quá trình
tích lũy log dữ liệu. Những góc mới chưa được hoàn thành, chúng tôi xem như là biên
giới của khai phá dữ liệu và các ứng dụng BI trong ngân hàng.

Trang 14

Tài liệu tham khảo
[1] Aalst, van der, W.M.P., et.al., (2006) „Business process mining: An industrial
application“, Information Systems, 2006 Elsevier B.V. (www.sciencedirect.com),
article in press.
[2] Chiang, D-A, Wang, Y-F, Lee, S-L, Lin, C-J, (2003) “Goal-oriented sequential
pattern for network banking churn analysis”, Expert Systems with Applications 25,
293-302, 2003 Elsevier Ltd. (www.sciencedirect.com)
[3] Cohen, M D., (2004) “Exploiting response models – optimizing cross-sell and
up-sell opportunities in banking”, Information Systems 29, 327-341, 2003 Elsevier

Ltd. (www.sciencedirect.com)
[4] Di Renzo, B., Hillairet, M., Picard, M., Rifaut, A., Bernard, C., Hagen, D., Maar,
P., Reinard, D., “Operational Risk management in Financial Institutions: Process
Assessment in Concordance with Basel II”, International Conference SPiCE 2005.
[5] Girish, G.V., Banking Business Unit – Challenges and Achievements, Infosys,
(www.infy.com/investor_usgaap/ppt/am2001_girish_final.ppt)
[6] Grigori, D., et al., (2004) “Business Process Intelligence”, Computers in Industry
53, 321-343, 2003Elsevier B.V., (www.sciencedirect.com)
[7] Hsieh, N-C, (2004) “An integrated data mining and behavioral scoring model for
analyzing bank customers”, Expert Systems with Applications 27, 623-633, 2004
Elsevier Ltd. (www.sciencedirect.com)
[8] IBM Corporation (2006). „IBM Industry Models for Financial Services - The
Information FrameWork (IFW) Banking Data Warehouse“, (www.ibm.com)
[9] Kim, S-Y, Jung, T-S, Suh, E-H, Hwang, HS, (2006) “Customer segmentation and
strategy development based on customer lifetime value: A case study”, Expert
Systems with Applications 31, pp 101-107, 2005 Elsevier Ltd.
Trang 15

[10] Lee, J.H., Park, S.C., (2005) “Intelligent profitable customers segmentation
system based on business intelligence tools”, Expert Systems with Applications 29,
145-152, 2005 Elsevier Ltd. (www.sciencedirect.com)
[11] Lejeune, M.A.P.M., (2001) “Measuring the impact of data mining on churn
management”, Interner Research: electronic Networking Applications and Policym
Volume 11, Number 5, 2001, pp.375-387, MBC University Press.
[12] Liautaud, B., Hammond, M.: e-Business Intelligence, Turning Information into
Knowlwdge into Profit, McGraw-Hill, New York, 2001.
[13] Osterfelt, S.; Business Intelligence: The Intelligent Customer, DM Review
[], November 2000.
[14] Radonic, G., “Synergy of ERP and BPM Systems”, Proceedings of 11th HrOUG
Croatian Convention of ORACLE Users, Umag, Croatia, Oct. 2006.

[15] Turban, E., McLean, E., Wetherbe, J. (1999): Information Technology for
Management: Making Connections for Strategic Advantage, 2nd Edition, John Wiley
& Sons
[16] Vrancic, I. (2001). Metode raspoznavanja uzoraka za analizu poslovno-
financijskih podataka, MS Thesis, University of Zagreb, Fakultet elektrotehnike i
racunarstva.