Ngân hàng Danske sau đó đã quyết định sử dụng một số phân tích Big data tiên tiến nhằm cải thiện các kỹ thuật phát hiện gian lận của họ và sớm nhận được một số kết quả kinh ngạc.. Với cơ
Trang 1Ngân hàng thương mại Topic : Ứng dụng Big data trong các hoạt động ngân hàng trên thế giới và Việt
Nam
Thành viên:
- Nguyễn Thuỷ Tiên
- Nguyễn Mai Ngọc
- Nguyễn Thu Hà
- Vũ Quỳnh Anh
- Mai Thuỳ Linh
- Đỗ Thị Hằng
I Big Data.
1 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 không thể nào đảm đương được 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
2 Đặc điểm của Big data
Sau khi hiểu được tổng quan về big data, những đặc trưng của dữ liệu lớn được đặc trưng bởi 5V, trong đó bao gồm:
- Khối lượng dữ liệu (Volume) : Đây là đặc điểm tiêu biểu nhất của dữ liệu
lớn, khối lượng dữ liệu rất lớn Kích cỡ của Big data đang từng ngày tăng lên, và tính đến năm 2012 thì nó có thể nằm trong khoảng vài chục terabyte cho đến nhiều petabyte (1 petabyte = 1024 terabyte) chỉ cho một tập hợp dữ liệu Dữ liệu truyền thống có thể lưu trữ trên các thiết bị đĩa mềm, đĩa cứng Nhưng với dữ liệu lớn chúng ta sẽ sử dụng công nghệ “đám mây” mới đáp ứng khả năng lưu trữ được dữ liệu lớn
- Tốc độ (Velocity): Tốc độ có thể hiểu theo 2 khía cạnh: (a) Khối lượng dữ
liệu gia tăng rất nhanh (mỗi giây có tới 72.9 triệu các yêu cầu truy cập tìm kiếm trên web bán hàng của Amazon); (b) Xử lý dữ liệu nhanh ở mức thời gian thực (real-time), có nghĩa dữ liệu được xử lý ngay tức thời ngay sau khi chúng phát sinh (tính đến bằng mili giây) Các ứng dụng phổ biến trên lĩnh vực Internet, Tài chính, Ngân hàng, Hàng không, Quân sự, Y tế – Sức khỏe như hiện nay phần lớn dữ liệu lớn được xử lý real-time Công nghệ xử lý dữ liệu lớn ngày nay đã cho phép chúng ta xử lý tức thì trước khi chúng được lưu trữ vào cơ sở dữ liệu
- Đa dạng (Variety): Đối với dữ liệu truyền thống chúng ta hay nói đến dữ
liệu có cấu trúc, thì ngày nay hơn 80% dữ liệu được sinh ra là phi cấu trúc
Trang 2(tài liệu, blog, hình ảnh, vi deo, bài hát, dữ liệu từ thiết bị cảm biến vật lý, thiết bị chăm sóc sức khỏe…) Big data cho phép liên kết và phân tích nhiều dạng dữ liệu khác nhau Ví dụ, với các bình luận của một nhóm người dùng nào đó trên Facebook với thông tin video được chia sẻ từ Youtube và
- Độ tin cậy/chính xác (Veracity): Một trong những tính chất phức tạp nhất
của Dữ liệu lớn là độ tin cậy/chính xác của dữ liệu Với xu hướng phương tiện truyền thông xã hội (Social Media) và mạng xã hội (Social Network) ngày nay và sự gia tăng mạnh mẽ tính tương tác và chia sẻ của người dùng Mobile làm cho bức tranh xác định về độ tin cậy & chính xác của dữ liệu ngày một khó khăn hơn Bài toán phân tích và loại bỏ dữ liệu thiếu chính xác
và nhiễu đang là tính chất quan trọng của Big data
- Giá trị (Value): Giá trị là đặc điểm quan trọng nhất của dữ liệu lớn, vì khi bắt
đầu triển khai xây dựng dữ liệu lớn thì việc đầu tiên chúng ta cần phải làm
đó là xác định được giá trị của thông tin mang lại như thế nào, khi đó chúng
ta mới có quyết định có nên triển khai dữ liệu lớn hay không Nếu chúng ta
có dữ liệu lớn mà chỉ nhận được 1% lợi ích từ nó, thì không nên đầu tư phát triển dữ liệu lớn Kết quả dự báo chính xác thể hiện rõ nét nhất về giá trị của
dữ liệu lớn mang lại Ví dụ, từ khối dữ liệu phát sinh trong quá trình khám, chữa bệnh sẽ giúp dự báo về sức khỏe được chính xác hơn, sẽ giảm được chi phí điều trị và các chi phí liên quan đến y tế
3 Xử lý Big data
Big data được xử lý thông qua 4 giai đoạn:
thu thập (acquire), tổ chức (organize), phân tích (analyze), quyết định (decide)
- Giai đoạn thu thập:
Big data chủ yếu đến từ 3 nguồn dữ liệu chính:
+ Dữ liệu xã hội: đến từ lượt thích, lượt tweet & lượt truy cập lại, nhận xét, video tải lên và các phương tiện thông thường được tải lên và chia sẻ thông qua các nền tảng truyền thông xã hội được yêu thích trên thế giới
+ Dữ liệu máy móc: được tạo ra bởi thiết bị công nghiệp, cảm biến được lắp đặt trong máy móc và thậm chí là nhật ký web theo dõi hành vi của người dùng Các thiết bị kiểm duyệt như thiết bị y tế, đồng hồ thông minh, camera đường, vệ tinh, trò chơi đang phát triển nhanh chóng và cung cấp nhiều loại
dữ liệu
+ Dữ liệu giao dịch được tạo ra từ tất cả các giao dịch hàng ngày diễn ra cả trực tuyến và ngoại tuyến dữ liệu mà họ đang tạo ra và cách nó có thể được
sử dụng tốt
Doanh nghiệp và các cá nhân có thể truy cập vào các nguồn dữ liệu tự thu thập hoặc mua từ một số cơ sở dữ liệu như: Oracle đưa ra NoSQL Database, Google
có Google BigTable…
Trang 3- Giai đoạn tổ chức:
Các dữ liệu sau khi được thu thập sẽ lưu trữ dữ liệu ở dạng phân tán, song
song…, lưu trữ trên các nền tảng điện toán đám mây (cloud computing) và phổ biến nhất hiện nay là Hadoop
- Giai đoạn phân tích:
Dữ liệu được đánh giá bằng cách sử dụng các công cụ phân tích và thống kê để tìm ra các thông tin hữu ích Với các dữ liệu truyền thống, các công ty lớn đều đã đưa ra giải pháp
Ví dụ: Oracle có Oracle Data warehousing, IBM có InfoSphere warehouse…
- Giai đoạn quyết định:
Doanh nghiệp dựa vào các thông tin được phân tích sẽ đưa ra các quyết định giải pháp kinh doanh kịp thời
4 Ứng dụng Big data trong các ngành nghề
- Ngành y tế
Khoa học dữ liệu đang dần khẳng định vai trò khá quan trọng trong việc cải thiện sức khỏe con người ngày nay Big Data không chỉ được ứng dụng để xác định phương hướng điều trị mà giúp cải thiện quá trình chăm sóc sức khỏe
Ngành y tế ứng dụng Big Data:
● Cho phép người quản lý ca dự đoán các bác sĩ cần thiết vào những thời điểm cụ thể
● Theo dõi tình trạng bệnh nhân bằng để theo dõi hồ sơ sức khỏe điện tử
● Sử dụng các thiết bị kỹ thuật số có thể đeo, hệ thống Big Data có thể theo dõi bệnh nhân và gửi báo cáo cho các bác sĩ liên quan
● Big Data có thể đánh giá các triệu chứng và xác định nhiều bệnh ở giai đoạn đầu
● Có thể lưu giữ các hồ sơ nhạy cảm được bảo mật và lưu trữ lượng dữ liệu khổng lồ một cách hiệu quả
● Các ứng dụng Big Data cũng có thể báo trước khu vực có nguy cơ bùng phát dịch như: sốt xuất huyết hoặc sốt rét
- Thương mại điện tử
Thương mại điện tử không chỉ tận hưởng những lợi ích của việc điều hành trực tuyến mà còn phải đối mặt với nhiều thách thức để đạt được các mục tiêu kinh doanh Lý do là bởi các doanh nghiệp dù là nhỏ hay lớn, khi đã tham gia vào thị trường này đều cần đầu tư mạnh để cải tiến công nghệ Big Data có thể tạo lợi thế cạnh tranh cho doanh nghiệp bằng cách cung cấp thông tin chuyên sâu và các bản báo cáo phân tích xu hướng tiêu dùng
Thương mại điện tử ứng dụng Big Data:
Trang 4● Có thể thu thập dữ liệu và yêu cầu của khách hàng ngay cả trước khi khách thực sự bắt đầu giao dịch
● Tạo ra một mô hình tiếp thị hiệu suất cao
● Nhà quản lý trang thương mại điện tử có thể xác định các sản phẩm được xem nhiều nhất và tối ưu thời gian hiển thị của các trang sản phẩm này
● Đánh giá hành vi của khách hàng và đề xuất các sản phẩm tương tự Điều này làm tăng khả năng bán hàng, từ đó tạo ra doanh thu cao hơn
● Nếu bất kỳ sản phẩm nào được thêm vào giỏ hàng nhưng cuối cùng không được khách hàng mua, Big Data có thể tự động gửi code khuyến mại cho khách hàng cụ thể đó
● Các ứng dụng Big Data còn có thể tạo một báo cáo tùy chỉnh theo các tiêu chí: độ tuổi, giới tính, địa điểm của khách truy cập, v.v
● Xác định các yêu cầu của khách hàng, những gì họ muốn và tập trung vào việc cung cấp dịch vụ tốt nhất để thực hiện nhu cầu của họ
● Phân tích hành vi, sự quan tâm của khách hàng và theo xu hướng của họ để tạo ra các sản phẩm hướng đến khách hàng
● Cung cấp các sản phẩm tốt hơn với chi phí thấp hơn
● Có thể thu thập nhiều dữ liệu về hành vi khách hàng để thiết kế mô hình tiếp thị tối ưu dành được tùy biến theo đối tượng hoặc nhóm đối tượng, tăng khả năng bán hàng
● Tìm ra sự tương đồng giữa khách hàng và nhu cầu của họ Từ đó, việc nhắm mục tiêu các chiến dịch quảng cáo có thể được tiến hành dễ dàng hơn dựa trên những phân tích đã có trước đó
II Ứng dụng của Big data trong các hoạt động ngân hàng trên thế giới.
Hiện nay, hầu hết các tổ chức ngân hàng đang nỗ lực để áp dụng một cách tiếp cận mới theo hướng khai thác dữ liệu để phát triển và đổi mới sản phẩm Thực tiễn cho thấy việc phân tích dữ liệu hiện tại đã đơn giản hóa quá trình theo dõi và đánh giá khách hàng tín dụng của các ngân hàng, 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 Có nhiều công ty lớn đã rất thành công khi sử dụng công nghệ dữ liệu lớn (Big Data) nhằm tương tác với khách hàng tốt hơn và nâng cao chất lượng dịch vụ, giúp khách hàng và người dùng cuối thỏa mãn hơn với dịch vụ của doanh nghiệp Sau đây là ba ứng dụng tiêu biểu của Big data trong lĩnh vực ngân hàng trên thế giới
1 Phát hiện gian lận
Thế giới kỹ thuật số đang phát triển nhanh chóng đang mang lại cho chúng ta một số lợi ích nhưng mặt khác, nó cũng là khởi đầu của nhiều loại gian lận Dữ liệu của chúng tôi hiện đang bị phơi nhiễm với các cuộc tấn công mạng hơn bao giờ hết
và đó là thách thức lớn nhất mà một tổ chức ngân hàng gặp phải Bằng cách sử
Trang 5dụng Phân tích dữ liệu lớn với một số Thuật toán học máy, các tổ chức hiện có thể phát hiện các gian lận trước khi chúng có thể được thực hiện Điều này được thực hiện bằng cách xác định các kiểu chi tiêu bất thường của người dùng, dự báo các hoạt động bất thường của người dùng, v.v
Ví dụ: Ngân hàng lớn tại Đan Mạch: Danske
Ngân hàng này đang phải chịu áp lực với các phương pháp phát hiện gian lận có
tỷ lệ phần trăm rất thấp, tức là tỷ lệ phát hiện gian lận chỉ là 40% và quản lý tới
1200 trường hợp dương tính giả mỗi ngày Đây là một tỷ lệ đáng lo ngại đối với họ
Ngân hàng Danske sau đó đã quyết định sử dụng một số phân tích Big data tiên tiến nhằm cải thiện các kỹ thuật phát hiện gian lận của họ và sớm nhận được một số kết quả kinh ngạc Ngân hàng đã quan sát thấy tỷ lệ dương tính giả giảm 60%, kỳ vọng tỷ lệ này sẽ sớm đạt mốc 80% và tỷ lệ dương tính thật tăng lên 50% Ngân hàng Danske cũng đạt lợi nhuận kinh doanh khổng lồ 70 triệu đô la trong năm 2018
2 Thỏa mãn nhu cầu khách hàng
Khi đã nắm rõ mọi thói quen và hành vi của khách hàng, bạn sẽ đáp ứng và thỏa mãn nhu cầu của họ ngay cả khi họ chưa yêu cầu hoặc chuẩn bị yêu cầu
Ví dụ: Ngân hàng lớn nhất Hoa Kỳ: JPMorgan Chase and Co (thứ 6 trên thế giới
và được đánh giá cao nhất thế giới về giá trị vốn hóa thị trường.)
Với cơ sở khách hàng hơn 3 tỷ, khối lượng dữ liệu mà nó tạo ra là không thể tin được, bao gồm một lượng lớn thông tin thẻ tín dụng và dữ liệu giao dịch khác của khách hàng
Họ đã triển khai các công nghệ Big Data, chủ yếu là Hadoop, để xử lý dữ liệu này Bằng cách sử dụng Big Data, giờ đây họ có thể tạo thông tin chi tiết về xu hướng của khách hàng và các báo cáo tương tự cũng được trình bày cho khách hàng của mình Họ có thể đánh giá khách hàng một cách riêng biệt và các báo cáo này được tạo trong vòng vài giây
3 Quản lý rủi ro
Việc đưa ra một hệ thống quản lý rủi ro mạnh mẽ có tầm quan trọng lớn nhất đối với các tổ chức ngân hàng, nếu không họ sẽ phải gánh chịu tổn thất doanh thu lớn
Để tồn tại trong thế giới cạnh tranh và tăng lợi nhuận nhiều nhất có thể, các tổ chức phải liên tục cập nhật những điều mới Trong quá trình Phân tích Dữ liệu lớn, các công ty có thể phát hiện rủi ro trong thời gian thực và cứu khách hàng khỏi gian lận tiềm ẩn
Lưu ý rằng rủi ro cao liên quan khi bạn giao dịch với các công ty ngân hàng, để đảm bảo sự hài lòng của khách hàng là một trong những nhiệm vụ khó khăn nhất đối với họ Từ việc đảm bảo sự an toàn cho các giao dịch của họ đến việc cung
Trang 6cấp cho họ những ưu đãi quan trọng và có lợi nhất, việc giữ chân khách hàng là một hành trình trọn đời đối với các công ty ngân hàng
Ví dụ: Ngân hàng UOB
Ngân hàng UOB đã thử nghiệm một hệ thống quản lý rủi ro dựa trên nền tảng Big Data Trước đây, quá trình phân tích và quản trị rủi ro thông thường sẽ mất đến 18 giờ, nhưng với hệ thống quản lý rủi ro sử dụng dữ liệu lớn, chỉ mất vài phút để ngân hàng có thể thiết lập được quy trình này Thông qua sáng kiến này, UOB có thể tiến đến từng bước thực hiện phân tích rủi ro theo thời gian thực trong tương lai gần
Môi trường kinh doanh mang tính cạnh tranh và rủi ro cao ngày nay càng đòi hỏi các quy trình quản lý rủi ro chính xác và nhanh hơn
III Ứng dụng của Big data trong các hoạt động ngân hàng tại Việt Nam.
1 Phân tích nhằm thỏa mãn nhu cầu khách hàng
a, 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 còn nắm thông 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 thông tin, ví dụ như, 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
Ví dụ: Qua phân tích dữ liệu về thói quen, người Việt hay tiết kiệm mỗi dịp Tết đến,
nhiều ngân hàng bắt đầu tung ra các chương trình khuyến mãi, nhằm tri ân khách hàng cũng như tranh thủ huy động vốn trong tháng cuối năm
Ngân hàng TMCP Đông Nam Á (SeABank) triển khai chương trình khuyến mãi “Tết như ý - Xuân phú quý” dành cho khách hàng gửi tiết kiệm tại quầy, gửi tiết kiệm online, mở mới thẻ tín dụng, ký hợp đồng bảo hiểm, với gần 12.000 quà tặng có tổng giá trị lên đến gần 6 tỷ đồng
b, 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 được hoàn 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
Trang 7Big 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 thông tin liên quan đến giao dịch, ngân hàng có thể xác định được khách hàng của mình thuộc các nhóm nào 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
Hiện nay, phụ nữ ngày càng tham gia nhiều hơn vào đời sống kinh tế - chính trị
- văn hóa - xã hội cũng như việc kiếm tiền nên họ cũng ngày càng sử dụng nhiều dịch vụ ngân hàng hơn trước Do đó, để hiểu tốt hơn trong việc giao tiếp cũng như thực hiện dịch vụ dành riêng cho khách hàng nữ, các ngân hàng đã tìm hiểu và phân khúc thị trường dành riêng cho phụ nữ
Ví dụ: Vietinbank cho ra mắt Thẻ dành cho phái đẹp - E-Partner PinkCard Không
chỉ thực hiện các chức năng rút tiền và thanh toán hàng hoá tại hệ thống ATM của Vietinbank, chủ thẻ E-Partner PinkCard còn có thể thực hiện giao dịch tại gần 2.000 ATM và POS thuộc hệ thống Banknetvn trải rộng trên toàn quốc
Chỉ cần gọi điện thoại hẹn trước, chủ sẽ được khám sức khoẻ miễn phí tại các Trung tâm Y tế trên khắp toàn quốc E-Partner PinkCard được Vietinbank khẳng định không chỉ là một phương tiện thanh toán hiện đại mà còn là người bạn đồng hành với người phụ nữ trong nhịp sống hiện đại luôn mong muốn được quan tâm
và chia sẻ
Thẩm định hồ sơ khách hàng
Ví dụ: Hiện nay, với sự “trợ giúp” của Big Data, các quyết định cho vay hay kiểm
soát khoản vay sẽ được thực hiện nhanh chóng, chính xác hơn so với việc sử dụng các mô hình chấm điểm tín dụng trước đây Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) đang triển khai Basel II để “chấm điểm tín dụng” với khách hàng
dựa trên cơ sở dữ liệu lớn bằng nhiều trường thông tin
+ Sử dụng thông tin dữ liệu từ Trung tâm Thông tin Tín dụng Quốc gia Việt Nam (CIC) nhằm tìm kiếm thông tin nợ xấu
+ Dự báo được hành vi trả nợ ngân hàng thông qua việc thu thập số liệu, tệp mẫu đủ lớn với hàng nghìn khách hàng Khi khách hàng muốn có một khoản vay thì đầu tiên họ phải điền vào một tờ khai Tùy vào từng sản phẩm, trong
tờ khai có nhiều câu hỏi khác nhau Có những thông tin cơ bản buộc khách hàng phải khai như tên, tuổi, ngày sinh, bên cạnh đó là những câu hỏi khác nữa Và thông qua các câu trả lời của họ thì ngân hàng rút ra được đánh giá
về hồ sơ tín dụng, sự phù hợp của khách hàng đó với sản phẩm mà họ đang mong muốn
2 Phân tích nhằm tối ưu hóa hoạt động công ty
Trang 8a 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
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
Ví dụ: Sacombank phát hành chứng chỉ tiền gửi trên toàn hệ thống dành cho khách
hàng cá nhân và tổ chức.khách hàng mua chứng chỉ tiền gửi dài hạn có ghi danh mệnh giá tối thiểu 1 triệu đồng, thời hạn 7 năm (84 tháng) sẽ được nhận mức lãi
suất cực kỳ hấp dẫn, lên tới 8,6%/năm
b Nâng cao chất lượng dịch vụ qua việc phân tích các phản hồi của khách hàng.
Khách hàng có thể để lại phản hồi ở trung tâm hỗ trợ chăm sóc khách hàng hoặc qua các biểu mẫu phản hồi nhưng thực tế rằng khách hàng thường xuyên chia sẻ ý kiến thông qua các phương tiện truyền thông xã hội hơn, ví dụ Facebook, Zalo,…
Các công cụ Big Data có thể tìm kiếm chọn lọc thông 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, ngoài ra, cũng hỗ trợ ngăn chặn các tin đồn thất thiệt ảnh hưởng đến hoạt động kinh doanh và niềm tin nơi khách hàng
c Marketing theo hướng cá nhân hóa (personalized marketing)
Ứng dụng của Big Data trong việc xác định nhu cầu của từng khách hàng dựa trên ý kiến, hay feedback của họ hoặc thông qua hồ sơ tín dụng (hồ sơ cá nhân) của khách hàng và xác định thói quen chi tiêu thông qua các lịch sử giao dịch, … Các thông tin bổ ích đó chính là công cụ để hỗ trợ ngân hàng marketing theo hướng cá nhân hóa đến từng khách hàng
Sau khi phân tích và nắm được nhu cầu cụ thể và riêng biệt của mỗi khách hàng, các tổ chức nên tiếp tục phân khúc sâu hơn nữa và cung cấp các giải pháp,
kế hoạch marketing phù hợp để từ đó có được tỷ lệ phản hồi, tỷ lệ chuyển đổi cao hơn từ mỗi khách hàng Việc sử dụng dữ liệu để đưa ra quyết định marketing tốt hơn có thể tăng năng suất tiếp thị, thu hút khách hàng thêm 15-20% ngoài các giải pháp marketing thông thường
Trang 9Ví 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, … Việc tạo ra các sản phẩm dịch vụ cung cấp cho từng phân khúc khách hàng, hay thậm chí từng khách hàng cụ thể sẽ giúp các ngân hàng xây dựng hình ảnh
thương hiệu và tạo dựng một mối quan hệ tốt ở từng khách hàng
d, 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, nhưng công việc của nó là đơn giản hóa các nhiệm vụ trong một tổ chức Bất cứ khi nào một tên khách hàng hoặc số tài khoản được nhập vào
hệ thống, hệ thống Big Data sẽ hỗ trợ sàng lọc tất cả dữ liệu và chỉ truyền đi hay cung cấp các dữ liệu được yêu cầu để phục vụ cho quá trình phân tích Điều này
sẽ cho phép các ngân hàng tối ưu hóa quy trình làm việc và tiết kiệm cả thời gian
và chi phí Big Data cũng sẽ cho phép các tổ chức xác định và khắc phục các vấn
đề, trước khi chúng ảnh hưởng đến khách hàng của họ
Bằng việc phân tích chuyên sâu, ngân hàng có thể cung cấp sản phẩm mới phục vụ đối tượng cụ thể tại mọi thời điểm quan trọng trong hành trình tài chính của khách hàng, qua đó đạt được mục tiêu kép là tạo cơ hội kinh doanh mới và củng cố niềm tin của khách hàng
Ví dụ: Hợp tác với Temenos vào năm 2004, Sacombank là ngân hàng đầu tiên
triển khai một loạt dự án công nghệ lớn bao gồm Quản lý Dòng đời Dữ liệu (Data Lifecycle Management) cho nền tảng ngân hàng lõi Temenos T24 Đây là một hệ thống các phân hệ nghiệp vụ cơ bản của ngân hàng như tiền gửi, tiền vay, khách hàng … Thông qua đó, ngân hàng phát triển thêm nhiều dịch vụ, sản phẩm và quản lý nội bộ chặt chẽ, hiệu quả hơn Chỉ trong vòng vài tuần, ứng dụng này đã cho thấy hiệu quả về chi phí trong khi vẫn tập trung cơ sở dữ liệu của ngân hàng
và tận dụng quản lý dữ liệu theo thời gian thực
3 Phát hiện và ngăn chặn hành vi lừa đảo, vi phạm pháp luật
Một trong những vấn đề lớn nhất mà ngành ngân hàng phải đối mặt là gian lận, tội phạm trong tín dụng Big Data sẽ cho phép các ngân hàng đảm bảo rằng không
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 sẽ có thể xác định hay nhận được cảnh báo nếu có điều gì bất thường xảy ra trong quá trình hoạt động, cung cấp dịch vụ đến khách hàng
Ví dụ: Tại VietinBank có Ban Quản trị dữ liệu, và một trong những hoạt động là
kiểm tra dữ liệu ngay từ khi giao dịch viên nhập vào Nếu trường hợp có nhân viên nào cố tình nhập dữ liệu không hợp lý thì hệ thống sẽ có cảnh báo, trường hợp sai
Trang 103 lần có thể treo tài khoản Trong quá trình thay hệ thống core banking, VietinBank cũng đã tận dụng làm sạch dữ liệu, giảm thiểu càng nhiều dữ liệu rác càng tốt
Các ngân hàng và tổ chức tài chính khai thác Big Data để phân biệt giữa các giao dịch là hành vi phạm tội với các giao dịch hợp pháp bằng cách áp dụng các thuật toán phân tích dữ liệu (data analytics models) và “học máy” (machine
learning) 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, chẳng hạn như chặn các giao dịch bất thường, ngăn chặn hành vi lừa đảo trước khi nó xảy ra đảm bảo lợi ích của khách hàng và lợi nhuận của chính ngân hàng
Ví dụ: Nếu một nhà đầu tư hay khách hàng thường thanh toán chi tiêu cho sinh
hoạt hằng ngày hoặc để tiền trong tài khoản gửi tiết kiệm lấy lãi, nhưng trong một ngày lại cố gắng rút toàn bộ số tiền từ tài khoản của mình qua máy ATM, điều này
có nghĩa là thẻ có thể đã bị mất cắp và sử dụng bởi chính những kẻ cắp Nhân viên ngân hàng sẽ gọi điện đến chủ tài khoản hoặc thông báo đến khách hàng bằng bất
kỳ hình thức nào để xác minh lại giao dịch đó một cách rõ hơn: giao dịch hợp pháp khách hàng thực hiện hay giao dịch trái phép bởi tội phạm lừa đảo, tội phạm đã trộm được thẻ mà khách hàng không biết? Cứ thế, việc phân tích dữ liệu giao dịch lịch sử và làm cơ sở để kiểm tra tính hợp pháp, an toàn bảo mật của các giao dịch hiện tại sẽ giảm thiểu được hành vi vi phạm pháp luật có thể xảy ra
4 Kiểm soát rủi ro, tuân thủ luật pháp và minh bạch trong báo cáo
tài chính
Ngoài phát hiện các hành vi phạm tội, bảo vệ lợi ích người tiêu dùng, các ngân hàng có thể ứng dụng Big Data đo lường, kiểm soát rủi ro khi thực hiện các giao dịch bằng cổ phiếu với những nhà đầu tư và kiểm tra hồ sơ vay của khách hàng Các thuật toán 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 minh bạch nhằm hợp lý hoá các hoạt động của tổ chức từ đó giảm được chi phí quản lý
Các tổ chức ngân hàng và tài chính hoạt động trong một khung pháp lý rất nghiêm ngặt, đòi hỏi mức độ cao nhất trong kiểm soát minh bạch các hoạt động tài chính, tuân thủ các điều luật và báo cáo đầy đủ chi tiết đến các cơ quan nhà nước, chính phủ
Ở Việt Nam, các ngân hàng và tổ chức tín dụng phải tuân thủ toàn bộ Luật Ngân hàng trong đó có Đạo luật về Luật Ngân hàng Nhà nước Việt Nam và Luật Các Tổ chức tín dụng
Việc phát hiện sớm hành vi gian lận của khách hàng là cực kỳ quan trọng Hệ thống Big Data thu thập và lưu trữ dữ liệu trong một cơ sở dữ liệu có quy mô lớn giúp ngân hàng quản lý, tiến hành phân tích một cách nhanh nhất bằng cách sử dụng các phần mềm, thuật toán chuyên dụng Và khi phát hiện một số lượng lớn rủi ro có thể xảy ra, ngân hàng sẽ dễ dàng kiểm soát Big Data đóng một vai trò to