Khóa luận tốt nghiệp Ngân hàng: Thực trạng và giải pháp ứng dụng công nghệ AI, Big Data trong hoạt động cấp tín dụng cá nhân tại Ngân hàng Thương mại cổ phần Quân đội

Việc nghiên cứu ứng dụng AI và Big Data trong hoạt động cấp tín dụng cá nhân tại MB Bank không chỉ phù hợp với xu thế chung mà còn là một bước đi chiến lược nhằm tăng cường năng lực cạnh

THƯƠNG MẠI CỔ PHẦN QUÂN ĐỘI

LỜI CAM ĐOAN

Em xin cam đoan “Ứng dụng công nghệ ai, big data trong hoạt động cấp tín dụng cá nhân tại ngân hàng thương mại cổ phần quân đội” là một công trình nghiên cứu độc lập của em trong thời gian thực tập với sự hướng dẫn của giảng viên hướng dẫn ThS Nguyễn Thị Thu Số liệu và kết quả trình bày trong bài viết là hoàn toàn trung thực, không có bất cứ

sự sao chép và sử dụng kết quả của nghiên cứu tương tự Ngoài ra bài viết có sử dụng một

số nguồn tài liệu tham khảo đã được trích dẫn nguồn và chú thích rõ ràng Em xin hoàn

toàn chịu trách nhiệm trước bộ môn và nhà trường về nội dung của khóa luận

Hà Nội, ngày 11 tháng 4 năm 2023 Sinh viên

Thúy

Ngô Ngọc Thúy

LỜI CẢM ƠN

Em xin gửi lời cảm ơn chân thành tới các thầy cô giáo trong Học viện Ngân hàng, các thầy cô trong khoa Ngân hàng đã trực tiếp giảng dạy và truyền đạt kiến thức cho em trong suốt 4 năm vừa qua, đặc biệt là ThS Nguyễn Thị Thu, giảng viên đã trực tiếp hướng dẫn, giúp đỡ và chỉ bảo em tận tình trong suốt quá trình hoàn thành khóa luận này Vì thời gian thực tập và kiến thức của em còn nhiều hạn chếnên khóa luận không tránh khỏi những thiếu sót Em rất mong nhận được những ý kiến góp ý của thầy cô để bài khóa luận của em được hoàn thiện hơn Một lần nữa em xin chân thành cảm ơn!

Hà Nội, ngày 11 tháng 4 năm 2023 Sinh viên

Thúy

Ngô Ngọc Thúy

MỤC LỤC

MỞ ĐẦU 6

CHƯƠNG 1 TỔNG QUAN VỀ ỨN DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO VÀ DŨ LIỆU LỚN TRONG HOẠT CỘNG CẤP TÍN DỤNG CHO KHÁCH HÀNG CÁ NHÂN 10

1.1 Tổng quan về công nghệ AI và Big Data trong ngân hàng 10

1.1.1 Trí tuệ nhân tạo trong tài chính - ngân hàng 10

1.1.2 Big Data trong tài chính - ngân hàng 16

1.1.3 Ứng dụng Big Data và AI trong hoạt động tín dụng của các Ngân hàng thương mại 23

1.2 Quy trình cấp tín dụng cá nhân tại ngân hàng 25

1.2.1 Quy trình cấp tín dụng truyền thống 25

1.2.2 Cấp tín dụng cá nhân trên nền tảng trí tuệ nhân tạo và dữ liệu lớn 26

1.4 Các thách thức khi ứng dụng AI và Big data trong cấp tín dụng cá nhân 30

KẾT LUẬN CHƯƠNG I 32

CHƯƠNG 2 THỰC TRẠNG ỨNG DỤNG AI VÀ BIG DATA TRONG CẤP TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN QUÂN ĐỘI 33

2.1 Giới thiệu về MB và chiến lược chuyển đổi số 33

2.1.1.Tổng quan về MB 33

2.1.2 Xu hướng chuyển đổi số và ứng dụng công nghệ AI, Big Data trong hoạt động tín dụng tại Ngân hàng thương mại cổ phần Quân đội 41

2.2 Hoạt động cấp tín dụng cá nhân tại MB 42

2.2.1 Các sản phẩm dịch vụ tín dụng cá nhân tại MBBank 42

2.2.2 Thực trạng hoạt động tín dụng cá nhân tại MB 46

2.2 Ứng dụng AI và Big Data trong cấp tín dụng cá nhân tại Ngân hàng thương mại cổ phần Quân đội 49

2.2.1 Ứng dụng AI và Big Data trong mô hình đánh giá tín dụng cá nhân 50

2.2.2 Tự động hóa quy trình phê duyệt khoản vay cá nhân 51

2.2.3 Khai thác Big Data để tiếp cận và mở rộng tệp khách hàng vay 51

2.2.4 Ứng dụng AI trong chăm sóc và tư vấn khách hàng vay vốn cá nhân 53

2.2.5 Quản lý rủi ro và thu hồi nợ trong tín dụng cá nhân bằng Trí tuệ nhân tạo và Big Data 54

2.3 Đánh giá thực trạng ứng dụng Trí tuệ nhân tạo và Big Data vào hoạt động cấp tín

dụng cá nhân tại Ngân hàng thương mại cổ phần Quân đội 55

2.3.1 Hiệu quả đạt được 55

2.3.2 Hạn chế và thách thức 58

2.3.3 Nguyên nhân 64

KẾT LUẬN CHƯƠNG II 66

CHƯƠNG 3 GIẢI PHÁP NÂNG CAO HIỆU QUẢ ỨNG DỤNG AI VÀ BIG DATA TRONG CẤP TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN QUÂN ĐỘI 67

3.1 Định hướng ứng dụng AI và Big data tại Ngân hàng thương mại cổ phần Quân đội 67

3.1.1 Định hướng ứng dụng AI và Big data vào hoạt động kinh doanh 67

3.1.2 Định hướng ứng dụng AI và Big data vào hoạt động tín dụng cá nhân 68

3.2 Giải pháp nâng cao hiệu quả ứng dụng ai và big data trong cấp tín dụng cá nhân tại Ngân hàng thương mại cổ phần Quân đội 69

3.2.1 Nâng cao năng lực của đội ngũ nhân sự trong lĩnh vực trí tuệ nhân tạo và dữ liệu 69

3.2.2 Đảm bảo an toàn và bảo mật thông tin khách hàng 70

3.2.3 Chủ động thích ứng và tham gia hoàn thiện hành lang pháp lý 72

3.2.4 Ưu tiên đầu tư công nghệ theo từng giai đoạn phù hợp nguồn lực 73

3.2.5 Thay đổi văn hóa tổ chức theo hướng đổi mới và dữ liệu hóa 74

KẾT LUẬN VÀ KIẾN NGHỊ Error! Bookmark not defined TÀI LIỆU THAM KHẢO 79

MỞ ĐẦU

TÍNH CẤP THIẾT CỦA ĐỀ TÀI:

Trong bối cảnh cuộc cách mạng công nghiệp 4.0 đang bùng nổ, ngành ngân hàng phải không ngừng đổi mới để theo kịp xu thế số hóa Các ngân hàng thương mại không chỉ tập trung vào việc cung cấp dịch vụ trực tuyến mà còn ứng dụng công nghệ tiên tiến nhằm tối

ưu hóa quy trình vận hành và nâng cao trải nghiệm khách hàng Trong đó, trí tuệ nhân tạo (AI) và dữ liệu lớn (Big Data) được xem là yếu tố cốt lõi giúp ngân hàng nâng cao hiệu suất hoạt động, tự động hóa quy trình thẩm định tín dụng và quản lý rủi ro hiệu quả hơn Việc nghiên cứu ứng dụng AI và Big Data trong hoạt động cấp tín dụng cá nhân tại MB Bank không chỉ phù hợp với xu thế chung mà còn là một bước đi chiến lược nhằm tăng cường năng lực cạnh tranh trong lĩnh vực tài chính – ngân hàng

Tín dụng cá nhân đang trở thành một trong những mảng kinh doanh quan trọng của các ngân hàng thương mại, đáp ứng nhu cầu tài chính ngày càng gia tăng của khách hàng Sự phát triển của nền kinh tế cùng với lối sống hiện đại đã thúc đẩy nhu cầu vay vốn cho nhiều mục đích khác nhau, từ mua nhà, mua xe đến tiêu dùng cá nhân và đầu tư kinh doanh Tuy nhiên, quá trình xét duyệt khoản vay theo phương pháp truyền thống thường mất nhiều thời gian và chưa tận dụng tối đa dữ liệu khách hàng để đưa ra quyết định chính xác Trong bối cảnh này, AI và Big Data mang đến giải pháp tối ưu, giúp MB Bank không chỉ rút ngắn thời gian phê duyệt mà còn nâng cao độ chính xác trong đánh giá tín nhiệm khách hàng, từ

đó cải thiện chất lượng danh mục cho vay

Một trong những thách thức lớn nhất đối với các ngân hàng là kiểm soát rủi ro tín dụng và hạn chế nợ xấu Các mô hình thẩm định truyền thống dựa trên báo cáo tài chính và lịch sử tín dụng đôi khi không phản ánh đầy đủ khả năng trả nợ của khách hàng Trong khi đó, AI

và Big Data cho phép ngân hàng phân tích dữ liệu từ nhiều nguồn khác nhau như giao dịch ngân hàng, hành vi tiêu dùng, dữ liệu mạng xã hội,… để đưa ra đánh giá toàn diện và chính xác hơn về độ tín nhiệm của khách hàng Ngoài ra, công nghệ này còn giúp phát hiện sớm các dấu hiệu gian lận và rủi ro vỡ nợ, từ đó hỗ trợ ngân hàng đưa ra các biện pháp phòng ngừa kịp thời Việc nghiên cứu và ứng dụng AI, Big Data trong quản lý rủi ro tín dụng không chỉ giúp MB Bank tối ưu hóa lợi nhuận mà còn góp phần xây dựng một hệ thống tài chính an toàn và bền vững

2 TỔNG QUAN NGHIÊN CỨU

2.1 Các nghiên cứu về ứng dụng AI và Big data trong ngân hàng

Trần Thị Minh Ánh (2020) Ứng dụng Trí tuệ Nhân tạo và phân tích Dữ liệu lớn trong chuyển đổi số ngành ngân hàng: Nghiên cứu giải thích cách các ngân hàng ứng dụng trí tuệ nhân tạo và phân tích dữ liệu lớn trong việc chuyển đổi số, mô tả các chiến lược số hóa quy trình tín dụng, cải thiện trải nghiệm khách hàng và tối ưu hóa hoạt động quản lý rủi ro nhờ công nghệ

Lê Minh Tiến (2019) Ứng dụng dữ liệu lớn, học máy trong hoạt động ngân hàng: Bài nghiên cứu này tập trung vào cách sử dụng dữ liệu lớn và các thuật toán học máy trong việc cải thiện các dịch vụ ngân hàng, đặc biệt trong việc phân tích hành vi của khách hàng

và quản lý rủi ro Nó cũng trình bày các mô hình học máy giúp dự báo thị trường và phân tích xu hướng tín dụng

Báo cáo “Ứng dụng Big Data và AI trong ngân hàng” của MB: Báo cáo được MB phát hành, nhấn mạnh tầm quan trọng của AI và Big Data trong việc định hình tương lai ngành tài chính Báo cáo cũng giải đáp những thắc mắc về cách thức vận hành mới của ngân hàng thương mại dưới sự tham gia của trí tuệ nhân tạo, những lợi ích và rủi ro ngân hàng gặp phải, đồng thời đề cao tầm quan trọng của việc phân tích dữ liệu lớn trong hoạt động kinh doanh của ngân hàng

2.1 Các nghiên cứu về ứng dụng AI và Big data trong hoạt động cấp tín dụng

Trần Thị Yến (2023) Phát triển hoạt động tín dụng tại ngân hàng thương mại cổ phần tiên phong trong bối cảnh chuyển đổi số: Bài phân tích đề cập đến những tác động của chuyển đổi số đối với hoạt động tín dụng tại TPBank, phân tích các giải pháp công nghệ được áp dụng và đánh giá hiệu quả mang lại Đồng thời, bài viết cũng chỉ ra những thách thức mà ngân hàng phải đối mặt trong quá trình đổi mới, từ đó đề xuất các hướng phát triển nhằm tối ưu hóa hoạt động tín dụng trong bối cảnh số hóa

3 MỤC TIÊU NGHIÊN CỨU

Mục tiêu của nghiên cứu này là phân tích thực trạng ứng dụng AI và Big Data trong hoạt động cấp tín dụng cá nhân tại Ngân hàng TMCP Quân đội (MB), từ đó đề xuất các giải

pháp nhằm nâng cao hiệu quả ứng dụng công nghệ trong lĩnh vực này Việc nghiên cứu không chỉ giúp làm rõ vai trò của công nghệ trong hoạt động tài chính – ngân hàng mà còn đưa ra các định hướng phát triển phù hợp với xu thế số hóa

Trước tiên, nghiên cứu tập trung vào việc tổng hợp và hệ thống hóa cơ sở lý luận về AI, Big Data và những ứng dụng của chúng trong lĩnh vực tài chính – ngân hàng Điều này giúp xây dựng nền tảng lý thuyết vững chắc để phân tích thực trạng triển khai công nghệ tại MB Đồng thời, việc làm rõ các khái niệm và mô hình ứng dụng sẽ tạo cơ sở để đánh giá mức độ hiệu quả của các giải pháp hiện có

Tiếp theo, nghiên cứu đánh giá thực trạng triển khai AI và Big Data trong quy trình cấp tín dụng cá nhân tại MB Phần này sẽ phân tích những kết quả đạt được, đồng thời nhận diện các hạn chế và thách thức mà ngân hàng đang đối mặt Việc xem xét thực tế triển khai giúp xác định những điểm cần cải thiện để nâng cao hiệu suất hoạt động

Cuối cùng, nghiên cứu đề xuất các giải pháp tối ưu nhằm nâng cao hiệu quả ứng dụng AI

và Big Data tại MB Các giải pháp bao gồm nâng cấp hạ tầng công nghệ, cải tiến thuật toán phân tích tín dụng, tối ưu hóa trải nghiệm khách hàng và kiểm soát rủi ro Những đề xuất này không chỉ giúp MB tận dụng tối đa tiềm năng của công nghệ mà còn tăng cường khả năng cạnh tranh trong lĩnh vực tài chính – ngân hàng

4 ĐỐI TƯỢNG, PHẠM VI, THỜI GIAN NGHIÊN CỨU

Nghiên cứu này tập trung vào đối tượng chính là ứng dụng của công nghệ trí tuệ nhân tạo (AI) và dữ liệu lớn (Big Data) trong hoạt động cấp tín dụng cá nhân tại Ngân hàng TMCP Quân đội (MB) Cụ thể, nghiên cứu xem xét cách AI và Big Data được áp dụng vào quy trình thẩm định, phê duyệt và quản lý tín dụng cá nhân, đồng thời đánh giá những tác động của công nghệ này đối với hiệu quả hoạt động của ngân hàng

Về phạm vi nội dung, nghiên cứu đi sâu vào các khía cạnh như khả năng phân tích dữ liệu

để đánh giá tín dụng, tối ưu hóa quy trình xét duyệt khoản vay, kiểm soát rủi ro và nâng cao trải nghiệm khách hàng Đồng thời, nghiên cứu cũng xem xét những thách thức mà

MB đang gặp phải khi triển khai AI và Big Data, bao gồm vấn đề về hạ tầng công nghệ, nguồn nhân lực và tuân thủ quy định pháp lý

Về phạm vi không gian, nghiên cứu tập trung vào hoạt động của Ngân hàng TMCP Quân đội (MB) tại Việt Nam Mặc dù AI và Big Data đang được ứng dụng rộng rãi trong lĩnh

vực tài chính – ngân hàng trên toàn cầu, nghiên cứu này chỉ giới hạn trong bối cảnh hoạt động của MB nhằm đảm bảo tính cụ thể và thực tiễn trong việc phân tích và đề xuất giải pháp

Thời gian nghiên cứu của khóa luận từ năm 2022 đến 2024, nhằm phân tích quá trình và kết quả ứng dụng AI và Big Data trong cấp tín dụng cá nhân tại Ngân hàng MB Phạm vi nghiên cứu tập trung vào các chiến lược triển khai công nghệ, hiệu quả đạt được, cũng như các thách thức mà ngân hàng đối mặt trong quá trình ứng dụng

5 PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp nghiên cứu định tính: Phương pháp nghiên cứu trong khóa luận này chủ yếu dựa vào việc phân tích và tổng hợp các tài liệu, báo cáo, và nghiên cứu có sẵn liên quan đến việc ứng dụng AI và Big Data trong ngành ngân hàng, đặc biệt là trong quy trình cấp tín dụng cá nhân Các thông tin này sẽ được thu thập từ các nguồn dữ liệu công khai như báo cáo thường niên của Ngân hàng MB, các nghiên cứu khoa học, bài báo chuyên ngành,

và tài liệu từ các tổ chức tài chính uy tín Dựa trên kiến thức nền tảng về AI, Big Data và ngân hàng, tác giả sẽ phân tích và rút ra các kết luận về tác động của công nghệ này đối với hoạt động tín dụng, cũng như hiệu quả và các thách thức mà Ngân hàng MB đang đối mặt trong việc ứng dụng công nghệ này

CHƯƠNG 1 TỔNG QUAN VỀ ỨN DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO

VÀ DŨ LIỆU LỚN TRONG HOẠT CỘNG CẤP TÍN DỤNG CHO KHÁCH HÀNG

CÁ NHÂN 1.1 Tổng quan về công nghệ AI và Big Data trong ngân hàng

1.1.1 Trí tuệ nhân tạo trong tài chính - ngân hàng

1.1.1.1 Khái niệm của trí tuệ nhân tạo

Trí tuệ nhân tạo, hay còn gọi bằng tiếng Anh là Artificial Intelligence (AI), có thể hiểu đơn giản là “trí thông minh nhân tạo” – tức là khả năng tư duy và hiểu biết của máy móc do con người tạo ra Đây là một lĩnh vực trong khoa học công nghệ, với mục tiêu chính là tự động hóa máy móc bằng cách phát triển những năng lực của trí tuệ con người Những đặc điểm tiêu biểu của AI có thể kể đến như khả năng suy nghĩ, lập luận để giải quyết các vấn

đề, khả năng giao tiếp thông qua việc hiểu và sử dụng ngôn ngữ, cũng như khả năng học

hỏi và tự thích nghi với sự thay đổi của môi trường

Bên cạnh các khái niệm cơ bản về mặt ngữ nghĩa, trong suốt quá trình hình thành và phát triển, thuật ngữ “trí tuệ nhân tạo” đã nhiều lần được phân tích và diễn giải từ những góc độ khác nhau của giới khoa học Điều này nhằm mang lại một cái nhìn toàn diện hơn về công

nghệ phức tạp này

Thuật ngữ “Trí tuệ nhân tạo” lần đầu tiên được đề cập bởi John McCarthy và dần trở thành một khái niệm được công nhận chính thức Trong báo cáo của mình, John McCarthy và các cộng sự (1995) cho rằng nghiên cứu về AI là một ngành khoa học với mục tiêu mô tả chính xác các khía cạnh của trí tuệ, đặc biệt là quá trình học tập để tiếp thu kiến thức, đồng thời tạo ra những hệ thống hoặc máy móc có khả năng mô phỏng hoạt động học tập và xử

lý trí tuệ của con người

Thông thường, thuật ngữ “trí tuệ nhân tạo” được sử dụng để mô tả các sản phẩm công nghệ cao có khả năng mô phỏng một số chức năng “nhận thức” của con người, chẳng hạn như khả năng tự học hỏi và giải quyết vấn đề Theo Demis Hassabis, CEO của Google DeepMind, AI có thể được xem là một lĩnh vực khoa học chuyên nghiên cứu các phương pháp giúp máy móc có được trí thông minh nhân tạo

Theo Russell và Norvig (2016), AI được định nghĩa là “nghiên cứu về các tác nhân thông minh, tức là các hệ thống có thể nhận thức môi trường của mình và thực hiện hành động

để tối đa hóa khả năng đạt được mục tiêu đã đặt ra Trong khi đó, theo Viện tiêu chuẩn và

đo lường Việt Nam (2023), trí tuệ nhân tạo là “khả năng mà một hệ thống có thể thể hiện hành vi thông minh bằng cách phân tích môi trường và hành động với mức độ tự chủ để đạt được mục tiêu cụ thể” Bên cạnh đó, trí tuệ nhân tạo được phân thành nhiều lĩnh vực nhỏ như học máy (Machine Learning), học sâu (Deep Learning), xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP), và mạng nơ-ron nhân tạo (Artificial Neural Networks - ANN)

Ngoài ra, có thể phân loại AI theo mức độ phát triển gồm: trí tuệ nhân tạo hẹp (Narrow AI)

- thực hiện các nhiệm vụ cụ thể, và trí tuệ nhân tạo tổng quát (General AI) - có khả năng thực hiện bất kỳ tác vụ trí tuệ nào mà con người có thể làm

1.1.1.2 Vai trò của trí tuệ nhân tạo

Trí tuệ nhân tạo đang ngày càng khẳng định vị trí quan trọng trong đời sống hiện đại, trở thành một trong những lĩnh vực công nghệ mũi nhọn với tốc độ phát triển nhanh chóng và phạm vi ảnh hưởng ngày càng mở rộng Sự hiện diện của AI không chỉ tạo ra những thay đổi sâu sắc trong các ngành kinh tế - kỹ thuật mà còn góp phần định hình lại cách con người làm việc, giao tiếp và ra quyết định Trong bối cảnh đó, việc hiểu rõ vai trò mà trí tuệ nhân tạo đang đảm nhiệm sẽ góp phần tạo nền tảng cho việc ứng dụng hiệu quả công nghệ này vào thực tiễn

Trí tuệ nhân tạo thúc đẩy tự động hóa và tăng năng suất lao động

Trí tuệ nhân tạo đóng vai trò quan trọng trong việc nâng cao hiệu quả sản xuất và dịch vụ thông qua tự động hóa AI giúp máy móc và hệ thống xử lý một lượng lớn công việc mà trước đây cần đến sự can thiệp của con người Ở các nhà máy hiện đại như Tesla hay Samsung, AI được tích hợp vào hệ thống dây chuyền để điều khiển robot công nghiệp thực hiện các thao tác lắp ráp, kiểm tra lỗi kỹ thuật, và quản lý kho hàng một cách chính xác, liên tục và không cần nghỉ ngơi Nhờ vậy, năng suất lao động được nâng cao rõ rệt, đồng thời giảm thiểu sai sót do yếu tố con người gây ra Bên cạnh đó, các công ty công nghệ như Amazon sử dụng AI để tự động hóa quá trình đóng gói và phân phối hàng hóa, giúp rút ngắn thời gian giao hàng và tiết kiệm chi phí vận hành

Trí tuệ nhân tạo giúp cá nhân hóa trải nghiệm khách hàng

AI không chỉ giúp doanh nghiệp hiểu rõ khách hàng hơn mà còn tạo ra những trải nghiệm

cá nhân hóa sâu sắc cho từng người dùng Thông qua việc phân tích hành vi tiêu dùng, lịch

sử mua sắm và xu hướng tìm kiếm, các thuật toán AI có thể đề xuất sản phẩm, dịch vụ phù hợp với sở thích cá nhân Ví dụ, nền tảng Netflix sử dụng AI để gợi ý phim dựa trên thể loại, đạo diễn và đánh giá mà người dùng từng tương tác, từ đó giữ chân người xem lâu hơn trên nền tảng Tương tự, Amazon đề xuất sản phẩm mà người dùng có thể cần dựa trên các lần mua sắm trước, giúp nâng cao tỷ lệ chuyển đổi và mức độ hài lòng của khách hàng Việc cá nhân hóa không chỉ mang lại trải nghiệm tốt hơn mà còn đóng vai trò quan trọng trong việc xây dựng lòng trung thành của người dùng đối với thương hiệu

Trí tuệ nhân tạo hỗ trợ ra quyết định thông minh

AI mang đến một lợi thế vượt trội trong việc hỗ trợ ra quyết định dựa trên dữ liệu thực tế Với khả năng phân tích dữ liệu lớn và phát hiện các xu hướng tiềm ẩn, AI cung cấp những phân tích có chiều sâu giúp con người đưa ra các quyết định chiến lược chính xác hơn Trong lĩnh vực tài chính, các tổ chức như Goldman Sachs và JPMorgan Chase đã ứng dụng

AI vào việc phân tích thị trường chứng khoán, đánh giá rủi ro đầu tư và xây dựng mô hình

dự báo lợi nhuận Ở cấp độ doanh nghiệp, AI giúp ban lãnh đạo xác định hướng phát triển sản phẩm, phân tích thị phần và điều chỉnh chiến lược kinh doanh kịp thời Khác với quyết định dựa trên kinh nghiệm hay cảm tính, quyết định dựa trên dữ liệu từ AI mang tính logic, khách quan và được kiểm chứng bằng mô hình thống kê

Trí tuệ nhân tạo đóng vai trò trung tâm trong quá trình chuyển đổi số

Trong thời đại công nghệ số, chuyển đổi số trở thành ưu tiên hàng đầu của nhiều tổ chức nhằm thích ứng với xu thế mới AI chính là yếu tố cốt lõi thúc đẩy tiến trình này Khi tích hợp vào các hệ thống quản trị và vận hành, AI không chỉ giúp số hóa dữ liệu mà còn tối ưu hóa quy trình nội bộ Ví dụ, ngân hàng MBBank tại Việt Nam đã ứng dụng AI vào quá trình định danh khách hàng (eKYC), phân tích hồ sơ tín dụng và tự động hóa các thủ tục cấp tín dụng cá nhân Nhờ đó, ngân hàng không chỉ tiết kiệm chi phí mà còn cải thiện đáng

kể tốc độ phục vụ và độ chính xác trong phê duyệt hồ sơ AI giúp doanh nghiệp tái cấu trúc

mô hình hoạt động một cách linh hoạt, phù hợp với nhu cầu thị trường và yêu cầu của nền kinh tế số

Trí tuệ nhân tạo được ứng dụng rộng rãi trong nhiều lĩnh vực

Một trong những điểm nổi bật của AI là tính ứng dụng đa ngành Trong lĩnh vực y tế, AI

hỗ trợ chẩn đoán hình ảnh y khoa bằng cách phân tích ảnh chụp X-quang, MRI hoặc CT, giúp bác sĩ phát hiện bệnh sớm, đặc biệt là các bệnh ung thư ở giai đoạn đầu Một ví dụ điển hình là phần mềm AI của IBM Watson Health, đã được sử dụng để đề xuất phương pháp điều trị cá nhân hóa cho bệnh nhân ung thư Trong giáo dục, AI được dùng để xây dựng hệ thống học tập thông minh như Duolingo hay Coursera, nơi mỗi học viên có lộ trình học khác nhau tùy theo năng lực và tiến độ Đặc biệt trong tài chính – ngân hàng, AI không chỉ giúp phát hiện gian lận giao dịch mà còn hỗ trợ phân tích hành vi tín dụng, từ

đó nâng cao hiệu quả trong việc đánh giá và cấp tín dụng cho khách hàng cá nhân

Trí tuệ nhân tạo trong phát triển công nghệ và sáng tạo

AI không chỉ hỗ trợ công nghệ hiện hữu mà còn mở ra những hướng đi mới trong lĩnh vực sáng tạo Nhờ vào khả năng học từ hàng triệu mẫu dữ liệu, AI có thể tự tạo ra các sản phẩm nghệ thuật, âm nhạc, thậm chí là văn học Một ví dụ nổi bật là hệ thống DALL·E của OpenAI có khả năng tạo hình ảnh dựa trên mô tả văn bản, trong khi ChatGPT có thể viết bài thơ, bài luận hoặc mã lập trình Trong lĩnh vực thiết kế, các công cụ như Canva và Adobe Firefly ứng dụng AI để hỗ trợ người dùng tạo ra sản phẩm sáng tạo nhanh chóng và chuyên nghiệp Khả năng sáng tạo không giới hạn của AI đang dần thay đổi cách con người tiếp cận nghệ thuật và đổi mới công nghệ, mở ra cơ hội phát triển vượt bậc trong nhiều ngành nghề

1.1.1.3 Ứng dụng của trí tuệ nhân tạo trong ngân hàng

Sự phát triển mạnh mẽ của trí tuệ nhân tạo đã mang đến những thay đổi đáng kể trong lĩnh vực tài chính – ngân hàng, đặc biệt trong bối cảnh số hóa đang diễn ra mạnh mẽ AI không chỉ đóng góp quan trọng vào các lĩnh vực như chăm sóc sức khỏe, giáo dục, kinh doanh, sản xuất mà còn tạo ra những bước đột phá trong ngành ngân hàng Việc ứng dụng AI vào hoạt động tài chính giúp nâng cao hiệu quả vận hành, tối ưu hóa chi phí, nâng cao chất lượng dịch vụ và gia tăng mức độ hài lòng của khách hàng Điều này có được nhờ khả năng

tự động hóa quy trình, phân tích dữ liệu lớn một cách nhanh chóng và chính xác, từ đó hỗ trợ các ngân hàng đưa ra quyết định chiến lược tốt hơn

Bên cạnh đó, việc tích hợp AI vào hệ thống ngân hàng giúp tái cấu trúc mô hình kinh doanh theo hướng hiện đại hơn, tạo lợi thế cạnh tranh và tối ưu hóa nguồn lực Với sự gia tăng nhanh chóng của dữ liệu và sự phát triển của công nghệ tính toán, AI được dự đoán sẽ có tiềm năng to lớn trong việc hỗ trợ các ngân hàng triển khai các sản phẩm, dịch vụ tài chính thông minh hơn, đáp ứng nhu cầu của khách hàng một cách linh hoạt và hiệu quả

Chatbot và nâng cao trải nghiệm khách hàng

Một trong những ứng dụng phổ biến nhất của AI trong ngân hàng hiện nay là chatbot – một công cụ hỗ trợ tự động, giúp khách hàng thực hiện các giao dịch đơn giản như tra cứu thông tin tài khoản, chuyển tiền, thanh toán hóa đơn, và nhận tư vấn tài chính mà không cần đến trực tiếp ngân hàng Chatbot hoạt động liên tục 24/7, giúp giảm tải khối lượng công việc cho nhân viên, đồng thời nâng cao trải nghiệm khách hàng

Thực tế cho thấy, nhiều ngân hàng lớn trên thế giới đã triển khai chatbot vào hệ thống dịch

vụ của mình Chẳng hạn, Ngân hàng Commonwealth Bank of Australia (CBA) đã phát triển chatbot Ceba có khả năng thực hiện hơn 200 tác vụ cho hơn một triệu khách hàng Tương tự, chatbot Nina của một ngân hàng tại Thụy Điển đã thực hiện trung bình 30.000 cuộc trò chuyện mỗi tháng, giúp tiết kiệm thời gian và nguồn lực đáng kể cho ngân hàng

Tác động của AI đối với hoạt động giao dịch và mô hình kinh doanh ngân hàng

Theo báo cáo của MBBank về “Ứng dụng Big Data và AI trong ngân hàng số”, việc ứng dụng AI giúp ngân hàng xây dựng các cấu trúc dữ liệu tối ưu, đảm bảo quy trình giao dịch diễn ra nhanh chóng, chính xác và an toàn hơn AI không chỉ hỗ trợ tự động hóa quy trình

xử lý giao dịch mà còn góp phần cải thiện mô hình kinh doanh, giúp ngân hàng nâng cao năng suất và khả năng cạnh tranh trên thị trường

Thu thập và phân tích dữ liệu lớn

Trong bối cảnh dữ liệu khách hàng ngày càng phong phú và phức tạp, AI đóng vai trò quan trọng trong việc thu thập, phân tích và khai thác dữ liệu lớn nhằm đưa ra những sản phẩm, dịch vụ phù hợp với từng khách hàng Công nghệ AI có thể xử lý khối lượng dữ liệu khổng

lồ mà các phương pháp truyền thống không thể thực hiện được, từ đó giúp ngân hàng cá

nhân hóa dịch vụ, nâng cao chất lượng chăm sóc khách hàng và tối ưu hóa chiến lược kinh doanh

Quản lý tài sản và danh mục đầu tư

AI cũng đang được ứng dụng rộng rãi trong lĩnh vực quản lý tài sản và đầu tư tài chính Các ngân hàng và công ty tài chính đang tận dụng công nghệ AI để hỗ trợ khách hàng trong việc đưa ra quyết định đầu tư thông minh hơn Một số tổ chức tài chính đã triển khai hệ thống tư vấn tài chính tự động (robo-advisors) nhằm cung cấp giải pháp quản lý tài chính

cá nhân, tư vấn danh mục đầu tư phù hợp với nhu cầu của từng khách hàng

Phát hiện gian lận và chống rửa tiền

Rủi ro gian lận và rửa tiền là mối quan tâm hàng đầu của các ngân hàng, do đó, việc ứng dụng AI vào công tác phát hiện và ngăn chặn các hành vi này là một bước tiến quan trọng

AI có thể phân tích lượng lớn dữ liệu giao dịch, xác định các mô hình bất thường và cảnh báo nguy cơ gian lận một cách nhanh chóng và chính xác Nhiều nghiên cứu đã chỉ ra rằng, các thuật toán AI có khả năng phát hiện gian lận hiệu quả hơn so với các phương pháp truyền thống, góp phần bảo vệ hệ thống tài chính và tăng cường tính minh bạch trong hoạt động ngân hàng

Nhận diện trang web lừa đảo

Các trang web lừa đảo đang ngày càng tinh vi hơn trong việc đánh cắp thông tin người dùng AI có thể hỗ trợ ngân hàng nhận diện các trang web giả mạo thông qua phân tích dữ liệu và phát hiện các dấu hiệu bất thường Các thuật toán học máy giúp phân loại và nhận diện các yếu tố có liên quan đến các hoạt động lừa đảo, từ đó đưa ra cảnh báo và bảo vệ khách hàng khỏi các rủi ro an ninh mạng

Chấm điểm tín dụng

Đánh giá tín dụng là một trong những ứng dụng quan trọng của AI trong lĩnh vực ngân hàng Trước đây, việc phê duyệt khoản vay phụ thuộc nhiều vào đánh giá chủ quan của con người, dẫn đến những sai sót và rủi ro tín dụng Tuy nhiên, với sự hỗ trợ của AI, ngân hàng có thể phân tích dữ liệu tài chính của khách hàng một cách khách quan, từ đó đưa ra quyết định cho vay chính xác hơn Các thuật toán AI có thể đánh giá khả năng trả nợ của

khách hàng dựa trên nhiều yếu tố, giúp ngân hàng giảm thiểu rủi ro tín dụng và nâng cao hiệu quả quản lý danh mục cho vay

Bảo mật thông tin

Trong bối cảnh các cuộc tấn công mạng ngày càng gia tăng, việc bảo vệ thông tin khách hàng trở thành một ưu tiên hàng đầu của các ngân hàng AI đóng vai trò quan trọng trong việc nâng cao hệ thống bảo mật, giúp phát hiện và ngăn chặn các cuộc tấn công mạng một cách kịp thời Các công nghệ AI có thể tự động nhận diện các mối đe dọa và phản ứng nhanh chóng với các hành vi xâm nhập trái phép, góp phần bảo vệ dữ liệu khách hàng và nâng cao an ninh mạng cho ngân hàng

Thách thức khi ứng dụng AI trong ngân hàng

Mặc dù AI mang lại nhiều lợi ích cho ngành ngân hàng, nhưng quá trình triển khai vẫn đối mặt với nhiều thách thức như chi phí đầu tư cao, yêu cầu về nguồn nhân lực có trình độ kỹ thuật cao, vấn đề bảo mật dữ liệu và sự phức tạp của các thuật toán AI Do đó, các ngân hàng cần cân nhắc kỹ lưỡng về khả năng tài chính, cơ sở hạ tầng công nghệ và chiến lược phát triển phù hợp để ứng dụng AI một cách hiệu quả

AI đã và đang tạo ra sự thay đổi lớn trong lĩnh vực tài chính – ngân hàng, giúp nâng cao hiệu suất vận hành, tối ưu hóa trải nghiệm khách hàng và giảm thiểu rủi ro Tuy nhiên, để khai thác tối đa lợi ích của AI, các ngân hàng cần có lộ trình triển khai phù hợp, đầu tư vào công nghệ và phát triển nguồn nhân lực có chuyên môn cao để đáp ứng yêu cầu của xu hướng chuyển đổi số

1.1.2 Big Data trong tài chính - ngân hàng

1.1.2.1 Khái niệm về Big Data

Khái niệm “Big Data” – hay dữ liệu lớn – được sử dụng để mô tả những tập hợp dữ liệu có khối lượng khổng lồ, tốc độ tạo ra nhanh và có tính đa dạng cao Theo Gartner (2011), Big Data là “tài sản thông tin có khối lượng lớn, tốc độ cao và đa dạng định dạng, đòi hỏi các hình thức xử lý thông tin sáng tạo, tiết kiệm chi phí để nâng cao hiểu biết và hỗ trợ ra quyết định” (Gartner, 2011) Trong khi đó, McKinsey Global Institute (2011) định nghĩa Big Data là các tập dữ liệu có quy mô vượt quá khả năng xử lý của các phần mềm cơ sở dữ liệu

thông thường, đòi hỏi những công cụ và kỹ thuật đặc biệt để thu thập, lưu trữ, quản lý và phân tích (Manyika et al., 2011) Như vậy, điểm chung trong các định nghĩa này cho thấy Big Data không chỉ đơn thuần nói đến dung lượng dữ liệu, mà còn bao hàm cả năng lực khai thác giá trị từ dữ liệu nhằm phục vụ cho việc ra quyết định, tối ưu hóa quy trình và đổi mới sáng tạo

Một trong những đặc điểm nổi bật của Big Data là tính phi cấu trúc, dữ liệu thường được tạo ra theo thời gian thực và đòi hỏi dung lượng lưu trữ lớn Do đó, việc tiếp cận và xử lý

dữ liệu này yêu cầu các phương pháp đặc thù, kết hợp nhiều nền tảng phần cứng có khả năng tích hợp và tối ưu hóa trong hệ thống công nghệ của tổ chức Quá trình này nhằm hỗ trợ hoạt động phân tích và khai thác dữ liệu liên tục, từ đó nâng cao trải nghiệm khách hàng

và tối ưu vòng đời khách hàng

Nhìn chung, Big Data là thuật ngữ mô tả một khối lượng dữ liệu khổng lồ, bao gồm dữ liệu

có cấu trúc, bán cấu trúc và phi cấu trúc So với các hệ thống cơ sở dữ liệu quan hệ truyền thống, Big Data yêu cầu các phương thức xử lý phức tạp hơn, đồng thời cần đến công nghệ lưu trữ tiên tiến Dữ liệu trong Big Data có nguồn gốc từ nhiều hệ thống khác nhau, tồn tại dưới nhiều định dạng và liên tục phát sinh thông qua các hoạt động giao dịch, tương tác giữa khách hàng và tổ chức

1.1.2.2 Vai trò của Big data

Trong bối cảnh nền kinh tế số phát triển mạnh mẽ, dữ liệu đã trở thành một nguồn tài nguyên thiết yếu, được ví như “dầu mỏ” của thế kỷ XXI Việc khai thác và phân tích dữ liệu lớn (Big Data) không chỉ giúp các tổ chức, doanh nghiệp nâng cao hiệu quả hoạt động

mà còn tạo lợi thế cạnh tranh bền vững trong nhiều lĩnh vực Big Data cung cấp những thông tin sâu sắc, có giá trị chiến lược cho việc ra quyết định, đồng thời mở ra nhiều cơ hội đổi mới trong quản lý, sản xuất và dịch vụ Dưới đây là các vai trò tiêu biểu của Big Data, được minh họa bằng những tình huống ứng dụng thực tiễn từ doanh nghiệp và các ngành công nghiệp khác nhau

Định hướng công việc và tối ưu hóa năng suất

Big Data cung cấp cơ sở dữ liệu cần thiết để doanh nghiệp giám sát quy trình làm việc và tối ưu hóa năng suất lao động Thông qua việc phân tích dữ liệu vận hành theo thời gian

thực, các nhà quản lý có thể phát hiện sớm các điểm nghẽn trong quy trình, đánh giá hiệu quả của từng bộ phận, từ đó điều chỉnh chiến lược phân bổ nguồn lực cho phù hợp Việc này không chỉ giúp tăng hiệu quả sản xuất mà còn giảm thiểu lãng phí tài nguyên

Điển hình là General Electric (GE), tập đoàn công nghiệp hàng đầu thế giới, đã triển khai cảm biến IoT kết hợp với hệ thống phân tích dữ liệu lớn tại các nhà máy sản xuất Dữ liệu thu thập từ máy móc cho phép GE dự báo chính xác thời điểm cần bảo trì, ngăn ngừa sự

cố kỹ thuật và đảm bảo hoạt động liên tục, từ đó tối ưu hóa năng suất toàn hệ thống

Xác định đúng tệp khách hàng mục tiêu

Một trong những vai trò quan trọng hàng đầu của Big Data là hỗ trợ doanh nghiệp trong việc xác định chính xác đối tượng khách hàng mục tiêu Thông qua việc thu thập và phân tích dữ liệu từ các nền tảng số như mạng xã hội, lịch sử mua sắm, hành vi duyệt web và dữ liệu nhân khẩu học, các tổ chức có thể xây dựng chân dung khách hàng rõ nét và toàn diện hơn Nhờ đó, các chiến dịch tiếp thị và bán hàng được triển khai hiệu quả hơn, tập trung vào đúng nhóm đối tượng có tiềm năng cao nhất

Chẳng hạn, Amazon đã ứng dụng thành công Big Data trong việc phân tích hành vi người dùng để cá nhân hóa các gợi ý sản phẩm Hệ thống của họ không chỉ dựa vào lịch sử mua hàng mà còn xem xét cả thời gian truy cập, tần suất tìm kiếm, cũng như mối liên hệ giữa các sản phẩm mà khách hàng quan tâm Điều này giúp tăng tỉ lệ chuyển đổi và duy trì sự trung thành của khách hàng trong môi trường cạnh tranh khốc liệt

Nâng cao bảo mật và giảm thiểu rủi ro

Trong bối cảnh các mối đe dọa an ninh mạng ngày càng gia tăng, Big Data đóng vai trò then chốt trong việc phát hiện sớm những rủi ro tiềm ẩn và bảo vệ hệ thống thông tin Nhờ khả năng xử lý dữ liệu theo thời gian thực, các thuật toán phân tích có thể nhận diện những hành vi bất thường, chẳng hạn như truy cập trái phép, thao tác lặp lại đáng ngờ hoặc thay đổi bất thường trong mô hình giao dịch

Tại các ngân hàng lớn như HSBC, Big Data được tích hợp vào hệ thống bảo mật để phân tích các giao dịch tài chính theo từng mili-giây Một giao dịch đáng ngờ, ví dụ như thanh toán thẻ tín dụng tại một quốc gia khác chỉ vài phút sau khi thẻ vừa được sử dụng trong

nước, có thể được hệ thống tự động nhận diện và tạm ngưng xử lý để xác minh Nhờ đó, nguy cơ gian lận tài chính được giảm thiểu đáng kể

Tối ưu hóa giá cả

Big Data còn hỗ trợ doanh nghiệp xây dựng các mô hình định giá linh hoạt, phù hợp với diễn biến của thị trường và hành vi tiêu dùng Việc phân tích dữ liệu về nhu cầu, nguồn cung, mức độ cạnh tranh và thời điểm mua hàng cho phép đưa ra mức giá tối ưu nhằm tối

đa hóa doanh thu và lợi nhuận

Một ví dụ rõ nét là các hãng hàng không như Delta Airlines hay Emirates, nơi giá vé được điều chỉnh liên tục dựa trên dữ liệu lớn Hệ thống sẽ phân tích lượng tìm kiếm, lịch bay, thời điểm đặt vé, thậm chí cả thời tiết hay các sự kiện lớn tại điểm đến để đưa ra mức giá phù hợp Mô hình này không chỉ giúp hãng tăng doanh thu trong mùa cao điểm mà còn giữ chân khách hàng bằng giá cạnh tranh trong thời gian thấp điểm

Nắm bắt và phân tích các giao dịch tài chính

Trong lĩnh vực tài chính – ngân hàng, Big Data là công cụ không thể thiếu trong việc giám sát, phân tích và đánh giá các giao dịch tài chính một cách nhanh chóng và chính xác Các

tổ chức tài chính có thể phát hiện những bất thường trong dòng tiền, đánh giá mức độ tín nhiệm của khách hàng hoặc đưa ra dự báo xu hướng tiêu dùng để hoạch định chính sách phù hợp

Công ty thanh toán điện tử PayPal đã áp dụng các mô hình phân tích Big Data để theo dõi hàng triệu giao dịch mỗi ngày Hệ thống tự động đánh giá rủi ro của từng giao dịch dựa trên nhiều yếu tố như vị trí địa lý, hành vi người dùng, thiết bị truy cập,… Việc này giúp

họ phát hiện gian lận tài chính gần như trong thời gian thực, đồng thời đảm bảo trải nghiệm

an toàn cho người dùng

Ứng dụng trong các lĩnh vực như ngân hàng, y tế,…

Không chỉ dừng lại trong doanh nghiệp, Big Data còn có tác động sâu rộng đến nhiều ngành nghề, trong đó nổi bật là ngân hàng và y tế Trong lĩnh vực ngân hàng, Big Data được sử dụng để phân tích hành vi tài chính, thiết kế sản phẩm phù hợp với từng nhóm khách hàng và đánh giá rủi ro tín dụng Các ngân hàng hiện đại như HSBC, ngoài việc phát

hiện gian lận, còn triển khai các chiến dịch tiếp thị cá nhân hóa dựa trên lịch sử giao dịch, giúp gia tăng sự hài lòng và độ trung thành của khách hàng

Trong y tế, Big Data đã tạo ra cuộc cách mạng trong cách tiếp cận chẩn đoán và điều trị bệnh Hệ thống IBM Watson Health là một ví dụ điển hình, khi sử dụng dữ liệu lớn để phân tích hồ sơ bệnh án điện tử, kết quả xét nghiệm và nghiên cứu y học Qua đó, bác sĩ

có thể dự đoán nguy cơ mắc bệnh, lựa chọn phác đồ điều trị phù hợp với từng bệnh nhân, đồng thời phát hiện sớm các xu hướng dịch bệnh trong cộng đồng

Big Data giúp các tổ chức, doanh nghiệp tạo lợi thế cạnh tranh

Trong môi trường kinh doanh ngày càng khốc liệt, việc nắm bắt thông tin một cách nhanh chóng và chính xác là yếu tố then chốt giúp doanh nghiệp tạo ra sự khác biệt so với đối thủ Big Data đóng vai trò quan trọng trong việc cung cấp cái nhìn sâu rộng về thị trường, khách hàng và đối thủ cạnh tranh Từ đó, doanh nghiệp có thể định hình chiến lược một cách chủ động, phát hiện cơ hội mới và thích nghi linh hoạt với những thay đổi

Một ví dụ tiêu biểu là Netflix – công ty cung cấp dịch vụ truyền phát nội dung trực tuyến – đã ứng dụng Big Data để phân tích hành vi người xem, từ thời lượng xem, thể loại ưa thích đến thời điểm truy cập Nhờ dữ liệu đó, Netflix không chỉ đưa ra các gợi ý nội dung

cá nhân hóa mà còn xuất ra các bộ phim phù hợp với thị hiếu của từng nhóm đối tượng Chính việc sử dụng dữ liệu như một công cụ chiến lược đã giúp Netflix duy trì vị thế dẫn đầu trong ngành giải trí số toàn cầu, vượt lên trên các đối thủ truyền thống

Big Data hỗ trợ đưa ra quyết định kịp thời và chính xác

Một trong những lợi ích then chốt của Big Data là khả năng hỗ trợ ra quyết định nhanh chóng và có căn cứ dữ liệu rõ ràng Trong bối cảnh các doanh nghiệp phải liên tục đối mặt với những biến động của thị trường, việc có thể phân tích dữ liệu theo thời gian thực sẽ giúp ban lãnh đạo đưa ra các quyết định kịp thời, hạn chế rủi ro và nắm bắt cơ hội trước khi đối thủ hành động

Ví dụ, trong ngành bán lẻ, chuỗi siêu thị Walmart sử dụng hệ thống Big Data để theo dõi doanh số, tồn kho, xu hướng mua sắm và cả điều kiện thời tiết Khi dự báo có bão tại một khu vực nhất định, hệ thống sẽ tự động đề xuất tăng số lượng hàng hóa thiết yếu như nước

uống, thực phẩm đóng hộp tại các cửa hàng trong vùng bị ảnh hưởng Quyết định này được đưa ra chỉ trong vài phút sau khi dữ liệu được cập nhật, giúp doanh nghiệp không chỉ phục

vụ khách hàng tốt hơn mà còn tối ưu hóa doanh thu trong thời điểm khẩn cấp

1.1.2.3 Ứng dụng của Big Data trong ngân hàng

Sự phát triển của công nghệ số đã và đang định hình lại toàn bộ hoạt động của ngành ngân hàng Trong đó, Big Data nổi lên như một công cụ chiến lược giúp các tổ chức tài chính không chỉ vận hành hiệu quả mà còn thấu hiểu khách hàng, nâng cao khả năng cạnh tranh

và phát triển dịch vụ một cách linh hoạt Tại Việt Nam, nhiều ngân hàng thương mại lớn

đã sớm nhận ra tiềm năng của dữ liệu lớn và từng bước đưa vào ứng dụng trên nhiều khía cạnh

Phân tích thói quen chi tiêu của khách hàng

Big Data cho phép ngân hàng theo dõi và phân tích hàng triệu giao dịch mỗi ngày để nhận diện xu hướng chi tiêu của từng nhóm khách hàng Việc hiểu rõ hành vi tiêu dùng không chỉ giúp cá nhân hóa trải nghiệm, mà còn là cơ sở để ngân hàng thiết kế các gói sản phẩm,

ưu đãi phù hợp với từng phân khúc Tại Việt Nam, Techcombank đã triển khai hệ thống phân tích dữ liệu giao dịch để đưa ra các khuyến nghị chi tiêu, tiết kiệm và đầu tư cá nhân hóa Khi nhận thấy khách hàng thường xuyên chi tiêu vào du lịch vào mỗi quý, hệ thống

sẽ chủ động gợi ý gói tiết kiệm “Travel Saving” với lãi suất ưu đãi kèm theo voucher từ các đối tác du lịch Nhờ đó, khách hàng cảm thấy được thấu hiểu, trong khi ngân hàng có thêm cơ hội bán chéo sản phẩm đúng nhu cầu thực tế

Quản lý rủi ro hiệu quả

Big Data đóng vai trò đặc biệt quan trọng trong việc giúp ngân hàng nhận diện và phòng ngừa rủi ro Việc phân tích mô hình giao dịch, lịch sử tín dụng và dữ liệu hành vi cho phép ngân hàng xây dựng hệ thống cảnh báo sớm đối với các giao dịch bất thường, đồng thời cải thiện hệ thống đánh giá tín dụng Ngân hàng VPBank đã ứng dụng công nghệ dữ liệu lớn kết hợp trí tuệ nhân tạo để phân tích khả năng trả nợ của khách hàng vay tiêu dùng Dựa trên hàng trăm biến số như thu nhập, lịch sử chi tiêu, vùng địa lý, hành vi thanh toán hóa đơn,… hệ thống chấm điểm tín dụng tự động có thể đưa ra quyết định phê duyệt khoản vay trong vòng chưa đến 5 phút, đồng thời cảnh báo các trường hợp có rủi ro cao Nhờ đó,

quy trình quản lý rủi ro không chỉ nhanh mà còn có độ chính xác vượt trội so với phương pháp truyền thống

Giới thiệu và phát triển thêm các dịch vụ tài chính

Một trong những lợi ích rõ rệt của Big Data là khả năng phát hiện nhu cầu tiềm ẩn của khách hàng, từ đó ngân hàng có thể chủ động đề xuất các dịch vụ tài chính một cách khéo léo và đúng thời điểm Thay vì chờ đợi khách hàng đến hỏi, dữ liệu sẽ “nói trước” ngân hàng nên gợi ý điều gì

Chẳng hạn, MB đã tích hợp nền tảng dữ liệu lớn để theo dõi xu hướng tiêu dùng qua ứng dụng MBBank App Nếu khách hàng có xu hướng chi tiêu tăng cao vào các dịp lễ, hệ thống

sẽ đề xuất các gói vay linh hoạt không cần thế chấp, hoặc nhắc nhở khách hàng thiết lập hạn mức chi tiêu hợp lý để tránh rơi vào trạng thái chi tiêu vượt khả năng tài chính Cách tiếp cận chủ động này vừa hỗ trợ khách hàng kiểm soát tài chính cá nhân, vừa giúp ngân hàng thúc đẩy các sản phẩm tín dụng và dịch vụ tài chính mở rộng

Cải thiện marketing và tăng cường trải nghiệm khách hàng

Big Data giúp ngân hàng phát triển các chiến dịch tiếp thị chính xác hơn bằng cách xác định đúng khách hàng mục tiêu, nội dung phù hợp và thời điểm tương tác hiệu quả Thay

vì sử dụng phương thức tiếp thị đại trà, ngân hàng có thể triển khai các chương trình được

“may đo” riêng cho từng khách hàng

Ngân hàng số Timo là một ví dụ điển hình trong việc cá nhân hóa trải nghiệm khách hàng nhờ Big Data Timo liên tục theo dõi hành vi tương tác của người dùng trên ứng dụng, từ thời điểm đăng nhập, loại giao dịch thường thực hiện, đến phản hồi với các chiến dịch khuyến mãi Nhờ dữ liệu này, hệ thống sẽ đề xuất các chương trình ưu đãi phù hợp – ví dụ, nếu khách hàng thường xuyên dùng tính năng chuyển tiền quốc tế, Timo sẽ ưu tiên giới thiệu các gói ưu đãi chuyển khoản không giới hạn hoặc các dịch vụ đầu tư toàn cầu Cách làm này vừa tăng tính gắn kết, vừa nâng cao độ hài lòng và giữ chân người dùng hiệu quả

Tối ưu hóa quy trình vận hành

Bên cạnh các ứng dụng hướng đến khách hàng, Big Data còn giúp ngân hàng cải tiến các quy trình nội bộ để tăng hiệu suất hoạt động và giảm chi phí Việc thu thập và phân tích dữ

liệu vận hành cho phép ngân hàng xác định những điểm nghẽn trong quy trình làm việc, từ

đó tự động hóa các bước lặp đi lặp lại, giảm tải cho nhân viên và nâng cao chất lượng dịch

vụ

Ngân hàng BIDV đã áp dụng dữ liệu lớn trong quy trình phê duyệt khoản vay doanh nghiệp

Hệ thống dữ liệu tích hợp từ các nguồn như báo cáo tài chính, lịch sử giao dịch, dữ liệu thị trường và đánh giá tín nhiệm từ CIC giúp giảm đáng kể thời gian xử lý hồ sơ từ vài ngày xuống còn chưa tới 24 giờ Việc rút ngắn thời gian này không chỉ giúp BIDV tăng tốc độ phục vụ mà còn tạo ấn tượng tích cực với khách hàng doanh nghiệp – một phân khúc chiến lược trong hoạt động của ngân hàng

1.1.3 Ứng dụng Big Data và AI trong hoạt động tín dụng của các Ngân hàng thương mại

1.1.3.1 AI kết hợp cùng Big Data để đánh giá tín dụng

Sự phát triển của AI và Big Data đã tạo ra những bước tiến đáng kể trong lĩnh vực đánh giá tín dụng, giúp ngân hàng có cái nhìn toàn diện hơn về khách hàng vay vốn Big Data đóng vai trò như một kho dữ liệu khổng lồ, thu thập và lưu trữ thông tin từ nhiều nguồn khác nhau như lịch sử tín dụng, giao dịch ngân hàng, mạng xã hội, hành vi chi tiêu và các

dữ liệu phi truyền thống khác Trên cơ sở đó, AI sử dụng các thuật toán học máy (Machine Learning) để phân tích, nhận diện mẫu dữ liệu và đánh giá mức độ tín nhiệm của từng khách hàng Điều này giúp ngân hàng có thể đánh giá chính xác hơn về khả năng hoàn trả

nợ của khách hàng, đồng thời giảm thiểu rủi ro tín dụng một cách hiệu quả

1.1.3.2 Tăng độ chính xác trong chấm điểm tín dụng (Credit Scoring)

Trong các mô hình truyền thống, điểm tín dụng thường được xác định dựa trên các tiêu chí như thu nhập, lịch sử vay vốn và tài sản thế chấp Tuy nhiên, cách tiếp cận này có thể

bỏ sót một số khách hàng có tiềm năng vay nhưng chưa có lịch sử tín dụng rõ ràng Nhờ vào AI và Big Data, hệ thống chấm điểm tín dụng hiện đại có thể tích hợp nhiều yếu tố phi truyền thống như thói quen chi tiêu, tần suất giao dịch, địa điểm mua sắm hay mức độ tương tác trên mạng xã hội Điều này không chỉ giúp nâng cao độ chính xác của hệ thống xếp hạng tín dụng mà còn mở rộng cơ hội tiếp cận tín dụng cho nhiều khách hàng hơn, đặc biệt là những người chưa từng có giao dịch tín dụng trước đó

1.1.3.3 Tự động hóa quy trình phê duyệt khoản vay

AI và Big Data giúp tối ưu hóa quy trình phê duyệt khoản vay bằng cách tự động hóa nhiều bước trong quá trình xét duyệt hồ sơ Trước đây, việc thẩm định khoản vay đòi hỏi nhân viên ngân hàng phải xem xét hồ sơ, phân tích dữ liệu tài chính và kiểm tra thông tin khách hàng, khiến quá trình này kéo dài và dễ xảy ra sai sót Với AI, hệ thống có thể phân tích hồ sơ vay theo thời gian thực, đánh giá độ tín nhiệm và đưa ra quyết định trong vòng vài phút Điều này không chỉ giúp ngân hàng tiết kiệm thời gian, giảm tải công việc cho nhân viên mà còn nâng cao trải nghiệm khách hàng khi họ có thể nhận được phản hồi nhanh chóng về khoản vay của mình

1.1.3.4 Phát hiện gian lận tài chính

Bên cạnh việc tối ưu hóa quy trình xét duyệt, AI và Big Data còn đóng vai trò quan trọng trong việc phát hiện và phòng chống gian lận tài chính Hệ thống AI có khả năng phân tích hàng triệu giao dịch trong thời gian thực để phát hiện các hành vi bất thường, chẳng hạn như giao dịch với số tiền lớn bất thường, sử dụng tài khoản từ nhiều địa điểm khác nhau trong thời gian ngắn hoặc các dấu hiệu của hành vi giả mạo danh tính Các thuật toán học sâu (Deep Learning) có thể nhận diện các mẫu giao dịch đáng ngờ, giúp ngân hàng nhanh chóng cảnh báo và ngăn chặn rủi ro trước khi xảy ra tổn thất Điều này không chỉ bảo vệ ngân hàng khỏi nguy cơ bị lừa đảo mà còn giúp khách hàng an tâm hơn khi sử dụng các dịch vụ tài chính

1.2 Quy trình cấp tín dụng cá nhân tại ngân hàng

1.2.1 Quy trình cấp tín dụng truyền thống

Cấp tín dụng cá nhân theo phương thức truyền thống là một quy trình gồm nhiều bước nhằm đánh giá khả năng tài chính của khách hàng, kiểm soát rủi ro và đảm bảo khoản vay được quản lý hiệu quả Quy trình này bao gồm các bước sau:

Bước 1 Khách hàng nộp hồ sơ vay vốn

Khách hàng có nhu cầu vay vốn sẽ chuẩn bị và nộp hồ sơ vay tại ngân hàng Hồ sơ bao gồm các giấy tờ chứng minh nhân thân, thu nhập, tài sản đảm bảo (nếu có), mục đích sử dụng vốn vay và lịch sử tín dụng Việc cung cấp đầy đủ và chính xác thông tin là điều kiện tiên quyết để ngân hàng có cơ sở xem xét khoản vay

Bước 2 Ngân hàng tiếp nhận và kiểm tra hồ sơ

Sau khi tiếp nhận hồ sơ, ngân hàng tiến hành kiểm tra tính hợp lệ của các tài liệu do khách hàng cung cấp Bước này nhằm xác định liệu khách hàng có đáp ứng các tiêu chí cơ bản

về điều kiện vay vốn hay không Trong trường hợp thiếu hoặc sai sót thông tin, ngân hàng

sẽ yêu cầu khách hàng bổ sung hoặc chỉnh sửa trước khi chuyển sang bước thẩm định Bước 3 Thẩm định và đánh giá tín dụng

Ngân hàng tiến hành thẩm định tài chính cá nhân của khách hàng bằng cách phân tích thu nhập, chi tiêu và khả năng trả nợ Nếu khoản vay có tài sản đảm bảo, ngân hàng sẽ đánh giá giá trị tài sản để xác định mức độ bảo đảm cho khoản vay Đồng thời, lịch sử tín dụng của khách hàng cũng được xem xét thông qua các hệ thống quản lý tín dụng, nhằm đánh giá mức độ rủi ro khi cấp khoản vay

Bước 4 Phân tích rủi ro và ra quyết định

Dựa trên kết quả thẩm định, ngân hàng thực hiện phân tích rủi ro nhằm xác định khả năng trả nợ của khách hàng và mức độ rủi ro tín dụng mà khoản vay có thể gặp phải Từ đó, ngân hàng đưa ra quyết định cấp tín dụng hoặc từ chối khoản vay Nếu khoản vay được duyệt, ngân hàng sẽ xác định các điều kiện cụ thể để hạn chế rủi ro phát sinh

Bước 5 Phê duyệt và xác định điều kiện vay

Sau khi có quyết định cấp tín dụng, ngân hàng thông báo đến khách hàng về số tiền vay, lãi suất, thời gian vay, phương thức trả nợ và các điều khoản liên quan Các điều kiện vay vốn sẽ được thỏa thuận giữa hai bên, đảm bảo quyền lợi và trách nhiệm của cả khách hàng

và ngân hàng trong quá trình thực hiện hợp đồng tín dụng

Bước 6 Ký kết hợp đồng và giải ngân

Sau khi đạt được sự thống nhất về các điều khoản vay, khách hàng và ngân hàng tiến hành

ký kết hợp đồng tín dụng Sau đó, ngân hàng thực hiện giải ngân theo hình thức đã thỏa thuận, có thể dưới dạng chuyển khoản hoặc tiền mặt Tùy vào từng trường hợp, ngân hàng

có thể giải ngân một lần hoặc theo từng giai đoạn phù hợp với mục đích sử dụng vốn Bước 7 Giám sát khoản vay và thu hồi nợ

Ngân hàng giám sát việc sử dụng vốn vay và quá trình thanh toán của khách hàng Các khoản vay được kiểm soát thông qua việc theo dõi kỳ hạn trả nợ, lãi suất và các nghĩa vụ tài chính khác Trong trường hợp khách hàng chậm thanh toán hoặc có dấu hiệu mất khả năng trả nợ, ngân hàng sẽ áp dụng các biện pháp thu hồi phù hợp, bao gồm gia hạn nợ, cơ cấu lại khoản vay hoặc áp dụng các biện pháp pháp lý để thu hồi nợ xấu

Trong mô hình truyền thống, quy trình cấp tín dụng cá nhân thường trải qua nhiều bước thủ công, bao gồm tiếp nhận hồ sơ vay vốn, kiểm tra thông tin khách hàng, phân tích khả năng tài chính, xác minh lịch sử tín dụng và ra quyết định phê duyệt khoản vay Quá trình này thường kéo dài nhiều ngày do yêu cầu thu thập và xử lý dữ liệu từ nhiều nguồn khác nhau Ngoài ra, các ngân hàng chủ yếu dựa vào hồ sơ giấy tờ và đánh giá thủ công từ nhân viên tín dụng, điều này dễ dẫn đến sai sót hoặc thiếu nhất quán trong quyết định cấp tín dụng

1.2.2 Cấp tín dụng cá nhân trên nền tảng trí tuệ nhân tạo và dữ liệu lớn

Trong bối cảnh công nghệ số phát triển mạnh mẽ, mô hình cấp tín dụng truyền thống ngày càng bộc lộ nhiều điểm hạn chế, đặc biệt là ở khâu đánh giá tín nhiệm, tốc độ xử lý hồ sơ

và khả năng mở rộng tiếp cận khách hàng Để khắc phục những điểm yếu này và nâng cao hiệu quả hoạt động tín dụng cá nhân, các ngân hàng thương mại đã và đang chủ động ứng

dụng các công nghệ tiên tiến như trí tuệ nhân tạo và dữ liệu lớn vào quy trình cấp tín dụng

Sự kết hợp giữa AI và Big Data không chỉ góp phần tự động hóa và tối ưu hóa quy trình thẩm định tín dụng mà còn mở ra cơ hội tiếp cận vốn cho những nhóm khách hàng chưa từng có lịch sử tín dụng chính thức, từ đó tạo nên một mô hình cấp tín dụng hiện đại, linh hoạt và có khả năng thích ứng cao với yêu cầu của thị trường

Việc ứng dụng AI và Big Data vào mô hình cấp tín dụng hiện tại không chỉ mang lại sự thay đổi về công nghệ mà còn tạo ra bước chuyển mình toàn diện trong cách thức ngân hàng tiếp cận, đánh giá và ra quyết định cho vay đối với khách hàng cá nhân Dưới đây là các cách thức cụ thể mà AI và Big Data được tích hợp vào quy trình cấp tín dụng hiện đại: Thứ nhất, AI và Big Data được ứng dụng vào khâu thu thập và xử lý dữ liệu khách hàng Trước đây, ngân hàng chỉ dựa vào dữ liệu truyền thống như bảng lương, sao kê tài khoản, hoặc báo cáo tín dụng từ CIC Tuy nhiên, với Big Data, ngân hàng có thể thu thập dữ liệu

đa dạng hơn từ nhiều nguồn như lịch sử giao dịch, hành vi tiêu dùng, dữ liệu thiết bị di động, dữ liệu mạng xã hội, vị trí địa lý, hoặc dữ liệu viễn thông Những dữ liệu này sau đó được AI xử lý và phân tích để xây dựng hồ sơ tín dụng toàn diện hơn cho khách hàng, ngay

cả với những người không có lịch sử tín dụng chính thức

Thứ hai, AI đóng vai trò trung tâm trong xây dựng mô hình chấm điểm tín dụng (credit scoring) Thay vì sử dụng mô hình thống kê truyền thống, ngân hàng hiện nay sử dụng các thuật toán học máy như cây quyết định (decision tree), mạng nơ-ron nhân tạo (neural network) hoặc mô hình hồi quy logistic được cải tiến để dự đoán khả năng trả nợ của khách hàng Những mô hình này không chỉ dựa vào dữ liệu lịch sử mà còn có khả năng học hỏi

và cải thiện theo thời gian, từ đó nâng cao độ chính xác trong việc đánh giá rủi ro tín dụng Thứ ba, AI được sử dụng để tự động hoá quy trình phê duyệt tín dụng Nhờ các hệ thống phân tích thời gian thực, ngân hàng có thể ra quyết định cấp tín dụng chỉ trong vài phút mà vẫn đảm bảo được mức độ an toàn tín dụng Ví dụ, khi khách hàng nộp hồ sơ trực tuyến,

hệ thống AI có thể tự động xác minh thông tin, phân tích dữ liệu, chấm điểm tín dụng và đưa ra quyết định mà không cần sự can thiệp thủ công của nhân viên Điều này không chỉ rút ngắn thời gian xử lý mà còn giảm chi phí vận hành và tăng trải nghiệm khách hàng

Thứ tư, Big Data và AI còn hỗ trợ quản lý rủi ro tín dụng và giám sát sau vay Hệ thống có thể liên tục theo dõi các chỉ báo hành vi như thay đổi trong chi tiêu, giảm thu nhập, hoặc các dấu hiệu bất thường trong giao dịch để cảnh báo sớm nguy cơ nợ xấu AI cũng được

áp dụng trong việc phân loại khách hàng thành các nhóm rủi ro khác nhau và đề xuất các biện pháp xử lý phù hợp, như điều chỉnh hạn mức tín dụng, gửi cảnh báo, hoặc can thiệp sớm bằng các gói tái cơ cấu khoản vay

Cuối cùng, AI còn đóng vai trò trong cá nhân hoá sản phẩm tín dụng Dựa trên phân tích hành vi, nhu cầu và mức độ rủi ro của từng cá nhân, ngân hàng có thể đề xuất các gói vay phù hợp nhất về lãi suất, thời hạn vay và phương thức trả nợ Điều này không chỉ giúp tăng khả năng tiếp cận tín dụng mà còn nâng cao sự hài lòng và gắn kết của khách hàng đối với ngân hàng

Như vậy, sự kết hợp giữa AI và Big Data trong mô hình cấp tín dụng hiện tại không chỉ nâng cao hiệu quả vận hành, giảm thiểu rủi ro mà còn mở rộng khả năng phục vụ khách hàng trên diện rộng, hướng đến một hệ thống tài chính thông minh, linh hoạt và toàn diện hơn

1.3 Lợi ích của ứng dụng AI và Big Data trong cấp tín dụng cá nhân

Rút ngắn thời gian phê duyệt khoản vay

Trước đây, quy trình cấp tín dụng cá nhân thường mất nhiều thời gian do phải trải qua nhiều bước kiểm tra thủ công như xác minh thông tin khách hàng, đánh giá khả năng trả

nợ và phê duyệt khoản vay Tuy nhiên, với sự hỗ trợ của AI và Big Data, các ngân hàng có thể tự động hóa phần lớn các công đoạn này AI có khả năng xử lý một lượng lớn dữ liệu trong thời gian thực, phân tích hồ sơ tín dụng của khách hàng một cách nhanh chóng và đưa ra quyết định dựa trên thuật toán học máy (Machine Learning) Điều này giúp rút ngắn thời gian xét duyệt khoản vay từ vài ngày xuống chỉ còn vài phút, nâng cao trải nghiệm khách hàng và tối ưu hóa quy trình hoạt động của ngân hàng

Tăng độ chính xác trong đánh giá tín dụng

AI và Big Data cho phép các ngân hàng khai thác và phân tích dữ liệu từ nhiều nguồn khác nhau như lịch sử tín dụng, hành vi chi tiêu, giao dịch ngân hàng, dữ liệu mạng xã hội và thậm chí là thói quen thanh toán hóa đơn So với phương pháp đánh giá tín dụng

truyền thống vốn chỉ dựa vào các tiêu chí như thu nhập và lịch sử vay vốn, AI có thể xây dựng mô hình chấm điểm tín dụng (credit scoring) toàn diện hơn, giúp xác định chính xác khả năng trả nợ của khách hàng Điều này không chỉ giúp ngân hàng giảm thiểu rủi ro mà còn đảm bảo việc phê duyệt tín dụng được thực hiện công bằng và hiệu quả hơn

Giảm tỷ lệ nợ xấu nhờ phân tích rủi ro tốt hơn

Nợ xấu luôn là một thách thức lớn đối với các tổ chức tài chính, đặc biệt trong lĩnh vực tín dụng cá nhân Nhờ ứng dụng AI và Big Data, các ngân hàng có thể phân tích hành vi tài chính của khách hàng theo thời gian thực, nhận diện sớm các dấu hiệu rủi ro như tình trạng chậm thanh toán, tần suất giao dịch bất thường hoặc các khoản nợ quá hạn AI có thể dự đoán khả năng vỡ nợ dựa trên mô hình học sâu (Deep Learning), từ đó đưa ra các biện pháp phòng ngừa như nhắc nhở thanh toán hoặc điều chỉnh hạn mức tín dụng Điều này giúp các ngân hàng giảm thiểu tỷ lệ nợ xấu, tối ưu hóa danh mục cho vay và đảm bảo

sự ổn định tài chính

Tăng khả năng tiếp cận tín dụng cho khách hàng chưa có lịch sử tín dụng

Một trong những rào cản lớn đối với khách hàng khi tiếp cận dịch vụ tín dụng là yêu cầu

về lịch sử tín dụng Những người chưa từng vay vốn hoặc chưa có tài khoản ngân hàng thường gặp khó khăn trong việc chứng minh khả năng tài chính của mình AI và Big Data

đã giúp giải quyết vấn đề này bằng cách khai thác các nguồn dữ liệu phi truyền thống như

dữ liệu viễn thông (số lần nạp tiền điện thoại, mức tiêu dùng hàng tháng), hành vi mua sắm trực tuyến, tần suất sử dụng dịch vụ điện – nước Nhờ đó, các ngân hàng có thể đánh giá tín nhiệm của khách hàng ngay cả khi họ chưa có lịch sử vay vốn trước đó, giúp mở rộng phạm vi tiếp cận tín dụng và thúc đẩy tài chính toàn diện

AI và Big Data không chỉ cải thiện hiệu quả hoạt động của ngân hàng mà còn mang lại nhiều lợi ích thiết thực cho khách hàng vay vốn Việc ứng dụng công nghệ này giúp các

tổ chức tài chính tối ưu hóa quy trình phê duyệt, nâng cao độ chính xác trong đánh giá tín dụng, giảm thiểu rủi ro và tạo điều kiện cho nhiều người tiếp cận nguồn vốn hơn Đây là

xu hướng tất yếu trong ngành ngân hàng hiện đại, góp phần thúc đẩy sự phát triển của nền kinh tế số

1.4 Các thách thức khi ứng dụng AI và Big data trong cấp tín dụng cá nhân

Bên cạnh những tiềm năng to lớn, việc ứng dụng AI và Big Data trong cấp tín dụng cũng không thiếu những thách thức đáng kể Những vấn đề này không chỉ ảnh hưởng đến chất lượng của quyết định tín dụng mà còn liên quan đến các yếu tố như bảo mật, minh bạch,

sự công bằng và tuân thủ pháp lý Trong phần dưới đây, chúng ta sẽ phân tích các thách thức chính khi ứng dụng AI và Big Data trong quá trình cấp tín dụng cá nhân

Vấn đề về bảo mật và quyền riêng tư

Một trong những thách thức lớn nhất khi sử dụng AI và Big Data trong cấp tín dụng là việc đảm bảo bảo mật và quyền riêng tư của dữ liệu khách hàng Dữ liệu cá nhân, tài chính và lịch sử tín dụng của khách hàng là những thông tin nhạy cảm, và việc thu thập, xử lý và lưu trữ chúng có thể gặp phải rủi ro bị lộ lọt thông tin Do đó, các tổ chức tài chính phải đầu tư vào các biện pháp bảo mật mạnh mẽ và tuân thủ các quy định pháp lý như GDPR hoặc các quy định bảo vệ quyền riêng tư trong nước

Thiếu minh bạch trong các quyết định của AI

Mặc dù AI có thể phân tích dữ liệu với tốc độ và độ chính xác cao, nhưng một trong những vấn đề lớn là thiếu minh bạch trong quá trình ra quyết định Các mô hình AI có thể trở thành “hộp đen” khi khó có thể giải thích tại sao một khách hàng bị từ chối cấp tín dụng Điều này có thể dẫn đến sự thiếu tin tưởng từ phía khách hàng và các vấn đề pháp lý nếu

họ cho rằng quyết định tín dụng không công bằng hoặc không minh bạch

Sự phụ thuộc vào chất lượng dữ liệu

AI và Big Data phụ thuộc vào dữ liệu lớn để đưa ra các quyết định tín dụng chính xác Tuy nhiên, chất lượng của dữ liệu là một yếu tố quan trọng Nếu dữ liệu thu thập được không đầy đủ, không chính xác hoặc bị sai lệch, các quyết định cấp tín dụng có thể trở nên không chính xác, dẫn đến rủi ro tài chính cho tổ chức tài chính và khách hàng Việc duy trì và cập nhật dữ liệu thường xuyên là một thách thức lớn

Rủi ro về thiên lệch và phân biệt

AI có thể bị ảnh hưởng bởi các thiên lệch trong dữ liệu mà nó được huấn luyện Nếu dữ liệu huấn luyện chứa các yếu tố thiên lệch, như phân biệt chủng tộc, giới tính hoặc địa lý,

thì các mô hình AI có thể đưa ra quyết định không công bằng và phân biệt đối xử Điều này không chỉ gây ra các vấn đề pháp lý mà còn làm giảm sự công bằng trong việc cấp tín dụng

Chi phí và sự phức tạp trong triển khai

Việc triển khai AI và Big Data trong cấp tín dụng đòi hỏi đầu tư lớn về cơ sở hạ tầng công nghệ, nhân lực có kỹ năng chuyên môn và duy trì các hệ thống phân tích dữ liệu phức tạp Các tổ chức tài chính cần phải có chiến lược rõ ràng và các nguồn lực đủ mạnh để triển khai thành công công nghệ này, đồng thời không làm tăng chi phí quá mức hoặc gây xáo trộn trong các quy trình hiện tại

Vấn đề về quy định và tuân thủ pháp lý

AI và Big Data trong cấp tín dụng đang đối mặt với các thách thức về quy định pháp lý, vì nhiều quốc gia vẫn đang trong quá trình phát triển các quy định và hướng dẫn liên quan đến việc sử dụng công nghệ này trong lĩnh vực tài chính Các tổ chức tài chính cần phải tuân thủ các quy định hiện hành về cấp tín dụng, bảo mật dữ liệu, và tránh các vi phạm có thể dẫn đến xử phạt hoặc mất uy tín

Khó khăn trong việc thay đổi thói quen và văn hóa tổ chức

Việc chuyển đổi từ các phương thức cấp tín dụng truyền thống sang ứng dụng AI và Big Data yêu cầu các tổ chức tài chính thay đổi cách thức vận hành và tư duy chiến lược Điều này có thể gặp phải sự kháng cự từ các nhân viên cũ hoặc những người có tư duy bảo thủ, điều này ảnh hưởng đến hiệu quả triển khai công nghệ mới

Những thách thức này đòi hỏi các tổ chức tài chính phải có chiến lược rõ ràng, đầu tư vào công nghệ và đào tạo nhân lực, cũng như có các biện pháp đảm bảo an toàn và tuân thủ pháp lý trong quá trình ứng dụng AI và Big Data trong cấp tín dụng cá nhân

KẾT LUẬN CHƯƠNG I

Việc ứng dụng công nghệ trí tuệ nhân tạo và dữ liệu lớn trong hoạt động cấp tín dụng cá nhân đã và đang trở thành một xu hướng tất yếu trong bối cảnh chuyển đổi số toàn diện của ngành ngân hàng Trên cơ sở hệ thống hóa các vấn đề lý luận liên quan đến hoạt động cấp tín dụng cá nhân và đặc điểm của các công nghệ hiện đại, có thể nhận thấy rằng AI và Big Data đã mang lại những thay đổi sâu sắc cả về quy trình vận hành, phương pháp đánh giá tín dụng lẫn cách thức tiếp cận khách hàng

Mô hình cấp tín dụng hiện đại không còn giới hạn trong các tiêu chí truyền thống mà đã được mở rộng dựa trên khả năng phân tích dữ liệu đa chiều và tự động hóa các khâu xử lý thông tin Những lợi ích rõ nét như nâng cao hiệu suất xử lý hồ sơ, tăng cường khả năng kiểm soát rủi ro, mở rộng độ phủ tín dụng và tối ưu chi phí vận hành cho thấy tiềm năng ứng dụng rộng rãi và lâu dài của AI và Big Data trong lĩnh vực tài chính – ngân hàng, đặc biệt là đối với phân khúc khách hàng cá nhân

Những nội dung được tổng hợp và phân tích trong chương này đóng vai trò làm cơ sở lý luận và định hướng phương pháp luận cho việc nghiên cứu thực tiễn triển khai tại Ngân hàng TMCP Quân đội trong các chương tiếp theo, từ đó góp phần đánh giá mức độ hiệu quả cũng như đề xuất các giải pháp nhằm nâng cao chất lượng ứng dụng công nghệ trong hoạt động cấp tín dụng cá nhân

CHƯƠNG 2 THỰC TRẠNG ỨNG DỤNG AI VÀ BIG DATA TRONG CẤP TÍN DỤNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN QUÂN ĐỘI 2.1 Giới thiệu về MB và chiến lược chuyển đổi số

2.1.1.Tổng quan về MB

2.1.1.1 Khái quát về lịch sử hình thành và phát triển

Ngân hàng Thương mại Cổ phần Quân đội, tên giao dịch quốc tế là Military Commercial Joint Stock Bank (viết tắt là MB), là một trong những ngân hàng thương mại cổ phần hàng đầu tại Việt Nam MB được thành lập vào ngày 4 tháng 11 năm 1994 theo Quyết định số 1120/QĐ-NH5 của Thống đốc Ngân hàng Nhà nước Việt Nam, với số vốn điều lệ ban đầu

là 20 tỷ đồng và đội ngũ nhân sự gồm 25 người

Trải qua hơn 30 năm phát triển, MB đã vươn lên trở thành một trong những tổ chức tài chính có quy mô lớn tại Việt Nam Theo Báo cáo tài chính hợp nhất được công bố trên Cổng thông tin thị trường của MB, tính đến tháng 2 năm 2025, vốn điều lệ của ngân hàng đạt mức 61.022,72 tỷ đồng (MB Bank, 2025) Mức vốn này thể hiện năng lực tài chính vững mạnh và khả năng mở rộng hoạt động kinh doanh trên quy mô toàn quốc cũng như quốc tế

Về quy mô thị trường, đến năm 2024, MB đã phục vụ khoảng 30 triệu khách hàng trên toàn quốc Đồng thời, tổng tài sản hợp nhất của ngân hàng cũng chính thức vượt mốc 1 triệu tỷ đồng, đạt 1.028.819 tỷ đồng, đưa MB vào nhóm doanh nghiệp có tổng tài sản lớn nhất tại Việt Nam (Công lý, 2024) Đây là minh chứng rõ ràng cho tốc độ tăng trưởng mạnh

mẽ và vị thế ngày càng được củng cố của MB trên thị trường tài chính – ngân hàng Sau nhiều năm phát triển, MB khẳng định vị thế của một trong những ngân hàng hàng đầu tại Việt Nam, với các chỉ số hiệu quả luôn nằm trongnhóm dẫn đầu thị trường

Châu Á năm 1997 vàlà ngân hàng cổ phần duy nhất có lãi Năm 2004, tròn 10 năm thành lập, tổng vốn huy động của MB tăng gấp trên 500 lần, tổng tài sản trên 7.000 tỷ đồng, lợi nhuận trên 500 tỷ đồng và khai trương trụ sở mới tại số 3 Liễu Giai, Ba Đình, Hà Nội

Giai đoạn 2005- 2009

Trong giai đoạn 2005-2009, MB áp dụng một loạt các giải pháp đổi mới tổng thể từ mở rộng quy mô hoạt động, phát triển mạng lưới, đầu tư công nghệ, tăng cường nhân sự, hướng mạnh về khách hàng với việc tách bạch chức năng quản lý và chức năng kinh doanh giữa Hội sở và Chi nhánh, tổ chức lại đơn vị kinh doanh theo nhóm khách hàng cá nhân, khách hàng doanh nghiệp vừa và nhỏ, nguồn vốn và kinh doanh tiền tệ Có thể nói, đây là giai đoạn tạo cơ sở vững chắc để MB đẩy mạnh triển khai các sáng kiến chiến lược sau này, góp phần đưa MB trở thành một trong những định chế tài chính hàng đầu Việt Nam hiện nay Năm 2009, đánh dấu 15 năm phát triển, MB vinh dự nhận Huân chương Lao động Hạng Ba do Chủ tịch nước trao tặng

Giai đoạn 2010 – 2016

Năm 2010, MB bắt đầu nghiên cứu xây dựng chiến lược giai đoạn mới 2011 – 2016, với

kỳ vọng đưa MB vào TOP 3 ngân hàng thương mại cổ phần không do nhà nước nắm cổ phần chi phối Năm 2011, MB đã thực hiện thành công việc niêm yết cổ phiếu MBB trên

Sở giao dịch chứng khoán Tp HCM từ ngày 1/11/2011.Trong bối cảnh nền kinh tế bước vào giai đoạn khó khăn, ngành ngân hàng dưới áp lực tái cấu trúc mạnh mẽ, MB kiên định với chiến lược phát triển bền vững, an toàn đã vươn lên dẫn đầu về nhiều chỉ tiêu tài chính quan trọng, hoàn thành mục tiêu nằm trong TOP 3 trước 2 năm – vào năm 2013 Với những thành quả đạt được, năm 2014, MB vinh dự đón nhận Huân chương Lao động Hạng Nhất Đến năm 2015, tiếp tục được phong tặng danh hiệu Anh Hùng Lao động

Giai đoạn 2017 – 2021

Trong giai đoạn này, MB định hướng tầm nhìn “Trở thành Ngân hàngthuận tiện nhất” với mục tiêu đến năm 2021 sẽ nằm trong Top 5 hệ thống Ngân hàng Việt Nam về hiệu quả kinh doanh và an toàn, dẫn đầu về số hóa.Trong các năm này, dù gặp nhiều khó khăn bởi đại dịch Covid- 19 toàn cầu, MB đã có sự tăng trưởng mạnh mẽ, bứt phá trong hoạt động kinh doanh, hoàn thành xuất sắc các nhiệm vụ, chỉ tiêu đề ra Giai đoạn này đánh dấu bước chuyển mình thay đổi Nhận diện thương hiệu mới thành công từ năm 2019, lột xác thành một ngân hàng năng động, trẻ trung – Lọt vào Top 2 thương hiệu được yêu thích

nhất; Thương hiệu tăng gấp đôi, tăng 127 bậc so với năm 2020, lọt vào Top 300 thương hiệu ngân hàng có giá trị và mạnh nhất thế giới (theo báo cáo Banking 500 2022 của Brand Finance) MB tự hào tiếp tục nằm trong TOP doanh nghiệp đạt lợi nhuận trên 10.000 tỷ đồng, TOP 5 các Ngân hàng tốt nhất Việt Nam

2.1.1.2.Mô hình tổ chức

Nguồn: BCTC Mbbank

Mô hình tổ chức của Ngân hàng TMCP Quân đội được thiết kế theo nguyên tắc quản trị tập trung – phân cấp, kết hợp giữa giám sát chiến lược từ cấp cao và điều hành tác nghiệp hiệu quả từ cấp thực thi Đây là cấu trúc thường thấy trong các tập đoàn tài chính đa năng hiện đại, đặc biệt phù hợp với đặc thù hoạt động trong lĩnh vực ngân hàng, nơi yêu cầu tính kiểm soát rủi ro chặt chẽ và khả năng thích ứng nhanh với thị trường

Ở cấp cao nhất, Đại hội đồng cổ đông giữ vai trò cơ quan quyền lực tối cao, quyết định các vấn đề chiến lược dài hạn và giám sát hiệu quả hoạt động của toàn bộ hệ thống Dưới Đại hội đồng cổ đông là Hội đồng quản trị (HĐQT) – cơ quan thực thi quyền lực cổ đông giữa các kỳ họp, đồng thời trực tiếp định hướng và kiểm soát các hoạt động chiến lược thông

qua các ủy ban chuyên trách như Ủy ban quản trị cấp cao, Ủy ban nhân sự, Ủy ban quản

lý rủi ro, và đặc biệt là Ủy ban công nghệ & chuyển đổi số – cho thấy sự quan tâm lớn đến

xu hướng số hóa ngân hàng

Đồng thời, Ban Kiểm soát được tổ chức tách biệt và phối hợp chặt chẽ với Cơ quan Kiểm toán nội bộ, đảm bảo nguyên tắc hai lớp giám sát, giúp tăng cường tính minh bạch và kiểm soát nội bộ, một tiêu chuẩn cao trong mô hình quản trị ngân hàng hiện đại (Nguyễn Thị Nhung, 2022, Khóa luận Đại học Ngân hàng TP.HCM)

Bên dưới HĐQT là Ban Điều hành, đứng đầu là Tổng Giám đốc, có vai trò điều phối toàn

bộ hoạt động nghiệp vụ của ngân hàng Ban Điều hành được hỗ trợ bởi các khối chức năng nội bộ như Khối Tài chính, Khối Nhân sự, Văn phòng CEO, Khối Pháp chế và Tuân thủ – tất cả đều đóng vai trò tham mưu và thực thi các chính sách theo định hướng của HĐQT Một điểm nổi bật trong mô hình tổ chức của MB là sự tách biệt rõ ràng giữa các khối chức năng hỗ trợ và các khối kinh doanh (ví dụ: Khối Khách hàng cá nhân, Khối SME, Khối Khách hàng doanh nghiệp lớn, Khối Ngân hàng số, Khối Ngân hàng bán buôn, v.v.) Sự phân chia này vừa đảm bảo chuyên môn hóa theo nhóm khách hàng, vừa tăng tính linh hoạt trong phát triển sản phẩm và chiến lược tiếp cận thị trường Hơn nữa, các khối kinh doanh được đặt dưới sự điều phối của các Hội đồng chuyên trách như ALCO, Hội đồng rủi

ro, Hội đồng nhân sự nhằm tạo ra cơ chế kiểm soát đồng cấp, thay vì phụ thuộc hoàn toàn vào cấp trên

Ngoài khối ngân hàng mẹ, mô hình MB còn bao gồm hệ sinh thái các công ty thành viên như MBS (chứng khoán), MB Ageas Life (bảo hiểm nhân thọ), MIC (bảo hiểm phi nhân thọ), Mcredit (tài chính tiêu dùng), MB Capital (quản lý quỹ)… Tính liên kết giữa ngân hàng mẹ và các công ty con được duy trì thông qua sự chỉ đạo của HĐQT và điều phối chiến lược từ cấp Tổng Giám đốc Đây là cấu trúc “tập đoàn tài chính” (financial holding company model) giúp MB đa dạng hóa sản phẩm và tăng cường sức cạnh tranh trong từng phân khúc (Nguyễn Thị Huyền, 2021, Luận văn Thạc sĩ – Đại học Kinh tế Quốc dân) Một đặc trưng đáng chú ý khác là việc thiết lập Văn phòng Ngọt và Khối Đầu tư trực thuộc HĐQT – cho thấy sự linh hoạt trong điều phối chiến lược ở cấp cao, không thông qua Tổng

Giám đốc Điều này tạo điều kiện cho HĐQT phản ứng nhanh với các thay đổi từ môi trường vĩ mô hoặc rủi ro hệ thống mà không ảnh hưởng đến vận hành thường ngày

Mô hình tổ chức của MB cho thấy sự kết hợp hài hòa giữa tính tập trung chiến lược ở cấp cao (HĐQT – các ủy ban); tính phân quyền điều hành ở cấp thực thi (Ban Tổng Giám đốc – các khối nghiệp vụ); cơ chế kiểm soát kép (Ban Kiểm soát và Kiểm toán nội bộ); liên kết chặt chẽ hệ sinh thái tài chính đa ngành (ngân hàng, chứng khoán, bảo hiểm, tài chính tiêu dùng) Cấu trúc này không chỉ đáp ứng tốt yêu cầu quản trị rủi ro, mà còn hỗ trợ MB thích nghi linh hoạt với thị trường, phù hợp với chiến lược số hóa và mở rộng quy mô toàn diện của ngân hàng trong giai đoạn hiện nay

2.1.1.3 Các sản phẩm dịch vụ nổi bật của ngân hàng thương mại cổ phần quân đội

Ngân hàng TMCP Quân đội là một trong những ngân hàng thương mại hàng đầu tại Việt Nam với định hướng phát triển theo mô hình ngân hàng đa năng và hiện đại Để đáp ứng nhu cầu đa dạng của thị trường, MB đã xây dựng danh mục sản phẩm – dịch vụ phong phú, bao phủ đầy đủ các lĩnh vực tài chính – ngân hàng dành cho cả khách hàng cá nhân và khách hàng doanh nghiệp Việc kết hợp giữa các sản phẩm truyền thống và công nghệ số hiện đại giúp MB duy trì tốc độ tăng trưởng cao và khẳng định vị thế trong ngành tài chính – ngân hàng

Ngân hàng số (MB App và BizMB)

Ngân hàng số là một trong những trọng tâm chiến lược của MB trong quá trình chuyển đổi

số toàn diện Đối với khách hàng cá nhân, MB cung cấp ứng dụng ngân hàng số MB App – nền tảng giao dịch tích hợp với giao diện thân thiện, dễ sử dụng và bảo mật cao MB App cho phép khách hàng thực hiện hầu hết các giao dịch ngân hàng như chuyển tiền, thanh toán hóa đơn, gửi tiết kiệm trực tuyến, mở tài khoản, quản lý tài chính cá nhân, đăng ký vay vốn, mua bảo hiểm, và đầu tư tài chính Ngoài ra, MB cũng phát triển nền tảng BizMB dành riêng cho khách hàng doanh nghiệp, hỗ trợ doanh nghiệp quản lý dòng tiền, lập lệnh chi hàng loạt, duyệt giao dịch từ xa và kết nối hệ thống kế toán – thuế, góp phần nâng cao hiệu quả quản trị tài chính nội bộ

Sản phẩm thẻ

MB cung cấp hệ thống sản phẩm thẻ đa dạng bao gồm thẻ ghi nợ nội địa, thẻ ghi nợ quốc

tế và thẻ tín dụng quốc tế Các dòng thẻ như MB Visa Platinum, MB Visa Signature, MB Mastercard hay MB Active Plus được thiết kế với nhiều tiện ích tích hợp như hoàn tiền, tích điểm, miễn phí thường niên, bảo hiểm du lịch và ưu đãi mua sắm Ngoài ra, MB cũng triển khai chương trình phát hành thẻ cá nhân hóa mang tên MB Hi Collection, cho phép khách hàng thiết kế mặt thẻ theo sở thích riêng, mang đến trải nghiệm độc đáo và mang tính cá nhân cao

Sản phẩm tiền gửi

MB cung cấp nhiều hình thức tiết kiệm linh hoạt phù hợp với nhu cầu và mục tiêu tài chính khác nhau của khách hàng, bao gồm tiết kiệm có kỳ hạn, tiết kiệm không kỳ hạn, tiết kiệm gửi góp và tiết kiệm trực tuyến Lãi suất được MB điều chỉnh cạnh tranh so với mặt bằng chung thị trường, đồng thời ngân hàng còn tích hợp tính năng gửi tiết kiệm ngay trên MB App nhằm đơn giản hóa quy trình và nâng cao trải nghiệm người dùng Các sản phẩm tiền gửi cũng được bảo hiểm theo quy định của pháp luật, góp phần tăng cường mức độ an toàn

và tin cậy cho khách hàng

Sản phẩm đầu tư

MB không chỉ đóng vai trò là ngân hàng thương mại mà còn là đơn vị cung cấp các giải pháp đầu tư tài chính thông qua các công ty thành viên như MB Capital và Công ty Chứng khoán MB (MBS) Các sản phẩm đầu tư bao gồm chứng chỉ quỹ, trái phiếu doanh nghiệp,

cổ phiếu, sản phẩm đầu tư định kỳ và các dịch vụ quản lý tài sản cá nhân Những sản phẩm này được thiết kế nhằm giúp khách hàng đa dạng hóa danh mục tài sản, tối ưu hóa lợi suất

và từng bước tiếp cận các công cụ tài chính chuyên nghiệp

Sản phẩm cho vay

Hoạt động tín dụng là một trong những mảng chủ lực trong cơ cấu sản phẩm của MB, với hai nhóm chính là cho vay khách hàng cá nhân và cho vay khách hàng doanh nghiệp Đối với khách hàng cá nhân, MB cung cấp các sản phẩm vay phục vụ nhu cầu tiêu dùng, vay mua nhà, mua ô tô, vay thấu chi tài khoản, với điều kiện linh hoạt và thủ tục đơn giản Đối với khách hàng doanh nghiệp, MB triển khai các giải pháp tín dụng chuyên biệt như cho vay vốn lưu động, vay đầu tư tài sản cố định, tài trợ thương mại, vay hợp vốn và dịch vụ

bảo lãnh ngân hàng Mỗi sản phẩm đều được thiết kế phù hợp với đặc điểm tài chính, quy

mô và lĩnh vực hoạt động của từng nhóm khách hàng

Dịch vụ chuyển tiền và thanh toán quốc tế

MB cung cấp dịch vụ chuyển tiền trong nước và quốc tế với độ tin cậy cao và tốc độ xử lý nhanh chóng Đặc biệt, ngân hàng đã triển khai dịch vụ chuyển tiền quốc tế trực tuyến ngay trên MB App – một bước tiến đột phá trong ngành ngân hàng số tại Việt Nam Dịch vụ này cho phép khách hàng thực hiện chuyển tiền ra nước ngoài phục vụ mục đích học tập, chữa bệnh, du lịch… với thủ tục đơn giản, minh bạch và hoàn toàn trực tuyến Ngoài ra, MB còn hợp tác với các đối tác chuyển tiền quốc tế như Western Union và MoneyGram để hỗ trợ nhận kiều hối một cách thuận tiện

Dịch vụ bảo hiểm

Thông qua công ty thành viên MB Ageas Life và Công ty Bảo hiểm Quân đội (MIC), MB cung cấp nhiều sản phẩm bảo hiểm nhân thọ và phi nhân thọ, như bảo hiểm sức khỏe, bảo hiểm học vấn, bảo hiểm tai nạn, bảo hiểm ô tô, tài sản và bảo hiểm đầu tư Các sản phẩm này có thể được tích hợp ngay trong gói dịch vụ ngân hàng hoặc đăng ký trực tiếp trên nền tảng MB App, mang đến sự tiện lợi và linh hoạt cho khách hàng trong việc lập kế hoạch bảo vệ tài chính cá nhân và gia đình

Dịch vụ ngân hàng doanh nghiệp

Bên cạnh các sản phẩm dành cho khách hàng cá nhân, MB phát triển hệ sinh thái tài chính toàn diện dành cho doanh nghiệp với các dịch vụ như quản lý tài khoản, quản lý dòng tiền, thanh toán lương, phát hành bảo lãnh, thanh toán quốc tế và tư vấn tài chính doanh nghiệp Nền tảng ngân hàng số BizMB giúp doanh nghiệp thực hiện các giao dịch tài chính một cách chủ động và tối ưu, góp phần tăng cường năng lực quản lý và kiểm soát dòng tiền trong môi trường cạnh tranh ngày càng cao

2.1.1.4 Hoạt động kinh doanh của MB trong 3 năm gần nhất

Bảng 2.1 Hoạt động kinh doamnh của MB trong 3 năm gần nhất

(Đơn vị: Triệu đồng)

Nguồn: Tổng hợp và tính toán từ BCTC năm 2022-2024 của MBBank

Giai đoạn 2022–2024 chứng kiến sự tăng trưởng ấn tượng của Ngân hàng TMCP Quân đội

cả về quy mô lẫn hiệu quả hoạt động kinh doanh Tổng tài sản của ngân hàng tăng trưởng liên tục qua từng năm, phản ánh quá trình mở rộng quy mô một cách bền vững Từ mức 728.532 tỷ đồng năm 2022, tổng tài sản đã đạt 944.953 tỷ đồng năm 2023 và tiếp tục vươn lên 1.128.801 tỷ đồng vào năm 2024 Tốc độ tăng trưởng duy trì ở mức cao và ổn định, cho thấy chiến lược mở rộng hoạt động kinh doanh của MB Bank đang phát huy hiệu quả Đồng hành với sự tăng trưởng về quy mô tài sản là sự gia tăng đáng kể của vốn chủ sở hữu,

từ 79.613 tỷ đồng lên 117.059 tỷ đồng chỉ trong vòng hai năm Điều này không chỉ phản ánh kết quả kinh doanh tích cực mà còn khẳng định năng lực tài chính và khả năng tự chủ vốn ngày càng được củng cố Việc nâng cao vốn chủ sở hữu giúp ngân hàng tăng cường khả năng chịu đựng rủi ro, đồng thời tạo điều kiện thuận lợi trong việc tuân thủ các tiêu chuẩn an toàn vốn theo Basel II

Dư nợ cho vay khách hàng cũng ghi nhận sự tăng trưởng mạnh mẽ, đạt mức 765.048 tỷ đồng vào cuối năm 2024, tăng gần 71% so với năm 2022 Đây là minh chứng rõ ràng cho định hướng phát triển tín dụng đúng đắn của MB Bank, đồng thời phản ánh vai trò quan trọng của ngân hàng trong việc cung ứng vốn cho nền kinh tế thực Tốc độ tăng trưởng dư

nợ cao hơn mức tăng trưởng tài sản cho thấy ngân hàng đã và đang tập trung vào hoạt động cốt lõi, đó là tín dụng – nguồn thu chủ yếu và lâu dài của hệ thống ngân hàng thương mại