Đề Cương Môn Năng Lực Số Ứng Dụng
Đề Cương Môn Năng Lực Số Ứng Dụng với những kiến thức và thông tin bổ ích giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng, ôn tập, nắm vững kiến thức môn học và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần, từ đó học tập tốt và có kết quả cao cũng như có thể vận dụng tốt những kiến thức mình đã học vào thực tiễn cuộc sống. Mời bạn đọc đón xem!
Preview text:
HỌC VIỆN NGÂN HÀNG KHOA TÀI CHÍNH
ĐỀ CƯƠNG MÔN NĂNG LỰC SỐ ỨNG DỤNG
Đề tài: “Ứng dụng dữ liệu lớn trong quản trị rủi ro ngân hàng’’
Giảng viên hướng dẫn: Cô Nguyễn Thị Yến Nhóm: 3 Lớp: K24TCB
Sinh viên thực hiện: Đàm Yến Nhi – 24A4010527
Tạ Thị Phương Anh – 24A4012682
Trần Linh Giang – 24A4011313
Nguyễn Thuỳ Linh – 24A4010391
Lê Ngọc Như Quỳnh – 24A4011347
Hà Nội, ngày 24 tháng 2 năm 2022
BẢNG MỨC ĐỘ ĐÓNG GÓP CỦA THÀNH VIÊN STT Họ và tên MSV
Mức độ đóng góp (%) 1 Đàm Yến Nhi 24A4010527 23% 2 Tạ Thị Phương Anh 24A4012682 21% 3 Trần Linh Giang 24A4011313 20% 4 Nguyễn Thuỳ Linh 24A4010391 18% 5 Lê Ngọc Như Quỳnh 24A4011347 18% MỤC LỤ
CHƯƠNG 1: MỞ ĐẦU...........................................................................................1
1.1. Lý do chọn đề tài..........................................................................................1
1.2. Mục đích nghiên cứu....................................................................................1
1.3. Phương pháp nghiên cứu.............................................................................1
CHƯƠNG 2: TỔNG QUAN VỀ CÔNG NGHỆ PHÂN TÍCH DỮ LIỆU LỚN. 2
2.1. Khái niệm Dữ liệu lớn..................................................................................2
2.2. Giới thiệu về công nghệ phân tích Dữ liệu lớn...........................................3
2.3. Các ứng dụng của phân tích Dữ liệu lớn trong hoạt động Ngân hàng.....6
CHƯƠNG 3: ỨNG DỤNG CÔNG NGHỆ PHÂN TÍCH DỮ LIỆU LỚN QUẢN TRỊ RỦI RO MM
TRONG NGÂN HÀNG..................................................................10
3.1. Khái niệm....................................................................................................10
3.2. Quy trình thực hiện công tác quản trị rủi ro trong ngân hàng...............10
3.3. Hệ thống, công cụ trong quản trị rủi ro....................................................11
3.4. Tầm quan trọng của công nghệ quản trị rủi ro trong ngân hàng...........13
3.5. Các ứng dụng của công nghệ quản trị rủi ro trong ngân hàng...............14
3.6. Thực trạng việc ứng dụng công nghệ quản trị rủi ro trong ngân hàng..17
CHƯƠNG 4: KẾT LUẬN VÀ KHUYẾN NGHỊ.................................................19
4.1. Đánh giá......................................................................................................19
4.2 Đề xuất khuyến nghị...................................................................................19
DANH MỤC TÀI LIỆU THAM KHẢO..............................................................21
A. TÀI LIỆU TRỰC TUYẾN...........................................................................21 CHƯƠNG 1: MỞ ĐẦU
1.1. Lý do chọn đề tài
Bạn đã bao giờ nghĩ đến lượng dữ liệu mình tạo ra hàng ngày? Mọi giao dịch
thẻ tín dụng, mọi tin nhắn bạn gửi, thậm chí mọi trang web bạn mở…Tất cả tổng
hợp lên đến 2.5 nghìn tỷ byte dữ liệu mà dân số toàn cầu tạo ra hàng ngày.
Điều này mở ra vô số cơ hội cho các doanh nghiệp có tư duy tiến bộ trên các
lĩnh vực ứng dụng Dữ liệu lớn, và ngành ngân hàng không phải là ngoại lệ. Theo
một khảo sát của Uỷ ban Irving Fisher về Thống kê NHTW (IFC) thuộc BIS, hơn
80% Ngân hàng Trung ương được hỏi cho biết đang sử dụng Dữ liệu lớn1. Dữ liệu
lớn đã và đang được ứng dụng rộng rãi, thể hiện đóng góp to lớn của mình trong
mọi hoạt động của ngân hàng. Ngành ngân hàng phải luôn cập nhật xu hướng công
nghệ, đặc biệt là trong việc thúc đẩy quản lý rủi ro – yếu tố tiên quyết đi đến thành công.
Nhận thấy được tầm quan trọng và ảnh hưởng to lớn của Dữ liệu lớn trong hệ
thống quản lý rủi ro ngành ngân hàng với những kiến thức đã nghiên cứu, nhóm
quyết định lựa chọn đề tài: “Ứng dụng Dữ liệu lớn trong quản trị rủi ro ngân hàng.”
1.2. Mục đích nghiên cứu
Quản trị rủi ro luôn giữ một vai trò quan trọng trong mọi tổ chức ngân hàng,
nhóm em muốn qua đề tài này sáng tỏ công nghệ phân tích ứng dụng lớn, phân tích
một số ứng dụng chính của công nghệ phân tích Dữ liệu lớn trong ngân hàng, đặc
biệt ứng dụng của nó trong quản trị rủi ro ngân hàng, đồng thời đưa ra đánh giá ưu
nhược điểm khi ứng dụng Dữ liệu lớn trong ngân hàng. Từ đó, nghiên cứu tìm ra
những đề xuất khuyến nghị nhằm đẩy mạnh những ứng dụng tích cực và khắc phục
những hạn chế trong ứng dụng Dữ liệu lớn cho các ngân hàng.
1.3. Phương pháp nghiên cứu
Trong quá trình hoàn thiện đề tài, nhóm em đã sử dụng rất nhiều phương
pháp nghiên cứu khoa học khác nhau như phương pháp luận, thu thập số liệu,
phương pháp nghiên cứu định lượng, phương pháp phân tích tổng kết kinh nghiệm,
phương pháp phân loại và hệ thống hóa lý thuyết,…
1 Theo website Ngân hàng Nhà nước Việt Nam
https://www.sbv.gov.vn ngày 9/11/2020 1
CHƯƠNG 2: TỔNG QUAN VỀ CÔNG NGHỆ PHÂN TÍCH DỮ LIỆU LỚN
2.1. Khái niệm Dữ liệu lớn 2.1.1. Định nghĩa
Theo Wikipedia: Dữ liệu lớn (Big Data) là một thuật ngữ chỉ bộ Dữ liệu lớn
hoặc phức tạp mà các phương pháp truyền thống không đủ các ứng dụng để xử lý dữ liệu này.
Theo Gartner: Dữ liệu lớn là những nguồn thông tin có đặc điểm chung khối
lượng lớn, tốc độ nhanh và dữ liệu định dạng dưới nhiều hình thức khác nhau, do đó
muốn khai thác được đòi hỏi phải có hình thức xử lý mới để đưa ra quyết định,
khám phá và tối ưu hoá quy trình.
2.1.2. Lịch sử hình thành và phát triển
Dữ liệu đến từ nhiều ngành như thông tin khí hậu được thu thập bởi cảm
biến, nhiều nội dung khác nhau từ các trang mạng xã hội, hình ảnh và video kỹ
thuật số, các hồ sơ mua sắm trực tuyến khác nhau. Đó là Dữ liệu lớn. Nhắc đến lịch
sử của Dữ liệu lớn thì cần nói đến sự phát triển của Hadoop. Do hệ sinh thái của
công nghệ này ngày càng phát triển. Hai cột mốc quan trọng trong sự phát triển của
Hadoop cũng đã củng cố niềm tin vào sức mạnh của công nghệ nguồn mở và Dữ liệu lớn. 2.1.3. Phân loại
Dữ liệu lớn có thể được tìm thấy trong ba hình thức Cấu trúc Không cấu trúc Bán cấu trúc
2.1.4. Các công nghệ đặc biệt dành cho Dữ liệu lớn Hệ sinh thái Hadoop Apache Spark Data lakes NoSQL Databases In-memory databases 2
2.1.5. Vai trò của Dữ liệu lớn
Sự ra đời của Dữ liệu lớn đem lại nhiều lợi ích cho những người am hiểu và
ứng dụng được nó. Dữ liệu lớn giúp các tổ chức khai thác dữ liệu của họ và sử dụng
nó để xác định cơ hội mới. Điều đó dẫn đến các động thái kinh doanh thông minh
hơn, hoạt động hiệu quả hơn, lợi nhuận cao hơn và khách hàng hạnh phúc hơn.
2.1.6. Các lĩnh vực ứng dụng Dữ liệu lớn Ngành ngân hàng Ngành y tế
Thương mại điện tử Digital Marketing
2.2. Giới thiệu về công nghệ phân tích Dữ liệu lớn
2.2.1 Khái niệm về công nghệ phân tích Dữ liệu lớn
Khi đã có một lượng dữ liệu, điều quan trọng là phải phân tích những dữ liệu
đó để chúng thực sự mang lại lợi ích. Phân tích dữ liệu là một quá trình kiểm tra,
làm sạch, chuyển đổi và mô hình hóa dữ liệu với mục tiêu khám phá thông tin hữu
ích, thông báo kết luận và hỗ trợ ra quyết định. Trong nghiên cứu, theo quan điểm
của LeCompte và Schensul, phân tích dữ liệu nghiên cứu là một quá trình được nhà
nghiên cứu sử dụng để gia giảm dữ liệu thành một câu chuyện và diễn giải nó để rút
ra những hiểu biết. Quá trình phân tích dữ liệu giúp giảm bớt một lượng lớn dữ liệu
thành các mảnh nhỏ hơn, điều này làm nó ý nghĩa hơn. Phân tích dữ liệu bao gồm :
phân tích dữ liệu thăm dò ( để xác định các mẫu và mối quan hệ trong dữ liệu ),
phân tích dữ liệu xác nhận ( áp dụng các kỹ thuật thống kê để tìm hiểu xem giả định
về một tập dữ liệu cụ thể có đúng không ), phân tích dữ liệu định lượng ( so sánh
thống kê ), phân tích dữ liệu định tính ( tập trung vào dữ liệu phi số như video, hình ảnh và văn bản ).2
2.2.2 Cách thức hoạt động của công nghệ phân tích Dữ liệu lớn
Quá trình phân tích dữ liệu cần phải tuân thủ đủ các bước sau. , Bước đầu tiên
xác định các yêu cầu dữ liệu hoặc cách để phân loại nhóm, dữ liệu có thể được phân
tách theo độ tuổi, nhân khẩu học, thu nhập hoặc giới tính, giá trị dữ liệu có thể là số
hoặc nhóm được phân chia. Bước thứ hai, là quá trình thu thập dữ liệu từ mạng
internet, picture, video, môi trường xung quanh hoặc thông qua nhân sự. Sau khi dữ
liệu được thu thập, phải tổ chức để tổng hợp và phân tích. Thực hiện trên một bảng
tính hoặc một dạng phần mềm khác có thể lấy dữ liệu thống kê. Bước cuối cùng,
2 https://a1digihub.com/top-10-cong-cu-tot-nhat-cho-nha-phan-tich-du-lieu/ 3
kiểm tra lại toàn bộ số liệu đã được phân tích. Điều này có nghĩa là nó được kiểm
tra và đảm bảo không có sự trùng lặp hoặc lỗi không đầy đủ. Bước này giúp bạn sửa
lại lỗi trước khi đến bước phân tích cuối cùng và ra quyết định.
Dữ liệu phân tích được chia thành bốn loại cơ bản sau:
1. Descriptive analytics ( phân tích mô tả ): Đây là quá trình phân tích dựa
trên khoảng thời gian nhất định. Dựa trên số lượt xem trang, Doanh số tháng này…
2. Diagnostic analytics ( phân tích chuẩn đoán ): Tập trung vào phân tích
chuyên sâu, tại sao nó xảy ra. Điều này liên quan đến đầu vào dữ liệu và một vài giả
thuyết. Thời tiết có ảnh hưởng đến doanh số bán bia không? Chiến dịch tiếp thị có
ảnh hưởng đến doanh số không?
3. Predictive analytics ( phân tích dự đoán ): Dự đoán điều gì xảy ra trong
tương lai. Điều đó có gây ảnh hưởng tới doanh số cuối cùng? Có bao nhiêu mô hình dự báo kết quả?
4. Prescriptive analytics: Giúp bạn đưa đến kết luận quá trình hoạt động có
đang thực sự hiệu quả. 3
Ngày nay với sự phát triển của công nghệ, nhiều công cụ tối ưu đã được ra
đời, tích hợp thu nhập, phân tích và hợp nhất dữ liệu để thực hiện các chiến dịch
marketing các nhân hóa hiệu quả. Có các loại phương pháp phân tích dữ liệu cơ bản
bao gồm: descriptive analysis (phân tích miêu tả), exploratory analysis (phân tích
khám phá), diagnostic analysis (phân tích chuẩn đoán), predictive analysis (phân
tích dự đoán), prescriptive analysis (phân tích đề xuất), text analysis (phân tích văn bản).
2.2.3 Mục đích của công nghệ phân tích Dữ liệu lớn
Phân tích dữ liệu là quá trình thiên về xây dựng các vấn đề, câu hỏi dựa trên
bộ dữ liệu và tìm ra thuật toán, phương pháp để giải quyết vấn đề đó, kết quả của
quá trình này được dùng cho bước ra quyết định ở BI (kinh doanh thông minh). Đối
với nhiều doanh nghiệp, Data Analytics dần đóng vai trò chủ chốt trong sự thành bại
của doanh nghiệp. Bởi việc thấu hiểu và phân tích những dữ liệu sẵn có sẽ giúp
doanh nghiệp biết được các sai lầm trong quá khứ và tìm ra phương hướng giải
quyết, đồng thời khám phá những cơ hội mới để phát triển doanh nghiệp. Và thay vì
chỉ đưa ra quyết định dựa trên cảm tính hay kinh nghiệm phán đoán, doanh nghiệp
sẽ có thêm nhiều cơ sở khoa học và trực quan để đưa ra quyết định đúng đắn hơn.
Một trong những doanh nghiệp điển hình áp dụng thành công công nghệ phân tích
dữ liệu vào hệ thống của mình đó là VinBigdata của tập đoàn Vingroup. Viện Dữ
3 https://cole.vn/blog/cac-phuong-thuc-phan-tich-du-lieu-va-ung-dung-cua-chung-trong-kinh-doanh/ 4
liệu lớn VinBigdata công bố hợp tác với 10 tổ chức nghiên cứu trong lĩnh vực y học
chính xác, đồng thời ra mắt hệ thống quản lý, phân tích dữ liệu y sinh lớn nhất Việt
Nam.4 Mục tiêu của việc hợp tác nhằm mục đích thúc đẩy nghiên cứu và ứng dụng
y học chính xác trong chẩn đoán và điều trị tim mạch, ung thư, tiểu đường.
2.2.4 Lợi ích của công nghệ phân tích Dữ liệu lớn
Trong xu thế cuộc cách mạng công nghiệp 4.0 với đặc trưng là nền kinh tế số
hệ thống Dữ liệu lớn ngày càng khẳng định được tầm quan trọng của mình. Theo dự
báo của Việt Nam work nhu cầu nhân lực cho ngành phân tích dữ liệu là rất lớn:
91% các doanh nghiệp muốn nâng cao đội ngũ chuyên gia dữ liệu, 75% thiếu hụt
lao động dữ liệu, dự báo tỷ lệ tăng trưởng việc làm đến năm 2026 là 12%, trên thế
giới sẽ có hơn 4,4 triệu việc làm mới liên quan tới Dữ liệu lớn. Vậy tại sao phân tích
dữ liệu đang dần trở thành tâm điểm đối với nhiều doanh nghiệp?
Nhiều doanh nghiệp đã tích lũy được hệ thống Dữ liệu lớn trong các hệ
thống giao dịch, đối với doanh nghiệp, Dữ liệu lớn được ví là tài sản giúp nắm bắt
chính xác, đầy đủ mọi thông tin về khách hàng, các trải nghiệm của người dùng, lưu
lượng truy cập web, nguồn cung, doanh thu, lợi nhuận…Dữ liệu chính là phần cốt
lõi của các chiến lược hoạt động, mang lại giá trị rộng lớn khi góp phần tăng tính
cạnh tranh cũng như doanh nghiệp áp dụng đúng đắn các chiến thuật kinh doanh.
Trên cơ sở đó, các doanh nghiệp mong muốn đưa ra các quyết định kinh doanh tối
ưu, chiến lược kinh doanh thông minh, đáp ứng tốt hơn nhu cầu của khách hàng.
Thêm vào đó, doanh nghiệp sẽ có cái nhìn tổng quan về khách hàng, nắm rõ thị
trường kinh doanh, tiếp cận với các cơ hội kinh doanh tiềm năng, có định hướng về
cải tiến chất lượng sản phẩm, xây dựng mối quan hệ bền vững với khách hàng, có
chiến dịch digital marketing hiệu quả, đồng thời thay đổi, cải thiện sản phẩm, dịch
vụ cung cấp, loại bỏ mối bận tâm về an toàn dữ liệu, hỗ trợ tăng năng suất lao động
và theo dõi đối thủ cạnh tranh.5
Phân tích dữ liệu đang thực sự thay đổi thế giới và trở thành một trong những
yếu tố chủ chốt của hoạt động kinh doanh. Song không phải doanh nghiệp nào cũng
biết cách xử lý dữ liệu để “bắt” dữ liệu nói lên thông tin hữu ích cho doanh nghiệp.
2.2.5 Thách thức trong việc áp dụng công nghệ phân tích Dữ liệu lớn
Mặc dù phân tích dữ liệu mang lại những lợi ích vô cùng to lớn cho không
chỉ doanh nghiệp mà còn lĩnh vực y tế, song vẫn còn những thách thức hạn chế khi
ứng dụng công nghệ vào quy trình phân tích dữ liệu. Giống như rất nhiều chức năng
công nghệ thông tin khác, dữ liệu đang dần được chuyển lên điện toán đám mây, và
4 https://baodautu.vn/ra-mat-he-thong-quan-ly-du-lieu-y-sinh-lon-nhat-viet-nam-d135133.html
5 https://tinhocmos.edu.vn/tam-quan-trong-cua-phan-tich-du-lieu/ 5
cũng như các nỗ lực khác trên nền tảng đám mây, điều này mang lại cả cơ hội lẫn
thách thức. Một trong 10 xu hướng công nghệ phân tích dữ liệu hàng đầu trong năm
2021 được Gartner trích dẫn là việc sử dụng các kiến thức phân tích mở, hỗ trợ khả
năng phân tích trở nên dễ dàng hơn. Tuy nhiên vẫn còn tồn đọng một số thách thức
mà các tổ chức có thể gặp phải và cách họ giải quyết khi chuyển sang thực hiện
phân tích dữ liệu trên điện toán đám mây. Phân tích dữ liệu có tính chiến lược cao
đối với các doanh nghiệp và ý tưởng chuyển chu trình lên điện toán đám mây có thể
gây khó khăn cho các nhà lãnh đạo công nghệ quen với việc kiểm soát các tài
nguyên đó. Ngoài việc khắc phục tình trạng mất kiểm soát đã nhận thấy, các nhà
lãnh đạo công nghệ thông tin cần phải đối phó với việc di chuyển thực tế lên đám
mây đảm bảo không bị gián đoạn dịch vụ...
Bạn có thể bắt gặp chuyên viên phân tích dữ liệu ở mọi nơi, các tổ chức tín
dụng, công ty bảo hiểm, công ty công nghệ…Hai công ty lớn về công nghệ như
Facebook và Google sở hữu số lượng chuyên viên phân tích dữ liệu đứng đầu thế
giới. Hệ thống phân tích dữ liệu tự động đang được đưa vào sử dụng trong nhiều
công ty. Tuy nhiên, nó vẫn chưa đáp ứng hoàn toàn nhu cầu của người sử dụng.
Theo các nghiên cứu, 80% lượng công việc không thể tự động hóa; 20% còn lại có
thể thực hiện bằng máy nhưng chưa có hiệu quả cao.
2.3. Các ứng dụng của phân tích Dữ liệu lớn trong hoạt động Ngân hàng
Ngày nay với sự phát triển nhanh chóng của kỹ thuật thông tin số và công
nghệ web dẫn đến sự gia tăng giữ liệu với quy mô vượt bậc trong nhiều lĩnh vực
khác nhau. Đặc biệt ở ngành ngân hàng - tổ chức cung cấp dịch vụ tài chính cho hầu
hết các chủ thể kinh tế. Mỗi ngày, với số lượng khách hàng rộng lớn, các ngân hàng
phải xử lý một lượng dữ liệu khổng lồ thông qua hàng trăm, thậm chí hàng triệu
giao dịch, thanh toán. Dữ liệu này thuộc phạm vi của dữ liệu lớn, là tập hợp thông
tin đa dạng và phát triển với tốc độ ngày càng nhanh chóng.
Ngành ngân hàng là một ví dụ điển hình về cách mà công nghệ đã cách mạng
hóa trải nghiệm của khách hàng. Việc áp dụng công nghệ phân tích Dữ liệu lớn cho
phép các ngân hàng tập hợp dữ liệu, thiết lập được cái nhìn toàn diện, 360 độ về khách hàng của họ.
Một số ứng dụng của Dữ liệu lớn trong hoạt động của ngành ngân hàng là:
2.3.1. Phân tích các thói quen chi tiêu của khách hàng
Các ngân hàng có quyền truy cập trực tiếp vào nhiều dữ liệu, thông tin về
nguồn thu nhập và chi tiêu của khách hàng, đồng thời có khả năng nắm rõ chi tiết về
thu nhập trong một năm, các khoản tiêu dùng, dịch vụ mà khách hàng đã và đang sử 6
dụng. Đây là cơ sở để các ngân hàng, tổ chức tài chính tiếp cận và phân tích dữ liệu
sâu hơn. Hầu hết tất cả dữ liệu trong ngân hàng đều do khách hàng tạo ra, thông qua
tương tác với nhóm bán hàng và dịch vụ hoặc thông qua các giao dịch.
Sau khi sử dụng các chức năng sàng lọc thông tin, việc sử dụng dịch vụ, bao
gồm cả những ưu đãi mà khách hàng đã từ chối, hay điều kiện về kinh tế vĩ mô, các
mối quan hệ giữa các khách hàng của ngân hàng,... mà ngân hàng có thể nắm được
nhu cầu của khách hàng, xác định được nguyên nhân của biến động trong thu nhập
hay chi tiêu của ngân hàng.
Với việc số hóa các sản phẩm và dịch vụ tài chính, khách hàng ngày càng
tương tác nhiều hơn với các ngân hàng trên nền tảng kỹ thuật số. Bằng cách tận
dụng phân tích Dữ liệu lớn, ngân hàng có thể phân tích dữ liệu thu được từ các kênh
kỹ thuật số như truyền thông xã hội, dữ liệu ứng dụng ngân hàng và các dữ liệu
khác, việc này giúp ngân hàng hiểu được hành vi, điểm khó khăn, sở thích của
khách hàng. Sau khi so sánh dữ liệu, các ngân hàng sẽ đưa ra quyết định sáng suốt
về khả năng mở rộng tín dụng, thẩm định hồ sơ cho vay, cung cấp hay bán chéo sản
phẩm, và xem xét liệu khách hàng có quan tâm đến lợi ích hoặc đầu tư hay không.
Từ lâu, các ngân hàng đã phải đối mặt với áp lực chuyển đổi phương thức
làm việc từ tập trung vào sản phẩm sang tập trung vào khách hàng. Sau khi phân
tích ban đầu về cơ cấu thu nhập - chi tiêu, với sự trợ giúp của Dữ liệu lớn ngân hàng
chia khách hàng của mình thành nhiều phân khúc theo các chỉ tiêu nhất định. Điều
này cho phép ngân hàng xác định những khách hàng của mình thuộc các nhóm nào,
ví dụ như nhóm khách hàng trung thành, nhóm khách hàng có tiềm năng,... để có
thể cung cấp những dịch vụ, lựa chọn khoản vay, bảo hiểm phù hợp với nhóm khách
hàng đó. Tất cả những điều trên đều làm cơ sở góp phần tăng mức độ hài lòng giúp
các ngân hàng giữ chân được khách hàng của mình.
2.3.2. Phát hiện và ngăn chặn hành vi lừa đảo, vi phạm pháp luật
Trong những năm gần đây, sự bùng nổ cả về các kênh truy cập và khối lượng
giao dịch cũng đồng nghĩa với việc giám sát các giao dịch tài chính và đảm bảo
chúng được an toàn ngày càng trở nên khó khăn. Việc quản lý và giám sát lượng dữ
liệu khổng lồ là một trong những thách thức đối với các ngân hàng trong việc nỗ lực
chống tội phạm tài chính.
Phân tích Dữ liệu lớn ngày càng trở thành một phần thiết yếu của bất kỳ
chiến lược nào để giúp phát hiện và ngăn chặn tội phạm tài chính. Các ngân hàng đã
áp dụng các chiến lược này trong nhiều năm, Dữ liệu lớn cho phép các ngân hàng
triển khai phân tích thời gian thực trên quy mô lớn để đối phó với những mối đe dọa 7
ngày càng tăng này. Với Dữ liệu lớn, ngân hàng có thể theo dõi các hành vi giao
dịch cá nhân của khách hàng dựa trên việc xây dựng tạo lập hồ sơ hành vi. Bằng
cách này, ngân hàng có thể theo dõi hành vi của một tài khoản cá nhân từ khi gia
nhập, giám sát và phát hiện các gian lận.
Phát hiện gian lận là một trong những ứng dụng quan trọng nhất của phân
tích Dữ liệu lớn trong ngân hàng. Bằng việc khai thác, sử dụng các thuật toán cùng
với sự hỗ trợ của các công cụ phân tích đúng đắn, ngân hàng có thể phân biệt các
giao dịch kinh doanh hợp pháp với các giao dịch gian lận. Sau khi phân tích lịch sử
giao dịch của khách hàng và các mô hình chi tiêu, tiết kiệm, các nguồn thu nhập,
đầu tư,... ngân hàng có thể biết được thói quen, mô hình chi tiêu tài chính của khách
hàng, phát hiện ra bất kỳ hoạt động bất thường nào có dấu hiệu của lừa đảo, vi
phạm pháp luật. Phân tích Dữ liệu lớn giúp ngân hàng đảm bảo không có giao dịch
gian lận, trái phép nào được thực hiện, nâng cao mức độ bảo mật tín dụng của khách
hàng, giúp các ngân hàng giảm thiểu rủi ro thị trường đáng kể. Các hành động, giao
dịch bất thường sẽ ngay lập tức bị ngăn chặn và xử lý.6
2.3.3. Kiểm tra rủi ro, tuân thủ pháp luật và minh bạch trong tài chính
Quản lý rủi ro, đặc biệt là rủi ro hoạt động, rủi ro gian lận và rủi ro tín dụng
ngay từ những ngày đầu thành lập đã là một thách thức lớn đối với các ngân hàng.
Hiện nay, với cách phân tích dữ liệu truyền thống là không đủ vì hầu hết các tương
tác của khách hàng diễn ra thông qua web, ứng dụng và các phương tiện truyền
thông xã hội nên ngân hàng phải lọc qua lượng rất lớn dữ liệu để xác định và quản
lý rủi ro. Đây là lúc Dữ liệu lớn xuất hiện.
Trong kỷ nguyên kỹ thuật số, Dữ liệu lớn đã thay đổi mạnh mẽ toàn cảnh
kinh doanh và quản lý rủi ro. Các công cụ và kỹ thuật phân tích Dữ liệu lớn tiên tiến
có thể tăng cường khả năng dự đoán của các mô hình rủi ro theo cấp số nhân, nâng
cao thời gian phản hồi của hệ thống và cung cấp phạm vi bảo hiểm rủi ro rộng rãi
hơn.Với quyền truy cập không giới hạn vào thông tin về khách hàng tiềm năng và
hành vi của người dùng, các ngân hàng đang sử dụng phân tích Dữ liệu lớn để cải
thiện thực tiễn quản lý rủi ro của họ theo những cách nâng cao hơn bao giờ hết.
Ngày nay, thay vì dựa vào tính kịp thời của các khoản thanh toán hoặc tỷ lệ
phần trăm tín dụng hiện có được sử dụng, ngân hàng có thể đánh giá các dạng rủi ro
từ hành vi trong quá khứ để dự đoán những thay đổi trong tương lai. Bằng cách sử
dụng mô hình dự đoán và tạo ra các dịch vụ không rủi ro dựa trên phân tích, các
ngân hàng có thể duy trì hoạt động kinh doanh liên tục và cải thiện sự hài lòng của khách hàng.
6 https://tapchinganhang.gov.vn/big-data-va-ung-dung-trong-hoat-dong-ngan-hang.htm 8
Các thuật toán của phân tích Dữ liệu lớn còn giúp giải quyết các vấn đề về
tuân thủ quy định pháp luật về kế toán, kiểm toán và báo cáo tài chính, từ đó giảm
được các chi phí quản lý. Bên cạnh đó, hệ thống Dữ liệu lớn thu thập và lưu trữ Dữ
liệu lớn giúp ngân hàng tiến hành phân tích một cách nhanh nhất khi có các dấu
hiệu về rủi ro xảy ra, từ đó đưa ra các biện pháp xử lý. Phân tích Dữ liệu lớn cũng
đóng một vai trò quan trọng trong việc phối hợp giữa các bộ phận, phòng, ban và
yêu cầu xử lý dữ liệu của ngân hàng vào một hệ thống trung tâm duy nhất; qua đó,
hỗ trợ kiểm soát, ngăn chặn vấn đề mất dữ liệu, giảm thiểu rủi ro và gian lận.7
7 https://tapchinganhang.gov.vn/big-data-va-ung-dung-trong-hoat-dong-ngan-hang.htm 9
CHƯƠNG 3: ỨNG DỤNG CÔNG NGHỆ PHÂN TÍCH DỮ LIỆU LỚN QUẢN
TRỊ RỦI RO TRONG NGÂN HÀNG 3.1. Khái niệm
Về mặt lý thuyết, quản lý rủi ro trong ngân hàng được định nghĩa là “sự phát
triển và thực hiện hợp lý của một kế hoạch để đối phó với những tổn thất tiềm ẩn”.
Công nghệ phân tích Dữ liệu lớn quản trị rủi ro trong ngân hàng là một hệ
thống các công cụ tập trung xác định, phân tích, đo lường và đánh giá những rủi ro
đã, đang đồng thời có thể sẽ xảy đến với tất cả các nghiệp vụ của ngành ngân hàng
như: tín dụng, đầu tư, ngoại tệ, thanh toán, tiền gửi, … thông qua hoạt động phân
tích Dữ liệu lớn. Các kỹ thuật Dữ liệu lớn hiện cung cấp tiềm năng mới để tăng cả
hiệu suất và hiệu quả của các nhiệm vụ này lên đến 50%. Các thuật toán có thể kiểm
tra dữ liệu, được lưu trữ trong các hồ dữ liệu được thu thập từ nhiều nguồn dữ liệu
khác nhau và do đó đưa hoạt động giám sát lên cấp độ tiếp theo.
Ví dụ: Ngân hàng UOB của Singapore - đất nước có nền tài chính hàng đầu
thế giới đã sử dụng công nghệ phân tích Dữ liệu lớn để quản lí dữ liệu. Ngân hàng
này đã tiến hành thử nghiệm hệ thống quản lí rủi ro trên nền tảng Dữ liệu lớn và
từng bước đạt được thành công nhất định. Thay vì phải mất 18h để có thể phân tích
và quản trị rủi ro như trước đây, ngân hàng này chỉ mất vài phút khi ứng dụng hệ
thống quản lý rủi ro sử dụng dữ liệu lớn.
3.2. Quy trình thực hiện công tác quản trị rủi ro trong ngân hàng
Quá trình quản lý rủi ro trong ngân hàng đặt ra nhiều câu hỏi khác nhau.
Những vấn đề này làm nổi bật tầm quan trọng của việc thực hiện quản lý rủi ro
trong ngân hàng. Những vấn đề này bao gồm:
“Sự kiện nào có thể phá hỏng doanh nghiệp ngân hàng và thiệt hại có thể
xảy ra là bao nhiêu?” Câu hỏi này nhấn mạnh tầm quan trọng của việc điều tra các
hoạt động của các ngân hàng đang tạo ra rủi ro hoặc tổn thất và cũng đánh giá thiệt
hại tiềm tàng mà những rủi ro đó có thể gây ra. Do đó, có thể nói rằng quá trình
quản lý rủi ro bắt đầu với việc xác định các tổn thất hoặc rủi ro tiềm ẩn và tiếp tục
bằng cách đánh giá hoặc đo lường các vấn đề đó.
“Tổ chức nên làm gì để quản lý những nguy hiểm rủi ro đó?” Sau khi xác
định và phân tích rủi ro, cần xác định loại hành động, hoạt động nào mà ngân hàng
có thể thực hiện để giải quyết những nguy cơ tiềm ẩn này. Ngược lại, nếu các ngân
hàng không giải quyết các rủi ro, điều này có thể dẫn đến thiệt hại đáng kể cho tổ
chức. Vì vậy, để có một thể chế lành mạnh, các kỹ thuật mới đã được phát triển 10
trong ngành ngân hàng hiện đại để quản lý những tổn thất này. Ở đó đã xảy ra nhiều
cuộc khủng hoảng ngân hàng trên thế giới trong những thập kỷ trước. Hiện nay,
nhiều quốc gia đã thực hiện các biện pháp quản lý rủi ro để đối phó với những cuộc khủng hoảng này.
“Liệu tổ chức đã đưa ra quyết định đúng đắn?" Sau khi một quyết định được
đưa ra và thực hiện bởi một tổ chức, việc giám sát và báo cáo thường diễn ra. Bước
này là phần cuối cùng của thực hành quản lý rủi ro, kiểm tra và báo cáo các hoạt
động của quản lý rủi ro ngân hàng.
Quy trình quản lý rủi ro có thể được tóm tắt với ba bước sau:
Bước 1: Xác định và đánh giá rủi ro tiềm ẩn trong ngân hàng việc kinh doanh.
Bước 2: Phát triển và thực hiện một kế hoạch hành động để đối phó và quản
lý các hoạt động tiềm ẩn này lỗ vốn.
Bước 3: Liên tục xem xét và báo cáo các thông lệ quản lý rủi ro sau khi
chúng đã được đưa vào hành động hay hoạt động.
Mục đích tổng thể của quá trình quản lý rủi ro là để đánh giá những tổn thất
có thể xảy ra đối với ngân hàng trong tương lai và đưa ra các biện pháp phòng ngừa
để đối phó với những vấn đề tiềm ẩn này khi chúng xảy ra.
3.3. Hệ thống, công cụ trong quản trị rủi ro
3.3.1. Hệ thống Risk Profile
Risk Profile hay còn gọi là hồ sơ rủi ro; là hệ thống đánh giá mức độ sẵn
sàng và khả năng chấp nhận rủi ro của doanh nghiệp và các nhà đầu tư trong mọi
lĩnh vực bao gồm cả lĩnh vực ngân hàng.
Hồ sơ rủi ro là yếu tố của:
Sức chứa rủi ro (Risk Capacity): Mức độ rủi ro tối thiểu mà doanh
nghiệp phải chấp nhận để đạt được mục tiêu.
Mức chịu rủi ro (Risk Tolerance): Khả năng sẵn sàng chấp nhận rủi ro.
Rủi ro chấp nhận được để đạt được mục tiêu tài chính đã hoạch định.
Hồ sơ rủi ro đóng vai trò quan trọng trong việc phân bổ tài sản đầu tư thích
hợp. Xây dựng được hồ sơ rủi ro đồng nghĩa với việc nhận diện phạm vi và mức độ
rủi ro để từ đó lập ra những phương án kiểm soát và kế hoạch phù hợp. 11
3.3.2. Hệ thống Treasury MX.3
Hệ thống Treasury MX.3 hay còn gọi là hệ thống Ngân quỹ MX.3; là hệ
thống được thành lập nhằm giải quyết những hạn chế của hệ thống quản lý ngân
quỹ truyền thống, đáp ứng nhu cầu ngân quỹ phức tạp và đối phó với nhu cầu thị
trường trong bối cảnh các ngân hàng hiện nay.
Dựa trên Hệ thống quản lí Ngân quỹ MX.3, các ngân hàng sẽ nâng cao khả
năng giám sát rủi ro và đo lường rủi ro một cách chính xác nhất. MX.3 tuân thủ các
yêu cầu quy định mới nhất về tỷ lệ thanh khoản, hiệu quả phòng hộ và VaR. Phân
tích được thực hiện theo thời gian thực và được tích hợp ở mọi bước của chuỗi giá
trị tài trợ. Với các tính năng chính như hiệu chuẩn đa đường cong, chiết khấu dựa
trên tài sản thế chấp và đánh giá chính xác các khoản nợ tiềm tàng, thủ quỹ là các
ngân hàng sẽ được hưởng lợi từ các phân tích chính xác này.
Đồng thời, MX.3 cho phép hợp lý hóa các quy trình hoạt động xung quanh
một nguồn dữ liệu duy nhất, tránh sự điều hòa không cần thiết và các rủi ro trong
một tổ chức: kiểm soát rủi ro hoạt động.
Ví dụ: Năm 2013, ngân hàng Vietinbank đã vận hành giải pháp MX3 vào
việc quản lý hoạt động kinh doanh và đầu tư, nâng cao khả năng nắm bắt rủi ro,
nâng cao hiệu quả xử lý và hỗ trợ giao dịch giúp tăng trưởng lợi nhuận.
3.3.3. Hệ thống Risk Matrix
Risk Matrix hay ma trận rủi ro ( ma trận kiểm soát rủi ro) là một công cụ
được sử dụng trong giai đoạn đánh giá rủi ro khi lập kế hoạch dự án. Ma trận rủi ro
được sử dụng để xác định và nắm bắt khả năng xảy ra rủi ro của dự án, cũng như để
đánh giá thiệt hại tiềm ẩn hoặc sự gián đoạn do những rủi ro đó gây ra.
Ma trận đánh giá rủi ro cung cấp một trình bày trực quan về phân tích rủi ro
và phân loại rủi ro dựa trên mức độ xác suất và mức độ nghiêm trọng hoặc tác động
của chúng. Công cụ này là một cách đơn giản, hiệu quả để có được cái nhìn tổng thể
về các rủi ro của dự án theo cách mà tất cả các thành viên trong nhóm và các bên
liên quan quan trọng có thể dễ dàng hiểu được.
Khi đã nắm bắt được tổng quan rủi ro, có thể đề ra các chiến lược và phân bổ
nguồn lực làm giảm bớt hoặc vô hiệu hoá tác động của rủi ro, tăng khả năng hoàn
thành và thành công của dự án.
3.3.4. Hệ thống Risk Management
Risk Management hay quản lý rủi ro là quá trình xác định, đánh giá và kiểm
soát các mối đe dọa đối với vốn và thu nhập của tổ chức. Một chương trình quản lý 12
rủi ro thành công giúp tổ chức xem xét toàn bộ các rủi ro mà tổ chức phải đối mặt.
Quản lý rủi ro cũng xem xét mối quan hệ giữa rủi ro và tác động theo tầng mà
chúng có thể có đối với các mục tiêu chiến lược của tổ chức.
Quản lý rủi ro có lẽ chưa bao giờ quan trọng hơn bây giờ. Những rủi ro mà
các tổ chức hiện đại phải đối mặt ngày càng phức tạp hơn, thúc đẩy bởi tốc độ
nhanh chóng của toàn cầu hóa. Những rủi ro mới liên tục xuất hiện, thường liên
quan và tạo ra bởi việc sử dụng công nghệ kỹ thuật số ngày càng phổ biến. Chính vì
vậy, quản trị rủi ro ngày càng khẳng định được vai trò của mình trên mọi lĩnh vực,
đặc biệt là trong lĩnh vực ngân hàng.
3.4. Tầm quan trọng của công nghệ quản trị rủi ro trong ngân hàng
Trong bối cảnh hiện nay, khi mà nền kinh tế thế giới gần đây đã phải hứng
chịu những biến động to lớn như khủng hoảng tài chính toàn cầu, nền kinh tế tăng
trưởng chậm, thậm chí tăng trưởng ở mức âm, kéo theo sự sụp đổ, phá sản của các
tổ chức tài chính lớn, ở các ngân hàng toàn thế giới thì hoạt động quản trị rủi ro
càng đóng vai trò to lớn và đòi hỏi sự quan tâm, chú trọng phát triển của các tổ chức
tài chính. Quản trị rủi ro trong hoạt động kinh doanh của các tổ chức tín dụng, đặc
biệt là các ngân hàng thương mại trên thế giới nói chung và ở Việt Nam hiện nay
đang ngày càng trở nên bức thiết và được chú trọng hơn bao giờ hết bởi công nghệ
quản trị rủi ro trong ngân hàng đóng vai trò đặc biệt quan trọng trong hoạt động của ngành ngân hàng.
Để các tổ chức tín dụng, đặc biệt là các ngân hàng thương mại không bị mất
vốn đầu tư thì cách thức tốt nhất cần được thực hiện là ứng dụng công nghệ quản trị
rủi ro trong ngân hàng. Không chỉ bao gồm quản trị rủi ro trong hoạt động tín dụng
mà công nghệ quản trị rủi ro còn bao hàm tổng thể các hoạt động mà ngân hàng cần
thực hiện nhằm kiểm soát rủi ro phát sinh trong quá trình hoạt động, vận hành và
phát triển quy mô của các ngân hàng thương mại, liên quan đến các công nghệ
nhằm phòng ngừa và kiểm soát nhiều loại rủi ro khác nhau như rủi ro thị trường, rủi
ro tín dụng, rủi ro vận hành…
Vì vậy, các tổ chức tài chính, các ngân hàng thương mại nhìn nhận được sự
cần thiết và tầm quan trọng của quản trị rủi ro, coi đó là biện pháp tối ưu để khắc
phục và bù đắp những tổn thất mà rủi ro gây ra, từ đó ngân hàng hạn chế tối đa tổn
thất và đảm bảo cho các hoạt động của ngân hàng được diễn ra bình thường và liên
tục. Không những thế, kiểm soát rủi ro hiệu quả cũng góp phần không nhỏ giúp
ngân hàng giảm thiểu chi phí, tối đa hóa doanh thu, bảo toàn vốn, tạo niềm tin vững
chắc cho khách hàng và nhà đầu tư, tạo điều kiện để mở rộng thị trường, gia tăng thị 13
phần và tăng vị thế cạnh tranh của ngân hàng trên thị trường tài chính trong nước và quốc tế.
Ngoài tác động tốt đến ngân hàng thương mại, kiểm soát tốt rủi ro tín dụng
còn có tác động tích cực đến nền kinh tế, mang lại sự ổn định lâu dài và an toàn cho thị trường tài chính.
3.5. Các ứng dụng của công nghệ quản trị rủi ro trong ngân hàng
3.5.1. Quản trị rủi ro thị trường
Rủi ro thị trường là khả năng hứng chịu một kết quả thua lỗ trong kinh doanh
khi mà thị trường có những biến động và thay đổi ngược chiều so với dự đoán của
ngân hàng. Các yếu tố rủi ro chính trên thị trường được xác định qua sự chênh lệch
về lãi suất, tỷ giá, chứng khoán và giá cả hàng hóa.
Mục tiêu quan trọng của hoạt động quản trị rủi ro thị trường là giảm thiểu tối
đa mất mát và tăng lợi nhuận từ các hoạt động kinh doanh cho ngân hàng. Quản trị
rủi ro thị trường làm hạn chế tới mức thấp nhất mọi tác động bất lợi của sự biến
động tỷ giá, lãi suất đến ngân hàng. Dù lãi suất, tỷ giá thay đổi thì các ngân hàng
luôn mong muốn đạt được thu nhập dự kiến ở mức tương đối ổn định. Để đạt được
mục tiêu này ngân hàng cần đi sâu vào quản lý trạng thái ngoại tệ ròng, tùy theo
khẩu vị rủi ro của ngân hàng mà ngân hàng đề ra mức tổn thất dự kiến tối đa đối với
rủi ro ngoại hối có thể chấp nhận trong hoạt động kinh doanh. Trên cơ sở đó, ngân
hàng đưa ra các hạn mức để quản lý như hạn mức dừng lỗ hay hạn mức lũy kế…
Quản trị rủi ro thị trường không chỉ giúp giảm thiểu những mất mát do rủi ro
thị trường gây ra, ngoài ra ngân hàng còn có thể ứng dụng công nghệ Predictive
analytics (Phân tích dự đoán) trong quản trị rủi ro thị trường để tối đa hóa lợi nhuận
dựa vào những dự đoán đúng về biến động của tỷ giá, lãi suất trong tương lai. Nếu
các ngân hàng dự đoán được sự tăng lên hay giảm xuống của tỷ giá, ngân hàng có
thể chặn tổn thất và sinh lời bằng cách thực hiện một số điều chỉnh đối với trạng
thái ngoại hối. Nếu ngân hàng dự đoán tỷ giá tăng, sẽ tăng trạng thái ngoại tệ và
ngược lại nếu dự đoán tỷ giá giảm, ngân hàng sẽ để trạng thái ngoại tệ đoản ròng.
Nếu ngân hàng dự đoán trước sự tăng lên của lãi suất, họ có thể ngăn chặn tổn thất
và sinh lời bằng cách thực hiện một số điều chỉnh đối với tài sản nợ để giảm quy mô
của khe hở nhạy cảm lãi suất hoặc sử dụng các công cụ bảo vệ: hợp đồng hoán đổi
lãi suất, hợp đồng kỳ hạn…
3.5.2. Quản trị rủi ro tín dụng
Rủi ro tín dụng là rủi ro phát sinh do khách hàng vay không thực hiện đúng
các điều khoản của hợp đồng tín dụng, với biểu hiện cụ thể là khách hàng chậm trả 14
nợ, trả nợ không đầy đủ hoặc không trả nợ khi đến hạn các khoản gốc và lãi vay,
gây ra những tổn thất về tài chính và khó khăn trong hoạt động kinh doanh của ngân hàng thương mại.
Bản chất của quản trị rủi ro tín dụng là hạn chế rủi ro phát sinh từ các khoản
vay tín dụng có vấn đề, nợ quá hạn và nợ khó đòi. Dựa vào công nghệ Predictive
analytics (Phân tích dự đoán), quản trị rủi ro tín dụng sẽ xác định danh mục các
khoản vay với các mức rủi ro khác nhau. Mức độ rủi ro có thể được xác định bằng
cách phân tích dữ liệu liên quan đến chi tiêu gần đây và lịch sử truy cập, lịch sử
giao dịch và các hình thức mua bán, trao đổi, trả nợ trên các cơ sở dữ liệu mà ngân
hàng thu thập được. Dựa vào hành vi trên mạng xã hội, giao dịch mua hàng trên
thiết bị di động và tương tác của khách hàng với các tổ chức tài chính, độ chính xác
của việc đánh giá rủi ro tín dụng sẽ tăng lên đáng kể. Đối với khoản vay tín dụng
thương mại, rủi ro liên quan tới khả năng đánh giá tình trạng kinh doanh, tài chính
của người vay. Đối với khoản cho vay người tiêu dùng, rủi ro liên quan tới thu nhập
của người vay và khả năng kiểm soát thông tin về người vay. Đối với khoản cho vay
các tổ chức tài chính khác, rủi ro liên quan tới vị thế của tổ chức đi vay vì phần lớn
các khoản vay này là không có đảm bảo. Trong trường hợp xấu, nếu các tổ chức đi
vay phá sản thì ngân hàng cho vay sẽ bị mất và được coi là nợ xấu. Đối với khoản
vay nhà nước, khoản vay có độ an toàn cao, rủi ro thấp và rủi ro xảy ra chủ yếu liên
quan tới khủng hoảng kinh tế toàn cầu hoặc khu vực.
Ngân hàng xác định dấu hiệu của các khoản cho vay có vấn đề, tỷ trọng các
khoản cho vay khác nhau, từ đó đưa ra các biện pháp xử lý nợ quá hạn, nợ có vấn
đề. Ngân hàng thành lập các phòng ban quản lý nợ xấu và chính sách xử lý nợ xấu
thích hợp, thực hiện phân loại nợ khó đòi, nợ quá hạn, nợ có vấn đề và đưa ra khả
năng giải quyết. Trong trường hợp người vay có khó khăn tài chính tạm thời nhưng
vẫn có khả năng và ý chí trả nợ thì ngân hàng áp dụng các chính sách hỗ trợ, gia hạn
thêm thời gian trả nợ, cho vay thêm, giảm lãi… Trường hợp người vay có biểu hiện
lừa đảo, nào không có ý định trả nợ, ngân hàng sẽ áp dụng chính sách thanh lý như
bán tài sản, thế chấp, phong tỏa tiền gửi trên tài khoản, kiện. Trong trường hợp nợ
xấu do cán bộ ngân hàng gây ra thì người đó phải có trách nhiệm đòi nợ hoặc bồi
thường. Ngân hàng cũng có thể sử dụng quỹ dự phòng để loại trừ nợ xấu không thể
thu hồi ra khỏi tài khoản nội bảng.
Việc thực hiện tốt công tác quản trị rủi ro tín dụng tại các ngân hàng thương
mại không những đảm bảo hoạt động kinh doanh của ngân hàng luôn ở trạng thái an
toàn, tối đa hóa lợi nhuận kinh doanh, nâng cao uy tín, chất lượng dịch vụ của ngân 15
hàng mà còn góp phần đảm bảo sự ổn định và phát triển của cả nền kinh tế, đặc biệt
là các quốc gia phụ thuộc vốn vào hệ thống ngân hàng, trong đó có Việt Nam.
3.5.3. Quản trị rủi ro vận hành
Rủi ro vận hành là rủi ro xảy ra tổn thất do các quy trình, hệ thống hay nhân
viên trong nội bộ ngân hàng vận hành không tốt hoặc do các nguyên nhân khách
quan bên ngoài. Đây là một trong những rủi ro trầm trọng mà ngân hàng thường
phải đối mặt trong quá trình hoạt động.
Rủi ro vận hành có thể gây ra hệ quả tài chính như tổn thất bằng tiền, bị phạt
do không tuân thủ, trách nhiệm và nghĩa vụ pháp lý, tài sản bị mất hoặc hủy hoại…
và hệ quả phi tài chính như ảnh hưởng đến uy tín, các vấn đề truyền thông báo chí,
gián đoạn hoạt động, mất niềm tin từ khách hàng…
Quản trị rủi ro vận hành là quá trình phân tích, tiếp cận rủi ro một cách khoa
học, toàn diện và có hệ thống nhằm nhận diện, kiểm soát, phòng ngừa và giảm thiểu
tối đa những tổn thất và ảnh hưởng tiêu cực của rủi ro vận hành đến ngân hàng. Nói
một cách dễ hiểu, quản trị rủi ro vận hành là quá trình nhận diện, đánh giá, kiểm
soát, giám sát và báo cáo rủi ro hoạt động nhằm giảm thiểu tối đa tổn thất phát sinh
và đảm bảo khả năng phục vụ khách hàng liên tục khi ngân hàng không may gặp
phải các tình huống bất lợi như: thất lạc tài liệu, mất cơ sở dữ liệu quan trọng; hệ
thống công nghệ thông tin xảy ra sự cố; các sự kiện bất khả kháng như chiến tranh, thiên tai…
Công cụ đo lường rủi ro hoạt động được sử dụng để tính toán tổn thất đối với
các trường hợp, trên cơ sở áp dụng ít nhất hai trong số các phương pháp sau đây:
a) Sử dụng các phát hiện của kiểm toán nội bộ và kiểm toán độc lập (Audit findings);
b) Thu thập và phân tích số liệu tổn thất nội bộ và bên ngoài (Internal and
external loss data collection and analysis) để xác định tổn thất nội bộ và của toàn hệ
thống ngân hàng thương mại.
c) Tự đánh giá kiểm soát rủi ro hoạt động (Risk Control Self Assessment -
RCSA) để xác định mức độ hiệu quả của hoạt động kiểm soát đối với rủi ro hoạt
động trước và sau khi kiểm soát;
d) Sơ đồ hóa các quy trình nghiệp vụ (Business Process Mapping - BPM) để
xác định mức độ rủi ro hoạt động của từng quy trình vận hành, toàn bộ rủi ro vận
hành chung và mối liên hệ của các rủi ro này; 16
e) Sử dụng chỉ số kết quả kinh doanh và chỉ số rủi ro trọng yếu (Risk and
Performance indicators) để theo dõi từng yếu tố tác động đến rủi ro vận hành và xác
định các hạn chế và tổn thất tiềm ẩn;
f) Phân tích kịch bản (Scenario Analysis) để xác định nguồn phát sinh rủi ro
vận hành và các yêu cầu kiểm soát, giảm thiểu rủi ro vận hành trong các kịch bản,
sự kiện có thể xảy ra.
3.6. Thực trạng việc ứng dụng công nghệ quản trị rủi ro trong ngân hàng
Hiện nay, nhiều ngân hàng thương mại tại Việt Nam đã nghiên cứu và quan
tâm triển khai công tác quản trị rủi ro trong vài năm trở lại đây, điển hình như
Vietinbank, BIDV… Đa số các ngân hàng đã có được khung pháp lý ban đầu, nhận
thức, hiểu biết về mô hình quản trị rủi ro đã tăng lên rõ rệt. Đồng thời, ngân hàng
bước đầu chủ động ban hành cơ chế, chính sách, quy trình quản trị rủi ro, đầu tư
công nghệ hỗ trợ, xây dựng mô hình quản trị rủi ro bao gồm các bộ phận chuyên
trách với nhiệm vụ riêng biệt. Nhìn chung, hầu hết ngân hàng đã có các phương
pháp nhận diện, đo lường và xử lý rủi ro, đưa ra các giới hạn, hạn mức trong kinh
doanh. Hàng năm, ngân hàng cũng thường xuyên tổ chức các chương trình tập
huấn, đào tạo nghiệp vụ nhằm mục đích phát triển đội ngũ quản trị rủi ro chuyên nghiệp.
Tại ngân hàng BIDV, công nghệ quản trị rủi ro tín dụng ngày càng được chú trọng hoàn thiện như:
Về nhận diện rủi ro tín dụng, dự án trang bị giải pháp quản lý khoản vay để
hỗ trợ công tác đề xuất, thẩm định và phê duyệt tín dụng toàn hệ thống, nâng cao
tính minh bạch, an toàn hệ thống ngân hàng đã và đang được triển khai và ngày càng hoàn thiện.
Về đo lường rủi ro tín dụng, ngân hàng phân loại và chọn lọc khách hàng vay
vốn thông qua hệ thống xếp hạng mức độ rủi ro cho khoản vay khách hàng, từ đó
xây dựng chính sách cho vay phù hợp với từng loại khách hàng. Hệ thống xếp hạng
tín dụng nội bộ trong các quy trình quản trị rủi ro tín dụng cũng được áp dụng như:
ban hành chính sách, quy trình tín dụng, giám sát rủi ro danh mục tín dụng, lập
chính sách dự phòng rủi ro tín dụng, báo cáo quản trị rủi ro, xác định khung lãi suất
chuẩn. Ngân hàng BIDV còn cung cấp hệ thống chấm điểm chuyên biệt cho các loại
khách hàng khác nhau, gồm cá nhân, tổ chức tín dụng và tổ chức kinh tế.
Về dự phòng và xử lý rủi ro tín dụng, hệ thống xếp hạng tín dụng nội bộ,
chương trình phân loại nợ và trích lập dự phòng rủi ro được ngân hàng liên tục triển
khai, các dữ liệu cần thiết để xây dựng mô hình định lượng rủi ro tín dụng theo tiêu 17
chuẩn quốc tế (Basel II) liên tục được cập nhật, thu thập. Kỹ thuật giảm thiểu rủi ro
tín dụng đối với khách hàng như: thế chấp tài sản bảo đảm, bảo lãnh của bên thứ ba
được áp dụng triệt để. Ngân hàng cũng đánh giá phạm vi bảo lãnh với mức độ tín
nhiệm, năng lực pháp lý và tiềm lực của bên bảo lãnh để bảo đảm cho khoản tín
dụng. Công ty quản lý nợ và khai thác tài sản được thành lập để tiếp nhận tài sản thế
chấp, cầm cố, bảo lãnh; định giá tài sản đảm bảo và hỗ trợ công tác bán đấu giá tài sản, phát mại.
Tại ngân hàng công thương Vietinbank, ngân hàng chú trọng xây dựng bộ
máy quản trị rủi ro tín dụng chuyên biệt với các bộ phận có nhiệm vụ rõ ràng.
Chính sách quản trị rủi ro tín dụng được áp dụng tại Vietinbank bao gồm: đa
dạng hóa danh mục đầu tư tín dụng, giới hạn cấp tín dụng, chú trọng phát triển tín
dụng trong các lĩnh vực có mức độ rủi ro thấp; thắt chặt điều kiện cấp tín dụng với
các lĩnh vực có mức độ rủi ro cao; kiểm tra, giám sát chặt chẽ quá trình cấp tín dụng
để phát hiện sớm, phòng ngừa và kiểm soát rủi ro hiệu quả, giảm thiểu nợ xấu; chủ
động phát hiện, phòng ngừa rủi ro để xây dựng chiến lược, kế hoạch xử lý phù hợp.
Ngân hàng Vietinbank cũng đo lường rủi ro tín dụng bằng cách xây dựng hệ
thống xếp hạng tín dụng nội bộ để chấm điểm, phân loại và xếp hạng khách hàng
theo từng mức độ rủi ro tín dụng khác nhau. 18
CHƯƠNG 4: KẾT LUẬN VÀ KHUYẾN NGHỊ 4.1. Đánh giá 4.1.1 Ưu điểm
Ngân hàng kinh doanh một loại hàng hóa vô cùng nhạy cảm đó là tiền. Vì
vậy, việc đưa ra quyết định cấp tín dụng cho một cá nhân, tổ chức nào đó cần được
cân nhắc rất kỹ lưỡng. Phân tích dữ liệu cho phép các ngân hàng phát hiện và ngăn
chặn hành vi lừa đảo, vi phạm pháp luật, đảm bảo không có giao dịch trái phép nào
được thực hiện, cung cấp mức độ an toàn, nâng cao tiêu chuẩn bảo mật từ đó giảm
thiểu tối đa rủi ro và tổn thất trong quá trình cấp tín dụng cho khách hàng. 4.1.2 Nhược điểm
Để có thể khai thác được những lợi ích mà phân tích dữ liệu mang lại thì các
ngân hàng cần phải đáp ứng một số điều kiện như: nhận thức được tầm quan trọng
của dữ liệu trong quá trình thẩm định tín dụng, xây dựng quy trình phù hợp với dữ
liệu đầu vào phục vụ cho việc sử dụng dữ liệu, đảm bảo được nguồn lực am hiểu về
lĩnh vực Dữ liệu lớn. Song, trên lý thuyết là vậy, thực tế thì hiện nay các ngân hàng
đang gặp một số khó khăn, hạn chế gồm:
Một là, chưa có hành lang pháp lý đồng bộ từ các cơ quan quản lý, như hành
lang pháp lý cho hoạt động ngân hàng số, thiếu quy định đồng bộ, cụ thể về việc
trao đổi chia sẻ dữ liệu khách hàng, hỗ trợ cho việc ứng dụng phân tích Dữ liệu lớn
vào hoạt động của các ngân hàng.
Hai là, việc ứng dụng phân tích dữ liệu vào hoạt động tín dụng ngân hàng
hiện nay còn khá mới mẻ, chưa được sử dụng một cách rộng rãi, nên cần tốn nhiều thời gian và chi phí.
Ba là, tình hình dân số ngày càng đông, nhu cầu lao động cũng tăng theo,
nếu ứng dụng Big Data phát triển mạnh thì nguồn lao động thiếu trình độ sẽ bị đào
thải đến đến thất nghiệp gia tăng, tạo gánh nặng an sinh xã hội
Thành công của việc ứng dụng phân tích dữ liệu không đến ngay lập tức mà
là cả một quá trình từ xây dựng chiến lược, thu nhập, chuẩn hóa dữ liệu, huấn luyện
máy móc đến sử dụng kiến thức thu được từ dữ liệu, huấn luyện máy móc đến sử
dụng kiến thức thu được từ dữ liệu để ra quyết định. Thời gian qua đã có một số
ngân hàng Việt Nam triển khai ứng dụng Big Data vào hoạt động tín dụng, tuy
nhiên mới chỉ ứng dụng một số tính năng chính.
4.2 Đề xuất khuyến nghị 19
Trong bối cảnh cuộc cách mạng công nghiệp 4.0 đang diễn ra mạnh mẽ trên
toàn cầu và tác động đến mọi mặt của đời sống kinh tế xã hội, dữ liệu số đã trở
thành nguồn tài nguyên vô cùng quan trọng. Việc ứng dụng công nghệ phân tích Dữ
liệu lớn dần trở nên cấp thiết và phổ biến, đặc biệt là trong lĩnh vực Tài chính –
Ngân hàng. Phân tích Dữ liệu lớn đã cho phép các ngân hàng nâng cao tiêu chuẩn
và chất lượng dịch vụ mà họ cung cấp cho khách hàng.
Tác động của phân tích Dữ liệu lớn trong lĩnh vực ngân hàng đã mang tính
cách mạng. Công nghệ phân tích Dữ liệu lớn đang nhanh chóng mở rộng và mang
lại nhiều cơ hội cho các ngân hàng cải thiện hoạt động kinh doanh và đặc biệt đem
lại nhiều lợi ích trong quản trị rủi ro ngân hàng. Tuy nhiên, giống như bất kỳ quy
trình kinh doanh mới nào, phân tích Dữ liệu lớn thường đi kèm với những thách thức riêng của nó
Để đạt được những thành công trong việc ứng dụng phân tích Dữ liệu lớn
cần cả một quá trình từ xây dựng chiến lược, chuẩn hóa dữ liệu, huấn luyện máy
học đến sử dụng kiến thức thu được từ dữ liệu để ra quyết định chứ không thể ngay
lập tức mà đạt được. Chính vì vậy, cần đòi hỏi nhận thức rõ ràng từ các cấp lãnh đạo
quản lý về tầm quan trọng và lợi ích của việc ứng dụng Dữ liệu lớn trong ngân hàng của mình.
Để phát triển ứng dụng phân tích Dữ liệu lớn còn cần đến sự đồng thuận từ
phía người tiêu dùng, bên cạnh đó, các ngân hàng phải dựa vào tình trạng tài chính,
cơ sở hạ tầng, công nghệ,… của mình để có kế hoạch, phương án sử dụng phân tích
Dữ liệu lớn vào hoạt động tín dụng một cách phù hợp và hiệu quả nhất.
Công nghệ hiện đại cũng đồng nghĩa với những rủi ro trong bảo mật hệ
thống. Trong tương lai, các ngân hàng cần nắm bắt được xu hướng, kiểm soát tốt
ứng dụng phân tích Dữ liệu lớn để đảm bảo hoạt động ngân hàng diễn ra an toàn,
hiệu quả, tránh những rủi ro khó lường trước do tội phạm mạng lợi dụng công nghê Ž
để tìm cách tấn công. Mặt khác, các ngân hàng cần phải chú trọng đến công tác
tuyển dụng nhân lực, xây dựng một đội ngũ chuyên gia có hiểu biết sâu về cả lĩnh
vực Tài chính – Ngân hàng về cả công nghệ, đặc biệt là phân tích Dữ liệu lớn. Đây
là giải pháp để giải quyết tình trạng thiếu nguồn nhân lực chuyên trách về công
nghệ. Bên cạnh đó, cần có chế độ đãi ngộ phù hợp để giữ chân nhân viên, tránh việc
chảy máu chất xám ra các tổ chức tín dụng nước ngoài.8
8 https://hocvientaichinh.com.vn/ung-dung-big-data-va-tri-tue-nhan-tao-ai-trong-hoat-dong-tin-dung- tai-ngan-hang-thuong-mai.html 20
DANH MỤC TÀI LIỆU THAM KHẢO
A. TÀI LIỆU TRỰC TUYẾN
1. Theo website Ngân hàng Nhà nước Việt Nam
https://www.sbv.gov.vn ngày 9/11/2020
2. https://a1digihub.com/top-10-cong-cu-tot-nhat-cho-nha-phan-tich-du-lieu/
3. https://cole.vn/blog/cac-phuong-thuc-phan-tich-du-lieu-va-ung-dung-cua-chung- trong-kinh-doanh/
4. https://baodautu.vn/ra-mat-he-thong-quan-ly-du-lieu-y-sinh-lon-nhat-viet-nam- d135133.html
5. https://tinhocmos.edu.vn/tam-quan-trong-cua-phan-tich-du-lieu/
6. https://tapchinganhang.gov.vn/big-data-va-ung-dung-trong-hoat-dong-ngan- hang.htm
7. https://tapchinganhang.gov.vn/big-data-va-ung-dung-trong-hoat-dong-ngan- hang.htm
8. https://hocvientaichinh.com.vn/ung-dung-big-data-va-tri-tue-nhan-tao-ai-trong-
hoat-dong-tin-dung-tai-ngan-hang-thuong-mai.html 21