zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Tài Chính - Ngân Hàng

» Ngân hàng - Tín dụng

Dữ liệu lớn và quản trị dữ liệu: Những đề xuất giải pháp ứng dụng tại hệ thống ngân hàng thương mại Việt Nam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:7

Báo xấu

13
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết sẽ tổng hợp các nghiên cứu trước về dữ liệu lớn, quản trị dữ liệu để làm rõ khái niệm về dữ liệu lớn, phân tích dữ liệu, quản trị dữ liệu, và đề xuất các ứng dụng trong ngành ngân hàng tại Việt Nam.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Dữ liệu lớn và quản trị dữ liệu: Những đề xuất giải pháp ứng dụng tại hệ thống ngân hàng thương mại Việt Nam

Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” DỮ LIỆU LỚN VÀ QUẢN TRỊ DỮ LIỆU: NHỮNG ĐỀ XUẤT GIẢI PHÁP ỨNG DỤNG TẠI HỆ THỐNG NGÂN HÀNG THƯƠNG MẠI VIỆT NAM TS. Châu Đình Linh TÓM TẮT Mục tiêu chính của dữ liệu lớn và quản trị dữ liệu lớn là giúp doanh nghiệp đưa ra những quyết định kinh doanh hiệu quả dựa trên thông tin thật với cách phân tích khối lượng dữ liệu giao dịch từ khách hàng. Việc hiểu khách hàng sâu hơn sẽ dẫn đến những hoạt động cung ứng giải pháp cho khách hàng trở nên thuận tiện và đầy hiệu quả. Theo đó, bài viết sẽ tổng hợp các nghiên cứu trước về dữ liệu lớn, quản trị dữ liệu để làm rõ khái niệm về dữ liệu lớn, phân tích dữ liệu, quản trị dữ liệu, và đề xuất các ứng dụng trong ngành ngân hàng tại Việt Nam. Từ khóa: dữ liệu lớn; khai thác dữ liệu; quản trị dữ liệu; ngành ngân hàng; giá trị ứng dụng. ABSTRACT BIG DATA AND DATA MANAGEMENT: PROPOSED SOLUTIONS APPLICATION IN VIETNAM COMMERCIAL BANKING SYSTEM The main goal of big data and big data governance is to help enterprises make effective business decisions based on real information by analyzing the volume of transaction data from customers. A deeper understanding of customers will lead to convenient and effective solutions for providing solutions to customers. Accordingly, the article will synthesize previous studies on big data, data governance to clarify the concept of big data, data analysis, data governance, and propose applications in the banking industry in Vietnam. Keywords: big data; data mining; data administration; banking industry; application value. 1. ĐẶT VẤN ĐỀ Theo Lisa Arthur (2015), dữ liệu lớn bao gồm các thông tin được số hóa, từ thông tin phi cấu trúc đến thông tin đa cấu trúc, thường các dữ liệu này xuất phát từ sự tương tác giữa người và máy móc chẳng hạn ứng dụng web, mạng xã hội, các thiết bị cảm biến. Dữ liệu lớn là dòng chảy liên tục của thông tin cho phép công việc phát hiện và công việc phân tích diễn ra đồng thời. Còn phân tích dữ liệu lớn là quá trình kiểm tra các tập dữ liệu lớn chứa nhiều loại dữ liệu. Theo đó, việc phân tích giúp khám phá tất cả các mẫu ẩn, mối tương quan không xác định, xu hướng thị trường, tùy chọn của khách hàng, và thông tin doanh nghiệp hữu ích khác. Kết quả phân tích có thể dẫn đến tiếp thị hiệu quả hơn, cơ hội doanh thu mới, dịch vụ khách hàng tốt hơn, cải thiện hiệu quả hoạt động, tạo lợi thế cạnh tranh, và giảm bớt các thủ tục hành chính giấy tờ hướng đến sự dễ dàng – thuận tiện cho khách hàng. Bản chất của dữ liệu lớn được xây dựng và mô tả dưới cấu trúc 3V gồm: đa dạng (Variety), tốc độ (Velocity), khối lượng (Volume). Cấu trúc 3V này có liên quan lớn và tiềm năng ứng dụng đối với hoạt động kinh doanh ngân hàng, cụ thể: Một là, đa dạng (Variety) là viết tắt của sự phong phú các dữ liệu được xử lý, và các ngân hàng đang sở hữu số lượng khổng lồ các loại dữ liệu khác nhau. Sự đa dạng đó từ chi tiết các giao dịch, lịch sử điểm tín dụng, báo các đánh giá rủi ro, phản hồi khách hàng. 355
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” Hai là, tốc độ dữ liệu (Velocity) là khả năng dữ liệu được thêm vào cơ sở dữ liệu theo thời gian. Việc đạt số lượng giao dịch lớn trong mỗi phút là dễ dàng đạt được khi mảng ngân hàng bán lẻ đang phát triển mạnh mẽ. Ba là, khối lượng dữ liệu (Volume) là số lượng dữ liệu được lưu trữ. Khối lượng dữ liệu này đang được cập nhập theo cấp số nhân vì các nguồn dữ liệu tiếp tục tăng theo thời gian. Các nguồn dữ liệu có thể bao gồm: các khoản vay tiêu dùng, các khoản vay thế chấp, các khoản vay doanh nghiệp, tiền gởi kỳ hạn, ATM, POS… Theo PwC Global (2016), dữ liệu lớn và phân tích dữ liệu lớn đang trở thành động lực chính cho sự phát triển ngành ngân hàng. Điều này thể hiện qua chi tiêu cho đầu tư dữ liệu lớn trong ngành ngân hàng (năm 2016 lên tới 20.8 tỷ USD) cho các lĩnh vực hỗ trợ khách hàng, đánh giá rủi ro, nghiên cứu các cơ hội kinh doanh mới, blockchain, cơ hội marketing. Phân tích dữ liệu cho rủi ro Phân bổ tài sản tự động 7% 3%6% 5% 10% Trải nghiệm số với sự hỗ trợ của 16% con người 6% Kích hoạt đầu tư vào thị trường 6% mới 3% 22% 6% Chuẩn hóa các trải nghiệm khách 10% hàng xuyên qua các điểm tiếp xúc với ngân hàng Giảm thời gian ra thị trường cho các cơ hội mới Hình 1: Cơ cấu chi tiêu đầu tư cho dữ liệu lớn trong ngành ngân hàng Nguồn: PwC global Fintech report, 2016 Các chi tiêu đầu tư cho dữ liệu lớn đã và đang đem đến cho ngân hàng các lợi ích to lớn trong các quyết định kinh doanh đúng đắn nhất, cụ thể ở các lĩnh vực sau: (i) khám phá các mô hình chi tiêu mới của khách hang; (ii) xác định các kênh giao dịch chính (ATM, POS, mobile banking…); (iii) cắt giảm chi phí hoạt động và cải thiện hiệu quả kinh doanh; (iv) chia khách hàng thành nhiều phân đoạn thị trường khác nhau dựa trên hồ sơ dữ liệu thu thập được; (v) bán chéo các sản phẩm tài chính khác nhau và phù hợp với từng phân đoạn thị trường; (vi) quản lý và ngăn chặn gian lận; (vii) đánh giá rủi ro, tuân thủ và báo cáo; (viii) phân tích và ứng dụng những phản hồi của khách hang. Tuy nhiên, nhiều ngân hàng hiện giờ vẫn còn đang sử dụng các hệ thống quản lý cơ sở dữ liệu thông thường để lưu trữ và quản lý kinh doanh. Các hệ thống quản lý kiểu cũ không còn phù hợp với bối cảnh kinh doanh mới. Do đó, đã đến lúc việc xử lý và khai thác dữ liệu lớn cần thông qua công nghệ phức tạp hơn như Hadoop hoặc MapReduce nhằm khai thác tối đa những giá trị ứng dụng của khai thác dữ liệu trong ngành ngân hàng. 356
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” 2. CƠ SỞ LÝ THUYẾT 2.1. Dữ liệu lớn và những giá trị ứng dụng của khai thác dữ liệu trong ngành ngân hàng Các chuyên gia tài chính đều xác định dữ liệu lớn là công cụ cho phép ngân hàng tạo, thao tác và quản lý các tập dữ liệu rất lớn trong một khung thời gian nhất định và dung lượng cần thiết để hỗ trợ khối lượng dữ liệu với 3 đặc trưng là đa dạng, tốc độ, khối lượng (Utkarsh Srivastava, Santosh Gopalkrisnan, 2015). Dưới đây là tổng hợp những giá trị ứng dụng của dữ liệu lớn và khai thác dữ liệu lớn trong ngành ngân hàng: Một là, dịch vụ tài chính được cung cấp đúng mục tiêu, và cá nhân hóa. Các ngân hàng sẽ có nhiều thông tin từ dữ liệu thu thập để hiểu và hiểu sâu nhu cầu khách hàng. Dữ liệu về thời gian và cách thức khách hàng tương tác sẽ giúp ngân hàng phát triển các dịch vụ tốt hơn theo mong muốn và thói quen cụ thể của từng nhóm khách hàng. Chẳng hạn, dữ liệu lịch sử liên quan đến chi tiêu của khách hàng, ngân hàng sẽ biết khách hàng có mức lương theo tháng, số tiền chuyển đến tài khoản tiết kiệm, số tiền chi tiêu hàng tháng cho các dịch vụ tiện ích. Điều này là cơ sở để cung cấp các phân tích xa hơn, như dựa vào điều kiện kinh tế vĩ mô, số lượng tăng lên, mức chi tiêu vẫn đủ…, thì ngân hàng sẽ đánh giá rủi ro, sàng lọc cho vay, đánh giá các khoản thế chấp, và bán chéo nhiều sản phẩm tài chính khác nhau mang tính cá nhân hóa. Khi phân tích cơ bản về dữ liệu khách hàng ở chi tiêu, kênh giao dịch ưu tiên, thói quen thanh toán… được hoàn thành sẽ giúp ngân hàng phân lớp khách hàng theo những hồ sơ thích hợp. Có thể gồm: những khách hàng chi tiêu dễ dàng, các nhà đầu tư thận trọng, người trả nợ nhanh, người chây ì thanh toán nợ. Từ đây, ngân hàng sẽ có những kế hoạch kinh doanh chi tiết hướng đến từng khách hàng nhằm gia tăng lợi nhuận. Hai là, phát hiện, điều tra và ngăn chặn gian lận thanh toán. Một khi đã phân lớp khách hàng theo hồ sơ cụ thể, các ngân hàng có thể khoanh vùng báo hiệu đỏ nếu có một điều thái quá diễn ra. Cụ thể, nếu một nhà đầu tư thận trọng nhưng lại có giao dịch rút tiền toàn bộ số dư tài khoản qua ATM thì có thể kết luận đây là giao dịch lừa đảo hoặc bị đánh cắp. Đồng thời, một cuộc gọi cảnh báo tự động sẽ giúp giảm trừ rủi ro tức thời và gia tăng sự hài lòng của khách hàng. Ba là, đánh giá rủi ro, tuân thủ và báo cáo. Các ngân hàng chẳng những phân tích sâu dữ liệu và đưa ra các cảnh báo gian luận cho từng nhóm khách hàng, mà còn sử dụng đánh giá rủi ro khi giao dịch cổ phiếu hoặc thẩm định cho một khoản vay. Vì qua dữ liệu, ngân hàng hiểu được chi tiết lịch sử tín dụng, mô hình chi tiêu trước đây để nhanh chóng đưa ra đề xuất rủi ro khi tiến hành cho vay. Ngoài ra, các thuật toán cũng có thể giải quyết các vấn đề tuân thủ, kiểm toán và báo cáo nhằm hợp lý hóa các hoạt động giao dịch, và tiến hành xóa bỏ các chi phí liên quan đến quản lý. Bốn là, giảm trừ chi phí hoạt động và cải thiện hiệu suất kinh doanh ngân hang. Việc đầu tư vào công cụ dữ liệu lớn và phân tích dữ liệu như một chi phí khổng lồ trước mắt. Tuy nhiên, những hiệu quả đem lại là những tiết kiệm chi phí hoạt động về sau. Chẳng hạn, sử dụng phân tích dữ liệu lớn trong nội bộ ngân hàng có thể làm giảm chi phí hoạt động bằng cách phát hiện sự thiếu hiệu quả trong một số hoạt động chức năng khác nhau trong toàn bộ tổ chức. Từ đó, ngân hàng có thể đưa ra những biện pháp cải thiện hiệu suất hoạt động và cắt giảm những chi phí hành chính liên quan đến giấy tờ. Những chi tiêu trong hoạt động được cắt giảm còn có nghĩa là tiết kiệm nhiều hơn. Và các khoản tiết kiệm này nên đầu tư vào cải thiện chất lượng dịch vụ khách hàng và hiệu suất hoạt động phục vụ khách hàng giao dịch. 357
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” Năm là, phân tích phản hồi khách hàng và các đề xuất dịch vụ khách hàng. Trong dịch vụ khách hàng, khách hàng có thể phản hồi với trung tâm chăm sóc khách hàng hoặc thông qua biểu mẫu khảo sát của ngân hàng nhằm đưa ra ý kiến đánh giá chất lượng dịch vụ. Tuy nhiên, ngày nay, các khách hàng có nhiều khả năng chia sẻ ý kiến của họ thông qua các phương tiện truyền thông mạng xã hội. Các công cụ dữ liệu lớn có thể chọn lọc thông qua dữ liệu công khai này và thu thập toàn bộ các ý kiến về thương hiệu ngân hàng cũng như chất lượng phục vụ khách hàng. Qua đó, ngân hàng hiểu biết hơn về mong muốn của khách hàng và đưa ra những đề xuất phù hợp nhằm gia tăng sự hài lòng và lòng trung thành của khách hàng. 2.2. Dữ liệu lớn và quản trị dữ liệu trong ngân hàng Hiện nay, các dữ liệu bên trong ngân hàng có thể đến từ: (i) dữ liệu bên trong ngân hàng; (ii) dữ liệu từ internet; (iii) dữ liệu từ bên thứ ba cung cấp (Taylor-Sakyi, 2016). Từ trước, dữ liệu từ khách hàng, nhân sự, hoạt động quản trị…luôn quý giá và bảo mật; còn ngày nay, dữ liệu còn trở thành vũ khí cạnh tranh nhằm cá nhân hoá phục vụ khách hàng, gia tăng lợi nhuận, và quản lý chi phí hiệu quả…Trong đó, dựa trên tập hợp các dữ liệu có thể giúp ngân hàng đưa ra những quyết định kinh doanh đúng đắn, nhận diện được xu hướng, hành vi khách hàng, và tự động hoá mọi hoạt động kinh doanh ngân hàng. Tập hợp dữ liệu đồ sộ và phức tạp khiến ngân hàng khó có thể quản lý theo cách truyền thống, nên yêu cầu một hệ thống quản trị dữ liệu mới cần được triển khai. Do đó, khái niệm quản trị dữ liệu mới được định nghĩa lại cho phù hợp với bối cảnh mới. Theo Học viện Quản trị dữ liệu: “Quản trị dữ liệu là hệ thống các quyền quyết định, trách nhiệm và thực thi các hoạt động có liên quan đến dữ liệu dựa trên hệ thống đã được quy định, trong đó mô tả ai có thể thực hiện các quyết định gì với các thông tin nào, khi nào trong hoàn cảnh nào và sử dụng phương pháp gì”. Hiểu một cách đơn giản thì quản trị dữ liệu là một tập hợp các quy trình đảm bảo rằng các tài sản dữ liệu quan trọng được quản lý xuyên suốt trong toàn ngân hàng, thông qua đó dữ liệu được kiểm soát chặt chẽ hơn và nâng cao độ tin cậy để sử dụng vào các quy trình hoạt động kinh doanh và điều hành. Bên cạnh đó, Hiệp hội Quản lý dữ liệu quốc tế (Data Management Association – DAMA) mô tả khung quản trị dữ liệu sẽ bao gồm 10 yếu tố cấu thành (Phạm Mạnh Hùng và cộng sự, 2021): Kiến trúc dữ liệu Thiết kê và duy trì Chất lượng dữ liệu mô hình dữ liệu Siêu dữ liệu Lưu trữ và vận hành Kho dữ liệu và báo Bảo mật cáo thông minh Dữ liệu chủ và tham Tích hợp dữ liệu chiếu Quản lý tài liệu và nội dung Hình 2: Khung quản trị dữ liệu 10 thành tố Nguồn: Hiệp hội quản lý dữ liệu quốc tế 358
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” Từ trước đến nay, các ngân hàng thường để dữ liệu hoạt động kinh doanh rải rác ở nhiều bộ phận trong hệ thống, nên khi vận hành quản trị dữ liệu sẽ tập hợp và thống nhất dữ liệu trên toàn hệ thống ngân hàng. Hơn nữa, quản trị dữ liệu sẽ thiết lập các chính sách thống nhất về việc sử dụng dữ liệu cũng như thiết lập cơ chế phân quyền và giám sát việc sử dụng dữ liệu nhằm đạt được sự cân bằng giữa việc thu thập, sử dụng dữ liệu và nhiệm vụ bảo mật. Ngoài ra, quản trị dữ liệu còn chịu trách nhiệm về tính chính xác của dữ liệu và các báo cáo phân tích cũng như tính tuân thủ trong việc thu thập, xử lý và sử dụng dữ liệu. 3. NHỮNG ĐỀ XUẤT GIẢI PHÁP ỨNG DỤNG DỮ LIỆU LỚN VÀ QUẢN TRỊ DỮ LIỆU LỚN CHO HỆ THỐNG NGÂN HÀNG THƯƠNG MẠI TẠI VIỆT NAM Dữ liệu lớn và quản trị dữ liệu lớn mang lại rất nhiều lợi ích đối với hệ thống ngân hàng nói riêng và các định chế tài chính nói chung. Trong xu hướng chung, ngân hàng phải triển khai nhanh quá trình chuyển đổi số nhằm tập hợp dữ liệu và quản trị dữ liệu để khai thác những cơ hội kinh doanh mới, từ đó tạo được lợi thế cạnh tranh. Dựa trên nghiên cứu về dữ liệu lớn và quản trị dữ liệu, một số giải pháp được đề xuất như sau: Một là, ứng dụng dữ liệu lớn để phân tích hành vi và thói quen tài chính của khách hàng mục tiêu. Việc phân tích sâu dữ liệu từ khách hàng gồm: dữ liệu địa lý, dữ liệu hành vi, dữ liệu tâm lý, dữ liệu nhân khẩu học, ở khía cạnh tài chính sẽ giúp ngân hàng đề xuất những sản phẩm – dịch vụ phù hợp với nhu cầu hơn. Đồng thời, dựa trên phân tích dữ liệu có thể dự đoán được xu hướng hành vi của khách hàng mục tiêu trong tương lai. Để triển khai điều này thuận lợi hơn, đòi hỏi các ngân hàng phải tạo phễu hút dữ liệu khách hàng mục tiêu, khách hàng tiềm năng, khách hàng vãng lai… Hai là, ứng dụng dữ liệu lớn để phục vụ công tác thẩm định khách hàng và hướng đến sự tự động hoá trong phê duyệt hồ sơ tài chính – tín dụng của khách hàng. Điều này khi triển khai sẽ giúp ngân hàng tiết kiệm rất nhiều chi phí và gia tăng lợi thế cạnh tranh qua lãi suất, năng lực phục vụ khách hàng… Ba là, nâng cao chất lượng dịch vụ qua thu thập các phản hồi nhanh chóng từ khách hàng và phân tích chúng. Khách hàng có thể để lại phản hồi sau mỗi lần giao dịch hay mỗi lần nhận được tư vấn từ trung tâm hỗ trợ chăm sóc khách hàng hoặc qua các biểu mẫu phản hồi; nhưng thường xuyên (hay có thể nói nhiều khả năng) chia sẻ ý kiến thông qua các phương tiện truyền thông xã hội hơn, ví dụ Facebook, Zalo,…Các công cụ dữ liệu lớn có thể tìm kiếm chọn lọc thông qua các thông tin, feedback công khai trên các phương tiện truyền thông và thu thập tất cả những dữ liệu đề cập về thương hiệu của ngân hàng để có thể phản hồi nhanh chóng và đầy đủ đến khách hàng, ngoài ra, cũng hỗ trợ ngăn chặn các tin đồn thất thiệt ảnh hưởng đến hoạt động kinh doanh và niềm tin nơi khách hàng. Khi khách hàng cảm thấy ngân hàng lắng nghe, đánh giá cao ý kiến và thực hiện những cải tiến, thay đổi theo yêu cầu của họ thì sự trung thành dành cho thương hiệu sẽ gia tăng, hơn nữa cải thiện hình ảnh của ngân hàng. Bốn là, marketing hướng đến cá nhân hoá và phục vụ khách hàng trên cơ sở tương tác một đối một. Hoạt động này sẽ tạo sự trải nghiệm vượt trội cho bất cứ khách hàng nào sử dụng dịch vụ tài chính của ngân hàng đó. Yếu tố cá nhân hoá marketing còn giúp cung cấp chính xác, kịp thời các nội dung phù hợp nhất với nhu cầu tài chính hiện tại của khách hàng. Năm là, những giá trị của dữ liệu lớn trong hoạt động cải cách thủ tục giấy tờ cho khách hàng. Cụ thể: (i) giữa ngân hàng và khách hàng. Ngân hàng sẽ tiến hành truy cập dữ liệu và phân tích để đưa ra những đề xuất dịch vụ xoay quanh khách hàng. Tất cả dịch vụ được nhận 359
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” diện qua các tương tác trước kia của khách hàng nên mọi chứng từ được tự động hóa trên cơ sở nhu cầu hiện tại của khách hàng. Chẳng hạn, một khách hàng đề xuất vay thế chấp thì các dữ liệu được tập hợp tự động và kèm cả đề xuất rủi ro khi phát vay. Tất cả mọi giao dịch đều loại bỏ tối đa các thủ tục hành chính phức tạp cho khách hàng; (ii) giữa các bộ phận chức năng của ngân hàng. Việc phân tích dữ liệu lớn giúp ngân hàng phát hiện những thiếu hiệu quả của bộ phận chức năng và từ đó đề xuất các giải pháp cải thiện hiệu suất hoạt động, loại bỏ các giấy tờ vật lý và số hóa mọi hoạt động giao dịch nội bộ; (iii) giữa ngân hàng nhà nước và các tổ chức tài chính, đặc biệt là những ngân hàng, công ty tài chính. Mọi tương tác của các tổ chức tài chính được lưu trữ và phân tích bởi ngân hàng nhà nước. Điều này giúp NHNN giảm tối đa những biện pháp hành chính khi can thiệp thị trường, mà thay vào đó là ra quyết định dẫn dắt thị trường bởi công cụ phân tích dữ liệu. Không những vậy, phân tích dữ liệu lớn còn giúp NHNN phân loại nhóm tổ chức tài chính và đánh giá rủi ro các rủi ro xảy ra cũng như các báo cáo tuân thủ. Hoạt động thu thập dữ liệu lớn và phân tích dữ liệu sẽ giúp NHNN cải thiện hiệu suất hoạt động và loại bỏ hàng loạt các thủ tục hành chính cơ học vật lý và hướng đến số hóa mọi giao dịch. Ngoài ra, ngân hàng cũng cần tiến đến xây dựng hệ thống quản trị dữ liệu để khai thác hiệu quả các lợi ích của dữ liệu lớn. Cụ thể (Lại Thị Thanh Loan, 2020): Một là, xây dựng được ý thức rõ ràng về tầm quan trọng, vai trò cũng như các yêu cầu về quản trị dữ liệu trong tương lai dài hạn của ngân hàng. Từ đó, các quyết định về việc phân bổ nguồn lực, xây dựng chiến lược dài hạn về công nghệ, kinh doanh… sẽ được thực thi trên cơ sở cân nhắc đầy đủ các yếu tố. Hai là, triển khai việc quản trị dữ liệu trong ngân hàng theo đúng nhu cầu, đòi hỏi thực tế tại từng ngân hàng. Quá trình triển khai quản trị dữ liệu của ngân hàng nên bao gồm bốn bước là: Thiết lập cấu trúc quản trị; xây dựng các chính sách, quy trình; vận hành và thực thi các chính sách; kiểm soát hiệu quả của quản trị dữ liệu. Tùy theo đặc điểm của từng ngân hàng, các lãnh đạo của ngân hàng sẽ cân nhắc vào nguồn lực để xây dựng được bộ máy, quy trình quản trị dữ liệu một cách phù hợp với mục đích sử dụng. Trong quá trình đó, các ngân hàng nên tham khảo những phương thức thực hiện quản trị dữ liệu của các ngân hàng quốc tế đi liền với tuân thủ các quy định pháp lý về an toàn, bảo mật thông tin khách hàng. Ba là, đẩy mạnh ứng dụng công nghệ trong quản trị dữ liệu tại các NHTM giúp khai thác hiệu quả tài nguyên dữ liệu. Các ngân hàng không những càn quản trị dữ liệu tốt mà còn phải đẩy mạnh các công nghệ mới như học máy, trí tuệ nhân tạo… vào quá trình xử lý và ra quyết định. Khi đó, thế mạnh của quản trị dữ liệu tốt mới thật sự được phát huy tối đa. Bốn là, các ngân hàng nên bổ sung chức danh giám đốc điều hành dữ liệu (CDO) và làm rõ chức năng nhiệm vụ của CDO cũng như yêu cầu cụ thể về năng lực đáp ứng công việc (EY, 2018). Năm là, các ngân hàng phải thành lập bộ phân chuyên trách quản trị dữ liệu để liên kết các dữ liệu giữa các bộ phận và các đơn vị thành viên của ngân hàng. Các dữ liệu này phải đảm bảo sự chính xác và có tính bảo mật cao. Sáu là, các ngân hàng phải chuẩn bị cơ sở hạ tầng tốt cho công tác quản trị dữ liệu. Cơ sở hạ tầng ở đây bao gồm cơ sở hạ tầng về con người và công nghệ. Về con người, quản trị dữ liệu đòi hỏi các ngân hàng xây dựng các vị trí việc làm mới gắn liền với nền tảng công nghệ. Điều này đòi hỏi các ngân hàng xây dựng được chế độ đãi ngộ và đào tạo phù hợp giống như các công ty công nghệ, để có thể thu hút được nguồn nhân lực chất lượng cao. Đối với công nghệ, ngân 360
Hội thảo khoa học cấp Quốc gia “Phát triển kinh tế Việt Nam thích ứng với bối cảnh mới” hàng cần tăng cường ứng dụng những công nghệ mới nhất trong quản lý dữ liệu như điện toán đám mây, trí tuệ nhân tạo, học máy… để ứng dụng và khai thác hiệu quả nhất về dữ liệu lớn. 4. KẾT LUẬN Hiện nay, những ngân hàng nên thay đổi cách thức kinh doanh doanh cũ, vì không còn phù hợp trong bối cảnh đầy cạnh tranh. Do đó, ngân hàng và doanh nghiệp cần nắm bắt lẫn áp dụng các công nghệ mới nếu họ muốn thành công. Việc áp dụng các phân tích dữ liệu lớn, quản trị dữ liệu và đưa nó vào các quy trình công việc của ngành ngân hàng hiện tại là một trong những yếu tố then chốt của sự tồn tại và phát triển trong môi trường kinh doanh thay đổi nhanh chóng của thời đại số hóa. Lúc trước, các khách hàng thường cảm nhận ngân hàng là những tòa nhà nguy nga, tiện nghi với nhiều nhân viên làm việc giao dịch. Trong 10 năm qua, khách hàng đã nhận thức hơn về chất lượng dịch vụ và khả năng truy cập các dịch vụ ngân hàng trực tuyến. Trong 10 năm tới, khách hàng một lần nữa sẽ cảm nhận được sự thay đổi trong cách thức ngân hàng tiếp cận khách hàng qua dịch vụ có sự hiểu biết cá nhân hóa, cắt giảm các thủ tục giấy tờ hành chính, đề xuất bán chéo nhiều sản phẩm tài chính, đánh giá nhanh chóng các rủi ro với các quyết định tín dụng kèm theo. Giờ đây, các ngân hàng cần đầu tư mạnh mẽ hơn nữa về phân tích dữ liệu lớn, quản trị dữ liệu, các thuật toán trí tuệ nhân tạo AI và các công cụ công nghệ cao khác. TÀI LIỆU THAM KHẢO Tài liệu tham khảo tiếng Việt 1. Lại Thị Thanh Loan (2020). Quản trị dữ liệu trong ngân hàng và gợi ý cho Việt Nam. Tạp chí Ngân hàng, số 14. 2. Lisa Arthur (2015). Marketing theo dữ liệu lớn. NXB Trẻ. 3. Phạm Mạnh Hùng và cộng sự (2021). Quản trị dữ liệu ngân hàng trong kinh tế số. Tạp chí Thị trường Tài chính Tiền tệ, số 17. Tài liệu tham khảo tiếng Anh 1. E&Y and Tapestry Networks. (2018). Data governance: Securing the future of financial services. New York: Financial Services Leadership Summit. 2. Kevin Taylor-Sakyi (2016). Big Data: Understanding Big Data. 3. Kuchipudi Sravanthi, Subba Reddy (2015). Applications of Big data in Various Fields. International Journal of Computer Science and Information Technologies, Vol. 6 (5), 4629- 4632. 4. PwC Global (2016). Data Governance Survey Results: A European Comparison of Data Management Capabilities in Banks. Bài báo cáo Fintech. 5. Utkarsh Srivastava, Santosh Gopalkrisnan (2015). Impact of Big Data Analytics on Banking Sector: Learning for Indian Banks. Procedia Computer Science, Volume 50, Pages 643-652. --- Thông tin tác giả: - TS. Châu Đình Linh, trường đại học ngân hàng TPHCM, 36 Tôn Thất Đạm, Phường Nguyễn Thái Bình, Quận 1, TPHCM. Email: linhcd@buh.edu.vn Số điện thoại: 0988.954.930 Lĩnh vực nghiên cứu: Tài chính, ngân hàng, quản trị, lãnh đạo, hành vi khách hàng. 361

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.