Sử dụng big data và trí tuệ nhân tạo trong hoạt động của ngân hàng trung ương

Sử dụng big data trí tuệ nhân tạo hoạt động Ngân hàng Trung Ương Trong năm gần đây, với cách mạng công nghệ 4.0, ngân hàng trung ương (NHTW) b đầu đối mặt với xu hướng bùng nổ liệu lớn tài chính, phản ánh phối hợp phát triển nhanh chóng kỹ thuật in ấn điện tử ghi chép giao dịch tài chính, thương mại, quản lý hành Nhiều kỹ thuật nghiên cứu, triển khai phát tri ển, gọi “phân tích liệu lớn” “trí tuệ nhân tạo” Việc sử dụng kỹ thuật hứa hẹn đem đến nhiều hội cho NHTW thực tốt chức quan trọng mình, qua việc nâng cao chất lượng công tác phân tích, dự báo kinh tế, hoạch định sách NHTW Tuy nhiên, NHTW phải đối mặt với không thách thức Dữ liệu lớn (big data) m ột tập hợp liệu không đồng với đặc điểm chung khối lượng lớn, tốc độ nhanh, định dạng nhiều hình thức khác Dữ liệu lớn hình thành từ việc sử dụng ngày tăng công cụ điện tử hệ thống thông tin, t ổ chức cá nhân hình thành đ ời thường hình thức khác nhau, bao gồm nguồn liệu chủ yếu sau: (i) liệu hành chính; (ii) liệu hoạt động thương mại; (iii) liệu từ thiết bị cảm biến thiết bị chụp ảnh vệ tinh, cảm biến đường, cảm biến khí hậu; (iv) liệu từ thiết bị theo dõi; (v) liệu từ hành vi (như tìm kiếm trực tuyến); (vi) liệu từ thông tin ý kiến, quan điểm cá nhân phương ti ện thông tin xã hội Đặc trưng liệu lớn: Đặc trưng liệu lớn phân chia theo nhiều cách khác nhau, sau cách phân chia v ề đặc trưng liệu lớn (5V) - Khối lượng liệu (Volume): Đây đặc điểm tiêu biểu liệu lớn, khối lượng liệu lớn Kích cỡ big data ngày tăng lên Dữ liệu truyền thống lưu trữ thiết bị đĩa mềm, đĩa cứng Tuy nhiên, với liệu lớn sử dụng công nghệ “đám mây” đáp ứng khả lưu trữ liệu lớn - Tốc độ (Velocity): Tốc độ hiểu theo hai khía cạnh: (i) Khối lượng liệu gia tăng nhanh (mỗi giây có tới 72,9 triệu yêu cầu truy cập tìm kiếm Web bán hàng amazon); (ii) Xử lý liệu nhanh mức thời gian thực (real time), có nghĩa liệu xử lý sau phát sinh (tính mili giây) Hiện nay, ứng dụng phổ biến lĩnh vực Internet, tài chính, ngân hàng, hàng khơng, qn s ự, y tế phần lớn liệu lớn xử lý real time Công nghệ xử lý liệu lớn ngày cho phép xử lý tức trước chúng đư ợc lưu trữ vào sở liệu - Đa dạng (Variety): Đối với liệu truyền thống hay nói đến liệu có cấu trúc, ngày 80% d ữ liệu sinh khơng có c ấu trúc (tài liệu, blog, hình ảnh, video, hát, liệu từ thiết bị cảm biến vật lý,…) Big data cho phép liên k ết phân tích nhiều dạng liệu khác - Độ tin cậy/chính xác (Veracity): Một tính chất phức tạp liệu lớn độ tin cậy/chính xác liệu lớn Do xu hư ớng phát triển mạnh phương tiện truyền thông xã hội, mạng xã hội nên việc xác định độ tin cậy xác liệu ngày khó khăn - Giá trị (Value): Đây đ ặc điểm quan trọng liệu lớn, bắt đầu triển khai xây dựng liệu lớn việc phải làm xác định giá trị thông tin mang l ại nào? Khi đó, định triển khai hay không Bằng cách cung cấp thông tin tổng hợp, trực tiếp cụ thể hơn, xu hư ớng phát triển liệu lớn có tiềm củng cố kỹ thuật phân tích phục vụ việc định, góp phần bổ sung cho số kinh tế vĩ mô truyền thống Nhiều kỹ thuật triển khai phát triển, gọi “phân tích liệu lớn” “trí tuệ nhân tạo” So với kỹ thuật thống kê phân tích truyền thống, kỹ thuật hứa hẹn thể cách rõ ràng, nhanh chóng, k ịp thời có khả kết nối Do đó, nhiều NHTW bắt đầu đưa sáng kiến liệu lớn để khám phá vấn đề Cũng tổ chức khác, NHTW ph ải đối mặt với nhiều thách thức, việc xử lý sử dụng nguồn liệu lớn cho mục tiêu hoạch định sách Cụ thể là, phần lớn nguồn liệu đòi hỏi phải xử lý liệu lớn phức tạp, hi ệu đầu tư thường không rõ ràng Nhờ đổi cơng nghệ thơng tin, kỹ thuật sử dụng để thu thập khai thác liệu, kết hợp nguồn liệu khác nhau, chi ết xuất thơng tin thích h ợp, truyền thơng hay công bố số phù hợp, mở đường cho quy trình quy ết định tổ chức kinh tế Đến lượt nó, nguồn thơng tin cụ thể hỗ trợ hoạch định sách NHTW cách hiệu nhiều lĩnh vực thơng tin thị trường (phân tích rủi ro tín dụng), dự báo kinh tế, đánh giá ổn định tài chính, truyền thơng với bên ngồi Cách ti ếp cận cụ thể, nhằm vào thị trường, định chế địa phương định, việc hỗ trợ sách vĩ mơ thận trọng Hơn nữa, số liệu lớn thường có tính kịp thời cao so với liệu thống kê truyền thống Thí dụ, số lao động chiết xuất từ quảng cáo việc làm trực tuyến thực tế Trên thực tế, kỹ thuật phân tích liệu lớn khơng khác b iệt so với kỹ thuật kinh tế lượng truyền thống, d ựa vào nhiều phương pháp hệ kỹ thuật thiết lập thời gian dài qua nhiều hệ Thông tin liệu lớn NHTW Nguồn liệu lớn NHTW bao gồm ba nguồn sau: Các mạng xã hội; Các hệ thống kinh doanh truyền thống internet v ạn vật Đây phạm trù đa dạng thực tế sống, liệu lớn bao gồm nhiều loại liệu không đồng nhất, bắt nguồn từ ba nguồn liệu chủ yếu Trong nghiên cứu sâu NHTW, ông Bruno Tissot (Ngân hàng Thanh toán quốc tế - BIS) xác định bốn loại hình liệu lớn mơ tả liệu tài lớn: Các số dựa Web, liệu thương mại, số thị trường tài ghi chép hành (Hình1) Tuy nhiên, thực tế, đa phần liệu tài lớn phù hợp với NHTW bao gồm thông tin chi tiết, cung cấp ghi chép r ộng lớn ngày tăng giao dịch thương mại, phát triển thị trường tài nghiệp vụ hành Những thể loại thơng tin hình thành từ mở rộng liệu cấp vi mô đư ợc thu thập từ sau khủng hoảng tài tồn cầu 2007-2009 theo sáng kiến nước G20 Theo đó, nhiều NHTW có nỗ lực lớn việc soạn thảo sơ sở liệu chi tiết hoạt động cho vay đầu tư chứng khoán ghi chép giao d ịch phái sinh cá nhân Cơ hội cho NHTW Theo ghi nhận nhà tạo lập sách, liệu lớn đóng vai trò quan trọng việc nâng cao chất lượng nghiên cứu phân tích kinh tế Chính vậy, nhiều NHTW nghiên cứu cách thức sử dụng đặc điểm liệu tài lớn mục tiêu điều hành quản lý hoạt động tiền tệ - ngân hàng Trong đó, NHTW quan tâm triển khai dự án thử nghiệm khác nhằm hiểu sâu liệu kỹ thuật mới, đồng thời, đánh giá giá tr ị gia tăng so với cách tiếp cận truyền thống triển khai trường hợp sử dụng cụ thể Kết nghiên cứu thử nghiệm cho thấy hội việc phân tích liệu lớn cung cấp lĩnh vực chủ chốt mà NHTW quan tâm, chủ yếu tạo thơng tin th ống kê; phân tích dự báo kinh tế vĩ mô; giám sát th ị trường tài chính; đánh giá nh ững rủi ro tài chính; đánh giá tác động sách Cải tiến mở rộng thơng tin thống kê Dữ liệu lớn phương tiện có ích cho việc cải tiến quan thống kê thức, lẽ: Thứ nhất, liệu lớn sở để đổi tạo dựng quan thống kê thức, đưa cách tiếp cận liệu lớn cách có hệ thống Tại số nước phát triển, việc thu thập thông tin trực tiếp mạng liệu giá bán lẻ trực tuyến sử dụng để tính tốn xác cấu thành lạm phát giá th ực phẩm tươi sống Trong trường hợp cần thiết, liệu thay số truyền thống nước mà hệ thống thống kê thức chưa phát triển, cho phép tính tốn số lạm phát nước cịn thiếu vắng số thức tổng hợp Tương tự, nhiều NHTW nước biên soạn ước lượng nhanh giá mặt hàng tài sản tiêu biểu, cách thu thập thông tin trực tiếp mạng, thay phải tiến hành điều tra chuyên ngành nhiều thời gian tốn chi phí Thứ hai, liệu lớn hỗ trợ phát hành kịp thời liệu thức, cách bắc cầu độ trễ trước thống kê thức trở nên sẵn có Cụ thể là, thơng tin hình thành ch ớp nhống từ hàng loạt trang web thiết bị điện tử cung cấp số có tần suất cao (thường xuyên xuất hiện), giúp cho diễn biến kinh tế hành theo dõi kịp thời Thứ ba, cung cấp loại hình thống kê, bổ sung cho liệu thống kê truyền thống Trong số này, hai yếu tố quan trọng bao gồm: (i) Mức độ sẵn sàng ngày tăng nguồn thông tin điện tử, cho phép đo đạc số “mềm” cảm nhận kỳ vọng tổ chức kinh tế bắt nguồn từ cổng thông tin xã hội Hoạt động điều tra thống kê truyền thống cung cấp loại hình thơng tin này, t ập trung vào khoản mục đặc biệt kỳ vọng doanh nghiệp sản xuất niềm tin người tiêu dùng Trái lại, nguồn thông tin mạng internet phủ khắp chủ đề rộng lớn Tuy nhiên, nguồn thơng tin mang tính giáo huấn thấp so với điều tra trực tiếp, nên phản ánh thói quen suy nghĩ trung thực hơn; (ii) Xu hư ớng gia tăng sử dụng liệu chi tiết dung lượng lớn để cải tiến việc soạn thảo số kinh tế vĩ mô tổng thể, cho phép hiểu sâu lan truyền phân bổ loại thông tin hệ thống kế toán quốc gia Sử dụng liệu lớn dự báo kinh tế vĩ mô Nhiều NHTW sử dụng liệu lớn việc dự báo kinh tế vĩ mơ Trong đó, liệu lớn cho phép sử dụng rộng rãi số để dự báo số bản, nghiệp vụ thẻ tín dụng, nhi ều số truyền thống khác Tuy nhiên , khúc mắc nằm vấn đề cụ thể, cán thống kê cần thử nghiệm số cách tiếp cận (Thí dụ, số số sử dụng tốt cho việc dự báo tăng trưởng GDP, không dự báo diễn biến tương lai) Điểm khác cần lưu ý là, internet khôn g phải nguồn số sử dụng ngữ cảnh Trên thực tế, số số thu thập từ Website có kh ả dự báo thấp so với việc điều tra niềm tin kinh doanh truyền thống Với tầm nhìn mang tính báo trư ớc khả cân nhắc tiềm liệu rộng lớn, cần áp dụng quy trình c ấu tiến hành thử nghiệm Tháng 7/2018, NHTW New Zealand công b ố báo cáo đánh giá kết thực tế việc sử dụng phương pháp máy học (Machine learning) đ ể đưa dự báo xác GDP Theo đó, phương pháp đư ợc tiến hành theo hướng ước lượng số mơ hình máy học giai đoạn 2009-2018 cách sử dụng liệu GDP lịch sử, bao gồm khoảng 550 số kinh tế vĩ mô nư ớc quốc tế Sau so sánh với phương pháp khác mơ hình tự hồi quy đơn giản, mơ hình yếu tố, mơ hình tự hồi quy Bayesian nhóm mơ hình s dụng NHTW New Zealand Kết cho thấy, đa số mơ hình máy học cho kết xác so với phương pháp khác, có th ể trở thành cơng cụ thích hợp để dự báo GDP tương lai (Hình 2, 3) Cũng tháng 7/2018, NHTW Thái Lan gi ới thiệu cách tiếp cận việc sử dụng liệu tìm kiếm mạng internet vi ệc theo dõi số kinh tế, mục tiêu nhằm nâng cao chất lượng dự báo mô hình dự báo h ầu hết mơ hình khác Tuy nhiên, cách ti ếp cận gặp nhiều trở ngại triển khai áp dụng, nâng cao lực dự báo chưa thể đáp ứng yêu cầu nhà tạo lập sách liệu thường không đồng sai số mơ hình mẫu với việc lựa chọn thuật ngữ Nghiên cứu giới thiệu cách tiếp cận chuẩn mực để khắc phục hạn chế này, đồng thời, nâng cao độ tin cậy ý nghĩa liệu tìm kiếm qua mạng, số tương quan Google, v ẫn trì hiệu dự báo số kinh tế Theo đó, bốn số triển khai áp d ụng quy trình c NHTW Thái Lan theo dõi điều kiện kinh tế thực tế, bao gồm: (i) Sức mua hộ gia đình; (ii) Niềm tin khách hàng tiêu dùng theo h ộ gia đình; (iii) Chi tiêu c nhân việc mua sắm sản phẩm lâu bền; (iv) Tỷ lệ thất nghiệp Theo dõi dự báo thị trường tài Cũng lĩnh vực kinh tế vĩ mơ, phân tích liệu lớn có tác dụng việc giám sát dự báo phát triển thị trường tài chính, lĩnh vực chủ chốt NHTW Nhiều dự án lĩnh vực tạo thuận lợi cho việc xử lý khối lượng thông tin khổng lồ liệu tài Thí dụ, dự báo doanh thu th ị trường trái phiếu nước dựa việc sử dụng quy định kỹ thuật giao dịch Những loại hình dự án khác nghiên cứu liệu có cấu đơn giản NHTW Indonesia mô t ả cách thức mà phương pháp điện tốn khai thác liệu sử dụng để tính tốn kỳ vọng công chúng để định hướng mức lãi suất Tương tự, việc khai thác liệu thơng tin sử dụng để dự báo thu nhập cổ phiếu Ngồi ra, nguồn thơng tin cổng thơng tin xã h ội báo cáo thức coi có ích Kinh nghiệm rút từ số báo cáo NHTW cho thấy, nguồn liệu lớn thu thập giúp giải thích phát triển thị trường tài chính, mở đường cho định hướng tiềm tương lai Tại NHTW Nhật Bản (BoJ), việc sử dụng liệu có tần suất xuất cao tạo thuận lợi cho việc đánh giá khoản thị trường thị trường trái phiếu phủ rủi ro tiềm tàng biến động giá Ngoài ra, NHTW Vương qu ốc Anh thi ết lập dự án chuyên sâu để xác định động lực khoản thị trường ngoại hối vào thời điểm có thay đổi lớn thị trường Cơ quan Quản lý tiền tệ Hồng Kông nghiên cứu sử dụng quy định kỹ thuật giao dịch để dự báo doanh thu trái phi ếu phủ Dự án khảo sát khả dự báo 48 thị trường trái phiếu phủ dựa chiến lược 27.000 quy tắc (thói quen) kỹ thuật giao dịch Kết thực tế cho thấy: (i) Dựa tín hiệu mua bán bắt nguồn từ thói quen giao d ịch, dự báo hoạt động đầu tư thị trường trái phiếu phủ, đó, khả dự báo thị trường châu Á cao nhiều so với nước phát triển; (ii) Khả dự báo tăng cao Mỹ thắt chặt sách tiền tệ bước vào suy thoái; (iii) Tới 2/3 số thị trường trái phiếu phủ cho kết dự báo với độ xác cao, sử dụng phương pháp máy h ọc (Machine learning) để xác định chiến lược giao dịch tốt nhất; (iv) Khả dự báo cao n ền kinh tế yếu kém, trình độ quản lý thấp, độ mở tài thấp, rủi ro trị mức cao, thu nhập thấp lượng tiền thực tế tăng nhanh Đánh giá rủi ro tài Kỹ thuật nguồn liệu lớn tạo thuận lợi cho việc đánh giá rủi ro tài nâng cao l ực giám sát NHTW tầm vi mô vĩ mô Cụ thể là, việc triển khai phân tích liệu lớn mở cách thức đầy hứa hẹn việc sử dụng khối lượng lớn thông tin bắt nguồn từ liệu tài chi ti ết để đánh giá rủi ro tài Dựa nguồn thơng tin chi tiết NHTW thu thập từ sở liệu giám sát, kỹ thuật nghiên cứu sâu rộng sử dụng rộng rãi để dự báo khả vỡ nợ khoản nợ hạn Để tạo thuận lợi cho hoạt động giám sát, cách ti ếp cận bổ sung phương pháp điện toán nhằm giảm số lượng biến số cần xem xét Hơn nữa, phân tích liệu lớn hỗ trợ cho việc cải thiện quy trình đánh giá khu v ực tài hành, cách triển khai phương pháp h ệ truyền thống làm sáng t ỏ vấn đề phân tích tâm trạng tài chính, hệ thống cảnh báo sớm, kiểm tra sức chịu đựng phân tích mạng lưới Ngày 24/4/2017, Ơng Paul J Daries gi ới thiệu Tạp chí phố Wall (WSJ) phương pháp phân tích m ạng lưới mơ (mơ hình hóa) liệu tiên tiến, sử dụng để xác định điểm yếu hệ thống (tài chính), n ếu khơng bị bỏ sót Phương pháp đư ợc cán quản lý ngân hàng áp d ụng để quản lý rủi ro tài Trong đó, phương pháp phân tích m ạng lưới TS Kimmo Soramäki (ngư ời sáng lập lãnh đạo Cơng ty Phân tích m ạng lưới tài (FNA - Financial Network Analysis Ltd) áp d ụng cách tiếp cận mơ hình hóa cho phép ch ỉ rõ cách thức mà hàng nghìn, hàng tri ệu giao dịch đơn giản tạo hệ thống tài phức tạp thời gian bất ổn nhiều so với lý thuyết kinh tế truyền thống Cách tiếp cận đư ợc ngân hàng áp d ụng để tiến hành kiểm tra sức chịu đựng ngân hàng nhằm phát điểm yếu thị trường tài toàn c ầu, giúp quan quản lý tài - tiền tệ theo dõi phát khủng hoảng trước xảy Ngoài ra, phương pháp phân tích m ạng lưới tài giúp NHTW Colombia sử dụng liệu toán hệ thống tài để xây dựng cơng cụ phát rủi ro hệ thống Cụ thể là, NHTW Colombia sử dụng bảng cân đối kế toán liệu báo cáo định kỳ để nắm bắt tính khoản khả toán c khách hàng tham gia h ệ thống tài Colombia Trong đó, NHTW Anh (BoE) Văn phịng Nghiên cứu tài Mỹ nghiên cứu xây dựng mơ hình mạng lưới riêng ngân hàng, quản lý tiền tệ ngân hàng nhằm nghiên cứu cách thức mà cú sốc đổ vỡ ngân hàng động thái NHTW Thụy Sỹ từ bỏ đồng tệ (Frank) tạo mối liên kết đẩy USD tăng giá Sử dụng liệu lớn xây dựng sách NHTW Kinh nghiệm NHTW cho thấy, có nhiều hội phát triển nguồn liệu lớn kỹ thuật phân tích liên quan, m ối quan tâm nhà tạo lập sách Nhiệm vụ NHTW bao gồm nhiều lĩnh vực khác như: Chính sách tiền tệ; tốn, phát hành ti ền, quản lý dự trữ quốc gia, quản lý tổ chức tín dụng, giám sát tài chính, đánh giá x lý tác động sách Trong đó, liệu lớn mang lại lợi ích đáng kể Thí dụ, NHTW cần thơng tin thực tế tình hình kinh t ế vĩ mơ, tiềm phát triển, rủi ro liên quan đến triển vọng kinh tế Trong đó, kh ả chủ động vấn đề ổn định tài phụ thuộc đáng kể vào lực giám sát nắm bắt thông tin chi ti ết tầm vi mô mở rộng liệu chi tiết giao dịch tín dụng, hoạt động phát hành sở hữu chứng khoán Tuy nhiên, thách thức lớn tồn thực tế điều hành hoạt động NHTW, việc xử lý sử dụng kỹ thuật nguồn liệu lớn Nghiệp vụ xử lý liệu lớn công việc liên tục, việc thu thập xử lý thông tin, địi hỏi phải đầu tư, trang bị thêm công nghệ thông tin đắt tiền đảm bảo an toàn, bảo mật liệu Trong đó, chi phí b ộ máy vấn đề cần quan tâm Theo báo cáo NHTW Nhật Bản, cán thống kê thường phải chỉnh sửa phần lớn liệu giao dịch tài nhằm loại trừ liệu sai lầm, bổ sung điểm cịn thiếu… Cơng việc thường nhiều thời gian, cán thống kê cập nhật thông tin Nhiều chức năng, nhiệm vụ cần thực theo nhóm nghiên c ứu chuyên trách nhóm cán thống kê, công nghệ thông tin, chuyên gia nghiên c ứu liệu luật sư Rủi ro bắt nguồn từ giành giật nhân tài, doanh nghiệp khu vực tư nhân, vốn khó đầu tư vào liệu lớn Ngoài ra, vấn đề chủ chốt cần xem xét cách thức kết nối liệu thu thập mô hình thơng tin tổng hợp thơng suốt Như vậy, thách thức cán thống kê NHTW sử dụng có hiệu liệu sẵn có thiết lập khơng mục tiêu thống kê chuyên trách ều dẫn đến tình trạng mở rộng mức Trong nhiều trường hợp, điều địi hỏi lớn vào cơng việc chuẩn bị phải tuân thủ nguyên tắc quản trị liệu, bao gồm quy trình quản lý chất lượng liệu, xây dựng liệu thích hợp, phân công trách nhiệm giám sát Việc sử dụng liệu lớn thách thức quan qu ản lý nhà nước, nguyên nhân nh ững khác biệt lớn mẫu liệu lớn, thông tin thu th ập không cấu cẩn thận Hơn nữa, mơn phân tích liệu lớn thường phụ thuộc vào mơ hình phân tích tương quan, mơ hình phản ánh tính liên kết quan hệ nhân Chưa hết, khác biệt thông tin thu thập cho thấy thiếu hụt thơng tin Khác v ới mơ hình điều tra thống kê truyền thống, liệu lớn đề cập đến toàn dân số, nên việc thiết kế thường khơng chỉnh sửa sai sót Nh ầm lẫn thông thường cộng đồng bắt nguồn từ quan niệm cho rằng, liệu lớn có quy mơ q lớn, nên đại diện cho nhiều nhóm lợi ích Tuy nhiên, điều chưa chắn, khác biệt lớn cấu tồn thực tế, đối chiếu với mơ hình xác suất truyền thống quy mơ nhỏ Thí dụ, quan sát tính tốn giá trực tiếp, tất giao dịch mua bán tiến hành lợi ích Chênh lệch tính tốn trở thành vấn đề lớn giá trực tuyến khác xa giá quan sát kho hàng, ho ặc sản phẩm mà khách hàng mua trực tuyến không giống với sản phẩm mua cửa hàng Thách thức bắt nguồn từ hai đặc điểm khác NHTW Thứ tính độc lập tầm quan trọng NHTW việc trì niềm tin cơng chúng Do chất lượng liệu lớn khơng phải tiêu chí cần thiết thống kê thức, sai lầm việc sử dụng liệu vào động thái sách có th ể dẫn đến vấn đề rủi ro đạo đức, danh tiếng hiệu Tương tự, bí mật thơng tin không bảo vệ cẩn thận, niềm tin vào khu vực cơng bị suy giảm, điều đặt vấn đề thẩm quyền NHTW việc thu thập, xử lý truyền bá thông tin bắt nguồn từ liệu lớn việc đưa định sách bắt nguồn từ liệu Điều đòi hỏi NHTW phải tái đảm bảo liệu sử dụng theo mục tiêu có lý, đồng thời, phải giới hạn nhóm đối tượng phép tiếp cận, lưu giữ an toàn xét mặt bảo mật Hiện nay, việc tiếp cận thông tin chi tiết đặt cần thiết phải cân nhắc thận trọng yêu cầu bảo vệ quyền riêng tư doanh nghiệp cá nhân liên quan Th ứ hai NHTW quan t ạo lập sách với định ảnh hưởng đến hệ thống tài chính, cần thu thập thông tin Tuy nhiên, ph ản ứng thành viên tham gia th ị trường thường khác với liệu tài thu thập (và để xây dựng giải pháp sách) Kết là, động thái sách dẫn đến thay đổi thực tế, ảnh hưởng đến uy tín cán tạo lập sách Trong tương lai, ngu ồn liệu lớn kỹ thuật phân tích kỳ vọng mang lại lợi ích lớn cho nhà tạo lập sách Tuy nhiên, liệu lớn nhìn nhận có tác dụng bổ sung thay khung khổ thống kê hành Nhiều khó khăn, thách thức nảy sinh, khơng độ xác, tính minh b ạch, yêu cầu bảo mật vấn đề đạo đức Những hạn chế gắn liền với nguồn liệu lớn kỹ thuật phân tích Thực tế thách thức lớn cán tạo lập sách vốn cần truyền thơng rõ ràng v ề tính hợp lý minh bạch phía sau phân tích quy ết định họ Hơn nữa, nhiều điểm lớn chưa rõ ràng tồn hàng loạt vấn đề liên quan đến hạ tầng công nghệ thông tin tiềm sử dụng dịch vụ điện toán đám mây, vi ệc triển khai, áp dụng quy trình m ới (như chữ mật mã, kỹ thuật nặc danh) để tạo thuận lợi cho việc sử dụng liệu vi mô mà khơng ảnh hưởng đến vấn đề bí mật Trong ngữ cảnh vậy, chưa thể hình dung cách rõ ràng triển vọng mà phát triển liệu lớn dẫn đến thay đổi cách thức quản lý, điều hành NHTW, nguyên nhân b ản phạm trù liệu lớn tương đối mẻ hoạt động khai thác loại hình thơng tin kỹ thuật Một số đề xuất Để thực thành công Chiến lược phát triển ngành Ngân hàng đ ến năm 2025, định hướng đến năm 2030 (theo Quyết định số 986/QĐ-TTg ngày 08/8/2018 Thủ tướng Chính phủ), NHNN cần tiến hành nghiên cứu tiến tới sử dụng liệu lớn trí tuệ nhân tạo việc thực chức quan trọng NHTW để nâng cao chất lượng cơng tác phân tích, dự báo kinh tế, hoạch định sách tiền tệ quản lý hoạt động ngân hàng Theo đó, NHNN c ần tăng cường việc ứng dụng công nghệ thông tin, phát triển nguồn nhân lực có chất lượng cao, coi thành tố quan trọng thúc đẩy việc đại hóa hoạt động quản lý, điều hành NHNN; kịp thời nắm bắt hội thách thức cách mạng công nghiệp 4.0 để đổi cấu tổ chức, quy trình nguồn lực, với mục tiêu hướng tới hoạt động tảng công nghệ đại; đồng thời, đảm bảo an ninh, bảo mật hệ thống thông tin tron g quản trị, điều hành cung cấp dịch vụ ngân hàng Cụ thể là: - Một là, tiếp tục hồn thiện khn khổ pháp lý hoạt động công nghệ thông tin; Xây dựng sở pháp lý cho việc ứng dụng công nghệ cách mạng công nghiệp 4.0 vào hoạt động NHNN; Xây dựng hoàn thiện sở liệu chuyên ngành dùng chung, đ ồng thời, hoàn thiện chế thu thập, chia sẻ thông tin không gian m ạng, bảo đảm tự động hóa, an tồn bảo mật - Hai là, tăng cường việc ứng dụng công nghệ thông tin hoạt động NHNN; ứng dụng thành công công ngh ệ bật cách mạng 4.0 như: Điện toán đám mây (cloud computing), phân tích d ữ liệu lớn (Big data analytics), trí tuệ nhân tạo (Artificial intelligence), chu ỗi khối ( Block chain), robot tự động… vào hoạt động nghiệp vụ để tạo thay đổi cách thức quản lý, điều hành cung c ấp dịch vụ ngân hàng - Ba là, tiếp tục hoàn thiện hệ thống báo cáo thống kê tiền tệ để đổi nâng cao chất lượng, hiệu công tác thống kê, phân tích, dự báo phục vụ đạo, điều hành NHNN; Triển khai nghiên c ứu để tích hợp nguồn liệu bổ sung cho nguồn liệu thức lĩnh vực ngân hàng Tăng cường việc phối hợp với Bộ, ngành, Tổng cục Thống kê việc thu thập thông tin thống kê, góp phần nâng cao chất lượng số liệu, thơng tin thống kê (tính kịp thời, đầy đủ xác), t ận dụng nguồn lực công tác th ống kê - Bốn là, phát triển nguồn nhân lực: Nghiên cứu, xây dựng trình cấp có thẩm quyền phê duyệt chế độ đãi ngộ, đào tạo, tuyển dụng phù hợp để thu hút nhân tài làm việc NHNN - Năm là, tăng cường hợp tác quốc tế để tiếp cận nhanh công ngh ệ ứng dụng hoạt động NHTW, thúc đẩy việc chuyển giao công nghệ  ... computing), phân tích d ữ liệu lớn (Big data analytics), trí tuệ nhân tạo (Artificial intelligence), chu ỗi khối ( Block chain), robot tự động? ?? vào hoạt động nghiệp vụ để tạo thay đổi cách thức quản... cứu tiến tới sử dụng liệu lớn trí tuệ nhân tạo việc thực chức quan trọng NHTW để nâng cao chất lượng cơng tác phân tích, dự báo kinh tế, hoạch định sách tiền tệ quản lý hoạt động ngân hàng Theo... quốc gia Sử dụng liệu lớn dự báo kinh tế vĩ mô Nhiều NHTW sử dụng liệu lớn việc dự báo kinh tế vĩ mơ Trong đó, liệu lớn cho phép sử dụng rộng rãi số để dự báo số bản, nghiệp vụ thẻ tín dụng, nhi