(Tiểu luận) đề tài ứng dụng big data trong ngành ngân hàng kinh nghiệm big data trên thế giới và ở việt nam

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN VIỆN NGÂN HÀNG – TÀI CHÍNH BÀI TẬP NHĨM Mơn Ngân hàng thương mại Đề tài: Ứng dụng Big Data ngành ngân hàng Kinh nghiệm Big Data giới Việt Nam Nhóm sinh viên thực hiện: Nguyễn Ngọc Minh – 11218884 Đàm Minh Ngọc – 11218890 Nguyễn Mai Linh – 11213284 Nguyễn Trà My – 11214061 Nguyễn Thị Quỳnh Anh – 11218848 Giảng viên hướng dẫn: TS Phùng Thanh Quang Hà Nội , 02/2023 Mục lục Tổng quan Big Data 1.1 Khái niệm Big Data 1.2 Đặc điểm Big Data 1.3 Quy trình ứng dụng Big Data 1.4 Ứng dụng Big Data lĩnh vực nói chung Big Data lĩnh vực ngân hàng 11 2.1 Nguồn phân loại liệu lớn lĩnh vực ngân hàng 11 2.2 Ứng dụng Big Data lĩnh vực ngân hàng 14 Ứng dụng Big Data ngân hàng giới 22 3.1 JPMorgan Chase & Co 22 3.2 Bank of America (BoA) vs Plaid (Cơng cụ giám sát tài chính) 27 Ứng dụng Big Data ngân hàng Việt Nam 29 4.1 Thực trạng ứng dụng Big Data ngân hàng Việt Nam 29 4.2 VIB: Ứng dụng Big Data cấp duyệt thẻ tín dụng 30 Tài liệu tham khảo: 35 Đặt vấn đề Cuộc cách mạng công nghệ 4.0 pha trộn công nghệ, vật lý, kỹ thuật số sinh học Về bản, cách mạng thay đổi sản xuất nhờ vào ứng dụng tảng công nghệ công nghệ số hóa, robot hóa, AI Internet vạn vật (IOT) Sự cải tiến công nghệ số thúc đẩy kinh tế hình thức kinh doanh doanh nghiệp tiến sang bước mới, đánh dấu đời thương mại điện tử, toán khơng dùng tiền mặt, tự động hóa nhiều dịch vụ đời, hỗ trợ tốt hơn, thay công việc người Không AI, trình thay đổi cách mạng đánh dấu quan trọng kỹ thuật đời Big Data Đặc thù hoạt động ngành ngân hàng tạo khối liệu khổng lồ từ liệu có cấu trúc lịch sử giao dịch, hồ sơ khách hàng đến liệu phi cấu trúc hoạt động khách hàng website, ứng dụng ngân hàng di động (mobile banking), ngân hàng điện tử (internet banking), ứng dụng công nghệ AI Big Data xu hướng tất yếu Các ứng dụng Big Data bật ngành ngân hàng bao gồm tự động hóa chăm sóc khách hàng, cá nhân hóa trải nghiệm dịch vụ khách hàng, tăng cường an ninh bảo mật, nhận diện mơ hình (pattern) phát gian lận, tối ưu hóa quy trình, tham gia vào q trình quản lý rủi ro tín dụng, phân tích phản hồi khách hàng… Nghiên cứu Manyika, J (2017) cho thấy, khoảng 30% tất cơng việc NHTM tự động hóa thơng qua cơng nghệ chìa khóa cho vấn đề nằm Big Data Do mà phân tích liệu lớn khơng giúp ngân hàng rút ngắn thời gian có thơng tin cần thiết mà đem lại hiểu biết sâu sắc khách hàng đến từ liệu phi cấu trúc bị bỏ qua trước Nó tạo nên cách mạng lớn lĩnh vực ngân hàng trở thành nguồn cung cấp thông tin quan trọng để phát triển, cải thiện dịch vụ ngân hàng Bài viết chúng em xin trình bày ứng dụng Big Data vào lĩnh vực ngân hàng vấn đề cần quan tâm Tổng quan Big Data 1.1 Khái niệm Big Data Big Data hay “dữ liệu lớn” thuật ngữ tập liệu khổng lồ phức tạp, đến mức khó xử lý phương pháp truyền thống Định nghĩa nhiều nhà nghiên cứu chấp nhận rộng rãi công ty Gartner, theo “Big Data tài sản thơng tin có dung lượng lớn, tốc độ cao và/hoặc đa dạng cao địi hỏi hình thức xử lý thơng tin sáng tạo, có hiệu chi phí giúp nâng cao hiểu biết sâu sắc để đưa định tự động hóa quy trình” 1.2 Đặc điểm Big Data Nghiên cứu Doug Laney (2001) liệu lớn có ba đặc trưng (3V’s) là: Khối lượng (Volume), Vận tốc (Velocity), Đa dạng (Variety) Đến năm 2012, đặc trưng liệu lớn cập nhật thêm hai đặc trưng tính giá trị (Value) tính xác thực (Veracity) Volume (khối lượng): đặc trưng quan trọng liệu lớn, mơ tả kích thước, khối lượng liệu Mỗi sở liệu lớn độc lập thường có kích thước từ vài tá TB (1TB = 1024 GB) PB (1PB = 1024 TB) Đặc điểm yêu cầu khả phần cứng nhằm cung cấp không gian lưu trữ lớn để làm tảng cho việc khai thác thông tin tiềm ẩn liệu lớn Doanh nghiệp thu thập liệu cho Big Data từ nhiều nguồn khác nhau, từ giao dịch, thiết bị thông minh, thiết bị công nghiệp, video, hình ảnh, âm thanh, phương tiện truyền thơng xã hội Trước đây, việc lưu trữ tất liệu tốn việc lưu trữ đã bớt tốn nhờ sử dụng hồ sơ liệu, liệu đám mây để giảm bớt gánh nặng Velocity (vận tốc): đề cập đến tốc độ liệu tạo tốc độ xử lý liệu Dữ liệu tạo với tốc độ nhanh không gây áp lực đến khả lưu trữ tức thời mà yêu cầu khả trích xuất xử lý liệu cách nhanh chóng sau Do đó, liệu thường xử lý theo thời gian thực (Real-time analytics) trước lưu trữ để đảm bảo khả lưu trữ tồn mà khơng vứt bỏ thơng tin hữu ích Ngồi ra, với nhu cầu phản hồi liệu áp dụng nhiều lĩnh vực sống, ví dụ chuyển nhận tiền, toán lĩnh vực ngân hàng đặt yêu cầu liệu cần xử lý theo thời gian thực Variety (đa dạng): mô tả sở liệu lớn thu thập từ nhiều nguồn khác dẫn đến loại liệu khác Dữ liệu thu thập nhiều định dạng khác từ liệu số, có cấu trúc sở liệu truyền thống đến tài liệu văn phi cấu trúc, email, video, âm thanh, liệu mã chứng khoán giao dịch tài (unstructured and structured information) Với bùng nổ cảm biến, thiết bị thông minh, mạng xã hội, sở liệu doanh nghiệp trở nên phức tạp chứa đựng liệu truyền thống (được phân tích lưu trữ thơng tin sở liệu quan hệ “relational database” hay sở liệu dạng phẳng “Flat Database”, giúp người dùng dễ dàng phân tích thơng tin thơng qua công cụ xử lý liệu truyền thống, điển Excel) liệu thơ Với đa dạng này, cơng nghệ phân tích truyền thống khơng thể áp dụng mà địi hỏi cơng nghệ phân tích liệu phi truyền thống Veracity (tính xác thực): tính chất phức tạp Big Data, đề cập đến không quán khơng chắn liệu, liệu có sẵn đơi lộn xộn, chất lượng độ khác khó mà kiểm sốt Tính xác thực khó liệu hàng loạt tạo nhầm lẫn liệu truyền tải khơng đủ Value (giá trị): đặc điểm quan trọng Big Data khiến cho doanh nghiệp xây dựng sở hạ tầng thông tin để lưu trữ khai thác Dữ liệu lớn có giá trị tiềm lớn trường hợp truy cập vào để trích xuất khơng trở nên vơ dụng Như vậy, mục tiêu việc thu thập, lưu trữ xử lý lượng liệu khổng lồ tìm kiếm mối quan hệ rõ ràng ẩn bên liệu để biến thành thơng tin có giá trị 1.3 Quy trình ứng dụng Big Data 1.3.1 Xây dựng chiến lược Big Data Ở cấp độ cao, chiến lược Big Data kế hoạch thiết kế để giúp bạn giám sát cải thiện cách thu thập, lưu trữ, quản lý, chia sẻ sử dụng liệu cho doanh nghiệp Khi phát triển chiến lược Big Data, điều quan trọng phải xem xét mục tiêu sáng kiến tại, tương lai doanh nghiệp Điều đòi hỏi việc doanh nghiệp phải coi Big Data giống tài sản kinh doanh có giá trị thay cơng cụ thơng thường 1.3.2 Xác định nguồn liệu Big Data Dữ liệu truyền trực tiếp: liệu từ Internet of Things (IoT) thiết bị kết nối truyền vào hệ thống công nghệ thông tin từ thiết bị điện thoại thông minh, ô tô thông minh Dữ liệu hành hồ sơ bệnh án điện tử, hồ sơ bảo hiểm, hồ sơ ngân hàng; … • Dữ liệu từ hoạt động thương mại giao dịch tín dụng, giao dịch qua mạng thiết bị di động • Dữ liệu từ thiết bị cảm biến hình ảnh từ vệ tinh, cảm biến đường, khí hậu • Dữ liệu từ thiết bị theo dõi điện thoại di động, GPS • Dữ liệu hành vi tìm kiếm trực tuyến sản phẩm dịch vụ Bạn phân tích Big Data truyền đến, định liệu nên giữ khơng giữ liệu cần phân tích thêm Social Media (Facebook, YouTube, Instagram, …): Big Data dạng hình ảnh, video, giọng nói, văn âm thanh, hữu ích cho chức tiếp thị, bán hàng hỗ trợ Dữ liệu thường dạng phi cấu trúc bán cấu trúc, đặt thách thức riêng cho việc tiêu thụ phân tích • Document continues below Discover more from: hàng Ngân thương mại NHTM1121 Đại học Kinh tế… 999+ documents Go to course Bài tập Ngân hàng 21 thương mại gửi lớ… Ngân hàng… 100% (13) Dàn ý phân tích nhân vật Võ Tịng Ngân hàng thương… 94% (17) đề cương ôn tập 41 ngân hàng trung… Ngân hàng thương… 100% (5) Luận Văn Phát Triển 82 Cho Vay Khách Hàn… Ngân hàng thương… 100% (5) Luận Văn Quản Trị 103 Rủi Ro Tín Dụng Tại… Dữ liệu có sẵn cơng bố: thơng tin, liệuNgân đượchàng công bố rộng 100% (4) thương… rãi cơng khai trang web thức Chính phủ nước Các nguồn khác: số nguồn liệu khác đến từ khách hàng, nhà cung cấp liệu đám mây Bank Management & 1.3.3 Truy cập, quản lý lưu trữ Big Data 768 Financial Services… Các hệ thống máy tính đại cung cấp tốc độ, sức mạnh tính linh hoạt Ngânvàhàng 100% (4) cần thiết để nhanh chóng truy cập số lượng lớn loại liệu lớn thương… Cùng với khả truy cập đáng tin cậy, công ty cần có phương pháp tích hợp liệu, xây dựng đường ống dẫn liệu, đảm bảo chất lượng liệu, cung cấp khả quản lý lưu trữ liệu chuẩn bị liệu để phân tích Một số liệu lớn lưu trữ chỗ kho liệu truyền thống có tùy chọn linh hoạt, chi phí thấp để lưu trữ xử lý liệu lớn thông qua giải pháp đám mây, hồ liệu, đường ống liệu Hadoop Theo báo cáo tập đoàn liệu quốc tế (IDC- International Data Corporation, 2021), năm 2020 có 64,2 ZB (Zettabyte1) liệu tạo lượng liệu sinh ngày lớn tổng lượng liệu tạo năm thời điểm năm 2000 Nhiều tổ chức nhận thấy phương pháp quản lý liệu truyền thống trở nên lỗi thời, chậm để đưa phản hồi (Michael Lock, 2017) Chẳng hạn với giải pháp xây dựng kho liệu (data warehouse) giúp tổ chức doanh nghiệp tích hợp liệu từ nhiều hệ thống khác phận, phòng ban Cách thiết kế triển khai kho liệu làm đơn giản hóa việc truy cập liệu, đồng thời hỗ trợ cho tổ chức việc đưa câu trả lời cần thiết kinh doanh Tuy vậy, khối lượng liệu tăng lên ngày dẫn đến thách thức ngày lớn kho liệu phải đối mặt với vấn đề phản hồi, đưa kết chuyên sâu từ liệu thu Do đó, giải pháp hồ liệu (data lake) đời để khắc phục hạn chế mà kho liệu chưa làm Hồ liệu kho lưu trữ tập trung cho phép bạn lưu trữ tất liệu có cấu trúc phi cấu trúc quy mơ Nó giống kho liệu thơ mà mục đích chưa biết đến Các cơng ty thường lưu trữ liệu hữu ích cho phân tích tương lai hồ liệu Với đặc tính lưu trữ liệu thô, hồ liệu mang lại số lợi ích: Khai thác giá trị từ kiểu liệu, không giới hạn kiểu liệu nào; tính linh hoạt hồ liệu thể việc gần không thực tiền xử lý liệu ban đầu để thích ứng với lược đồ cho phép phân tích luồng liệu cách kịp thời; lưu trữ loại liệu có cấu trúc phi cấu trúc dạng thơ ban đầu, liệu hệ thống quản trị quan hệ khách hàng đăng mạng xã hội; không giới hạn phương pháp truy vấn liệu, xử lý khắc phục tượng thông tin xuất rời rạc hệ thống khác tổ chức; cung cấp quyền truy cập liệu thông qua chế độ xem liệu thống toàn hệ thống tổ chức 1.3.4 Tiến hành phân tích liệu Với cơng nghệ hiệu suất cao điện tốn lưới phân tích nhớ, tổ chức, doanh nghiệp chọn sử dụng tất liệu lớn họ để phân tích Một cách tiếp cận khác xác định trước liệu có liên quan trước phân tích Dù cách nào, phân tích liệu lớn cách công ty thu giá trị thông tin chi tiết từ liệu Ngày nay, nguồn cấp liệu lớn cung cấp nỗ lực phân tích nâng cao trí tuệ nhân tạo (AI) máy học 1.3.5 Dựa liệu, đưa định Dữ liệu đáng tin cậy, quản lý tốt dẫn đến phân tích đáng tin cậy định sáng suốt Để trì tính cạnh tranh, doanh nghiệp cần nắm bắt toàn giá trị liệu lớn hoạt động theo hướng liệu để đưa định dựa liệu chứng minh rõ ràng Các tổ chức, doanh nghiệp dựa liệu hoạt động tốt hơn, dễ dự đoán sinh nhiều lợi nhuận 1.4 Ứng dụng Big Data lĩnh vực nói chung 1.4.1 Y tế, chăm sóc sức khỏe Trong ngành y tế, Big Data không ứng dụng để xác định phương hướng điều trị mà giúp cải thiện q trình chăm sóc sức khỏe Big Data giúp dự đốn thời điểm cần có mặt bác sĩ, giúp theo dõi tình trạng bệnh nhân để theo dõi hồ sơ sức khỏe điện tử, theo dõi bệnh nhân gửi báo cáo cho bác sĩ liên quan Ngồi ra, Big Data cịn đánh giá triệu chứng xác định nhiều bệnh giai đoạn đầu, lưu giữ hồ sơ nhạy cảm bảo mật lưu trữ lượng liệu khổng lồ cách hiệu Đặc biệt, dự báo trước khu vực có nguy bùng phát dịch bệnh nguy hiểm 1.4.2 Thương mại điện tử Đối với ngành thương mại điện tử, doanh nghiệp sở hữu ứng dụng tốt Big Data tạo lợi cạnh tranh lớn thị trường Big Data giúp nhà quản lý xác định sản phẩm xem nhiều để tối ưu thời gian hiển thị, tự gửi mã ưu đãi cho sản phẩm khách hàng bỏ vào giỏ hàng không mua Đặc biệt, Big Data phân tích hành vi, sở thích, quan tâm