Bằng việc tổng hợp một lượng thông tin vô cùng lớn từ nhiều nguồn cung khácnhau, Big Data dần trở thành một công cụ hỗ trợ đắc lực không thể thiếu cho việc đưara các quyết định cho nhiều
HỌC VIỆN NGÂN HÀNG KHOA QUẢN TRỊ KINH DOANH BÀI TẬP LỚN Học phần: Năng lực số ứng dụng TÊN ĐỀ TÀI: “Ứng dụng Big data hoạt động ngân hàng” Giảng Viên: Nguyễn Thị Yến NHÓM THỰC HIỆN: NHÓM Danh sách sinh viên: Lưu Văn Tân - 25A4031627 Đặng Tiến Đạt - 25A4030355 Vũ Huy Quang Minh - 25A4031253 Nguyễn Cảnh Kỳ - 25A4030896 Nguyễn Thế Đạt - 25A4030357 LỚP K25QTKDB Hà Nội, năm 2022 ii TÊN ĐỀ TÀI: “Ứng dụng Big data hoạt động ngân hàng” Giảng Viên: Nguyễn Thị Yến BẢNG PHÂN CHIA VÀ KẾT QUẢ CƠNG VIỆC CỦA NHĨM SỐ TRAN G KẾT QUẢ 100 % 3-4 100 % 1.1, 1.2, 1.3 100 % Đặng Tiến Đạt 2.3 3-4 100 % Nguyễn Cảnh Kỳ CHƯƠNG 100 % ST T TÊN Lưu Văn Tân (leader) Vũ Huy Quang Minh Nguyễn Thế Đạt Chữ ký NHIỆM VỤ ĐƯỢC PHÂN CÔNG MỞ ĐẦU, 2.1, 2.2, MỤC LỤC,sửa word hoàn thành KẾT LUẬN, 1.4, tổng hợp danh sách TLTK MỞ ĐẦU 1 Lý lựa chọn đề tài Mục tiêu nhiệm vụ nghiên cứu .1 Bố cục đề tài .1 NỘI DUNG CHƯƠNG 1: LÝ THUYẾT VỀ BIG DATA 1.1 Khái niệm Big data 1.2 Nguồn gốc hình thành Big data .3 1.3 Các đặc trưng Big data 1.3.1 Dung lượng .3 1.3.2 Tốc độ xử lý 1.3.3 Tính đa dạng 1.3.4 Độ tin cậy (Veracity) 1.3.5 Giá trị (Value) 1.4 Cách thức hoạt động Big data 1.4.1 Tích hợp 1.4.2 Quản lý 1.4.3 Phân tích CHƯƠNG 2: THỰC TRẠNG ỨNG DỤNG BIG DATA TRONG HOẠT ĐỘNG NGÂN HÀNG Ở VIỆT NAM HIỆN NAY 2.1 Các ứng dụng Big Data lĩnh vực ngân hàng 2.2 Thực trạng ứng dụng Big Data ngân hàng Việt Nam 2.3 Thách thức ứng dụng Big Data ngân hàng Việt Nam .10 2.3.1 Về nguồn lực tài 10 2.3.2 Về nguồn nhân lực 11 2.3.3 Về công nghệ 11 2.3.4 Về liệu .12 CHƯƠNG GIẢI PHÁP NÂNG CAO HIỆU QUẢ ỨNG DỤNG BIG DATA TRONG HOẠT ĐỘNG NGÂN HÀNG 13 3.1 Thay đổi tư đội ngũ quản lí ngân hàng tầm quan trọng liệu phương pháp xử lý liệu đại 13 3.2 Ngân hàng nên tận dụng hỗ trợ công nghệ điện toán đám mây .14 ii 3.3 Ngân hàng phải xây dựng quy trình liên quan đến liệu từ khâu thu thập liệu đến sử dụng kết xử lý liệu 16 3.4 Chuẩn bị đội ngũ chuyên viên khoa học liệu 17 KẾT LUẬN 18 DANH MỤC TÀI LIỆU THAM KHẢO .19 iii Lý lựa chọn đề tài Trong thời đại 4.0 nay, liệu lớn (Big Data) ngày trở nên phổ biến ứng dụng nhiều lĩnh vực đời sống, có ngành ngân hàng, … Big Data đóng góp phần khơng thể thiếu công xây dựng phát triển chất lượng sống người Bên cạnh tự động hóa, in 3D, … Big Data cơng nghệ có tính đa năng, áp dụng cho nhiều ngành nghề Trong vài năm trở lại đây, người đứng đầu nhiều ngân hàng lớn nhận định: Big Data đem lại nhiều lợi ích thiết thực việc kinh doanh quản lý ngân hàng Vì ngân hàng ngành cần phân tích thơng tin số lượng lớn, thế, việc nâng cao ứng dụng Big data vô cần thiết Chính lý đó, nhóm em lựa chọn đề tài “Ứng dụng Big data hoạt động ngân hàng” cho tập lớn Mục tiêu nhiệm vụ nghiên cứu Mục tiêu tập trung nghiên cứu lý thuyết big data thực trạng ứng dụng big data hoạt động ngân hàng, để từ đề xuất số giải pháp nâng cao hiệu ứng dụng big data hoạt động ngân hàng Để đạt mục tiêu trên, giải nhiệm vụ sau: - Làm rõ khái niệm, nguồn gốc hình thành, đặc trưng cách thức hoạt động big data - Phân tích ứng dụng big data lĩnh vực ngân hàng Làm rõ thực trạng thách thức việc ứng dụng big data hoạt động - ngân hàng Việt Nam Đề xuất giải pháp nâng cao hiệu ứng dụng big data hoạt động ngân hàng Bố cục đề tài Ngoài phần mở đầu, kết luận, nội dung tập lớn bao gồm chương: - Chương 1: Lý thuyết big data Chương 2: Thực trạng ứng dụng big data hoạt động ngân hàng - Chương Giải pháp nâng cao hiệu ứng dụng big data hoạt động ngân hàng Việt Nam Document continues below Discover more from:tế vi mô kinh eco07 Học viện Ngân hàng 233 documents Go to course Bài tập Kinh tế vi mô chương kinh tế vi mô 97% (38) kinh tế vi mô đề thi tự luận trắc… kinh tế vi mô 100% (13) Đề cương tập lớn 30 13 17 kinh tế vi mô 100% (12) Bài tập lớn môn kinh tế vi mô học viện… kinh tế vi mô 95% (21) Bai tap kinh te vi mo chuong kinh tế vi mô 100% (5) De so - Đề thi vi mô hvnh kinh tế vi mô 100% (5) 1.1 Khái niệm Big data “Big Data thuật ngữ dùng để tập hợp liệu lớn phức tạp công cụ, ứng dụng xử lí liệu truyền thống khơng thể đảm đương được.”(theo Kevin Taylor-Sakyi, 2016; Mashooque A Memon cộng sự, 2017) Bằng việc tổng hợp lượng thông tin vô lớn từ nhiều nguồn cung khác nhau, Big Data dần trở thành công cụ hỗ trợ đắc lực thiếu cho việc đưa định cho nhiều vấn đề lĩnh vực kinh doanh phân tích mức giá có lợi nhuận tối đa viễn cảnh kinh doanh khác nhau; thu thập liệu để nghiên cứu hành vi xu hướng khách hàng… tất nhanh hơn, hiệu nhiều so với cách thức truyền thống Big Data nhận diện ba khía cạnh chính: Dữ liệu (Data), Công nghệ (Technology), Quy mô (Size) Thứ nhất, liệu (data) bao gồm liệu thuộc nhiều định dạng khác hình ảnh, video, âm nhạc… Internet; gồm liệu thu thập từ hệ thống cảm biến có kết nối với hệ thống máy chủ; liệu khách hàng ứng dụng thơng minh thiết bị có kết nối mạng; liệu người dùng để lại trang mạng xã hội… Vì liệu cập nhật qua thiết bị kết nối mạng giờ, phút, giây đến từ nhiều nguồn khác nên khối lượng liệu lớn (Big) Và kích cỡ Big Data ngày tăng lên, tính đến năm 2012 ngày có 2,5 exabyte liệu sinh (exabyte tỷ gigabyte), đến năm 2025 IDC dự đoán số liệu 163 zettabyte (zettabyte nghìn exabyte) Yếu tố nhận diện thứ hai Big Data cơng nghệ (technology) Ngồi sở hạ tầng cơng nghệ thơng tin sử dụng cho liệu nói chung, có số cơng nghệ cụ thể dành cho big data có khả xử lý liệu lớn phức tạp Một hệ sinh thái mạnh phải kể đến Hadoop với khả xử lý liệu tăng lên mức độ phức tạp liệu, lực công cụ vô giá ứng dụng Big Data Yếu tố nhận diện thứ ba Big Data quy mô liệu(Size) Câu hỏi liệu gọi lớn chưa có câu trả lời xác Có thể hiểu ngầm liệu vượt khả xử lý hệ thống truyền thống ta xếp chúng vào Big Data 1.2 Nguồn gốc hình thành Big data Đối với nhiều người, Big Data thuật ngữ mẻ Nhưng thực ra, nguồn gốc Big Data năm 60 70 kỉ 20 Năm 1984, Tập đoàn Teradata cho thị trường hệ thống xử lý liệu song song DBC 1012 Đây hệ thống phân tích lưu trữ tới terabyte liệu Đến năm 2017, có hàng chục sở liệu dựa hệ thống Teradata với dung lượng lên đến hàng petabyte Trong đó, liệu lớn vượt qua ngưỡng 50 pentabytes Năm 2000, Seisint Inc (ngày Tập đoàn LexisNexis) cho đời khung chia sẻ tệp dựa theo cấu cấu trúc C++ để lưu trữ truy vấn liệu Hệ thống có khả lưu trữ phân phối liệu có cấu trúc, bán cấu trúc, phi cấu trúc nhiều máy chủ Năm 2004, Google xuất báo trình MapReduce, cung cấp mơ hình xử lý song song phát hành ứng dụng liên quan để xử lý lượng liệu khổng lồ Năm 2005, nhiều doanh nghiệp dần nhận số lượng người dùng tạo thông qua Youtube, Facebook dịch vụ trực tuyến khác Cùng năm đó, Hadoop (một framework open source tạo riêng với nhiệm vụ lưu trữ phân tích Big Data) phát triển NoSQL( sở liệu phi quan hệ) bắt đầu trở nên phổ biến… Hiện nay, nhờ có Internet of Things (mạng lưới kết nối vạn vật) mà khối lượng Big Data ngày lớn với tốc độ nạp vơ nhanh chóng Lý liệu ngày khơng người tạo mà cịn máy móc tạo tự động Big Data trở thành tài nguyên quý giá doanh nghiệp, đặc biệt doanh nghiệp thương mại điện tử, giúp doanh nghiệp tăng lợi cạnh tranh phục vụ khách hàng tốt 1.3 Các đặc trưng Big data 1.3.1 Dung lượng Volume: Khối lượng liệu … Dung lượng đặc điểm tiêu biểu liệu lớn, khối lượng liệu lớn Kích cỡ Big Data đag ngày tăng lên, tính đến năm 2012 nằm khoảng vài chục terabyte nhiều petabyte (1 petabyte = 1024 terabyte) cho tập hợp liệu Dữ liệu truyền thống lưu trữ thiết bị đĩa mềm, đĩa cứng Nhưng với liệu lớn sử dụng công nghệ “đám mây” đáp ứng khả lưu trữ liệu lớn 1.3.2 Tốc độ xử lý Velocity: Vận tốc mà liệu cần phải xử lý phân tích … Tốc độ hiểu theo khía cạnh: + Tốc độ gia tăng khối lượng liệu (mỗi giây có tới 72.9 triệu yêu cầu truy cập tìm kiếm web bán hàng Amazon); + Tốc độ việc xử lý liệu truyền đến thời gian thực (real-time), có nghĩa liệu xử lý tức thời sau chúng phát sinh (tính đến mili giây) Các ứng dụng phổ biến lĩnh vực Internet, Tài chính, Ngân hàng, Hàng không, Quân sự, Y tế – Sức khỏe phần lớn liệu lớn xử lý real-time Công nghệ xử lý liệu lớn ngày cho phép xử lý tức trước chúng lưu trữ vào sở liệu 1.3.3 Tính đa dạng Variety: Nhiều loại liệu đa dạng … Big data liệu không giới hạn đa dạng Nó bao gồm tất loại liệu đời như: hình ảnh, text, video, âm thanh… liệu có cấu trúc, bán cấu trúc, hay khơng có cấu trúc +Dữ liệu có cấu trúc: Là liệu có tổ chức, xác định độ dài định dạng liệu +Dữ liệu bán có cấu trúc: Là liệu nửa tổ chức, dạng liệu khơng phù hợp với cấu trúc thức liệu +Dữ liệu phi cấu trúc: Đây loại liệu khơng tổ chức, liệu khơng vừa khít với cấu trúc hàng cột truyền thống sở liệu Nó mang tính khơng thể đếm cấu trúc ví dụ: văn bản, hình ảnh, video… Đối với liệu truyền thống hay nói đến liệu có cấu trúc, ngày 80% liệu sinh phi cấu trúc (tài liệu, blog, hình ảnh, vi deo, hát, liệu từ thiết bị cảm biến vật lý, thiết bị chăm sóc sức khỏe…) Big Data cho phép liên kết phân tích nhiều dạng liệu khác Ví dụ, với bình luận nhóm người dùng Facebook, với thơng tin video chia sẻ từ Youtube Twitter Ngoài Big data cịn có đặc trưng Độ tin cậy Giá trị 1.3.4 Độ tin cậy (Veracity) Đây tính chất phức tạp Dữ liệu lớn Với xu hướng phương tiện truyền thông xã hội (Social Media) mạng xã hội (Social Network) ngày hàng Ví dụ, ngân hàng sử dụng công cụ email marketing để gửi đến khách hàng thông tin dịch vụ cho vay ngắn hạn với lãi suất vừa phải hay gửi tiết kiệm với lãi suất hấp dẫn, chương trình ưu đãi khác, … Thứ năm, thay đổi cách thức cung cấp dịch vụ đến khách hàng Hệ thống Big Data hệ thống phức tạp liên kết nhiều phận chức khác với vai trị đơn giản hóa nhiệm vụ tổ chức Bất tên khách hàng số tài khoản nhập vào hệ thống, hệ thống Big Data hỗ trợ sàng lọc tất liệu truyền hay cung cấp liệu yêu cầu để phục vụ cho q trình phân tích Điều cho phép ngân hàng tối ưu hóa quy trình làm việc tiết kiệm thời gian chi phí Big Data cho phép tổ chức xác định khắc phục vấn đề trước khách hàng bị ảnh hưởng Thứ sáu, phát ngăn chặn hành vi lừa đảo, vi phạm pháp luật Big Data cho phép ngân hàng đảm bảo khơng có giao dịch trái phép thực hiện, cung cấp mức độ an toàn, nâng cao tiêu chuẩn bảo mật toàn ngành Nhờ vào liệu lịch sử giao dịch hồ sơ tín dụng khách hàng, ngân hàng nhận diện bất thường trình cung cấp dịch vụ đến khách hàng Ví dụ, khoản rút tiền lớn bất thường từ thẻ ATM thẻ bị cắp, từ đó, ngân hàng có biện pháp an ninh để xác minh giao dịch Ngân hàng khai thác Big Data để phân biệt giao dịch hành vi phạm tội với giao dịch hợp pháp thuật toán phân tích liệu machine learing (học máy) Các hệ thống phân tích tự động phát hiện, trích xuất giao dịch bất hợp pháp thời gian thực đề xuất hành động Thứ bảy, kiểm soát rủi ro, tuân thủ luật pháp minh bạch báo cáo tài Các thuật tốn Big Data giúp giải vấn đề tuân thủ quy định pháp luật kế toán, kiểm tốn báo cáo tài chính, từ giảm chi phí quản lý Bên cạnh đó, hệ thống Big Data thu thập lưu trữ liệu lớn giúp ngân hàng tiến hành phân tích cách nhanh có dấu hiệu rủi ro xảy ra, từ đưa biện pháp xử lý Big Data đóng vai trị quan trọng việc phối hợp phận, phòng, ban yêu cầu xử lý liệu ngân hàng vào hệ thống trung tâm nhất; qua đó, hỗ trợ kiểm soát, ngăn chặn vấn đề liệu, giảm thiểu rủi ro gian lận Thứ tám, tham gia vào việc kiểm soát đánh giá nâng cao hiệu làm việc nhân viên Hệ thống Big Data hỗ trợ thu thập phân tích, đánh giá truyền tải liệu hiệu làm việc nhân viên Trước đây, để thu thập thơng tin cần nhiều cơng đoạn mang tính thủ cơng, nay, Big Data giúp xử lý cơng việc cách nhanh chóng xác Kết phân tích giúp nhà lãnh đạo có nhìn tình hình, thực trạng làm việc nhân viên, đặc biệt xem xét mức độ hài lịng ngân viên mơi trường làm việc, phúc lợi… ngân hàng dành cho họ 2.2 Thực trạng ứng dụng Big Data ngân hàng Việt Nam Trên thực tế, khu vực dịch vụ tài ngân hàng Việt Nam có phản ứng nhanh so với khu vực khác việc chủ động nghiên cứu ứng dụng khoa học - công nghệ Cách mạng công nghiệp 4.0 vào hoạt động kinh doanh quản trị Việt Nam giai đoạn đầu công chuyển đổi số, nhiều ngân hàng bắt đầu triển khai dịch vụ ngân hàng số Theo thống kê từ Vietnam Report (2019) 59% doanh nghiệp dự kiến sử dụng công cụ Big Data để thúc đẩy chuyển đổi số hiệu Một số ngân hàng hoàn thiện hệ thống giao dịch tự động, ứng dụng phần big data như: BIDV, Vietcombank, Techcombank, TPBank… Hầu hết ngân hàng tốp đầu tốp (BIDV, Techcombank, Vietcombank, TPBank, VPBank ) hoàn thiện hệ thống giao dịch tự động, ứng dụng phần big data Đối với ngân hàng lớn có số động thái tiêu biểu như: Năm 2020, TPBank thức đưa vào sử dụng hai giải pháp công nghệ Big Data FIS triển khai bao gồm cấu phần chính: Kho liệu Data Lake xây dựng dựa tảng mở Hortonworks Data Platform (HDP)- lưu trữ Big Data từ nhiều nguồn, bao gồm nhóm liệu thô, phi cấu trúc Nền tảng xây dựng mô hình học máy Watson Studio Local, kết hợp thiết bị IBM Integrated Analytics System (IIAS) tối ưu cho việc phân tích liệu với tốc độ cao, giảm thời gian huấn luyện mơ hình (đây hợp đồng hoàn thành Big Data cho ngân hàng thương mại Việt Nam) Năm 2019, Vietcombank ký hợp tác với FIS triển khai thực Dự án “Mua sắm phần mềm quản trị nhân (HRM)” gồm phân hệ chính: Quản lý thơng tin nhân sự, Quản lý chi phí tiền lương, Quản lý tuyển dụng, Quản lý đào tạo, Quản lý đánh giá cán Quản lý nhân tài VietinBank xây dựng chiến lược lộ trình quản lý khai thác tài sản liệu trước thức ứng dụng Big Data trọng củng cố xây dựng tảng hạ tầng liệu bao gồm dự án Kho liệu doanh nghiệp (EDW- Enterprise Data Warehouse) triển khai xây dựng vịng năm bao gồm tích hợp 200 hệ thống nguồn, BI, Quản lý liệu tập trung (MDM- Master Data Management) MB hợp tác với Infosys, Amigo triển khai kho liệu tập trung cơng cụ báo cáo quản trị Như nhận thấy, so với quy mô tổng thể hệ thống ngân hàng Việt Nam, việc nghiên cứu, chủ động ứng dụng Big Data cịn nhiều khó khăn tiềm ứng dụng chủ yếu vấn ngân hàng lớn - nhóm mạnh sẵn có khoa học- cơng nghệ Cịn nhóm ngân hàng nhỏ với mơ hình hoạt động theo truyền thống chủ đạo với hạn chế quy mơ nên cịn giai đoạn nghiên cứu sơ khai 2.3 Thách thức ứng dụng Big Data ngân hàng Việt Nam 2.3.1 Về nguồn lực tài Theo Vietnam Report (2019), việc yêu cầu nguồn vốn đầu tư lớn khó khăn lớn tổ chức tiếp cận ứng dụng công nghệ Hầu hết doanh nghiệp Việt Nam muốn sử dụng Big Data phải thông qua công ty cung cấp dịch vụ nước ngồi với chi phí quyền đội ngũ tư vấn chuyên nghiệp dẫn đến chi phí cao Tính riêng sở hạ tầng - chi phí trả trước, chi phí tảng Big Data Hadoop Spark chia tỷ lệ tương ứng với lượng lưu trữ, tính toán sức mạnh xử lý mà Ngân hàng thương mại sử dụng, ví dụ cụm Hadoop khuyến nghị máy chủ Intel tầm trung, có giá từ 4.000 - 6.000 USD cho khơng gian đĩa 3TB 6TB, cụm Hadoop petabyte có giá khoảng triệu USD Chi phí nhân triển khai, ví dụ chi trả cho chuyên gia Hadoop toàn thời gian tiêu tốn từ 70.000 - 150.000 USD/năm, sử dụng nhân th ngồi trung bình từ 81 - 100 USD/giờ Ngồi cịn có chi phí khác chi phí quản lý bảo trì, chi phí kết nối mạng, chi phí cho nhà cung cấp proxy, chi phí bảo quản liệu Các Ngân hàng thương mại lớn có đủ vốn đầu tư, song họ phải cân nhắc đặt tốn chi phí, lợi nhuận ưu tiên chiến lược kế hoạch phát triển năm Còn Ngân hàng thương mại nhỏ việc đầu tư cịn thận trọng để cân đối chi phí hoạt động vận hành đầu tư dài hạn cho đại hóa hướng đến Big Data 2.3.2 Về nguồn nhân lực Hiện để triển khai ứng dụng khai phá Big Data tạo nên giá trị từ liệu yêu cầu nhân có chất lượng cao việc tuyển dụng cạnh tranh, không Việt Nam mà ngân hàng thương mại khu vực Asean cạnh tranh để tuyển dụng tài nên nguồn nhân lực khan Ngân hàng thương mại đặc biệt khó khăn với Ngân hàng thương mại nhỏ, nơi mà sức hấp dẫn 10 quy mơ, thương hiệu cịn thấp Các Ngân hàng thương mại đối mặt với vấn đề thiếu người tài để tận dụng sức mạnh Big Data, thiếu kiến thức thống kê, khai phá liệu công nghệ sử dụng Big Data như: hệ xử lý phân tán, cơng nghệ ảo hóa, cơng nghệ điện toán đám mây, sở liệu bên nhớ (IMDS In-memory Database system) Mặt khác, nhà quản lý Ngân hàng thương mại thường xuất phát từ nghiệp vụ, phát triển hệ thống phần riêng biệt theo nhu cầu phát sinh, chủ yếu vấn đề liên quan đến kinh doanh, nên cần có tư vấn từ phận công nghệ thông tin để xác định đủ định hướng sâu sắc xây dựng chiến lược phát triển đồng hệ thống cơng nghệ số hóa đầy đủ dài hạn Một khảo sát AtScale việc thiếu chuyên gia chuyên nghiên cứu phân tích liêu lớn thách thức lớn doanh nghiệp ứng dụng công nghệ Big Data Trong đó, khảo sát Synccsort cho biết, tổ chức vấn xếp hạng khả ứng dụng liệu lớn thiếu hụt nguồn nhân lực thách thức lớn thứ hai tạo kho liệu thô (Data lake) 2.3.3 Về công nghệ Với khối lượng liệu khổng lồ vậy, rõ ràng việc lưu trữ xử lý Big Data thách thức không nhỏ Hạ tầng công nghệ thơng tin doanh nghiệp Việt Nam nói chung Ngân hàng thương mại nói riêng cịn chưa đủ mạnh để khai thác cách tối ưu hết tiện ích Big Data Ngồi ra, Big Data có nhiều đặc điểm tạo nên thách thức mặt công nghệ kỹ thuật, bao gồm thu thập liệu, hiệu chỉnh, lọc nhiễu, tích hợp liệu yêu cầu thiết kế lưu trữ thông minh, xử lý truy vấn với tốc độ nhanh nhất, mơ hình hóa phân tích đầu với yêu cầu dành cho phân tích theo nhu cầu báo cáo chuyên sâu ngày phức tạp, đáp ứng nhu cầu kịp thời cho nhà quản trị Những công nghệ công cụ hỗ trợ cần thiết, bao gồm: hệ sinh thái Hadoop; sở liệu NoSQL (Not only SQL) thu nhỏ theo chiều ngang hàng trăm hàng nghìn máy chủ; sở liệu nhớ với ưu điểm nhanh so với sở liệu đĩa tối ưu hóa, lựa chọn quan trọng cho việc sử dụng phân tích Big Data tạo kho liệu Đồng thời, việc xử lý kỹ thuật, lựa chọn cơng nghệ, cập nhật thuật tốn đảm bảo tính riêng tư, bảo mật liệu với khối lượng lớn xu hướng lưu trữ “đám mây” ngày tăng vấn đề nan giải với phận công nghệ thông tin Ngân hàng 2.3.4 Về liệu Thực tế liệu Ngân hàng thương mại Việt Nam rời rạc, bị chia cắt thành mảnh nhỏ chưa làm cách đạt yêu cầu, chưa có phân loại rõ ràng liệu có cấu trúc phi cấu trúc nên việc tích hợp liệu địi hỏi chuẩn hố liệu đầu vào lẫn đầu ra, ví dụ trường 11 hợp Ngân hàng thương mại triển khai hệ thống từ đối tác công nghệ thông tin khác chưa có chuẩn mực từ đầu dẫn đến khó khăn cho việc hợp liệu sử dụng tảng khác Oracle SQL Ngoài ra, theo nghiên cứu nước “Tương lai kinh tế số Việt Nam hướng tới năm 2030 2045” (CSIRO, 2019), “Dữ liệu lớn: Cách thức khai thác hội từ dừ liệu? Trường hợp Amazon” (Nguyễn Anh Duy, 2019), thực trạng tâm lý hành vi người tiêu dùng Việt Nam hay thay đổi thường có sở thích, xu hướng ngắn hạn chi phối cộng đồng số người có tầm ảnh hưởng (Influencer), vậy, việc phân tích nhu cầu khách hàng để đưa vào áp dụng thách thức với Ngân hàng thương mại, nhận định sai xu hướng nhu cầu thị trường Big Data trở thành dao hai lưỡi Do đó, Ngân hàng thương mại cịn đối mặt với việc xác định thời gian liệu hợp lệ, trả lời câu hỏi nên giữ thơng tin sở liệu thời điểm liệu khơng cịn phù hợp với phân tích để đảm bảo chất lượng thông tin đầu Mặt khác, Ngân hàng thương mại cần lưu ý khai thác liệu khách hàng cần tuân thủ quy định pháp luật, ví dụ theo Nghị định số 117/2018/ND-CP “về việc giữ bí mật, cung cấp thơng tin khách hàng tổ chức tín dụng, chi nhánh ngân hàng nước ngồi” có hiệu lực từ 01/11/2018 Đây thách thức quan trọng việc quan tâm đến bảo mật thông tin khách hàng ngày tăng, mà Ngân hàng lại có xu hướng sử dụng lưu trữ đám mây hợp tác nhiều với tổ chức fintech Không vậy, Ngân hàng với mạng lưới điểm giao dịch lớn trải dài khắp đất nước có số Ngân hàng có chi nhánh nước ngồi có quy mơ nhân viên tương đối lớn, thực nhiều loại giao dịch với khách hàng ngày nên Ngân hàng cần ý vấn đề xây dựng quy trình kiểm sốt, phân quyền truy cập hệ thống đào tạo nhân nội nhận diện bảo mật thông tin khách hàng Từ phân tích với thực tế tội phạm an ninh mạng ngày nhiều, với trình độ tinh vi đến từ khắp nơi giới với kết nối mạng thông thường, Ngân hàng cần thận trọng việc đảm bảo yếu tố bảo mật liệu từ hệ thống đến nhân sự, đối tác, không đảm bảo yếu tố này, Ngân hàng đối mặt với rủi ro khủng hoảng truyền thơng, hình ảnh thương hiệu hoạt động kinh doanh Tóm lại, bốn nhóm thách thức nêu phản ánh thực tế ràng ngân hàng thương mại Việt Nam cần thời gian để chuẩn bị tìm kiếm giải pháp phù hợp để ứng dụng Big Data Nếu việc áp dụng triển khai Big Data khơng có lộ trình rõ ràng, thực không cách, người triển khai không đủ lực nảy sinh nhiều vấn đề từ thiết kế, lưu trữ đến quản lý truy cập liệu, an toàn bảo mật dẫn đến rủi ro phá sản, vỡ nợ 12 Khi vận hành Big Data phát sinh vô số giới hạn rào cản thiếu chuyên môn khơng có chi phí Điều dẫn đến quy trình bị dừng nửa chừng, đem lại hiệu khơng cao phải bảo trì lại hệ thống Những khó khăn thiết kế phần mềm để phân tích khiến cho Big Data trở nên khó tiếp cận quản lý Được lưu trữ với kỹ thuật tiên tiến cấu trúc, bán cấu trúc không cấu trúc Việc thay đổi đột ngột tảng phân tích dẫn đến khơng phù hợp với cấu hình dung lượng lớn Việc làm cho doanh nghiệp khơng kịp cung cấp mơ hình phân tích cần thiết, liệu tải lên chậm công nghệ không bắt kịp nhu cầu 3.1 Thay đổi tư đội ngũ quản lí ngân hàng tầm quan trọng liệu phương pháp xử lý liệu đại Để nâng cao hiệu nhanh chóng ứng dụng big data, ta phải thay đổi tư người đứng đầu đội ngũ quản lý Thông qua khảo sát vấn quản lý thuộc số ngân hàng, có quan điểm cịn tồn định đưa dựa kinh nghiệm tích lũy mà khơng cần dựa vào kết phân tích liệu lớn Trong khứ quan điểm không sai Bởi dựa thực tế cho thấy, nhà quản lý lâu năm lĩnh vực tài chính, ngân hàng đưa nhiều định xác dựa thâm niên làm việc họ Tuy nhiên thời điểm dịch vụ ngân hàng cịn giản đơn, thị trường ngân hàng chưa đại đáp ứng vừa đủ nhu cầu chưa nhiều khách hàng khách hàng chưa tiếp xúc với công nghệ tiên tiến, thông minh đại Khi mà ngày công ty công nghệ,viễn thông, nhà bán lẻ liên tục thay đổi, đầu tư áp dụng công nghệ tiên tiến để đáp ứng nhu cầu ngày tăng khách hàng sóng khơng nhỏ khách hàng truyền thống ngân hàng chuyển dần sang sử dụng dịch vụ từ đối thủ ngân hàng cung ứng Đặc biệt dịch vụ toán với tốc độ xử lý giao dịch nhanh, an toàn, tiện lợi đặc biệt chi phí thấp với tên bật Momo, ViettelPay… dịch vụ tín dụng P2P phát triển Viêc“ ứng dụng công nghê “Big Data giúp môt“số ngân hàng giảm thời gian thẩm định khách hàng từ nhiều ngày xuống vài phút Mạng lưới liê u“ liên kết công nghê “nhâ n“ diê n“ danh tích khách hàng thơng qua trang mạng xã hơi“thâ m “ chí cịn giúp ngân hàng xác định khách hàng đâu, làm có mối quan “nào Điều giúp nâng cao trình quản lý sau giải ngân trở nên hiệu 13 Hơn nữa, ngân hàng áp dụng kĩ thuật phân tích liê u“ lớn để lựa chọn vị trí thuâ n“ lợi mở chi nhánh Big data với phương pháp xử lí liệu đại bước đầu nâng cao hiệu quản lý ngân hàng 3.2 Ngân hàng nên tận dụng hỗ trợ cơng nghệ điện tốn đám mây Những lợi ích việc ứng dụng cơng nghệ điện tốn đám mây công chuyển đổi số ngân hàng : - Đảm bảo quy định bảo mật hệ thống thơng tin: Khi nói đến vấn đề bảo mật thơng tin, hầu hết tổ chức tài chính, ngân hàng quan tâm chặt chẽ đưa liệu lên đám mây Tuy nhiên, tổ chức tài ngân hàng lưu trữ liệu đám mây, họ có tồn quyền kiểm soát xử lý Khi cung cấp dịch vụ đám mây cho ngân hàng Việt Nam, nhà cung cấp dịch vụ điện toán đám mây phải đảm bảo tuân thủ Luật An ninh mạng quy định Ngân hàng Nhà nước Ngoài ra, Ngân hàng Nhà nước cịn có hành lang pháp lý hỗ trợ đảm bảo an ninh thông tin đưa liệu đám mây Thông tư 18/2018/TT-NHNN hay Thông tư 09/2019/TT-NHNN - Tiết kiệm chi phí: Thơng qua khảo sát Cơng ty Cổ phần tập đồn IDC, tổ chức dịch chuyển hệ thống lên đám mây AWS tiết kiệm trung bình 31% chi phí hạ tầng CNTT Thay phải nhiều tháng để lập kế hoạch, mua sắm thiết bị, cấu hình phần cứng, phần mềm, liệu… với hệ thống điện tốn đám mây cho phép hạ tầng công nghệ thông tin triển khai sản phẩm, dịch vụ vài Hơn nữa, với mơ hình tốn Pay-as-you-go (dùng bao nhiêu, trả nhiêu) giúp tổ chức tài chính, ngân hàng giảm thiểu rủi ro chi phí thử nghiệm với sản phẩm, dịch vụ Sử dụng điện toán đám mây giúp tiết kiệm chi phí quản lý, vận hành hệ thống cách tận dụng hiệu sở hạ tầng CNTT nhà cung cấp môi trường môi trưởng điện tốn đám mây Dựa vào đó, ngân hàng tiết kiệm chi phí sở hạ tầng triển khai ứng dụng, sản phẩm cách nhanh chóng hiệu đến khách hàng - Giúp phát triển bền vững minh bạch hơn: Trong nội ngân hàng, điện toán đám mây giúp phận kinh doanh gắn kết chặt chẽ với thông qua việc chia sẻ liệu, sử dụng phân tích liệu để giải nhanh vấn đề khách hàng, nâng cao trải nghiệm khách hàng Sự sáng tạo gắn kết giúp tổ chức tài chính, ngân hàng giữ nhân chất lượng cao, tăng khả quán tổ chức, tạo môi trường làm việc minh bạch sáng tạo 14 - Nâng cao tính linh hoạt: Sử dụng dịch vụ đám mây cách giúp tổ chức tài chính, ngân hàng phân bổ lại nguồn lực từ việc quản lý sở hạ tầng công nghệ thông tin, hướng tới cải tiến dịch vụ nhanh chóng cho khách hàng tiềm nâng cấp cấu hình hệ thống để đáp ứng nhu cầu thị trường lượt truy cập khách hàng vào hệ thống “mùa cao điểm” dịp cuối năm, sau lại hạ cấu hình xuống nhu cầu truy cập giảm nhằm tăng hiệu kinh doanh ngân hàng - Tăng tốc độ phát triển sản phẩm, dịch vụ mới: Với hệ thống công nghệ truyền thống hầu hết ngân hàng, thời gian để mắt sản phẩm cần từ vài tháng đến hàng năm Với điện toán đám mây, sản phẩm đưa thị trường cách nhanh chóng hơn, thời gian tính vài tuần Khi cấu hình chỉnh sửa sản phẩm, quy trình, đội ngũ kinh doanh tự thực mà khơng phụ thuộc nhiều vào đội ngũ chuyên gia công nghệ Bên cạnh đó, cơng nghệ nhà cung cấp đám mây ln cập nhật để thích ứng nhu cầu công việc - Tăng cường bảo mật dự liệu: Vấn đề bảo mật đám mây chủ đề tranh luận chuyên gia Tuy nhiên, sử dụng đám mây từ nhà cung cấp lớn liệu khách hàng an tồn khơng gian đám mây riêng Điện tốn đám mây ưu tiên hàng đầu việc bảo vệ liệu khách hàng Các mã xác thực OTP, Token giải pháp bảo mật phát triển từ điện tốn đám mây Bên cạnh đó, khả mở rộng đám mây giúp ngân hàng qt hàng nghìn giao dịch giây Điều cải thiện đáng kể khả ngân hàng việc chống lại tội phạm tài rửa tiền, gian lận tín dụng - Gia tăng cải thiện mối quan hệ ngân hàng - khách hàng: Bằng cách cung cấp khả kiểm soát truy cập tốt vào nguồn liệu thông tin theo thời gian thực, điện toán đám mây giúp tổ chức tài ngân hàng có thêm thơng tin thói quen sở thích khách hàng để đáp ứng nhu cầu họ kịp thời vào thời điểm thích hợp Đồng thời, ngân hàng mang lại cho khách hàng nhiều lợi ích hiệu quả, thơng tin nhanh chóng khả tiếp cận cải thiện, giúp khách hàng dễ dàng tin tưởng sử dụng dịch vụ ngân hàng 3.3 Ngân hàng phải xây dựng quy trình liên quan đến liệu từ khâu thu thập liệu đến sử dụng kết xử lý liệu Bắt đầu từ việc thu thập liệu, ngân hàng thu thập thông tin từ nhiều nguồn khác hệ thống giám sát xử lý tập trung, việc trì chất lượng liệu tính xác, kịp thời yếu tố khác ngày trở nên khó 15 khăn Để khắc phục vấn đề ngân hàng cần thiết lập quy trình thu thập, sàng lọc, làm sạch, tổng hợp phân loại liệu vào đầu mối tập trung; sau lại phân phối liệu đến phận liên quan để xử lí, phân tích đưa thơng tin hữu ích Đặc biệt, bước rà soát làm liệu quan trọng để nâng cao chất lượng liệu.Bởi chẳng hạn liệu tài khoản khách hàng giao dịch, thường sử dụng phận quản lý gian lận, thu thập dạng thơ từ nhiều nguồn khác Q trình sàng lọc rà soát giúp giảm đáng kể số lượng giao dịch ảo, nhờ làm giảm thời gian cơng sức để xử lý Bên cạnh đó, ngân hàng cần phải nâng cao công tác quản trị liệu, thiết lập sở trách nhiệm rõ ràng phận tham gia vào quy trình đảm bảo an tồn an ninh liệu Cụ thể, quy trình tạo lập liệu cho Big Data gồm bước sau: - Bước 1: Xác định nguồn thu thập (từ website, ứng dụng, thiết bị thơng minh, mạng xã hội, truyền thơng, phủ…) Ngân hàng cần phải nắm rõ nguồn liệu cần tìm cách thức thu thập - Bước 2: Xây dựng hệ thống thu thập Big Data: xây dựng phần mềm, ứng dụng hay thiết bị kết nối với máy chủ để truyển tải thông tin, liệu Dữ liệu Big Data thuộc nhiều định dạng khác nên hệ thống thu thập cần phải tiên tiến, tích hợp cơng nghệ - Bước 3: Xây dựng hệ thống lưu trữ quản lý để phục vụ cho việc phân tích sau Dữ liệu Big Data cần hệ thống máy chủ lưu trữ Hệ thống lữu trữ gồm loại lưu trữ đám mây (cloud) lưu trữ cơng ty Để lựa chọn phù hợp ngân hàng cần dự báo khối lượng thông tin cần lưu trữ biện pháp bảo mật - Bước 4: Xây dựng hệ thống sàng lọc, làm sạch, phân tích liệu hệ thống phục vụ báo cáo Bước đòi hỏi chất lượng đội ngũ nhân việc xây dựng thuật toán khai thác liệu, ứng dụng mơ hình định lượng thơng minh để phân tích đa chiều đưa dự báo - Bước 5: Sử dụng kết phân tích để đưa định 3.4 Chuẩn bị đội ngũ chuyên viên khoa học liệu Có thực trạng ngày nhân ngành Ngân hàng cán ngân hàng khơng hiểu rõ cơng nghệ thơng tin, cịn người làm cơng nghệ thơng tin khơng hiểu rõ nghiệp vụ ngân hàng Ngồi ra, mơ hình phân tích Big Data Việt Nam chủ yếu ứng dụng lại mơ hình có sẵn giới, phần lớn chuyên gia khoa học liệu Việt Nam cịn hạn chế khả phân tích mơ 16 hình Do vậy, ngân hàng muốn phát triển cơng nghệ phải thuê nhân lực nước với chi phí đắt đỏ Là nghề khơng Việt Nam mà nhiều nước giới, nhân chuyên viên khoa học liệu (Data scientist) địi hỏi phải đào tạo chun mơn cao phải có đam mê tìm tới giới Big Data Họ biết cách trả lời làm cách để tìm câu trả lời cho định quan trọng từ khối lượng thông tin khổng lồ khơng có cấu trúc “dồn dập đến sóng thần” Với thành thạo lĩnh vực kỹ thuật số, họ nhận thấy biết cách hình thành cấu trúc từ khối lượng khổng lồ liệu sơ khởi nhờ việc phân tích liệu trở nên khả thi Họ tìm nơi có nguồn liệu phong phú kết hợp với nguồn liệu chưa hoàn chỉnh khác làm bảng lưu kết truy vấn sở liệu Trên phương diện kinh tế khu vực Hàn Quốc, Đài Loan chuẩn bị sẵn nguồn nhân lực chất lượng cao, Việt Nam, nguồn nhân lực lĩnh vực hạn chế Theo khảo sát IDG, Việt Nam khơng có nhiều nguồn nhân lực sẵn sàng cho cơng nghệ số, thay đổi chương trình đào tạo đại học diễn chậm so với xu Trong đó, số trường đại học Hoa Kỳ kết hợp khóa học trí tuệ nhân tạo máy học vào giảng dạy MBA họ, chuyên gia cho biết Khoảng cách khả kỹ thuật số ngày lớn ngân hàng không theo kịp bị bỏ lại phía sau Vì vậy, bối cảnh hội nhập quốc tế sâu rộng, việc bồi dưỡng trọng chất lượng nhân tài công nghệ cao cần thực hệ thống tài - ngân hàng để đảm bảo khả ứng dụng công nghệ thông tin phương pháp làm việc tiên tiến 17 Trong thời đại số nay, với phát triển AI, thuật toán, kỹ thuật khai thác liệu xử lý hình ảnh giúp liệu lớn (Big Data) trở nên vơ hữu ích đời sống, hoạt động kinh doanh đa lĩnh vực ngành nghiên cứu Sử dụng big data vận hành giúp ngân hàng dự đốn thay đổi cung cầu dựa liệu có sẵn, quản lý hiệu rủi ro tiềm ẩn trình hoạt động chủ động chuẩn bị cho thay đổi tương lai gần Ngồi ra, phân tích big data cải thiện giúp ngân hàng tiết kiệm đáng kể thời gian chi phí q trình hoạt động Việc tích hợp big data vào hoạt động giúp ngân hàng nghiên cứu sâu hành vi khách hàng để thấu hiểu nhu cầu phân bố thời gian để đáp ứng nhu cầu họ Nhờ vậy, tối ưu hóa dịch vụ, đồng thời tăng doanh thu uy tín khách hàng Mặt khác, Big Data đặt thách thức cho tổ chức, ngân hàng thời đại số Khi làm chủ công nghệ big data họ có hội cạnh tranh lớn hưởng lợi ích từ việc trích xuất thơng tin cách xác hơn, hữu ích với chi phí rẻ Chính tầm quan trọng đặc biệt tiềm phát triển lớn vậy, sinh viên cần nhận thức tầm quan trọng việc tìm hiểu ứng dụng cơng nghệ khơng có big data mà cịn nhiều cơng nghệ khác để phát triển khả làm việc, đóng góp cho phát triển xã hội 18 [1] Cơ quan Nghiên cứu Khoa học Công nghiệp Khối thịnh vượng chung Úc (CSIRO) (2019 ) Tương lai kinh tế số Việt Nam hướng tới năm 2030 2045 Truy cập từ https://www.google.com/url? sa=t&source=web&rct=j&url=https://hufi.edu.vn/Images/Documents/N00CT/1800566_data61_report_vietnamsfuturedigitaleconomy2040_vietnamese_summary_ web_190716.pdf&ved=2ahUKEwiCwry555b8AhX_lFYBHVewBzAQFnoECAkQ AQ&usg=AOvVaw2ghlCVso1Nbh17Gs6dwl5B [2] (11/09/2018) Nghị định số 117/20I8/NĐ-CP Về việc giữ bí mật, cung cấp thơng tin khách hàng cùa tổ chức tín dụng, chi nhánh ngân hàng nước ngoài, ban hành ngày Truy cập từ https://vanban.chinhphu.vn/default.aspx?pageid=27160&docid=194752 [3] Nguyễn Anh Duy, Nguyên Phúc Quỳnh Như (2019) Dữ liệu lớn: Cách thức khai thác hội từ liệu? Trường hợp Amazon Truy cập từ https://www.google.com/url?sa=t&source=web&rct=j&url=https://usercdn.uef.edu.vn/newsimg/tap-chi-uef/2019-05-0646/9.pdf&ved=2ahUKEwiEiq265Jb8AhXZU94KHUfwBGwQFnoECA0QAQ&us g=AOvVaw0ppXl8699mGbi8CK91NAXW [4] IDC Vietnam Report (2019) Báo cáo Vietnam CEO insight 2019: chuyên đổi số hội doanh nghiệp Việt Nam Truy cập từ https://vietnamreport.net.vn/Bao-cao-thuong-nien-Vietnam-CEO-Insight-2019Chuyen-doi-so-va-co-hoi-cua-cac-doanh-nghiep-Viet-Nam-1203/Product/Du-lieu-Bao-cao.htm [5] TS Nguyễn Thị Thu Trang (2022) Tạp chí Thị trường Tài Tiền tệ số 11 năm 2022 Truy cập từ https://taichinhcongnghe.vn/nen-tang-cong-nghe-dien-toan-dammay-trong-cong-cuoc-chuyen-doi-so-cua-ngan-hang-viet-nam [6] Trương Thị Hồi Linh (06/2020) Tạp chí Ngân Hàng Truy cập từ https://tapchinganhang.gov.vn/big-data-va-ung-dung-trong-hoat-dong-nganhang.htm [7] (9/2021) Big data gì? Tất tần tật điều nên biết big data Truy cập từ https://www.brandsvietnam.com/congdong/topic/320226-Big-Data-la-gi-Tat-tantat-nhung-dieu-ban-nen-biet-ve-Big-Data [8] (26/1/2021) Big Data gì? Big Data ứng dụng đâu Truy cập từ https://vietnix.vn/big-data-la-gi/ 19 [9] (12/2021) Big Data gì? Đặc điểm, vai trò ứng dụng Big Data Truy cập từ https://vieclam.thegioididong.com/tin-tuc/big-data-la-gi-dac-diem-vai-trova-ung-dung-big-data-hien-nay-385#:~:text=Big%20Data%20th%E1%BB%B1c %20ch%E1%BA%A5t%20%C4%91%C3%A3,d%E1%BB%AF%20li%E1%BB %87u%20v%C3%A0o%20n%C4%83m%201992 [10] Nguyễn Thanh Bình, Ứng dụng big data tiếp thị kỹ thuật số (digital marketing) Truy cập từ https://khoacntt.ufm.edu.vn/Resources/Docs/SubDomain/khoacntt/K2 20 More from: kinh tế vi mô eco07 Học viện Ngân hàng 233 documents Go to course Bài tập Kinh tế vi mô chương kinh tế vi mô 97% (38) kinh tế vi mô đề thi tự luận trắc nghiệm kinh tế vi mô 100% (13) Đề cương tập lớn 30 kinh tế vi mô 100% (12) Bài tập lớn môn kinh 13 tế vi mô học viện ngâ… kinh tế vi mô 95% (21) Recommended for you 16 Analysis OF Laptops Market kinh tế vi mô 100% (2) Correctional Administration Criminology 96% (113) English - huhu 10 Led hiển thị 100% (3) Preparing Vocabulary 10 FOR UNIT Led hiển thị 100% (2)