Phân tích các tác động của ngành khoa học dữ liệu đến ngành tài chính ngân hàng.. 7 1 Ứng dụng của khoa học dữ liệu trong ngành tài chính ngân hàng:.... «ồ Công nghệ: Tự động hóa các tác
Trang 1
NGAN HANG NHA NUGC VIET NAM BO GIAO DUC VA DAO TAO
TRUONG DAI HOC NGAN HANG TP HO CHI MINH
KHOA NGAN HANG
TRUONG DAI HOC NGAN HANG
THANH PHO HO CHI MINH
BAI TIEU LUAN
Cha dé 3: PHAN TICH XU HUONG PHAT TRIEN TREN THE GIOI TRONG NHUNG NAM GAN DAY VE NGANH KHOA HOC DU LIEU; BONG THOT PHAN TICH TAC DONG CUA CHUNG DEN NGANH TAI CHINH NGAN HÀNG, CƠ HỘI VIỆC LÀM CỦA SINH VIÊN NGÀNH TÀI CHÍNH NGÂN HÀNG, CHUYÊN NGÀNH CÔNG NGHỆ TÀI CHÍNH TẠI VIỆT NAM
Giảng viên hướng dẫn : TS Trần Trung Minh
Môn học : Giới thiệu ngành Công nghệ tài chính
Lớp : BAF702 241 1 D02
Thành phố Hồ Chí Minh, năm 2024
Trang 2
Họ và tên MSSV
1 Lê Nguyễn Khánh Linh 030139230179
2 Đặng Nguyễn Thu Thảo 030139230350
4 Nguyễn Dương Vân Trường 030139230440
6 Phạm Nguyên Nhật Duy 030139230070
Trang 3
MUC LUC
I Khai quat về ngành khoa học đữ liệu và xu hướng phat triển trên thế giới vào những
KHAI QUAT NGANH KHOA HOC DU LIEU (KHDL): cscsssssssesssscscssssssscssesessssesseaes 4
XU HUONG PHAT TRIEN NGANH KHDL TREN THE GIỚI VÀO NHỮNG NĂM
II Phân tích các tác động của ngành khoa học dữ liệu đến ngành tài chính ngân hàng 7
1 Ứng dụng của khoa học dữ liệu trong ngành tài chính ngân hàng: 7
2 Thực trạng ứng dụng khoa học dữ liêu trong hoạt động ngân hàng: 8
3 Một số kiến nghị và giải phápp: c5 se se se xevhvxeerkevxeereersesereersersersere 10
III Cơ hội việc làm sau khi ra trường của các sinh viên ngành tài chính ngân hàng nói chung và chuyên ngành Fintech (công nghệ tài chính) nói riêng tại thị trường Việt TNAIH co << TH TH HH HH HH HH TH T0 0 TH T0 T0 00 11
Trang 4I Khái quát về ngành khoa học dữ liệu và xu hướng phát triển trên thế giới vào những năm gần đây
KHÁI QUÁT NGÀNH KHOA HỌC DỮ LIỆU (KHDL):
Ngành khoa học đữ liệu (Data Science) đã trở thành một trong những lĩnh vực phát triển nhanh chóng nhất trong thế ký 21 Với sự bùng nỗ của dữ liệu lớn (big data) va sy phat triển của công nghệ thông tin, nhu cầu về phân tích dữ liệu đã trở nên thiết yêu trong nhiều lĩnh vực, từ kinh doanh đến y té, tir tai chinh dén công nghệ Khoa học dữ liệu không chỉ là việc thu thập và phân tích đữ liệu mà còn là một quá trình phức tạp để rút ra thông tin và kiến thức từ dữ liệu, phục vụ cho việc ra quyết định
Yêu câu của khách hàng Tiêu chuẩn quan trong nổi bắc
Dé dang hơn trong giải thích các concept kỹ thuật Ngõn ngữ cơ sở dữ liệu:
(SQL, Hadoop) ~—
Quản trị dữ liệu
Science
Data
Science
Sang loc dữ liệu
Kiếm duyệt
dữ liệu
Mục tiêu của khoa học đữ liệu là biến dữ liệu thô thành thông tin hữu ích, hỗ trợ ra quyết
định và giải quyết các vấn đề phức tạp trong nhiều lĩnh vực khác nhau Nhờ vào những công
cụ và phương pháp hiện đại, khoa học đữ liệu giúp các tô chức khai thác giá trị từ lượng thông tin không lồ đang sở hữu
Quy trình tổng quan Khoa học dữ liệu:
Quy trình Khoa học đữ liệu thường được bắt đầu bởi một vẫn đề kinh doanh Ở bước này,
nhà khoa học đữ liệu sẽ làm việc với các bên liên quan (trong và ngoài doanh nghiệp tuỳ vào phạm vi dự án) để tìm hiểu nhu cầu của doanh nghiệp là gì Một khi vẫn đề đã được xác định, nhà khoa học dữ liệu sẽ giải quyết nó bằng cách sử dụng quy trình Khoa học dữ liệu OSEMN, gồm 5 bước chính:
« Obtain: Thu thập dữ liệu
« - Scrub: Làm sạch đữ liệu
« Explore: Kham pha dir liéu
« Model: Xây dựng mô hình
« - INterpret results: Diễn giải kết quả
Trang 5
+
Làm: sạch ciŒ liệu
@Mzoo2pi
1 Thu thập dữ liệu:
Nguồn dữ liệu đa dạng: Dữ liệu có thê đến từ nhiều nguồn khác nhau như cơ sở đữ liệu, mạng xã hội, cảm biến, v.v
Truy xuất và kết hợp: Các nhà khoa học dữ liệu cần có kỹ năng tìm kiếm, truy xuất
và kết hợp dữ liệu từ nhiều nguồn đề tạo thành một tập dữ liệu thống nhất
2 Làm sạch dữ liệu:
Dữ liệu thô: Dữ liệu thu thập thường chứa nhiều lỗi, thiếu sót và không đồng nhất
Tiền xử lý: Các hoạt động làm sạch đữ liệu bao gồm: loại bỏ đữ liệu trùng lặp, xử lý giá trị thiếu, chuân hóa đữ liệu, loại bỏ ngoại lệ
Quan trọng: Đây là bước nên tảng để đảm bảo chất lượng của đữ liệu đầu vào cho các bước tiếp theo
3 Khám phá dữ liệu:
Tìm hiểu dữ liệu: Sử dụng các kỹ thuật thống kê mô tả và trực quan hóa đề hiểu rõ
hơn về đữ liệu
Phát hiện mẫu: Tìm kiếm các xu hướng, mối quan hệ và các đặc điểm nỗi bật trong
đỡ liệu
Lập kế hoạch: Dựa trên kết quả khám phá, xây dựng kế hoạch cho các bước phân tích tiếp theo
Trang 64 Xây dựng mô hình:
« - Chọn thuật toán: Lựa chọn thuật toán phù hợp dựa trên loại dữ liệu, mục tiêu phân
tích và yêu cầu của vấn đề
‹ - Huấn luyện mô hình: Sử dụng dữ liệu để huấn luyện mô hình, giúp mô hình học
cách nhận biết các mẫu và đưa ra dự đoán
¢ Danh giá mô hình: Đánh giá hiệu suất của mô hình bằng các chỉ số đánh giá phù hợp
5 Diễn giải kết quả:
- Truyền đạt thông tin: Biểu diễn kết quả bằng các hình thức trực quan dễ hiểu như biểu đô, đồ thị
‹ - Đưa ra khuyến nghị: Dựa trên kết quả phân tích, đưa ra các khuyến nghị cụ thể cho
VIỆC Ta quyết định
XU HƯỚNG PHAT TRIEN NGANH KHDL TRÊN THẺ GIỚI VÀO NHỮNG NĂM
GAN DAY
1 Siêu tự động hóa (Hyperautomafion)
‹ - Mục tiêu: Tự động hóa toàn điện các quy trình, từ đơn giản đến phức tạp, nhằm tăng hiệu quả và năng suất
‹ồ - Công nghệ: Tích hợp AI, ML, RPA để tạo ra các quy trình thông minh, tự học hỏi và thích ứng
« - Lợi ích: Tối ưu hóa hoạt động, giảm thiêu lỗi và tăng khả năng cạnh tranh
2 AutoML (Học máy tự động)
« - Mục tiêu: Dân chủ hóa AL, cho phép mọi người xây dựng các mô hình ML mà không cần kiến thức chuyên sâu
«ồ Công nghệ: Tự động hóa các tác vụ lặp đi lặp lại trong quá trình xây dựng mô hình,
từ chuẩn bị dữ liệu đến đánh giá mô hình
« ˆ Lợi ích: Tiết kiệm thời gian và nguồn lực, tăng tốc độ phát triển sản phẩm
3 Trải nghiệm khách hàng dựa trên dữ liệu
¢ Mục tiêu: Hiểu sâu hơn về hành vi và sở thích của khách hàng để cung cấp trải nghiệm cá nhân hóa
‹ - Công nghệ: AI, phân tích dữ liệu, chatbot đề phân tích hành vi khách hàng và đưa ra các khuyên nghị phù hợp
Trang 7¢ Loi ich: Tang d6 hai long cua khách hàng, nâng cao lòng trung thành và thúc đây doanh số
4 Phân tích dự đoán
« Mục tiêu: Dự đoán xu hướng trong tương lai dựa trên đữ liệu lịch sử đề hỗ trợ ra
quyết định kinh doanh
« _ Công nghệ: Mô hình thống kê, khai thác đữ liệu, học máy
« - Lợi ích: Cải thiện khả năng dự báo, giảm thiêu rủi ro va nam bat cơ hội
5 Phan tích tăng cường
‹ - Mục tiêu: Tự động hóa quá trình phân tích đữ liệu, cung cấp thông tin chỉ tiết nhanh chóng và chính xác
¢ Công nghệ: AI, ML, xử lý ngôn ngữ tự nhiên, tự động hóa
« - Lợi ích: Tăng tốc độ ra quyết định, tối ưu hóa quy trình và nâng cao hiệu quả hoạt
động
6 Tiny ML
« - Mục tiêu: Nhúng AI vào các thiết bị nhỏ gọn, hạn chế về tài nguyên
‹ - Công nghệ: ML nhúng, thuật toán tôi ưu hóa, phần cứng chuyên dụng
¢ - Lợi ích: Tạo ra các thiết bi thông minh, tiết kiệm năng lượng và có khả năng hoạt
động độc lập
7 Di chuyển lên đám mây
‹ - Mục tiêu: Tận dụng sức mạnh của đám mây đề lưu trữ, xử lý và phân tích dữ liệu
« - Công nghệ: Cơ sở hạ tầng đám mây, dịch vụ đám mây
« - Lợi ích: Tăng khả năng mở rộng, linh hoạt và giảm chị phí vận hành
II Phân tích các tác động của ngành khoa học dữ liệu đến ngành tài chính ngân hàng
1 Ứng dụng của khoa học đữ liệu trong ngành tài chính ngân hàng:
Với sự giúp đỡ của Big Data, các ngân hàng có thể theo dõi hành vi của khách hàng, xác định các nguồn đữ liệu cân thiết đề thu thập phục vụ cho việc đưa ra giải pháp
Các ứng dụng của Big Data trong lĩnh vực ngân hàng bao gồm:
Phân tích hành vỉ khách hàng:
¢ Hiéu rd nhu cau: Xác định các xu hướng chỉ tiêu, sở thích và nhu cầu của từng khách hàng
¢ Đánh giá rủi ro: Đánh giá khả năng tín dụng của khách hàng dựa trên lịch sử giao dịch và các yêu tô liên quan
Trang 8¢ Phan khúc khách hàng: Chia khách hàng thành các nhóm có đặc điểm tương đồng
đề thực hiện các chiến dịch marketing hiệu quả hơn
Cá nhân hóa dịch vụ:
- - Sản phẩm phù hợp: Đề xuất các sản phẩm và dịch vụ phù hợp với nhu cầu của từng khách hàng
‹ - Tiếp thị nhắm mục tiêu: Thực hiện các chiến dịch marketing cá nhân hóa thông qua các kênh khác nhau
« - Tăng tương tác: Tạo ra các trải nghiệm khách hàng được cá nhân hóa, tăng cường sự tương tác và lòng trung thành
Phát hiện gian lận:
‹ - Nhận diện hành vi bất thường: Phát hiện các giao dịch nghỉ van, gian lận và bảo vệ tài sản của khách hàng
- - Ngăn chặn rửa tiền: Phân tích các giao dịch lớn và phức tap dé phát hiện các hoạt động bát hợp pháp
Quản lý rủi ro:
« - Đánh giá rủi ro tín dụng: Đánh giá khả năng trả nợ của khách hàng một cách chính xác hơn
‹Ổ Quản lý rủi ro thị trường: Theo dõi các biến động của thị trường và đưa ra các quyết định quản lý rủi ro phù hợp
Tối ưu hóa hoạt động:
‹ - Tự động hóa quy trình: Tự động hóa các quy trình nghiệp vụ, giảm thiểu lỗi và tăng
hiệu suất
‹ - Cải thiện chất lượng dịch vụ: Nâng cao chất lượng dịch vụ khách hàng thông qua việc phân tích phản hồi và đề xuất cải tiên
Dưa ra quyết định kinh doanh:
‹ - Dự báo xu hướng: Dự báo nhu cầu của thị trường và các xu hướng phát triền
‹ - Đánh giá hiệu quả chiến lược: Đánh giá hiệu quả của các chiến lược kinh doanh và đưa ra các điều chỉnh kịp thời
2 Thực trạng ứng dụng khoa học đữ liêu trong hoạt động ngân hàng:
Phân lớn các ngân hàng đã ứng dụng các giải pháp kỹ thuật, công nghệ mới như: Cloud Computing, phan tich di liệu, Big Data, tự động hóa quy trình bằng robot, AI, ML, Blockchain nhận biết và định danh khách hàng bằng eKYC trong các hoạt động nghiệp vụ
Trang 9và cung ứng sản phẩm, dịch vụ đề nâng cao hiệu quả hoạt động và tăng trải nghiệm khách hàng Trong đó, công nghệ Big Data và AI được các ngân hàng áp dụng nhiều nhất và tận dụng triệt để phân tích hành vi, nhu cầu khách hàng giúp tối ưu hóa, cá nhân hóa việc cung ứng sản phâm, dịch vụ Dưới đây là một số công nghệ tiên tiến được thử nghiệm hay áp dụng vào hoạt động ngân hàng như:
Big Data: Cho phép con người có thê thu nhập, lưu trữ một lượng đữ liệu không lồ Nếu công nghệ trước đây cần thời gian rất dài để xử lý đữ liệu nhưng đối với công nghệ số hiện nay cho phép xử lý, phân tích trong khoảng thời gian rất ngắn đê trích rút ra thông tin và đưa
ra quyết định một cách phù hợp
IoT (Internet of Things): La su két hop cua Internet, công nghệ vi điện tử và công nghệ không đây Internet giúp kết nối các thiết bị hỗ trợ như điện thoại thông minh, máy tính đề trao đổi, chia sẻ đữ liệu trong thời gian thực loT mô tả các đối tượng vật lý hằng ngày được
kết nỗi với Internet và có thê tự nhận dạng chúng với các thiết bị khác, nhờ vào thiết bị cảm
biến ngày càng nhỏ, chỉ phí thấp và tiêu thụ năng lượng ít loT đóng vai trò quan trọng trong việc kết nối giữa môi trường thực với môi trường số
AUML: Sẽ giúp tự động hóa các nhiệm vụ mà trước đây cần đến trí tuệ con người, chủ yêu dựa trên nguồn đữ liệu không lồ được phân tích với khả năng bảo mật cao hơn ML làm cho máy móc có khả năng tự học như con người Do dữ liệu ngày càng lớn, năng lực tính toán ngày cảng nhanh nên ML có tính đột phá trong kỹ thuật học sâu như: Nhận thức thị giác, nhận dạng giọng nói, ra quyết định Đối với lĩnh vực ngân hàng, AI đã được ứng dụng ngày càng mạnh và sẽ tiếp tục phát triển với ứng dụng Chatbot/Chatbox, thu thập và phân tích đữ liệu, quán lý rủi ro, chống rửa tiền
Cloud Computing: Cho phép người dùng có thê sử dụng địch vụ lưu trữ thông tin nhờ vào các nhà cung cấp như Google, Microsoft, Amazon Mọi đữ liệu đều được lưu trữ, tô chức và sắp xếp trên hệ thống của các nhà cung cấp dịch vụ Ngân hàng có thê thực hiện các chiến lược tiếp thị tự động hóa dựa trên nền tảng công nghệ này nhằm tiết kiệm chỉ phí, giảm thiêu rủi ro về an ninh và tối ưu hóa nguồn lực của ngân hàng Cloud Computing cho phép ngân hàng có thê cung cấp dịch vụ cho khách hàng liên tục mỗi ngày, thông qua bất kỳ thiết bị nào có kết nối Internet
Ngoài ra, một số công nghệ số khác đã và đang được các ngân hàng thương mại (NHTM) thử nghiệm, hỗ trợ nâng cấp hệ thống, tạo ra các sản phâm, dịch vụ mới như: Công nghệ DLT và Blockchain, kết nỗi với các Fintech, sinh trắc học (Biometrics), an ninh mạng
Trang 10Nhận thức được tầm quan trọng của công nghệ số đối với hoạt động ngân hàng, các NHTM da ung dung cac giải pháp kỹ thuật, công nghệ mới vào các hoạt động nghiệp vụ và cung ứng sản phẩm, dịch vụ đề nâng cao hiệu quả hoạt động và tăng trải nghiệm cho khách hàng Các NHTM đã đầu tư đôi mới công nghệ và phát triển kênh bán hàng qua công nghệ
số như: Internet Banking, Mobile Banking Hầu hết, các NHTM đã sử dụng ngân hàng lõi (Core Banking), nhiều ngân hàng đã nâng cấp hệ thống Core Banking nhằm đáp ứng yêu cầu phát triển như: NHTM cô phần Ngoại thương Việt Nam (Vietcombank), NHTM cổ phan
Xuất Nhập khâu Việt Nam (Eximbank), NHTM cổ phần Việt Nam Thịnh Vượng (VPBank)
Thực tế cho thay, hang loat cac san pham, dịch vụ số được các NHTM mang đến trải nghiệm mới cho khách hàng, tạo lợi thế cạnh tranh trên thị trường như: NHTM cô phan Tién
Phong (TPBank) ra mắt dịch vụ “Live Bank” tự động 24/7, NHTM cô phần Công thương Việt Nam (VietinBank) ra mắt phiên bản iPay Mobile với 50 tính năng mới, tốc độ và tính
bảo mật cao
3 Một số kiến nghị và giải pháp:
Thứ nhất, các cơ quan quản lý nhà nước cần phối hợp chặt chẽ để hoàn thiện cơ chế chính sách, khuôn khổ pháp lý trong hoạt động ngân hang dé tạo điều kiện thuận lợi và thúc đây
các mô hình kinh doanh, quản trị điều hành theo hướng bứt phá, đôi mới, sảng tạo
Thứ hai, hoàn thành việc xây dựng Cơ sở đữ liệu quốc gia về đân cư, có cơ chế cho phép chia sẻ thông tin từ cơ sở đữ liệu này với một số ngành dịch vụ, trong đó có ngân hàng đề thúc đây chuyên đôi số trong nền kinh tế, cho phép cung cấp địch vụ số nhanh chóng, an
toàn, thuận tiện với chị phí thấp
Tư ba, kích thích sự tham gia vào thị trường Việt Nam cua cac Fintech trong va ngoai nước, tạo điều kiện cho các Fintech tham gia đầu tư, ứng dụng và triển khai các phát minh mới về công nghệ, thúc đây đôi mới, sáng tạo trong lĩnh vực ngân hàng
Thứ tư, các NHTM cần tăng cường hợp tác với các Fintech đề xuất các giải pháp hữu hiệu
đề nâng cấp, ứng dụng các công nghệ số hiện đại vào hoạt động ngân hàng: tiếp tục chuyên đôi, nâng cấp các dịch vụ ngân hàng truyền thống
Thứ năm, tăng cường công tác truyền thông, tuyên truyền, giáo dục tài chính, nâng cao nhận thức, hiểu biết cho người dân về ứng dụng công nghệ số và những lưu ý đề phòng, tránh rủi
ro khi thực hiện giao dịch trên môi trường điện tử