Phân tích xu hướng phát triển trên thế giới trong những năm gần Đây về ngành khoa học dữ liệu Đồng thời phân tích tác Động của chúng Đến

Đồng thời phân tích tác động của chúng đến ngành tài chính ngân hàng, cơ hội việc làm của sinh viên ngành tài chính ngân hàng, chuyên ngành công nghệ tài chính tại Việt Nam” đề tìm hiểu

TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHÓ HÒ CHÍ MINH

KHOA NGÂN HÀNG CHUYÊN NGÀNH CÔNG NGHỆ TÀI CHÍNH MÔN HỌC GIỚI THIỆU NGÀNH CÔNG NGHỆ TÀI CHÍNH

Giáng viên: TS Trần Chí Chinh

Lớp D01 —- Nhóm 06

Đề tài:

PHÂN TÍCH XU HƯỚNG PHAT TRIEN TREN THẺ GIỚI TRONG NHỮNG NAM GAN DAY VE NGANH KHOAHOC DU LIEU BONG THO! PHAN TICH TAC DONG CUA CHUNG DEN NGANH TAI CHiNH NGAN HANG, CO HO! VIỆC LÀM CỦA SINH VIÊN NGÀNH TÀI CHÍNH NGÂN HANG, CHUYEN NGÀNH CÔNG NGHỆ TÀI CHÍNH TẠI VIỆT NAM

45 Dương Thị Tuyết Sương 030138220352 100%

MỤC LỤC

LỜI MỞ ĐẦU -.-Q ST n1 150 T1 11011511511 TH HT nh ng TH TH nếp II LỜI CẢM ƠN Q00 0n HT TH TH HH TH TH TT HT TH TT Tư ng nn ri IV CHƯƠNG I: KHOA HỌC DỮ LIỆU VÀ XU HƯỚNG PHAT TRIEN TRONG

1 Khoa học dữ liệu là QÌ “? - - - ĂSH HH Họ BH kh 1

2 Sự phát triển của Khoa học dữ liệU - - 5-5 S2 S*E+EzE+eEzEEzErzEeerzererrsrke 1

3 Các xu hướng phát triển cua Khoa học dữ liệu trong những năm gần đây 2

>380I9)/ 0 2

CHƯƠNG 2: TÁC ĐỘNG CỦA NGÀNH KHOA HỌC DỮ LIỆU ĐÉN NGÀNH TÀI CHÍNH - NGÂN HÀNG - -Ă- cSES SE TH TH TH HH TH TH Hà cưng 4

2 Quản lý đữ liệu khách hàng và giảm tỷ lệ rời bỏ (Chum rate): 5

3 Mô hình hoá rủi ro và tối ưu hoá danh mục đầu tư: .- ¿ 555 ksekc+e++sessecrxz 5

5 Phân khúc khách hàng: . - - - - + 2 2+2 +11 E383 ES XE TH vn vn ngư 6

6 Hỗ trợ khách hàng tự động: .- 2-2 +22++22E+2E+E cv +SEekeerkrrrerrrreserre 6

7 Du doan giá trị trọn đời của khách hàng: - SH» nh 7

CHUONG 3: CO HOI VIEC LAM CUA SINH VIEN NGANH TAI CHINH NGAN HÀNG, CHUYÊN NGÀNH CÔNG NGHỆ TÀI CHÍNH Ở VIỆT NAM 7

1 Dự đoán giá trị trọn đời của khách hàng: .- 5 << S1 HH nh ky 8

BS ^® an ố.e 8

4 Tư vấn tài chính cá nhân hóÓa - - + EEk 3x +EESE SE veEceErerrerrererreree 8 5 Phát triển ứng dụng tài chính . -:- + 25+ S2S+2x‡x+tkkexxskekeseserkrrrrkrrrvee 8

7 Cải thiện trải nghiệm khách hàng + 7-22 S252 ++S+E+s+E£zvezEereeerrsrsrererers 9 KẾT LUẬN - G3 E1 5 ST TH T TH TT HT HT HT Hà TT 9 DANH MỤC TÀI LIỆU THAM KHẢO - c + S E3 EkEExEvErkcrvrnrhrvvrvc re 10

LỜI MỞ ĐẦU

4 Ly do chon dé tai:

Trong thời đại cách mạng công nghiép 4.0 hign nay, nén kinh té da, dang dan chuyên sang nèn kinh tế số khi công nghệ số, trí tuệ nhân tạo (AI) len lỏi vào mọi lĩnh

vực và các hoạt động kinh doanh Big data và khoa học dữ liệu (data science) chính là

nén tang kỹ thuật của nèn kinh té thông minh này

Phiên bản ngân hang số (digital banking) 4.0 là mục tiêu của tất cả các ngân hàng

ở những nước tiên tiền hướng đến trong đó có Việt Nam Với phiên bản này, ngân hàng

chủ yếu vận hành đa kênh số dựa trên nhiên liệu là dữ liệu Do đó, bên sở hữu nhiều

kiến thức, thông tin, dữ liệu thực té sẽ có nhiều lợi thế hơn so với bên còn lại và dẫn đầu trong cuộc đua tiếp cận khách hàng

Vì vậy, nhận thấy tiềm năng rộng mở của ngành Khoa học dữ liệu, chúng em

chọn đề tài “Phân tích xu hướng phát triên trên thé giới trong những năm gần đây về

ngành Khoa học dữ liệu Đồng thời phân tích tác động của chúng đến ngành tài chính

ngân hàng, cơ hội việc làm của sinh viên ngành tài chính ngân hàng, chuyên ngành công nghệ tài chính tại Việt Nam” đề tìm hiểu rõ hơn về việc tìm kiếm, thu thập và phân tích

dữ liệu cũng như những tác động đến ngành mình đang học để có thê lựa chọn được

ngành nghè tốt hơn trong tương lai

4 Đối tượng và phạm vi nghiên cứu:

e - Đối tượng nghiên cứu: Xu hướng phát triển ngành Khoa học dữ liệu những

năm gan đây

se Phạm vi nghiên cứu: Toàn càu

+ Mục tiêu và nhiệm vụ nghiên cứu:

e _ Mục tiêu: Làm rõ xu hướng phát triên ngành Khoa học dữ liệu trên the giới trong những năm gần đây, đồng thời xác định những tác động đến

ngành tài chính ngân hàng và cơ hội việc làm đối với sinh viên chuyên ngành công nghệ tài chính tại Việt Nam

e - Nhiệm vụ: Đề tài tập trung vào một số nhiệm vụ chủ yêu o_ Tông quan vẻ ngành Khoa học dữ liệu

o_ Xu hướng phát triên của ngành Khoa học dữ liệu

o_ Tác động của ngành Khoa học dữ liệu đến ngành Tài chính - Ngân hàng

©_ Cơ hội việc làm của sinh viên chuyên ngành Công nghệ tài chính

LOI CAM ON

Đề hoàn thành tiêu luận này, nhóm chúng em xin gửi lời cảm ơn chân thành đến: Ban giám hiệu trường Đại Học Ngân hàng Thành phố Hồ Chí Minh vì đã tạo điều kiện về cơ sở vật chất với hệ thống thư viện hiện đại, đa dạng các loại sách, tài liệu thuận lợi cho việc tìm kiêm, nghiên cứu thông tin

Xin cảm ơn giảng viên bộ môn — T8 Trần Chí Chính đã giảng dạy tận tinh, chi tiệt đề chúng em có đủ kiên thức và vận dụng chúng vảo bài tiêu luận nảy

Do chưa có nhiều kinh nghiệm làm đề tài cũng như những hạn chế về kiến thức, trong bài tiêu luận chắc chắn sẽ không tránh khỏi những thiếu sót Rất mong nhận được

sự nhận xét, ý kiến đóng góp, phê bình từ phía Thầy để bài tiêu luận được hoàn thiện hơn

Lời cuỗi cùng, chúng em xin kính chúc Thầy nhiều sức khỏe, thành công và hạnh

phúc

CHƯƠNG 1: KHOA HOC DU LIEU VA XU HUONG PHAT TRIEN TRONG NHUNG NAM GAN DAY

1 Khoa học dữ liệu là gì ? Khoa học dữ liệu (Data science) là một lĩnh vực nghiên cứu vẻ việc quản lý và

phân tích dữ liệu đề tìm ra các thông tin, kiến thức có thẻ áp dụng, và các quyét định

dẫn dắt hành động có ý nghĩa đối với hoạt động kinh doanh Đây là một phương thức tiếp cận đa ngành, kết hợp những nguyên tắc và phương pháp thực hành của các lĩnh

vực toán học, thống kê, trí tuệ nhân tạo và kỹ thuật máy tính để phân tích khói lượng

lớn dữ liệu Nội dung phân tích này sẽ giúp các nhà khoa học dữ liệu đặt ra và trả lời những câu hỏi như sự kiện øì đã xảy ra, tại sao nó xảy ra, sự kiện gì sẽ xảy ra và có thê

sử dụng kết quả thu được cho mục đích gi

Khoa học dữ liệu quan trọng bởi vì lĩnh vực này kết hợp các công cụ, phương pháp và công nghệ đẻ rút ra ý nghĩa từ dữ liệu Các hệ thống và công thanh toán trực

tuyến đang dân thu thập nhiều dữ liệu hơn trong những lĩnh vực thương mại điện tử, ÿ

tế, tài chính cũng như mọi khía cạnh khác của đời Sống con người

2 Sự phát triển của Khoa học dữ liệu

Trong thời gian qua, Khoa học dữ liệu đã trở thành một trong những ngành có sự

phát triển rất nhanh chóng trên toàn thé giới Với sự gia tăng về quy mô và phạm vi của

dữ liệu, nhu cầu về chuyên gia khoa học dữ liệu ngày cảng tăng Các doanh nghiệp đang

tìm kiếm những người có kiến thức chuyên sâu về xử lý dữ liệu, máy học, và trí tuệ nhân

tạo để giúp họ hiểu rõ hơn về người tiêu dùng, tối ưu hóa chiến lược kinh doanh, và dự đoán xu hướng tương lai Điều này làm cho ngành Khoa học dữ liệu trở thành một trong

những lĩnh vực có nhu cầu cao vẻ nhân lực

Ngành khoa học dữ liệu đã trải qua một quá trình phát triển đáng kẻ, đi cùng với

sự bùng nô của dữ liệu lớn và công nghệ máy tính trong 10 năm qua Điều này có thê

được coi như sự ra đời của một hình thức mới, tổng hợp các ngành như khoa học máy

tính, mô phỏng, thống kê, phân tích và toán học, trong quá trình phát triển không ngừng

Trọng tâm của nó là việc sử dụng các phương pháp tự động đề phân tích một lượng lớn

dữ liệu và từ đó khám phá ra các kiến thức mới Từ di truyền học đến vật lý năng lượng

cao, khoa học dữ liệu đã giúp chúng ta khám phá ra những nhánh mới của khoa học, tạo

ra su anh hưởng sâu rộng đến toàn bộ nên khoa học tự nhiên, kỹ thuật, cũng như khoa

học xã hội và nhân văn

Hầu như tất cả các ngành kinh té hiện nay đều có thẻ truy cập vào trung tâm dữ liệu Các doanh nghiệp hiện nay đang tích lũy những khối thông tin mới với một tốc độ vượt quá năng lực mà họ có thê rút chiết ra được giá trị Vậy nên câu hỏi chính mà tát các các tô chức đang đặt ra thu hút được sự quan tâm toàn bộ cộng đồng là làm thé nào

để sử dụng được dữ liệu một cách hiệu quả, không chỉ là của riêng ho ma bao gém ca mọi nguồn có liên quan

3 Các xu hướng phát triển của Khoa học dữ liệu trong những năm gần đây trên thế giới

3.1 TinyML và D# liệu nhỏ

Big Data là thuật ngữ được sử dụng để mô tả Sự tăng trưởng nhanh chóng của dữ liệu số mà chúng ta tạo ra, thu thập và phân tích Các thuật toán ML mà

chung ta sử dụng để xử lý dữ liệu cũng khá lớn; nó không chỉ là dữ liệu lớn Nó

có khoảng 175 ty tham sé, lam cho nó trở thành hệ thống lớn nhát và phức tạp

nhất có khả năng mô phỏng ngôn ngữ con người Đây là một trong những xu hướng tương lai của khoa học dữ liệu

Các thuật toán TinyML được thiết ké dé tiêu thụ ít không gian nhát có thẻ

và chạy trên phản cứng có công suát tháp Tất cả các loại hệ thống nhúng sẽ sử

dụng vào năm 2023, từ các thiết bị gia dụng đén thiết bị mặc được, xe hơi, máy

móc nông nghiệp và thiết bị công nghiệp, làm cho chúng trở nên tốt hơn và có

giá trị hơn

3.2 Sứ dụng Big Data trong Internet of Things (loT) Internet of Things (IoT) là một mạng lưới các vật thẻ được nhúng với phần

mèm, cảm biến và công nghệ mới nhát Điều này cho phép các thiết bị khác nhau trên mạng két nói với nhau và trao đối thông tin qua internet Bằng cách tích hợp

Internet of Things v ới máy học và phân tích dữ liệu, bạn có thể tăng tính linh hoạt

của hệ thống và cải thiện độ chính xác của các phản hài do thuật toán máy học cung cáp

3.3 Nâng cáp trới nghiệm khách hàng dựa trên dZ liều

Các doanh nghiệp sử dụng dữ liệu khách hàng để cung cấp những trải nghiệm ngày càng tốt và giá trị hơn, cá nhân hóa với từng đối tượng khách hàng

Ứng dụng thân thiện với người dùng hơn, thời gian chờ đợi ít hơn, cho phép chuyền giữa các bộ phận khi liên hệ với dịch vụ khách hàng và giám thiểu sự cản

trở và phiền toái trong thương mại điện tử

3.4 AutoML (Học máy tự động) AutoML tự động hóa quá trình học máy, giúp quá trình này diễn ra nhanh hơn và hiệu quả hơn Từ những công đoạn như xử lý tiền dữ liệu và lựa chọn tính năng đén lựa chọn mô hình và tối ưu hóa siêu tham số AutoML cho phép những

người không phải là chuyên gia có thê sử dụng các mô hình, kỹ thuật học máy

mà không cần phải có kiến thức sâu rộng trong lĩnh vực này

3.5 AI va Cơ sở dữ liệu dựa trên Dién toan dam may

Việc thu thập, gắn nhãn, dọn dẹp, sắp xếp, định dạng và phân tích khói

lượng dữ liệu không lồ này ở cùng một nơi là một nhiệm vụ phức tạp Nèn tảng

dựa trên đám mây đang ngày cảng trở nên phô biến như một giải pháp cho vấn

dé nay Khoa học dữ liệu và AI sẽ được chuyên đổi trong tương lai với cơ sở dữ liệu điện toán đám mây Nhờ điện toán đám mây, doanh nghiệp có thê bảo vệ dữ

liệu và quản lý công việc của mình một cách hiệu quả và năng suất hơn

3.6 Trực quan hóa d# liệu

Trực quan hóa dữ liệu là quá trình hiển thị thông tin ở định dạng đồ họa

Các công cụ trực quan hóa dữ liệu cho phép bạn xem các mẫu, xu hướng và các

ngoại lệ trong dữ liệu bằng cách sử dụng các yếu tố trực quan như biểu đỏ, đồ thị

và bản đồ Nó cũng cho phép nhân viên hoặc chủ doanh nghiệp trình bày dữ liệu

mà không gây nhằm lẫn cho những đối tượng không rành về kỹ thuật Đây là một

trong những chủ đề thịnh hành trong khoa học dữ liệu Việc phân tích lượng dữ

liệu không lồ và đưa ra quyết định dựa trên dữ liệu đòi hỏi các công cụ và công

nghệ trực quan hóa dữ liệu

3.7 Generative Al cho Deepfake và tổng hợp dz liệu (Synthetic Data)

Dữ liệu tông hợp được sản xuất một cách nhân tạo thay vì lấy từ các sự

kiện trong đời thực Ngày càng có nhiều lo ngại về quyền riêng tư khi sử dụng hình ảnh người thật để đào tạo các ứng dụng nhận dạng khuôn mặt Những khó

khăn trên có thê được khắc phục bằng cách sử dụng hình ánh tông hợp của những người không tôn tại AI tông hợp và dữ liệu tổng hợp sẽ trở thành một phản của

nhiều ngành công nghiệp hơn và tác động đến cách thức hoạt động cua phan mém

AI

3.8 Block Chain trong Khoa hec dé ligu Các nhà khoa học dữ liệu phải cầu trúc thông tin một cách tập trung để

sẵn sàng cho việc phân tích dữ liệu Quá trình này vẫn tốn thời gian và đòi hỏi Sự

nỗ lực của các nhà khoa học dữ liệu Blockchain có thẻ giải quyết vấn đẻ trên

một cách hiệu quả Nó giúp quản lý dữ liệu dễ dàng hơn; cho phép các nhà khoa

học chạy phân tích trực tiếp từ thiết bị cá nhân; theo dõi nguồn gốc dữ liệu và

việc xác thực thông tin hiệu quả hơn

CHƯƠNG 2: TÁC ĐỘNG CỦA NGÀNH KHOA HỌC DỮ LIỆU ĐÉN

NGÀNH TÀI CHÍNH - NGÂN HÀNG

Việc áp dụng các công nghệ tiên tiền đóng vai trò quan trọng trong tất cả các lĩnh

Vực nói chung, đặc biệt là trong thời đại kỹ thuật số ngày nay Và lĩnh vực tài chính ngân

hàng thì luôn dẫn đầu trong việc áp dụng các công nghệ hiện đại, tiên tiền để có thẻ nâng cao hiệu quả làm việc, cũng như mang đến cho các khách hàng những trải nghiệm tốt nhát khi sử dụng dịch vụ

Những năm gần đây, việc sử dụng khoa học dữ liệu trong ngành tài chính ngân

hàng đang phát triên một cách nhanh chóng và mạnh mẽ, nó có khả năng phân tích được

1 tệp dữ liệu không lồ, quản lý rủi ro, cho phép đầu tư thông minh hơn, phát hiện gian lận, phân tích hành vi của khách hành và tối ưu hoá chiến lược giao dịch

Với việc tích hợp khoa học dữ liệu vào tài chính ngân hàng đang dân trở nên cáp

thiết đối với các tô chức ngân hàng để đạt được lợi thé cạnh tranh trong ngành Vì nó

mang lại nhiều lợi thế cho các ngân hàng như là tăng cường ra quyết định, phân bó

nguàn lực tối ưu hoá và tăng hiệu suất

Băng những công nghệ tiên tiền nói trên cho tháy khoa học dữ liệu có tác động

lớn vào ngành tài chính ngân hàng Một số trường hợp ứng dụng khoa học dữ liệu thành

công trong lĩnh vực tài chính ngân hàng:

1 Phát hiện gian lận:

Việc sử dụng công nghệ trong các dịch vụ ngân hàng càng tăng cao cũng đồng

nghĩa với việc lĩnh vực dễ bị lừa đảo hơn

Với sự trợ giúp của khoa học dữ liệu, các ngân hàng và tô chức tài chính có thế phát hiện kịp thời các hoạt động gian lận thông qua việc phân tích dữ liệu giao dịch,

phát hiện bát thường và ngăn ngừa chúng kịp thời

Ngân hàng phát hiện gian lận càng sớm thì càng dễ dàng hạn ché hoạt động tài

khoản đề giảm thiểu tôn thát Các ngân hàng có thê đạt được sự bao mat day đủ bằng

cách đưa ra một loạt các cơ chế phòng chóng gian lận đề ngăn chặn những tồn thát lớn

2 Quản lý dữ liệu khách hàng và giảm tỷ lệ rời bỏ (Churn rate):

Ngày nay, ngân hang số đã trở nên phổ biến và được sử dụng rộng rãi Với các giao dịch được thực hiện trực tuyến, ngân hàng có thẻ dễ dàng lấy thông tin về tương

tác và sở thích của người tiêu dùng và với sự trợ giúp của dữ liệu này, khoa học dữ liệu

có thẻ cải thiện quy trình ra quyết định và có thề giúp tìm kiếm các cơ hội tạo doanh thu

mới

Thông qua phân tích dữ liệu hành vi khách hàng như tàn suất giao dịch, lịch sử

thanh toán, các ngân hàng có thê xác định được khách hàng nào có ty lệ rời bỏ cao, sau đó cung cấp cho họ các sản pham va dich vu được cá nhân hoá đề cải thiện khả năng

giữ chân khách hàng

3 Mô hình hoá rủi ro và tối ưu hoá danh mục đầu tư:

Băng cách tận dụng thuật toán học máy, các tô chức có thẻ phát hiện ra những điểm bắt thường trong dữ liệu khách hàng hoặc mối tương quan giữa các biến nhát định

từ đó chỉ ra được các rủi ro tài chính và gian lận tiềm ản

Điều này giúp họ xác định mức độ rủi ro thích hợp cũng như xác định những

khách hàng có thé gặp rủi ro cao hơn Khoa học đữ liệu cũng có thê được sử dụng đề phát triền các mô hình dự đoán giúp ngân hàng lường trước rủi ro trong tương lai và lên

ké hoạch phù hợp

Khoa học dữ liệu còn có thê xác định các mô hình trong các cuộc khủng hoảng

tài chính trong quá khứ và dư đoán những đợt suy thoái trong tương lai Do đó, các ngân hàng có thẻ phát hiện và quản lý rủi ro hiệu quả hơn, xây dựng được danh mục đầu tư

tối ưu hoá lợi nhuân trong khi giảm thiêu rủi ro

4 Dự đoán giá cỗ phiếu:

Các nhà khoa học dữ liệu sử dụng các kỹ thuật học máy khác nhau đề tạo ra các

dự báo và dự đoán về chuyền động của một cô phiếu cụ thẻ như được đề cập dưới đây: