chuẩn Đầu ra chương trình Đào tạo ngành công nghệ tài chính

Tổng quan về Big Data 1.1.2.1 Khái niệm Dữ liệu lớn Big Data là một thuật ngữ đề cập đến việc xử lý một tập hợp đữ liệu rất lớn và phức tạp mà các ứng dụng xử lý dữ liệu truyền thống k

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRUONG DAI HOC NGAN HANG TP HO CHi MINH

NGÂN HÀNG NHÀ NƯỚC VIỆT NAM_ BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRUONG DAI HOC NGAN HANG TP HO CHi MINH

TIEU LUAN CUOI KHOA

MON: GIỚI THIỆU NGÀNH CÔNG NGHỆ TÀI CHÍNH

SVTH: LA TRUNG THÀNH MSSV: 030139230347 Lép: BAF702_241 1 D02

PHIEU CHAM DIEM CUA GIANG VIEN

Giang vién cham 1:

Giảng viên chấm 1 ký tên

Giảng viên châm 2:

Giảng viên chấm 2 ký tên

Điểm tông hợp): . . -s2 «s52 csccsse

MỤC LỤC

CHƯƠNG 1 XU HƯỚNG PHÁT TRIÊN TRONG NGÀNH CÔNG NGHỆ TÀI

e0 l

LiL, GIG) this 1

LAL Téng quan vé Fintech oi ccccccccccccccceccssessessesscsessssesseseesscssesessessessesseseetes 1 1.1.2 Tổng quan về Big Data 5 S2 EEE112112121111 211011111211 x1 rreg 1 1.2 Bip data trone lĩnh vực tài chính ngân hàng - 5: 52 222 2222222 szs 2 1.2.1 Ứng dụng của Big Data - 5s SE 121211211 2121 1211111121 re 2

1.2.2 Những ví dụ ứng dụng Big Data trong lĩnh vực tải chính — ngân hang 5

CHƯƠNG 2 VỊ TRÍ VIỆC LÀM DỰ KIÊN TRONG TƯƠNG LAI - 6

2.1 Chi tiết công viỆC 52-1 11 1121121121111111 1211212111211 11tr 6

2.2 Các yêu cầu của nhà tuyên dụng -s- 1 2s 9 121121111 21121222211 1121 tryeg 7

2.2.1 Yêu cầu trình độ chuyên môn - - 5 SE 121 E821 1111111711121 1172212 156 §

2.2.2 Kỹ năng cần thiết - 5à 1S 1111211212111 22 1211 1212111 cu 8 2.2.3 Các phâm chất nghề nghiệp 22-5 S19 1E E21 121111522112721121.1211 x2 9

2.2.4 Phân tích các yêu cầu của nhà tuyên dụng -s- 2 s22 215 2 x2 cxe2 9

CHUONG 3 CHUAN DAU RA VA KHUNG CHUONG TRINH DAO TAO 10

3.1 Chuẩn đầu ra chương trình đảo tạo ngành Công nghệ Tài chính 10 3.2 Phân tích sự phù hợp của các chuẩn đầu ra - 25221921 222215112121 e2 12

3.2.1 Đối với thị trường lao động s2 11 2121121121112 22c xe 12

3.3 Kế hoạch học 00 15 3.3.1 Các học phần ñ8n/0ï ni: nã 15 3.3.2 Học phần dự kiến hoàn thành 22 22 S1 15135315 1515151111511111E55 515 xe 16 3.3.3 Rủi ro trong quá trình học tập - 0 2201211 1211221 1112111151111 2 tre 18

3.3.4 Giải pháp để xuất 5 n ST T12 1121211222112 1 1 21 11a 18

TÀI LIỆU THAM KHẢO - S221 11215 1115215111521211111121111121 1215112122 nerseg 20

CHƯƠNG 1 XU HUONG PHAT TRIEN TRONG NGANH CÔNG NGHỆ

TÀI CHÍNH

1.1 Giới thiệu

1.1.1 Tổng quan về Fintech Finance Technology hay con duoc goi la Fintech, mét sản pham tat yếu ra đời trong thời đại công nghiệp 4.0, là một thuật ngữ mà đúng như tên øọI của nó được kết hợp giữa tài chính và công nghệ nhằm mục đích tạo ra các sản phẩm,

dịch vụ mới trong lĩnh vực tài chính — ngân hàng Trong khoảng thời gian từ khi

xuất hiện đến nay, sự có mặt của Fintech đã có tác động sâu sắc đến sự thay đôi của ngành tài chính — ngân hàng tại Việt Nam nói riêng và cả thế giới nói chung Tuy nhiên, việc Fintech hoạt động ra sao vẫn còn là vấn để cần có sự nghiên cứu bởi những hạn chế về cả quy mô, chất lượng Với hướng tiếp cận là nghiên cứu

về công nghệ nền tảng của Fintech và ứng dụng vào trong lĩnh vực tài chính — ngân hàng, bài viết này sẽ phân tích kĩ hơn và nền tảng đó, cụ thé là Big Data 1.1.2 Tổng quan về Big Data

1.1.2.1 Khái niệm

Dữ liệu lớn (Big Data) là một thuật ngữ đề cập đến việc xử lý một tập hợp đữ

liệu rất lớn và phức tạp mà các ứng dụng xử lý dữ liệu truyền thống không xử lý được Dữ liệu lớn bao gồm việc phân tích, thu thập, giám sat đữ liệu, tìm kiếm, chia

sẻ, lưu trữ, truyền nhận, trực quan, truy vấn và tính niéng tu (FPT-is, Big Data la gi? Đặc trưng và ứng dụng của đữ liệu lớn, 2024)

1.1.2.2 Đặc điểm

- Volume (Khối lượng): Nhắc đến Big Data là nhắc đến khối lượng đữ liệu cực lớn, thậm chí vượt quá khả năng lưu trữ xử lý của các hệ thống truyền thống

- Velocity (Téc độ): Dữ liệu được tạo ra và thu thập liên tục với tốc độ cao

- Variety (Tinh da dang): Dtr ligu Big Data có nhiéu dinh dang khac nhau nhu van bản, hình ảnh, video, âm thanh, đữ liệu cảm biến, nhật ký,

- Tính chính xác (Veracity): Dữ liệu lớn có thể lộn xộn và dễ xảy ra lỗi, gây khó

khăn cho việc kiểm soát chất lượng và độ chính xác của đữ liệu

- Tính biến đối (Variability): Dữ liệu được thu thập liên tục thay đôi, điều này có thé

dẫn đến sự không nhất quán theo thời gian

- Giá trị (Value): Dữ liệu lớn phải chứa đữ liệu phù hợp, có giá trị với tô chức/doanh nghiệp, giúp doanh nghiệp đưa ra quyết định sáng suốt, cải thiện hiệu quả hoạt động và tạo ra lợi thế cạnh tranh (FPT-is, Big Data la gi? Dac trưng và ứng dụng

của dữ liệu lớn, 2024)

1.1.2.3 Cách thức hoạt động Big Data hoạt động dựa trên một quy trình gồm nhiều bước liên kết chặt chẽ với nhau, bao gồm: Thu thập dữ liệu, xử lí đữ liệu, phân tích dữ liệu, trực quan hóa

dữ liệu

- Thu thập dữ liệu: Thu thập dữ liệu là bước đầu tiên và quan trọng nhất trone quá trinh Big Data Analytics Dir ligu có thé duoc thu thập từ nhiều nguồn khác nhau, bao gồm: Các nguồn truyền thống, Các nguồn trực tuyến

- Xử lí dữ liệu: Dữ liệu Big Data ở dạng thô và cần được xử lý trước khi có thé phân tích Quá trình xử lý đữ liệu Big Data bao gồm nhiều bước như: Làm sạch đữ

liệu, Chuyên đổi dữ liệu, Tích hợp đữ liệu

- Phân tích dữ liệu: Dữ liệu Big Data được phân tích bằng các công cụ và kỹ thuật phân tích dữ liệu tiên tiến như Hadoop MapReduce, Apache Spark, Apache Storm, Mục tiêu của việc phân tích dữ liệu Big Data là trích xuất thong tin co 914 tri từ

dữ liệu, giúp doanh nghiệp đưa ra quyết định sáng suốt, cải thiện hiệu quả hoạt động và tạo ra lợi thế cạnh tranh

- Trực quan hóa đữ liệu: Dữ liệu Big Data được trực quan hóa bằng các biểu dé, hình ảnh và bản đồ để giúp người dùng dễ dàng hiểu và nắm bắt thông tin Trực quan hóa đữ liệu giúp doanh nghiệp truyền đạt thông tin hiệu quả hơn và hỗ trợ ra quyết định nhanh chóng (FPT-is, Big Data là gì? Đặc trưng và ứng dung cua dit

liệu lớn, 2024)

1.2 BIG DATA TRONG LĨNH VỰC TÀI CHÍNH NGÂN HÀNG

1.2.1 Ứng dụng của Big Data Thứ nhất, phân tích các thói quen chỉ tiêu của khách hàng Các ngân hàng có khả năng truy cập thông tin về chi tiêu và thu nhập của khách hàng, cung cấp cơ sở để phân tích dữ liệu sâu hơn Việc sàng lọc thông tin

giúp nhân viên ngân hảng hiểu rõ nguyên nhân biến động trong thu nhập và chỉ tiêu

của khách hàng Điều nảy quan trọng trong việc đánh giá rủi ro, thâm định hỗ sơ

cho vay và mở rộng dịch vụ Đồng thời việc nắm thông tin về nguồn tiền nhàn rỗi của khách hàng giúp ngân hàng thu hút tiền gửi và đầu tư hiệu quả

Thứ hai, phân khúc khách hàng và thâm định hồ sơ

Phân khúc khách hàng là yếu tô quan trọng trong chiến lược marketing và thiết kế sản phâm của ngân hàng Bip Data cung cấp thông tin về nhu cầu và thói quen chi tiêu của khách hàng, giúp ngân hàng dễ dàng phân loại khách hàng theo nhóm nào, ví dụ như: nhóm có chỉ tiêu dễ đàng, nhóm nhà đầu tư thận trọng, nhóm thanh toán nợ nhanh chóng, nhóm khách hàng trung thành Bên cạnh đó, biết được

hồ sơ cá nhân giup ngan hang lap kế hoạch chỉ tiêu và thu nhập dự kiến, đảm bảo

lợi nhuận và lợi ích cho cả tổ chức và khách hàng

Thứ ba, nâng cao chất lượng dịch vụ thông qua xây dựng hệ thống thu thập các phản hồi khách hàng và phân tích chúng

Khách hàng có thê để lại phản hồi sau mỗi lần giao dịch hay mỗi lần nhận

được tư vấn từ trung tâm hỗ trợ chăm sóc khách hàng hoặc qua các biểu mẫu phản hồi; nhưng thường xuyên (hay có thể nói nhiều khả năng) chia sẻ ý kiến thông qua các phương tiện truyền thông xã hội hơn, ví dụ Facebook, Zalo, Khi đó, công cụ Big Data sé loc thông tin, phản hồi nhanh chóng và ngăn chặn tin đồn thất thiệt Khi khách hảng cảm thấy ngân hàng lắng nghe, đánh giá cao ý kiến và thực hiện những cải tiến, thay đổi theo yêu cầu của họ thì sự trung thành dành cho thương hiéu sé gia tăng, hơn nữa cải thiện hình ảnh của ngân hàng

Thứ tư, marketing theo hướng cá nhân hóa

Sau khi có được phân khúc khách hàng thì các ngân hàng cần tận dụng để marketing nhắm tới mục tiêu khách hàng dựa trên trên những hiểu biết về thói quen chi tiêu cá nhân của họ ngân hàng có thê kết hợp đữ liệu phi cấu trúc được lấy ra từ mạng xã hội để có được một bức tranh đầy đủ hơn về nhu cầu của khách hàng dựa trên các phân tích về tâm lý, mong muốn khách hàng ở mọi thời điểm Từ đó, ngân hàng có thể đưa ra các giải pháp, kế hoạch marketing phù hợp để có được tý lệ phản hỗồi cao hơn từ khách hàng

Thứ năm, thay đôi cách thức cung cấp dịch vụ đến khách hàng

Hệ thông Big Data có thể là một hệ thống phức tạp liên kết giữa nhiều bộ phân chức năng khác nhau với vai trò đơn piản hóa các nhiệm vụ trone một tô chức Bắt cứ khi nào tên một khách hàng hoặc số tài khoản được nhập vào hệ thống, hệ

thống Big Data sé hỗ trợ sảng lọc tất cả các dữ liệu và chỉ truyền đi hay cung cấp các đữ liệu được yêu cầu đề phục vụ cho quá trình phân tích Điều này cho phép các

ngân hàng tối ưu hóa quy trình làm việc và tiết kiệm cả thời gian và chỉ phí Big

Data cũng cho phép các tổ chức xác định và khắc phục các vấn đề trước khi khách

hàng bị ảnh hướng

Thứ sảu, phát hiện và ngăn chặn hành vì lừa đảo, vì phạm pháp luật Big Data sẽ cho phép các ngân hàng đảm bảo không có giao dịch trái phép nào được thực hiện, cung cấp mức độ an toàn, nâng cao tiêu chuân bảo mật của toàn

bộ ngành Nhờ vào dữ liệu về lịch sử giao dịch và hồ sơ tín dụng của khách hàng, ngân hàng có thế nhận điện những bắt thường trong quá trình cung cấp dịch vụ đến

ngan hang tiến hành phân tích một cách nhanh nhất khi có các dấu hiệu về rủi ro

xảy ra, từ đó đưa ra các biện pháp xử ly Bip Data cũng đóng một vai trò quan trọng trong việc phối hợp giữa các bộ phận, phòng, ban và yêu cầu xử lý đữ liệu của ngân hàng vào một hệ thông trung tâm duy nhất; qua đó, hỗ trợ kiếm soát, ngăn chặn vấn đề mắt dữ liệu, giảm thiểu rủi ro và gian lận

Thứ tám, tham gia vào việc kiếm soát đánh giá và nâng cao hiệu quả làm việc của nhân viên

Hệ thống Big Data hỗ trợ thu thập phân tích, đánh giá và truyền tải dữ liệu về hiệu quả làm việc của nhân viên Trước đây, đề thu thập các thông tin này cần rất nhiều công đoạn mang tính thủ công, thì nay, Bip Data sẽ giúp xử lý các công việc này một cách nhanh chóng và chính xác Kết quả phân tích sẽ giúp các nhà lãnh đạo

có cái nhìn về tình hình, thực trạng làm việc hiện tại của nhân viên, đặc biệt xem xét mức độ hài lòng của ngân viên về môi trường làm việc, phúc lợi của ngân hàng

danh cho ho (Truong Thi Hoai Linh, Lê Thị Như Quỳnh, 2020)

1.2.2 Những ví dụ ứng dụng Big Data trong lĩnh vực tài chính — ngân hàng

Năm 2020, TPBank chính thức đưa vào sử dụng hai giải pháp công nghệ Big

Data do FIS triển khai bao gồm 2 cầu phần chính: Kho đữ liệu Data Lake duoc xây dựng dựa trên nền tảng mở Hortonworks Data Platform (HDP)- lưu trữ Big Data từ nhiều nguồn, bao gồm các nhóm dữ liệu thô, phi câu trúc và Nền tảng xây dung m6 hinh hoc may Watson Studio Local, két hop thiét bi IBM Integrated Analytics System (IIAS) téi ưu cho việc phân tích đữ liệu với tốc độ cao, giảm thời gian huấn luyện mô hình (đây là hợp đồng đầu tiên hoàn thành về Bip Data cho ngân hàng thương mại tại Việt Nam)

Năm 2019, Vietcombank đã ký hợp tác với FIS triển khai thực hiện Dự

án “Mua sắm phần mềm quản trị nhân sự mới (HRM)” gồm 6 phân hệ chính: Quản

lý thông tin nhân sự, Quản lý chí phí tiền lương, Quản lý tuyên dụng, Quản lý đào

tạo, Quản lý đánh 914 can b6 va Quan lý nhân tài

VietinBank đã xây dựng chiến lược và lộ trình quản lý và khai thác tài sản dữ liệu trước khi chính thức ứng dụng Big Data thì chú trọng củng cô và xây đựng nền tang hạ tầng về đữ liệu bao gồm dự án Kho đữ liệu doanh nghiệp (EDW- Enterprise

Data Warehouse) triển khai xây dựng trong vòng 3 năm bao gồm tích hợp hơn

200 hệ thống nguồn, BI, Quản lý đữ liệu tập trung (MDM- Master Data

Management)

MB hợp tác với Infosys, Amigo triển khai kho đữ liệu và tập trung công cụ báo cáo quản trị Như vậy có thể nhận thấy, so với quy mô tổng thể của cả hệ thống ngân hàng Việt Nam, việc nghiên cứu, chủ động ứng dụng Big Data vẫn còn nhiều khó khăn và tiềm năng ứng dụng chủ yếu vấn ở ngân hàng lớn - là nhóm có thế mạnh sẵn có về khoa học- công nghệ Còn nhóm ngân hàng nhỏ với mô hình hoạt động vẫn theo truyền thông là chủ đạo cùng với các hạn chế về quy mô nên còn đang trong giai đoạn nehiên cứu sơ khai

CHƯƠNG 2 VỊ TRÍ VIỆC LÀM DỰ KIÊN TRONG TƯƠNG LAI

Sau khi đã nghiên cứu và tim hiểu kỹ về các vị trí việc làm liên quan đến chuyên ngành công nghệ tài chính, lĩnh vực tài chính — ngân hàng Em quyết định rằng Data analyst hay chuyên viên phân tích dữ liệu có thê sẽ phù hợp với bản thân

em cho vị trí công việc sau này

2.1 Chỉ tiết công việc

Chuyên viên phân tích đữ liệu (Data analyst) làm nhiệm vụ thu thập, chọn lọc, xử lý và phân tích dữ liệu, từ đó báo cáo được thực trạng của một vấn đề nhất

định và đề xuất ra phương án xử lý tối ưu Trong lĩnh vực tải chính ngân hàng,

chuyên viên phân tích đữ liệu đóng vai trò vô cùng quan trọng trong việc biến đữ liệu thô thành thông tin hữu ích, từ đó hỗ trợ đưa ra các quyết định kinh doanh chiến lược Những công việc cụ thể của một chuyên viên phân tích đữ liệu là:

- Xác định dữ liệu: Tìm hiểu doanh nghiệp đang gặp phải van dé gì, đối mặt với khó khăn nảo, cần công cụ và phương pháp nào để đo lường vấn đề cho chính xác, tìm ra nguồn thu thập dữ liệu và chuẩn bị công cụ đề thu thập đữ liệu

- Thu thập dữ liệu: Thông qua khảo sát, theo đõi đặc điểm của khách truy cập trên trang web của công ty, qua các phần mềm thu thập dữ liệu, hoặc mua bộ dữ liệu từ các chuyên gia Data Analyst khác, v.vv Đó là những nguồn để thu thập

đữ liệu

- Làm sạch dữ liệu: Dữ liệu thô có thê chứa các bản sao hoặc lỗi Làm sạch đữ

liệu là duy trì chất lượng dữ liệu trong bảng tính hoặc thông qua ngôn ngữ lập

trình để các diễn giải không bị thiếu sót, dư thừa và sai lệch

- Phân tích đữ liệu: Tạo và thiết kế các cấu trúc của cơ sở đữ liệu, chọn loại dữ liệu để lưu trữ và thu thập thiết lập các danh mục đữ liệu có liên quan với nhau

và tìm hiểu xem đữ liệu thực sự xuất hiện như thế nào Tận dụng các ứng dụng

để chuyên đôi từ dữ liệu số sang đồ họa để người xem dễ hiểu và dễ tiếp thu hơn

- Diễn giải dữ liệu: Tìm ra các khuôn mẫu hoặc xu hướng trong đữ liệu cho thấy được nguyên do của van đề hiện tại, tương lai của vấn đề và cách thức giải

quyết

- Trình bày kết quả: Truyền đạt kết quả thông qua hình ảnh trực quan, biểu đỗ

và đồ thị, viết báo cáo và trình bày thông tin cho các bên liên quan

2.2 Các yêu cầu của nhà tuyến dụng

Tham khảo trên 3 trang web tuyển dụng việc làm 1a: LinkedIn, Topev, CareerViet Vi trí chuyên viên phân tích dữ liệu hiện đang được tuyến bởi các ngân hàng như Techcombank, MBbank, VPbank, và các định chế tài chính như: MoMo, Shopee,

Lấy ví dụ về một mẫu thông báo tuyển dụng vị trí Data analyst của MoMo trên trang tuyển dung LinkedIn :

“As a Senior Data Analyst in the Financial Services sector, with a focus on credit products, you will leverage your expertise in data analysis to deliver actionable insights that drive business decisions You will be responsible for analyzing large datasets, creating financial models, and working closely with cross-functional teams to optimize credit risk strategies, customer acquisition, retention, and profitability

What you will do

¢ Conduct rigorous hypothesis testing, including A/B testing, to evaluate the effectiveness of marketing campaigns and product features;

¢ Collect, analyze, and interpret large datasets to identify trends, patterns, and insights that contribute to business growth and operational efficiency;

¢ Leading complex data analysis projects from inception to completion;

¢ Mentoring junior team members and providing guidance on technical and analytical skills;

e Assist in creating business cases with detailed analysis, outlining problems, opportunities, solutions, strategic directions, and performance management for investment and insurance products;

s® Plan, forecast and monitor performance and budget of said projects while proposing necessary changes to maximize efficiency;

What you will need

Minimum Qualifications (education)

® Bachelor's degree in a quantitative field such as Statistics, Mathematics, Economics, or Computer Science;

e Experience with Bl/analytics tools (Google BigQuery, Data Studio );

e Proficiency in SQL, Python is a must;

e¢ Familiarity with machine learning techniques and financial modeling;

e Advanced proficiency in statistical analysis, and data visualization;

¢ Ability to lead and mentor junior team members;

s® Excellent communication and presentation skills, with the ability to convey complex technical concepts to non-technical stakeholders;

¢ Strong project management skills and ability to prioritize and manage multiple tasks simultaneously;

Personal characteristics:

® Result-oriented;

® Do whatever it takes to get the job done;

® Curiosity and eagerness to learn new techniques and tools;

¢ Innovative thinking and problem-solving mindset;

¢ Attention to detail and commitment to producing high-quality work.”’ (Nguyen, 2024)

2.2.1 Yêu cầu trình độ chuyên môn

- Công việc yêu cầu bằng cử nhân hoặc thạc sĩ trong lĩnh vực kinh tế, toán học, khoa học máy tính

- Ít nhất 3 năm kinh nghiệm trong phân tích đữ liệu, tốt nhất là trong lĩnh vực dịch

vụ tải chính, tín dụng

- Kinh nghiệm làm việc với sản phâm cho vay kỹ thuật số

2.2.2 Kỹ năng cần thiết

- Kinh nghiệm với các công cụ BI/phan tich (Google BigQuery, Data Studio );

- Thanh thao SQL, Python 1a bat buộc