- Xây dựng cơ sở dữ liệu tập trung của Ngân hàng, loại bỏ những rào cản do dữ liệu phân bố rải rác, tạo điều kiện để các bộ phận truy cập, thu thập dữ liệu dễ dàng và đầy đủ hơn; đồng thời phân quyền truy cập đối với những thông tin bảo mật. LienVietPostBank có thể xem xét thành lập Trung tâm khai thác và quản lý dữ liệu kinh doanh nhằm chuyên biệt hóa chức năng phân tích kho dữ liệu, quản lý các dự án về dữ liệu và phối hợp cung cấp thông tin cho các Khối kinh doanh/Phòng nghiên cứu phát triển sản phẩm dịch vụ/Khối Công nghệ thông tin/Ban lãnh đạo Ngân hàng.
- Nâng cấp hệ thống quản lý/lưu trữ dữ liệu lên Cloud: Nhiều ngân hàng trên thế giới đã thực hiện chuyển đổi dữ liệu vào đám mây giúp đẩy nhanh quá trình chuyển đổi Ngân hàng số. Nhằm tương thích với tốc độ mở rộng mạng lưới và gia tăng cơ sở dữ liệu khách hàng trong 2 - 3 năm tới, LienVietPostBank có thể nghiên cứu dịch chuyển toàn bộ/một phần hệ thống dữ liệu từ trung tâm dữ liệu vật lý lên điện toán đám mây với hạ tầng thuê ngoài được cung cấp bởi một số công ty giải pháp uy tín (FPT, Microsoft, IBM, Google). Hiệu quả đem lại cho LienVietPostBank sẽ là rất lớn: (i) Giải pháp thuê ngoài giúp giảm thiểu chi phí (quản lý hạ tầng, mặt bằng, con người) so với việc duy trì trung tâm dữ liệu vật lý tại Trụ sở chính, (ii) Hỗ trợ lưu trữ dữ liệu với quy mô không giới hạn và (iii) Mô hình lưu trữ điện toán đám mây có thể tích hợp được khoảng cách và thời gian giúp đảm bảo sự vận hành liên tục, ổn định và đồng nhất của toàn bộ hệ thống.
- Khai thác cơ sở Dữ liệu lớn nhờ mức độ tích hợp dịch vụ cao trong hệ sinh thái tài chính. Nhiều công ty công nghệ lớn đã thiết lập một hệ sinh thái tài chính toàn diện (điển hình là tại Trung Quốc với Baidu, Alibaba, Tencent, JD Payment), bao gồm giao diện thanh toán, tài chính tiêu dùng, ngân hàng trực tuyến, quản lý tài sản trực tuyến, bảo hiểm, chấm điểm tín dụng. Nhờ vậy các công ty này có thể khai thác cơ sở người dùng khổng lồ trong hệ sinh thái: Alibaba (>500 triệu), Amazon (>1,7 tỷ), Facebook (>2 tỷ), WhatsApp (>1 tỷ), Yu’e Bao (330 triệu), Google Tez (12 triệu user), từ đó việc nghiên cứu hành vi tiêu dùng của khách hàng để đưa ra các SPDV phù hợp được thực hiện một cách dễ dàng.
- Nghiên cứu thuê/mua giải pháp ứng dụng Big Data trong chấm điểm tín dụng (Credit Scoring). Với cơ sở dữ liệu lớn, mô hình có thể xác định điểm số tín dụng của khách hàng dựa trên các chỉ tiêu phi tài chính như lịch sử mua sắm, lịch sử thanh toán các hóa đơn bán lẻ, kết quả phân tích hành vi khách hàng thông qua dữ liệu từ mạng xã hội, mạng viễn thông, mức độ trung thực... Mô hình này giúp giảm thiểu chi phí và cho phép ra kết quả nhanh hơn trong quá trình phê duyệt tín dụng, là cơ sở để phát triển và quản lý sản phẩm tín dụng như các khoản vay vi mô không tài sản đảm bảo (tối đa 10 triệu), sản phẩm vay kiểu mới như Cho vay tức thời (instant loans),... LienVietPostBank có thể xem xét các phương án: (i) Tự nghiên cứu triển khai hoặc kết hợp thuê chuyên gia về phân tích dữ liệu phối hợp tự nghiên cứu xây dựng mô hình chấm điểm tín dụng, đồng thời mở rộng kho dữ liệu đầu vào cho mô hình thông qua mua dữ liệu khách hàng từ các đối tác/FinTech/công ty công nghệ lớn hoặc (ii) Thuê/mua các giải pháp thẩm định khách hàng từ các công ty phần mềm uy tín với lợi thế về phân tích Dữ liệu lớn và thuật toán vượt trội, đồng thời đã có kinh nghiệm triển khai hiệu quả tại thị trường Việt Nam.