Big Data và ứng dụng trong hoạt động ngân hàng
15/06/2020 16.193 lượt xem
Trong thời đại ngày nay, để phát triển một doanh nghiệp, ngoài vốn và nhân lực thì “dữ liệu” (data) được coi là nguồn lực không thể thiếu được. Ai cũng đã từng ngạc nhiên nhận thấy khi mua sắm online trên các trang thương mại điện tử như eBay, Amazon, Sendo hay Tiki, trang này cũng sẽ gợi ý một loạt các sản phẩm có liên quan và phù hợp với nhu cầu của bạn. Ví dụ khi xem điện thoại, trang mua sắm trực tuyến sẽ gợi ý cho bạn mua thêm ốp lưng, pin dự phòng; hoặc khi mua áo thun thì sẽ có thêm gợi ý quần jean, dây nịt...
 
Lời mở đầu
 
Bí ẩn đằng sau các trang web thông minh này là mọi sự chào mời sản phẩm đều dựa trên các nghiên cứu về sở thích, thói quen của khách hàng cũng như phân loại được các nhóm khách hàng khác nhau... Vậy những thông tin để phân tích này có được từ đâu và nó có tác động thế nào đến việc sản xuất kinh doanh của doanh nghiệp? Thứ nhất, dữ liệu khổng lồ về khách hàng có thể có từ các thông tin mà các doanh nghiệp thu thập trong lúc khách hàng ghé thăm, tương tác hay mua sắm trên website của mình; dữ liệu này cũng có thể được mua lại từ các công ty chuyên cung cấp dữ liệu khách hàng. Các thông tin này không chỉ giúp nhà cung ứng hàng hóa, dịch vụ tăng lợi nhuận cho chính họ mà còn tăng trải nghiệm mua sắm của người dùng. Một mặt, nhờ quá trình tìm hiểu, phân tích khách hàng, doanh nghiệp có thể tạo ra các sản phẩm đáp ứng nhu cầu của khách hàng, cũng như xây dựng chính sách phân phối và bán sản phẩm đến tay người tiêu dùng một cách có hiệu quả nhất. Mặt khác, bản thân người tiêu dùng có thể tiết kiệm thời gian và yên tâm trong trải nghiệm mua sắm của mình. Hơn thế nữa, ở tầm ngành và vĩ mô, ứng dụng dữ liệu lớn (big data) có thể giúp các tổ chức và chính phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề nghiệp của tương lai để đầu tư cho những hạng mục đó, hoặc cắt giảm chi tiêu, kích thích tăng trưởng kinh tế,... thậm chí là ra phương án phòng ngừa trước một dịch bệnh nào đó.


Nhờ Big Data, ngân hàng có thể sử dụng dữ liệu cho tiếp thị, phân phối và đa dạng hóa các dịch vụ cá nhân hóa, đáp ứng chính xác nhu cầu của từng khách hàng riêng lẻ
 
Là một tổ chức cung ứng dịch vụ tài chính cho hầu hết các chủ thể trong nền kinh tế, ngành Ngân hàng không thể đứng ngoài xu thế ứng dụng dữ liệu lớn giống như các doanh nghiệp bán lẻ khác. Đặc thù của hoạt động ngân hàng (cơ sở khách hàng rộng lớn, bao quát mọi mặt tài chính của nền kinh tế) cho phép mỗi ngân hàng xây dựng một cơ sở dữ liệu khổng lồ, từ dữ liệu có cấu trúc (như lịch sử giao dịch, hồ sơ khách hàng) tới những dữ liệu phi cấu trúc (như hoạt động của khách hàng trên website, ứng dụng mobile banking hay trên mạng xã hội). Ứng dụng Big Data nếu được khai thác hiệu quả sẽ đem lại những lợi thế cạnh tranh và hiệu quả to lớn trong lĩnh vực ngân hàng đặc biệt trong bối cảnh thị trường dịch vụ tài chính đang bão hòa. Bài viết này nhằm hệ thống những vấn đề cơ bản về Big Data, trên cơ sở đó phân tích những ứng dụng của Big Data và các điều kiện nhằm ứng dụng Big Data ở lĩnh vực ngân hàng trong bối cảnh cách mạng công nghệ 4.0. 
  
1. Tổng quan về Big Data
 
Khái niệm Big Data
 
Big Data là thuật ngữ dùng để chỉ một tập hợp dữ liệu rất lớn và rất phức tạp đến nỗi những công cụ, ứng dụng xử lí dữ liệu truyền thống không thể nào đảm đương được (theo Kevin Taylor-Sakyi, 2016; Mashooque A. Memon và cộng sự, 2017). Bằng việc tổng hợp một lượng thông tin lớn từ các nguồn khác nhau khiến cho Big Data trở thành một công cụ rất mạnh cho việc ra các quyết định kinh doanh, nhận diện hành vi và xu hướng nhanh hơn và tốt hơn rất nhiều so với cách thức truyền thống. Big Data được nhận diện trên ba khía cạnh chính: Dữ liệu (Data), Công nghệ (Technology), Quy mô (Size). Thứ nhất, dữ liệu (data) bao gồm các dữ liệu thuộc nhiều định dạng khác nhau như hình ảnh, video, âm nhạc… trên Internet; gồm các dữ liệu thu thập từ các hệ thống cảm biến có kết nối với hệ thống máy chủ; dữ liệu của khách hàng ở các ứng dụng thông minh và các thiết bị có kết nối mạng; dữ liệu của người dùng để lại trên các flatform của mạng xã hội. Vì các dữ liệu được cập nhật qua các thiết bị kết nối mạng từng giờ, từng phút, từng giây và đến từ nhiều nguồn khác nhau nên khối lượng dữ liệu này là rất lớn (Big). Hiện nay, Big Data được đo lường theo đơn vị Terabytes (TB), Petabytes (PB) và Exabytes (EB). Có thể dễ dàng lấy một vài ví dụ như Walmart xử lý hơn 1 triệu giao dịch của khách hàng mỗi giờ, dữ liệu nhập vào ước tính hơn 2,5 PB; Twitter tạo ra 12 TB dữ liệu mỗi ngày hay Airbus A380 tạo ra 10 TB dữ liệu mỗi 30 phút bay. Yếu tố nhận diện thứ hai của Big Data là công nghệ (technology). Công nghệ thường được thiết kế và hình thành một hệ sinh thái từ dưới đi lên để có khả năng xử lý các dữ liệu lớn và phức tạp. Một trong những hệ sinh thái mạnh nhất hiện nay phải kể đến Hadoop với khả năng xử lý dữ liệu có thể được tăng lên cùng mức độ phức tạp của dữ liệu, năng lực này là một công cụ vô giá trong bất kỳ ứng dụng Big Data nào. Yếu tố nhận diện thứ ba của Big Data là quy mô dữ liệu. Hiện nay vẫn chưa có câu trả lời chính xác cho câu hỏi dữ liệu thế nào gọi là lớn. Theo ngầm hiểu thì khi dữ liệu vượt quá khả năng xử lý của các hệ thống truyền thống thì sẽ được xếp vào Big Data.
 
Việc bản thân các doanh nghiệp cũng đang sở hữu Big Data của riêng mình đã trở nên phổ biến. Chẳng hạn, như trang bán hàng trực tuyến eBay thì sử dụng hai trung tâm dữ liệu với dung lượng lên đến 40 petabyte để chứa những truy vấn, tìm kiếm, đề xuất cho khách hàng cũng như thông tin về hàng hóa của mình. Hay nhà bán lẻ online Amazon.com thì phải xử lí hàng triệu hoạt động mỗi ngày cũng như những yêu cầu từ khoảng nửa triệu đối tác bán hàng. Tương tự, Facebook cũng phải quản lí 50 tỉ bức ảnh từ người dùng tải lên, YouTube hay Google thì phải lưu lại hết các lượt truy vấn và video của người dùng cùng nhiều loại thông tin khác có liên quan. Theo kết quả khảo sát được thực hiện bởi Qubole - công ty hàng đầu về cung cấp giải pháp, nền tảng quản lí dữ liệu hạ tầng đám mây phục vụ phân tích - và bởi Dimensional Research - một tổ chức nghiên cứu thị trường công nghệ, lĩnh vực chăm sóc khách hàng, kế hoạch công nghệ thông tin, quy trình bán hàng và hoạt động tài chính là các lĩnh vực thu lợi nhiều nhất từ Big Data. Qua đó, thấy được là mục đích khai thác Big Data của các nhà cung ứng hàng hóa, dịch vụ toàn cầu là hướng đến chăm sóc khách hàng, phân tích dữ liệu khách hàng để phát triển sản phẩm, dịch vụ; ứng dụng thông minh để tăng trải nghiệm của khách hàng và giữ chân khách hàng khi sự cạnh tranh ngày càng gay gắt giữa các nhà cung ứng ở hầu hết các lĩnh vực kinh doanh. Với các công cụ phân tích, đặc biệt là công cụ phân tích dự báo (Predictive Analytics) và khai thác dữ liệu (Data mining), Big Data giúp các doanh nghiệp đo lường, phân tích các vấn đề liên quan đến sản phẩm, phát hiện các cơ hội và nguy cơ rủi ro, đồng thời, dự báo doanh thu từ hoạt động kinh doanh hàng ngày.
 
Các đặc điểm của Big Data
 
Doug Laney (trích trong nghiên cứu của Meta Group năm 2011 với tiêu đề “3D data management: Controlling data volume, variety and velocity”), đã đưa ra định nghĩa 3Vs nói về ba đặc điểm chính của Big Data bao gồm Dung lượng (volume), Tốc độ (velocity), Tính đa dạng (variety). Dung lượng của Big Data đang tăng lên mạnh mẽ từng ngày. Theo tài liệu của Intel vào tháng 9/2013, cứ mỗi 11 giây, 1 petabyte dữ liệu được tạo ra trên toàn thế giới, tương đương với một đoạn video HD dài 13 năm. Về Tốc độ (Velocity) phản ánh tốc độ mà tại đó dữ liệu được phân tích bởi các công ty để cung cấp một trải nghiệm người dùng tốt hơn. Với sự ra đời của các kỹ thuật, công cụ, ứng dụng lưu trữ, nguồn dữ liệu liên tục được bổ sung với tốc độ nhanh chóng. Tổ chức McKinsey Global ước tính lượng dữ liệu đang tăng trưởng với tốc độ 40%/năm, và sẽ tăng 44 lần từ năm 2009 đến 2020. Về Tính đa dạng (Variety) của dữ liệu cho thấy, dữ liệu của Big Data được thu thập từ nhiều nguồn, có thể khái quát thành ba nguồn cơ bản sau đây. (Sơ đồ 1)

 
Về sau này, đặc điểm Tính thay đổi (variability) và Tính phức tạp (complexity) được bổ sung vào bởi SAS - một công ty đi đầu trong lĩnh vực phân tích dữ liệu và tư vấn của Mỹ. Tính thay đổi phản ánh sự thay đổi hàng ngày của dữ liệu. Tính phức tạp thể hiện trong quá trình lưu giữ, quản lý, xử lý và truyền tải dữ liệu do dữ liệu đến từ nhiều định dạng khác nhau. Theo Oracle, hai đặc điểm Giá trị (value) và Tính xác thực (veracity) cần được coi là đặc điểm cơ bản của Big Data. Giá trị thể hiện ở những ứng dụng đa dạng của Big Data nếu được thu thập, phân tích và xử lý đúng cách. Sau cùng, vì Big Data được thu thập từ nhiều nguồn khác nhau nên tính xác thực của các dữ liệu cũng cần được đặc biệt cân nhắc. (Sơ đồ 2)
 
 
2. Các ứng dụng của Big Data trong hoạt động ngân hàng
 
Hiện nay, hầu hết các tổ chức chức ngân hàng, dịch vụ tài chính và bảo hiểm đang nỗ lực để áp dụng một cách tiếp cận mới theo hướng khai thác dữ liệu để phát triển và đổi mới sản phẩm. Mặc dù, các tổ chức đang thay đổi cách thức khai thác dữ liệu bằng cách thu thập một khối lượng dữ liệu khổng lồ và tiến hành phân tích, thực hiện bước đầu tiên trong quy trình khai thác Big Data. Khi khối lượng khách hàng tăng lên, nó ảnh hưởng đáng kể đến mức độ, khả năng cung cấp dịch vụ của từng tổ chức. Thực tiễn cho thấy việc phân tích dữ liệu hiện tại đã đơn giản hóa quá trình theo dõi và đánh giá khách hàng tín dụng của các ngân hàng và các tổ chức tài chính, dựa trên khối lượng lớn dữ liệu như thông tin, hồ sơ cá nhân và các thông tin bảo mật khác. Với sự giúp đỡ của Big Data, các ngân hàng có thể theo dõi hành vi của khách hàng, xác định các nguồn dữ liệu cần thiết để thu thập phục vụ cho việc đưa ra giải pháp. 
 
Các ứng dụng của Big Data trong lĩnh vực ngân hàng bao gồm:
 
Thứ nhất, phân tích các thói quen chi tiêu của khách hàng
 
Các ngân hàng có khả năng truy cập trực tiếp nguồn thông tin, dữ liệu lịch sử dồi dào liên quan đến các thói quen, hành vi chi tiêu của khách hàng. Các ngân hàng còn nắm thông tin chi tiết về nguồn thu của khách hàng trong một năm, khoản chi tiêu, các dịch vụ ngân hàng mà khách hàng sử dụng… Điều này cung cấp cơ sở, cơ hội để các ngân hàng tiếp cận và phân tích dữ liệu sâu hơn. Áp dụng các chức năng sàng lọc thông tin, ví dụ như, khi lọc ra thời điểm dịp lễ hay mùa lễ và điều kiện vĩ mô (lạm phát, tỷ lệ thất nghiệp…) mà nhân viên ngân hàng có thể hiểu được nguyên nhân của biến động trong thu nhập hay chi tiêu của ngân hàng. Đây là một trong các yếu tố quan trọng trong quá trình đánh giá rủi ro, thẩm định hồ sơ cho vay, mở rộng dịch vụ cung cấp hay bán chéo sản phẩm đến khách hàng. Bên cạnh đó, nhờ nắm được thông tin về nguồn tiền nhàn rỗi của khách hàng, ngân hàng có thể tận dụng thu hút tiền gửi để thực hiện các hoạt động đầu tư.
 
Thứ hai, phân khúc khách hàng và thẩm định hồ sơ.
 
Phân khúc khách hàng là một trong những nhân tố quan trọng trong chiến lược marketing và thiết kế sản phẩm của ngân hàng. Một khi các phân tích ban đầu về thói quen chi tiêu của khách hàng cùng với xác định các loại hình dịch vụ, kênh giao dịch được khách hàng ưu tiên (ví dụ khách hàng muốn gửi tiết kiệm hay muốn đầu tư các khoản vay) được hoàn tất thì các ngân hàng sẽ có được một cơ sở dữ liệu phục vụ cho quá trình phân khúc, phân loại khách hàng một cách phù hợp dựa vào thông tin và hồ sơ khách hàng cung cấp. Big Data sẽ cung cấp cho các ngân hàng những hiểu biết, kiến thức chuyên môn sâu về nhu cầu tiềm ẩn bên trong, thói quen và xu hướng chi tiêu của khách hàng, trợ giúp cho nhiệm vụ xác định nhu cầu và mong muốn của họ. Bằng cách nắm các thông tin liên quan đến giao dịch, ngân hàng có thể xác định được khách hàng của mình thuộc các nhóm nào, ví dụ nhóm có chi tiêu dễ dàng, 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 của tất cả các khách hàng giúp ngân hàng đánh giá chi tiêu và thu nhập dự kiến trong tháng tới và lập kế hoạch chi tiết để đảm bảo lợi nhuận cho chính tổ chức và lợi ích cho chính khách hàng. 
 
Thứ ba, bán chéo thêm các dịch vụ khác
 
Dựa vào cơ sở dữ liệu ngân hàng có được, ngân hàng có thể thu hút thêm, hay giữ chân khách hàng bằng cách giới thiệu thêm các dịch vụ khác. Ví dụ, ngân hàng có thể giới thiệu các khoản đầu tư có lãi suất hấp dẫn đến các khách hàng có lượng tiền nhàn rỗi hoặc những nhà đầu tư thận trọng. Ngân hàng cũng có thể đề xuất các khoản vay ngắn hạn cho các khách hàng có thói quen chi tiêu dễ dàng để đáp ứng nhu cầu hàng ngày hoặc những khoản vay đáp ứng nhu cầu thanh khoản ngắn hạn của doanh nghiệp. Phân tích một cách chính xác về hồ sơ cá nhân của khách hàng, ngân hàng có thể bán kèm các dịch vụ khác với các ưu đãi được tập trung chính xác vào nhu cầu khách.
 
Thứ tư, 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 thể 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,…Các công cụ Big Data có thể tìm kiếm chọn lọc thông qua các thông tin, feedback công khai trên các phương tiện truyền thông và thu thập tất cả những dữ liệu đề cập về thương hiệu của ngân hàng để có thể phản hồi nhanh chóng và đầy đủ đến khách hàng, ngoài ra, cũng hỗ trợ ngăn chặn các tin đồn thất thiệt ảnh hưởng đến hoạt động kinh doanh và niềm tin nơi khách hàng. Khi khách hàng 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 hiệu sẽ gia tăng, hơn nữa cải thiện hình ảnh của ngân hàng.
 
Thứ năm, 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. Ngoài việc thu thập dữ liệu về lịch sử giao dịch của khách hàng, ngân hàng có thể kết hợp dữ 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 tỷ lệ phản hồi cao hơn từ khách hàng. Ví dụ, các ngân hàng sử dụng công cụ email marketing để gửi đến khách hàng các thông tin mới nhất về những dịch vụ cho vay ngắn hạn với lãi suất vừa phải hay gửi tiết kiệm với lãi suất hấp dẫn, hoặc các chương trình ưu đãi khác,…
 
Thứ sáu, thay đổi cách thức cung cấp dịch vụ đến khách hàng
 
Hệ thống Big Data có thể là một hệ thống phức tạp liên kết giữa nhiều bộ phận chức năng khác nhau với vai trò đơn giản hóa các nhiệm vụ trong một tổ chức. Bất cứ khi nào tên một khách hàng hoặc số tài khoản được nhập vào hệ thống, hệ thống Big Data sẽ hỗ trợ sàng lọc tất cả các dữ liệu và chỉ truyền đi hay cung cấp các dữ liệu được yêu cầu để 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 chi phí. Big Data cũng cho phép các tổ chức xác định và khắc phục các vấn đề trước khi khách hàng bị ảnh hưởng.
 
Thứ bảy, phát hiện và ngăn chặn hành vi lừa đảo, vi 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 chuẩn 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 thể nhận diện những bất thường trong quá trình cung cấp dịch vụ đến khách hàng. Ví dụ, khoản rút tiền lớn bất thường từ thẻ ATM có thể do thẻ bị mất cắp, từ đó, ngân hàng có những biện pháp an ninh để xác minh giao dịch. Ngân hàng khai thác Big Data để phân biệt giữa các giao dịch là hành vi phạm tội với các giao dịch hợp pháp bằng các thuật toán phân tích dữ liệu và machine learing (học máy). Các hệ thống phân tích sẽ tự động phát hiện, trích xuất các giao dịch bất hợp pháp ở thời gian thực và đề xuất các hành động ngay lập tức.
 
Thứ tám, kiểm soát rủi ro, tuân thủ luật pháp và minh bạch trong báo cáo tài chính
 
Các thuật toán của Big Data còn giúp giải quyết các vấn đề về tuân thủ quy định pháp luật về kế toán, kiểm toán và báo cáo tài chính, từ đó giảm được các chi phí quản lý. Bên cạnh đó, hệ thống Big Data thu thập và lưu trữ dữ liệu lớn giúp ngân hàng 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 lý.  Big Data cũng đóng một vai trò quan trọng trong việc phối hợp giữa các bộ phận, phòng, ban và yêu cầu xử lý dữ liệu của ngân hàng vào một hệ thống trung tâm duy nhất; qua đó, hỗ trợ kiểm soát, ngăn chặn vấn đề mất dữ liệu, giảm thiểu rủi ro và gian lận.
 
Thứ chín, tham gia vào việc kiểm 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, để thu thập các thông tin này cần rất nhiều công đoạn mang tính thủ công, thì nay, Big 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 dành cho họ.
 
3. Các điều kiện để ứng dụng Big Data trong hoạt động ngân hàng
 
Thứ nhất, cần thay đổi tư duy trong đội ngũ quản lí ngân hàng về tầm quan trọng của dữ liệu và các phương pháp xử lý dữ liệu hiện đại
 
Trong các cuộc phỏng vấn quản lý một số ngân hàng, có một quan điểm vẫn còn tồn tại là quyết định có thể đưa ra dựa trên kinh nghiệm mà không cần dựa vào các kết quả phân tích dữ liệu lớn. Quan điểm trên không sai trong quá khứ. Thực tế cho thấy, những nhà quản lý có thâm niên trong lĩnh vực tài chính, ngân hàng đã từng đưa ra được nhiều quyết định chính xác. Tuy nhiên, đó là khi thị trường ngân hàng với các dịch vụ còn đơn giản, khi nhu cầu của khách hàng chưa nhiều và đặc biệt là khi khách hàng chưa tiếp cận được với các công nghệ thông minh và hiện đại. Ngày nay, khi mà các công ty công nghệ, các công ty viễn thông, các nhà bán lẻ không ngừng thay đổi, đầu tư và áp dụng công nghệ mới để đáp ứng nhu cầu ngày càng cao của khách hàng thì một làn sóng không nhỏ khách hàng truyền thống của ngân hàng đã và đang chuyển dần sang sử dụng dịch vụ được cung ứng từ các đối thủ của ngân hàng. Nổi bật là các dịch vụ thanh toán với tốc độ xử lý giao dịch nhanh, an toàn, tiện lợi và đặc biệt là chi phí thấp với những cái tên tiêu biểu như Momo, ViettelPay… rồi ngày nay là các dịch vụ tín dụng P2P. 
 
Trên thế giới, các nhà quản lý ngân hàng đã sớm nhận ra mình không phải là người duy nhất để khách hàng có thể cho vay, nhận tiền gửi và cung cấp dịch vụ thanh toán. Các bên cho vay khác xuất hiện như công ty tài chính, cửa hàng cầm đồ hay các bên trung gian kết nối người cho vay với người vay tiền. Khách hàng cũng có thể đầu tư trái phiếu, chứng chỉ quỹ thay cho gửi tiết kiệm. Dịch vụ thanh toán cũng được cung cấp bởi nhiều công ty trung gian sử dụng công nghệ hiện đại. Khi khách hàng có nhiều sự lựa chọn, nhu cầu của họ cũng tăng lên. Điều này khiến cho ngân hàng buộc phải thay đổi mình. Chẳng hạn, trước kia quá trình thẩm định khách hàng được thực hiện một cách thủ công, qua nhiều bước và tốn kém thời gian. Các hồ sơ vay vốn hoặc khoản thanh toán từ khi đệ trình tới khi được phê duyệt có thể phải trải qua nhiều cuộc họp kéo dài trong nhiều ngày. Tuy nhiên, với sự hỗ trợ của công nghệ lưu trữ và phân tích dữ liệu, ngân hàng có thể nhanh chóng so sánh, đánh giá tín dụng đối với khách hàng. Việc áp dụng công nghệ Big Data giúp một số ngân hàng giảm thời gian thẩm định khách hàng từ nhiều ngày xuống chỉ còn vài phút. Mạng lưới dữ liệu liên kết và công nghệ nhận diện danh tích khách hàng thông qua các trang mạng xã hội thậm chí còn có thể giúp ngân hàng xác định được khách hàng đang ở đâu, làm gì và có các mối quan hệ nào. Điều này giúp quá trình quản lý sau giải ngân trở nên hiệu quả hơn. Các ngân hàng cũng áp dụng công nghệ phân tích dữ liệu lớn để lựa chọn vị trí thuận lợi nhất khi mở chi nhánh mới.
 
Thứ hai, ngân hàng phải xây dựng được quy trình liên quan đến dữ liệu từ khâu thu thập dữ liệu đến sử dụng kết quả xử lý dữ liệu
 
Ngân hàng thu thập thông tin từ rất nhiều nguồn khác nhau về một hệ thống giám sát xử lý tập trung, nhưng việc duy trì chất lượng dữ liệu về tính chính xác, kịp thời và các yếu tố khác ngày càng trở nên khó khăn. Để giải quyết vấn đền này thì ngân hàng cần thiết lập một quy trình thu thập (collect), rà soát (screening), làm sạch (clean), tổng hợp (reconcile) và phân loại dữ liệu vào một đầu mối tập trung; sau đó lại phân phối dữ liệu đến những bộ phân liên quan để phân tích và đưa ra các thông tin hữu ích. Trong đó, bước rà soát và làm sạch dữ liệu là rất quan trọng để nâng cao chất lượng dữ liệu. Ví dụ như, dữ liệu về tài khoản khách hàng và giao dịch, thường được sử dụng bởi các bộ phận quản lý gian lận, được thu thập từ nhiều nguồn khác nhau ở dưới dạng thô. Quá trình sàng lọc và rà soát sẽ giúp giảm đáng kể số lượng các giao dịch sai, nhờ đó làm giảm thời gian và công sức để xử lý. Bên cạnh đó, ngân hàng cũng cần phải nâng cao công tác quản trị dữ liệu, thiết lập các cơ sở trách nhiệm rõ ràng giữa các bộ phận tham gia vào trong quy trình đảm bảo an toàn an ninh dữ liệu. 
 
Cụ thể, quy trình xây dựng dữ liệu cho Big Data sẽ gồm các bước như sau:
 
- Bước 1: Xác định nguồn dữ liệu (từ website, ứng dụng, thiết bị thông minh, mạng xã hội, truyền thông, chính phủ…). Ngân hàng cần phải nắm rõ nguồn dữ liệu cần tìm và cách thức thu thập.
- Bước 2: Xây dựng các hệ thống thu thập Big Data: xây dựng các phần mềm, ứng dụng hay các thiết bị có thể kết nối với máy chủ để truyển tải thông tin, dữ liệu. Dữ liệu của Big Data thuộc nhiều định dạng khác nhau nên hệ thống thu thập cần phải tiên tiến, tích hợp các công nghệ mới.
- Bước 3: Xây dựng hệ thống lưu trữ và quản lý để phục vụ cho việc phân tích sau này. Dữ liệu Big Data cần một hệ thống máy chủ lưu trữ. Hệ thống lữu trữ hiện tại gồm 2 loại lưu trữ trên đám mây (cloud) và lưu trữ tại công ty. Để lựa chọn phù hợp thì ngân hàng cần dự báo được khối lượng thông tin cần lưu trữ và các biện pháp bảo mật.
- Bước 4: Xây dựng hệ thống sàng lọc, làm sạch, phân tích dữ liệu và hệ thống phục vụ báo cáo. Bước này đòi hỏi chất lượng của đội ngũ nhân sự trong việc xây dựng các thuật toán khai thác dữ liệu, ứng dụng các mô hình định lượng thông minh để phân tích đa chiều và đưa ra các dự báo. 
- Bước 5: Sử dụng kết quả phân tích để đưa ra các quyết định.
 
Thứ ba, chuẩn bị đội ngũ chuyên viên khoa học dữ liệu là điều kiện không thể thiếu được
 
Hiện nay, có một thực tế về nhân sự trong ngành Ngân hàng là cán bộ ngân hàng thì không hiểu rõ về công nghệ thông tin, còn người làm công nghệ thông tin thì không hiểu rõ về nghiệp vụ ngân hàng. Thêm nữa, các mô hình phân tích Big Data tại Việt Nam hiện nay chủ yếu là ứng dụng lại các mô hình có sẵn trên thế giới, phần lớn các chuyên gia về khoa học dữ liệu của Việt Nam còn hạn chế về khả năng phân tích mô hình. Do vậy, các ngân hàng muốn phát triển công nghệ đều phải thuê nhân lực nước ngoài với chi phí đắt đỏ. 
 
Chuyên viên khoa học dữ liệu (Data scientist) là một nghề khá mới mẻ không chỉ ở Việt Nam mà ở nhiều nước trên thế giới. Nhóm nhân sự này đòi hỏi phải được đào tạo chuyên môn cao và phải có một sự đam mê tìm tới thế giới Big Data. Họ là những người hiểu rõ làm cách nào để tìm ra câu trả lời cho những quyết định quan trọng từ một khối lượng thông tin khổng lồ không hề có cấu trúc đang “dồn dập ập đến như những cơn sóng thần”. Với sự thành thạo về lĩnh vực kỹ thuật số, họ có thể nhận thấy và biết cách hình thành những cấu trúc từ khối lượng khổng lồ các dữ liệu sơ khởi và nhờ đó việc phân tích dữ liệu trở nên khả thi. Họ tìm ra những nơi có nguồn dữ liệu phong phú kết hợp với các nguồn dữ liệu chưa hoàn chỉnh khác và làm sạch bảng lưu kết quả truy vấn cơ sở dữ liệu. 
 
Các nền kinh tế trong khu vực như Hàn Quốc, Đài Loan đã chuẩn bị lực lượng chất lượng cao, trong khi ở Việt Nam nguồn nhân lực phân khúc này vẫn còn hạn chế. Theo khảo sát của IDG, tại Việt Nam, nhân lực sẵn sàng cho công nghệ số chưa cao, các chương trình đào tạo đại học thay đổi rất chậm so với xu thế. Trong khi đó, nhiều trường đại học tại Mỹ đã đưa các giáo trình về trí tuệ nhân tạo, học máy (machine learning) vào giảng dạy MBA, một chuyên gia cho hay. Khoảng cách về khả năng kỹ thuật số sẽ chỉ ngày càng rộng thêm và ngân hàng nào không thể bắt kịp với xu hướng sẽ bị bỏ lại sau lưng. Bởi thế, việc đào tạo, quan tâm tới chất lượng nguồn nhân lực công nghệ cao cần được thực hiện trong toàn hệ thống tài chính - ngân hàng, đảm bảo đủ khả năng ứng dụng công nghệ thông tin, phương thức làm việc tiên tiến trong điều kiện hội nhập quốc tế sâu rộng.
 
Kết luận
 
Một trong những lợi thế của ngân hàng truyền thống là khối lượng thông tin tài chính khổng lồ mà các ngân hàng lưu trữ về hàng triệu khách hàng của mình. Hơn thế nữa, ngân hàng có lợi thế về cấu trúc và vốn để khai thác nguồn tài nguyên mới này. Tiềm năng cho việc phân tích dữ liệu đã được nhìn nhận rộng rãi trong ngành tài chính với doanh thu từ Big Data và phân tích dữ liệu kinh doanh tăng từ 130 tỷ đô la Mỹ năm 2016 lên ước tính khoảng 203 tỷ đô la Mỹ năm 2020. Trong đó, lĩnh vực ngân hàng đóng góp tỷ trọng doanh thu lớn nhất khi dành 17 tỷ đô la Mỹ cho các giải pháp về Big Data và phân tích dữ liệu chỉ riêng trong năm 2016. Ứng dụng dữ liệu và phân tích trong ngân hàng là vô cùng. Chúng ta có thể sử dụng dữ liệu cho tiếp thị, phân phối và đa dạng hóa các dịch vụ cá nhân hóa, đáp ứng chính xác nhu cầu của từng khách hàng riêng lẻ. Big Data cũng cho phép các ngân hàng có thể thực hành quản trị rủi ro tốt hơn từ quản trị rủi ro tín dụng truyền thống đến những loại rủi ro thị trường phức tạp khác, từ rủi ro hoạt động nội bộ đến rủi ro từ yếu tố bên ngoài… Không chỉ có vậy, Big Data còn trợ giúp trong việc nâng cao chất lượng dịch vụ, đưa ra các dự báo về tình hình kinh doanh và lập kế hoạch kinh doanh. Với vô vàn ứng dụng của Big Data và sự phổ biến của nó trong các ngân hàng hiện đại, các ngân hàng ở Việt Nam nếu muốn nâng cao năng lực cạnh tranh, cải thiện lợi nhuận thì không còn lựa chọn nào khác ngoài việc gia nhập xu thế này. Và để có thể đảm bảo được tận dụng mọi lợi thế của Big Data thì yếu tố về chính sách, vốn, con người và công nghệ cần được chuẩn bị chu đáo cho bước phát triển này.
 
TÀI LIỆU THAM KHẢO:
Hossein Hassani và cộng sự (2018), Digitalisation and Big Data Mining in Banking, https://www.mdpi.com/2504-2289/2/3/18/pdf.
Kevin Taylor-Sakyi (2016), Big Data: Understanding Big Data, https://www.researchgate.net/publication/291229189_Big_Data_Understanding_Big_Data.
Mashooque A. Memon và cộng sự (2017), Big Data Analytics and Its Applications, https://www.researchgate.net/publication/320345031_Big_Data_Analytics_and_Its_Applications
Oracle (2015), Big Data in Financial Services and Banking, http://www.oracle.com/us/technologies/big-data/big-data-in-financial-services-wp-2415760.pdf. 
Thomas H. Davenport và D.J. Patil (2012), “Chuyên viên khoa học dữ liệu – Nghề hấp dẫn nhất của thế kỷ 21”, https://www.academia.edu/19528037/Chuy%C3%AAn_vi%C3%AAn_khoa_h%E1%BB%8Dc_d%E1%BB%AF_li%E1%BB%87u_-_Ngh%E1%BB%81_h%E1%BA%A5p_d%E1%BA%ABn_nh%E1%BA%A5t_c%E1%BB%A7a_th%E1%BA%BF_k%E1%BB%B7_21.
VinodKumar Kasipuri (2018), Applications of Big Data as Use Cases in Different Industries, Dzone, https://dzone.com/articles/applications-of-big-data-as-use-cases-in-different.
Yook Pei Shee et al. (2019), Big Data in banking for marketers: How to derive value from Big Data?, https://www.evry.com/globalassets/insight/bank2020/bank-2020---big-data---whitepaper.pdf.

Trương Thị Hoài Linh
Lê Thị Như Quỳnh


(theo TCNH số 17/2019)
Bình luận Ý kiến của bạn sẽ được kiểm duyệt trước khi đăng. Vui lòng gõ tiếng Việt có dấu
Đóng lại ok
Bình luận của bạn chờ kiểm duyệt từ Ban biên tập
Tương lai tiền điện tử và những quy định quản lý
Tương lai tiền điện tử và những quy định quản lý
05/12/2022 19 lượt xem
Trong thời gian qua, người dân ở nhiều quốc gia trên thế giới khá quan tâm đến tiền điện tử. Tương lai của tiền điện tử là một chủ đề nóng không chỉ giữa các nhà đầu tư mà còn trong xã hội, từ những nhà đầu tư lâu năm như Elon Musk cho đến những người trẻ, thậm chí cả học sinh trường trung học.
Ngân hàng ảo - Xu thế phát triển ngân hàng trong tương lai
Ngân hàng ảo - Xu thế phát triển ngân hàng trong tương lai
02/12/2022 150 lượt xem
Tại Việt Nam, mô hình NeoBank còn ở giai đoạn sơ khai. Với tiềm năng, thế mạnh đi đầu trong chuyển đổi số, ngành Ngân hàng đang và sẽ có những bứt phá trong việc cung ứng sản phẩm, dịch vụ trên nền tảng công nghệ hiện đại, trong đó có xu hướng phát triển NeoBank.
Kỹ thuật khai thác dữ liệu trong lĩnh vực tài chính, ngân hàng
Kỹ thuật khai thác dữ liệu trong lĩnh vực tài chính, ngân hàng
30/11/2022 235 lượt xem
Gian lận tài chính là mối quan tâm của xã hội, do các hậu quả của nó gây ra cho nhiều đối tượng, từ cá nhân đến Chính phủ, các tổ chức và công ty thương mại tài chính. Ngày nay, sự phát triển của công nghệ đã giúp cho các giao dịch ngân hàng ngày càng đơn giản và tiện lợi.
Ứng dụng công nghệ số trong hoạt động ngân hàng tại Việt Nam: Thực trạng và giải pháp
Ứng dụng công nghệ số trong hoạt động ngân hàng tại Việt Nam: Thực trạng và giải pháp
24/11/2022 590 lượt xem
Sự phát triển của công nghệ số đang dần làm thay đổi cơ bản các hình thức cung ứng dịch vụ ngân hàng truyền thống. Các ngân hàng thương mại (NHTM) trong nước đã triển khai ứng dụng nhiều công nghệ tiên tiến vào hoạt động ngân hàng như: AI, ML, Cloud Computing, Big Data, IoT để đánh giá, phân loại khách hàng và quyết định giải ngân hay giúp đơn giản hóa các quy trình, thủ tục và rút ngắn thời gian giao dịch.
Chuyển đổi số ngành Ngân hàng: Hoàn thiện và đồng bộ về pháp lý để tăng kết nối, chia sẻ dữ liệu an toàn
Chuyển đổi số ngành Ngân hàng: Hoàn thiện và đồng bộ về pháp lý để tăng kết nối, chia sẻ dữ liệu an toàn
21/11/2022 623 lượt xem
Trong chương trình chuyển đổi số giai đoạn hiện nay, bên cạnh một số thách thức như vốn đầu tư cho công nghệ, nhân sự, an ninh, bảo mật, ngành Ngân hàng đang gặp khó khăn về hành lang pháp lý do còn thiếu và chưa đồng bộ. Do đó, thời gian tới, cần tiếp tục hoàn thiện các chính sách tạo điều kiện cho chia sẻ dữ liệu, kết nối giữa các bộ, ngành liên quan với ngành Ngân hàng một cách an toàn, hiệu quả, đảm bảo mang lại lợi ích cho toàn dân.
Về điều kiện phát triển Mobile-Money ở Việt Nam hiện nay
Về điều kiện phát triển Mobile-Money ở Việt Nam hiện nay
17/11/2022 674 lượt xem
Sự phát triển của cuộc Cách mạng công nghiệp lần thứ tư thời gian qua đã tạo điều kiện thuận lợi cho sự ra đời và phát triển nhanh chóng của nhiều phương thức thanh toán điện tử. Một trong những phương thức thanh toán điện tử đang được sử dụng rộng khắp trên thế giới và có tốc độ phát triển nhanh nhất hiện nay là Mobile-Money.
Lịch sử công nghệ kỹ thuật số trong hoạt động ngân hàng
Lịch sử công nghệ kỹ thuật số trong hoạt động ngân hàng
16/11/2022 691 lượt xem
Công nghệ số, chuyển đổi số là những cụm từ được nhắc tới nhiều nhất trong thời gian gần đây bởi những tác động mạnh mẽ tới mọi mặt của đời sống và xã hội. Trong đó, ngành Ngân hàng là một trong những ngành đón nhận nhiều cơ hội như giảm thiểu chi phí, nâng cao hiệu quả hoạt động, cải thiện quy trình…
Nhận diện rủi ro đối với hoạt động định danh khách hàng điện tử (eKYC) trong hoạt động ngân hàng
Nhận diện rủi ro đối với hoạt động định danh khách hàng điện tử (eKYC) trong hoạt động ngân hàng
08/11/2022 1.082 lượt xem
Tại Việt Nam, trước khi cơ sở pháp lý chính thức cho eKYC trong việc mở tài khoản thanh toán được ban hành (Thông tư số 16/2020/TT-NHNN ngày 04/12/2020 của Thống đốc Ngân hàng Nhà nước (NHNN) sửa đổi, bổ sung một số điều của Thông tư số 23/2014/TT-NHNN ngày 19/8/2014 của Thống đốc NHNN hướng dẫn việc mở và sử dụng tài khoản thanh toán tại tổ chức cung ứng dịch vụ thanh toán), ngành Ngân hàng đã lần lượt ứng dụng eKYC vào quy trình nhận biết khách hàng và cung cấp các sản phẩm, dịch vụ tài chính.
Tác động của độ bảo mật tới ý định sử dụng ngân hàng di động trên địa bàn Thành phố Hồ Chí Minh
Tác động của độ bảo mật tới ý định sử dụng ngân hàng di động trên địa bàn Thành phố Hồ Chí Minh
26/10/2022 1.319 lượt xem
Khi việc sử dụng ngân hàng di động tiếp tục phát triển, cần phải chú ý đến tính bảo mật của các giao dịch tài chính. Mục đích của nghiên cứu này là xem xét tác động của độ bảo mật đối với ý định sử dụng ngân hàng di động.
Tiền di động - Một năm nhìn lại
Tiền di động - Một năm nhìn lại
25/10/2022 1.400 lượt xem
Cung cấp dịch vụ tài chính vi mô là một trong những hỗ trợ giúp cho người có thu nhập thấp thoát nghèo. Tuy nhiên, người có thu nhập thấp thường sống xa trung tâm, do vậy chi phí tiếp cận với các dịch vụ tài chính khá cao, cơ hội tiếp cận giảm đi. Nhiều nghiên cứu cho rằng, phát triển dịch vụ ngân hàng qua điện thoại mang lại nhiều tiện ích cho người sử dụng, đặc biệt là người sử dụng tài chính vi mô ở nhiều nước (Vong et al., 2012; Kumar, McKay & Rotman, 2010).
An toàn, bảo mật thông tin tài khoản của khách hàng - Nhiệm vụ quan trọng của ngân hàng trong cung cấp dịch vụ
An toàn, bảo mật thông tin tài khoản của khách hàng - Nhiệm vụ quan trọng của ngân hàng trong cung cấp dịch vụ
13/10/2022 1.844 lượt xem
Theo Ngân hàng Nhà nước Việt Nam (NHNN), tính đến cuối tháng 6/2022, có gần 5,5 triệu tài khoản mở bằng phương thức trực tuyến (eKYC) đang hoạt động, gần 8,9 triệu thẻ mở bằng eKYC đang lưu hành và khoảng 123 triệu tài khoản thanh toán. Với sự phát triển của thương mại điện tử, thanh toán điện tử cũng tăng trưởng mạnh mẽ.
Pháp luật về chuyển đổi số ngành Ngân hàng và định hướng hoàn thiện
Pháp luật về chuyển đổi số ngành Ngân hàng và định hướng hoàn thiện
11/10/2022 2.201 lượt xem
Cách mạng công nghiệp lần thứ tư (CMCN 4.0) với sự kết hợp của công nghệ số đã và đang tác động lớn đến lĩnh vực ngân hàng. Theo đó, chuyển đổi số đang dần trở thành một xu hướng tất yếu của các ngân hàng, mang đến cho ngành Ngân hàng nhiều cơ hội chuyển mình nhưng cũng đặt ra không ít thách thức.
Bảo mật truyền thông IoT qua mạng di động trong hệ thống ngân hàng số
Bảo mật truyền thông IoT qua mạng di động trong hệ thống ngân hàng số
03/10/2022 2.009 lượt xem
Internet vạn vật (Internet of Things - IoT) là một trong các công nghệ hiện đại, đặc trưng cho kỷ nguyên của Cách mạng công nghiệp lần thứ tư.
Thúc đẩy chuyển đổi số hướng đến một cuộc sống tốt đẹp hơn
Thúc đẩy chuyển đổi số hướng đến một cuộc sống tốt đẹp hơn
01/10/2022 2.039 lượt xem
Cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0) đã và đang tác động ngày càng mạnh mẽ đến tất cả các ngành, lĩnh vực của đời sống kinh tế - xã hội, mở ra nhiều cơ hội cũng như đặt ra nhiều thách thức đối với mỗi quốc gia trong đó có Việt Nam. Chuyển đổi số ngày càng trở nên quan trọng, trở thành vấn đề sống còn trong kỷ nguyên 4.0 đang phát triển không ngừng, đó không phải là sự lựa chọn mà là điều cần thiết để duy trì, cạnh tranh trên thị trường. Đảng và Chính phủ ta đã xác định chuyển đổi số là một chủ trương lớn, là hướng đi tất yếu để thúc đẩy phát triển kinh tế - xã hội của đất nước.
Chuyển đổi ngân hàng số trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư và một số khuyến nghị
Chuyển đổi ngân hàng số trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư và một số khuyến nghị
21/09/2022 2.927 lượt xem
Trong nhiều năm trở lại đây, ngành công nghệ thông tin thực sự đã len lỏi vào từng ngóc ngách của đời sống xã hội nhờ sự phát triển bùng nổ của cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0). Bất kể một lĩnh vực hay ngành, nghề nào đều ứng dụng công nghệ thông tin, lĩnh vực ngân hàng cũng không nằm ngoài xu hướng chung đó. Đặc biệt, trong bối cảnh nền kinh tế thế giới đã và đang phục hồi từ đại dịch Covid-19, việc áp dụng công nghệ đóng vai trò ngày càng quan trọng trong nền kinh tế toàn cầu.
Giá vàngXem chi tiết

GIÁ VÀNG - XEM THEO NGÀY

Khu vực

Mua vào

Bán ra

HÀ NỘI

Vàng SJC 1L

66.500

67.520

TP.HỒ CHÍ MINH

Vàng SJC 1L

66.500

67.500

Vàng SJC 5c

66.500

67.520

Vàng nhẫn 9999

53.000

54.000

Vàng nữ trang 9999

52.800

53.600


Ngoại tệXem chi tiết
TỶ GIÁ - XEM THEO NGÀY 
Ngân Hàng USD EUR GBP JPY
Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra
Vietcombank 24.627 24.857 24.754 26.138 28.541 29.755 170.32 180.30
BIDV 24.655 24.855 24.915 26.013 28.716 29.883 170.53 178.87
VietinBank 24.645 24.856 25.021 26.156 28.886 29.896 171.64 180.19
Agribank 24.640 24.855 25.147 26.225 28.899 29.682 174.11 180.63
Eximbank 24.620 24.855 25.044 25.697 28.953 29.708 172.21 176.70
ACB 24.600 24.855 25.119 26.701 29.135 29.691 172.39 176.56
Sacombank 24.620 24.857 25.081 25.996 29.089 29.855 172.56 180.11
Techcombank 24.700 24.853 25.080 25.730 28.970 29.730 171.40 177.00
LienVietPostBank 24.580 24.855 25.088 26.320 29.058 29.881 172.21 181.04
DongA Bank 24.660 24.857 26.930 27.410 31.560 32.110 203.80 210.30
(Cập nhật trong ngày)
Lãi SuấtXem chi tiết
(Cập nhật trong ngày)
Ngân hàng
KKH
1 tuần
2 tuần
3 tuần
1 tháng
2 tháng
3 tháng
6 tháng
9 tháng
12 tháng
24 tháng
Vietcombank
0,10
0,20
0,20
-
4,10
4,10
4,40
4,70
4,80
6,40
6,40
BIDV
0,10
-
-
-
4,10
4,10
4,40
4,70
4,80
6,40
6,40
VietinBank
0,10
0,20
0,20
0,20
4,10
4,10
4,40
4,70
4,80
6,40
6,40
Cake by VPBank
0,10
-
-
-
4,90
-
4,95
7,90
-
8,50
8,60
ACB
-
0,50
0,50
0,50
4,00
4,10
4,20
5,50
5,70
6,20
6,90
Sacombank
-
-
-
-
5,60
5,70
5,80
7,00
7,15
7,30
7,50
Techcombank
0,03
-
-
-
5,90
5,90
5,90
6,70
6,70
7,00
7,00
LienVietPostBank
0,10
0,10
0,10
0,10
6,00
6,00
6,00
6,50
6,50
5,90
6,40
DongA Bank
0,50
0,50
0,50
0,50
5,00
5,00
5,00
6,80
6,90
7,40
7,70
Agribank
0,30
-
-
-
4,10
4,10
4,40
4,80
4,80
6,40
6,40
Eximbank
0,20
0,50
0,50
0,50
4,50
4,60
4,70
6,00
6,10
6,60
6,60

Liên kết website
Bình chọn trực tuyến
Nội dung website có hữu ích với bạn không?