Nâng cao chất lượng Chatbot chăm sóc khách hàng tại các ngân hàng thương mại Việt Nam
25/03/2024 2.291 lượt xem
Tóm tắt: Trong kỉ nguyên số, Chatbot đóng vai trò vô cùng quan trọng và được ứng dụng trong nhiều lĩnh vực kinh tế, xã hội, trong đó có lĩnh vực ngân hàng. Mặc dù là công nghệ tiềm năng mang lại nhiều lợi ích nhưng Chatbot tại các ngân hàng ở Việt Nam vẫn còn khá nhiều hạn chế như khả năng hiểu chính xác câu hỏi của khách hàng hay mức độ tự nhiên khi đưa ra câu trả lời. Trong bài viết này, nhóm tác giả khảo sát thực tế Chatbot của một số ngân hàng thương mại (NHTM) để xác định các vấn đề tồn tại. Chúng tôi cũng đưa ra một số giải pháp khắc phục những tồn tại này dựa trên những công nghệ mới nhất của trí tuệ nhân tạo và xử lí ngôn ngữ tự nhiên.
 
Từ khóa: Chatbot ngân hàng, cơ sở tri thức, ChatGPT.
 
ENHANCING THE QUALITY OF CUSTOMER SERVICE CHATBOTS
IN VIETNAMESE COMMERCIAL BANKS

Abstract: In the digital era, Chatbots play an exceedingly important role and are utilized across numerous social and economic sectors, including banking. Despite being a promising technology that offers numerous benefits, Chatbots in Vietnamese banks still have considerable limitations such as the ability to accurately understand customer questions or the level of naturalness in responses. In this paper, our research team examines the practicality of representative Chatbots from several commercial banks to identify existing issues. We also propose some solutions to address these shortcomings based on the latest technologies in artificial intelligence, and to process the language naturally.
 
Keywords: Banking Chatbot, knowledge base, ChatGPT.
 
1. Đặt vấn đề
 
Trên thế giới, Chatbot đã và đang được ứng dụng rộng rãi trong rất nhiều lĩnh vực kinh doanh, xã hội. Theo Precedence Research, năm 2022, quy mô thị trường Chatbot toàn cầu đã đạt 0,84 tỉ USD và dự kiến ​​sẽ nắm giữ khoảng 4,9 tỉ USD vào năm 2032 với tỉ lệ tăng trưởng kép hằng năm (CAGR) là 19,29% từ năm 2023 đến năm 2032 (Precedence Research, 2023). (Hình 1)
 
Hình 1: Thị trường Chatbot toàn cầu
 
Nguồn: Precedence Research , 2023

Tuy nhiên, việc ứng dụng Chatbot vào các ngân hàng ở Việt Nam còn tồn tại nhiều thách thức. Với những câu hỏi đơn giản nằm trong bộ câu hỏi thường gặp thì câu trả lời của Chatbot sẽ khá trơn tru. Nhưng với những câu hỏi phức tạp thì Chatbot chưa đủ thông minh để xử lí bởi nó nằm ngoài cấu hình khi phát triển ứng dụng. Cách Chatbot đưa ra câu trả lời cũng còn cứng nhắc, thường rập khuôn theo những câu trả lời đã cài đặt. Ngoài ra, việc đầu tư xây dựng và duy trì Chatbot đòi hỏi nhiều nguồn lực, cũng như tiềm ẩn rủi ro về an toàn bảo mật thông tin. Trong bài viết này, nhóm tác giả tập trung cải thiện khía cạnh “thông minh, linh hoạt” của Chatbot, tức là nâng cao độ chính xác trong phân tích câu hỏi của khách hàng, cũng như tăng sự trôi chảy trong việc đưa ra câu trả lời.
 
Bài viết khảo sát tính khả dụng của Chatbot ở các NHTM tại Việt Nam tính đến thời điểm đầu năm 2024; thử nghiệm và đánh giá chất lượng phản hồi của một số Chatbot tiêu biểu dựa trên một bộ câu hỏi được nhóm biên soạn theo các cấp độ phức tạp khác nhau; từ đó, nhóm tác giả đề xuất các giải pháp nâng cao chất lượng Chatbot cho NHTM Việt Nam dựa trên các công nghệ tiên tiến của trí tuệ nhân tạo như mô hình ngôn ngữ lớn, cơ sở tri thức.
 
2. Thực trạng ứng dụng Chatbot trong các NHTM Việt Nam

Theo ghi nhận ở Việt Nam, một số NHTM đã áp dụng Chatbot từ rất sớm như NHTM cổ phần Việt Nam Thịnh Vượng (VPBank) (2015), NHTM cổ phần Tiên Phong (TPBank) (2017), NHTM cổ phần Đầu tư và Phát triển Việt Nam (BIDV) (2017) và thu được những kết quả nhất định. Tính đến thời điểm cuối năm 2021, đã có 14 NHTM tại Việt Nam triển khai Chatbot cho hoạt động kinh doanh của mình trên tổng số 43 NHTM (Lê Nguyễn Quỳnh Hương, 2022). Để xác thực thông tin này, nhóm tác giả đã tiến hành truy cập Chatbot qua các kênh chính thức như Fanpage Facebook, ứng dụng trên điện thoại thông minh và website chính thức của ngân hàng. Tính đến thời điểm tháng 01/2024, có 15 trong số 43 NHTM đã triển khai sử dụng Chatbot. Trong đó đa số các ngân hàng đã triển khai Chatbot trên nền tảng Facebook (14/17), một số ngân hàng có cả Chatbot trên website (5/17) và trên ứng dụng điện thoại (7/17). 
 
Trong hội thoại, với những câu hỏi mức cơ bản, hầu hết Chatbot của các ngân hàng đều đáp ứng tương đối tốt, nhanh chóng giải đáp các câu hỏi thường gặp của khách hàng. Nhưng nói về tính mềm dẻo, linh hoạt và khả năng tích hợp cơ sở dữ liệu của ngân hàng thì câu trả lời của Chatbot chưa đem lại cho khách hàng trải nghiệm hiệu quả. Hầu hết các Chatbot này có xu hướng sử dụng tin nhắn dạng nút bấm (button), hướng người dùng chọn theo các gợi ý của Chatbot. Điều này giúp tiết kiệm thời gian cho khách hàng nhưng lại hạn chế độ linh hoạt của Chatbot khi trả lời những câu nằm ngoài bộ câu hỏi được cài đặt sẵn (Hình 2).
 
Hình 2. Ví dụ hội thoại với Chatbot của một ngân hàng

Nguồn: Nhóm tác giả trích xuất từ ứng dụngtrên điện thoại thông minh

Bảng 1. Khảo sát tình hình triển khai Chatbot trên các nền tảng của 15 NHTM Việt Nam

Nguồn: Nhóm tác giả

Dựa vào Bảng 1, có thể thấy nổi bật trong số 15 Chatbot tại các NHTM là Chatbot của BIDV và NHTM cổ phần Nam Á (Nam A Bank). Các ngân hàng này đã triển khai Chatbot trên cả ba nền tảng là mạng xã hội Facebook, ứng dụng trên điện thoại thông minh và trên website chính thức. Hơn nữa, qua quá trình trải nghiệm nhóm tác giả nhận thấy độ tự nhiên, linh hoạt của hai Chatbot trên phù hợp với mục tiêu nghiên cứu của bài viết. Do đó, nhóm tác giả quyết định lựa chọn Chatbot của BIDV và Nam A Bank để tiến hành thực nghiệm đánh giá.
 
3. Thực nghiệm đánh giá và kết quả
 
3.1. Bộ câu hỏi thử nghiệm và tiêu chí đánh giá
 
Nhóm tác giả biên soạn một bộ 65 câu hỏi tổng hợp theo các chủ đề thường gặp tại các NHTM. Cụ thể, nhóm phân chia bộ câu hỏi thành bốn loại: 
 
- Câu hỏi loại 1 (20 câu): Là các câu hỏi thường gặp của khách hàng, nhóm tác giả thu thập chủ yếu trên website của các ngân hàng như BIDV, Nam A Bank, NHTM cổ phần Kỹ thương Việt Nam (Techcombank), TPBank và NHTM cổ phần Đại chúng (PVcombank). Ví dụ: “OTP là gì? Khi nào tôi phải sử dụng OTP?”
 
- Câu hỏi loại 2 (20 câu): Từ các câu hỏi thường gặp, nhóm tác giả chỉnh sửa thành các câu hỏi viết không dấu, viết tắt hay teencode.
 
Ví dụ: “OTP la j? Khi nao tui phai sd OTP?”
 
- Câu hỏi loại 3 (20 câu): Cũng từ các câu hỏi thường gặp, nhóm tác giả đã linh hoạt thay đổi cách xưng hô trong hội thoại với Chatbot.
 
Ví dụ: “Cháu ơi, cho cô hỏi OTP là gì? Khi nào cô phải sử dụng OTP nhỉ?” 
 
- Câu hỏi loại 4 (5 câu): Là các câu hỏi bao gồm nhiều mệnh đề, chứa nhiều thực thể có liên quan đến nhau. Đây là loại câu hỏi tương đối phức tạp, đòi hỏi Chatbot phải ghi nhớ và tổng hợp thông tin.
 
Ví dụ: “Hiện tại, tôi đang là sinh viên và đang gặp khó khăn về tài chính, không có đủ tiền đóng học phí và tiền phòng trọ. Vậy ngân hàng mình có gói vay nào phù hợp dành cho sinh viên như tôi không? Lãi suất, mức cho vay và thời hạn của gói vay này như thế nào nhỉ?”
 
Sau đó, nhóm tác giả sẽ thực hiện hỏi lần lượt từng câu để đánh giá câu trả lời của Chatbot theo các tiêu chí: 
 
(i) Hiểu đúng câu hỏi của khách hàng; (ii) Tính linh hoạt trong câu trả lời và (iii) Khả năng tổng hợp thông tin.
 
3.2. Kết quả thử nghiệm 
 
(i) Khả năng hiểu câu hỏi của khách hàng 
 
Để đánh giá khía cạnh này, nhóm tác giả dựa trên kết quả trả lời của Chatbot với 40 câu hỏi loại 1 và loại 2, xem Chatbot có thể bắt được từ khóa chính để đưa ra câu trả lời liên quan đến câu hỏi của khách hàng hay không. Số câu trả lời có liên quan trên tổng số câu trả lời được coi là độ chính xác ở khía cạnh hiểu câu hỏi của Chatbot. Với các câu hỏi loại 1, Chatbot của cả hai ngân hàng BIDV và Nam A bank hầu hết đều trả lời chính xác (Hình 3).

Hình 3. Chatbot hiểu đúng câu hỏi của khách hàng 
của hai ngân hàng BIDV và Nam A bank

Nguồn: Nhóm tác giả

Với các câu hỏi loại 2, nếu viết không dấu, viết tắt hay teencode thì hai Chatbot cũng có thể trả lời tương đối chính xác, tuy nhiên có sự sai số nhiều hơn. Điều này cũng là dễ hiểu bởi nếu là Chatbot được cấu hình dựa trên từ khóa thì mức độ “thông minh” của Chatbot phụ thuộc nhiều vào việc người quản trị có liệt kê đầy đủ các biến thể từ khóa khác nhau hay không. (Hình 4)
Hình 4. Chatbot hiểu đúng câu hỏi của khách hàng 
(Câu hỏi không dấu, viết tắt hay teencode)

Nguồn: Nhóm tác giả

(ii) Khả năng đưa ra câu trả lời linh hoạt.
 
Nhóm tác giả dựa trên kết quả câu trả lời của Chatbot với 20 câu hỏi loại 3 để đánh giá khả năng đưa ra câu trả lời linh hoạt. Khi thay đổi cách xưng hô bằng những đại từ nhân xưng khác nhau như “chú”, “bác”, “cô”... nếu Chatbot nhận biết được và thay đổi cách xưng hô theo thì nhóm tác giả ghi nhận sự linh hoạt. Kết quả cho thấy hai Chatbot được chọn để đánh giá đều chưa đáp ứng được tiêu chí này. (Hình 5)
 
Hình 5. Chatbot chưa thể linh hoạt trả lời khi thay đổi cách xưng hô

Nguồn: Nhóm tác giả

(iii) Khả năng tổng hợp thông tin 
 
Những câu hỏi loại 4 tương đối dài, chứa nhiều mệnh đề và nhiều mối quan hệ trong câu. Để trả lời được câu hỏi dạng này, ngoài nhận biết từ khóa, Chatbot còn cần phân biệt các thực thể, nhận biết mối quan hệ và thậm chí cần truy vấn dữ liệu nội bộ của ngân hàng. Dựa trên kết quả trả lời của Chatbot với năm câu hỏi loại 4 thì nhóm tác giả nhận thấy mức độ câu hỏi này còn phức tạp với Chatbot. Hầu hết câu trả lời chỉ có thể đưa ra gợi ý để người dùng tự tìm hiểu tiếp, chứ không đi vào chi tiết vấn đề (Hình 6).
 
Hình 6. Các câu hỏi tổng hợp thông tin còn phức tạp với Chatbot

Nguồn: Nhóm tác giả

Từ việc khảo sát Chatbot của BIDV và Nam A Bank với bộ câu hỏi trên, nhóm tác giả đã tổng hợp được bảng kết quả như Bảng 2. 
 
Bảng 2. Kết quả trả lời câu hỏi của Chatbot hai ngân hàng BIDV và Nam A Bank

Nguồn: Nhóm tác giả

4. Đề xuất hướng giải pháp khắc phục
 
Những hạn chế vừa đề cập trong phần trên đang gây ra không ít khó khăn với các ngân hàng triển khai dịch vụ Chatbot. Với sự khảo sát những công nghệ tiên tiến của trí tuệ nhân tạo thời gian gần đây, nhóm nghiên cứu đề xuất hai giải pháp để cải thiện khả năng hiểu ngôn ngữ và giao tiếp tự nhiên của Chatbot, đó là ứng dụng các mô hình ngôn ngữ lớn và cơ sở tri thức.
 
4.1. Ứng dụng các mô hình ngôn ngữ lớn
 
Các mô hình ngôn ngữ lớn là các mô hình học sâu, được đào tạo trước dựa trên một lượng dữ liệu khổng lồ. Bộ chuyển hóa cơ bản là tập hợp các mạng nơ-ron có một bộ mã hóa và một bộ giải mã với khả năng tự tập trung (Brown và cộng sự, 2020). Bộ mã hóa và bộ giải mã trích xuất ý nghĩa từ một chuỗi văn bản và hiểu mối quan hệ giữa các từ và cụm từ trong đó. Việc ứng dụng các mô hình ngôn ngữ lớn là một giải pháp mới trong thời gian gần đây, điển hình là ChatGPT do OpenAI phát triển (OpenAI, 2022). ChatGPT - cơn sốt cho hàng triệu người dùng khi chỉ mới được phát hành vào cuối tháng 11/2022 với khả năng hiểu ngữ cảnh một cách chính xác và cung cấp các câu trả lời nhanh, rõ ràng hay thậm chí cả những câu hỏi hết sức phức tạp, sáng tác thơ, viết bài phát biểu... (Hình 7)
 
Hình 7. Đoạn hội thoại thể hiện tính tự nhiên của ChatGPT

Nguồn: Nhóm tác giả

Cùng với một câu hỏi cơ bản như “Hiện tại, mình đang là sinh viên, mình muốn vay tiền ở ngân hàng X, liệu gói vay nào phù hợp với mình? Hạn mức của gói vay là bao nhiêu?”, nếu như Chatbot của các ngân hàng chỉ đưa ra câu trả lời “Bạn vui lòng xem thêm thông tin các loại khoản vay trong link dưới” thì ChatGPT có thể đưa ra câu trả lời trau chuốt, tự nhiên, thậm chí đưa ra lưu ý cho người hỏi trước khi quyết định vay tiền. 
 
Tuy nhiên, việc xây dựng một mô hình ngôn ngữ lớn từ đầu có khả năng hiểu ngôn ngữ tiếng Việt, lại có kiến thức về ngân hàng là không hề đơn giản. Các NHTM muốn đầu tư phát triển theo hướng này sẽ cần xây dựng một đội ngũ kĩ sư trí tuệ nhân tạo, kĩ sư xử lí ngôn ngữ tự nhiên, thu thập một lượng dữ liệu lớn lĩnh vực ngân hàng và một nền tảng tính toán khổng lồ. Còn nếu sử dụng dịch vụ có sẵn như ChatGPT của OpenAI cung cấp thì câu trả lời của Chatbot chưa có sự kiểm chứng về thông tin. Ngân hàng sẽ cần tùy biến và cấu hình cho Chatbot những thông tin nội bộ của mình.
 
4.2. Tích hợp hệ cơ sở tri thức trong mô hình Chatbot
 
Hệ cơ sở tri thức là chương trình máy tính được thiết kế để mô hình hóa khả năng giải quyết vấn đề của chuyên gia con người. Là hệ thống dựa trên tri thức, hệ cơ sở tri thức cho phép mô hình hóa các tri thức của chuyên gia, sử dụng tri thức này để giải quyết vấn đề phức tạp thuộc cùng lĩnh vực (Eric và cộng sự, 2021). 
 
Dữ liệu của cơ sở tri thức được ghi vào một đồ thị lưu trữ các tri thức của các chuyên gia là con người, hay còn gọi là đồ thị tri thức (Knowledge Graph). Điển hình là đồ thị tri thức được Google công bố năm 2012, nó được dùng để phân tích các dữ liệu thực thể được kết nối với nhau bằng các mối liên kết. Thay vì biểu diễn dữ liệu dưới dạng bảng thì đồ thị tri thức lại biểu diễn dưới dạng nút (node). Các nút trong đồ thị có thể có tên, các thuộc tính liên quan và các mối quan hệ với nhau (Hoàng Văn Hiếu, 2021).
 
Hình 8. Sơ đồ tri thức trong ngân hàng 

Nguồn: Nhóm tác giả

Tương tự như xây dựng Chabot trong lĩnh vực ngân hàng thì dữ liệu cũng được lưu trữ dưới dạng đồ thị tri thức. Hình 8 là đồ thị tri thức minh họa ví dụ về ứng dụng cơ sở tri thức trong ngân hàng. Khi nhận được câu hỏi của khách hàng liên quan đến thẻ ghi nợ như “Thẻ ghi nợ nội địa mức Premium có hạn mức chi tiêu là bao nhiêu?”, Chatbot có thể phát hiện được chính xác thực thể là Debit Card và Premium, truy vấn vào bộ cơ sở dữ liệu để nhận câu trả lời, sau đó sinh câu trả lời ngôn ngữ tự nhiên cho khách hàng là “Hạn mức chi tiêu là 50 triệu VND/tháng”.
 
Hai hướng giải pháp tích hợp mô hình ngôn ngữ lớn và cơ sở tri thức nêu trên, mỗi hướng đều có lợi thế và thách thức riêng. Đối với mô hình ngôn ngữ lớn, câu trả lời đưa ra rất tự nhiên và trôi chảy tương tự như con người. Tuy nhiên, các mô hình huấn luyện sẵn thường không có kiến thức chuyên môn sâu về lĩnh vực tài chính, ngân hàng và dữ liệu huấn luyện cũng không được cập nhật thời gian thực. Nếu tự huấn luyện từ đầu một mô hình ngôn ngữ lớn thì chi phí bỏ ra là rất lớn về cả dữ liệu, máy chủ hiệu năng cao và các mô hình học sâu phức tạp. Các ngân hàng có thể cân nhắc phương án sử dụng các mô hình ngôn ngữ lớn đã được huấn luyện trước như GPT4 của OpenAI, BARD của Google và tinh chỉnh lại các mô hình sẵn có với dữ liệu chuyên biệt của ngân hàng mình. Đối với cơ sở tri thức, việc phân tích các thực thể trong câu hỏi được thực hiện cặn kẽ hơn, giúp câu trả lời đưa ra chính xác những gì khách hàng cần. Mặc dù vậy, để xây dựng cơ sở tri thức đáp ứng nhu cầu của Chatbot cũng cần sự đầu tư của các chuyên gia lĩnh vực ngân hàng cũng như các chuyên gia về xử lí ngôn ngữ tự nhiên.
 
5. Kết luận 
 
Trong bài viết này, nhóm tác giả đã trình bày khái quát về tình hình ứng dụng của Chatbot ở các NHTM Việt Nam. Thông qua việc trải nghiệm thực tế một số Chatbot ngân hàng tiêu biểu và đánh giá chi tiết trên một bộ câu hỏi với mức độ phức tạp khác nhau, nhóm đã chỉ rõ một số hạn chế của Chatbot tại các NHTM trên các khía cạnh hiểu ngôn ngữ, linh hoạt trong trả lời và khả năng tổng hợp thông tin. Từ đó, nhóm đề xuất hai hướng giải pháp nhằm nâng cao chất lượng cho các Chatbot, đó là ứng dụng mô hình ngôn ngữ lớn và tích hợp hệ cơ sở tri thức. Đây cũng là những hướng phát triển tiếp theo của nhóm trong những nghiên cứu về sau.
 
Tài liệu tham khảo:
 
1. Brown, T., Mann, B., Ryder, N., & Subbiah, M. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems 33. 
2. Eric, W. N., Maggie, C. L., Mei, L., Patrick, S. C., & Tenglu, L. (2021). An intelligent knowledge-based Chatbot for customer service. Electronic Commerce Research and Applications.
3. Google. (2023). An important next step on our AI journey. https://blog.google/technology/ai/bard-google-ai-search-updates/
4. Hoàng Văn Hiếu, Đ. P. (2021). Xây dựng cơ sở tri thức cho nền tảng Chatbot. Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), trang 1.
5. Lê Nguyễn Quỳnh Hương, N. H. (2022). Chatbot trong lĩnh vực ngân hàng - Thực trạng và xu hướng ứng dụng tại Việt Nam. Tạp chí Khoa học & Đào tạo Ngân hàng, trang 71-72.
6. Techcombank (2024). Những câu hỏi thường gặp nhất. https://techcombank.com/ho-tro
7. TPBank (2024). Hỏi đáp, https://tpb.vn/ca-nhan
8. PVcomBank (2024). Câu hỏi thường gặp. https://www.pvcombank.com.vn/?reload=1705844141
9. BIDV (2024). Câu hỏi thường gặp . https://bidv.com.vn/vn/hoi-va-dap
10. Nam A Bank (2024). Ngân hàng Số . https://www.namabank.com.vn/ngan-hang-so
11. OpenAI. (2022). Introducing ChatGPT. https://openai.com/blog/chatgpt
12. OpenAI. (2023, March). GPT-4. https://openai.com/product/gpt-4
13. Precedence Research (2023). Chatbot Market. Được truy lục từ Precedence Research: https://www.precedenceresearch.com/Chatbot-market

TS. Vũ Trọng Sinh, Vũ Thị Hồng Ngọc, Nguyễn Ngọc Châm, 
Nguyễn Lan Hương, Trần Trà My, Trịnh Trung Nguyên
Học viện Ngân hàng
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
Thu hút đầu tư trực tiếp nước ngoài vào Việt Nam 6 tháng đầu năm 2024 và triển vọng
Thu hút đầu tư trực tiếp nước ngoài vào Việt Nam 6 tháng đầu năm 2024 và triển vọng
26/07/2024 94 lượt xem
Thu hút đầu tư trực tiếp nước ngoài (FDI) được xem là một trong năm mũi đột phá của Việt Nam cần được tập trung để thúc đẩy tăng trưởng phát triển và hội nhập.
Sự phát triển của Fintech và thách thức đối với các ngân hàng thương mại Việt Nam
Sự phát triển của Fintech và thách thức đối với các ngân hàng thương mại Việt Nam
24/07/2024 256 lượt xem
Sự xuất hiện của các công ty công nghệ tài chính (Fintech) trên thị trường đã làm thay đổi toàn bộ ngành dịch vụ tài chính, thúc đẩy phát triển các kênh phân phối sản phẩm, dịch vụ ngân hàng truyền thống...
Một số rủi ro khi sử dụng thẻ tín dụng - Kinh nghiệm và bài học cho giới trẻ
Một số rủi ro khi sử dụng thẻ tín dụng - Kinh nghiệm và bài học cho giới trẻ
22/07/2024 246 lượt xem
Ở thời đại Cách mạng công nghiệp lần thứ tư (CMCN 4.0), thẻ tín dụng dần trở thành một phương tiện thanh toán khá phổ biến đối với bất kì khách hàng nào bởi tính tiện dụng trong chi tiêu và thanh toán.
Chủ động sử dụng và ứng phó với phòng vệ thương mại
Chủ động sử dụng và ứng phó với phòng vệ thương mại
22/07/2024 192 lượt xem
Ngày nay, toàn cầu hóa, tự do hóa thương mại đang trở thành xu hướng tất yếu, phát triển ngày càng sâu rộng trên thế giới, ngày càng có nhiều nước tham gia vào Tổ chức Thương mại Thế giới (WTO) và nhiều Hiệp định Thương mại tự do (FTA) song phương và đa phương đã được ký kết.
Nghiên cứu xây dựng mô hình học sâu phát hiện tin nhắn rác dựa trên bộ dữ liệu phức hợp được cập nhật
Nghiên cứu xây dựng mô hình học sâu phát hiện tin nhắn rác dựa trên bộ dữ liệu phức hợp được cập nhật
19/07/2024 240 lượt xem
Dựa trên bộ dữ liệu phức hợp mới được cập nhật, bài viết này đề xuất mô hình học máy nhằm phát hiện tin nhắn rác giúp giảm thiểu tối đa những rủi ro mà người dùng thiết bị di động đang phải đối mặt, đặc biệt là rủi ro liên quan đến vấn đề tài chính.
Đánh giá tác động của tham nhũng địa phương đến hoạt động ESG của doanh nghiệp Việt Nam
Đánh giá tác động của tham nhũng địa phương đến hoạt động ESG của doanh nghiệp Việt Nam
18/07/2024 264 lượt xem
Nghiên cứu đánh giá ảnh hưởng của tham nhũng địa phương (tham nhũng cấp tỉnh/thành phố) đến hoạt động ESG (Environmental - môi trường, Social - xã hội và Governance - quản trị) của doanh nghiệp tại Việt Nam.
Lãi suất theo quy định pháp luật Việt Nam và sự cân nhắc về “mức giới hạn trần” trong hoạt động cho vay của các công ty tài chính.
Lãi suất theo quy định pháp luật Việt Nam và sự cân nhắc về “mức giới hạn trần” trong hoạt động cho vay của các công ty tài chính.
16/07/2024 446 lượt xem
“Lãi suất là công cụ tích cực trong phát triển kinh tế và đồng thời cũng là một công cụ kìm hãm của chính sự phát triển ấy, tùy thuộc vào sự khôn ngoan hay khờ dại trong việc sử dụng chúng” - đây là phát biểu của nhà kinh tế học người Pháp A. Poial.
Giải pháp và lộ trình áp dụng chuẩn mực báo cáo tài chính quốc tế đối với hệ thống các tổ chức tín dụng Việt Nam
Giải pháp và lộ trình áp dụng chuẩn mực báo cáo tài chính quốc tế đối với hệ thống các tổ chức tín dụng Việt Nam
15/07/2024 327 lượt xem
Với xu hướng hội nhập tài chính quốc tế, để đảm bảo cung cấp thông tin chính xác, minh bạch, việc áp dụng Chuẩn mực kế toán quốc tế (IAS), Chuẩn mực báo cáo tài chính quốc tế (IFRS) là một trong những điều kiện cần thiết để đẩy mạnh xu hướng này, góp phần hoàn thiện các giải pháp đồng bộ thúc đẩy lĩnh vực kế toán - kiểm toán phát triển; đảm bảo việc ghi nhận sổ sách theo cơ chế thị trường vận hành và thông lệ quốc tế.
Thực trạng và một số giải pháp nâng cao hiệu quả hoạt động của doanh nghiệp nhà nước
Thực trạng và một số giải pháp nâng cao hiệu quả hoạt động của doanh nghiệp nhà nước
11/07/2024 431 lượt xem
Sau gần 40 năm thực hiện công cuộc đổi mới kinh tế đất nước (1986 - 2024), khu vực doanh nghiệp nhà nước vẫn luôn đóng vai trò quan trọng trong sự nghiệp phát triển kinh tế của đất nước. Tuy nhiên, mặc dù đạt được những kết quả quan trọng, nhưng hoạt động và đóng góp của khối doanh nghiệp nhà nước vào nền kinh tế vẫn chưa tương xứng với tiềm năng.
Đánh giá mức độ an toàn trong hoạt động của các ngân hàng thương mại Việt Nam giai đoạn 2021 - 2023
Đánh giá mức độ an toàn trong hoạt động của các ngân hàng thương mại Việt Nam giai đoạn 2021 - 2023
01/07/2024 674 lượt xem
Mục tiêu của bài viết này là phân tích và đánh giá thực trạng an toàn trong hoạt động của hệ thống ngân hàng Việt Nam giai đoạn 2021 - 2023 trên các khía cạnh gồm an toàn vốn, thanh khoản và chất lượng tài sản. Qua đó, bài viết đưa ra một số giải pháp đối với các NHTM Việt Nam và kiến nghị đối với các cơ quan quản lí nhà nước nhằm đảm bảo sự an toàn trong hoạt động ngân hàng.
Tác động truyền thông chính sách tiền tệ của Ngân hàng Nhà nước Việt Nam tới người tiêu dùng
Tác động truyền thông chính sách tiền tệ của Ngân hàng Nhà nước Việt Nam tới người tiêu dùng
27/06/2024 560 lượt xem
Bài viết sử dụng các phương pháp nghiên cứu định tính truyền thống và nghiên cứu định lượng qua việc chạy mô hình hồi quy Logistic nhị phân (Binary Logistic Regression) để đánh giá tác động từ truyền thông chính sách tiền tệ (CSTT) của Ngân hàng Nhà nước Việt Nam (NHNN) tới người tiêu dùng.
Mô hình tập trung trong thanh toán quốc tế của một số ngân hàng trên thế giới và bài học kinh nghiệm đối với các ngân hàng thương mại Việt Nam
Mô hình tập trung trong thanh toán quốc tế của một số ngân hàng trên thế giới và bài học kinh nghiệm đối với các ngân hàng thương mại Việt Nam
25/06/2024 623 lượt xem
Có nhiều mô hình thanh toán quốc tế đang được áp dụng tại các ngân hàng trên thế giới, bao gồm mô hình tập trung, phân tán, thuê ngoài và các mô hình thanh toán khác.
Phát huy vai trò của báo chí trong bảo vệ nền tảng tư tưởng của Đảng hiện nay
Phát huy vai trò của báo chí trong bảo vệ nền tảng tư tưởng của Đảng hiện nay
19/06/2024 671 lượt xem
Phát huy vai trò báo chí trong bảo vệ nền tảng tư tưởng của Đảng thời gian qua đã được Đảng, Nhà nước, Ban Tuyên giáo Trung ương, Bộ Thông tin và Truyền thông, Hội Nhà báo Việt Nam, các cơ quan báo chí trong cả nước và đội ngũ những người làm báo quan tâm, chăm lo, thực hiện; từng bước đề ra nhiều nội dung, giải pháp, phương thức, phát huy hiệu quả vai trò của báo chí cách mạng.
Ứng dụng ESG trong xếp hạng tín dụng doanh nghiệp tại Việt Nam
Ứng dụng ESG trong xếp hạng tín dụng doanh nghiệp tại Việt Nam
19/06/2024 659 lượt xem
Kinh doanh bền vững gắn với bảo vệ môi trường, đề cao trách nhiệm xã hội đang là xu thế tất yếu tại nhiều quốc gia trên thế giới.
Vai trò điều tiết của đa dạng hóa thu nhập đến mối quan hệ giữa các yếu tố đặc thù với khả năng sinh lời của ngân hàng
Vai trò điều tiết của đa dạng hóa thu nhập đến mối quan hệ giữa các yếu tố đặc thù với khả năng sinh lời của ngân hàng
17/06/2024 479 lượt xem
Là bộ phận quan trọng nhất của hệ thống tài chính, các ngân hàng đóng vai trò trung gian trong việc chuyển vốn từ bên thừa sang bên thiếu vốn.
Giá vàngXem chi tiết

GIÁ VÀNG - XEM THEO NGÀY

Khu vực

Mua vào

Bán ra

HÀ NỘI

Vàng SJC 1L

77.500

79.500

TP.HỒ CHÍ MINH

Vàng SJC 1L

77.500

79.500

Vàng SJC 5c

77.500

79.520

Vàng nhẫn 9999

75.600

77.000

Vàng nữ trang 9999

75.500

76.600


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 25,127 25,477 26,885 28,360 31,917 33,274 156.80 165.96
BIDV 25,157 25,477 27,090 28,390 32,186 33,429 157.71 166.56
VietinBank 25,157 25,477 27,180 28,380 32,396 33,406 158.36 166.11
Agribank 25,160 25,477 27,065 28,310 32,089 33,255 157.73 165.80
Eximbank 25,130 25,476 27,140 27,981 32,273 33,175 158.91 163.85
ACB 25,140 25,477 27,136 28,068 32,329 33,306 158.59 164.86
Sacombank 25,190 25,477 27,338 28,340 32,507 33,217 159.66 164.69
Techcombank 25,132 25,477 27,000 28,353 31,994 33,324 155.51 167.92
LPBank 24,937 25,477 26,998 28,670 32,415 33,421 157.95 169.10
DongA Bank 25,180 25,477 27,140 28,010 32,200 33,300 156.60 164.60
(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
-
1,60
1,60
1,90
2,90
2,90
4,60
4,70
BIDV
0,10
-
-
-
1,70
1,70
2,00
3,00
3,00
4,70
4,70
VietinBank
0,10
0,20
0,20
0,20
1,70
1,70
2,00
3,00
3,00
4,70
4,80
ACB
0,01
0,50
0,50
0,50
2,10
2,30
2,50
3,30
3,60
4,30
4,40
Sacombank
-
0,50
0,50
0,50
2,10
2,30
2,50
3,50
3,60
4,50
4,80
Techcombank
0,10
-
-
-
2,60
2,60
2,90
3,80
3,80
4,50
4,50
LPBank
0.20
0,20
0,20
0,20
2,00
2,00
2,30
3,20
3,20
5,00
5,30
DongA Bank
0,50
0,50
0,50
0,50
3,30
3,30
3,30
4,30
4,50
4,80
5,00
Agribank
0,20
-
-
-
1,60
1,60
1,90
3,00
3,00
4,70
4,70
Eximbank
0,50
0,50
0,50
0,50
2,90
3,10
3,20
4,00
4,00
4,80
5,10

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