Trí tuệ nhân tạo và các ứng dụng trong lĩnh vực ngân hàng
24/03/2022 12.943 lượt xem
Tóm tắt: Trí tuệ nhân tạo (Artificial Intelligence - AI) là một công cụ năng động, có tiềm năng mang lại hiệu quả cho các tổ chức sử dụng nó. Sự nổi lên của AI đã mang lại sự chuyển đổi đối với dịch vụ tài chính trong bối cảnh mới và đa chiều. Các công nghệ này giúp hệ thống ngân hàng tự động hóa các quy trình, cải thiện hiệu quả hoạt động, nâng cao trải nghiệm của khách hàng, góp phần tăng doanh thu... Bài viết đề cập đến các ứng dụng của AI trong lĩnh vực ngân hàng, cũng như các vấn đề ngân hàng cần cân nhắc khi vận dụng AI để có lộ trình và bước đi thích hợp trong thời gian tới.
 
Từ khóa: AI, công nghệ số, ngân hàng. 
 
1. Tổng quan về AI
 
Trong lĩnh vực khoa học máy tính, AI được gọi là trí thông minh nhân tạo, trí thông minh được thể hiện bằng máy móc, trái ngược với trí thông minh tự nhiên của con người. Thông thường, thuật ngữ AI được sử dụng để mô tả các máy móc có khả năng bắt chước các chức năng, nhận thức của con người khi liên kết với tâm trí như học tập, giải quyết vấn đề (Russel & Norvig, 2013). Hay nói khác đi, AI là sự mô phỏng các quá trình suy nghĩ và học tập của con người cho máy móc, đặc biệt là hệ thống máy tính. 
 

 
Với tốc độ phát triển mạnh mẽ của công nghệ, nhiều công ty đã bắt đầu chú ý đến việc áp dụng AI trong quản lý và sản xuất - kinh doanh. AI đã có những đóng góp không nhỏ trong các lĩnh vực đời sống xã hội như chăm sóc sức khỏe, kinh doanh, giáo dục, sản xuất, tài chính, ngân hàng… (Dwivedi et al., 2021). Đối với lĩnh vực ngân hàng, do sự cạnh tranh ngày càng gay gắt nên các ngân hàng đang chạy đua trong việc áp dụng các công nghệ hiện đại, đặc biệt là AI để tạo ra những sản phẩm, dịch vụ mới (Biswas et al., 2020; Fu et al., 2014; Gómez & Heredero, 2017; Joshi et al., 2010). Sử dụng các kỹ thuật AI trong việc cung cấp các dịch vụ tài chính có thể nâng cao hiệu quả, giảm chi phí, nâng cao chất lượng, nâng cao mức độ hài lòng của khách hàng nhờ các khả năng mà chúng mang lại để tự động hóa các quy trình vận hành và tăng năng lực phân tích bộ dữ liệu lớn (Biswas et al., 2020; Fernández, 2019).
 
Ngoài ra, việc triển khai ứng dụng AI cho phép tái cấu trúc mô hình ngân hàng truyền thống theo định hướng mới nhằm tiết kiệm chi phí, tăng hiệu quả và cạnh tranh hơn (Gallego-Gomez & De-Pablos-Heredero, 2020). Ngày nay, dữ liệu lớn và AI giúp các ngân hàng tạo ra các sản phẩm và quy trình mới hoặc cải tiến những sản phẩm và quy trình hiện có. Khi lượng dữ liệu phát triển theo cấp số nhân, chi phí lưu trữ dữ liệu và sức mạnh tính toán giảm xuống, AI được dự đoán có tiềm năng rất lớn đối với các ngân hàng (Yu & Song, 2021).
 
2. Một số ứng dụng của AI trong lĩnh vực ngân hàng
 
Đối với hệ thống ngân hàng, nguồn dữ liệu rất cần thiết cho hầu hết các lĩnh vực hoạt động, từ hình thức gửi tiền truyền thống, cho vay, đến đầu tư trong lĩnh vực ngân hàng và quản lý tài sản. Khi lượng dữ liệu phát triển theo cấp số nhân, chi phí lưu trữ dữ liệu và sức mạnh tính toán giảm xuống, AI được dự đoán có tiềm năng rất lớn đối với các ngân hàng (Yu & Song, 2021). Hiện nay, trước sự bùng nổ của cuộc Cách mạng công nghiệp lần thứ tư, các ứng dụng của AI được triển khai thực hiện nhiều hơn trong lĩnh vực ngân hàng, cụ thể:
 
Chatbot
 
Về mặt nâng cao trải nghiệm khách hàng, Chatbot hiện là hình thức AI dễ thấy nhất, đã và đang áp dụng trong lĩnh vực ngân hàng. Chatbot hỗ trợ phục vụ khách hàng 24/7 về những vấn đề đơn giản như chuyển tiền, thiết lập định kỳ thanh toán, kiểm tra bảng sao kê ngân hàng và tìm ra thói quen chi tiêu của khách hàng (Fernández, 2019; Singh et al., 2017). Với ứng dụng này, khách hàng không phải đến các ngân hàng để truy vấn thông tin và tìm hiểu các dịch vụ bổ sung khác, họ có thể thực hiện điều này qua một hệ thống nhắn tin trực tuyến, có thể sử dụng máy tính xách tay hoặc điện thoại thông minh. Việc triển khai Chatbot rất hữu ích trong lĩnh vực ngân hàng, giúp phục vụ khách hàng tốt hơn và đã được thực hiện bởi hầu hết các ngân hàng lớn (Singh et al., 2017).
 
Commonwealth Bank of Australia (CBA) đã giới thiệu Chatbot Ceba có thể thực hiện 200 nhiệm vụ cho hơn một triệu khách hàng, phân biệt thành công 500.000 hoạt động mà khách hàng có thể yêu cầu đối với các ngân hàng. Nina, một Chatbot của Thụy Điển, trung bình trò chuyện hơn 30.000 lượt/tháng; tiết kiệm thời gian cho 700 nhân viên trung tâm liên lạc của ngân hàng, điều này giúp họ tập trung vào các hoạt động khác (International Banker, 2018).
 
Tuy nhiên, việc ứng dụng Chatbot cũng có một số hạn chế nhất định. Các Chatbot thường không hiểu hết hay hiểu chưa đúng câu hỏi của người đối thoại hoặc trả lời dài dòng gây khó hiểu, việc này sẽ tạo ra sự thất vọng cho khách hàng (Adamopoulou & Moussiades, 2020). Bên cạnh đó, nội dung độc hại có thể là một nhược điểm nghiêm trọng đối với các nhà cung cấp Chatbot và người dùng: Ví dụ, việc ghi lại thông tin cá nhân bởi các dịch vụ không đáng tin cậy sẽ tạo thành nội dung độc hại và cần tránh; hoặc những phát ngôn nhằm mục đích khai thác Chatbot hoặc vi phạm tính bảo mật hoặc ăn cắp bản quyền cũng được xem là nội dung độc hại. Mặt khác, trong quá trình sử dụng Chatbot, người dùng vì lý do nào đó có thể trả lời không thành thật, che giấu thông tin thì ứng dụng này không thể phát hiện ra (Schuetzler et al., 2019).
 
Thu thập và phân tích dữ liệu lớn
 
Công nghệ AI có thể thực hiện hiệu quả quá trình thu thập và phân tích dữ liệu của người dùng, đặc biệt là bộ dữ liệu lớn đối với lĩnh vực ngân hàng (Biswas et al., 2020; Vivek Dubey, 2019). AI sẽ dựa trên cơ sở dữ liệu và các thuật toán để xử lý một khối lượng thông tin lớn mà các phương pháp phân tích truyền thống không thực hiện được, từ đó, tạo ra những sản phẩm, dịch vụ mới, sát với nhu cầu thực tế của khách hàng, mang lại cho khách hàng nhiều tiện ích, trải nghiệm mới, mỗi sản phẩm, dịch vụ được cá thể hóa để phù hợp với từng đối tượng khách hàng khác nhau (Biswas et al., 2020). 
 
Ngân hàng Thụy Sĩ đã ứng dụng AI vào việc xây dựng hệ thống phân tích hàng loạt dữ liệu thị trường nhằm xác định các mô hình giao dịch và từ đó hình thành các chiến lược để xác định giao dịch cho khách hàng. AI được vận dụng để xác định yêu cầu chuyển tiền của khách hàng, sau đó tiến hành chia nhỏ các giao dịch lớn trước khi thực hiện chuyển tiền. Bằng cách đó, một nhiệm vụ 45 phút, giờ đây có thể được hoàn thành chỉ trong vài phút, giúp tiết kiệm thời gian cho các nhân viên ngân hàng để tập trung vào những công việc quan trọng hơn (International Banker, 2018).
 
Ngân hàng JP Morgan Chase (Hoa Kỳ) đã đầu tư vào COIN, một công nghệ AI giúp xem xét tài liệu và trích xuất dữ liệu trong thời gian ngắn. COIN có thể xem xét khoảng 12.000 tài liệu chỉ trong vài giây, trong khi một người sẽ dành hơn 360.000 giờ làm việc trên cùng một tài liệu này (Buchanan, 2019).
 
Tuy nhiên, những trở ngại của việc áp dụng kỹ thuật này trên dữ liệu lớn của ngân hàng vẫn đáng chú ý, chẳng hạn, quá trình đào tạo nhân sự tốn kém và mất thời gian hướng dẫn các biểu mẫu và tiền xử lý dữ liệu, lựa chọn biến, độ phức tạp và độ khó của đảm bảo chất lượng dữ liệu, lưu trữ và bảo trì tập dữ liệu lớn (Hassani et al., 2018). Việc phát triển các công cụ AI đòi hỏi một khối lượng lớn dữ liệu và nhiều nguồn tài nguyên (Fernández, 2019). Tuy nhiên, nguồn dữ liệu của nhiều ngân hàng bị phân tán trong liên kết nội bộ. Thêm vào đó, các ngân hàng phải đối mặt với những thách thức trong việc thu thập dữ liệu do nhiều nguyên nhân như không đủ số lượng dữ liệu công khai; độ chính xác của việc thu thập dữ liệu; việc sử dụng dữ liệu khách hàng có vi phạm quyền riêng tư; dữ liệu không có cấu trúc hoặc chất lượng kém... (Biswas et al., 2020). Do vậy, các ngân hàng không thể thực hiện phân tích dữ liệu từ các nguồn bên trong và bên ngoài trên quy mô lớn cho hàng triệu khách hàng.
 
Quản lý tài sản và danh mục đầu tư 
 
Hiện nay, lĩnh vực ngân hàng đang đi sâu vào công nghệ AI, họ tận dụng trí tuệ thông minh để đưa ra quyết định đầu tư và hỗ trợ nghiên cứu vào ngân hàng đầu tư. Chẳng hạn như UBS Group AG, một ngân hàng đầu tư đa quốc gia và công ty dịch vụ tài chính của Thụy Sĩ hay Tập đoàn ING, một ngân hàng và dịch vụ tài chính đa quốc gia Hà Lan đang ứng dụng công nghệ AI rà soát thị trường và thông báo cho các hệ thống giao dịch thuật toán của họ.
 
Ngoài ra, nhiều công ty dịch vụ tài chính đang cung cấp các nhà tư vấn Robot nhằm giúp khách hàng quản lý dòng tiền tốt hơn. Thông qua cá nhân hóa, Chatbot và nhu cầu của từng đối tượng khách hàng, các Robot này sẽ tư vấn cho các quyết định đầu tư và sẵn sàng phục vụ bất cứ lúc nào khách hàng cần. Hiện nay, công nghệ AI trong lĩnh vực ngân hàng đang tiếp tục chuyển đổi để cung cấp mức giá trị lớn hơn cho khách hàng, giảm rủi ro, tiết kiệm chi phí và tăng lợi nhuận cho ngân hàng (Satheesh & Nagaraj, 2021).
 
Tuy nhiên, như đã đề cập ở trên, việc ứng dụng Chatbot trong tư vấn cho các quyết định đầu tư cũng có một số hạn chế nhất định. Nội dung phản hồi của Chatbot sẽ bị giới hạn, các Chatbot thường không hiểu đúng câu hỏi của người dùng hoặc trả lời dài dòng gây khó hiểu nên sẽ không đáp ứng được nhu cầu của khách hàng, gây cảm giác nhàm chán (Adamopoulou & Moussiades, 2020). Hơn nữa, việc ứng dụng AI vào các hoạt động ngân hàng sẽ tốn kém nhiều chi phí liên quan và phải có đội ngũ nhân viên chuyên về AI để vận hành hoạt động (Ghosh & Chanda, 2020).
 
Phát hiện gian lận và chống rửa tiền
 
Hành vi gian lận, rửa tiền, tài trợ các hoạt động khủng bố làm suy yếu tính toàn vẹn của hệ thống tài chính, dẫn đến mất quyền kiểm soát đối với các chính sách kinh tế của một quốc gia, bóp méo nền kinh tế, gây bất ổn trong đầu tư và dẫn đến giảm doanh thu thuế cho chính phủ (Aluko & Bagheri, 2012; Chen et al., 2018). Theo báo cáo của McAfee cho thấy, trong năm 2018, nhiều vụ việc gian lận trong lĩnh vực tài chính đã được phát hiện trên toàn cầu với tổng số tiền lên đến 600 tỷ USD. Do đó, các ngân hàng đã và đang ứng dụng các công nghệ hiện đại để ngăn các mối đe dọa, gian lận từ bên trong lẫn bên ngoài. 
 
Khả năng phân tích khối lượng dữ liệu lớn và kết hợp những dữ liệu đó với các nguồn thông tin mới cho phép phát hiện những giao dịch bất thường, giúp phát hiện các hành vi gian lận nhanh hơn và chính xác hơn, đồng thời, ít gây bất tiện cho khách hàng (Fernández, 2019). Trong những năm gần đây, việc ứng dụng AI, áp dụng các thuật toán vào lĩnh vực ngân hàng nhằm phát hiện hành vi gian lận, rửa tiền hay tài trợ cho khủng bố đã được công bố trong nhiều nghiên cứu (Álvarez-Jare-o et al., 2017; Jullum et al., 2020; Martínez-Sánchez et al., 2020; Savage et al., 2016).
 
Tuy nhiên, để phát hiện hành vi gian lận, rửa tiền và xử lý một lượng lớn dữ liệu tài chính, các ngân hàng cần các thuật toán phân loại dựa trên học máy và mạng nơ-ron nhân tạo về độ chính xác trong phát hiện gian lận tài chính (Choi & Lee, 2018). 
 
Nhận diện trang web lừa đảo
 
Hiện nay, các trang web lừa đảo xuất hiện ngày càng nhiều với đủ các hình thức, chiêu trò nhằm thu hút nhiều người sử dụng; từ đó, chúng thu thập thông tin người dùng và mật khẩu để thực hiện các giao dịch bất hợp pháp (Satheesh & Nagaraj, 2021). Về cơ bản, email được sử dụng để dụ dỗ khách hàng rơi vào bẫy, quảng bá bằng cách thường xuyên gửi email rác cho nhiều người. Kỹ thuật khai thác dữ liệu sẽ giúp các đối tượng xấu có được thông tin liên quan đến người dùng từ rất nhiều dữ liệu có sẵn. 
 
Các thuật toán AI được sử dụng để mô tả và xác định tất cả các yếu tố và quy tắc nhằm phân loại trang web lừa đảo và mối quan hệ tương quan giữa chúng với nhau. Kết quả thử nghiệm đã chứng minh tính khả thi của việc sử dụng các thuật toán phân loại, liên kết trong các ứng dụng thực tế và hiệu suất tốt hơn so với các thuật toán phân loại truyền thống khác (Aburrous et al., 2010). Tuy nhiên, việc tìm ra một tính năng quan trọng để nhận diện trang web lừa đảo không phải lúc nào cũng dễ dàng (Aburrous et al., 2010). Hơn nữa, trong quá trình ứng dụng AI vào các hoạt động ngân hàng, chi phí liên quan rất cao, lực lượng lao động hiện có thiếu khả năng kỹ thuật để ứng dụng AI vào hoạt động (Ghosh & Chanda, 2020). Mặc dù đã chi hàng tỷ USD cho các sáng kiến ​​công nghệ thay đổi ngân hàng mỗi năm nhưng rất ít ngân hàng đã thành công trong việc phổ biến và nhân rộng các công nghệ AI trong toàn tổ chức (Biswas et al., 2020).
 
Chấm điểm tín dụng
 
Hoạt động ngân hàng luôn tiềm ẩn nhiều rủi ro, trong đó, rủi ro tín dụng là một rủi ro lớn được ngân hàng đặc biệt quan tâm vì điều này có ảnh hưởng đến sự an toàn của toàn bộ hệ thống ngân hàng và mất mát không dễ gì bù đắp được (Ghodselahi & Amirmadhi, 2011). Bên cạnh đó, phê duyệt các khoản vay là quyết định quan trọng đối với lợi nhuận và chiến lược tiếp thị của ngân hàng. Trước đây, các nhà quản lý ngân hàng gặp không ít khó khăn trong quá trình ra quyết định vì khối lượng công việc nhiều. Nhưng giờ đây, AI đã giúp các nhà quản lý đưa ra quyết định tốt hơn và nhanh hơn (Eletter et al., 2010). Không những thế, khi năng lực phân tích tăng lên có thể cải thiện đánh giá tín dụng và làm cho việc khởi tạo khoản vay nhanh hơn.
 
Bảo mật thông tin
 
Ứng dụng công nghệ 4.0 đã mang lại cho lĩnh vực ngân hàng nhiều cơ hội như tiết giảm chi phí, gia tăng lợi nhuận, phát triển các sản phẩm, dịch vụ với nhiều tiện ích cho khách hàng… (Biswas et al., 2020). Tuy nhiên, ngày nay, việc thương mại hóa dữ liệu cá nhân chưa được kiểm soát chặt chẽ và có dấu hiệu ngày càng tăng, do đó, bảo vệ quyền riêng tư là một vấn đề chính đáng được công chúng quan tâm (Rule & Hunter, 2016). Do đó, các tổ chức tín dụng đã bắt đầu sử dụng AI nhằm tăng cường an ninh mạng, đồng thời cung cấp nhiều biện pháp bảo vệ chống lại các tin tặc. AI có thể tự động hóa các quy trình phức tạp để phát hiện các cuộc tấn công và phản ứng với các vi phạm trái phép. Các ứng dụng này ngày càng trở nên hữu dụng và an toàn hơn khi AI được triển khai để bảo mật thông tin.
 
Dự đoán xác suất phá sản của ngân hàng 
 
Sự phá sản của một ngân hàng là điều rất nguy hiểm, đặc biệt là các ngân hàng lớn vì nó ảnh hưởng đến toàn bộ hệ thống tài chính. Năm 1980, các ngân hàng lớn đã không duy trì được sự an toàn trước các khoản nợ xấu, đó là một lý do khiến ngân hàng thất bại và sụp đổ hệ thống (Boyd & Gertler, 1994). Dự đoán rủi ro và đưa ra quyết định cấp tín dụng đúng đắn sẽ giúp ngân hàng tránh các tình huống tiêu cực như gian lận, thậm chí phá sản (Moro et al., 2015).
 
Một nghiên cứu đã áp dụng các hệ thống cảnh báo sớm bằng các phương pháp truyền thống như phân tích phân biệt, hồi quy logistic và AI nhằm giải thích và dự đoán tình trạng kiệt quệ tài chính của 618 ngân hàng châu Âu trong giai đoạn 2007 - 2011 (Messai & Gallali, 2015). Phát hiện quan trọng của nghiên cứu này chứng minh rằng, phương pháp mạng nơ-ron dựa trên công nghệ AI vượt trội hơn các mô hình khác trong dự đoán xác suất phá sản của các ngân hàng. Kết quả này rất hữu ích cho các ngân hàng trong việc hoạch định chính sách thực hiện tốt hơn trong tương lai.
 
3. Kết luận
 
AI được vận dụng trong nhiều lĩnh vực kinh tế - xã hội, trong đó có ngân hàng với các ứng dụng như Chatbot, phát hiện gian lận, chống rửa tiền, chấm điểm tín dụng... Tuy nhiên, trong quá trình triển khai thực hiện, các ngân hàng cũng đối mặt với các vấn đề như chi phí đầu tư, nguồn nhân lực, tính bảo mật dữ liệu và sự phức tạp của các thuật toán. Vì vậy, trong quá trình vận dụng AI vào hoạt động kinh doanh, các ngân hàng thương mại cần cân nhắc, căn cứ vào năng lực tài chính, khả năng đầu tư về cơ sở hạ tầng, công nghệ... để có lộ trình và bước đi thích hợp.

Tài liệu tham khảo:
 
1. Aburrous, M., Hossain, M. A., Dahal, K., & Thabtah, F. (2010). Associative Classification techniques for predicting e-banking phishing websites. 2010 International Conference on Multimedia Computing and Information Technology (MCIT), 9 - 12. https://doi.org/10.1109/MCIT.2010.5444840
2. Adamopoulou, E., & Moussiades, L. (2020). Chatbots: History, technology, and applications. Machine Learning with Applications, 
2, 100006. https://doi.org/10.1016/j.mlwa.2020.100006
3. Aluko, A., & Bagheri, M. (2012). The impact of money laundering on economic and financial stability and on political development in developing countries: The case of Nigeria. Journal of Money Laundering Control, 15(4), 442 - 457. https://doi.org/10.1108/13685201211266024
4. Álvarez-Jare-o, J. A., Badal-Valero, E., & Pavía, J. M. (2017). Using machine learning for financial fraud detection in the accounts of companies investigated for money laundering. Et Al.
5. Atay, E., & Apak, S. (2013). An Overview of GDP and Internet Banking Relations in the European Union Versus China. Procedia - Social and Behavioral Sciences, 99, 36 - 45. https://doi.org/10.1016/j.sbspro.2013.10.469
6. Banking Today: Risk Management with AI. (2018, August 30). GiniMachine. https://ginimachine.com/blog/banking-today-risk-management-with-ai/
7. Biswas, S., Carson, B., Chung, V., Singh, S., & Thomas, R. (2020). AI-bank of the future: Can banks meet the AI challenge. New York: McKinsey & Company.
8. Boyd, J., & Gertler, M. (1994). The role of large banks in the recent U.S. banking crisis. https://doi.org/10.21034/QR.1811
9. Chen, Z., Teoh, E. N., Nazir, A., Karuppiah, E. K., & Lam, K. S. (2018). Machine learning techniques for anti-money laundering (AML) solutions in suspicious transaction detection: A review. Knowledge and Information Systems, 57(2), 245 - 285.
10. Choi, D., & Lee, K. (2018). An Artificial Intelligence Approach to Financial Fraud Detection under IoT Environment: A Survey and Implementation. Security and Communication Networks, 2018, e5483472. https://doi.org/10.1155/2018/5483472
11. Cirqueira, D., Helfert, M., & Bezbradica, M. (2021). Towards Design Principles for User-Centric Explainable AI in Fraud Detection. 21 - 40.
12. Dahari, Z., Abduh, M., & Fam, K.-S. (2015). Measuring service quality in Islamic banking: Importance-performance analysis approach. Asian Journal of Business Research ISSN, 1178, 8933.

ThS. Nguyễn Thị Ánh Ngọc
ThS. Nguyễn Thị Diễm
Đại học Kinh tế TP. Hồ Chí Minh - Phân hiệu Vĩnh Long
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
Phát triển ngân hàng xanh nhằm tạo động lực cho phát triển bền vững ở Việt Nam
Phát triển ngân hàng xanh nhằm tạo động lực cho phát triển bền vững ở Việt Nam
15/04/2024 704 lượt xem
Ngân hàng xanh đóng vai trò quan trọng trong phát triển bền vững. Mục tiêu của bài viết này nhằm nhận diện những khó khăn và thách thức mà ngân hàng xanh ở Việt Nam đang gặp phải thông qua phỏng vấn sâu với 30 lãnh đạo và nhân viên giàu kinh nghiệm tại các ngân hàng thương mại (NHTM).
Xác thực sinh trắc học giúp tăng khả năng bảo mật  và an toàn cao hơn trong giao dịch ngân hàng
Xác thực sinh trắc học giúp tăng khả năng bảo mật và an toàn cao hơn trong giao dịch ngân hàng
03/04/2024 1.994 lượt xem
Từ ngày 01/7/2024, khách hàng phải xác thực sinh trắc học khi giao dịch ngân hàng lần đầu bằng Mobile Banking; mọi giao dịch chuyển tiền có giá trị từ 10 triệu đồng trở lên đều phải thông qua bước xác thực bằng sinh trắc học đối với người chuyển tiền; tổng số tiền các giao dịch trên 20 triệu đồng/ngày phải xác thực bằng sinh trắc học.
Agri-Fintech: Giải pháp cho việc nâng cao hiệu quả tài trợ tài chính trong lĩnh vực nông nghiệp của kỉ nguyên số
Agri-Fintech: Giải pháp cho việc nâng cao hiệu quả tài trợ tài chính trong lĩnh vực nông nghiệp của kỉ nguyên số
27/03/2024 2.118 lượt xem
Việc tài trợ tài chính cho lĩnh vực nông nghiệp tại Việt Nam trong thời gian qua luôn gặp nhiều khó khăn cho dù đã có sự nỗ lực của Chính phủ, các bộ, ngành và các bên liên quan.
Giải pháp phát triển nguồn nhân lực ngân hàng Việt Nam trong bối cảnh chuyển đổi số
Giải pháp phát triển nguồn nhân lực ngân hàng Việt Nam trong bối cảnh chuyển đổi số
25/03/2024 2.816 lượt xem
Quá trình số hóa ở Việt Nam đang ngày càng phát triển nhanh chóng, đặc biệt trong lĩnh vực ngân hàng. Với sự tiến bộ không ngừng của công nghệ, ngành Ngân hàng đang có những cải cách trong nền tảng kĩ thuật số nhằm cung ứng dịch vụ và giải quyết yêu cầu của khách hàng tốt hơn.
Nâng cao kĩ năng cho người tiêu dùng trong sử dụng thẻ tín dụng
Nâng cao kĩ năng cho người tiêu dùng trong sử dụng thẻ tín dụng
22/03/2024 3.638 lượt xem
Ngày nay, với nhiều tiện ích, thẻ tín dụng đã trở nên phổ biến trong chi tiêu, mua sắm của người dân. Tuy nhiên, thực tế không ít người do chưa hiểu rõ về tính năng của thẻ, số ngày miễn lãi, nguyên tắc trả nợ và cách tính lãi suất nếu thanh toán không đủ hoặc không đúng hạn mà có thể trở thành những “con nợ” lớn của ngân hàng.
Tăng cường các giải pháp ngăn chặn lừa đảo chiếm đoạt tiền trong tài khoản
Tăng cường các giải pháp ngăn chặn lừa đảo chiếm đoạt tiền trong tài khoản
20/03/2024 3.669 lượt xem
Thời gian gần đây, ngày càng xuất hiện nhiều hơn tình trạng tội phạm sử dụng các loại mã độc đánh cắp thông tin, mã hóa dữ liệu của người dùng để chiếm đoạt tài sản. Các chuyên gia bảo mật cảnh báo, sau khi xâm nhập, các mã độc này có thể "nằm vùng" như một gián điệp, thu thập thông tin, điều khiển các ứng dụng ngân hàng, đánh cắp tài khoản, mật khẩu và mã OTP của nạn nhân để thực hiện các hành vi vi phạm pháp luật.
Giải pháp thúc đẩy thanh toán không dùng tiền mặt và số hóa ngân hàng
Giải pháp thúc đẩy thanh toán không dùng tiền mặt và số hóa ngân hàng
15/03/2024 3.881 lượt xem
Thời gian qua, với mục tiêu lấy khách hàng là trung tâm, ngành Ngân hàng đã không ngừng hoàn thiện pháp lý và hạ tầng công nghệ nhằm tạo điều kiện thuận lợi cho phát triển thanh toán không dùng tiền mặt (TTKDTM), thúc đẩy hoạt động ngân hàng số và đảm bảo an ninh, an toàn trong hoạt động thanh toán.
Nghĩa vụ bảo mật thông tin người sử dụng Internet Banking của nhà cung cấp dịch vụ trung gian thanh toán
Nghĩa vụ bảo mật thông tin người sử dụng Internet Banking của nhà cung cấp dịch vụ trung gian thanh toán
13/03/2024 3.649 lượt xem
Trong bối cảnh chuyển đổi số, Việt Nam luôn nỗ lực thay đổi, cải tiến và cập nhật những công nghệ hiện đại để áp dụng phát triển trong hầu hết các lĩnh vực, đặc biệt là kinh tế. Internet Banking hay dịch vụ thanh toán trên các thiết bị điện tử trở thành một bước tiến trong giao dịch thương mại.
Hoạt động tài chính vi mô trong xu hướng phát triển của công nghệ tài chính
Hoạt động tài chính vi mô trong xu hướng phát triển của công nghệ tài chính
04/03/2024 4.415 lượt xem
Tổ chức tài chính vi mô (TCVM) là loại hình tổ chức tín dụng thực hiện một số hoạt động nghiệp vụ như ngân hàng nhằm đáp ứng nhu cầu của các cá nhân, hộ gia đình có thu nhập thấp và doanh nghiệp nhỏ.
Xây dựng nguồn lực con người nhằm phát triển văn hóa doanh nghiệp trong chuyển đổi số hoạt động ngân hàng
Xây dựng nguồn lực con người nhằm phát triển văn hóa doanh nghiệp trong chuyển đổi số hoạt động ngân hàng
01/03/2024 4.501 lượt xem
Kết quả nghiên cứu về phát triển văn hóa doanh nghiệp trong chuyển đổi số của các tổ chức nói chung và lĩnh vực ngân hàng nói riêng đều khẳng định, văn hóa doanh nghiệp có vai trò đặc biệt quan trọng, như là “quyền lực mềm” của tổ chức, giúp tổ chức phát triển bền vững.
Pháp luật về định danh khách hàng điện tử trong hoạt động ngân hàng tại Việt Nam
Pháp luật về định danh khách hàng điện tử trong hoạt động ngân hàng tại Việt Nam
14/02/2024 6.328 lượt xem
Trong quá trình hoạt động chuyển đổi số ngành Ngân hàng tại Việt Nam, định danh khách hàng điện tử hay còn gọi là eKYC (Electronic Know Your Customer) đang trở thành một xu hướng phát triển tất yếu. Công nghệ này cho phép các ngân hàng tại Việt Nam cung ứng dịch vụ số hóa, nâng cao trải nghiệm của khách hàng và tối ưu hóa hoạt động, đặc biệt trong hoạt động liên quan đến tài khoản thanh toán.
Chuyển đổi số ngành Ngân hàng - Tăng tốc và phát triển bền vững
Chuyển đổi số ngành Ngân hàng - Tăng tốc và phát triển bền vững
08/02/2024 6.342 lượt xem
Chuyển đổi số trong ngành Ngân hàng không chỉ là một xu hướng mà còn là một bước tiến quan trọng hướng tới tương lai tài chính hiện đại và linh hoạt.
Triển khai ứng dụng dữ liệu dân cư quốc gia góp phần đảm bảo an ninh, an toàn và thúc đẩy chuyển đổi số ngân hàng
Triển khai ứng dụng dữ liệu dân cư quốc gia góp phần đảm bảo an ninh, an toàn và thúc đẩy chuyển đổi số ngân hàng
01/02/2024 6.257 lượt xem
Trong bối cảnh phát triển sâu rộng của cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0) trong mọi mặt đời sống kinh tế, xã hội, xu hướng chuyển dịch các giao dịch theo phương thức truyền thống sang môi trường điện tử gia tăng. Khách hàng được trải nghiệm đa dạng các dịch vụ tiện ích, hiện đại và tiết kiệm thời gian, chi phí.
Tăng cường đào tạo văn hóa số lĩnh vực ngân hàng theo mô hình ASK trong bối cảnh chuyển đổi số tại Việt Nam
Tăng cường đào tạo văn hóa số lĩnh vực ngân hàng theo mô hình ASK trong bối cảnh chuyển đổi số tại Việt Nam
29/01/2024 6.314 lượt xem
Trong quá trình chuyển đổi số, xây dựng văn hóa số giúp ngân hàng tạo ra nguồn nhân lực với tư duy đột phá sáng tạo, tạo ra các sáng kiến số đổi mới với khả năng thích ứng linh hoạt với thay đổi, từ đó đưa ngân hàng bước lên vị thế cao hơn trên thị trường.
Những điểm nhấn khoa học và công nghệ Việt Nam 2023
Những điểm nhấn khoa học và công nghệ Việt Nam 2023
25/01/2024 6.535 lượt xem
Năm qua, Việt Nam có sự bùng nổ và vươn lên mạnh mẽ trong lĩnh vực khoa học, công nghệ, nhiều nhà khoa học được vinh danh ở các giải thưởng, bảng xếp hạng lớn trên thế giới; Chỉ số Đổi mới sáng tạo toàn cầu tăng bậc; liên tục bùng nổ các ứng dụng phần mềm liên quan đến AI... Dưới đây là 10 sự kiện khoa học và công nghệ nổi bật trong năm 2023.
Giá vàngXem chi tiết

GIÁ VÀNG - XEM THEO NGÀY

Khu vực

Mua vào

Bán ra

HÀ NỘI

Vàng SJC 1L

81.800

83.800

TP.HỒ CHÍ MINH

Vàng SJC 1L

81.800

83.800

Vàng SJC 5c

81.800

83.820

Vàng nhẫn 9999

74.800

76.700

Vàng nữ trang 9999

74.700

76.000


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 25,100 25,440 26,252 27,714 30,724 32,055 157.77 167.11
BIDV 25,130 25,440 26,393 27,618 30,763 32,067 158.12 166.59
VietinBank 25,090 25,443 26,504 27,799 31,154 32,164 160.64 168.59
Agribank 25,100 25,440 26,325 27,607 30,757 31,897 159.58 167.50
Eximbank 25,040 25,440 26,425 27,239 30,914 31,866 160.82 165.77
ACB 25,110 25,442 26,596 27,279 31,230 31,905 161.07 166.37
Sacombank 25,170 25,420 26,701 27,261 31,332 31,835 162.03 167.05
Techcombank 25,192 25,442 26,362 27,707 30,760 32,094 157.36 169.78
LPBank 24,960 25,440 26,088 27,611 30,970 31,913 158.36 169.76
DongA Bank 25,170 25,440 26,570 27,260 31,080 31,940 159.20 166.40
(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
2,30
2,40
2,60
3,50
3,70
4,50
4,50
Sacombank
-
0,50
0,50
0,50
2,10
2,30
2,50
3,50
3,60
4,50
4,80
Techcombank
0,10
-
-
-
2,20
2,20
2,30
3,40
3,45
4,40
4,40
LPBank
0.20
0,20
0,20
0,20
1,80
1,80
2,10
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
3,00
3,20
3,30
3,80
3,80
4,80
5,10

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