Tóm tắt

Bài nghiên cứu tập trung phân tích những ứng dụng của công nghệ trí tuệ nhân tạo (AI) và phân tích dữ liệu lớn (BDA) trong quá trình chuyển đổi số của ngành ngân hàng. Bằng phương pháp lược khảo lý thuyết và tổng hợp thông tin, nghiên cứu cho thấy các ngân hàng Việt Nam đã có sự đổi mới rất lớn từ hệ thống và quy trình làm việc đến cách họ nâng cao trải nghiệm của khách hàng nhờ vào công nghệ AI và BDA. Tuy quá trình chuyển đổi này chưa diễn ra đồng bộ và còn nhiều thách thức nhưng nó cho thấy xu hướng phát triển tất yếu của ngành ngân hàng trong thời kỳ mới, nhất là trong bối cảnh dịch Covid-19 phức tạp như hiện nay.

Từ khóa: trí tuệ nhân tạo, AI,  dữ liệu lớn, phân tích dữ liệu lớn, ngân hàng kỹ thuật số, ngân hàng số, chuyển đổi số.

Abstract

The research focuses on analyzing the applications of artificial intelligence (AI) and big data analysis (BDA) to the digital transformation process in the banking industry. By theory review and information synthesis method, the research shows that Vietnamese banks have greatly innovated, from their systems and working processes to the way they leverage experience customers, thanks to AI and BDA technology. Although the transformation has not taken place synchronously as well as having a lot of challenges, it indicates the inevitable development trend in the banking industry in the new period, especially in the current complicated Covid-19 situation.

Keywords: artificial intelligence, AI, big data, big data analysis, digital banking, digital transformation.

1. Mở đầu

   Công nghệ trí tuệ nhân tạo và dữ liệu lớn đang thâm nhập vào các lĩnh vực dịch vụ tài chính trên khắp thế giới tạo nên làn sóng chuyển đổi số ngày càng mạnh mẽ trong thời gian gần đây. Đặc biệt, sau khi dịch Covid-19 bùng phát ở nhiều nước, quá trình chuyển đổi này cũng được thúc đẩy nhanh hơn. Đây cũng là mục tiêu phát triển của hầu hết các ngân hàng và tổ chức tài chính nhằm để thích nghi với tình hình dịch bệnh khó khăn, đồng thời cũng là bước đầu nâng giá trị của tổ chức lên tầm cao mới. Mô hình ngân hàng kỹ thuật số (gọi tắt là ngân hàng số) được xem như là một sản phẩm của việc ứng dụng công nghệ trí tuệ nhân tạo và dữ liệu lớn vào hoạt động kinh doanh của các ngân hàng, nay đã xuất hiện ở nhiều nước, trong đó có Việt Nam. Mô hình này cho phép các nhà cung cấp dịch vụ tài chính tự động hóa hơn nữa các quy trình kinh doanh của họ và tận dụng các nguồn dữ liệu để nâng cao năng lực cạnh tranh cũng như hiệu quả kinh doanh trong bối cảnh hiện nay.

   Thực tế trong những năm qua, các ngân hàng Việt Nam đã có những đầu tư đáng kể cho công nghệ thông tin như đầu tư cho hệ thống “core banking” và tăng tỷ trọng của các quy trình tự động hóa một phần cũng như toàn bộ (Sơn và Liêm, 2020). Cũng theo nghiên cứu của Sơn và Liêm (2020), các ngân hàng có 3 giai đoạn phản ứng trong quá trình chuyển đổi số: thứ nhất là phản ứng với hình thức cạnh tranh mới, thứ hai là thích ứng công nghệ, và thứ ba là chiến lược định vị. Các tác giả này khẳng định rằng hầu hết các ngân hàng Việt Nam đang ở giai đoạn đầu của quá trình chuyển đổi số, riêng nhóm các ngân hàng có vốn đầu tư nhà nước bắt đầu chuyển sang giai đoạn thứ hai. Theo Báo cáo chỉ số sẵn sàng cho phát triển và ứng dụng công nghệ thông tin - truyền thông 2019 (Bộ Thông tin và Truyền thông), 5 ngân hàng có chỉ số sẵn sàng cho phát triển và ứng dụng công nghệ thông tin cao nhất là ngân hàng Đầu tư và Phát triển Việt Nam, ngân hàng Nam Á, ngân hàng Kỹ thương Việt Nam, ngân hàng Tiên Phong và ngân hàng Quân đội. Qua đó cho thấy các ngân hàng Việt Nam có xu hướng đầu tư nghiêm túc cho quá trình chuyển đổi số.

2. Chuyển đổi số với nền tảng công nghệ trí tuệ nhân tạo và dữ liệu lớn trong ngành ngân hàng

• 2.1. Định nghĩa trí tuệ nhân tạo và những ứng dụng của nó

  Trí tuệ nhân tạo là một hệ thống máy tính có thể cảm nhận, hiểu, hành động và học hỏi. Cụ thể, nó là một hệ thống có thể nhận thức thế giới xung quanh, phân tích và hiểu thông tin mà nó nhận được, thực hiện các hành động dựa trên sự hiểu biết đó và hoàn thiện chính nó bằng cách học hỏi từ những gì đã xảy ra (Jubraj và cộng sự, 2018). Tính đến nay, công nghệ AI đã phát triển nhiều nhánh khác nhau bao gồm: Xử lý ngôn ngữ tự nhiên (Natural Language Processing), Học sâu (Deep learning), Tự động hóa trí thông minh (Intelligence automation), Thị giác máy tính (Computer vision), Mạng thần kinh nhân tạo (Neural network), Học máy (Machine learning) và Phân tích video (Video Analytics) (Jubraj và cộng sự., 2018).

  Công nghệ AI đầu tiên được triển khai trong các ngân hàng là Chatbots. Về bản chất, Chatbots được xem như một phiên bản của AI với khả năng hỗ trợ khách hàng truy vấn thông tin thông qua một hệ thống xử lý tự động. Theo đó, khách hàng sẽ có được trải nghiệm thông suốt và liền mạch trong quá trình giao dịch chỉ với các thao tác đơn giản trên điện thoại của mình. Hiện nay, hầu hết các ngân hàng đã triển khai tích hợp các công nghệ AI trên ứng dụng ngân hàng di động (Mobile banking) của họ. Bằng cách này, hệ thống có thể thu thập thông tin của người dùng, phân tích, ghi nhớ và đưa ra những đề xuất phù hợp với hành vi của người dùng. Nhờ đó, khách hàng không cần phải đến giao dịch trực tiếp tại quầy mà vẫn có thể trải nghiệm những tiện ích và dịch vụ được cá nhân hóa mọi lúc mọi nơi. Hơn nữa, ứng dụng Chatbots không chỉ giúp làm giảm khối lượng công việc cho nhân viên mà còn có thể hỗ trợ cho khách hàng 24/7 mà không một nhân viên nào có thể làm được.

  Mặt khác, việc tích hợp công nghệ AI trên ứng dụng Mobile banking có thể cho phép các ngân hàng theo dõi các hoạt động tài chính gần nhất và phân tích dữ liệu của các giao dịch trong quá khứ và hiện tại. Qua đó, ngân hàng có thể nắm bắt được hành vi của người vay và phát hiện ra những vấn đề bất thường. Điều này rất hữu ích cho ngân hàng khi xác định rủi ro trong việc cho vay, làm giảm khả năng xảy ra gian lận cũng như ngăn ngừa các giao dịch phạm pháp.

  Và trên hết, với sự hỗ trợ của công nghệ AI, ngân hàng có thể phân tích các loại dữ liệu khác nhau và nắm được thông tin chi tiết về hành vi và sở thích của khách hàng. Từ đó, nó có thể cải thiện dịch vụ, sản phẩm để phục vụ khách hàng một cách tốt nhất. Nói cách khách, AI cho phép các tổ chức ngân hàng xác định lại cách họ tạo ra các sản phẩm và dịch vụ tiên tiến, cách họ hoạt động và cách họ tạo ra hành trình trải nghiệm cho khách hàng cũng như thay đổi trải nghiệm của khách hàng.

• 2.2. Định nghĩa dữ liệu lớn và ý nghĩa của việc phân tích dữ liệu lớn

  Dữ liệu lớn (BD) là một thuật ngữ ra đời trong bối cảnh bùng nổ thông tin và khá phổ biến trong vài năm qua. Theo Gandomi và Haider (2015): “Dữ liệu lớn là thuật ngữ mô tả khối lượng lớn dữ liệu tốc độ cao, phức tạp và biến đổi, yêu cầu các kỹ thuật và công nghệ tiên tiến để thu thập, lưu trữ, phân phối, quản lý và phân tích thông tin.” Nó có thể cung cấp cho các tổ chức tài chính cái nhìn tổng thể hơn về cả thị trường và khách hàng, từ đó mang lại nhiều cơ hội kinh doanh hơn.

  Với ba đặc điểm chính gồm: sự đa dạng các loại dữ liệu được xử lí, khối lượng thông tin lớn và tốc độ bổ sung thông tin mới vào cơ sở dữ liệu hiện có, việc phân tích dữ liệu lớn cho phép các ngân hàng có thể hiểu được chính xác hành vi khách hàng cũng như dự báo rủi ro và phát hiện gian lận. IBM (2019) định nghĩa phân tích dữ liệu lớn là việc sử dụng các kỹ thuật phân tích tiên tiến trên các tập dữ liệu rất lớn, đa dạng bao gồm dữ liệu có cấu trúc, bán cấu trúc và phi cấu trúc, từ các nguồn khác nhau và ở kích thước khác nhau từ terabyte đến zettabyte. Bằng cách này, BDA có thể dẫn đến các giao dịch thông minh hơn, hỗ trợ các tổ chức quản lý rủi ro và cung cấp nhiều dịch vụ được cá nhân hóa hơn, do đó có được lợi thế cạnh tranh ở mức độ cao hơn (Tian et al., 2015). Do đó, BDA ngày càng trở nên quan trọng đối với các ngân hàng khi họ có thể áp dụng những kết quả phân tích để đưa ra các quyết định kinh doanh hiệu quả.

• 2.3. Nâng cao trải nghiệm của khách hàng với ngân hàng kỹ thuật số

  Việc tìm hiểu trải nghiệm khách hàng và đánh giá hành trình của khách hàng theo thời gian là rất quan trọng đối với các tổ chức ngân hàng. Cách tiếp cận này giúp họ nâng cao chất lượng dịch vụ và mức độ hài lòng của khách hàng thông qua việc gia tăng trải nghiệm của khách hàng. Đối với các ngân hàng bán lẻ, nhận thức về chất lượng dịch vụ và mức độ hài lòng của khách hàng có ảnh hưởng đến lòng trung thành của khách hàng, đây được coi là yếu tố then chốt để tồn tại và thành công trong kinh doanh dịch vụ nói chung và lĩnh vực ngân hàng nói riêng (Rahman, 2006).

  Trong thời đại hiện nay, khách hàng có thể tương tác với các công ty thông qua vô số điểm tiếp xúc trên nhiều kênh và phương tiện truyền thông, dẫn đến hành trình của khách hàng phức tạp hơn (Lemon và Verhoef, 2016). Trong bối cảnh này, việc phát triển mô hình kinh doanh có khả năng tiếp cận và đáp ứng yêu cầu của khách hàng mọi lúc mọi nơi được xem là mục tiêu sống còn của các ngân hàng thương mại. Với sự hỗ trợ tích cực của hai yếu tố nền tảng là công nghệ AI và BDA, mô hình ngân hàng số cung cấp những phương thức giao dịch nhanh chóng và tiện lợi, từ đó nâng cao trải nghiệm của khách hàng. Vai trò chính của công nghệ AI và BDA trong sự phát triển của các mô hình ngân hàng số bao gồm: (i) Công nghệ cho phép các tổ chức ngân hàng phân tích toàn bộ hành trình và trải nghiệm của khách hàng trên mỗi kênh DB; (ii) Các công nghệ có thể được sử dụng để tìm các mô thức tạo ra doanh số bán hàng và phân tích các kênh DB hoạt động kém hiệu quả, nhờ vậy các ngân hàng có thể tạo ra chiến lược để tối ưu hóa từng kênh DB; (iii) Các công nghệ này có thể mang lại những khoảnh khắc đáng nhớ nhằm gia tăng sự hài lòng và lòng trung thành của khách hàng, đồng thời đề xuất cũng như cải thiện hiệu suất tài chính

1. Ứng dụng trí tuệ nhân tạo và phân tích dữ liệu lớn ở các ngân hàng và tổ chức tài chính

• 3.1. Ứng dụng trí tuệ nhân tạo và phân tích dữ liệu lớn ở các ngân hàng và tổ chức tài chính trên thế giới

  Thực tế, việc triển khai công nghệ AI và BDA không còn quá xa lạ trong các tổ chức tài chính ở các nước phát triển, đặc biệt là ở Mỹ. Trong đó, tập đoàn tài chính JPMorgan Chase (Mỹ) có thể được xem là một ví dụ điển hình về ứng dụng công nghệ trong ngành dịch vụ ngân hàng. Họ đã tung ra ứng dụng Mobile banking có tên gọi là Finn với mục đích giúp tương tác với khách hàng dễ dàng hơn và thu hút khách hàng mới, đặc biệt là thế hệ trẻ. Bên cạnh đó, JPMorgan Chase còn phát triển một công nghệ mới gọi là COIN, ứng dụng công nghệ học máy để giảm thời gian cần thiết để xem xét tài liệu: nhiệm vụ này trước đây yêu cầu khoảng 360.000 giờ làm việc, giờ chỉ mất vài giây để hoàn thành (Maskey, 2018). Một sáng kiến công nghệ dược trên dữ liệu khác của JPMorgan Chase  là LOXM, một chương trình ứng dụng công nghệ học máy để tối ưu hóa một số quy trình của họ, bao gồm giao dịch theo thuật toán và giải thích các thỏa thuận cho vay thương mại. LOXM  cho phép họ giao dịch cổ phiếu ở tốc độ tối đa và ở mức giá tối ưu dựa trên dữ liệu lịch sử được rút ra từ hàng tỷ giao dịch (Chalimov, 2019). Ngoài việc tối ưu hóa các quy trình nội bộ như đã đề cập ở trên, JP Morgan Chase còn dựa vào dữ liệu lớn và AI để xác định gian lận và ngăn chặn các hoạt động khủng bố giữa các nhân viên của chính mình. Ngân hàng xử lý một lượng lớn dữ liệu để xác định các kiểu hành vi cá nhân và tiết lộ những rủi ro tiềm ẩn (Chalimov, 2019)

  Kế đến là trường hợp Ngân hàng hoa kỳ (Bank of America), nó đã phát triển một chatbot (có tên là Erica), một công cụ hỗ trợ AI nhằm cung cấp hướng dẫn tài chính cho khách hàng thông qua tin nhắn thoại và tin nhắn văn bản. Dịch vụ này có thể truy cập 24/7 và có thể thực hiện các giao dịch hàng ngày, nó cho phép khách hàng có quyền truy cập bất cứ lúc nào mà không tốn thêm tiền thuê nhân viên dịch vụ khách hàng (Maskey, 2018).

  Một nhà cung cấp dịch vụ tài chính hàng đầu khác là CitiBank (Mỹ) cũng đầu tư rất nhiều vào công nghệ BD. Ngân hàng đã triển khai kết hợp công nghệ học máy và BD để ngăn chặn các hoạt động tội phạm và theo dõi các mối đe dọa tiềm ẩn đối với các khách hàng trong lĩnh vực thương mại, bao gồm các nhà cung cấp thanh toán và nhà bán lẻ. Do đó, CitiBank có thể phát hiện bất kỳ giao dịch đáng ngờ nào, ví dụ như các khoản phí không chính xác hoặc bất thường và thông báo ngay cho người dùng (Chalimov, 2019). Đồng thời, nó đã áp dụng cấu trúc chống rửa tiền mới và đầu tư một ứng dụng tài chính cá nhân nhằm khuyến khích khách hàng tham gia vào các dịch vụ của bên thứ ba (Maskey, 2018)

  Tiếp theo cũng là một công ty tài chính của Mỹ, American Express, nó đã ứng dụng BDA để xây dựng mô hình dự đoán phức tạp nhằm dự báo và ngăn chặn tình trạng biến động số lượng tài khoản. Bằng cách phân tích dữ liệu về các giao dịch trước đó (cũng như 115 biến số khác), công ty có thể xác định các tài khoản có nhiều khả năng bị đóng trong vòng vài tháng tới, từ đó nó có thể thực hiện các hành động phòng ngừa và giữ cho lượng khách hàng không bị xáo trộn (Chalimov, 2019).

• 3.2. Ứng dụng trí tuệ nhân tạo và phân tích dữ liệu lớn ở các ngân hàng và tổ chức tài chính tại Việt Nam

  Làn sóng chuyển đổi số của các ngân hàng thương mại (NHTM) tại Việt Nam bắt đàu diễn ra mạnh mẽ trong khoảng 4 năm trở lại đây. Biểu tượng của sự dịch chuyển công nghệ ngân hàng số chính là mô hình LiveBank, một hệ thống phòng giao dịch tự động 24/7 thay thế phòng giao dịch truyền thống của NHTM Tiền Phong (TPBank) được triển khai từ năm 2017. Theo ước tính, cứ 3 điểm LiveBank có hiệu quả hoạt động tương đương với 1 chi nhánh ngân hàng truyền thống (Hà Thu, 2020). Hiện nay, với 330 điểm LiveBank, TPBank đã phát triển được mạng lưới tương đương với hơn 100 chi nhánh. Để đạt được mức độ phát triển tương đương, một ngân hàng theo phong cách truyền thống phải mất 20 năm mới có được. Trong công tác chăm sóc khách hàng, TPBank đã triển khai ứng dụng Chatbot và công nghệ sinh trắc học nhận diện giọng nói giúp ngân hàng giảm tải 30% cho nhân sự của Call Center và giảm 15% thời gian xử lý cuộc gọi ở TPBank. Đồng thời, TPBank đã phát triển 70 robot ứng dụng công nghệ AI để thực hiện những công việc mà trước kia phải bố trí nhân viên để làm (Hà Thu, 2020).

  Ngân hàng Nam Á (NamA Bank) cũng là một ví dụ điển hình trong công cuộc chuyển đổi số của ngành ngân hàng khi là ngân hàng đầu tiên tại Việt Nam đưa Robot vào phục vụ khách hàng trong năm 2020 với tên gọi là OPBA. Ngoài khả năng giao tiếp với khách hàng, OPBA còn có chức năng thu thập thông tin của khách hàng để lưu trữ, đồng thời sử dụng những thông tin từ AI để tăng sự hiểu biết với khách hàng đang tương tác, từ đó đưa ra những tư vấn hoặc hướng dẫn phù hợp. Bên cạnh đó, NamA Bank còn tích hợp ứng dụng chatbot trên ứng dụng di động và các kênh mạng xã hội của nó giúp gia tăng tốc độ phản hồi và tư vấn cho khách hàng (Ngân hàng Nam Á, 2020).

  Cũng trong năm 2020, sự bùng phát của đại dịch Covid-19 trở thành tác nhân làm thay đổi thói quen tiêu dùng toàn cầu khi các nước đều thực hiện dãn cách xã hội. Chính yếu tố khách quan này đã thúc đẩy việc triển khai giải pháp định danh điện tử (eKYC) tại các ngân hàng như ngân hàng Sài Gòn – Hà Nội (SHB), ngân hàng Sài Gòn Thương Tín (Sacombank), ngân hàng Tiền Phong (Tpbank), ngân hàng Phát triển Thành phố Hồ Chí Minh (HDBank), ngân hàng Bản Việt (Viet Capital Bank), ngân hàng Việt Nam Thịnh Vượng (VPBank). Giải pháp eKYC cho phép khách hàng có thể mở tài khoản ngân hàng thông qua thiết bị di động với thao tác rất đơn giản và nhanh chóng.

  Một số ngân hàng khác như ngân hàng Bưu Điện Liên Việt (LVPB), ngân hàng Công Thương (Vietinbank), ngân hàng Sài Gòn (SCB), ngân hàng Á Châu (ACB), đã triển khai là công nghệ sổ cái (General Ledger), một ứng dụng từ BDA, nhằm ghi nhận một cách chi tiết các giao dịch của khách hàng (Lê Duy Khánh, 2020). Nếu sử dụng lượng thông tin này một cách hiệu quả, ngân hàng có thể đánh giá được hành vi của khách hàng dựa trên thông tin về tuổi tác, thói quen tiêu dùng, xu hướng giao dịch, mua sắm, v.v để có thể chọn lọc và cung cấp cho khách hàng những dịch vụ, sản phẩm phù hợp.

1. Những cơ hội và thách thức trong quá trình chuyển đổi công nghệ số đối với lĩnh vực tài chính – ngân hàng của Việt Nam 

   Thực sự, xu hướng phát triển công nghệ hiện đại trong ngành ngân hàng bắt đầu hình thành từ năm 2016 thông qua Quyết định số 2545/QĐ-TTg của Thủ tướng chính phủ về việc phê duyệt “Đề án phát triển thanh toán không dùng tiền mặt tại Việt Nam giai đoạn 2016-2020” với mục tiêu tỷ trọng tiền mặt trên tổng phương tiện thanh toán ở mức thấp hơn 10% đến cuối năm 2020. Trong năm 2019, Ngân hàng Nhà nước đã ban hành khuôn khổ pháp lý, tiêu chuẩn phù hợp đế các NHTM làm cơ sở triển khai ứng dụng các thành tựu công nghệ vào hoạt động kinh doanh. Đồng thời, Ngân hàng Nhà nước cũng chỉ đạo các NHTM xây dựng hạ tầng số tập trung, chuẩn hóa, cho phép chia sẻ, tích hợp tạo hệ sinh thái số trải rộng trên nhiều ngành, lĩnh vực như: mobile banking kết nối với viễn thông, điện lực, hàng không, vận tải, y tế, sàn giao dịch điện tử, siêu thị, v.v. Cũng theo báo cáo thường niên của Ngân hàng Nhà nước (2019), số lượng giao dịch qua Internet là trên 419,6 triệu giao dịch, với giá trị khoảng 22,2 triệu tỷ đồng (tương ứng tăng 64,1% và 37,3% so với cuối năm 2018); số lượng giao dịch qua điện thoại di động là hơn 552 triệu giao dịch, với giá trị khoảng gần 5,8 triệu tỷ đồng (tăng tương ứng 198,4% và 210,4% so với cuối năm 2018). Năm 2020, trong khi dịch Covid-19 diễn biến khá phức tạp, Thủ tướng Chính phủ đã ký Quyết định số 749/QĐ-TTg phê duyệt "Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030", trong đó đặt mục tiêu đến năm 2025, hạ tầng mạng băng rộng cáp quang phủ trên 80% hộ gia đình và 100% xã, phổ cập dịch vụ mạng di động 4G/5G và điện thoại di động thông minh, tỷ lệ dân số có tài khoản thanh toán điện tử trên 50%.

   Những thông tin cho thấy tiềm năng phát triển công nghệ số của thị trường Việt Nam rất tích cực, từ yếu tố pháp lý, hạ tầng kỹ thuật đến khả năng đáp ứng của thị trường. Theo Báo cáo mức độ sẵn sàng về kỹ năng số (PwC, 2021), Việt Nam là thị trường tăng trưởng nhanh nhất về thanh toán di động trong năm 2018 với tỷ lệ người tiêu dùng sử dụng thiết bị di động để thanh toán hàng hoá, dịch vụ tăng từ 37% lên 61%. Những yếu tố trên tạo ra cơ hội cực kì lớn cho quá trình chuyển đổi số của các ngân hàng. Và như phân tích ở những phần trước, những ứng dụng vượt trội của AI và BD sẽ giúp cho các ngân hàng đẩy nhanh quá trình chuyển đổi số nhằm bắt kịp xu hướng phát triển trong bối cảnh cuộc cách mạng 4.0 đang diễn ra. Song vẫn còn nhiều thách thức mà các ngân hàng và các tổ chức tài chính Việt Nam phải đối mặt.

   Thách thức lớn nhất trong quá trình chuyển đổi số của các ngân hàng là nó đòi hỏi chi phí rất lớn và các khoản đầu tư cho việc chuyển đổi có thể chưa mang lại lợi nhuận trong ngắn hạn. Điều này khiến cho nhiều ngân hàng còn do dự trong việc triển khai ứng dụng công nghệ mới. Do vậy, dù xác định chuyển đổi số là xu hướng tất yếu, nhưng mức độ đầu tư cho công nghệ cũng như quá trình chuyển đổi số của các ngân hàng là không đồng đều. Hơn nữa, không phải tất cả các công nghệ đều đáng đầu tư. Vì thế, sự thành công của việc chuyển đổi mô hình ngân hàng số còn phụ thuộc vào việc lựa chọn đầu tư đúng đắn, cũng như nỗ lực và thái độ của chính ngân hàng trước các thay đổi.

   Thứ hai, hạ tầng công nghệ thông tin của các ngân hàng tại Việt Nam còn chưa đồng bộ và chưa đủ mạnh để có thể khai thác triệt để và tối ưu hết các lợi ích từ BD. Hiện nay tại Việt Nam, hầu hết các doanh nghiệp nói chung và ngành ngân hàng nói riêng, khi sử dụng BD đều phải thông qua một công ty cung cấp dịch vụ nước ngoài. Hơn nữa, hệ thống khai thác BD tại Việt Nam còn khá manh mún, chưa có tính thống nhất. Các ngân hàng cũng cần phải được tính toán để có thể kết nối vào được kho cơ sở dữ liệu truyền thống, đây cũng là một trong những thách thức lớn cần được giải quyết.

   Thứ ba, khung pháp lý về việc phát triển ngân hàng số tại Việt Nam chưa đầy đủ, chưa có quy định về chuẩn kết nối và chia sẻ dữ liệu giữa các ngân hàng. Việc kết nối và chia sẻ vẫn được thực hiện chủ yếu dưới hình thức song phương và theo cách thức riêng biệt của các tổ chức tham gia. Chưa có một tiêu chuẩn, hướng dẫn chung để các tổ chức khác có thể xây dựng theo để tiết kiệm thời gian và công sức triển khai. Hệ thống Cơ sở dữ liệu định danh quốc gia cho công dân chưa hoàn thiện và chưa có cơ chế để các ngân hàng có thể thực hiện đối chiếu, xác minh khách hàng trực tuyến (e-KYC).

   Thứ tư, ngành tài chính – ngân hàng hiện nay đang phải đối mặt với tình trạng thiếu hụt nhân sự chất lượng cao trong các lĩnh vực chuyên sâu gắn với ngân hàng và công nghệ. Việc chuyển đổi số ngân hàng đòi hỏi lực lượng nhân sự nắm vững về các công nghệ mới của cuộc cách mạng công nghệ 4.0 như trí tuệ nhân tạo, phân tích dữ liệu lớn, Blockchain, v.v. Nguồn nhân lực được đào tạo trong nước chưa đáp ứng được do các chương trình đào tạo đại học thay đổi chậm, chưa bắt kịp tốc độ phát triển của khoa học kỹ thuật tiên tiến

   Cuối cùng là các vấn đề đảm bảo an ninh, an toàn cho các hệ thống ngân hàng. Xu thế tội phạm công nghệ cao tấn công vào lĩnh vực tài chính - ngân hàng tại Việt Nam đang ngày càng tăng cả về số lượng lẫn mức độ tinh vi, phức tạp và gây ra nhiều hệ lụy nghiêm trọng. Năm 2019, lĩnh vực tài chính chiếm khoảng 51% các vụ lừa đảo trên mạng (năm 2018 là 44,7%). Lợi ích tài chính là động cơ chính của tội phạm mạng chiếm đến 86%. Khoảng 30% sự cố an toàn thông tin trong lĩnh vực tài chính là do cuộc tấn công ứng dụng web (Tô Hà, 2021).

2. Kết luận

Quá trình chuyển đổi số không chỉ đơn thuần là đưa các dịch vụ ngân hàng truyền thống lên thế giới số mà là sự thay đổi toàn bộ về cách thức ngân hàng tương tác và phục vụ khách hàng. Thực tế là sự phát triển của công nghệ đang ảnh hưởng rất lớn đến các dịch vụ tài chính, ngân hàng truyền thống và trải nghiệm của khách hàng theo hướng khá tích cực. Trong đó, những ứng dụng vượt trội của công nghệ AI và BD là yếu tố nền tảng giúp các ngân hàng thực thi quá trình chuyển đổi số một cách hiệu quả.

Thực hiện chuyển đổi số đối với ngành tài chính – ngân hàng là yêu cầu tất yếu trong bối cảnh công nghệ thông tin ngày càng hiện đại. Quá trình này diễn ra liên tục và không ngừng cải tiến trong thời gian tới. Vì vậy, các ngân hàng phải luôn sẵn sàng đổi mới và thích nghi, hướng đến mục tiêu mang lại cho khách hàng những trải nghiệm tốt nhất, từ đó nâng cao năng lực cạnh tranh của mình. Đặc biệt trước tình hình đại dịch Covid-19 đang diễn biến phức tạp, việc ứng dụng các công nghệ vào  hoạt động kinh doanh được xem là giải pháp hiệu quả nhất để đảm bảo an toàn cho khách hàng cũng như tính liên tục trong hoạt động của các ngân hàng. Vì vậy, dịch Covid-19 vừa là thách thức vừa là cơ hội để thúc đẩy quá trình chuyển đổi số trong các ngân hàng.

Tài liệu tham khảo

1. Chalimov, A. (2019). Big data in the banking industry: The main challenges and use cases. Truy suất từ: https://easternpeak.com/blog/big-data-in-the-banking-industry-the-main-challenges-and-use-cases/
2. Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International journal of information management, 35(2), 137-144. DOI: 10.1016/j.ijinfomgt.2014.10.007
3. IBM. (2019). Big Data Analytics. Truy suất từ: https://www.ibm.com/analytics/hadoop/big-data-analytics
4. Jubraj, R., Graham, T., & Ryan, E. (2018). Redefine banking with artificial intelligence. Intell Bank, 1-20. Truy xuất từ: https://www.accenture.com/_acnmedia/pdf-68/accenture-redefine-banking.pdf
5. Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer journey. Journal of marketing, 80(6), 69-96. DOI: 10.1509/jm.15.0420
6. Maskey, S. (2018). How Artificial Intelligence Is Helping Financial Institutions. Forbes. Truy suất từ: https://www.forbes.com/sites/forbestechcouncil/2018/12/05/how-artificialintelligence-is-helping- financialinstitutions/#308d6a10460a
7. Rahman, Z. (2006). Customer experience management—A case study of an Indian bank. Journal of Database Marketing & Customer Strategy Management, 13(3), 203-221. DOI: 10.1057/palgrave.dbm.3240298
8. Tian, X., Han, R., Wang, L., Lu, G., & Zhan, J. (2015). Latency critical big data computing in finance. The Journal of Finance and Data Science, 1(1), 33-41. DOI: 10.1016/j.jfds.2015.07.002.
9. Tô Hà (2021). Bảo mật thông tin là ưu tiên hàng đầu trong chuyển đổi số ngân hàng. Nhân dân. Truy xuất từ https://nhandan.com.vn/tin-tuc-kinh-te/bao-mat-thong-tin-la-uu-tien-hang-dau-trong-chuyen-doi-so-ngan-hang-632461/
10. Bộ Thông tin và Truyền thông (2019). Báo cáo chỉ số sẵn sàng cho phát triển và ứng dụng công nghệ thông tin - truyền thông 2019. Truy suất từ: https://m.mic.gov.vn/Upload_Moi/TinTuc/VIET-NAM-ICT-INDEX-2019.PDF
11. Hà Thu (2020). Chìa khóa giúp TPBank lột xác từ ngân hàng ‘đứng chót’ sang vị thế dẫn đầu. Vietnam Finance. Truy xuất từ: https://vietnamfinance.vn/chia-khoa-giup-tpbank-lot-xac-tu-ngan-hang-dung-chot-sang-vi-the-dan-dau-20180504224247569.htm
12. Lê Duy Khánh (2020). Ứng dụng công nghệ thông tin trong ngân hàng thương mại Việt Nam. Tạp chí Ngân hàng. Truy xuất từ http://tapchinganhang.com.vn/ung-dung-cong-nghe-thong-tin-trong-ngan-hang-thuong-mai-viet-nam.htm
13. Ngân hàng Nam Á (2020). Ngân hàng Việt đẩy mạnh ứng dụng trí tuệ nhân tạo song song với bảo mật. Truy xuất từ: https://www.namabank.com.vn/ngan-hang-viet-day-manh-ung-dung-tri-tue-nhan-tao-song-song-voi-bao-mat
14. Ngân hàng Nhà nước Việt Nam (2019). Báo cáo thường niên 2019. Truy suất từ: https://www.sbv.gov.vn/webcenter/ShowProperty?nodeId=/UCMServer/SBV419468//idcPrimaryFile&revision=latestreleased
15. PwC Việt Nam (2021). Báo cáo mức độ sẵn sàng về kỹ năng số Việt Nam. Truy suất từ: https://www.pwc.com/vn/vn/publications/2021/pwc-vietnam-digital-readiness-report-vn.pdf

1. Quyết định số 2545/QĐ-TTg (2016), Đề án phát triển thanh toán không dùng tiền mặt tại Việt Nam giai đoạn 2016-2020, Việt Nam, Thủ tướng Chính phủ.
2. Trần Hùng Sơn và Nguyễn Thanh Liêm (2020). Chuyển đổi số: Các ngân hàng đã làm được tới đâu? Kinh tế Sài Gòn Online. Truy suất từ: https://www.thesaigontimes.vn/306497/chuyen-doi-so-cac-ngan-hang-da-lam-duoc-toi-dau.html?