Giới thiệu dự án

Hoạt động huy động vốn thông qua tiền gửi tiết kiệm (TGTK) là huyết mạch quyết định năng lực cấp tín dụng, thanh khoản và hiệu quả kinh doanh của các ngân hàng thương mại (NHTM). Theo thống kê từ VietnamPlus, năm 2023 chứng kiến lượng tiền gửi tiết kiệm của dân cư tại hệ thống ngân hàng Việt Nam tăng trưởng kỷ lục dù mặt bằng lãi suất liên tục hạ nhiệt. Trong bối cảnh cạnh tranh gay gắt giữa khối ngân hàng thương mại cổ phần (TMCP) và nhóm ngân hàng có vốn nhà nước (Big 4), việc hiểu rõ cơ chế tâm lý và các nhân tố định hình quyết định gửi tiền của khách hàng cá nhân (KHCN) trở thành nhiệm vụ sống còn.

+-----------------------------------------------------------------------------------+
|               BỐI CẢNH THỊ TRƯỜNG & ĐỘNG LỰC TĂNG TRƯỞNG HUY ĐỘNG VỐN            |
+-----------------------------------------------------------------------------------+
|  [Thị trường 2023-2024] -> Tiền gửi dân cư lập đỉnh -> Cạnh tranh bán lẻ gay gắt   |
|  [Đơn vị khảo sát]      -> Nam A Bank - CN Tân Định (Top chi nhánh trọng điểm)    |
|  [Vấn đề cốt lõi]       -> Chưa có mô hình lượng hóa hành vi KHCN tại đơn vị       |
|  [Giải pháp]            -> Xây dựng mô hình định lượng 8 nhân tố & xử lý SPSS     |
+-----------------------------------------------------------------------------------+

Thực tế tại Ngân hàng TMCP Nam Á (Nam A Bank) – Chi nhánh Tân Định cho thấy: dù nằm trong top ngân hàng có lãi suất hấp dẫn và sở hữu vị trí đắc địa tại trung tâm kinh tế TP. Hồ Chí Minh, chi nhánh vẫn thiếu hụt các mô hình lượng hóa chuẩn xác về mức độ nhạy cảm của khách hàng đối với từng chính sách tiếp thị, lãi suất và chất lượng phục vụ.

Đề tài khóa luận tốt nghiệp mã số 7340201 do sinh viên Châu Mỹ Linh thực hiện (dưới sự hướng dẫn khoa học của PGS. Hoàng Thị Thanh Hằng tại Trường Đại học Ngân hàng TP.HCM) giải quyết trực diện bài toán này với 3 mục tiêu cụ thể:

  1. Nhận diện và xác lập hệ thống nhân tố: Tổng hợp từ cơ sở lý thuyết hành vi người tiêu dùng (TRA, TPB) và nghiên cứu thực nghiệm để đề xuất 8 nhóm nhân tố ảnh hưởng với 35 biến quan sát.
  2. Lượng hóa mức độ tác động: Ứng dụng quy trình định lượng đa bước trên 223 mẫu khảo sát hợp lệ bằng phần mềm IBM SPSS Statistics, phân tích tương quan Pearson và hồi quy tuyến tính đa biến.
  3. Đề xuất hệ thống hàm ý quản trị: Cung cấp chiến lược tối ưu hóa nguồn vốn huy động, cải thiện trải nghiệm giao dịch và giữ chân khách hàng mục tiêu cho ban lãnh đạo Nam A Bank.

Phạm vi và giới hạn: Nghiên cứu tập trung vào nhóm KHCN đã và đang sử dụng dịch vụ gửi tiết kiệm trực tiếp và trực tuyến tại Nam A Bank – Chi nhánh Tân Định trong khung thời gian từ tháng 01/2024 đến tháng 04/2024 ($N = 223$).


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành tổng kết và đối chiếu các mô hình phân tích hành vi gửi tiền tiết kiệm trong và ngoài nước để xác định khoảng trống nghiên cứu thực nghiệm.

Tác giả & Năm Mô hình / Phương pháp Kích thước mẫu Các nhân tố chính được xác nhận Ưu điểm & Hạn chế
Hà Nam Khánh Giao (2010) SERVQUAL, SPSS 15.0 162 khách hàng (Agribank) Độ tin cậy, Chất lượng tương tác, Dịch vụ, Giá cả Đo lường dịch vụ truyền thống tốt; chưa cập nhật kênh số hóa
Trương Đông Lộc & Phạm Kế Anh (2012) Mô hình Probit 478 khách hàng (Kiên Giang) 8/10 nhân tố (Loại bỏ Lãi suất & Khuyến mãi) Mẫu diện rộng; mô hình nhị phân khó đo lường thang bậc hài lòng
Lê Thị Kim Anh & Trần Đình Khôi Nguyên (2016) TRA, TPB, SPSS 20.0 512 khách hàng (Tuy Hòa) Phương tiện hữu hình, Sự an toàn, Sự thuận tiện Khẳng định biến hữu hình mạnh nhất; bối cảnh địa phương nhỏ
Đề tài Nam A Bank Tân Định (2024) EFA, OLS Regression, SPSS 26.0 223 mẫu hợp lệ (TP.HCM) Lợi ích tài chính, Chiêu thị, Tin cậy, Nhân viên, CLDV, Thương hiệu, Thuận tiện Tích hợp yếu tố E-Banking, loại bỏ biến không hợp lệ bằng kiểm định chặt

Ưu tiên hóa các yêu cầu phân tích dữ liệu theo phương pháp MoSCoW:

  • Must-have: Kiểm định độ tin cậy Cronbach's Alpha ($\alpha \ge 0.70$), phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Sig. Bartlett $< 0.05$, Tổng phương sai trích $\ge 50%$), hồi quy đa biến OLS không vi phạm đa cộng tuyến ($VIF < 2.0$).
  • Should-have: Phân tích giá trị trung bình (Mean), kiểm định sự khác biệt đặc tính nhân khẩu học (ANOVA / T-Test).
  • Could-have: Tự động hóa pipeline tiền xử lý và trực quan hóa dữ liệu qua Python/R.
  • Won't-have: Mô hình cấu trúc tuyến tính SEM phức tạp (do giới hạn cỡ mẫu $N = 223$).

Thiết kế hệ thống

Mô hình nghiên cứu định lượng được cấu trúc gồm 8 biến độc lập tác động trực tiếp lên 1 biến phụ thuộc:

graph LR
    subgraph BIEN_DOC_LAP["8 Biến Độc Lập"]
        LI["Lợi ích tài chính (LI)"]
        TH["Thương hiệu (TH)"]
        TT["Sự thuận tiện (TT)"]
        TC["Sự tin cậy (TC)"]
        CT["Hình thức chiêu thị (CT)"]
        CL["Chất lượng dịch vụ (CL)"]
        NV["Nhân viên ngân hàng (NV)"]
        GT["Sự giới thiệu (GT)"]
    end

    QD["Quyết định gửi tiền tiết kiệm (QD)"]

    LI -->|H4: +| QD
    TH -->|H2: +| QD
    TT -->|H1: +| QD
    TC -->|H3: +| QD
    CT -->|H5: +| QD
    CL -->|H6: +| QD
    NV -->|H8: +| QD
    GT -.->|H7: Bị loại sau EFA| QD

Hệ thống công nghệ và công cụ thực hiện:

  • Phần mềm phân tích thống kê: IBM SPSS Statistics v26.0 (tương thích hoàn toàn với các thuật toán OLS, EFA Varimax).
  • Công cụ thu thập dữ liệu: Google Forms API & phiếu khảo sát giấy trực tiếp tại quầy giao dịch 190-190B Trần Quang Khải, Quận 1.
  • Mã hóa dữ liệu & Kiểm soát: Thang đo khoảng cách 5 điểm Likert (1: Rất không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Cấu trúc lưu trữ dữ liệu: Bảng dữ liệu chuẩn hóa dạng phẳng (Flat file .sav.csv) gồm 223 dòng $\times$ 35 cột biến quan sát + 4 cột nhân khẩu học.

Methodology

Nghiên cứu kết hợp hai giai đoạn phương pháp luận:

  1. Nghiên cứu định tính: Phỏng vấn sâu nhóm chuyên gia gồm cán bộ tín dụng, giao dịch viên và 10 khách hàng gửi tiết kiệm thường xuyên tại Nam A Bank Tân Định để hiệu chỉnh bảng câu hỏi nháp.
  2. Nghiên cứu định lượng:
    • Cỡ mẫu tối thiểu theo Hair et al. ($5 \times k = 5 \times 35 = 175$ mẫu) và Tabachnick & Fidell ($50 + 8 \times m = 50 + 8 \times 8 = 114$ mẫu). Mẫu thu về đạt 240 phiếu, sau khi sàng lọc dữ liệu ngoại lai (outliers) và phiếu lỗi, còn lại $N = 223$ mẫu hợp lệ (đáp ứng 127.4% yêu cầu cỡ mẫu tối thiểu).
    • Kiểm soát rủi ro dữ liệu: Loại trừ phương sai chung (Common Method Bias) thông qua kiểm định đơn nhân tố Harman và bảo mật thông tin danh tính khách hàng theo tiêu chuẩn ISO/IEC 27001 của hệ thống ngân hàng.

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu trải qua 4 giai đoạn logic chặt chẽ:

[Thu thập 240 phiếu] 
   --> [Làm sạch: Loại 17 phiếu lỗi] 
   --> [N = 223 mẫu chuẩn hóa]
   --> [Cronbach's Alpha (35 items)] 
   --> [Phân tích EFA (Trích xuất Principal Axis Factoring / PCA)] 
   --> [Tương quan Pearson] 
   --> [Hồi quy đa biến OLS]

Phương trình hồi quy đa biến tổng quát được xây dựng: $$QD = \beta_0 + \beta_1 LI + \beta_2 TT + \beta_3 TC + \beta_4 TH + \beta_5 NV + \beta_6 CT + \beta_7 CL + \beta_8 GT + \varepsilon$$

Cấu trúc thuật toán kiểm định Cronbach's Alpha và hồi quy tuyến tính được triển khai bằng cú pháp SPSS Syntax và module Python tương đương:

import pandas as pd
import numpy as np
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer

# 1. Tính toán hệ số tin cậy Cronbach's Alpha
def cronbach_alpha(df_items):
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_variance))
    return alpha

# 2. Xây dựng và ước lượng mô hình hồi quy đa biến OLS
# X: Ma trận 7 biến độc lập chuẩn hóa sau EFA, y: Biến phụ thuộc Quyết định chọn (QD)
X_factors = df[['LI', 'CT', 'TC', 'NV', 'CL', 'TH', 'TT']]
X_factors = sm.add_constant(X_factors)
y_target = df['QD']

ols_model = sm.OLS(y_target, X_factors).fit()
print(ols_model.summary())

Testing và validation

Mọi kiểm định kinh tế lượng đều vượt qua các ngưỡng tiêu chuẩn khắt khe:

  1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha):
    • Các biến độc lập $LI$ (4 items), $TH$ (3 items), $TT$ (5 items), $TC$ (3 items), $CT$ (5 items), $CL$ (3 items), $NV$ (4 items) đều có hệ số $\alpha \in [0.75, 0.91]$, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.
    • Biến $GT$ (Sự giới thiệu) có hệ số tải không đạt yêu cầu phân kỳ và hội tụ trong bước EFA tiếp theo.
    • Biến phụ thuộc $QD$ (3 items) đạt $\alpha > 0.80$.
  2. Phân tích nhân tố khám phá (EFA):
    • Hệ số $KMO = 0.842$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett có giá trị $Sig. = 0.000 < 0.05$.
    • Giá trị Eigenvalue của nhân tố thứ 7 đạt $> 1.0$, tổng phương sai trích đạt $> 55.4%$.
    • Toàn bộ các biến quan sát giữ lại có Factor Loading $> 0.50$. Biến nhóm Sự giới thiệu (GT) bị loại bỏ do không tải rõ ràng lên các nhân tố độc lập.
  3. Kiểm định đa cộng tuyến & tự tương quan:
    • Hệ số phóng đại phương sai $VIF < 2.0$ trên toàn bộ các biến độc lập, loại trừ hoàn toàn nguy cơ đa cộng tuyến.
    • Hệ số Durbin-Watson đạt giá trị xấp xỉ $1.85 - 2.05$, đảm bảo không có hiện tượng tự tương quan chuỗi bậc nhất giữa các phần dư.

Kết quả đạt được

Đặc điểm nhân khẩu học từ mẫu khảo sát thực tế ($N = 223$):

  • Cơ cấu độ tuổi: Khách hàng từ 35 đến dưới 50 tuổi chiếm tỷ trọng cao nhất với 47.9% (107 người); từ 22 đến dưới 35 tuổi chiếm 36.7% (82 người); trên 50 tuổi chiếm 10.22%; dưới 22 tuổi chiếm 5.18%.
  • Thu nhập bình quân: Nhóm thu nhập 10 - 20 triệu VNĐ/tháng chiếm đa số với 45.54% (102 người); trên 20 triệu VNĐ chiếm 23.9%; 5 - 10 triệu VNĐ chiếm 23.2%.
  • Mục đích gửi tiền: Duy trì cuộc sống ổn định chiếm 23.2% (174 lượt chọn); tích lũy cho mục tiêu tương lai chiếm 21.5%; bảo toàn vốn an toàn chiếm 18.5%.
TỶ TRỌNG CƠ CẤU ĐỘ TUỔI KHÁCH HÀNG KHẢO SÁT (N = 223)
============================================================
[35 - 50 tuổi]       | ████████████████████████ 47.9%
[22 - dưới 35 tuổi]  | ██████████████████ 36.7%
[Trên 50 tuổi]       | █████ 10.22%
[Dưới 22 tuổi]       | ███ 5.18%
============================================================

Phương trình hồi quy chuẩn hóa cuối cùng xác lập mức độ tác động:

$$\widehat{QD} = \beta_0 + 0.342 \cdot LI + 0.231 \cdot CT + 0.187 \cdot TC + 0.154 \cdot NV + 0.128 \cdot CL + 0.105 \cdot TH + 0.089 \cdot TT$$

Thứ tự tác động giảm dần:

  1. Lợi ích tài chính ($\beta = 0.342$): Yếu tố tác động mạnh nhất. Lãi suất cạnh tranh và sự linh hoạt trong rút vốn trước hạn/nhận lãi quyết định phần lớn hành vi.
  2. Hình thức chiêu thị ($\beta = 0.231$): Truyền thông số và các chương trình quà tặng, ưu đãi kích hoạt sự chú ý.
  3. Sự tin cậy ($\beta = 0.187$): Tính minh bạch trong biểu phí và cam kết bảo toàn vốn.
  4. Nhân viên ngân hàng ($\beta = 0.154$): Kỹ năng tư vấn, tác phong giao dịch chuyên nghiệp.
  5. Chất lượng dịch vụ ($\beta = 0.128$): Thủ tục nhanh chóng, giảm thiểu thời gian chờ tại quầy.
  6. Thương hiệu ($\beta = 0.105$): Mức độ nhận diện và bề dày hoạt động của Nam A Bank.
  7. Sự thuận tiện ($\beta = 0.089$): Trải nghiệm ứng dụng E-Banking và vị trí phòng giao dịch.

Đổi mới và đóng góp

  • Lượng hóa chính xác bối cảnh thị trường hậu biến động: Khác với các nghiên cứu giai đoạn 2010–2016 khi yếu tố "Phương tiện hữu hình" hay "Thương hiệu" áp đảo, nghiên cứu năm 2024 chứng minh KHCN chuyển dịch mạnh sang tư duy thực dụng: Lợi ích tài chính ($\beta = 0.342$) và Chiêu thị số ($\beta = 0.231$) trở thành hai trụ cột dẫn dắt quyết định.
  • Sàng lọc biến thực nghiệm: Chứng minh biến Sự giới thiệu (GT) không đạt mức ý nghĩa thống kê trong việc thúc đẩy quyết định gửi tiền tại khu vực đô thị trung tâm (Quận 1, TP.HCM), nơi khách hàng có trình độ tài chính cao và chủ động so sánh thông tin qua Internet.
  • Đóng góp học thuật và thực tiễn: Cung cấp bộ thang đo 35 biến quan sát đã được kiểm định độ hội tụ và phân biệt tại thị trường tài chính TP.HCM, làm tài liệu tham khảo trực tiếp cho các nghiên cứu ngân hàng bán lẻ.

Ứng dụng thực tế và triển khai

Dựa trên kết quả nghiên cứu định lượng, chi nhánh Tân Định và khối Khách hàng Cá nhân Nam A Bank có thể triển khai hệ thống giải pháp theo 3 trụ cột:

+-----------------------------------------------------------------------------------+
|               KHUNG HÀNH ĐỘNG CHIẾN LƯỢC CHO NAM A BANK - CN TÂN ĐỊNH             |
+-----------------------------------------------------------------------------------+
|  1. CHÍNH SÁCH LỢI ÍCH     -> Tối ưu hóa lãi suất bậc thang trên Open Banking      |
|  2. TIẾP THỊ & CHIÊU THỊ   -> Cá nhân hóa chiến dịch số theo độ tuổi (35-50 tuổi) |
|  3. NÂNG CAO NĂNG LỰC      -> Chuẩn hóa SLA phục vụ tại quầy dưới 5 phút          |
+-----------------------------------------------------------------------------------+

Kịch bản ứng dụng cụ thể

  1. Chiến lược sản phẩm tiền gửi số hóa:
    • Tối ưu hóa sản phẩm Tiết kiệm OnlineTiết kiệm Lợi ích Nhân đôi: Thiết lập mức cộng biên độ lãi suất từ 0.2% - 0.4%/năm khi khách hàng gửi qua ứng dụng E-Banking.
    • Triển khai sản phẩm Tài khoản tích lũy mục tiêu linh hoạt số tiền gửi từ 100.000 VNĐ, hướng đến nhóm khách hàng trẻ tuổi (22–35 tuổi chiếm 36.7% mẫu).
  2. Chiến dịch Marketing đa kênh (Omnichannel Campaign):
    • Tập trung ngân sách chiêu thị vào phân khúc khách hàng từ 35–50 tuổi (chiếm 47.9% mẫu) với thu nhập 10–20 triệu đồng.
    • Ứng dụng quảng cáo định vị địa lý (Geo-targeting) quanh khu vực Quận 1, Quận 3, Bình Thạnh nhằm thu hút lượng tiền gửi dân cư vãng lai.
  3. Quy trình đào tạo giao dịch viên chuẩn 5S:
    • Giảm thiểu thời gian xử lý một giao dịch mở sổ/tất toán tiết kiệm xuống dưới 5 phút.
    • Xây dựng chỉ số KPI gắn liền với mức độ hài lòng khách hàng (CSAT $\ge 90%$) đối với cán bộ quầy.

Hạn chế và hướng phát triển

  • Giới hạn không gian lấy mẫu: Mẫu khảo sát $N = 223$ chỉ tập trung tại Chi nhánh Tân Định (TP.HCM), chưa bao quát các vùng nông thôn hoặc chi nhánh tại các tỉnh thành khác.
  • Phương pháp lấy mẫu thuận tiện: Có thể tiềm ẩn sai số chọn mẫu so với phương pháp lấy mẫu ngẫu nhiên phân tầng.
  • Hướng phát triển mở rộng:
    • Tích hợp thêm các biến số mới: Tính bảo mật của ứng dụng E-Banking (Cybersecurity), Trải nghiệm giao diện người dùng (UI/UX) và Tác động của chính sách tiền tệ vĩ mô.
    • Ứng dụng mô hình phân tích phương trình cấu trúc (PLS-SEM) hoặc các thuật toán Machine Learning (Random Forest, XGBoost) trên tập dữ liệu giao dịch thực tế (Data Warehouse) của ngân hàng để dự báo rủi ro rời bỏ (Customer Churn).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận phương pháp luận nghiên cứu định lượng chuẩn tắc từ thiết kế thang đo Likert, quy trình lọc mẫu đến phân tích EFA/OLS trên SPSS.
  • Chuyên viên phân tích dữ liệu & Nhà phát triển hệ thống FinTech: Nắm bắt các trọng số tác động của người dùng đối với các tính năng tiết kiệm số, hỗ trợ tối ưu hóa luồng trải nghiệm (user flow) trên ứng dụng ngân hàng số.
  • Ban điều hành NHTM: Có căn cứ số liệu khoa học để hoạch định chính sách lãi suất, phân bổ ngân sách marketing và nâng cấp chất lượng phục vụ điểm giao dịch.
  • Giới nghiên cứu học thuật: Kế thừa bộ câu hỏi khảo sát 35 biến và mô hình kiểm định thực nghiệm trong phân ngành Tài chính – Ngân hàng tại Việt Nam.

Câu hỏi thường gặp

1. Cần chuẩn bị cấu hình hệ thống nào để chạy lại toàn bộ pipeline phân tích của đồ án?

Phần mềm IBM SPSS Statistics phiên bản từ 20.0 trở lên (khuyến nghị v26.0) hoặc môi trường Python 3.9+ cài đặt các thư viện: pandas, numpy, statsmodels, factor_analyzer, scikit-learn. Bộ dữ liệu cần tối thiểu 200 bản ghi sạch định dạng .sav hoặc .csv.

2. Vì sao biến "Sự giới thiệu (GT)" lại bị loại khỏi mô hình hồi quy chính thức?

Trong bước phân tích nhân tố khám phá EFA, biến GT không thỏa mãn tiêu chuẩn về tính phân biệt và giá trị hội tụ (Factor Loading $< 0.50$ hoặc tải đồng thời lên nhiều nhân tố với khoảng cách chênh lệch $< 0.30$), cho thấy trong bối cảnh khảo sát tại khu vực đô thị hiện đại, lời giới thiệu từ người thân không tạo nên tác động độc lập có ý nghĩa thống kê.

3. Làm thế nào để đảm bảo mô hình hồi quy không vi phạm giả định đa cộng tuyến?

Đề tài theo dõi sát hệ số phóng đại phương sai (VIF). Với toàn bộ các hệ số $VIF < 2.0$ (ngưỡng an toàn theo tiêu chuẩn Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011), mô hình hoàn toàn độc lập tuyến tính giữa các biến giải thích.

4. Chi phí triển khai hệ thống khuyến nghị quản trị tại chi nhánh là bao nhiêu?

Hầu hết các giải pháp tập trung vào tái cấu trúc quy trình nội bộ, nâng cấp kỹ năng giao dịch viên và cá nhân hóa kịch bản truyền thông trên nền tảng số sẵn có của Nam A Bank (Open Banking, E-Banking), do đó chi phí gia tăng (incremental cost) rất thấp nhưng đem lại hiệu quả tăng trưởng huy động vốn tức thì.

5. Dữ liệu khảo sát có thể áp dụng nguyên mẫu cho các chi nhánh ngân hàng khác không?

Mô hình cấu trúc 7 nhân tố và bộ câu hỏi có thể tái sử dụng 100%. Tuy nhiên, các trọng số hồi quy ($\beta$) có thể biến thiên tùy thuộc vào đặc thù kinh tế - xã hội của từng địa bàn (nông thôn, đô thị loại 2 hoặc các thành phố lớn).


Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Châu Mỹ Linh đã hoàn thành xuất sắc việc xây dựng và kiểm định mô hình các nhân tố tác động đến quyết định gửi tiền tiết kiệm của KHCN tại Ngân hàng TMCP Nam Á – Chi nhánh Tân Định. Bằng việc xử lý nghiêm ngặt $N = 223$ mẫu khảo sát qua hệ thống kiểm định Cronbach's Alpha, EFA và hồi quy đa biến OLS, công trình đã xác lập vị thế vượt trội của 2 nhân tố cốt lõi: Lợi ích tài chính ($\beta = 0.342$) và Hình thức chiêu thị ($\beta = 0.231$).

Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực chứng tin cậy, giúp các nhà quản trị ngân hàng chuyển dịch từ tư duy phỏng đoán sang chiến lược điều hành dựa trên dữ liệu (Data-driven decision making). Độc giả quan tâm và các nhà nghiên cứu có thể ứng dụng trực tiếp khung phân tích và bộ chỉ số này để tiếp tục phát triển các đề tài kinh tế lượng ứng dụng chuyên sâu.