Giới thiệu dự án

Cuộc cách mạng công nghiệp 4.0 thúc đẩy sự chuyển dịch mạnh mẽ từ mô hình ngân hàng truyền thống sang hệ sinh thái ngân hàng số (Digital Banking). Theo thống kê của Quỹ Dân số Liên hợp quốc (UNFPA), Việt Nam đang trong thời kỳ "cơ cấu dân số vàng" với nhóm tuổi 15–24 chiếm tới 70% dân số. Đồng thời, tỷ lệ dân số tiếp cận Internet đạt 52% với tốc độ tăng trưởng 9%/năm (đứng thứ 15 trên thế giới), trong đó 93% truy cập qua thiết bị di động thông minh. Đây là tiền đề thúc đẩy thói quen giao dịch trực tuyến và thanh toán không dùng tiền mặt.

Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) đã sớm triển khai chiến lược ngân hàng bán lẻ hiện đại, đạt quy mô hơn 1,8 triệu người dùng Internet Banking và 1,6 triệu khách hàng Mobile Banking trên toàn quốc. Tuy nhiên, tại thị trường Tây Nguyên nói chung và Phòng Giao dịch (PGD) Nguyễn Tất Thành – Chi nhánh Đắk Lắk nói riêng, hoạt động ngân hàng điện tử đang đối mặt với sự cạnh tranh gay gắt từ các ngân hàng thương mại quốc doanh lớn (Vietcombank, Agribank, BIDV) cùng các rào cản tâm lý về an toàn bảo mật và hạ tầng kỹ thuật địa phương.

                  +-------------------------------------------------------+
                  |  THỰC TRẠNG HOẠT ĐỘNG KINH DOANH SACOMBANK ĐẮK LẮK   |
                  +-------------------------------------------------------+
                                              |
                +-----------------------------+-----------------------------+
                |                                                           |
  [ Tăng trưởng doanh thu chậm ]                             [ Biến động lợi nhuận & Chi phí ]
  - 2020: 25.823 tỷ VNĐ                                      - Lợi nhuận thuần 2021: 20.730 tỷ (+7,2%)
  - 2021: 29.472 tỷ VNĐ (+14,1%)                             - Lợi nhuận thuần 2022: 19.329 tỷ (-6,4%)
  - 2022: 30.385 tỷ VNĐ (+3,1%)                              - Chi phí dự phòng rủi ro 2022: +291% (664 triệu)
                                                             - Lợi nhuận sau thuế 2022: 14.746 tỷ (-10,6%)

Đề tài khóa luận "Các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ ngân hàng điện tử của khách hàng cá nhân tại Ngân hàng TMCP Sài Gòn Thương Tín chi nhánh Đắk Lắk" do sinh viên Nguyễn Thanh Nhàn thực hiện (GVHD: TS. Phan Thị Thúy, Trường Đại học Tây Nguyên) tập trung giải quyết các vấn đề cốt lõi sau:

  • Mục tiêu nghiên cứu:
    1. Hệ thống hóa cơ sở lý luận về hành vi chấp nhận công nghệ và các kênh dịch vụ ngân hàng điện tử (Internet Banking, Mobile Banking/Sacombank Pay, Phone Banking, Home Banking, Thẻ/POS).
    2. Đánh giá thực trạng kinh doanh và tỷ lệ chuyển đổi dịch vụ số tại Sacombank Chi nhánh Đắk Lắk giai đoạn 2020–2022.
    3. Đo lường, kiểm định định lượng mức độ tác động của 06 nhóm nhân tố tới quyết định sử dụng dịch vụ của khách hàng cá nhân thông qua mô hình kinh tế lượng.
    4. Đề xuất giải pháp công nghệ, chính sách phí và chiến lược marketing nhằm gia tăng thị phần ngân hàng số tại địa bàn tỉnh Đắk Lắk.
  • Phạm vi và giới hạn nghiên cứu:
    • Không gian: Khách hàng cá nhân giao dịch tại Sacombank PGD Nguyễn Tất Thành – Chi nhánh Đắk Lắk.
    • Thời gian: Dữ liệu thứ cấp thu thập giai đoạn 2020–2022; dữ liệu sơ cấp khảo sát từ tháng 04/2023 đến tháng 05/2023.
    • Kích thước mẫu: Khảo sát $N = 170$ mẫu, làm sạch và thu về $N = 166$ mẫu hợp lệ phục vụ phân tích thống kê.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn tỉnh Đắk Lắk, sự phân hóa trong việc tiếp cận dịch vụ tài chính số giữa các nhóm khách hàng đặt ra bài toán tối ưu hóa trải nghiệm người dùng (UX/UI) và chính sách quản trị rủi ro.

Tiêu chí so sánh Sacombank Chi nhánh Đắk Lắk Nhóm NHTM Nhà nước (Agribank, Vietcombank, BIDV) Giao dịch truyền thống tại quầy
Ứng dụng chủ lực Sacombank Pay, mSacombank, Internet Banking VCB Digibank, Agribank E-Mobile, BIDV SmartBanking Giao dịch viên, chứng từ giấy tại PGD
Công nghệ xác thực Smart OTP, Face ID, Sinh trắc học, Chữ ký số, M-Sign Smart OTP, eKYC, Face ID, SMS OTP Chữ ký tay, CMND/CCCD vật lý
Tốc độ xử lý Tức thời (1–2 giây/giao dịch), 24/7 Tức thời (1–3 giây/giao dịch), 24/7 15–45 phút (chờ xếp hàng giờ hành chính)
Chi phí vận hành Tối ưu hóa hạ tầng số, phí duy trì thấp/miễn phí Mạng lưới PGD rộng, chi phí vận hành cố định cao Chi phí nhân sự, in ấn, lưu trữ chứng từ lớn
Ưu điểm nổi bật Tích hợp hệ sinh thái Sacombank Pay đa tiện ích Thương hiệu uy tín lâu năm, mạng lưới rộng khắp Tính pháp lý trực quan, giải quyết ca phức tạp
Nhược điểm Nhân sự mới cần đào tạo kỹ năng tư vấn số Giao diện một số app còn phức tạp với người lớn tuổi Giới hạn không gian, thời gian và phát sinh chi phí đi lại

Phân loại yêu cầu khách hàng theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Tính ổn định của hệ thống Core Banking, chuyển tiền nhanh Napas 247, bảo mật hai lớp (2FA/Smart OTP), tra cứu số dư tức thời.
  • Should-have (Nên có): Đăng ký vay/mở thẻ online qua eKYC, thanh toán QR Code đa cổng, gửi tiết kiệm trực tuyến lãi suất ưu đãi.
  • Could-have (Có thể có): Quản lý tài chính cá nhân tự động (Personal Finance Management), liên kết ví điện tử và hoàn tiền Cashback.
  • Won't-have (Chưa ưu tiên): Các nghiệp vụ tài trợ vốn phức tạp và thanh toán quốc tế khối lượng lớn dành riêng cho khách hàng doanh nghiệp.

Thiết kế hệ thống và mô hình nghiên cứu

Nghiên cứu ứng dụng khung lý thuyết kết hợp C-TAM-TPB (Taylor & Todd, 1995) dựa trên Mô hình chấp nhận công nghệ (TAM - Davis, 1989), Thuyết hành vi dự định (TPB - Ajzen, 1991) và Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975).

                      +------------------------------------------+
                      |   CẢM NHẬN DỄ SỬ DỤNG (CN: 5 biến)       |---+
                      +------------------------------------------+   |
                                                                     |
                      +------------------------------------------+   |
                      |   NHẬN THỨC SỰ HỮU ÍCH (NT: 4 biến)      |---|
                      +------------------------------------------+   |
                                                                     |
                      +------------------------------------------+   |       +---------------------------+
                      |   ẢNH HƯỞNG XÃ HỘI (AH: 4 biến)          |---+------>|  QUYẾT ĐỊNH SỬ DỤNG       |
                      +------------------------------------------+   |       |  DỊCH VỤ NGÂN HÀNG        |
                                                                     |       |  ĐIỆN TỬ (QD: 4 biến)     |
                      +------------------------------------------+   |       +---------------------------+
                      |   RỦI RO TRONG GIAO DỊCH (RR: 4 biến)    |---|       
                      +------------------------------------------+   |
                                                                     |
                      +------------------------------------------+   |
                      |   THƯƠNG HIỆU NGÂN HÀNG (TH: 5 biến)     |---|
                      +------------------------------------------+   |
                                                                     |
                      +------------------------------------------+   |
                      |   CẢM NHẬN VỀ CHI PHÍ (CP: 4 biến)       |---+
                      +------------------------------------------+

Mô hình hồi quy tuyến tính đa biến tổng quát được thiết lập:

$$QD = \alpha_0 + \alpha_1 CN + \alpha_2 NT + \alpha_3 AH + \alpha_4 RR + \alpha_5 TH + \alpha_6 CP + \varepsilon$$

Trong đó:

  • $QD$: Quyết định sử dụng dịch vụ ngân hàng điện tử (Biến phụ thuộc).
  • $CN$: Cảm nhận dễ sử dụng ($H_1: \alpha_1 > 0$).
  • $NT$: Nhận thức sự hữu ích ($H_2: \alpha_2 > 0$).
  • $AH$: Ảnh hưởng xã hội ($H_5: \alpha_3 > 0$).
  • $RR$: Rủi ro trong giao dịch ($H_3: \alpha_4 < 0$).
  • $TH$: Thương hiệu ngân hàng ($H_4: \alpha_5 > 0$).
  • $CP$: Cảm nhận về chi phí ($H_6: \alpha_6 < 0$).
  • $\alpha_0$: Hằng số hồi quy; $\varepsilon$: Sai số ngẫu nhiên.

Công nghệ phân tích và xử lý dữ liệu

  • Công cụ phần mềm: IBM SPSS Statistics phiên bản 20.0 (hỗ trợ kiểm định thang đo, phân tích nhân tố khám phá EFA và hồi quy OLS).
  • Thang đo: Thang đo khoảng Likert 5 mức độ ($1$: Hoàn toàn không đồng ý $\rightarrow$ $5$: Hoàn toàn đồng ý; khoảng cách giá trị $= (5 - 1)/5 = 0,8$).
  • Tiêu chuẩn kiểm định kỹ thuật:
    • Hệ số tin cậy Cronbach's Alpha $\ge 0,60$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0,30$.
    • Hệ số KMO (Kaiser-Meyer-Olkin) thỏa mãn $0,5 \le \text{KMO} \le 1,0$; Kiểm định Bartlett's Test có mức ý nghĩa thống kê $p\text{-value} (\text{Sig.}) < 0,05$.
    • Phương pháp trích nhân tố: Principal Axis Factoring với phép xoay Promax; Hệ số tải nhân tố (Factor Loading) $\ge 0,50$; Tổng phương sai trích (Cumulative Variance Explained) $> 50%$.
    • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 10$; Mức ý nghĩa mô hình ANOVA $\text{Sig.} < 0,05$.

Implementation và kết quả

Quy trình xử lý và mã nguồn phân tích thực nghiệm

Toàn bộ dữ liệu 166 mẫu khảo sát được mã hóa và làm sạch trước khi đưa vào đường ống (pipeline) phân tích kinh tế lượng. Dưới đây là thuật toán triển khai kiểm định độ tin cậy và ước lượng mô hình hồi quy (tương đương quy trình xử lý trên SPSS 20.0):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho thang đo gồm k biến quan sát."""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_score = df_items.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    return (k / (k - 1)) * (1 - (item_variances / total_variance))

def run_econometric_pipeline(df: pd.DataFrame, independent_cols: list, dependent_col: str):
    """Thực thi hồi quy OLS và kiểm tra hiện tượng đa cộng tuyến (VIF)."""
    X = df[independent_cols]
    y = df[dependent_col]
    X_with_const = sm.add_constant(X)
    
    # Ước lượng mô hình Ordinary Least Squares (OLS)
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán VIF cho từng biến độc lập
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Kết quả khảo sát thực tế tại Sacombank Đắk Lắk

Từ 166 bảng hỏi thu thập tại PGD Nguyễn Tất Thành, bức tranh thực trạng hành vi người dùng được thống kê cụ thể:

[ KẾT QUẢ THỐNG KÊ MẪU KHẢO SÁT N = 166 ]

Mức độ đánh giá tích cực chung đối với hệ sinh thái ngân hàng điện tử Sacombank đạt 97,6%, trong khi chỉ có 2,4% khách hàng còn e ngại do thói quen dùng tiền mặt hoặc hạn chế về kỹ năng công nghệ.

                    +----------------------------------------------------+
                    |  MỨC ĐỘ YÊU THÍCH DỊCH VỤ NGÂN HÀNG ĐIỆN TỬ       |
                    +----------------------------------------------------+
                    |   Yêu thích (Hài lòng):           [ 97,6% ]        |
                    |   Chưa hài lòng / Không thích:    [  2,4% ]        |
                    +----------------------------------------------------+

Kết quả kiểm định thống kê và hồi quy

  1. Kiểm định Cronbach's Alpha: Các thang đo ban đầu gồm 26 biến độc lập và 4 biến phụ thuộc. Sau khi tiến hành lọc các biến có hệ số tương quan biến - tổng $< 0,3$, thang đo Nhận thức sự hữu ích (NT) và Cảm nhận về chi phí (CP) được hiệu chỉnh lần 2 để đảm bảo độ tin cậy vượt ngưỡng $\alpha > 0,70$.
  2. Phân tích nhân tố khám phá (EFA): Kết quả xoay nhân tố Promax cho thấy chỉ số $KMO > 0,7$, kiểm định Bartlett có $\text{Sig.} = 0,000 < 0,05$, tổng phương sai trích đạt $> 55%$, toàn bộ các biến hội tụ chuẩn xác vào 6 nhóm nhân tố độc lập mà không xảy ra hiện tượng xáo trộn nhân tố.
  3. Kiểm định tương quan Pearson & Mô hình hồi quy: Hệ số xác định hiệu chỉnh $R^2$ đạt giá trị thỏa mãn, kiểm định ANOVA có mức ý nghĩa $F$-test $\text{Sig.} < 0,001$, hệ số $\text{VIF} < 2,0$ khẳng định không xảy ra hiện tượng đa cộng tuyến. Trong đó, các nhân tố Cảm nhận dễ sử dụng, Nhận thức sự hữu ích, Thương hiệu ngân hàng và Ảnh hưởng xã hội có tác động cùng chiều ($+$), còn Rủi ro giao dịch và Chi phí nhận thức có tác động ngược chiều ($-$) đến quyết định sử dụng.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và giá trị thực tiễn quan trọng:

  • Tích hợp khung lý thuyết toàn diện: Đề tài kết hợp thành công mô hình chấp nhận công nghệ TAM và lý thuyết hành vi dự định TPB (C-TAM-TPB) vào bối cảnh cụ thể của hệ thống ngân hàng bán lẻ tại khu vực Tây Nguyên, phản ánh chính xác các đặc trưng kinh tế - xã hội địa phương.
  • Đối sánh thực nghiệm với các nghiên cứu tiền nhiệm:
Công trình đối chiếu Mẫu nghiên cứu & Địa bàn Nhân tố tác động mạnh nhất Điểm khác biệt với nghiên cứu hiện tại
Lê Châu Phú & cs (2019) Khách hàng cá nhân Agribank Cần Thơ Hiệu quả mong đợi, Rủi ro Tập trung vào nhóm khách hàng nông nghiệp, địa bàn ĐBSCL
Hà Nam Khánh Giao & cs (2020) BIDV Chi nhánh Bắc Sài Gòn Cảm nhận dễ sử dụng, Hữu ích Môi trường đô thị lớn, tỷ lệ chấp nhận công nghệ cao hơn
Trần Thu Thảo & cs (2021) Mobile Banking SCB Ảnh hưởng xã hội ($\beta$ cao nhất) Khách hàng đô thị chịu tác động lan tỏa từ mạng xã hội
Nghiên cứu này (2023) Sacombank Chi nhánh Đắk Lắk Nhận thức hữu ích & Độ nhận diện Sacombank Pay Gắn liền với tỷ trọng 95,8% dùng Sacombank Pay và yếu tố thương hiệu địa phương
  • Đóng góp thực tiễn: Làm rõ thực trạng biến động lợi nhuận giai đoạn 2020–2022 của Sacombank Đắk Lắk (lợi nhuận sau thuế năm 2022 giảm $10,6%$ do chi phí dự phòng rủi ro tăng $291%$), từ đó chỉ rõ số hóa ngân hàng điện tử là giải pháp then chốt để cắt giảm chi phí vận hành tại quầy.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, lộ trình triển khai chuyển đổi số và nâng cao tỷ lệ tiếp cận dịch vụ tại Sacombank Đắk Lắk gồm các trụ cột:

+-----------------------------------------------------------------------------------+
|            LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP TẠI SACOMBANK ĐẮK LẮK                    |
+-----------------------------------------------------------------------------------+
  Giai đoạn 1 (Quý 3/2023): Tối ưu hóa hạ tầng & Trải nghiệm giao diện (UI/UX)
  - Tích hợp công nghệ xác thực sinh trắc học Face ID/Vân tay sâu vào Sacombank Pay.
  - Tối ưu hóa đường truyền Core Banking, cam kết thời gian giao dịch < 2 giây.

  Giai đoạn 2 (Quý 4/2023): Mở rộng hệ sinh thái số & Thanh toán vi mô
  - Phủ sóng mã QR Code và thiết bị mPOS tại chuỗi bán lẻ, nhà thuốc, bệnh viện.
  - Triển khai chính sách miễn phí 100% chuyển tiền liên ngân hàng và phí thường niên.

  Giai đoạn 3 (Năm 2024): Marketing phân khúc & Nâng cao năng lực nhân sự
  - Tiếp cận nhóm khách hàng tiểu thương, kinh doanh nông sản qua gói giải pháp POS.
  - Tổ chức các chương trình đào tạo kỹ năng tư vấn số cho đội ngũ giao dịch viên mới.
+-----------------------------------------------------------------------------------+

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí: Đầu tư trang bị POS/mPOS, chi phí truyền thông marketing số, chi phí nâng cấp bảo mật Smart OTP.
  • Lợi ích & ROI: Giảm tải $40%$ khối lượng giao dịch tiền mặt tại quầy, tiết kiệm chi phí in ấn hóa đơn và nhân sự hành chính; tạo nguồn thu ổn định từ tiền gửi không kỳ hạn (CASA) và chênh lệch phí dịch vụ liên kết đối tác bán lẻ.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  1. Kích thước mẫu: Dung lượng mẫu hợp lệ dừng lại ở $N = 166$, tập trung chủ yếu tại khu vực PGD Nguyễn Tất Thành (TP. Buôn Ma Thuột), chưa bao quát hết các huyện vùng sâu, vùng xa của tỉnh Đắk Lắk.
  2. Phương pháp phân tích: Áp dụng mô hình hồi quy tuyến tính đa biến OLS trên SPSS; chưa triển khai phân tích mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) trên AMOS/SmartPLS để đánh giá đồng thời các mối quan hệ trung gian và điều tiết.
  3. Dữ liệu cắt ngang: Nghiên cứu thu thập dữ liệu tại một thời điểm (Cross-sectional data), chưa phản ánh được sự biến đổi hành vi tiêu dùng theo chuỗi thời gian (Longitudinal study).

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô khảo sát lên $N \ge 500$ trên toàn địa bàn 5 tỉnh Tây Nguyên.
  • Bổ sung các biến quan sát mới như: Trải nghiệm số hóa sinh trắc học (eKYC), Tính cá nhân hóa bằng AI (AI Recommendation) và Chính sách bảo vệ dữ liệu người dùng theo Nghị định 13/2023/NĐ-CP.
  • Áp dụng các mô hình học máy (Machine Learning) như Random Forest, XGBoost để dự đoán tỷ lệ rời bỏ kênh số (Churn prediction) của khách hàng bán lẻ.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc khóa luận ứng dụng kinh tế lượng, cách thức vận dụng mô hình TAM/TPB và quy trình xử lý dữ liệu SPSS từ Cronbach's Alpha, EFA đến OLS.
  • Lãnh đạo & Cán bộ Quản lý Ngân hàng: Nắm bắt chính xác các rào cản tâm lý của khách hàng địa phương (rủi ro, chi phí) để hoạch định chiến lược kinh doanh thẻ, phát triển app Sacombank Pay và quản trị chi phí hoạt động.
  • Chuyên viên Phát triển Sản phẩm Fintech/Banking: Có căn cứ số liệu thực tế ($95,8%$ khách hàng ưa chuộng Sacombank Pay, $99,4%$ chuyển tiền) để thiết kế giao diện tinh gọn, đẩy mạnh tính năng thanh toán QR Code và bảo mật sinh trắc học.
  • Khách hàng cá nhân: Hưởng lợi gián tiếp từ sự nâng cấp chất lượng dịch vụ, giảm phí giao dịch, rút ngắn thời gian thao tác và an tâm về an toàn thông tin tài khoản.

Câu hỏi thường gặp

1. Cần chuẩn bị hạ tầng kỹ thuật gì để khách hàng cá nhân sử dụng trọn vẹn Sacombank Pay?

Khách hàng chỉ cần sở hữu thiết bị di động chạy hệ điều hành iOS (phiên bản 11.0 trở lên) hoặc Android (phiên bản 7.0 trở lên), có kết nối Internet (4G/5G/Wi-Fi), kích hoạt camera để nhận diện eKYC và hỗ trợ cảm biến vân tay/Face ID để tích hợp phương thức xác thực nâng cao.

2. Vì sao ứng dụng Sacombank Pay chiếm tới 95,8% tỷ lệ sử dụng so với Internet Banking (9,6%)?

Sacombank Pay được định vị là ứng dụng quản lý tài chính toàn diện "tất cả trong một" (All-in-one app), tích hợp mở tài khoản eKYC, thanh toán QR Code không chạm, quản lý thẻ và nạp tiền nhanh chóng ngay trên điện thoại, trong khi Internet Banking đòi hỏi thao tác qua trình duyệt web trên máy tính rườm rà hơn.

3. Nghiên cứu kiểm soát hiện tượng đa cộng tuyến giữa 6 biến độc lập như thế nào?

Trong quá trình hồi quy OLS trên SPSS 20.0, tác giả kiểm tra chỉ số hệ số phóng đại phương sai (VIF). Kết quả toàn bộ các biến độc lập đều có hệ số $\text{VIF} < 2,0$ (thấp hơn nhiều so với ngưỡng cảnh báo vi phạm là $\text{VIF} \ge 10$), khẳng định mô hình hoàn toàn không bị ảnh hưởng bởi hiện tượng đa cộng tuyến.

4. Chi nhánh giải quyết rủi ro bảo mật thông tin khi khách hàng thao tác trực tuyến ra sao?

Ngân hàng áp dụng kiến trúc an ninh đa tầng: mã hóa dữ liệu đầu cuối AES-256, xác thực phiên giao dịch qua Smart OTP/mSign, cảnh báo đăng nhập thiết bị lạ, tự động khóa phiên sau thời gian chờ (timeout) và áp dụng cơ chế xác thực khuôn mặt sinh trắc học theo tiêu chuẩn FIDO.

5. Việc phát triển ngân hàng số tác động như thế nào đến bài toán chi phí kinh doanh của Sacombank Đắk Lắk?

Năm 2022, lợi nhuận thuần của chi nhánh giảm $6,4%$ và lợi nhuận sau thuế giảm $10,6%$ do chi phí hoạt động và chi phí rủi ro tăng cao. Chuyển dịch khách hàng sang kênh số giúp chi nhánh giảm thiểu chi phí quản lý giấy tờ, tối ưu hóa định biên nhân sự tại quầy và gia tăng tỷ lệ tiền gửi không kỳ hạn CASA chi phí thấp.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Thanh Nhàn đã giải quyết trọn vẹn bài toán thực tiễn về hành vi sử dụng dịch vụ ngân hàng điện tử của khách hàng cá nhân tại Sacombank Chi nhánh Đắk Lắk. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết hiện đại (C-TAM-TPB) và phương pháp nghiên cứu định lượng chuẩn tắc trên SPSS 20.0, nghiên cứu đã lượng hóa thành công tác động của 6 nhóm nhân tố, đồng thời chứng minh vị thế vượt trội của ứng dụng Sacombank Pay ($95,8%$ thị phần sử dụng thường xuyên). Các hàm ý quản trị và giải pháp đề xuất không chỉ là cẩm nang thiết thực giúp Sacombank Đắk Lắk nâng cao hiệu quả kinh doanh, tiết giảm chi phí vận hành mà còn đóng vai trò là tài liệu tham khảo giá trị cho các nghiên cứu tiếp theo trong lĩnh vực Fintech và ngân hàng số tại Việt Nam.