Giới thiệu dự án

Chuyển đổi số trong lĩnh vực Tài chính - Ngân hàng tại Việt Nam đang diễn ra với tốc độ vượt bậc. Theo số liệu thống kê từ Ngân hàng Nhà nước Việt Nam (NHNN), có tới 94% Ngân hàng Thương mại (NHTM) đã và đang chủ động xây dựng hoặc triển khai chiến lược chuyển đổi số toàn diện. Sự dịch chuyển từ mô hình phòng giao dịch vật lý truyền thống sang hệ sinh thái Ngân hàng số (Digital Banking - DB) đa kênh (Omni-channel) trên nền tảng di động (Smartphone) và điện toán đám mây đã tái định hình toàn bộ hành vi tiêu dùng tài chính của xã hội.

Mặc dù thế hệ trẻ—đặc biệt là sinh viên đại học—được đánh giá là phân khúc khách hàng tiềm năng lớn nhất nhờ khả năng nắm bắt công nghệ nhanh nhạy, các ngân hàng vẫn đối mặt với bài toán tối ưu tỷ lệ kích hoạt và duy trì sử dụng lâu dài. Sinh viên thường đối mặt với các rào cản tâm lý về an toàn thông tin, nguy cơ gian lận trực tuyến và sự phức tạp của một số quy trình eKYC (Electronic Know Your Customer). Đề tài khóa luận tốt nghiệp: "Các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ Ngân hàng số của sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh" do tác giả Võ Hồng Tâm thực hiện dưới sự hướng dẫn của TS. Đào Lê Kiều Oanh tập trung giải quyết triệt để bài toán này thông qua phương pháp định lượng thực nghiệm.

Mục tiêu nghiên cứu cụ thể

  1. Xác định các yếu tố cốt lõi chi phối trực tiếp và gián tiếp đến quyết định chấp nhận và sử dụng dịch vụ Ngân hàng số của sinh viên Trường Đại học Ngân hàng TP.HCM (HUB).
  2. Đo lường mức độ tác động (trọng số hồi quy) của từng yếu tố lên quyết định sử dụng thông qua phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính đa biến.
  3. Đề xuất hệ thống giải pháp và hàm ý quản trị giúp các NHTM tối ưu hóa trải nghiệm sản phẩm số (UX/UI), nâng cao độ tin cậy và mở rộng thị phần khách hàng trẻ.

Phương pháp tiếp cận và Phạm vi

  • Cách tiếp cận: Kết hợp mô hình nghiên cứu lý thuyết hành vi đa chiều với khảo sát thực nghiệm định lượng trên quy mô mẫu chuẩn hóa.
  • Dữ liệu kỳ vọng: Tập mẫu khảo sát $N = 205$ quan sát hợp lệ từ sinh viên từ năm 1 đến năm 4 thuộc các chuyên ngành Tài chính - Ngân hàng, Quản trị kinh doanh, Hệ thống thông tin quản lý.
  • Phạm vi & Giới hạn: Không gian nghiên cứu tại Trường Đại học Ngân hàng TP.HCM; thời gian thu thập dữ liệu trong giai đoạn tháng 02/2024 đến tháng 03/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Sự khác biệt căn bản giữa Ngân hàng điện tử (E-Banking) truyền thống và Ngân hàng số (Digital Banking) nằm ở mức độ tự động hóa quy trình và kiến trúc hệ thống backend. Bảng phân tích dưới đây thể hiện rõ bức tranh kỹ thuật và trải nghiệm người dùng:

Tiêu chí phân tích Ngân hàng truyền thống Ngân hàng điện tử (E-Banking) Ngân hàng số (Digital Banking)
Kiến trúc vận hành Chi nhánh vật lý, xử lý hồ sơ giấy tờ Web/App cơ bản kết nối Core Banking Tự động hóa 100% End-to-End, Microservices
Quy trình định danh Ký hồ sơ trực tiếp tại quầy giao dịch Xác thực bước đầu tại phòng giao dịch eKYC sinh trắc học (Biometrics, AI OCR, NFC)
Tính khả dụng dịch vụ Giờ hành chính (8h00 - 17h00) 24/7 cho chuyển khoản, tra cứu số dư 24/7 toàn diện: Vay tiêu dùng, Tiết kiệm, Đầu tư
Bảo mật & Xác thực Chữ ký tay, CMND/CCCD gốc SMS OTP, Mật khẩu tĩnh Smart OTP, FIDO2, Tokenization, AI Chống gian lận
Chi phí vận hành/User Rất cao (Mặt bằng, nhân sự quầy) Trung bình (Máy chủ web tập trung) Thấp (Tối ưu hạ tầng Cloud, Zero-marginal cost)
                       MA TRẬN ƯU TIÊN YÊU CẦU THEO MÔ HÌNH MOSCOW

Thiết kế hệ thống mô hình nghiên cứu

Mô hình nghiên cứu được xây dựng trên sự kế thừa và tích hợp của 5 nền tảng lý thuyết kinh điển: Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết hành vi có kế hoạch (TPB - Ajzen, 1991), Mô hình chấp nhận công nghệ (TAM - Davis, 1989; TAM2 - Venkatesh & Davis, 2000) và Lý thuyết hợp nhất về chấp nhận và sử dụng công nghệ (UTAUT - Venkatesh et al., 2003).

graph TD
    subgraph Independent_Variables ["CÁC BIẾN ĐỘC LẬP"]
        DSD["Cảm nhận tính dễ sử dụng (DSD)<br/>5 biến quan sát (DSD1 - DSD5)"]
        HI["Cảm nhận tính hữu ích (HI)<br/>4 biến quan sát (HI1 - HI4)"]
        XH["Ảnh hưởng xã hội (XH)<br/>3 biến quan sát (XH1 - XH3)"]
        HQ["Hiệu quả kỳ vọng (HQ)<br/>4 biến quan sát (HQ1 - HQ4)"]
        TT["Sự tin tưởng (TT)<br/>4 biến quan sát (TT1 - TT4)"]
        RR["Cảm nhận rủi ro (RR)<br/>4 biến quan sát (RR1 - RR4)"]
    end

    subgraph Dependent_Variable ["BIẾN PHỤ THUỘC"]
        QD["QUYẾT ĐỊNH SỬ DỤNG (QD)<br/>4 biến quan sát (QD1 - QD4)"]
    end

    DSD -->|"(+) H1"| QD
    HI -->|"(+) H2"| QD
    XH -->|"(+) H3"| QD
    HQ -->|"(+) H4"| QD
    TT -->|"(+) H6"| QD
    RR -->|"(-) H5"| QD

    classDef positive fill:#d4edda,stroke:#28a745,stroke-width:2px,color:#155724;
    classDef negative fill:#f8d7da,stroke:#dc3545,stroke-width:2px,color:#721c24;
    classDef target fill:#cce5ff,stroke:#004085,stroke-width:2px,color:#004085;

    class DSD,HI,XH,HQ,TT positive;
    class RR negative;
    class QD target;

Phương trình hồi quy tuyến tính tổng quát được thiết lập như sau:

$$QD = \beta_0 + \beta_1 \cdot DSD + \beta_2 \cdot HI + \beta_3 \cdot XH + \beta_4 \cdot HQ + \beta_5 \cdot RR + \beta_6 \cdot TT + \varepsilon$$

Trong đó:

  • $QD$: Biến phụ thuộc - Quyết định sử dụng dịch vụ Ngân hàng số.
  • $DSD, HI, XH, HQ, TT$: Các biến độc lập có tác động kỳ vọng dương ($\beta_i > 0$).
  • $RR$: Biến độc lập đo lường rủi ro có tác động kỳ vọng âm ($\beta_5 < 0$).
  • $\beta_0$: Hằng số tự do; $\beta_1 \dots \beta_6$: Hệ số hồi quy riêng phần; $\varepsilon$: Sai số ngẫu nhiên.

Methodology và Quy trình thực nghiệm

Nghiên cứu ứng dụng quy trình 4 giai đoạn chặt chẽ kết hợp giữa nghiên cứu định tính và định lượng:

  1. Giai đoạn định tính: Lược khảo các công trình trong và ngoài nước, thảo luận chuyên sâu với 5 chuyên gia tài chính và giảng viên để hiệu chỉnh bảng hỏi gồm 28 biến quan sát.
  2. Giai đoạn khảo sát: Triển khai bảng hỏi trực tuyến (Google Forms) cấu trúc thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý) tới sinh viên HUB.
  3. Kiểm định độ tin cậy và giá trị hội tụ: Sử dụng phần mềm thống kê IBM SPSS Statistics 22.0 chạy hệ số Cronbach's Alpha và phân tích nhân tố khám phá EFA (phương pháp trích Principal Axis Factoring / Principal Component Analysis kết hợp phép xoay Varimax).
  4. Phân tích hồi quy & Kiểm định giả thuyết: Ước lượng hệ số hồi quy OLS, kiểm tra hiện tượng đa cộng tuyến (hệ số VIF), kiểm định phân phối chuẩn phần dư và phân tích phương sai ANOVA để đánh giá sai biệt nhân khẩu học.

Implementation và kết quả

Development Process & Xử lý dữ liệu thống kê

Toàn bộ tập dữ liệu thô thu thập từ 205 sinh viên HUB được chuẩn hóa, mã hóa và phân tích thông qua pipeline thống kê chuyên sâu. Dưới đây là đoạn mã giả lập logic xử lý dữ liệu và ước lượng mô hình tương đương với quy trình trên SPSS 22:

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

# 1. Tải và tiền xử lý tập dữ liệu khảo sát (N = 205)
df = pd.read_csv("digital_banking_hub_survey.csv")

# 2. Định nghĩa danh sách các biến theo mô hình cấu trúc
independent_vars = ['DSD', 'HI', 'XH', 'HQ', 'RR', 'TT']
dependent_var = 'QD'

# 3. Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai (VIF)
X = df[independent_vars]
X_const = sm.add_constant(X)

vif_data = pd.DataFrame()
vif_data["Variable"] = X_const.columns
vif_data["VIF"] = [variance_inflation_factor(X_const.values, i) for i in range(X_const.shape[1])]
print("=== KẾT QUẢ KIỂM ĐỊNH ĐA CỘNG TUYẾN (VIF) ===")
print(vif_data[vif_data["Variable"] != "const"])

# 4. Ước lượng mô hình Hồi quy Tuyến tính Đa biến (OLS Regression)
ols_model = sm.OLS(df[dependent_var], X_const).fit()
print("\n=== BÁO CÁO KẾT QUẢ HỒI QUY TỔNG QUÁT ===")
print(ols_model.summary())

Testing và Validation thực nghiệm

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 7 thang đo (6 biến độc lập, 1 biến phụ thuộc) đều vượt qua ngưỡng kiểm định tiêu chuẩn ($\alpha \ge 0.70$, hệ số tương quan biến - tổng $Corrected\ Item-Total\ Correlation > 0.30$), khẳng định tính nhất quán nội tại của dữ liệu.

Ký hiệu Tên thang đo Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá độ tin cậy
DSD Cảm nhận tính dễ sử dụng 5 0.864 0.612 (DSD3) Rất tốt
HI Cảm nhận tính hữu ích 4 0.842 0.589 (HI1) Rất tốt
XH Ảnh hưởng xã hội 3 0.811 0.547 (XH2) Tốt
HQ Hiệu quả kỳ vọng 4 0.856 0.631 (HQ4) Rất tốt
RR Cảm nhận rủi ro 4 0.829 0.573 (RR2) Tốt
TT Sự tin tưởng 4 0.878 0.684 (TT3) Rất tốt
QD Quyết định sử dụng 4 0.891 0.710 (QD1) Xuất sắc

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Chỉ số $KMO = 0.872 > 0.5$; Kiểm định Bartlett có $Sig. = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan chặt chẽ. Trích xuất thành công 6 nhân tố tại điểm dừng Eigenvalue $= 1.241 > 1.0$, tổng phương sai trích (Total Variance Explained) đạt 68.45% (> 50%). Tất cả hệ số tải nhân tố (Factor Loading) đều đạt chuẩn $\ge 0.55$.
  • Biến phụ thuộc: $KMO = 0.815$, $Sig. = 0.000$, phương sai trích đạt 72.18% với 1 nhân tố duy nhất đại diện cho Quyết định sử dụng.

Kết quả đạt được từ phân tích hồi quy

Mô hình hồi quy đạt mức độ tương thích cao với dữ liệu thực tế: Hệ số $R^2 = 0.618$, Hệ số $R^2\text{ hiệu chỉnh} = 0.606$ (mô hình giải thích được 60.6% sự biến thiên của Quyết định sử dụng dịch vụ Ngân hàng số). Kiểm định $ANOVA$ có giá trị $F = 53.362$ với mức ý nghĩa $Sig. = 0.000 < 0.001$.

                    TRỌNG SỐ TÁC ĐỘNG CHUẨN HÓA (BETA) ĐẾN QUYẾT ĐỊNH SỬ DỤNG

Phương trình hồi quy chuẩn hóa:

$$QD = 0.312 \cdot HI + 0.264 \cdot DSD + 0.218 \cdot TT + 0.176 \cdot HQ + 0.145 \cdot XH - 0.189 \cdot RR$$

  • Toàn bộ các hệ số $VIF < 1.60$, khẳng định mô hình hoàn toàn không vi phạm hiện tượng đa cộng tuyến.
  • Tất cả các giả thuyết $H_1, H_2, H_3, H_4, H_6$ đều được chấp nhận với mức ý nghĩa $p < 0.01$ (tác động dương).
  • Giả thuyết $H_5$ được chấp nhận ($p = 0.001 < 0.05, \beta = -0.189$), minh chứng rõ ràng: Khi nhận thức về rủi ro tăng lên 1 đơn vị, quyết định sử dụng dịch vụ ngân hàng số của sinh viên giảm 0.189 đơn vị.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và giá trị ứng dụng nổi bật, lấp đầy các khoảng trống nghiên cứu trước đây:

Hạng mục so sánh Nghiên cứu Nguyễn Thị Ngà et al. (2021) Nghiên cứu Trần Quốc Thắng (2023) Khóa luận tốt nghiệp Võ Hồng Tâm (2024)
Đối tượng khảo sát Khách hàng đại chúng tại Phú Yên Khách hàng cá nhân tại NHTM Sinh viên chuyên ngành Kinh tế - HUB
Cơ sở lý thuyết TAM, Rủi ro cảm nhận đơn biến TAM, UTAUT cơ bản Tích hợp mở rộng: TRA, TPB, TAM2, UTAUT
Quy mô mẫu ($N$) 179 mẫu hợp lệ 350 mẫu hợp lệ 205 mẫu chuẩn hóa làm sạch kỹ thuật số
Độ giải thích ($R^2$) $54.2%$ $58.1%$ $60.6%$ ($R^2$ hiệu chỉnh đạt chuẩn cao)
Phát hiện khác biệt Rủi ro tác động chi phối mạnh nhất Cảm nhận hữu ích có tác động âm Cảm nhận hữu ích ($\beta = 0.312$) và Dễ sử dụng ($\beta = 0.264$) là 2 trụ cột dẫn dắt

Đóng góp kỹ thuật và học thuật

  1. Kiểm chứng tính thích ứng của mô hình TAM/UTAUT đối với Gen Z: Chứng minh rằng đối với nhóm người dùng trẻ có tri thức tài chính, tính hữu ích và tính công thái học giao diện (UX/UI) đóng vai trò kích hoạt hành vi mạnh mẽ hơn so với áp lực đồng trang lứa (Ảnh hưởng xã hội $\beta = 0.145$).
  2. Lượng hóa vai trò của rào cản tâm lý rủi ro: Xác lập bằng chứng thực nghiệm về tác động tiêu cực của rủi ro giao dịch ($\beta = -0.189$), cung cấp cơ sở định lượng để các ngân hàng phân bổ ngân sách bảo mật.

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy thực nghiệm, các NHTM (như Vietcombank Digibank, BIDV SmartBanking, MB Bank, Techcombank Mobile) có thể áp dụng lộ trình triển khai 4 giai đoạn nhằm thu hút tối đa phân khúc sinh viên:

                          LỘ TRÌNH TRIỂN KHAI CHO CÁC NGÂN HÀNG THƯƠNG MẠI

Phân tích Hiệu quả Tài chính & ROI (Cost-Benefit Analysis)

  • Tiết kiệm chi phí vận hành: Xử lý 1 giao dịch tại quầy tốn trung bình 1.20 - 1.50 USD, trong khi giao dịch qua Ngân hàng số tốn chưa tới 0.05 - 0.10 USD (tiết kiệm hơn 90% chi phí vận hành/giao dịch).
  • Giá trị vòng đời khách hàng (Customer Lifetime Value - CLV): Thu hút sinh viên từ năm 1-2 giúp ngân hàng xây dựng tệp khách hàng trung thành với chi phí thu nạp (CAC) thấp, tạo tiền đề bán chéo các sản phẩm sinh lời cao (Thẻ tín dụng, Khoản vay mua nhà, Đầu tư chứng chỉ quỹ) sau khi sinh viên tốt nghiệp và có thu nhập ổn định.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Giới hạn không gian mẫu: Dữ liệu thu thập tập trung chủ yếu tại Trường Đại học Ngân hàng TP.HCM (sinh viên có hiểu biết tài chính chuyên sâu), có thể tạo ra độ lệch nhất định khi khái quát hóa cho sinh viên các khối ngành kỹ thuật, mỹ thuật hoặc nhân văn.
  • Phương pháp lấy mẫu: Áp dụng phương pháp chọn mẫu thuận tiện phi xác suất qua biểu mẫu trực tuyến, chưa kiểm soát tuyệt đối tỷ lệ phân bổ theo từng khóa lớp.
  • Phương pháp phân tích: Mô hình hồi quy tuyến tính OLS chỉ đánh giá quan hệ trực tiếp, chưa phân tích được các mối quan hệ đa tầng gián tiếp (Mediating/Moderating effects).

Hướng phát triển tiếp theo

  • Mở rộng mô hình cấu trúc tuyến tính (PLS-SEM): Áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần để kiểm tra các biến trung gian như "Thái độ sử dụng" và biến điều tiết "Năm học/Thu nhập".
  • Mở rộng tập mẫu đa trường: Mở rộng khảo sát trên $N \ge 1,000$ mẫu phủ khắp các trường đại học tại khu vực kinh tế trọng điểm phía Nam.
  • Đánh giá tích hợp Trí tuệ nhân tạo (AI): Bổ sung các biến mới như Cảm nhận độ chính xác của AI Advisor, Tính cá nhân hóa của trợ lý ảo tài chính trong bối cảnh bùng nổ Generative AI.

Đối tượng hưởng lợi

                                  CÁC NHÓM ĐỐI TƯỢNG HƯỞNG LỢI CHÍNH

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai ứng dụng Ngân hàng số tối ưu cho sinh viên là gì?

Hệ thống cần xây dựng trên kiến trúc Cloud-Native Microservices, hỗ trợ nền tảng đa kênh (Omni-channel API Gateway). Ứng dụng di động cần tối ưu hóa dung lượng cài đặt ($< 150\text{ MB}$), hỗ trợ các phiên bản hệ điều hành phổ biến (Android từ 8.0 và iOS từ 13.0), thời gian phản hồi giao dịch (Response Time) phải đạt tiêu chuẩn $\le 500\text{ ms}$ ngay cả trên kết nối mạng di động 4G/5G chất lượng trung bình.

2. Hệ thống xử lý thế nào trước nguy cơ quá tải vào các thời điểm cao điểm (đóng học phí, mua sắm)?

Hạ tầng backend cần triển khai cơ chế tự động mở rộng tài nguyên (Auto-scaling) trên nền tảng Kubernetes (K8s), kết hợp kiến trúc hàng đợi xử lý bất đồng bộ (Message Queues như Apache Kafka/RabbitMQ) và bộ nhớ đệm phân tán Redis Cache để giảm tải cho hệ thống Core Banking trung tâm.

3. Làm thế nào để kết nối Ngân hàng số với hệ sinh thái quản lý của các trường đại học?

Các ngân hàng cung cấp hệ thống Open Banking API tuân thủ chuẩn bảo mật OAuth 2.0/OpenID Connect, cho phép hệ thống phần mềm quản lý đào tạo (ERP/LMS) của nhà trường tra cứu số dư công nợ học phí theo thời gian thực và thực hiện gạch nợ tự động ngay khi sinh viên xác nhận lệnh chuyển khoản.

4. Chi phí đầu tư và lộ trình hoàn vốn (ROI) khi phát triển dịch vụ hướng tới sinh viên được tính toán ra sao?

Thời gian hoàn vốn trung bình dao động từ 2.5 đến 3.5 năm. Mặc dù doanh thu phí dịch vụ trực tiếp từ sinh viên là 0 đồng (chính sách Zero-fee), lợi ích tài chính đến từ: Chi phí huy động vốn không kỳ hạn (CASA giá rẻ) dồi dào, cắt giảm 85% chi phí giao dịch tại quầy, và giá trị vòng đời khách hàng gia tăng vượt bậc khi sinh viên đi làm sau tốt nghiệp.

5. Giải pháp then chốt để triệt tiêu rào cản "Cảm nhận rủi ro" ($\beta = -0.189$) của người dùng trẻ là gì?

Triển khai công nghệ phòng chống gian lận đa tầng: Cảnh báo thời gian thực bằng Machine Learning khi phát hiện chuyển tiền đến số tài khoản nằm trong danh sách đen lừa đảo; bắt buộc xác thực sinh trắc học khuôn mặt đối với các giao dịch có giá trị trên hạn mức an toàn; thường xuyên phát thông báo in-app giáo dục người dùng về kỹ năng bảo mật OTP/Passkey.


Kết luận

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ Ngân hàng số của sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh" đã cung cấp một bức tranh toàn diện và chính xác về mặt định lượng đối với hành vi ứng dụng công nghệ tài chính của sinh viên. Bằng việc kết hợp hệ thống lý thuyết đa chiều (TRA, TPB, TAM2, UTAUT) với quy trình phân tích thực nghiệm chặt chẽ trên SPSS 22 (độ tin cậy Cronbach's Alpha $> 0.8$, phương sai trích EFA $= 68.45%$, mô hình giải thích được $60.6%$ phương sai), nghiên cứu chứng minh rõ: Cảm nhận tính hữu ích ($\beta = 0.312$), Cảm nhận tính dễ sử dụng ($\beta = 0.264$), Sự tin tưởng ($\beta = 0.218$), Hiệu quả kỳ vọng ($\beta = 0.176$), Ảnh hưởng xã hội ($\beta = 0.145$) là các động lực thúc đẩy; trong khi Cảm nhận rủi ro ($\beta = -0.189$) là rào cản duy nhất kìm hãm quyết định của người dùng.

Đây là nguồn tài liệu tham khảo giá trị cho các kỹ sư phát triển sản phẩm Fintech và các nhà hoạch định chiến lược tại các NHTM Việt Nam trong việc tối ưu hóa giao diện, siết chặt an ninh số và thúc đẩy chiến lược tài chính toàn diện cho thế hệ trẻ.