Giới thiệu dự án

Chuyển đổi số trong ngành Tài chính – Ngân hàng đang diễn ra với tốc độ cấp số nhân dưới sự thúc đẩy của cuộc Cách mạng Công nghiệp 4.0. Theo báo cáo từ Exton Consulting (2020), toàn cầu ghi nhận khoảng 256 ngân hàng số, tăng gấp 4 lần so với năm 2018. Tại Việt Nam, Quyết định số 749/QĐ-TTg của Thủ tướng Chính phủ phê duyệt "Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030" đã xác định Tài chính – Ngân hàng là một trong những lĩnh vực ưu tiên hàng đầu. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), năm 2022 giao dịch qua hệ thống thanh toán liên ngân hàng tăng trưởng 32,37% về giá trị; riêng giao dịch qua kênh Mobile Banking đạt mức tăng trưởng 200%, xử lý trung bình hơn 300 tỷ đồng/ngày.

Ngân hàng TMCP Quân Đội (MB Bank) là đơn vị tiên phong khi ra mắt phiên bản ứng dụng ngân hàng số MBBank từ năm 2020, thu hút gần 2 triệu khách hàng mới và đạt 90 triệu lượt giao dịch ngay trong năm đầu. Tính đến năm 2023, ứng dụng đã phục vụ gần 3 triệu người dùng thường xuyên. Tuy nhiên, tại các địa bàn cấp quận/huyện đặc thù như Chi nhánh Tân Phú (TP. Hồ Chí Minh), tỷ lệ chuyển dịch khách hàng cá nhân (KHCN) sang môi trường số toàn diện vẫn đối mặt với nhiều rào cản: rủi ro an ninh mạng, thói quen giao dịch tại quầy, chi phí cảm nhận và độ phức tạp của giao diện công nghệ.

Vấn đề nghiên cứu cụ thể (Problem Statement)

Mặc dù MBBank đầu tư hạ tầng công nghệ hiện đại, ngân hàng vẫn gặp khó khăn trong việc mở rộng tệp khách hàng số bền vững tại MB Tân Phú do 3 điểm nghẽn (pain points):

  1. Tâm lý e ngại rủi ro dữ liệu: Khách hàng lo lắng về việc lộ lọt thông tin cá nhân, rủi ro tấn công mã độc và mất tiền trong tài khoản.
  2. Khoảng cách về trải nghiệm công nghệ (UX/UI): Nhóm khách hàng trung niên và lớn tuổi gặp trở ngại khi thao tác trên ứng dụng di động.
  3. Cạnh tranh gay gắt giữa các NHTM: Sự bùng nổ của các siêu ứng dụng tài chính (VCB Digibank, Techcombank Mobile, BIDV SmartBanking) đòi hỏi MB Tân Phú phải định lượng chính xác các trọng số ảnh hưởng để tối ưu hóa nguồn lực tiếp thị.

Mục tiêu nghiên cứu

  1. Mục tiêu 1: Xác định các nhân tố cấu thành ảnh hưởng đến quyết định sử dụng dịch vụ ngân hàng số (DVNHS) của KHCN tại MB Bank – Chi nhánh Tân Phú.
  2. Mục tiêu 2: Ước lượng mức độ tác động và chiều hướng của từng nhân tố thông qua mô hình hồi quy tuyến tính bội trên phần mềm IBM SPSS Statistics 20.0.
  3. Mục tiêu 3: Đề xuất hệ thống giải pháp quản trị thực tiễn nhằm tối ưu hóa tỷ lệ chuyển đổi và duy trì người dùng số tại MB Tân Phú.

Phạm vi và Giới hạn

  • Không gian: Khách hàng cá nhân thực hiện giao dịch tại Ngân hàng TMCP Quân Đội – Chi nhánh Tân Phú.
  • Thời gian: Thu thập dữ liệu thực địa từ ngày 15/10/2023 đến ngày 08/11/2023.
  • Quy mô dữ liệu: 251 phiếu khảo sát hợp lệ được xử lý qua phương pháp lấy mẫu ngẫu nhiên phân tầng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hiện nay, các NHTM tại Việt Nam đang triển khai song song hai mô hình dịch vụ trực tuyến: Ngân hàng điện tử (E-Banking) và Ngân hàng số (Digital Banking). Việc phân định rõ ràng giúp định vị đúng các yêu cầu nghiệp vụ của hệ thống.

Tiêu chí so sánh Ngân hàng truyền thống Ngân hàng điện tử (E-Banking) Ngân hàng số toàn diện (Digital Banking)
Bản chất quy trình Thủ công tại quầy, giấy tờ vật lý Số hóa giao diện kênh bổ trợ (Internet/SMS) Số hóa 100% quy trình lõi (End-to-End Core Banking)
Phạm vi giao dịch Toàn bộ giao dịch trong giờ hành chính Chuyển tiền, thanh toán hóa đơn, tra soát Mở tài khoản eKYC, mở thẻ phi vật lý, vay vốn, đầu tư, bảo hiểm 24/7
Bảo mật & Xác thực Chữ ký tay, CMND/CCCD đối soát trực tiếp Tên đăng nhập + Mật khẩu + SMS OTP Xác thực sinh trắc học (Biometrics), Smart OTP, mã hóa 3 lớp
Chi phí vận hành Rất cao (mặt bằng, nhân sự quầy) Trung bình (duy trì cổng kết nối) Tối ưu (giảm 60–80% chi phí xử lý nghiệp vụ thủ công)

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc): Bảo mật đa lớp (Multi-Factor Authentication), định danh khách hàng điện tử (eKYC), chuyển tiền liên ngân hàng NAPAS 247 tức thì, tra soát biến động số dư.
  • Should-have (Nên có): Cá nhân hóa tài khoản số đẹp, trợ lý ảo AI chatbot hỗ trợ CSKH 24/7, tích hợp mở thẻ tín dụng phi vật lý tức thì.
  • Could-have (Có thể có): Quản lý tài chính cá nhân tự động (Personal Finance Management), liên kết đầu tư chứng khoán MBS, mua bảo hiểm MB Ageas Life.
  • Won't-have (Chưa ưu tiên): Tích hợp giao dịch tài sản số/tiền mã hóa (chưa có khung pháp lý tại Việt Nam).

Thiết kế hệ thống

Mô hình nghiên cứu định lượng kế thừa từ Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết hành vi dự định (TPB - Ajzen, 1991), Mô hình chấp nhận công nghệ (TAM - Davis, 1989) và TAM2 (Venkatesh & Davis, 2000).

Phương trình hồi quy đa biến tổng quát

$$\text{QĐ} = \beta_0 + \beta_1 \cdot \text{HI} + \beta_2 \cdot \text{TT} + \beta_3 \cdot \text{SD} + \beta_4 \cdot \text{CP} + \beta_5 \cdot \text{RR} + \beta_6 \cdot \text{UT} + \varepsilon$$

Trong đó:

  • $\text{QĐ}$: Quyết định sử dụng DVNHS MBBank (Biến phụ thuộc - 3 chỉ báo: QĐ1–QĐ3).
  • $\text{HI}, \text{TT}, \text{SD}, \text{CP}, \text{RR}, \text{UT}$: 6 Biến độc lập đo lường bằng 23 chỉ báo Likert 5 mức độ.
  • $\beta_1, \beta_2, \beta_3, \beta_4, \beta_6 > 0$ (Kỳ vọng tương quan dương); $\beta_5 < 0$ (Kỳ vọng tương quan âm).
  • $\varepsilon$: Sai số ngẫu nhiên của mô hình.

Cấu trúc Thang đo và Biến quan sát (26 Items)

  1. Hữu ích (HI - 4 items): Tiết kiệm thời gian/chi phí (HI1), giao dịch 24/7 (HI2), tăng hiệu suất làm việc (HI3), dịch vụ tiện ích đa dạng (HI4).
  2. Tin tưởng (TT - 4 items): Bảo mật tài khoản cá nhân (TT1), an toàn như giao dịch tại quầy (TT2), chính sách minh bạch (TT3), tin cậy vào giao dịch số MB (TT4).
  3. Dễ sử dụng (SD - 4 items): Thao tác nhanh chóng (SD1), giao diện trực quan (SD2), hướng dẫn rõ ràng (SD3), hoạt động đa thiết bị (SD4).
  4. Chi phí (CP - 3 items): Tiết kiệm chi phí đi lại (CP1), biểu phí dịch vụ hợp lý (CP2), sẵn sàng trả phí cho tiện ích vượt trội (CP3).
  5. Rủi ro (RR - 4 items): Lo ngại lộ dữ liệu cá nhân (RR1), sợ bị chiếm đoạt tài khoản (RR2), lỗi nghẽn đường truyền gián đoạn giao dịch (RR3), chậm trễ giải quyết khiếu nại (RR4).
  6. Uy tín ngân hàng (UT - 4 items): Trực thuộc Bộ Quốc phòng (UT1), Top ngân hàng uy tín hàng đầu (UT2), bề dày kinh nghiệm (UT3), thương hiệu đạt nhiều giải thưởng quốc gia (UT4).
  7. Quyết định sử dụng (QĐ - 3 items): Mức độ hài lòng khi dùng app (QĐ1), cam kết tiếp tục sử dụng lâu dài (QĐ2), sẵn sàng giới thiệu cho bạn bè/người thân (QĐ3).

Methodology

Quy trình nghiên cứu kết hợp phương pháp hỗn hợp (Mixed Methods):

  • Giai đoạn 1 (Định tính): Tổng quan tài liệu, tham vấn ý kiến chuyên gia ngân hàng tại MB Tân Phú để hiệu chỉnh 26 biến quan sát thang đo Likert (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Giai đoạn 2 (Định lượng): Khảo sát thực tế với kích thước mẫu xác định theo nguyên tắc Hair et al. ($N \ge 5 \times p = 5 \times 26 = 130$) và Green ($N \ge 50 + 8 \times 6 = 98$). Kích thước mẫu thực tế thu thập là $N = 251$ mẫu, đáp ứng yêu cầu phân tích thống kê.
# Pipeline phân tích thống kê định lượng trên môi trường Python/SPSS
import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def validate_and_fit_regression(dataset_path: str):
    """
    Quy trình kiểm định và ước lượng mô hình hồi quy đa biến
    Dữ liệu đầu vào: File chứa 26 biến quan sát Likert 5 mức độ
    """
    df = pd.read_excel(dataset_path)
    
    # Tính giá trị trung bình đại diện cho từng nhân tố
    df['HI'] = df[['HI1', 'HI2', 'HI3', 'HI4']].mean(axis=1)
    df['TT'] = df[['TT1', 'TT2', 'TT3', 'TT4']].mean(axis=1)
    df['SD'] = df[['SD1', 'SD2', 'SD3', 'SD4']].mean(axis=1)
    df['CP'] = df[['CP1', 'CP2', 'CP3']].mean(axis=1)
    df['RR'] = df[['RR1', 'RR2', 'RR3', 'RR4']].mean(axis=1)
    df['UT'] = df[['UT1', 'UT2', 'UT3', 'UT4']].mean(axis=1)
    df['QD'] = df[['QD1', 'QD2', 'QD3']].mean(axis=1)
    
    # Thiết lập ma trận biến độc lập X và biến phụ thuộc Y
    independent_vars = ['HI', 'TT', 'SD', 'CP', 'RR', 'UT']
    X = sm.add_constant(df[independent_vars])
    Y = df['QD']
    
    # Ước lượng OLS
    model = sm.OLS(Y, X).fit()
    
    # Kiểm định hiện tượng đa cộng tuyến qua chỉ số VIF
    vif_data = pd.DataFrame()
    vif_data["Feature"] = independent_vars
    vif_data["VIF"] = [variance_inflation_factor(df[independent_vars].values, i) 
                       for i in range(len(independent_vars))]
    
    return model.summary(), vif_data

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu được tiến hành qua 5 bước nghiêm ngặt trên phần mềm IBM SPSS Statistics 20.0:

Testing và validation

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

Tiêu chuẩn chấp nhận: Hệ số $\text{Cronbach's Alpha} \ge 0.70$, hệ số tương quan biến – tổng (Corrected Item-Total Correlation) $\ge 0.30$.

Thang đo / Nhân tố Số biến quan sát Cronbach's Alpha Hệ số tương quan biến - tổng nhỏ nhất Đánh giá
Cảm nhận sự hữu ích (HI) 4 0.842 0.621 (HI3) Đạt độ tin cậy rất tốt
Cảm nhận sự tin tưởng (TT) 4 0.816 0.589 (TT1) Đạt độ tin cậy tốt
Cảm nhận tính dễ sử dụng (SD) 4 0.798 0.542 (SD4) Đạt độ tin cậy tốt
Cảm nhận chi phí (CP) 3 0.785 0.563 (CP3) Đạt độ tin cậy tốt
Cảm nhận rủi ro (RR) 4 0.831 0.604 (RR2) Đạt độ tin cậy rất tốt
Uy tín của ngân hàng (UT) 4 0.854 0.648 (UT1) Đạt độ tin cậy rất tốt
Quyết định sử dụng (QĐ) 3 0.867 0.691 (QĐ2) Đạt độ tin cậy rất cao

Kết luận: Toàn bộ 26 biến quan sát thuộc 7 cấu trúc thang đo đều thỏa mãn điều kiện thống kê, không có biến nào bị loại khỏi mô hình.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập (23 chỉ báo):
    • Hệ số $\text{KMO} = 0.868$ (Thỏa mãn $0.5 < \text{KMO} < 1$).
    • Kiểm định Bartlett: $\chi^2 = 2845.62$, $\text{Sig.} = 0.000 < 0.05$ (Các biến quan sát có tương quan tuyến tính với nhau).
    • Trích xuất được 6 nhân tố tại $\text{Eigenvalue} = 1.215 > 1.0$.
    • Tổng phương sai trích (Cumulative %): 68.42% $> 50%$ (6 nhân tố giải thích được 68.42% độ biến thiên của dữ liệu).
    • Trọng số nhân tố (Factor Loading) của tất cả các biến đều lớn hơn $0.55$.
  • Biến phụ thuộc (3 chỉ báo):
    • $\text{KMO} = 0.724$, Bartlett's $\text{Sig.} = 0.000$, Tổng phương sai trích đạt 78.91% tại $\text{Eigenvalue} = 2.367$.

Kết quả đạt được

Kết quả hồi quy tuyến tính đa biến (Coefficients)

Mô hình hồi quy đạt hệ số xác định $R^2 = 0.642$, $R^2 \text{ điều chỉnh} = 0.633$ ($F = 72.84, \text{Sig.} = 0.000$), chứng minh rằng 6 nhân tố độc lập giải thích được 63.3% sự thay đổi trong quyết định sử dụng DVNHS của khách hàng tại MB Tân Phú.

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($\text{Sig.}$) Chỉ số VIF
Hằng số (Constant) 0.324 0.185 1.751 0.081
Hữu ích (HI) 0.285 0.042 0.312 6.785 0.000 1.342
Uy tín ngân hàng (UT) 0.231 0.038 0.254 6.078 0.000 1.285
Tin tưởng (TT) 0.198 0.041 0.218 4.829 0.000 1.412
Dễ sử dụng (SD) 0.162 0.039 0.176 4.153 0.000 1.298
Chi phí (CP) 0.125 0.035 0.134 3.571 0.000 1.187
Rủi ro (RR) -0.142 0.032 -0.158 -4.437 0.000 1.152

[!IMPORTANT] Phương trình hồi quy chuẩn hóa thực nghiệm: $$\text{QĐ} = 0.312 \cdot \text{HI} + 0.254 \cdot \text{UT} + 0.218 \cdot \text{TT} + 0.176 \cdot \text{SD} + 0.134 \cdot \text{CP} - 0.158 \cdot \text{RR}$$

Tất cả các biến đều có $\text{Sig.} < 0.001$ và hệ số $\text{VIF} < 1.5$ (không có hiện tượng đa cộng tuyến).

                      MỨC ĐỘ TÁC ĐỘNG CỦA CÁC YẾU TỐ (Hệ số Beta chuẩn hóa)
                      
   Cảm nhận sự hữu ích (HI)       ██████████████████████████████ 0.312
   Uy tín của ngân hàng (UT)      ████████████████████████ 0.254
   Cảm nhận sự tin tưởng (TT)     █████████████████████ 0.218
   Tính dễ sử dụng (SD)           █████████████████ 0.176
   Cảm nhận chi phí (CP)          █████████████ 0.134
   Cảm nhận rủi ro (RR)          -███████████████ -0.158

Đổi mới và đóng góp

  1. Chuẩn hóa thang đo TAM2 thích ứng cho địa bàn đô thị loại 1: Đề tài đã tích hợp thành công hai biến đặc thù "Uy tín ngân hàng" ($\beta = 0.254$) và "Cảm nhận rủi ro" ($\beta = -0.158$) vào mô hình TAM truyền thống, giúp tăng độ giải thích phương sai mô hình lên $63.3%$, cao hơn so với mô hình gốc của Davis (thường dao động quanh mức $40 - 50%$).
  2. Định lượng tác động thực tế của yếu tố Uy tín thương hiệu MB: Minh chứng khoa học cho thấy lợi thế thương hiệu trực thuộc Bộ Quốc phòng đóng góp vị trí thứ hai trong việc củng cố quyết định sử dụng của khách hàng cá nhân.
  3. Cung cấp cơ sở dữ liệu định lượng cho chi nhánh cấp cơ sở: Nghiên cứu không dừng lại ở mức khảo sát chung toàn ngành mà đi sâu vào một chi nhánh cụ thể (MB Tân Phú), cung cấp các tham số phục vụ trực tiếp cho hoạt động phân bổ ngân sách marketing và tối ưu kênh quầy (Counter-to-Digital migration).

Ứng dụng thực tế và triển khai

Lộ trình 4 giai đoạn tối ưu hóa dịch vụ số tại MB Tân Phú

       QUÝ 1/2024                   QUÝ 2/2024                   QUÝ 3/2024                   QUÝ 4/2024

                   KIẾN TRÚC TRIỂN KHAI GIẢI PHÁP TẠI CHI NHÁNH
                   
  1. Nâng cấp tính năng hữu ích (Tác động mạnh nhất $\beta = 0.312$):
    • Đẩy mạnh tiện ích thanh toán tự động hóa đơn điện, nước, học phí và liên kết sâu với các sàn thương mại điện tử.
    • Tối ưu hóa tính năng chuyển tiền đa phương thức qua mã VietQR và số điện thoại.
  2. Củng cố Uy tín và Niềm tin bảo mật ($\beta = 0.254$ và $\beta = 0.218$):
    • Triển khai xác thực sinh trắc học tích hợp chip NFC căn cước công dân (CCCD) gắn chip theo Quyết định 2345/QĐ-NHNN nhằm triệt tiêu hoàn toàn tài khoản rác/lừa đảo.
    • Truyền thông rộng rãi chứng chỉ bảo mật quốc tế PCI-DSS Level 1 mà MB Bank sở hữu.
  3. Đơn giản hóa giao diện người dùng ($\beta = 0.176$):
    • Bổ sung chế độ "Giao diện tinh giản" (Simple Mode) với kích thước chữ lớn, thao tác một chạm dành riêng cho khách hàng lớn tuổi.
    • Thiết lập "Trạm trải nghiệm số" (Digital Experience Zone) tại sảnh giao dịch MB Tân Phú với đội ngũ hỗ trợ trực tiếp.
  4. Kiểm soát rủi ro cảm nhận ($\beta = -0.158$):
    • Tự động phát hiện và cảnh báo các giao dịch chuyển tiền đến số tài khoản nằm trong danh sách đen lừa đảo của Hiệp hội An ninh mạng Quốc gia.
    • Cam kết đường dây nóng xử lý khiếu nại giao dịch số trong vòng tối đa 2 giờ làm việc.

Hạn chế và hướng phát triển

  • Giới hạn không gian địa lý: Mẫu khảo sát được thu thập cục bộ tại MB Tân Phú, chưa bao quát các vùng nông thôn hoặc các tỉnh thành có điều kiện hạ tầng công nghệ khác biệt.
  • Phương pháp lấy mẫu: Sử dụng mẫu thuận tiện kết hợp phân tầng ($N = 251$), cần mở rộng phương pháp chọn mẫu ngẫu nhiên hệ thống với cỡ mẫu $N \ge 1000$ trên toàn hệ thống MB.
  • Hướng nghiên cứu tiếp theo: Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để phân tích tác động gián tiếp của các biến trung gian như "Sự hài lòng", "Thói quen" và "Áp lực xã hội".

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp tài liệu tham khảo thực chứng hoàn chỉnh về phương pháp luận nghiên cứu kết hợp TAM2, Cronbach's Alpha, EFA và hồi quy đa biến OLS trong lĩnh vực Fintech.
  • Chuyên viên phân tích & Lập trình viên: Nắm bắt chính xác các yêu cầu phi chức năng (bảo mật, độ trễ, khả năng tương thích) và chỉ số hành vi người dùng để tối ưu hóa kiến trúc ứng dụng Mobile Banking.
  • Ban lãnh đạo Ngân hàng MB: Có cơ sở dữ liệu định lượng chính xác để điều chỉnh phân bổ ngân sách tiếp thị, ưu tiên nguồn lực nâng cấp hệ sinh thái số và giảm tải chi phí vận hành kênh truyền thống.

Câu hỏi thường gặp

1. Tại sao nhân tố "Cảm nhận sự hữu ích" lại có tác động mạnh nhất đến quyết định sử dụng?

Kết quả kiểm định hồi quy cho thấy $\beta = 0.312$ ($p < 0.001$). Khách hàng cá nhân chuyển đổi sang ngân hàng số xuất phát từ động lực tiết kiệm thời gian, giao dịch 24/7 và tiện ích đa dịch vụ thay vì phải chờ đợi tại quầy giao dịch truyền thống.

2. Yếu tố "Cảm nhận rủi ro" ảnh hưởng tiêu cực như thế nào đến tỷ lệ áp dụng?

Hệ số hồi quy $\beta = -0.158$ khẳng định khi mức độ cảm nhận rủi ro tăng lên 1 đơn vị, quyết định sử dụng DVNHS giảm 0.158 đơn vị. Khách hàng chủ yếu e ngại rủi ro đánh cắp thông tin tài khoản và trục trặc hệ thống khi chuyển khoản giá trị lớn.

3. MB Tân Phú cần làm gì để giải quyết bài toán giao diện cho nhóm khách hàng lớn tuổi?

Cần cấu hình phiên bản "Giao diện đơn giản" (Simple Mode) trên App MBBank với các nút chức năng cốt lõi (Chuyển tiền, Nạp tiền điện thoại, Thanh toán hóa đơn), tăng độ tương phản và tích hợp trợ lý ảo nhận lệnh bằng giọng nói tiếng Việt.

4. Chi phí dịch vụ có còn là rào cản lớn đối với khách hàng MBBank không?

Hệ số tác động của chi phí là $\beta = 0.134$ (thấp nhất trong các biến dương). Do MBBank đã triển khai chính sách miễn phí trọn đời (Zero Fee) cho các giao dịch chuyển tiền và duy trì tài khoản, khách hàng chuyển sự quan tâm sang yếu tố tiện ích và an toàn bảo mật.

5. Ý nghĩa thực tiễn của hệ số $R^2 \text{ điều chỉnh} = 0.633$ là gì?

Chỉ số này khẳng định 6 nhân tố trong mô hình giải thích được 63.3% sự biến thiên của Quyết định sử dụng DVNHS. Khoảng 36.7% còn lại phụ thuộc vào các yếu tố ngoại sinh khác như: thu nhập, độ tuổi, chiến dịch khuyến mại hoặc chất lượng đường truyền viễn thông.


Kết luận

Khóa luận tốt nghiệp của tác giả Trần Huỳnh Thanh Thanh đã hệ thống hóa toàn diện cơ sở lý thuyết và kiểm định thực chứng thành công mô hình các yếu tố ảnh hưởng đến quyết định sử dụng Dịch vụ Ngân hàng số của KHCN tại MB Bank – Chi nhánh Tân Phú. Bằng việc phân tích 251 mẫu khảo sát qua phần mềm SPSS 20.0, nghiên cứu đã xác lập mô hình 6 nhân tố có ý nghĩa thống kê cao: Cảm nhận sự hữu ích ($\beta = 0.312$), Uy tín ngân hàng ($\beta = 0.254$), Cảm nhận sự tin tưởng ($\beta = 0.218$), Tính dễ sử dụng ($\beta = 0.176$), Cảm nhận chi phí ($\beta = 0.134$) và Cảm nhận rủi ro ($\beta = -0.158$).

Kết quả nghiên cứu mang lại giá trị khoa học vững chắc và hàm ý quản trị thực tiễn sâu sắc, cung cấp bản kế hoạch hành động rõ ràng cho Ban Giám đốc MB Tân Phú trong việc nâng cao chất lượng dịch vụ số, củng cố hạ tầng an ninh thông tin, tối ưu trải nghiệm khách hàng và mở rộng thị phần ngân hàng số một cách bền vững trong kỷ nguyên kinh tế số.