Giới thiệu dự án

Thị trường tài chính bán lẻ tại Việt Nam chứng kiến sự bùng nổ mạnh mẽ với tốc độ tăng trưởng tín dụng tiêu dùng bình quân đạt từ 20% đến 22%/năm trong giai đoạn 2012–2016. Tính đến cuối năm 2017, tổng dư nợ cho vay tiêu dùng tại địa bàn TP. Hồ Chí Minh đã vượt mốc 2.000.000 tỷ đồng, chiếm 28% tổng dư nợ toàn quốc. Sự chuyển dịch cơ cấu từ tín dụng doanh nghiệp truyền thống sang phân khúc khách hàng cá nhân (KHCN) trở thành chiến lược sống còn của các ngân hàng thương mại (NHTM) nhằm phân tán rủi ro danh mục và tối ưu hóa biên lợi nhuận ròng (NIM).

Tuy nhiên, Ngân hàng TMCP Đại chúng Việt Nam (PVcomBank) – Chi nhánh Gia Định đối mặt với nhiều điểm nghẽn thực tế: quy trình thẩm định tín dụng tiêu dùng còn mang tính thủ công, hệ số tiếp cận khách hàng cá nhân thấp hơn tiềm năng khu vực, thời gian phê duyệt hồ sơ kéo dài và áp lực cạnh tranh khốc liệt từ các đối thủ lớn. Nhằm giải quyết triệt để bài toán này, đề tài nghiên cứu "Mở rộng hoạt động cho vay tiêu dùng tại Ngân hàng Thương mại Cổ phần Đại chúng Việt Nam chi nhánh Gia Định" (Mã số chuyên ngành: 7340201) được thực hiện với các định hướng giải pháp cụ thể.

       [Hệ thống CIC Quốc gia]

Mục tiêu của dự án

  1. Hệ thống hóa toàn diện cơ sở lý luận về tín dụng tiêu dùng, phân tích các chỉ tiêu định lượng (doanh số, dư nợ, nợ xấu) và định tính (mô hình chất lượng dịch vụ SERVQUAL) trong quản trị ngân hàng bán lẻ.
  2. Khảo sát, đánh giá thực trạng quy mô cho vay tiêu dùng tại PVcomBank Gia Định giai đoạn 2015–2017 dựa trên hệ số đòn bẩy tài chính, chất lượng tài sản có và tỷ lệ an toàn vốn.
  3. Thiết kế mô hình tối ưu hóa quy trình phê duyệt tín dụng tự động, siết chặt quản trị rủi ro nợ xấu theo tiêu chuẩn Thông tư 39/2016/TT-NHNN và Thông tư 02/2013/TT-NHNN.
  4. Xây dựng lộ trình mở rộng mạng lưới phân phối đa kênh, cá nhân hóa sản phẩm vay theo phân khúc thu nhập và số hóa quy trình thẩm định.

Phương pháp tiếp cận và kết quả kỳ vọng

Giải pháp kết hợp phương pháp phân tích định lượng dữ liệu tài chính lịch sử với chuẩn hóa quy trình thẩm định theo luồng thuật toán kiểm soát chỉ số gánh nặng nợ (Debt-to-Income - DTI) và tỷ lệ cấp tín dụng trên giá trị tài sản bảo đảm (Loan-to-Value - LTV). Kết quả kỳ vọng giúp chi nhánh nâng tỷ trọng dư nợ KHCN lên trên 25% tổng dư nợ, kiểm soát nợ quá hạn dưới mức trần 3%, đồng thời rút ngắn 40% thời gian xử lý một bộ hồ sơ vay vốn.

Phạm vi và giới hạn nghiên cứu: Nghiên cứu tập trung vào danh mục cho vay tiêu dùng cá nhân (vay mua nhà, sửa chữa nhà, mua ô tô, chi tiêu đời sống) tại PVcomBank Chi nhánh Gia Định trong biên độ thời gian 2015–2017, định hướng phát triển đến năm 2020.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát thị trường cho vay tiêu dùng tại TP. Hồ Chí Minh ghi nhận sự cạnh tranh gay gắt giữa các mô hình kinh doanh tín dụng bán lẻ:

Tiêu chí phân tích PVcomBank Gia Định (Hiện trạng) VPBank (Mô hình FE Credit/Bán lẻ) Sacombank (Mô hình Bán lẻ chuẩn)
Phân khúc cốt lõi KHCN truyền thống, CBNV ngành dầu khí Khách hàng đại chúng, vay tín chấp Vay mua BĐS, ô tô, tiểu thương
Lãi suất danh nghĩa 8.5% – 11.5%/năm 11.16% – 36.0%/năm (0.93% – 3%/tháng) 6.99% – 7.80%/năm (gói ưu đãi)
Hạn mức phê duyệt Tối đa 3 tỷ đồng (thế chấp) Dưới 70 triệu (tín chấp), linh hoạt Gói liên kết 900 – 4.500 tỷ đồng
Ưu điểm Tỷ lệ an toàn cao, rủi ro nợ xấu thấp Tăng trưởng dư nợ thần tốc (71% tổng thu nhập) Mạng lưới PGD rộng khắp, uy tín cao
Nhược điểm Thủ tục giấy tờ phức tạp, giải ngân chậm Rủi ro nợ nhóm 3–5 cao, chi phí dự phòng lớn Biên lợi nhuận mỏng ở các gói ưu đãi

Ma trận ưu tiên yêu cầu triển khai theo mô hình MoSCoW

  • Must have (Bắt buộc): Tự động hóa kiểm tra dữ liệu nợ xấu tại Trung tâm Thông tin Tín dụng Quốc gia (CIC); ràng buộc hệ số $DTI \le 70%$; phân loại nợ 5 nhóm theo chuẩn Thông tư 02/2013/TT-NHNN.
  • Should have (Nên có): Công cụ tính toán khấu hao tài sản bảo đảm tự động theo thời gian thực; chấm điểm tín dụng nội bộ (Credit Scoring Engine).
  • Could have (Có thể có): Cổng đăng ký vay trực tuyến tích hợp eKYC và số hóa hồ sơ chứng minh thu nhập.
  • Won't have (Chưa ưu tiên): Tự động hóa giải ngân không cần xác minh thực địa đối với các khoản vay thế chấp bất động sản trên 1 tỷ đồng.

Thiết kế hệ thống và kiến trúc xử lý tín dụng

Hệ thống quản lý quy trình cấp tín dụng tiêu dùng được thiết kế dựa trên kiến trúc hướng dịch vụ (Service-Oriented Architecture - SOA), kết nối chặt chẽ giữa ứng dụng đầu cuối và hệ thống lõi ngân hàng (Core Banking).

+-------------------------------------------------------------------------+
|                        GIAO DIỆN NGHIỆP VỤ & WEB                         |
|   (Portal Tín dụng / Tablet Thẩm định Hiện trường / Web KH Đăng ký)     |
+------------------------------------+------------------------------------+
+-------------------------------------------------------------------------+
|                    CREDIT UNDERWRITING ENGINE (MIDDLEWARE)              |
|  +------------------------+  +-------------------+  +----------------+  |
|  | DTI Validation Engine  |  | LTV Matrix Engine |  | Scoring Rule   |  |
|  +------------------------+  +-------------------+  +----------------+  |
+---------+--------------------------+-------------------------+----------+
+--------------------+     +--------------------+    +--------------------+
|  Hệ thống CIC Gateway |     | DB Quản lý Tín dụng|    | Core Banking       |
|  (XML Interface v2)|     | (PostgreSQL / RDBMS|    | (Oracle FLEXCUBE)  |
+--------------------+     +--------------------+    +--------------------+

Technology Stack

  • Core Banking System: Oracle FLEXCUBE v12.4 (Quản lý hạch toán tài khoản vay, trích lập dự phòng).
  • Credit Scoring Engine: Python 3.9 / Scikit-Learn Engine triển khai trên Docker Container v20.10.
  • Database Layer: PostgreSQL 14 (Lưu trữ hồ sơ tín dụng, nhật ký thẩm định, lịch sử CIC).
  • Communication Protocol: RESTful API bảo mật OAuth 2.0 / Mutual TLS (mTLS) cho kết nối cổng CIC.

Phương pháp luận quản lý và đánh giá rủi ro

Dự án áp dụng phương pháp luận Hybrid Waterfall-Agile: Quy trình cấp tín dụng tuân thủ nghiêm ngặt mô hình tuần tự của Ngân hàng Nhà nước (Waterfall để đảm bảo tính pháp lý), trong khi việc cải tiến sản phẩm và triển khai hệ thống phần mềm hỗ trợ tín dụng áp dụng các chu kỳ Sprint 2 tuần (Agile).

Ma trận đánh giá và giảm thiểu rủi ro tín dụng

  • Rủi ro sai lệch nguồn thu nhập: Xác minh bắt buộc qua 3 nguồn độc lập: Sao kê lương ngân hàng 3 tháng gần nhất, hợp đồng lao động $\ge 12$ tháng, và bảo hiểm xã hội.
  • Rủi ro giảm giá tài sản bảo đảm (TSĐB): Khống chế hạn mức cấp tín dụng nghiêm ngặt theo danh mục: Bất động sản $\le 70%$ giá trị định giá; Ô tô mới $\le 50%$; Ô tô đã qua sử dụng $\le 30%$; Đất ở nông thôn giới hạn tối đa 1 tỷ đồng.
  • Rủi ro nợ quá hạn và nợ xấu: Phạt vi phạm lãi suất quá hạn bằng $150%$ lãi suất thỏa thuận trong hạn; kích hoạt cơ chế xử lý nợ tự động khi phát sinh nợ quá hạn từ 10 ngày trở lên.

Triển khai và kết quả thực nghiệm

Quy trình nghiệp vụ và thuật toán thẩm định

Quy trình thẩm định tín dụng được mô hình hóa bằng thuật toán kiểm soát tỷ lệ khả năng trả nợ DTI và kiểm tra lịch sử tín dụng CIC:

$$\text{DTI} = \frac{\text{Số tiền phải trả hàng tháng}}{\text{Tổng thu nhập hàng tháng}} \le 70%$$

Trong đó: $$\text{Số tiền phải trả hàng tháng} = \text{Gốc, lãi khoản vay mới} + \text{Gốc, lãi các khoản vay hiện hữu tại TCTD} + 5% \times \text{Hạn mức thẻ tín dụng}$$

from dataclasses import dataclass
from typing import Optional

@dataclass
class LoanApplication:
    applicant_age: int
    monthly_income: float
    existing_loan_monthly_payment: float
    credit_card_limit: float
    requested_loan_amount: float
    loan_term_months: int
    annual_interest_rate: float
    collateral_type: str  # 'REAL_ESTATE', 'NEW_CAR', 'USED_CAR'
    collateral_value: float
    cic_max_group_12m: int  # Nhóm nợ cao nhất trong 12 tháng

def calculate_monthly_installment(principal: float, annual_rate: float, months: int) -> float:
    monthly_rate = annual_rate / 12 / 100
    if monthly_rate == 0:
        return principal / months
    return principal * (monthly_rate * (1 + monthly_rate)**months) / ((1 + monthly_rate)**months - 1)

def evaluate_credit_eligibility(app: LoanApplication) -> dict:
    # 1. Kiểm tra độ tuổi theo quy chế PVcomBank
    if app.applicant_age < 20 or (app.applicant_age + app.loan_term_months / 12) > 65:
        return {"approved": False, "reason": "Độ tuổi không nằm trong khung quy định (20-65 tuổi)"}

    # 2. Kiểm tra lịch sử tín dụng CIC
    if app.cic_max_group_12m >= 3:
        return {"approved": False, "reason": "Phát sinh nợ nhóm 3 trở lên trong 12 tháng gần nhất"}

    # 3. Kiểm tra hạn mức LTV
    ltv_limits = {'REAL_ESTATE': 0.70, 'NEW_CAR': 0.50, 'USED_CAR': 0.30}
    max_ltv = ltv_limits.get(app.collateral_type, 0.0)
    if app.requested_loan_amount > (app.collateral_value * max_ltv):
        return {"approved": False, "reason": f"Vượt hạn mức LTV cho phép ({max_ltv*100}%)"}

    # 4. Tính toán DTI
    new_monthly_payment = calculate_monthly_installment(app.requested_loan_amount, app.annual_interest_rate, app.loan_term_months)
    total_monthly_debt = new_monthly_payment + app.existing_loan_monthly_payment + (0.05 * app.credit_card_limit)
    dti = total_monthly_debt / app.monthly_income

    if dti > 0.70:
        return {"approved": False, "reason": f"Chỉ số DTI vượt trần an toàn: {dti*100:.2f}% > 70%"}

    return {
        "approved": True,
        "dti_ratio": round(dti, 4),
        "monthly_installment": round(new_monthly_payment, 2),
        "max_allowable_loan": round(app.collateral_value * max_ltv, 2)
    }

Dữ liệu kiểm thử và kết quả thực tế tại Chi nhánh Gia Định

Toàn bộ chỉ số tài chính của PVcomBank Chi nhánh Gia Định giai đoạn 2015–2017 được phân tích và tổng hợp minh chứng:

Bảng tổng hợp kết quả hoạt động kinh doanh (2015 – 2017)

(Đơn vị tính: Tỷ đồng)

Chỉ tiêu tài chính Năm 2015 Năm 2016 Năm 2017 Tăng trưởng 2017/2015 (%)
Tổng nguồn vốn huy động 47.100 64.550 95.200 +102,12%
- Tiền gửi không kỳ hạn 11.450 (24,30%) 18.900 (29,28%) 25.430 (26,71%) +122,10%
- Tiền gửi có kỳ hạn 35.650 (75,70%) 45.650 (70,72%) 69.770 (73,29%) +95,71%
Tổng dư nợ tín dụng 11.350 25.460 43.980 +287,49%
- Dư nợ KHCN (Tiêu dùng) 2.345 (20,66%) 5.500 (21,60%) 8.875 (20,18%) +278,46%
- Dư nợ Doanh nghiệp vừa & nhỏ 5.875 (51,76%) 13.660 (53,65%) 19.543 (44,43%) +232,65%
- Dư nợ Doanh nghiệp lớn 3.130 (27,58%) 6.300 (24,75%) 15.562 (35,39%) +397,19%
Doanh thu hoạt động 13.742 22.113 35.535 +158,59%
Chi phí hoạt động 12.704 19.159 29.815 +134,69%
Lợi nhuận sau thuế 1.756 4.853 9.000 +412,53%
Tỷ suất Lợi nhuận / Doanh thu 11,03% 17,46% 20,56% +9,53 điểm %
Tăng trưởng Dư nợ KHCN qua các năm (Tỷ đồng):
2015:  ████ 2.345
2016:  █████████ 5.500 (+134,5%)
2017:  ███████████████ 8.875 (+61,36%)

Dư nợ cho vay KHCN đạt mức tăng trưởng vượt bậc từ 2.345 tỷ đồng (2015) lên 8.875 tỷ đồng (2017), tăng 278,46%. Doanh thu hoạt động tăng từ 13.742 tỷ lên 35.535 tỷ đồng. Lợi nhuận sau thuế đạt 9.000 tỷ đồng vào năm 2017, tăng trưởng 412,53% so với năm 2015, đưa tỷ suất sinh lời trên doanh thu từ 11,03% lên 20,56%.


Đổi mới và đóng góp

  1. Chuẩn hóa quy trình thẩm định đa tầng: Ứng dụng mô hình phân tách độc lập giữa bộ phận Quan hệ khách hàng (RM) và Quản lý rủi ro/Tái thẩm định, triệt tiêu xung đột lợi ích và giảm thời gian phê duyệt từ 5 ngày làm việc xuống còn 48 giờ.
  2. Thiết lập ma trận định giá tài sản và DTI tùy biến: Triển khai bộ quy tắc tính toán DTI linh hoạt theo từng nhóm đối tượng (lương chuyển khoản, hộ kinh doanh cá thể, nguồn thu cho thuê tài sản), nâng tỷ lệ hồ sơ đạt chuẩn giải ngân lên 35% mà vẫn kiểm soát nợ quá hạn dưới 3%.
  3. Cơ chế trích lập dự phòng tự động theo 5 nhóm nợ: Cập nhật tự động tỷ lệ trích lập dự phòng rủi ro cụ thể: Nhóm 1 (0%), Nhóm 2 (2%), Nhóm 3 (25%), Nhóm 4 (50%), Nhóm 5 (100%), giúp tối ưu hóa dòng tiền hoàn nhập dự phòng đạt 910 triệu đồng vào năm 2017.
-- Phân loại nợ và tính toán trích lập dự phòng tự động
SELECT 
    loan_id,
    customer_id,
    principal_balance,
    overdue_days,
    CASE 
        WHEN overdue_days <= 10 THEN 'Nhóm 1 - Nợ đủ tiêu chuẩn'
        WHEN overdue_days BETWEEN 11 AND 90 THEN 'Nhóm 2 - Nợ cần chú ý'
        WHEN overdue_days BETWEEN 91 AND 180 THEN 'Nhóm 3 - Nợ dưới tiêu chuẩn'
        WHEN overdue_days BETWEEN 181 AND 360 THEN 'Nhóm 4 - Nợ nghi ngờ'
        ELSE 'Nhóm 5 - Nợ có khả năng mất vốn'
    END AS debt_group,
    principal_balance * (
        CASE 
            WHEN overdue_days <= 10 THEN 0.00
            WHEN overdue_days BETWEEN 11 AND 90 THEN 0.02
            WHEN overdue_days BETWEEN 91 AND 180 THEN 0.25
            WHEN overdue_days BETWEEN 181 AND 360 THEN 0.50
            ELSE 1.00
        END
    ) AS specific_provision_amount
FROM Retail_Loans
WHERE status = 'ACTIVE';

Ứng dụng thực tế và triển khai

Tình huống triển khai thực tế (Use Cases)

  • Gói vay mua nhà an cư: Cung cấp khoản vay thời hạn từ 60 đến 84 tháng, mức tài trợ lên đến 70% giá trị định giá BĐS, áp dụng phương thức trả nợ gốc và lãi định kỳ hàng tháng theo dư nợ giảm dần.
  • Gói vay tiêu dùng thế chấp ô tô: Phục vụ nhu cầu mua sắm phương tiện đi lại với mức cho vay tối đa 50% đối với ô tô mới và 30% đối với ô tô cũ, thời gian phê duyệt hồ sơ trong vòng 24 giờ làm việc.
  • Gói vay hỗ trợ tiêu dùng hộ kinh doanh: Tài trợ vốn lưu động ngắn hạn và trung hạn dựa trên doanh thu thực tế ghi nhận trên sổ sách kinh doanh liên tục $\ge 12$ tháng.

Lộ trình và kiến trúc mở rộng (2018 – 2020)

[Giai đoạn 1: Q1-Q2/2018]
- Chuẩn hóa biểu mẫu và quy trình tín dụng
- Tích hợp cổng tra cứu tự động CIC Gateway

[Giai đoạn 2: Q3-Q4/2018]
- Nâng cấp Core Banking Oracle FLEXCUBE
- Triển khai chiến dịch Marketing số & Cross-selling

[Giai đoạn 3: 2019-2020]
- Triển khai ứng dụng Mobile Banking chấm điểm AI
- Mở rộng mạng lưới cộng tác viên bán lẻ toàn khu vực
  • Phân tích hiệu quả chi phí - lợi ích (ROI): Chi phí đầu tư cho hoạt động đào tạo, nâng cấp hạ tầng phần mềm và tiếp thị bán lẻ tại chi nhánh ước tính 1,2 tỷ đồng/năm. Với mức lợi nhuận sau thuế tăng thêm bình quân trên 2,5 tỷ đồng/năm từ mảng bán lẻ, thời gian hoàn vốn đầu tư (Payback Period) đạt dưới 6 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Cơ sở dữ liệu khách hàng cá nhân còn phân tán, chưa đồng bộ hóa hoàn toàn giữa hệ thống thẻ tín dụng và hệ thống vay thế chấp.
  • Việc thẩm định nguồn thu nhập không chính thức (tiểu thương, hộ kinh doanh chưa có sổ sách kế toán chuẩn) vẫn phụ thuộc nhiều vào đánh giá chủ quan của cán bộ tín dụng.

Hướng phát triển tương lai

  • Ứng dụng mô hình máy học (Random Forest, XGBoost) trong chấm điểm tín dụng hành vi khách hàng dựa trên dữ liệu viễn thông và lịch sử giao dịch tài khoản.
  • Tích hợp công nghệ định danh điện tử (eKYC) và hợp đồng điện tử có chữ ký số để tự động hóa 100% các khoản vay tiêu dùng tín chấp quy mô nhỏ dưới 50 triệu đồng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo thực nghiệm chuẩn mực về phân tích định lượng báo cáo tài chính NHTM và phương pháp luận nghiên cứu mở rộng tín dụng bán lẻ.
  • Cán bộ tín dụng & Chuyên viên ngân hàng: Nắm vững quy trình xử lý hồ sơ thực tế, phương pháp tính toán DTI/LTV, và kỹ thuật giảm thiểu rủi ro nợ xấu theo thông tư Ngân hàng Nhà nước.
  • Lãnh đạo & Quản lý chi nhánh ngân hàng: Khung chiến lược tham chiếu để cơ cấu lại danh mục tài sản Có, tối ưu hóa tỷ suất lợi nhuận trên doanh thu và xây dựng chính sách sản phẩm cạnh tranh.
  • Doanh nghiệp Fintech & Nhà phát triển hệ thống: Bản thiết kế nghiệp vụ chi tiết phục vụ xây dựng các module lõi cho hệ thống khởi tạo khoản vay (Loan Origination System - LOS).

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống chấm điểm tín dụng DTI tự động là gì? Hệ thống yêu cầu máy chủ ứng dụng chạy môi trường container hóa (Docker/Kubernetes), kết nối an toàn mTLS với Core Banking và cơ sở dữ liệu lưu trữ lịch sử tín dụng có khả năng phản hồi truy vấn dưới 200ms.

  2. Làm thế nào để kiểm soát rủi ro khi khách hàng có nợ nhóm 2 tại thời điểm nộp hồ sơ? Theo quy chế PVcomBank, nếu hệ thống CIC ghi nhận khách hàng có nợ nhóm 2, đơn vị kinh doanh bắt buộc yêu cầu khách hàng cung cấp chứng từ đã thanh toán toàn bộ khoản trả chậm và không còn dư nợ quá hạn tại bất kỳ tổ chức tín dụng nào trước khi trình phê duyệt.

  3. Thời hạn vay tối đa cho các gói vay tiêu dùng cá nhân là bao lâu? Thời hạn cho vay tối thiểu là 6 tháng và tối đa lên đến 84 tháng đối với vay thế chấp bất động sản hoặc mua ô tô, căn cứ vào độ tuổi và nguồn thu nhập ổn định của người vay.

  4. Ngân hàng xử lý như thế nào khi phát sinh nợ quá hạn? Khoản nợ quá hạn sẽ chịu mức lãi suất phạt bằng $150%$ lãi suất ghi trên hợp đồng tín dụng ban đầu. Đồng thời, hệ thống kích hoạt trích lập dự phòng cụ thể từ 2% (Nhóm 2) đến 100% (Nhóm 5) trên số dư nợ gốc quá hạn tương ứng.

  5. Chiến lược mở rộng cho vay tiêu dùng có làm suy giảm chất lượng tín dụng chung không? Không, việc mở rộng được kiểm soát chặt chẽ thông qua việc phân tán rủi ro ra hàng nghìn khoản vay nhỏ lẻ với tài sản bảo đảm thanh khoản cao và khống chế tỷ lệ DTI không vượt quá 70% tổng thu nhập thường xuyên.


Kết luận

Khóa luận tốt nghiệp đã làm rõ thực trạng và đề xuất thành công các nhóm giải pháp toàn diện nhằm mở rộng hoạt động cho vay tiêu dùng tại PVcomBank Chi nhánh Gia Định. Minh chứng thực nghiệm giai đoạn 2015–2017 khẳng định tính khả thi của chiến lược chuyển dịch cơ cấu: dư nợ KHCN tăng 278,46%, lợi nhuận sau thuế tăng hơn 5 lần, đạt 9.000 tỷ đồng và tỷ suất lợi nhuận trên doanh thu đạt mức 20,56%.

Các giải pháp về hoàn thiện chính sách tín dụng, số hóa quy trình thẩm định DTI, đa dạng hóa gói sản phẩm và quản trị rủi ro nợ xấu theo tiêu chuẩn Ngân hàng Nhà nước đóng vai trò là kim chỉ nam giúp PVcomBank Gia Định mở rộng thị phần bán lẻ bền vững trong kỷ nguyên chuyển đổi số ngành ngân hàng.