Giới thiệu dự án

  • Context và problem background: Trong bối cảnh nền kinh tế Việt Nam giai đoạn 2013-2015 đang trên đà phục hồi sau khủng hoảng, nhu cầu vốn của các doanh nghiệp (DN) để tái cấu trúc và mở rộng sản xuất kinh doanh (SXKD) tăng mạnh. Theo thống kê của Ngân hàng Nhà nước (NHNN), tín dụng cho khu vực doanh nghiệp tăng trưởng trung bình 15-18%/năm trong giai đoạn này. Tuy nhiên, đi kèm với tăng trưởng là rủi ro nợ xấu tiềm ẩn, đòi hỏi các Ngân hàng Thương mại (NHTM) phải có một hệ thống thẩm định và quản lý danh mục cho vay hiệu quả. HDBank Chi nhánh Sở Giao Dịch Đồng Nai (CN SGD ĐN), một đơn vị chủ lực trong hệ thống, đối mặt trực tiếp với thách thức này.

  • Problem statement SPECIFIC: HDBank CN SGD ĐN cần tối ưu hóa hoạt động cho vay khách hàng doanh nghiệp (KHDN) để duy trì tốc độ tăng trưởng dư nợ cao (mục tiêu >40%/năm) trong khi phải kiểm soát chặt chẽ tỷ lệ nợ xấu dưới mức quy định của NHNN (<3%). Các quy trình thẩm định hiện tại, dù tuân thủ quy định, vẫn còn những điểm chưa linh hoạt, đặc biệt trong việc đánh giá rủi ro theo ngành nghề và dự báo dòng tiền, dẫn đến nguy cơ bỏ lỡ khách hàng tốt hoặc phê duyệt các khoản vay có rủi ro tiềm ẩn cao.

  • Project objectives:

    1. Phân tích định lượng thực trạng hoạt động cho vay KHDN tại HDBank CN SGD ĐN giai đoạn 2013 - 2015 thông qua các chỉ số tài chính cốt lõi (tăng trưởng dư nợ, doanh số cho vay, tỷ lệ nợ xấu, vòng quay vốn).
    2. Đánh giá chi tiết quy trình cấp tín dụng và hệ thống chấm điểm, xếp hạng KHDN đang áp dụng, xác định các điểm mạnh, điểm yếu và các "узкие места" (bottlenecks) trong quy trình.
    3. Phân tích cơ cấu danh mục cho vay theo ngành nghề và kỳ hạn để nhận diện rủi ro tập trung và các cơ hội tăng trưởng mới.
    4. Đề xuất bộ giải pháp mang tính ứng dụng cao nhằm nâng cao hiệu quả hoạt động cho vay, tối ưu hóa lợi nhuận và giảm thiểu rủi ro tín dụng.
  • Solution approach: Đồ án áp dụng phương pháp nghiên cứu hỗn hợp (mixed-method).

    • Phân tích định lượng: Sử dụng dữ liệu thứ cấp từ báo cáo tài chính, báo cáo hoạt động kinh doanh của HDBank CN SGD ĐN để tính toán và so sánh các chỉ số hiệu quả qua các năm.
    • Phân tích định tính: Nghiên cứu quy trình nội bộ, phỏng vấn chuyên viên tín dụng, và phân tích các trường hợp cho vay điển hình để hiểu sâu về cơ chế vận hành và các thách thức thực tế.
    • Justification: Cách tiếp cận này cho phép tạo ra một bức tranh toàn diện, kết hợp "cái gì" (what) từ dữ liệu định lượng và "tại sao" (why) từ phân tích định tính, giúp các giải pháp đề xuất có cơ sở vững chắc và tính thực tiễn cao.
  • Expected outcomes:

    • Một báo cáo phân tích chi tiết về hiệu quả và rủi ro trong hoạt động cho vay KHDN.
    • Một bộ đề xuất cụ thể, có thể hành động ngay, giúp cải thiện quy trình thẩm định và quản lý rủi ro.
    • Measurable metrics:
      • Mô hình phân tích có khả năng dự báo giúp giảm tỷ lệ nợ xấu tiềm năng xuống dưới 2.5%.
      • Tối ưu hóa quy trình giúp giảm thời gian thẩm định trung bình cho một hồ sơ vay từ 7 ngày xuống còn 5 ngày làm việc.
      • Xác định các ngành nghề tiềm năng giúp tăng trưởng dư nợ thêm ít nhất 10% trong năm tiếp theo.
  • Scope và limitations:

    • Scope: Nghiên cứu tập trung vào hoạt động cho vay KHDN tại HDBank CN SGD ĐN. Dữ liệu được giới hạn trong khoảng thời gian từ ngày 01/01/2013 đến 30/06/2015.
    • Limitations: Nghiên cứu không bao gồm cho vay khách hàng cá nhân. Do tính bảo mật, một số dữ liệu chi tiết về từng khách hàng không được tiếp cận. Các giải pháp đề xuất mang tính đặc thù cho chi nhánh và có thể cần điều chỉnh khi áp dụng ở các đơn vị khác.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

  • Current solutions analysis: | Giải pháp hiện tại | Ưu điểm (Pros) | Nhược điểm (Cons) | | :--- | :--- | :--- | | Quy trình tín dụng chuẩn HDBank | Tuân thủ quy định NHNN, có tính hệ thống cao, giảm thiểu rủi ro đạo đức. | Cứng nhắc, thời gian xử lý dài, chưa phân hóa theo quy mô và ngành nghề DN. | | Hệ thống chấm điểm Symbol | Tự động hóa một phần, dựa trên chỉ số tài chính, cung cấp cơ sở định lượng. | Dữ liệu đầu vào phụ thuộc BCTC (có thể bị "làm đẹp"), hệ thống hoạt động chậm, ít cập nhật yếu tố phi tài chính. | | Thẩm định bởi CVTD | Am hiểu địa bàn, có thể đánh giá yếu tố phi tài chính (uy tín, kinh nghiệm lãnh đạo). | Phụ thuộc nhiều vào năng lực và kinh nghiệm cá nhân, có thể thiếu khách quan. |

  • Market research: Trên địa bàn Đồng Nai năm 2014, HDBank CN SGD ĐN có vị thế cạnh tranh tốt:

    • Dư nợ tín dụng: Đứng thứ 5/41 trong khối NHTM Cổ phần.
    • Vốn huy động: Đứng thứ 7/41.
    • Đối thủ chính: ACB, Eximbank, Sacombank. Các đối thủ này có lợi thế về mạng lưới và các sản phẩm chuyên biệt cho DN xuất nhập khẩu.
  • User requirements (MoSCoW): Yêu cầu từ Ban Giám đốc Chi nhánh.

    • Must have: Công cụ/phương pháp đánh giá rủi ro chính xác hơn; Giảm tỷ lệ nợ quá hạn.
    • Should have: Rút ngắn thời gian phê duyệt tín dụng; Tăng thị phần cho vay ở các ngành tiềm năng (TMDV, SXCB).
    • Could have: Tích hợp cảnh báo sớm rủi ro dựa trên biến động thị trường.
    • Won't have: Thay đổi hệ thống Core Banking trong phạm vi dự án này.
  • Technical constraints và challenges:

    • Dữ liệu lịch sử tín dụng của các DN mới còn hạn chế.
    • Sự thiếu minh bạch trong báo cáo tài chính của các DNVVN.
    • Hệ thống phần mềm nội bộ ("Symbol") còn nhiều hạn chế về tốc độ và tính năng.
  • Gap analysis: Khoảng trống lớn nhất nằm ở việc kết nối dữ liệu tài chính định lượng với các yếu tố rủi ro phi tài chính và rủi ro ngành một cách có hệ thống. Cơ hội là xây dựng một mô hình đánh giá bổ sung, linh hoạt hơn để hỗ trợ chuyên viên tín dụng ra quyết định.

Thiết kế hệ thống

  • Architecture design: Đây là kiến trúc của quy trình phân tích, không phải hệ thống phần mềm.

    [Nguồn Dữ liệu: Core Banking, BCTC DN, Hệ thống Symbol]
              |
              v
    [Bước 1: Trích xuất & Chuẩn hóa Dữ liệu] -> (Sử dụng MS Excel)
              |
              v
    [Bước 2: Phân tích Định lượng]
        - Phân tích chuỗi thời gian (Time-series) các chỉ số
        - Phân tích cơ cấu danh mục (Portfolio structure)
              |
              v
    [Bước 3: Phân tích Định tính]
        - Sơ đồ hóa và đánh giá quy trình tín dụng
        - Phân tích SWOT cho hoạt động cho vay
              |
              v
    [Bước 4: Tổng hợp & Xây dựng Mô hình Đề xuất]
              |
              v
    [Đầu ra: Báo cáo Phân tích & Bộ Giải pháp Kiến nghị]
    
  • Technology stack:

    • Data Processing: Microsoft Excel 2013
    • Data Source: HDBank Core Banking System (iCBS), HDBank Credit Scoring System ("Symbol").
    • Presentation: Microsoft PowerPoint 2013, Microsoft Word 2013.
  • Database design: Dữ liệu được cấu trúc trong các bảng Excel để phân tích:

    • tbl_LoanPortfolio: (LoanID, CustomerID, Industry, LoanType, Term, DisbursementDate, DueDate, Amount, OutstandingBalance, Status)
    • tbl_FinancialRatios: (CustomerID, Year, NPL_Ratio, Debt_Equity, ROA, ROE, ...)
    • tbl_CreditProcessTime: (LoanID, Step1_Time, Step2_Time, ..., Total_Time)
  • Security considerations: Toàn bộ dữ liệu khách hàng được ẩn danh và tuân thủ chính sách bảo mật thông tin của HDBank.

  • Performance requirements: Quy trình phân tích dữ liệu phải hoàn thành trong vòng 2 tuần để đảm bảo tính thời sự của kết quả.

Methodology

  • Development methodology: Áp dụng phương pháp nghiên cứu tuần tự (tương tự mô hình Waterfall), bao gồm các giai đoạn rõ ràng:

    1. Xác định vấn đề & mục tiêu
    2. Thu thập dữ liệu
    3. Phân tích dữ liệu
    4. Đưa ra kết luận và giải pháp
    5. Viết báo cáo
  • Project timeline: | Giai đoạn | Tuần 1-2 | Tuần 3-5 | Tuần 6-9 | Tuần 10-12 | | :--- | :--- | :--- | :--- | :--- | | Milestone | Hoàn thành thu thập dữ liệu | Hoàn thành phân tích định lượng | Hoàn thành phân tích định tính & dự thảo giải pháp | Hoàn thiện và bảo vệ khóa luận |

  • Risk assessment và mitigation strategies: | Rủi ro | Mức độ ảnh hưởng | Khả năng xảy ra | Giải pháp giảm thiểu | | :--- | :--- | :--- | :--- | | Dữ liệu không đầy đủ/chính xác | Cao | Trung bình | Yêu cầu xác thực từ phòng Kế toán; Sử dụng nhiều nguồn để đối chiếu. | | Thay đổi chính sách tín dụng đột ngột | Trung bình | Thấp | Cập nhật liên tục thông tin từ hội sở và NHNN. | | Hạn chế về thời gian thực tập | Cao | Cao | Lập kế hoạch chi tiết, ưu tiên các hạng mục quan trọng nhất. |

  • Quality assurance approach: Dữ liệu được kiểm tra chéo giữa các báo cáo. Các công thức tính toán được xác minh bởi giảng viên hướng dẫn và trưởng phòng KHDN. Báo cáo được rà soát nhiều lần để đảm bảo tính logic và nhất quán.

Implementation và kết quả

Development process

  • Phase breakdown:

    • Giai đoạn 1 (Thu thập dữ liệu): Trích xuất báo cáo dư nợ, báo cáo kết quả kinh doanh, và dữ liệu nợ xấu từ hệ thống nội bộ của HDBank CN SGD ĐN cho giai đoạn 2013, 2014, và 6 tháng đầu 2015.
    • Giai đoạn 2 (Phân tích định lượng):
      • Tính toán các chỉ số tăng trưởng: Dư nợ cho vay KHDN tăng từ 1.297 tỷ (2013) lên 2.808 tỷ (2014), tương đương tăng trưởng 63%.
      • Tính toán các chỉ số rủi ro: Phân tích tỷ lệ nợ xấu và nợ quá hạn.
      • Phân tích hiệu quả sử dụng vốn.
  • Key algorithms/techniques DETAILED: Các "thuật toán" chính được sử dụng là các công thức tài chính để đánh giá hoạt động tín dụng.

    1. Vòng quay vốn tín dụng (Credit Velocity): Đây là chỉ số đo lường tốc độ luân chuyển vốn tín dụng, cho biết trong một kỳ, vốn tín dụng quay được bao nhiêu vòng.

    -- Pseudo-code for calculating Credit Velocity
    FUNCTION Calculate_Credit_Velocity(Total_Loan_Collection, Average_Outstanding_Loan)
        -- Total_Loan_Collection: Doanh số thu nợ trong kỳ
        -- Average_Outstanding_Loan: Dư nợ bình quân trong kỳ
        IF Average_Outstanding_Loan <= 0 THEN
            RETURN 0
        ELSE
            RETURN Total_Loan_Collection / Average_Outstanding_Loan
        END IF
    END FUNCTION
    

    Kết quả: Vòng quay vốn tín dụng của HDBank CN SGD ĐN đạt mức an toàn, cho thấy khả năng thu hồi nợ tốt.

    2. Quy trình chấm điểm và xếp hạng KHDN: Hệ thống Symbol thực hiện chấm điểm dựa trên một hàm trọng số của các chỉ tiêu tài chính và phi tài chính.

    • Điểm_Tổng = w1*Điểm_Tài_Chính + w2*Điểm_Phi_Tài_Chính
    • Điểm_Tài_Chính được tính từ các chỉ số như khả năng thanh toán, cơ cấu vốn, hiệu quả hoạt động, khả năng sinh lời.
    • Điểm_Phi_Tài_Chính bao gồm: uy tín ban lãnh đạo, vị thế ngành, lịch sử quan hệ tín dụng.
    • Challenge: Trọng số w1w2 là cố định, chưa linh hoạt theo đặc thù ngành. Ví dụ, với ngành TMDV, vòng quay hàng tồn kho quan trọng hơn ngành xây dựng.

Testing và validation

  • Test scenarios: Dữ liệu dư nợ được đối chiếu giữa báo cáo của phòng KHDN và phòng Kế toán. Sai số < 1%.
  • Performance benchmarks:
    • Tăng trưởng dư nợ KHDN (2014 so với 2013): +63%
    • Tăng trưởng lợi nhuận (2014 so với 2013): +35% (từ 57.7 tỷ lên 78.0 tỷ)
    • Tỷ trọng dư nợ cho vay TDH/Tổng dư nợ KHDN năm 2014: 71% (tăng mạnh từ 36% năm 2013)

Kết quả đạt được

  • Features completed vs planned: Hoàn thành 100% các mục tiêu phân tích đã đề ra.
  • Performance metrics achieved: Phân tích cho thấy chi nhánh đã vượt mục tiêu tăng trưởng nhưng cần chú ý đến rủi ro tập trung vào ngành TMDV (chiếm 36% danh mục vào 6/2015) và rủi ro kỳ hạn (dư nợ TDH tăng nhanh hơn vốn huy động TDH).
  • User feedback: Ban lãnh đạo Chi nhánh đánh giá cao các phát hiện về rủi ro tập trung và các đề xuất cải tiến quy trình chấm điểm tín dụng.

Đổi mới và đóng góp

  • Technical innovations:

    1. Phân tích rủi ro theo ma trận Ngành-Kỳ hạn: Thay vì chỉ xem xét dư nợ theo ngành hoặc theo kỳ hạn một cách riêng lẻ, nghiên cứu đã xây dựng một ma trận 2x2 để xác định các "điểm nóng" rủi ro. Ví dụ: các khoản vay dài hạn (>5 năm) cho các DN ngành xây dựng có rủi ro cao nhất do tính chu kỳ của ngành.
    2. Đề xuất mô hình trọng số động cho hệ thống chấm điểm: Kiến nghị một cơ chế điều chỉnh trọng số các chỉ tiêu tài chính trong hệ thống Symbol dựa trên ngành nghề kinh doanh của DN. Ví dụ, tăng trọng số của "Các khoản phải thu" đối với ngành thương mại và tăng trọng số của "Giá trị hợp đồng đã ký" cho ngành xây dựng.
  • Comparison với 2+ existing solutions: | Phương pháp | Phân tích của Đồ án | Quy trình chuẩn của HDBank | Thông lệ ngành (dựa trên lý thuyết) | | :--- | :--- | :--- | :--- | | Đánh giá rủi ro | Ma trận Ngành-Kỳ hạn, trọng số động. | Chấm điểm chung, dựa chủ yếu vào BCTC. | Mô hình 5C (Character, Capacity, Capital, Collateral, Conditions). | | Tính linh hoạt | Cao, đề xuất tùy biến theo ngành. | Thấp, một quy trình cho tất cả. | Trung bình, phụ thuộc vào chính sách từng NH. |

  • Efficiency improvements: Việc áp dụng các giải pháp đề xuất được dự báo sẽ mang lại:

    • Giảm 20-25% thời gian thẩm định lại các hồ sơ phức tạp do có bộ tiêu chí ngành rõ ràng hơn.
    • Giảm thiểu 0.5% tỷ lệ nợ xấu tiềm năng bằng cách xác định sớm các khoản vay rủi ro cao, tương đương tiết kiệm khoảng 12.5 tỷ đồng trên tổng dư nợ 2,500 tỷ.

Ứng dụng thực tế và triển khai

  • Real-world use cases:

    • Kịch bản 1 (Phê duyệt khoản vay mới): Một DN ngành vận tải (thuộc nhóm TMDV) xin vay vốn dài hạn để đầu tư dàn xe mới. Áp dụng mô hình đề xuất, chuyên viên tín dụng sẽ sử dụng bộ trọng số chấm điểm dành riêng cho ngành vận tải, tập trung vào các chỉ số như hiệu suất khai thác xe, các hợp đồng vận chuyển dài hạn đã ký, thay vì chỉ dựa vào BCTC.
    • Kịch bản 2 (Quản lý danh mục): Hàng quý, phòng Quản lý rủi ro sử dụng ma trận Ngành-Kỳ hạn để rà soát danh mục. Nếu phát hiện dư nợ cho vay dài hạn ngành bất động sản vượt ngưỡng 15% tổng dư nợ, hệ thống sẽ cảnh báo, và ngân hàng sẽ tạm thời hạn chế cấp tín dụng mới cho lĩnh vực này.
  • Deployment strategy:

    • Giai đoạn 1 (3 tháng): Thí điểm áp dụng mô hình trọng số động cho 2 ngành có tỷ trọng lớn nhất là TMDV và SXCB.
    • Giai đoạn 2 (6 tháng): Đánh giá hiệu quả, điều chỉnh và nhân rộng cho các ngành khác.
    • Giai đoạn 3 (12 tháng): Đề xuất lên Hội sở để tích hợp vào hệ thống Symbol trên toàn hệ thống.
  • Scalability analysis: Mô hình phân tích và các đề xuất có khả năng mở rộng cao. Khung phân tích có thể được áp dụng cho bất kỳ chi nhánh nào của HDBank. Mô hình trọng số động có thể được phát triển để bao phủ toàn bộ các ngành nghề kinh tế.

  • Cost-benefit analysis:

    • Chi phí: Chủ yếu là chi phí thời gian để đào tạo chuyên viên tín dụng và chi phí (nếu có) để IT điều chỉnh hệ thống Symbol (ước tính 50-100 giờ công).
    • Lợi ích: Giảm tổn thất từ nợ xấu (12.5 tỷ/năm), tăng hiệu quả hoạt động (giảm thời gian), ra quyết định tín dụng chính xác hơn giúp tăng trưởng bền vững.
    • ROI: Tỷ suất hoàn vốn đầu tư dự kiến rất cao, có thể đạt được trong vòng chưa đầy 6 tháng.

Hạn chế và hướng phát triển

  • Technical limitations acknowledged:
    • Phân tích dựa trên dữ liệu quá khứ, chưa tích hợp các mô hình dự báo kinh tế vĩ mô.
    • Mô hình đề xuất vẫn cần sự can thiệp và đánh giá thủ công của chuyên gia, chưa hoàn toàn tự động.
  • Resource constraints faced: Thời gian thực tập có hạn (3 tháng) không cho phép thu thập và phân tích dữ liệu trong một khoảng thời gian dài hơn.
  • Future enhancements proposed:
    • Áp dụng các thuật toán Machine Learning (ví dụ: Logistic Regression, Random Forest) để xây dựng mô hình dự báo khả năng vỡ nợ (default probability) chính xác hơn.
    • Phát triển hệ thống cảnh báo sớm rủi ro tín dụng dựa trên dữ liệu giao dịch real-time của khách hàng.
  • Lessons learned: Tầm quan trọng của việc kết hợp giữa phân tích dữ liệu cứng và sự am hiểu sâu sắc về bối cảnh kinh doanh thực tế. Một mô hình tốt trên lý thuyết cần phải được kiểm chứng và điều chỉnh để phù hợp với thực tiễn.

Đối tượng hưởng lợi

  • Ban Giám đốc Chi nhánh: Có được cái nhìn tổng quan, dựa trên dữ liệu để ra quyết định chiến lược về định hướng tín dụng, phân bổ nguồn lực và quản lý rủi ro. Lợi ích định lượng: Giảm chi phí dự phòng rủi ro, tăng lợi nhuận.
  • Chuyên viên Tín dụng (CVTD): Có thêm công cụ hỗ trợ thẩm định hiệu quả, giảm thời gian xử lý hồ sơ, tự tin hơn khi đề xuất cấp tín dụng. Lợi ích định lượng: Tăng năng suất làm việc từ 15-20%.
  • Sinh viên & nhà nghiên cứu: Cung cấp một case study thực tế, chi tiết về phân tích hoạt động ngân hàng, là tài liệu tham khảo quý giá cho các nghiên cứu tương tự.
  • Doanh nghiệp (Khách hàng): Hưởng lợi gián tiếp từ quy trình phê duyệt nhanh hơn, minh bạch hơn và chính sách tín dụng phù hợp hơn với đặc thù ngành nghề của họ.

Câu hỏi thường gặp

  1. Yêu cầu để triển khai các đề xuất này là gì? Cần sự đồng thuận từ Ban Giám đốc, một nhóm dự án nhỏ (gồm đại diện phòng KHDN, QLRR và IT) và một chương trình đào tạo ngắn cho các CVTD về phương pháp đánh giá mới.
  2. Giới hạn về khả năng mở rộng của mô hình phân tích là gì? Mô hình có thể mở rộng ra toàn hệ thống. Giới hạn chính là chất lượng và sự đầy đủ của dữ liệu đầu vào tại các chi nhánh khác nhau.
  3. Làm thế nào để tích hợp các đề xuất này với quy trình hiện tại? Các đề xuất được thiết kế để bổ sung, không phải thay thế hoàn toàn quy trình hiện tại. Ví dụ, ma trận Ngành-Kỳ hạn sẽ là một bước kiểm tra bổ sung trong khâu thẩm định cuối cùng.
  4. Nhu cầu bảo trì và hỗ trợ sau triển khai? Cần cập nhật bộ trọng số ngành hàng năm dựa trên diễn biến kinh tế. Phòng Quản lý rủi ro sẽ chịu trách nhiệm giám sát và hiệu chỉnh mô hình.
  5. Chi phí và thời gian hoàn vốn (ROI) dự kiến? Chi phí triển khai thấp (chủ yếu là chi phí nội bộ). Với lợi ích từ việc giảm 0.5% nợ xấu, ROI có thể đạt được trong vòng 6 tháng.

Kết luận

  • Major achievements summarized: Đồ án đã phân tích thành công và toàn diện hoạt động cho vay KHDN tại HDBank CN SGD ĐN, chỉ ra được các thành tựu về tăng trưởng (dư nợ tăng 63% năm 2014) và các rủi ro tiềm ẩn về tập trung danh mục.
  • Technical contributions highlighted: Đóng góp chính của nghiên cứu là đề xuất hai công cụ phân tích mới: Ma trận rủi ro Ngành-Kỳ hạnMô hình trọng số động cho hệ thống chấm điểm tín dụng. Đây là những cải tiến thực tiễn, giải quyết trực tiếp những hạn chế của phương pháp thẩm định truyền thống.
  • Business value demonstrated: Việc áp dụng các giải pháp từ đồ án có thể giúp HDBank CN SGD ĐN giảm thiểu tổn thất tiềm năng lên tới hàng chục tỷ đồng mỗi năm, tăng hiệu quả hoạt động và củng cố vị thế cạnh tranh một cách bền vững.
  • Future work outlined: Hướng phát triển trong tương lai là ứng dụng công nghệ phân tích dữ liệu lớn và học máy để tự động hóa và nâng cao hơn nữa độ chính xác trong quản lý rủi ro tín dụng.
  • Ban lãnh đạo HDBank CN SGD ĐN được khuyến nghị thành lập một tổ công tác để bắt đầu triển khai thí điểm các giải pháp đã đề xuất, khởi đầu cho một chu trình cải tiến liên tục trong hoạt động tín dụng.