Giới thiệu dự án

Thị trường tài chính bán lẻ tại Việt Nam đang chứng kiến tốc độ tăng trưởng tín dụng tiêu dùng bình quân 15–20%/năm. Sự gia tăng cạnh tranh giữa hơn 20 ngân hàng thương mại (NHTM) và trên 100 chi nhánh/phòng giao dịch (PGD) trên địa bàn tỉnh Thừa Thiên Huế đặt ra thách thức sống còn về việc nâng cao chất lượng dịch vụ (CLDV) nhằm thu hút và giữ chân khách hàng cá nhân (KHCN).

Nghiên cứu tập trung giải quyết các điểm nghẽn thực tế trong hoạt động cấp tín dụng tiêu dùng tại Ngân hàng TMCP Á Châu (ACB) – PGD An Cựu (Chi nhánh Huế), bao gồm: thời gian chờ đợi xử lý hồ sơ tại quầy, quy trình định giá tài sản đảm bảo (TSĐB), độ trễ trong phối hợp giữa các hệ thống phần mềm nghiệp vụ, và mức độ minh bạch của thông tin lãi suất – phí dịch vụ sau tư vấn.

graph LR
    A["Thu thập dữ liệu sơ cấp (N=170)"] --> B["Làm sạch dữ liệu (N=150)"]
    B --> C["Kiểm định Cronbach's Alpha"]
    C --> D["Phân tích nhân tố khám phá EFA"]
    D --> E["Phân tích hồi quy OLS & ANOVA"]
    E --> F["Đề xuất 5 nhóm giải pháp tối ưu"]

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận: Chuẩn hóa khung đánh giá chất lượng dịch vụ cho vay tiêu dùng khách hàng cá nhân trong hệ thống NHTM.
  2. Đo lường và lượng hóa thực trạng: Đánh giá các nhân tố ảnh hưởng đến CLDV và sự hài lòng của khách hàng tại ACB – PGD An Cựu thông qua mô hình SERVPERF và công cụ phân tích định lượng.
  3. Đề xuất hệ thống giải pháp: Xây dựng phương án hoàn thiện quy trình tín dụng, cải thiện năng lực phục vụ, và nâng cao hiệu quả vận hành công nghệ.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Ứng dụng mô hình SERVPERF (Cronin & Taylor, 1992) nhằm đo lường trực tiếp chất lượng cảm nhận thực tế của khách hàng dựa trên 5 thành phần: Độ tin cậy (Reliability), Khả năng đáp ứng (Responsiveness), Sự đảm bảo (Assurance), Sự cảm thông (Empathy), và Phương tiện hữu hình (Tangibles).
  • Chỉ số kỳ vọng: Xác định mức độ tin cậy thang đo ($\alpha \ge 0.70$), giải thích trên 60% phương sai trích trong phân tích nhân tố, duy trì tỷ lệ nợ quá hạn dưới ngưỡng kiểm soát 1.0%, và rút ngắn 25–30% thời gian xử lý thủ tục cấp tín dụng.
  • Phạm vi nghiên cứu: Không gian tại ACB – PGD An Cựu (165 Hùng Vương, TP. Huế); dữ liệu thứ cấp giai đoạn 2018–2020; dữ liệu sơ cấp khảo sát trực tiếp $N = 150$ khách hàng cá nhân vay tiêu dùng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Mô hình đánh giá Ưu điểm kỹ thuật Nhược điểm vận hành Khả năng ứng dụng tại ACB
SERVQUAL (Parasuraman et al., 1988) Đánh giá toàn diện khoảng cách (Gap = Cảm nhận - Kỳ vọng) qua 22 biến kép Bảng câu hỏi dài gấp đôi (44 mục), dễ gây nhiễu và quá tải tâm lý cho người trả lời Khó triển khai trực tiếp tại quầy giao dịch
SERVPERF (Cronin & Taylor, 1992) Đo lường trực tiếp kết quả thực hiện ($Performance$), giảm 50% số lượng câu hỏi Đòi hỏi bảng câu hỏi phải được hiệu chỉnh sát với đặc thù sản phẩm tín dụng Phù hợp tối ưu cho nghiên cứu định lượng KHCN
Mô hình Grönroos (Technical & Functional) Phân tách rõ chất lượng kỹ thuật (kết quả) và chức năng (quy trình) Khó định lượng rành mạch các chỉ số kỹ thuật trong môi trường bán lẻ Thích hợp cho nghiên cứu tổng thể thương hiệu

Phân loại yêu cầu người dùng theo mô hình MoSCoW

  • Must-have: Bảo mật tuyệt đối dữ liệu khách hàng (TC5), tính chính xác và an toàn giao dịch tiền tệ (TC4), nhân viên vững nghiệp vụ chuyên môn (DB1).
  • Should-have: Thời gian xử lý tờ trình thẩm định và soạn hợp đồng công chứng dưới 5 giờ (DB2, DU3), kênh tư vấn đa dạng qua nền tảng số.
  • Could-have: Tùy biến biểu phí và lãi suất linh hoạt theo phân khúc điểm tín dụng (DU2).
  • Won't-have: Cấp tín dụng tiêu dùng không có tài sản bảo đảm vượt quá định mức rủi ro quy định.

Thiết kế hệ thống

sequenceDiagram
    autonumber
    actor KH as Khách hàng cá nhân
    participant NVKD as Chuyên viên QHKH (NVKD)
    participant PASS as Hệ thống PASS (Định giá TSĐB)
    participant CLMS as Hệ thống CLMS (Thẩm định nguồn thu)
    participant GD as Ban Giám đốc PGD
    
    KH->>NVKD: Nộp hồ sơ vay (Pháp lý, TSĐB, Thu nhập)
    NVKD->>PASS: Tạo mã tài sản & Yêu cầu định giá
    PASS-->>NVKD: Tờ trình định giá TSĐB hoàn tất
    NVKD->>CLMS: Nhập dữ liệu thẩm định nguồn thu & phương án
    CLMS-->>NVKD: Tờ trình thẩm định khách hàng hoàn tất
    NVKD->>GD: Trình duyệt hồ sơ tín dụng
    GD-->>KH: Phê duyệt & Ký hợp đồng tín dụng / Công chứng

Ngăn xếp công nghệ và môi trường xử lý dữ liệu

  • Hệ điều hành: Microsoft Windows 11 Enterprise / Red Hat Enterprise Linux 8.4.
  • Công cụ phân tích thống kê: IBM SPSS Statistics v26.0 (Phân tích Cronbach's Alpha, EFA, Hồi quy OLS, One-Way ANOVA).
  • Hệ thống định giá tài sản: ACB PASS (Property Appraisal Support System) v3.2.
  • Hệ thống quản lý vòng đời khoản vay: ACB CLMS (Credit Loan Management System) v2.5.
  • Hệ thống Core Banking: TCBS/TW Core Engine tích hợp xác thực đa lớp.

Phương trình hồi quy đa biến tổng quát

Chất lượng dịch vụ cho vay tiêu dùng ($Y_{CLDV}$) được biểu diễn qua phương trình:

$$Y_{CLDV} = \beta_0 + \beta_1 X_{TC} + \beta_2 X_{DU} + \beta_3 X_{DB} + \beta_4 X_{CT} + \beta_5 X_{HH} + \epsilon$$

Trong đó:

  • $X_{TC}$: Thành phần Sự tin cậy (5 biến quan sát: TC1 – TC5)
  • $X_{DU}$: Thành phần Khả năng đáp ứng (5 biến quan sát: DU1 – DU5)
  • $X_{DB}$: Thành phần Sự đảm bảo (5 biến quan sát: DB1 – DB5)
  • $X_{CT}$: Thành phần Sự cảm thông (4 biến quan sát: CT1 – CT4)
  • $X_{HH}$: Thành phần Phương tiện hữu hình (4 biến quan sát: HH1 – HH4)
  • $\beta_i$: Hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên.

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình hỗn hợp định tính kết hợp định lượng:

  1. Nghiên cứu sơ bộ: Tổng thuật cơ sở lý luận, hiệu chỉnh thang đo chuẩn 26 biến quan sát cho phù hợp với dịch vụ vay tiêu dùng tại địa bàn Huế.
  2. Kích thước mẫu lý thuyết: Tuân thủ quy tắc Hair et al. ($n \ge 5 \times m$, với $m = 26$ biến quan sát $\Rightarrow n_{min} = 130$). Tiến hành phát 170 phiếu khảo sát thực tế; sau bước làm sạch dữ liệu, loại bỏ 20 phiếu không đạt (điền thiếu hoặc phương sai câu trả lời bằng 0), thu về $N = 150$ mẫu hợp lệ (đạt tỷ lệ 88.24%).
Kế hoạch triển khai (Gantt Milestones):
├── Giai đoạn 1: Xây dựng thang đo & Khảo sát thử nghiệm (Tuần 1 - Tuần 3)
├── Giai đoạn 2: Thu thập dữ liệu sơ cấp tại quầy PGD (Tuần 4 - Tuần 7)
├── Giai đoạn 3: Làm sạch dữ liệu, xử lý SPSS v26 (Tuần 8 - Tuần 10)
└── Giai đoạn 4: Đánh giá mô hình & Đề xuất giải pháp (Tuần 11 - Tuần 13)

Thực thi và kết quả

Quy trình xử lý dữ liệu và thuật toán thống kê

Độ tin cậy của thang đo được đánh giá thông qua hệ số Cronbach's Alpha ($\alpha$):

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Điều kiện chấp nhận: $\alpha \ge 0.60$ và hệ số tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation$) $\ge 0.30$.

# Đoạn mã Python (pandas / statsmodels) minh họa kiểm định độ tin cậy thang đo
import pandas as pd
import numpy as np

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances / total_variance))
    return float(alpha)

# Giả lập dữ liệu thang đo Sự đảm bảo (DB1 - DB5)
np.random.seed(42)
data_db = pd.DataFrame(
    np.random.randint(4, 6, size=(150, 5)),
    columns=['DB1', 'DB2', 'DB3', 'DB4', 'DB5']
)

alpha_score = calculate_cronbach_alpha(data_db)
print(f"Hệ số Cronbach's Alpha đạt: {alpha_score:.4f}")

Kiểm định và kiểm chứng mô hình

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

Toàn bộ 26 biến quan sát thuộc 5 nhóm thang đo đạt mức tin cậy cao:

  • Hệ số Cronbach's Alpha tổng thể: Đạt 0.877.
  • Thang đo Sự đảm bảo (DB1 – DB5): Cronbach's Alpha nếu loại biến dao động từ 0.869 – 0.871; hệ số tương quan biến - tổng đều $> 0.50$.
  • Thang đo Khả năng đáp ứng (DU1 – DU5): Cronbach's Alpha nếu loại biến từ 0.871 – 0.874.
  • Thang đo Sự tin cậy (TC1 – TC5): Cronbach's Alpha nếu loại biến từ 0.870 – 0.872.
  • Không có biến quan sát nào bị loại do vi phạm điều kiện tương quan biến - tổng $< 0.30$.

2. Thống kê mẫu nghiên cứu ($N = 150$)

  • Giới tính: Nam giới chiếm 49.3% (74 khách hàng), Nữ giới chiếm 50.7% (76 khách hàng).
  • Độ tuổi: Nhóm 18–30 tuổi chiếm tỷ trọng cao nhất 53.3% (80 khách hàng); nhóm 31–40 tuổi chiếm 32.7% (49 khách hàng); nhóm trên 40 tuổi chiếm 14.0%.
  • Nghề nghiệp: Hoạt động kinh doanh tự do/hộ cá thể chiếm ưu thế tuyệt đối với 55.0%; cán bộ công nhân viên chiếm 22.7%; lao động phổ thông chiếm 22.3%.
  • Thu nhập: Mức 7–12 triệu VNĐ/tháng chiếm 35.5% (53 khách hàng); mức 5–7 triệu VNĐ/tháng chiếm 25.3%; trên 12 triệu VNĐ/tháng chiếm 22.0%.

Kết quả hoạt động kinh doanh tín dụng (2018–2020)

Chỉ tiêu tài chính Năm 2018 Năm 2019 Năm 2020 Tăng trưởng 2019/2018 Tăng trưởng 2020/2019
Vốn huy động (Triệu VNĐ) 1,306,850 1,497,423 1,423,725 +14.58% -4.92%
Trong đó: Tiền gửi thanh toán 888,661 (68%) 973,325 (65%) 968,133 (68%) +9.53% -0.53%
Dư nợ cho vay KHCN (Triệu VNĐ) 308,724 415,660 375,063 +34.64% -9.77%
Cho vay tiêu dùng 55,570 (30.0%) 85,512 (38.0%) 80,554 (32.14%) +53.88% -5.80%
Cho vay sản xuất kinh doanh 185,178 (70.0%) 168,524 (62.0%) 139,524 (67.86%) -9.00% -17.21%
Nợ quá hạn KHCN (Triệu VNĐ) 2,191 3,283 2,812 +49.84% -14.35%
Tỷ lệ nợ quá hạn / Dư nợ KHCN 0.71% 0.79% 0.75% +0.08% -0.04%
Lợi nhuận sau thuế (Triệu VNĐ) 24,090 60,350 48,524 +150.52% -19.59%
Biểu đồ so sánh tăng trưởng Dư nợ KHCN vs Vốn huy động (2018 - 2020):
2018: [==== Dư nợ: 308.7B ====] ------> [======== Huy động: 1,306.8B ========]
2019: [====== Dư nợ: 415.7B ======] ---> [========== Huy động: 1,497.4B ==========]
2020: [===== Dư nợ: 375.1B =====] ------> [========= Huy động: 1,423.7B =========]

Nhận định định lượng: Hoạt động tín dụng tiêu dùng năm 2019 bứt phá mạnh mẽ (+53.88%), nâng tỷ trọng từ 30.0% lên 38.0%. Mặc dù năm 2020 chịu ảnh hưởng từ đại dịch Covid-19 làm suy giảm nhẹ quy mô dư nợ (-5.80%), tỷ lệ nợ quá hạn vẫn được kiểm soát ở mức lý tưởng (0.75% < 1.0%), chứng minh chất lượng thẩm định tín dụng qua hệ thống PASS và CLMS hoạt động chặt chẽ.


Đổi mới và đóng góp

  1. Hiệu chỉnh thang đo thực chứng: Chuẩn hóa bộ thang đo SERVPERF 26 biến quan sát trực tiếp cho hoạt động tín dụng bán lẻ tại khu vực Bắc Trung Bộ, khắc phục tình trạng sao chép máy móc mô hình tổng quát.
  2. Tích hợp đánh giá quy trình số hóa: Kết hợp phân tích số liệu tài chính kế toán nội bộ (2018–2020) với dữ liệu khảo sát trải nghiệm hệ thống công nghệ (CLMS, PASS), định vị rõ ràng các điểm nghẽn kỹ thuật tại bước lập tờ trình tín dụng.
  3. So sánh đa chiều với các nghiên cứu tương đương:
Tiêu chí nghiên cứu Nghiên cứu của Lo Liang Kheng et al. (2010) Nghiên cứu của Nguyễn Thị Thùy Nhung (2018) Nghiên cứu tại ACB PGD An Cựu (2022)
Mô hình ứng dụng SERVQUAL gốc SERVQUAL biến thể SERVPERF hiệu chỉnh chuyên sâu
Quy mô mẫu Mẫu phân tán tại Malaysia 140 khách hàng Agribank 150 khách hàng hợp lệ (Cronbach $\alpha = 0.877$)
Nhân tố tác động mạnh nhất Độ tin cậy & Sự đồng cảm Thủ tục vay & Tính hữu hình Sự đảm bảo (Kiến thức NVKD) & Sự tin cậy
Kiểm soát rủi ro đi kèm Không đánh giá nợ quá hạn Phân tích định tính Lượng hóa tỷ lệ nợ quá hạn (0.71% - 0.79% - 0.75%)

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

  • Gói vay tiêu dùng mua BĐS / Sửa chữa nhà: Áp dụng luồng xử lý nhanh qua hệ thống PASS v3.2. Chuyên viên định giá phối hợp kiểm tra thực địa trong vòng 4 giờ làm việc, tự động cập nhật biên độ định giá tài sản bảo đảm lên hệ thống CLMS.
  • Gói vay tiêu dùng tín chấp / Thấu chi qua lương: Tích hợp tra cứu tự động lịch sử tín dụng CIC và sao kê tài khoản ngân hàng điện tử, cắt giảm thời gian phê duyệt xuống dưới 24 giờ.

Lộ trình triển khai 5 nhóm giải pháp

gantt
    title Lộ trình 4 giai đoạn nâng cao CLDV tại ACB PGD An Cựu
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Chuẩn hóa quy trình
    Nâng cấp hạ tầng giao dịch & phân luồng quầy :2022-01-01, 60d
    section Giai đoạn 2: Nâng cao năng lực
    Đào tạo chuyên sâu nghiệp vụ tư vấn tín dụng (DB1) :2022-03-01, 90d
    section Giai đoạn 3: Tối ưu công nghệ
    Đồng bộ dữ liệu thời gian thực giữa PASS & CLMS :2022-06-01, 90d
    section Giai đoạn 4: Trải nghiệm & Hậu mãi
    Xây dựng hệ thống tự động chăm sóc sau giải ngân :2022-09-01, 90d

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

  • Chi phí dự kiến: Khoảng 120–150 triệu VNĐ/năm (bao gồm: chi phí đào tạo nghiệp vụ $40%$, nâng cấp thiết bị quầy $35%$, chăm sóc khách hàng tự động $25%$).
  • Lợi ích định lượng: Dự kiến tăng trưởng dư nợ cho vay tiêu dùng thêm 15–18%/năm, giảm thời gian lập hợp đồng công chứng từ 5 giờ xuống còn 2.5 giờ, giữ tỷ lệ nợ quá hạn ổn định dưới 0.80%, mang lại mức tăng lợi nhuận sau thuế dự kiến từ 1.8–2.4 tỷ VNĐ/năm cho đơn vị.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Kích thước mẫu khảo sát $N = 150$ tại một phòng giao dịch đơn lẻ (PGD An Cựu), chưa bao phủ toàn bộ các chi nhánh thuộc hệ thống ACB khu vực miền Trung.
  • Hạn chế bối cảnh kinh tế: Số liệu giai đoạn 2020 chịu tác động dị biệt từ giãn cách xã hội Covid-19, dẫn đến sự suy giảm cục bộ trong nhu cầu vay vốn.
  • Hướng phát triển: Mở rộng nghiên cứu đa kênh (Omnichannel Banking), tích hợp các thuật toán học máy (Machine Learning) vào phân tích hành vi khách hàng cá nhân và tự động hóa chấm điểm tín dụng (Credit Scoring).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Tài chính – Ngân hàng: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng kết hợp dữ liệu kế toán quản trị ngân hàng.
  • Chuyên viên tín dụng & Quản trị rủi ro: Nắm bắt chính xác các yếu tố ảnh hưởng trực tiếp đến sự hài lòng của khách hàng vay tiêu dùng để cải thiện kỹ năng tư vấn.
  • Ban lãnh đạo NHTM: Sở hữu cơ sở dữ liệu thực chứng và khung giải pháp đo lường được để ra quyết định phân bổ nguồn vốn và tái cấu trúc quy trình giao dịch tại quầy.
  • Nhà nghiên cứu kinh tế: Khung thang đo SERVPERF 26 biến quan sát có thể tái sử dụng và kiểm định mở rộng tại các tổ chức tín dụng khác.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lựa chọn mô hình SERVPERF thay vì mô hình SERVQUAL gốc?

Mô hình SERVPERF chỉ đo lường mức độ cảm nhận thực tế ($P$), loại bỏ phần đo lường kỳ vọng ($E$). Điều này giúp giảm một nửa số lượng câu hỏi (từ 44 câu xuống 22–26 câu), giảm thiểu độ nhiễu tâm lý của khách hàng khi thực hiện khảo sát tại quầy giao dịch mà vẫn duy trì độ tin cậy và giá trị giải thích tương đương hoặc vượt trội so với SERVQUAL.

2. Kích thước mẫu $N = 150$ có đảm bảo độ tin cậy thống kê cho phân tích EFA không?

Theo tiêu chuẩn của Hair et al., cỡ mẫu tối thiểu cần đạt tỷ lệ $5:1$ so với số biến quan sát ($26 \times 5 = 130$). Với 150 mẫu hợp lệ sau làm sạch (trên tổng số 170 phiếu thu về), quy mô mẫu hoàn toàn đáp ứng đầy đủ yêu cầu cho các kiểm định Cronbach's Alpha, EFA, và Hồi quy OLS.

3. Tỷ lệ nợ quá hạn tại ACB – PGD An Cựu biến động như thế nào qua 3 năm?

Tỷ lệ nợ quá hạn trên tổng dư nợ KHCN lần lượt là 0.71% (2018), 0.79% (2019), và 0.75% (2020). Mặc dù có sự gia tăng nhẹ vào năm 2019 do mở rộng quy mô tín dụng, tỷ lệ này luôn nằm trong ngưỡng an toàn tuyệt đối (< 1.0%), thấp hơn nhiều so với mặt bằng chung toàn ngành.

4. Hệ thống công nghệ nào đóng vai trò cốt lõi trong quy trình cấp tín dụng tại đơn vị?

Hệ thống bao gồm bộ đôi phần mềm chuyên dụng: PASS (hỗ trợ lập mã tài sản, quản lý và duyệt kết quả định giá TSĐB) và CLMS (quản lý toàn bộ hồ sơ khách hàng, phân tích dòng tiền thu nhập, và tạo tờ trình thẩm định tự động).

5. Yếu tố nào ảnh hưởng lớn nhất đến sự hài lòng của khách hàng vay tiêu dùng?

Kết quả phân tích định lượng cho thấy nhóm biến thuộc Sự đảm bảo (Assurance) — cụ thể là năng lực chuyên môn, kiến thức nghiệp vụ vững vàng của nhân viên (DB1) và khả năng hướng dẫn quy trình vay dễ hiểu (DB4) — cùng với Sự tin cậy (Reliability) về tính minh bạch lãi suất và bảo mật thông tin có tác động tích cực và rõ nét nhất đến sự hài lòng của khách hàng.


Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Y Phương đã thực hiện thành công việc đánh giá toàn diện chất lượng dịch vụ cho vay tiêu dùng khách hàng cá nhân tại Ngân hàng TMCP Á Châu (ACB) – PGD An Cựu, Chi nhánh Huế. Thông qua việc kết hợp chặt chẽ giữa số liệu tài chính giai đoạn 2018–2020 và kết quả phân tích định lượng trên 150 khách hàng bằng phần mềm SPSS v26.0 (Cronbach's Alpha tổng thể đạt 0.877), nghiên cứu đã chứng minh vai trò then chốt của các yếu tố Sự đảm bảo, Sự tin cậy, và Khả năng đáp ứng trong việc nâng cao năng lực cạnh tranh tín dụng bán lẻ. Hệ thống 5 nhóm giải pháp được đề xuất mang tính khả thi cao, đóng góp trực tiếp vào mục tiêu tối ưu hóa quy trình thẩm định, củng cố tăng trưởng dư nợ an toàn và bền vững cho đơn vị trong giai đoạn tiếp theo.