Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và tái cấu trúc ngành tài chính tiêu dùng (Consumer Finance - Fintech), quản trị và nâng cao chất lượng nguồn nhân lực (NNL) trở thành trụ cột quyết định lợi thế cạnh tranh. Thị trường tài chính tiêu dùng Việt Nam chứng kiến sự cạnh tranh gay gắt giữa các ngân hàng thương mại, công ty tài chính tiêu dùng và các nền tảng cho vay ngang hàng (P2P Lending). Để thích ứng với biến động thị trường và xu hướng tự động hóa quy trình nghiệp vụ, các doanh nghiệp tài chính buộc phải chuyển dịch từ mô hình bán hàng đơn nhiệm sang bán lẻ đa nhiệm số (omnichannel financial services).

Đồ án tập trung nghiên cứu, giải quyết bài toán: Hoàn thiện và chuẩn hóa công tác đào tạo nhân lực tại Công ty Tài chính TNHH MB Shinsei (Mcredit) trong giai đoạn chuyển đổi số 2021–2023.

Vấn đề thực tiễn và điểm nghẽn (Problem Statement)

Giai đoạn 2021–2023, quy mô nhân sự của Mcredit giảm từ 7.800 người (2021) xuống 5.700 người (2022) và còn 4.000 người (2023) — tương đương mức tinh giản 48,73% bộ máy nhằm tinh gọn hóa và đẩy mạnh ứng dụng công nghệ. Tuy nhiên, quá trình này đặt ra 3 điểm nghẽn cốt lõi:

  1. Nhu cầu đào tạo tăng cao nhưng phân bổ chưa tối ưu: Tỷ lệ nhân sự có nhu cầu đào tạo tăng từ 65% (2021) lên 78% (2023), tạo áp lực quá tải lên Trung tâm Học tập & Phát triển (L&D).
  2. Lựa chọn đối tượng còn cảm tính: Quy trình cử nhân viên đi đào tạo phụ thuộc nhiều vào đánh giá chủ quan của cấp quản lý phòng ban, thiếu khung năng lực chuẩn (Competency Framework) và dữ liệu định lượng.
  3. Mâu thuẫn giữa tiến độ vận hành và thời gian đào tạo: Tỷ lệ tham gia thực tế trên nhu cầu dao động từ 93,7% đến 97,0% (năm 2023 có 15.877 lượt đào tạo thực tế trên 16.952 lượt nhu cầu); nhân sự khối kinh doanh (1.782 điểm tư vấn trên 63 tỉnh thành) và khối thu hồi nợ gặp khó khăn trong việc sắp xếp thời gian học tập trung mà không gián đoạn kinh doanh.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Xây dựng khung lý thuyết quản trị đào tạo nhân lực chuẩn hóa cho doanh nghiệp tài chính bán lẻ.
  2. Khảo sát và phân tích thực trạng: Định lượng hóa toàn bộ số liệu đào tạo, cơ cấu nhân sự, chi phí và hiệu quả giai đoạn 2021–2023 tại Mcredit.
  3. Thiết kế giải pháp tích hợp: Đề xuất mô hình đào tạo kết hợp (Blended Learning) tích hợp hệ thống quản lý học tập (LMS), chuẩn hóa quy trình phân tích nhu cầu đào tạo (TNA - Training Needs Assessment) và đánh giá hiệu quả theo 4 cấp độ Kirkpatrick.

Phạm vi và giới hạn

  • Không gian: Toàn bộ hệ thống Công ty Tài chính TNHH MB Shinsei (Hội sở, chi nhánh và 1.782 điểm giới thiệu dịch vụ trên toàn quốc).
  • Thời gian: Dữ liệu phân tích thực chứng giai đoạn 2021–2023.
  • Giới hạn nội dung: Tập trung vào các khối nghiệp vụ trọng yếu: Khối Công nghệ thông tin (CNTT), Khối Quản trị rủi ro, Khối Kinh doanh thị trường và Khối Thu hồi nợ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Mcredit, các phương pháp đào tạo hiện diện dưới hai hình thức: Đào tạo tại nơi làm việc (On-the-Job Training - OJT: chỉ dẫn công việc, kèm cặp trực tiếp, luân chuyển công tác) và Đào tạo ngoài công việc (Off-the-Job Training: lớp tập trung, hội thảo, e-learning).

Phương thức đào tạo Ưu điểm Nhược điểm Tính phù hợp tại Mcredit
Kèm cặp trực tiếp (Mentoring/OJT) Thực tế cao, sát với case nghiệp vụ của Khối Thu hồi nợ & Sales. Thiếu tính chuẩn hóa giáo trình; tốn nguồn lực quản lý cấp cao. Rất cao cho tân tuyển và chuyển đổi bán hàng đa nhiệm.
Đào tạo tập trung (Classroom) Tương tác trực tiếp, truyền tải đạo đức nghề nghiệp và văn hóa chuẩn. Chi phí tổ chức cao, khó phủ sóng 63 tỉnh thành; gián đoạn công việc. Trung bình, chỉ phù hợp cấp quản trị/trưởng phòng.
Hệ thống E-Learning (HiMcer) Linh hoạt thời gian, chi phí trên mỗi lượt học viên thấp; dễ kiểm tra số lượng. Khó kiểm soát mức độ tập trung thực tế; thiếu tương tác tình huống phức tạp. Rất cao cho toàn thể 4.000 cán bộ nhân viên.

So sánh giải pháp trên thị trường tài chính tiêu dùng

Ma trận ưu tiên yêu cầu hệ thống đào tạo (MoSCoW)

  • Must have: Phân hệ đánh giá nhu cầu đào tạo (TNA Module), số hóa 100% bài kiểm tra tuân thủ pháp luật/chứng chỉ tín dụng, báo cáo tiến độ học tập thời gian thực.
  • Should have: Tích hợp API đồng bộ dữ liệu hiệu suất (KPI) từ ứng dụng Mcredit, ngân hàng câu hỏi thích ứng theo từng khối nghiệp vụ.
  • Could have: Đề xuất lộ trình học tập cá nhân hóa thông qua thuật toán phân tích điểm yếu kỹ năng.
  • Won't have (giai đoạn này): Ứng dụng thực tế ảo (VR) mô phỏng phòng giao dịch.

Thiết kế hệ thống L&D tích hợp

Kiến trúc giải pháp số hóa quy trình đào tạo kết hợp gồm 4 tầng:

Ngũ công nghệ áp dụng (Technology Stack)

  • LMS Core Engine: Moodle LMS version 4.2 LTS (Tùy biến module giao diện theo nhận diện Mcredit).
  • Backend API Gateway: Python 3.11 với FastAPI framework v0.104.
  • Cơ sở dữ liệu: PostgreSQL 15.2 (Lưu trữ quan hệ năng lực, khóa học, điểm kiểm tra).
  • Tiêu chuẩn đóng gói bài giảng: SCORM 2004 4th Edition / xAPI (Experience API).
  • Mobile Client: Mcredit Internal App v3.2 (React Native 0.72).

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Lược đồ quản trị năng lực và phân bổ đào tạo
CREATE TABLE employees (
    employee_id VARCHAR(20) PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    department_code VARCHAR(20) NOT NULL, -- CNTT, QTRR, THN, KDTT
    position_title VARCHAR(50) NOT NULL,
    education_level VARCHAR(20), -- Đại học (67.4%), Cao đẳng (13.7%)
    status VARCHAR(10) DEFAULT 'ACTIVE'
);

CREATE TABLE training_courses (
    course_id VARCHAR(20) PRIMARY KEY,
    course_name VARCHAR(150) NOT NULL,
    course_type VARCHAR(30) NOT NULL, -- Orientation, Multi-skill, Compliance
    target_score NUMERIC(3, 2) DEFAULT 4.00,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE training_needs_assessment (
    tna_id SERIAL PRIMARY KEY,
    employee_id VARCHAR(20) REFERENCES employees(employee_id),
    skill_gap_score NUMERIC(3, 2), -- Thang 1.00 - 5.00
    priority_level INT CHECK (priority_level BETWEEN 1 AND 5),
    recommended_course_id VARCHAR(20) REFERENCES training_courses(course_id),
    assessment_year INT NOT NULL
);

CREATE TABLE kirkpatrick_evaluations (
    eval_id SERIAL PRIMARY KEY,
    employee_id VARCHAR(20) REFERENCES employees(employee_id),
    course_id VARCHAR(20) REFERENCES training_courses(course_id),
    level1_reaction NUMERIC(3, 2), -- Khảo sát hài lòng (4.72/5.00)
    level2_learning NUMERIC(5, 2),  -- Điểm kiểm tra cuối khóa
    level3_behavior NUMERIC(3, 2),  -- Đánh giá thay đổi hành vi sau 3 tháng
    level4_business_roi NUMERIC(6, 2), -- % tăng năng suất lao động
    evaluated_date DATE NOT NULL
);

Phương pháp luận triển khai (Methodology)

Dự án áp dụng mô hình kết hợp giữa ADDIE (Analysis, Design, Development, Implementation, Evaluation) và triết lý quản trị Agile L&D:

                       Kế hoạch triển khai đào tạo (Timeline)

Đánh giá và giảm thiểu rủi ro (Risk Assessment)

  • Rủi ro gián đoạn kinh doanh tại điểm bán (POS): Giảm thiểu bằng cách chia nhỏ module học tập thành các bài học Microlearning (5–10 phút/bài) trên di động.
  • Rủi ro rò rỉ dữ liệu tài chính: Mã hóa chuẩn AES-256 đối với toàn bộ tài liệu quy trình thẩm định tín dụng nội bộ.

Triển khai thực tế và kết quả

Quy trình phân tích dữ liệu nhu cầu và tính toán ROI

Thuật toán tính toán chỉ số ưu tiên nhu cầu đào tạo (Training Needs Priority Index - TNPI) và mô hình hóa hiệu quả kinh tế được lập trình tự động hóa:

import pandas as pd
import numpy as np

def calculate_tnpi(performance_score, skill_gap, tenure_months, weight_gap=0.5, weight_perf=0.3, weight_tenure=0.2):
    """
    Tính toán chỉ số ưu tiên đào tạo (TNPI) chuẩn hóa thang điểm 100.
    performance_score: Điểm KPI hiện tại (thang 100)
    skill_gap: Khoảng cách kỹ năng cần bổ sung (thang 1 - 5)
    tenure_months: Thâm niên công tác (tháng)
    """
    normalized_gap = (skill_gap / 5.0) * 100
    normalized_perf = 100 - performance_score  # Hiệu suất càng thấp độ cấp thiết càng cao
    normalized_tenure = np.clip((12 / (tenure_months + 1)) * 50, 0, 100) # Tân tuyển ưu tiên cao
    
    tnpi = (normalized_gap * weight_gap) + (normalized_perf * weight_perf) + (normalized_tenure * weight_tenure)
    return round(tnpi, 2)

def calculate_training_roi(productivity_gain_vnd, operational_savings_vnd, total_training_cost_vnd):
    """
    Tính tỷ lệ hoàn vốn đầu tư đào tạo (ROI theo Kirkpatrick Level 4).
    """
    net_benefit = (productivity_gain_vnd + operational_savings_vnd) - total_training_cost_vnd
    roi_percentage = (net_benefit / total_training_cost_vnd) * 100
    return round(roi_percentage, 2)

# Ví dụ tính toán cho nhân viên chuyển đổi bán hàng đa nhiệm tại Mcredit
emp_tnpi = calculate_tnpi(performance_score=68.5, skill_gap=4.2, tenure_months=6)
print(f"Chỉ số ưu tiên đào tạo (TNPI): {emp_tnpi}/100")
# Output kỳ vọng: TNPI > 75 -> Bắt buộc xếp lớp đào tạo tập trung & OJT

Kết quả đo lường và kiểm thử thực nghiệm

Dữ liệu tổng hợp từ Phòng Quản trị Nguồn nhân lực và Trung tâm L&D cho thấy sự chuyển biến rõ rệt qua 3 năm:

                  Tỷ lệ Nhu cầu vs Thực tế tham gia Đào tạo
  Năm 2021: [█████████████████████████████████████] 33,847 / 34,897 lượt (97.0%)
  Năm 2022: [██████████████████████████████████] 27,022 / 28,086 lượt (96.2%)
  Năm 2023: [████████████████████] 15,877 / 16,952 lượt (93.7%)

Bảng tổng hợp các chỉ số đào tạo then chốt (2021 - 2023)

Chỉ tiêu đo lường Năm 2021 Năm 2022 Năm 2023 Tăng trưởng / Xu hướng
Tổng số nhân sự (Người) 7.800 5.700 4.000 -48,73% (Tinh gọn số hóa)
Trình độ Đại học trở lên (%) 67,3% 67,7% 67,4% Duy trì ổn định >67%
Tỷ lệ nhân viên có nhu cầu đào tạo 65,0% 72,0% 78,0% Tăng +13,0%
Lượt học viên tham gia thực tế 33.847 27.022 15.877 Tối ưu hóa lượt học theo vị trí
Điểm đánh giá khóa học (Thang 5) 4,76 4,83 4,72 Mức độ hài lòng rất cao (>94%)
Tỷ lệ CBNV giao tiếp ngoại ngữ chuẩn 68,0% 72,0% 75,0% Tăng +7,0% (Tiếng Anh/Nhật) 
                 Biến động Cơ cấu Tuổi và Giới tính tại Mcredit

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình chuyển đổi bán hàng đa nhiệm: Đổi mới mô hình đào tạo tư vấn viên đơn lẻ thành chuyên viên tư vấn tài chính tích hợp (cho vay tiền mặt, trả góp xe máy/điện máy và phát hành thẻ tín dụng thông qua App Mcredit). Giải pháp giúp giảm số lượng nhân sự trực điểm từ 3 người xuống 1 người/điểm bán.
  2. Khung thẩm định đối tượng Data-driven: Loại bỏ cơ chế đề xuất cảm tính của trưởng bộ phận; thay thế bằng hệ thống đánh giá chỉ số thiếu hụt kỹ năng (Skill Gap Index).
  3. Mô hình hóa kiểm soát đạo đức nghề nghiệp: Đưa module văn hóa tuân thủ và quy định Ngân hàng Nhà nước thành điều kiện tiên quyết (Prerequisite Test) trước khi cấp tài khoản tác nghiệp trên hệ thống Core tín dụng.
Tiêu chí Mô hình truyền thống Giải pháp đề xuất tại Mcredit Mức độ cải thiện
Thời gian Onboarding nhân viên mới 21 ngày làm việc 7 ngày (Microlearning + OJT) Rút ngắn 66,7%
Chi phí đào tạo trên mỗi lượt CBNV 1.850.000 VNĐ 620.000 VNĐ Tiết kiệm 66,5%
Độ bao phủ nhân sự tại 63 tỉnh thành 60% (chỉ tập trung Hub lớn) 100% qua Mobile App LMS Tăng 40% độ phủ

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-World Use Case)

  • Kịch bản: Chuyển đổi 500 nhân viên tư vấn gói vay trả góp điện máy tại khu vực Đồng bằng Sông Cửu Long sang bán chéo thẻ tín dụng và bảo hiểm liên kết.
  • Quy trình vận hành:
    1. Bước 1: Nhân viên hoàn thành 3 micro-course trên Mcredit App (Thời lượng: 15 phút/khóa).
    2. Bước 2: Làm bài test nghiệp vụ tự động; đạt điểm tối thiểu 80/100 để kích hoạt quyền mở thẻ trên hệ thống POS.
    3. Bước 3: Quản trị viên khu vực thực hiện kèm cặp 1-1 (OJT) trong 3 hợp đồng thực tế đầu tiên.
                      Lộ trình triển khai hệ thống (Roadmap)

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Tốc độ kết nối và đồng bộ dữ liệu ngoại tuyến (Offline Sync) của ứng dụng học tập tại một số địa bàn vùng sâu vùng xa còn xuất hiện độ trễ.
  • Ràng buộc nguồn lực: Đội ngũ giảng viên nội bộ (Internal Trainers) chủ yếu kiêm nhiệm công tác quản lý chuyên môn, chưa được trang bị đầy đủ kỹ năng sư phạm hiện đại.
  • Hướng phát triển:
    1. Tích hợp Trí tuệ nhân tạo (AI Chatbot Mentor) hỗ trợ giải đáp chính sách sản phẩm và quy trình thẩm định tức thì cho nhân viên hiện trường.
    2. Xây dựng Data Mart chuyên biệt cho L&D để dự báo biến động tỷ lệ nghỉ việc (Turnover Rate) tương quan với tần suất tham gia đào tạo.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Quản trị nhân lực / Fintech: Tiếp cận mô hình thực chứng về quản trị đào tạo trong quá trình tái cơ cấu doanh nghiệp tài chính.
  • Doanh nghiệp & Giám đốc Nhân sự (CHRO): Bộ khung tham chiếu về phương pháp chuyển đổi bán hàng đơn nhiệm sang đa nhiệm gắn liền với tối ưu chi phí L&D.
  • Đội ngũ L&D & Kỹ sư EdTech: Kiến trúc tích hợp giữa LMS chuẩn quốc tế (Moodle/SCORM) với ứng dụng tài chính tiêu dùng.
  • Nhân viên trực tiếp (Học viên): Lộ trình học tập tinh gọn, minh bạch cơ hội thăng tiến và tự động hóa cấp chứng chỉ chuyên môn.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống đào tạo số hóa này là gì?

Hệ thống yêu cầu máy chủ ứng dụng chạy Ubuntu Server 22.04 LTS, RAM tối thiểu 16GB, cơ sở dữ liệu PostgreSQL 15+, hỗ trợ kết nối mạng băng thông tối thiểu 100 Mbps; người dùng cuối chỉ cần thiết bị di động iOS 13.0+ hoặc Android 9.0+ có cài đặt ứng dụng Mcredit.

2. Làm thế nào để giải quyết xung đột giữa giờ làm việc kinh doanh và thời gian học tập?

Mcredit áp dụng cấu trúc bài giảng Microlearning (thời lượng 5–10 phút/bài học) cho phép học linh hoạt trong thời gian nhàn rỗi tại điểm bán, kết hợp chính sách tích lũy điểm thưởng đào tạo vào tiêu chí xét thưởng định kỳ.

3. Hệ thống đo lường hiệu quả sau đào tạo (Kirkpatrick Level 3 & 4) bằng cách nào?

Hệ thống tự động liên kết ID nhân viên với dữ liệu doanh số giải ngân trên Core Banking sau 30–60–90 ngày kể từ khi hoàn thành khóa học để so sánh năng suất lao động trước và sau đào tạo.

4. Chi phí đầu tư cho giải pháp số hóa đào tạo gồm những khoản mục nào?

Chi phí bao gồm: Khấu hao bản quyền hạ tầng máy chủ/LMS nội bộ, chi phí số hóa nội dung SCORM, chi phí thù lao cho giảng viên nội bộ và chi phí cơ hội trả lương trong thời gian CBNV tham gia các lớp tập trung chuyên sâu.

5. Làm sao để đảm bảo tính minh bạch khi xét duyệt nhân sự đi học?

Quy trình xét duyệt được chuyển hoàn toàn lên hệ thống TNA tự động. Nhân viên có điểm KPI dưới chuẩn hoặc có điểm đánh giá năng lực khuyết thiếu ở kỹ năng nào sẽ tự động nhận thông báo mời tham gia khóa đào tạo tương ứng mà không phụ thuộc vào đánh giá định tính của quản lý.

Kết luận

Đồ án đã phân tích chuyên sâu và chứng minh hiệu quả của công tác đào tạo nhân lực tại Công ty Tài chính TNHH MB Shinsei (Mcredit) trong giai đoạn bản lề 2021–2023. Trước thách thức cắt giảm 48,73% quy mô lao động để thích ứng với chuyển đổi số, việc chuẩn hóa quy trình đào tạo kết hợp (Blended Learning), số hóa TNA và áp dụng mô hình đánh giá Kirkpatrick đã giúp duy trì điểm số hài lòng khóa học đạt mức cao (4,72–4,83/5,00) và nâng tỷ lệ nhân sự giao tiếp ngoại ngữ thành thạo lên 75%. Đây là mô hình kiểu mẫu có giá trị ứng dụng cao cho các định chế tài chính và doanh nghiệp bán lẻ hiện đại.