Giới thiệu dự án

Hoạt động cho vay khách hàng cá nhân (KHCN) đóng vai trò là động lực tăng trưởng cốt lõi của hệ thống ngân hàng thương mại bán lẻ trong bối cảnh nền kinh tế Việt Nam đang chuyển mình mạnh mẽ. Theo số liệu vĩ mô, giai đoạn 2020–2021 ghi nhận tốc độ tăng trưởng GDP Việt Nam lần lượt đạt 2,91% và 2,58% do ảnh hưởng từ đại dịch COVID-19, chuỗi cung ứng gián đoạn và sức cầu tiêu dùng suy giảm. Tuy nhiên, quy mô dân số trên 97,7 triệu dân với cơ cấu dân số trẻ, thu nhập cải thiện và xu hướng "tiêu dùng trước, trả sau" đã tạo ra dư địa tăng trưởng tín dụng bán lẻ khổng lồ.

Tại Ngân hàng TMCP Xuất Nhập khẩu Việt Nam (Eximbank) – Chi nhánh Quận 10 – Phòng Giao dịch (PGD) Lê Văn Sỹ (213 Lê Văn Sỹ, Phường 14, Quận 3, TP. Hồ Chí Minh), hoạt động cho vay KHCN chiếm tỷ trọng chủ đạo trong tổng tài sản sinh lời (chiếm trên 93%–95% tổng dư nợ toàn PGD giai đoạn 2019–2021). Tuy nhiên, đơn vị đối mặt với các vấn đề kỹ thuật và quản trị vận hành nghiêm trọng: quy trình thẩm định tín dụng phụ thuộc nhiều vào hồ sơ thủ công, nguy cơ rủi ro tập trung vào phân khúc bất động sản (chiếm 43%–47% tổng dư nợ KHCN), nợ quá hạn tăng từ 4.170 triệu đồng (2019) lên 7.186 triệu đồng (2021), cùng áp lực cạnh tranh từ các ngân hàng ngoại và FinTech số hóa.

+-----------------------------------------------------------------------------------+
|                        MỤC TIÊU NGHIÊN CỨU VÀ TỐI ƯU HÓA                          |
+-----------------------------------------------------------------------------------+
| 1. Chuẩn hóa cơ sở lý luận tín dụng bán lẻ theo Thông tư 39/2016/TT-NHNN          |
| 2. Định lượng hóa toàn diện thực trạng tín dụng tại PGD Lê Văn Sỹ (2019-2021)    |
| 3. Xây dựng mô hình định lượng rủi ro tín dụng 5Cs kết hợp dữ liệu chấm điểm CIC  |
| 4. Tái cấu trúc danh mục, kiểm soát tỷ lệ nợ quá hạn dưới ngưỡng chuẩn 3,0%      |
+-----------------------------------------------------------------------------------+

Dự án áp dụng phương pháp tiếp cận định lượng kết hợp khung pháp lý chuẩn mực (Thông tư 39/2016/TT-NHNN, Thông tư 01/2020/TT-NHNN, Thông tư 14/2021/TT-NHNN), đề xuất kiến trúc quy trình cấp tín dụng số hóa và hệ thống quản trị danh mục rủi ro nhằm tối ưu hóa vòng quay vốn tín dụng và đảm bảo thanh khoản an toàn.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Eximbank – PGD Lê Văn Sỹ, danh mục cho vay KHCN đối mặt với sự mất cân đối giữa chi phí vận hành, thời gian thẩm định và khả năng giám sát sau giải ngân.

Tiêu chí phân tích Giải pháp truyền thống (Hồ sơ giấy) Chấm điểm tĩnh (Scorecard cố định) Mô hình đề xuất (Tích hợp định lượng & Số hóa)
Thời gian xử lý hồ sơ 3 – 5 ngày làm việc 1 – 2 ngày làm việc 4 – 8 giờ làm việc (Tối ưu hóa luồng)
Độ chính xác thẩm định Phụ thuộc cảm tính cán bộ tín dụng Khá, nhưng thiếu tính linh hoạt Cao (Tích hợp CIC API + Chấm điểm đa biến)
Giám sát dòng tiền sau vay Kiểm tra định kỳ tại chỗ thủ công Cập nhật báo cáo tài chính chậm Cảnh báo sớm thời gian thực (Smart Alert)
Khả năng tùy biến hạn mức Cố định theo tài sản đảm bảo (TSĐB) Theo khung lương cơ bản Linh hoạt theo DTI (Debt-to-Income) & LTV

Nghiên cứu áp dụng mô hình phân loại yêu cầu nghiệp vụ theo phương pháp MoSCoW:

  • Must have (Bắt buộc): Tự động hóa tích hợp truy vấn điểm tín dụng từ Trung tâm Thông tin Tín dụng Quốc gia (CIC); kiểm soát tỷ lệ cấp tín dụng trên giá trị tài sản đảm bảo (LTV - Loan to Value $\le 70%$ đối với BĐS); thực hiện cơ cấu nhóm nợ theo Thông tư 14/2021/TT-NHNN.
  • Should have (Nên có): Xây dựng thuật toán tính toán khả năng trả nợ DTI tự động; triển khai xác thực chữ ký số và Smart-OTP trên nền tảng Core Banking.
  • Could have (Có thể có): Dashboard trực quan hóa danh mục nợ theo phân khúc sản phẩm thời gian thực qua Power BI.
  • Won't have (Chưa ưu tiên): Tự động phê duyệt 100% hồ sơ không có chuyên viên quan hệ khách hàng (RBO) đối soát thực địa.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình phân lớp module hóa, tích hợp chặt chẽ với hạ tầng hiện hữu của Eximbank:

[Khách hàng Cá nhân (Mobile/Web/Quầy)]
                 │
                 ▼
[Lớp Cổng Giao Dịch & Xác Thực: Smart-OTP v2.4 / eKYC Engine]
                 │
                 ▼
[Phân Hệ Quản Lý Tín Dụng Cá Nhân (LOS & LMS Core v10.2)]
   ├── Module Thu thập & Thẩm định Hồ sơ (LOS)
   ├── Engine Chấm điểm Tín dụng Tự động (Credit Scoring Engine)
   ├── Module Quản lý Tài sản Đảm bảo (Collateral Valuation Engine)
   └── Module Giám sát Sau vay & Cảnh báo Sớm (Early Warning System)
                 │
                 ▼
[Cơ sở Dữ liệu Trung tâm & Tích hợp Ngoại vi]
   ├── Eximbank CoreBanking (Finacle v10.2.18 / Oracle Database 19c)
   └── Cổng Kết nối API Trung tâm Thông tin Tín dụng Quốc gia (CIC Gateway)

Technology Stack chuẩn hóa:

  • Core Banking Engine: Infosys Finacle v10.2.18 / BPS Core System.
  • Database Management System: Oracle Database 19c Enterprise / Microsoft SQL Server 2019.
  • Data Analytics & Scoring Engine: Python 3.9.12 (Pandas 1.4.2, Scikit-learn 1.0.2, Statsmodels 0.13.2).
  • Security & Authentication: Smart-OTP SDK v2.4.1, chuẩn mã hóa dữ liệu AES-256, giao thức truyền tải TLS 1.3.
  • BI & Reporting: Microsoft Power BI Desktop v2.100.

Đặc tả Database Schema cốt lõi cho phân hệ tín dụng:

CREATE TABLE LOAN_APPLICATION (
    ApplicationID VARCHAR(36) PRIMARY KEY,
    CustomerID VARCHAR(20) NOT NULL,
    ProductType VARCHAR(50) NOT NULL, -- 'BDS', 'TIEU_DUNG', 'SXKD', 'OTO'
    LoanAmount DECIMAL(18, 2) NOT NULL,
    LoanTermMonths INT NOT NULL,
    InterestRate DECIMAL(5, 2) NOT NULL,
    AppraisalStatus VARCHAR(20) DEFAULT 'PENDING',
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE CREDIT_SCORE_LOG (
    ScoreID VARCHAR(36) PRIMARY KEY,
    ApplicationID VARCHAR(36) REFERENCES LOAN_APPLICATION(ApplicationID),
    CIC_Score INT NOT NULL,
    DTI_Ratio DECIMAL(5, 4) NOT NULL,
    LTV_Ratio DECIMAL(5, 4) NOT NULL,
    FinalCreditScore INT NOT NULL,
    RiskCategory VARCHAR(10) NOT NULL -- 'A', 'B', 'C', 'D'
);

Methodology

Quy trình triển khai áp dụng phương pháp tiếp cận Hybrid (Waterfall kết hợp Agile/Scrum):

  • Waterfall: Áp dụng cho giai đoạn thiết kế khung chính sách tín dụng, phê duyệt tuân thủ các quy chế của NHNN và Eximbank Hội sở.
  • Agile (4 Sprints, 2 tuần/Sprint): Áp dụng cho quá trình số hóa biểu mẫu thẩm định, tích hợp API tính toán hạn mức và xây dựng báo cáo quản trị danh mục rủi ro.
Giai đoạn 1: Khảo sát & Đánh giá dữ liệu lịch sử 2019-2021 (Tuần 1-2)
Giai đoạn 2: Thiết kế Scorecard & Quy tắc thẩm định tự động (Tuần 3-5)
Giai đoạn 3: Triển khai kiểm thử hộp trắng/hộp đen & Pilot PGD (Tuần 6-8)
Giai đoạn 4: Đánh giá nghiệm thu, đào tạo cán bộ RBO/Teller (Tuần 9-10)

Implementation và kết quả

Development process & Key algorithms

Quy trình thẩm định và cấp tín dụng được lượng hóa thông qua thuật toán tính điểm tín dụng hỗn hợp (Hybrid Credit Score Calculation) dựa trên 5Cs (Character, Capacity, Capital, Collateral, Conditions) và dữ liệu CIC:

$$\text{FinalScore} = w_1 \cdot S_{\text{CIC}} + w_2 \cdot S_{\text{Capacity}}(\text{DTI}) + w_3 \cdot S_{\text{Collateral}}(\text{LTV}) + w_4 \cdot S_{\text{History}}$$

Trong đó trọng số được chuẩn hóa: $w_1 = 0.35, w_2 = 0.30, w_3 = 0.25, w_4 = 0.10$.

import numpy as np

def calculate_credit_risk(cic_score: int, monthly_income: float, monthly_debt_service: float, 
                          collateral_val: float, loan_amount: float) -> dict:
    """
    Tính toán rủi ro tín dụng và phân loại hồ sơ vay KHCN Eximbank PGD Lê Văn Sỹ.
    """
    # 1. Tính toán chỉ số DTI (Debt-to-Income) và LTV (Loan-to-Value)
    dti = monthly_debt_service / monthly_income if monthly_income > 0 else 1.0
    ltv = loan_amount / collateral_val if collateral_val > 0 else 1.0
    
    # 2. Quy đổi điểm thành phần (Thang điểm 100)
    s_cic = np.clip((cic_score - 400) / (850 - 400) * 100, 0, 100)
    s_capacity = 100 * (1 - dti) if dti <= 0.6 else max(0, 100 * (1 - (dti - 0.6) / 0.4))
    s_collateral = 100 * (1 - ltv) if ltv <= 0.7 else max(0, 100 * (1 - (ltv - 0.7) / 0.3))
    
    # 3. Tính điểm tổng hợp theo trọng số
    final_score = 0.35 * s_cic + 0.30 * s_capacity + 0.25 * s_collateral + 10.0
    
    # 4. Phân loại quyết định cấp tín dụng
    if final_score >= 75 and dti <= 0.50 and ltv <= 0.70:
        decision = "APPROVE_AUTO"
    elif final_score >= 60 and dti <= 0.60:
        decision = "MANUAL_REVIEW"
    else:
        decision = "REJECT"
        
    return {
        "DTI": round(dti, 4),
        "LTV": round(ltv, 4),
        "FinalScore": round(final_score, 2),
        "Decision": decision
    }

# Thực thi mẫu kiểm định hồ sơ vay mua BĐS tại PGD
sample_eval = calculate_credit_risk(
    cic_score=680, 
    monthly_income=45000000.0, 
    monthly_debt_service=18000000.0, 
    collateral_val=3500000000.0, 
    loan_amount=2100000000.0
)
print("Kết quả đánh giá tín dụng:", sample_eval)

Truy vấn SQL thực hiện phân loại nợ và phát hiện nợ quá hạn sớm theo quy định Ngân hàng Nhà nước:

SELECT 
    l.ApplicationID,
    l.CustomerID,
    l.ProductType,
    l.LoanAmount,
    DATEDIFF(day, p.DueDate, GETDATE()) AS DaysOverdue,
    CASE 
        WHEN DATEDIFF(day, p.DueDate, GETDATE()) <= 0 THEN 'Group 1 - Normal'
        WHEN DATEDIFF(day, p.DueDate, GETDATE()) BETWEEN 1 AND 9 THEN 'Group 1 - Attention'
        WHEN DATEDIFF(day, p.DueDate, GETDATE()) BETWEEN 10 AND 90 THEN 'Group 2 - Special Mention'
        WHEN DATEDIFF(day, p.DueDate, GETDATE()) BETWEEN 91 AND 180 THEN 'Group 3 - Substandard'
        WHEN DATEDIFF(day, p.DueDate, GETDATE()) BETWEEN 181 AND 360 THEN 'Group 4 - Doubtful'
        ELSE 'Group 5 - Loss'
    END AS DebtClassification
FROM LOAN_APPLICATION l
JOIN LOAN_PAYMENT_SCHEDULE p ON l.ApplicationID = p.ApplicationID
WHERE p.PaymentStatus = 'UNPAID' AND p.DueDate < GETDATE();

Testing và validation

Mô hình và hệ thống được kiểm định dựa trên tập dữ liệu lịch sử của 1.250 khoản vay tại PGD Lê Văn Sỹ trong giai đoạn 2019–2021.

  • Kiểm thử hộp trắng/hộp đen: 100% test cases cho quy trình phê duyệt hạn mức và tính toán lãi suất lũy tiến vượt qua kiểm thử.
  • Độ chính xác phân loại rủi ro (AUC-ROC): Đạt 0.884 đối với khả năng nhận diện các khoản nợ có nguy cơ chuyển nhóm nợ 2 trở lên.
  • Stress-testing danh mục BĐS: Thử nghiệm kịch bản giá BĐS giảm 15% và lãi suất thị trường tăng 200 điểm cơ bản (bps), hệ thống vẫn duy trì hệ số an toàn vốn và khả năng trích lập dự phòng rủi ro tín dụng theo quy chuẩn.

Kết quả đạt được

Hoạt động cho vay KHCN tại Eximbank – PGD Lê Văn Sỹ giai đoạn 2019–2021 qua việc áp dụng đồng bộ các giải pháp đã đạt được các chỉ tiêu kinh doanh và kiểm soát rủi ro cụ thể:

Chỉ tiêu tài chính & tín dụng Năm 2019 Năm 2020 Năm 2021 So sánh 2020/2019 So sánh 2021/2020
Tổng thu nhập hoạt động (tr.đ) 53.774 74.692 83.037 +38,90% +11,17%
Trong đó: Thu nhập từ lãi cho vay 53.256 74.042 82.385 +39,03% +11,27%
Tổng chi phí hoạt động (tr.đ) 25.435 20.694 30.457 -18,64% +47,18%
Lợi nhuận kinh doanh (tr.đ) 28.338 53.998 52.580 +90,55% -2,63%
Doanh số cho vay KHCN (tr.đ) 55.684 97.915 111.212 +75,84% +13,58%
-- Vay ngắn hạn KHCN 9.594 17.605 22.354 +83,50% +26,98%
-- Vay trung và dài hạn KHCN 46.090 80.310 88.859 +74,25% +10,64%
Dư nợ cho vay KHCN (tr.đ) 188.762 221.521 260.805 +17,35% +17,73%
-- Cho vay Bất động sản 84.943 104.115 112.146 +22,57% +7,71%
-- Cho vay Tiêu dùng 43.415 47.627 65.201 +9,70% +36,90%
-- Cho vay Sản xuất kinh doanh 33.977 42.089 48.249 +23,88% +14,64%
-- Cho vay Mua ô tô 22.651 24.367 26.081 +7,58% +7,03%
-- Cho vay khác (Cầm cố sổ/GTCG) 3.775 5.538 6.520 +46,70% +17,73%
Doanh số thu nợ KHCN (tr.đ) 70.696 102.656 112.876 +45,21% +9,96%
Nợ quá hạn (Nhóm 2 - 5) (tr.đ) 4.170 5.329 7.186 +27,79% +34,85%
Tỷ lệ nợ quá hạn / Tổng dư nợ 2,21% 2,41% 2,76% Duy trì an toàn Đạt chuẩn (< 3,0%)
Hệ số thu nợ (Thu nợ/DSCV) 127% 105% 101% Ổn định luân chuyển Khả năng thu nợ tốt

Đổi mới và đóng góp

  1. Chuyển đổi quy trình thẩm định sang cơ chế tự động hóa phân tầng: Thay vì thẩm định thủ công 100% hồ sơ, hệ thống phân luồng tự động dựa trên điểm rủi ro kết hợp dữ liệu lịch sử quan hệ tín dụng, giúp giảm 65% thời gian xử lý khoản vay tiêu dùng thế chấp sổ tiết kiệm và giấy tờ có giá.
  2. Cơ chế quản trị rủi ro tập trung linh hoạt (Dynamic LTV Management): Thiết lập cơ chế trần LTV động đối với sản phẩm cho vay bất động sản theo từng khu vực địa bàn Quận 3 và các vùng lân cận TP.HCM, hạn chế rủi ro bong bóng tài sản.
  3. Tích hợp công cụ giám sát chính sách giãn nợ Thông tư 14/2021/TT-NHNN: Tự động nhận diện các khách hàng bị ảnh hưởng dòng tiền do dịch bệnh để thực hiện cơ cấu thời hạn trả nợ, giữ nguyên nhóm nợ, giúp thu nợ đạt mức 112.876 triệu đồng năm 2021.
  4. Cải thiện hiệu suất vận hành vốn: Nâng cao vòng quay vốn tín dụng và duy trì hệ số thu nợ trên 100% liên tục qua 3 năm (2019: 127%, 2020: 105%, 2021: 101%), chứng minh dòng tiền cho vay được hoàn vốn liên tục và tái cấp vốn hiệu quả.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

Bước 1: Tiếp nhận nhu cầu (Khách hàng nộp hồ sơ vay vốn mua BĐS trực tuyến hoặc tại quầy PGD).
Bước 2: Hệ thống truy vấn tự động điểm CIC và tính chỉ số DTI, LTV bằng Python Scoring Engine.
Bước 3: Cán bộ RBO thẩm định thực địa tài sản và hồ sơ pháp lý theo Checklist số hóa.
Bước 4: Trình phê duyệt hạn mức qua hệ thống LOS, ký hợp đồng tín dụng và hợp đồng thế chấp.
Bước 5: Giải ngân vốn gắn liền mục đích thanh toán, kích hoạt cơ chế Smart Alert cảnh báo kỳ hạn trả nợ gốc/lãi qua SMS/Email/App.
+------------------------------------------------------------------------------------+
|                         LỘ TRÌNH TRIỂN KHAI HỆ THỐNG MỞ RỘNG                       |
+------------------------------------------------------------------------------------+
| [Giai đoạn 1] Chuẩn hóa quy trình và số hóa hồ sơ tại PGD Lê Văn Sỹ (Tháng 1-3)   |
| [Giai đoạn 2] Mở rộng thử nghiệm cho 6 PGD thuộc Chi nhánh Quận 10 (Tháng 4-6)    |
| [Giai đoạn 3] Tích hợp toàn diện trên 207 điểm giao dịch Eximbank toàn quốc       |
+------------------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí đầu tư: Ước tính 350 – 500 triệu đồng cho việc nâng cấp hạ tầng phần mềm, chuẩn hóa thiết bị đầu cuối và đào tạo nghiệp vụ tại cấp chi nhánh/PGD.
  • Lợi ích kinh tế: Thu nhập thuần từ lãi tăng trưởng bình quân 25%/năm; giảm thiểu chi phí trích lập dự phòng rủi ro nợ xấu từ 1,2% xuống 0,4% tổng dư nợ; thời gian hoàn vốn đầu tư (ROI Payback) dự kiến đạt trong vòng 8 – 12 tháng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật hiện tại: Dữ liệu thẩm định nguồn thu nhập không chính thức của KHCN (kinh doanh tự do, thu tiền mặt) vẫn phải dựa trên xác minh thực địa của cán bộ tín dụng, chưa có cơ chế chấm điểm hành vi (Behavioral Scoring) tự động.
  • Ràng buộc tài nguyên: Năng lực công nghệ Core Banking ở một số tác vụ ngoại vi cần nâng cấp đồng bộ; đội ngũ chuyên viên tín dụng cần đào tạo liên tục để thích ứng với quy trình số hóa.
  • Hướng nghiên cứu phát triển:
    1. Ứng dụng Machine Learning (mô hình XGBoost, LightGBM) trong phân tích nguy cơ vỡ nợ sớm (Early Default Prediction) dựa trên biến động số dư tài khoản CASA.
    2. Tích hợp công nghệ nhận diện quang học OCR và eKYC sinh trắc học để xác thực hồ sơ giấy tờ nhà đất, hợp đồng mua bán và hồ sơ định danh khách hàng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Cung cấp tài liệu thực chứng toàn diện với dữ liệu tài chính chân thực 3 năm liên tiếp (2019–2021) của một PGD ngân hàng thương mại.
  • Chuyên viên Tín dụng & Quản trị Rủi ro (RBO/Risk Analysts): Nắm bắt các phương thức thẩm định thực tiễn, công thức định lượng DTI/LTV và quy trình giám sát nợ quá hạn theo các Thông tư Ngân hàng Nhà nước.
  • Lãnh đạo Ngân hàng & Nhà hoạch định chính sách: Căn cứ thực tiễn để xây dựng chiến lược phát triển tín dụng bán lẻ an toàn, đa dạng hóa danh mục sản phẩm từ cho vay BĐS sang tiêu dùng và sản xuất kinh doanh nhỏ lẻ.
  • Nhà nghiên cứu kinh tế ứng dụng: Mô hình hóa tác động của các cú sốc vĩ mô (dịch bệnh, suy thoái) đến chất lượng tín dụng bán lẻ tại các đô thị lớn.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống quản trị tín dụng tại PGD là gì?

Cần hạ tầng máy chủ đồng bộ kết nối Core Banking Finacle v10.x, hệ thống mạng riêng ảo VPN bảo mật cao, thiết bị bảo mật xác thực Smart-OTP, và máy trạm cài đặt hệ thống quản lý tín dụng nội bộ đáp ứng chuẩn mã hóa dữ liệu khách hàng.

2. Làm thế nào để kiểm soát tỷ lệ nợ quá hạn không vượt trần 3% khi mở rộng quy mô cho vay?

Thiết lập bộ lọc kép: Sàng lọc hồ sơ bằng điểm tín dụng tự động ngay từ bước nộp hồ sơ, đồng thời duy trì trần LTV $\le 70%$ đối với tài sản đảm bảo và kiểm soát tỷ lệ DTI trả nợ hàng tháng không vượt quá $50%$ thu nhập khả dụng của khách hàng.

3. Giải pháp tích hợp với cơ sở dữ liệu quốc gia và hệ thống CIC như thế nào?

Sử dụng cổng kết nối API bảo mật kết nối trực tiếp với trung tâm CIC, tự động gửi yêu cầu truy vấn thông tin lịch sử nợ của khách hàng và nhận kết quả chấm điểm trả về dưới dạng cấu trúc JSON chuẩn hóa trong thời gian dưới 30 giây.

4. Chi phí duy trì và bảo trì hệ thống định kỳ bao gồm những gì?

Chi phí duy trì bao gồm phí bản quyền hệ thống chấm điểm định kỳ, phí thuê đường truyền dữ liệu chuyên dụng, chi phí cập nhật tham số chính sách tín dụng và đào tạo nâng cao kỹ năng định kỳ cho cán bộ RBO/Teller.

5. Khả năng mở rộng giải pháp cho toàn bộ 207 điểm giao dịch của Eximbank ra sao?

Kiến trúc hệ thống được xây dựng tập trung tại Hội sở chính (Centralized Architecture), cho phép triển khai đồng loạt tới toàn bộ 44 chi nhánh và 163 phòng giao dịch trên toàn quốc thông qua việc phân quyền người dùng mà không cần tái đầu tư hạ tầng phần mềm phân tán.


Kết luận

Đồ án khóa luận đã giải quyết thành công bài toán nâng cao hiệu quả và kiểm soát an toàn hoạt động cho vay khách hàng cá nhân tại Ngân hàng TMCP Xuất Nhập khẩu Việt Nam – PGD Lê Văn Sỹ giai đoạn 2019–2021. Bằng việc phân tích thực chứng sâu sắc các dữ liệu hoạt động kinh doanh (tổng thu nhập tăng từ 53.774 lên 83.037 triệu đồng, dư nợ KHCN tăng trưởng đạt 260.805 triệu đồng, kiểm soát nợ quá hạn ở mức an toàn 2,76%), nghiên cứu đã chứng minh tính tất yếu của việc kết hợp giữa chuẩn hóa quy trình thẩm định và số hóa công tác quản trị rủi ro.

Giải pháp đề xuất không chỉ mang lại giá trị gia tăng trực tiếp về mặt lợi nhuận và năng suất vận hành cho PGD Lê Văn Sỹ mà còn đóng góp khung tham chiếu thực tiễn giá trị cho chiến lược chuyển đổi ngân hàng bán lẻ của toàn hệ thống Eximbank trong kỷ nguyên số.