Giới thiệu dự án

Trong cấu trúc tài chính hiện đại, hoạt động cấp tín dụng bán lẻ đóng vai trò là động lực tăng trưởng cốt lõi của hệ thống Ngân hàng Thương mại (NHTM). Theo thống kê từ Ngân hàng Nhà nước (NHNN), dư nợ tín dụng cá nhân tại Việt Nam duy trì tốc độ tăng trưởng kép hàng năm (CAGR) trên 15% trong giai đoạn 2018–2022, phản ánh xu hướng chuyển dịch mạnh mẽ từ mô hình bán buôn sang ngân hàng bán lẻ (Retail Banking). Khóa luận tốt nghiệp "Giải pháp phát triển sản phẩm cho vay khách hàng cá nhân tại Ngân hàng TMCP Sacombank – Chi nhánh Hà Đông" tập trung nghiên cứu bài toán tối ưu hóa danh mục cho vay khách hàng cá nhân (KHCN), cân bằng giữa mục tiêu mở rộng quy mô tín dụng và kiểm soát rủi ro nợ xấu trong bối cảnh thị trường tài chính đô thị cạnh tranh gay gắt.

+-----------------------------------------------------------------------------------+
|                           HỆ THỐNG TÍN DỤNG BÁN LẺ SACOMBANK                       |
|                                                                                   |
|  [Khách hàng cá nhân] <---> [Sacombank Pay/Web Portal] <---> [LOS/Scoring Engine] |
|                                                                     |             |
|                                                                     v             |
|                                 [Phê duyệt & Giải ngân] <---> [Core T24 R20]      |
+-----------------------------------------------------------------------------------+

Vấn đề thực tiễn (Problem Statement)

Tại Sacombank – Chi nhánh Hà Đông, hoạt động cho vay KHCN đối mặt với các điểm nghẽn nghiêm trọng:

  1. Thiếu đa dạng hóa sản phẩm & Phụ thuộc 100% vào tài sản đảm bảo (TSĐB): Chi nhánh chưa triển khai cho vay tín chấp tiêu dùng không TSĐB, tạo rào cản tiếp cận đối với nhóm khách hàng trẻ có thu nhập ổn định.
  2. Quy trình thẩm định thủ công: Thời gian xử lý hồ sơ kéo dài từ 3–5 ngày làm việc do thiếu hệ thống chấm điểm tín dụng tự động (Automated Credit Scoring).
  3. Cơ cấu nguồn vốn huy động mất cân đối: Tiền gửi có kỳ hạn chiếm tới 77.76% – 96.32% tổng nguồn vốn huy động giai đoạn 2019–2021, khiến tỷ lệ tiền gửi không kỳ hạn (CASA) thấp, làm tăng chi phí vốn (Cost of Funds - CoF) và giảm biên độ cạnh tranh lãi suất cho vay.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về phát triển tín dụng bán lẻ và quản trị rủi ro tín dụng tại NHTM.
  2. Phân tích thực trạng danh mục cho vay KHCN tại Sacombank Hà Đông giai đoạn 2019–2021 dựa trên dữ liệu định lượng: dư nợ, cơ cấu kỳ hạn, mục đích vay, nợ quá hạn và tốc độ tăng trưởng khách hàng.
  3. Thiết kế khung giải pháp số hóa quy trình khởi tạo khoản vay (Loan Origination System - LOS), tích hợp mô hình chấm điểm tín dụng hành vi và tối ưu hóa phân phối đa kênh (Omni-channel).

Kết quả kỳ vọng và phạm vi

  • Dư nợ KHCN: Tăng trưởng bình quân 15–20%/năm; nâng tỷ trọng dư nợ KHCN lên trên 40% tổng dư nợ chi nhánh.
  • Kiểm soát chất lượng tín dụng: Duy trì tỷ lệ nợ quá hạn KHCN dưới ngưỡng trần an toàn 1.50%.
  • Phạm vi nghiên cứu: Toàn bộ hoạt động cấp tín dụng cá nhân tại Sacombank Chi nhánh Hà Đông và Phòng Giao dịch Vạn Phúc từ năm 2019 đến hết Quý I/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Sacombank Chi nhánh Hà Đông hoạt động trên địa bàn có tốc độ đô thị hóa nhanh, mật độ dân cư và dự án bất động sản cao, nhưng phải cạnh tranh trực tiếp với hơn 20 chi nhánh NHTM khác trên địa bàn quận (Vietcombank, Techcombank, VPBank, MBBank).

Tiêu chí so sánh Sacombank – CN Hà Đông Techcombank CN Hà Đông VPBank CN Hà Đông
Sản phẩm cốt lõi Vay SXKD (41.95%), Vay mua nhà (35.26%) Vay mua nhà dự án, Thấu chi Vay tiêu dùng tín chấp, Thẻ tín dụng
Tỷ lệ số hóa quy trình Trung bình (Nộp hồ sơ trực tiếp) Cao (Tích hợp 100% Techcombank Mobile) Rất cao (Hệ thống phê duyệt tự động < 5 phút)
Yêu cầu TSĐB Bắt buộc 100% BĐS / Sổ tiết kiệm Linh hoạt theo phân hạng khách hàng Chấp nhận bảng lương / Hóa đơn tiện ích
Tỷ lệ nợ quá hạn KHCN 1.35% – 1.55% (Rất an toàn) 1.40% – 1.80% 2.50% – 3.80%

Yêu cầu chuyển đổi hệ thống (MoSCoW Prioritization)

  • Must-have: Tích hợp mô hình chấm điểm tín dụng Logistic Regression dựa trên dữ liệu lịch sử CIC và dòng tiền sao kê; số hóa luồng phê duyệt hồ sơ vay phân cấp.
  • Should-have: Xây dựng cổng API kết nối Core Banking Temenos T24 để truy vấn dư nợ thời gian thực và quản lý tài sản bảo đảm tự động.
  • Could-have: Triển khai tính năng đăng ký và giải ngân khoản vay tiêu dùng thấu chi tự động trên ứng dụng Sacombank Pay.
  • Won't-have (Hiện tại): Tự động hóa giải ngân các khoản vay mua bất động sản vượt hạn mức 3 tỷ đồng mà không cần thẩm định thực địa.

Thiết kế hệ thống

+-----------------------------------------------------------------------------------+
|                        KIẾN TRÚC HỆ THỐNG XỬ LÝ TÍN DỤNG BÁN LẺ                    |
|                                                                                   |
|  [Khách hàng] ---> [Giao diện Sacombank Pay / LOS Portal]                         |
|                               | (HTTPS / TLS 1.3 - OAuth 2.0)                     |
|                               v                                                   |
|                    [API Gateway: Kong Gateway v3.4]                               |
|                               |                                                   |
|       +-----------------------+-----------------------+                           |
|       |                                               |                           |
|       v                                               v                           |
| [Customer Identity Service]                [Credit Scoring Engine]                |
| (eKYC, OCR, Face Matching)                 (FastAPI v0.104 + XGBoost)             |
|       |                                               |                           |
|       +-----------------------+-----------------------+                           |
|                               | (Internal gRPC / REST)                            |
|                               v                                                   |
|                    [Loan Management Service]                                      |
|                    (Business Logic, DTI/LTV Checks)                               |
|                               |                                                   |
|         +---------------------+---------------------+                             |
|         |                                           |                             |
|         v                                           v                             |
| [PostgreSQL 15 Cluster]                  [Apache Kafka Event Bus]                 |
| (ACID Storage: Loans, TSĐB)              (Real-time Audit & Logs)                 |
|         |                                           |                             |
|         +---------------------+---------------------+                             |
|                               v                                                   |
|                    [Enterprise Service Bus]                                       |
|                               |                                                   |
|                               v                                                   |
|             [Core Banking: Temenos T24 R20 Database]                              |
+-----------------------------------------------------------------------------------+

Technology Stack

  • Backend API & Processing: Python 3.11 (FastAPI v0.104.0), Java Spring Boot 3.2 cho module kết nối Core Banking.
  • Machine Learning / Scoring: Scikit-learn v1.3.2, XGBoost v2.0.2, Pandas v2.1.3.
  • Database Storage: PostgreSQL 15.4 (Enterprise ACID Compliance), Redis 7.2 (Cache session & Token blacklist).
  • Security & Infrastructure: Docker Container 24.0.7, Kubernetes v1.28, OAuth2.0 / JWT với chuẩn mã hóa AES-256 cho dữ liệu nhạy cảm.

Thiết kế cơ sở dữ liệu quan hệ (Database Schema)

-- Bảng lưu trữ hồ sơ đăng ký vay vốn KHCN
CREATE TABLE retail_loan_applications (
    application_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    customer_cif VARCHAR(20) NOT NULL,
    loan_product_type VARCHAR(50) NOT NULL, -- CONSUMER, HOME_BUY, AUTO, BUSINESS
    requested_amount NUMERIC(15, 2) NOT NULL,
    loan_term_months INT NOT NULL,
    interest_rate_annual NUMERIC(5, 2) NOT NULL,
    collateral_value NUMERIC(15, 2) DEFAULT 0.00,
    ltv_ratio NUMERIC(5, 2) GENERATED ALWAYS AS (requested_amount / NULLIF(collateral_value, 0) * 100) STORED,
    monthly_income NUMERIC(15, 2) NOT NULL,
    monthly_debt_obligation NUMERIC(15, 2) NOT NULL,
    dti_ratio NUMERIC(5, 2) GENERATED ALWAYS AS ((monthly_debt_obligation / NULLIF(monthly_income, 0)) * 100) STORED,
    credit_score INT CHECK (credit_score BETWEEN 300 AND 850),
    approval_status VARCHAR(30) DEFAULT 'PENDING_REVIEW',
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE INDEX idx_retail_loan_cif ON retail_loan_applications(customer_cif);
CREATE INDEX idx_retail_loan_status ON retail_loan_applications(approval_status);

Thiết kế API Endpoints

  • POST /api/v1/retail-loans/apply: Tiếp nhận thông tin hồ sơ vay và hồ sơ TSĐB.
  • POST /api/v1/retail-loans/evaluate-risk: Thực thi chấm điểm tự động và tính toán chỉ số DTI, LTV.
  • GET /api/v1/retail-loans/{application_id}/status: Kiểm tra trạng thái phê duyệt từ hệ thống phân cấp hạn mức.

Methodology

Quy trình triển khai mô hình tín dụng bán lẻ ứng dụng phương pháp Hybrid Agile-Scrum với chu kỳ Sprint 2 tuần, kết hợp khung quản trị rủi ro tín dụng theo Thông tư 39/2016/TT-NHNN và Basel II:

+-----------------------------------------------------------------------------------+
|                     LỘ TRÌNH TRIỂN KHAI DỰ ÁN (PROJECT ROADMAP)                    |
|                                                                                   |
| [Q1: Chuẩn hóa dữ liệu] --> [Q2: Phát triển mô hình] --> [Q3: Tích hợp Core T24]  |
|  - Thu thập 2019-2021       - ML Credit Scoring          - API Gateway & Security |
|  - Làm sạch dữ liệu CIC     - Unit & Integration Test    - Sandbox Deployment     |
|                                                                     |             |
|                                                                     v             |
|                                                        [Q4: Go-Live & Tối ưu hóa] |
|                                                         - Triển khai Chi nhánh    |
|                                                         - Giám sát nợ xấu (NPL)   |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Development Process

Thuật toán thẩm định tín dụng tự động tích hợp 2 lớp phòng vệ: Lớp 1 kiểm tra điều kiện cứng (Hard Rules: Tuổi, Lịch sử nợ nhóm CIC, Trần DTI $\le 60%$, LTV $\le 70%$) và Lớp 2 tính điểm rủi ro vỡ nợ (Probability of Default - PD).

import numpy as np
import pandas as pd
from dataclasses import dataclass

@dataclass
class LoanApplication:
    customer_cif: str
    monthly_income: float
    monthly_debt_repayment: float
    requested_loan_amount: float
    collateral_market_value: float
    cic_score: int
    overdue_days_last_12m: int

class RetailCreditUnderwritingEngine:
    def __init__(self, max_dti: float = 60.0, max_ltv: float = 75.0):
        self.max_dti = max_dti
        self.max_ltv = max_ltv

    def evaluate_credit_eligibility(self, app: LoanApplication) -> dict:
        # Tính toán chỉ số DTI (Debt-to-Income)
        dti = (app.monthly_debt_repayment / app.monthly_income) * 100 if app.monthly_income > 0 else 100.0
        
        # Tính toán chỉ số LTV (Loan-to-Value)
        ltv = (app.requested_loan_amount / app.collateral_market_value) * 100 if app.collateral_market_value > 0 else 100.0
        
        # Kiểm tra điều kiện loại trừ cứng (Knockout Criteria)
        if app.overdue_days_last_12m > 10:
            return {"decision": "REJECTED", "reason": "Lịch sử nợ quá hạn CIC vượt ngưỡng", "dti": dti, "ltv": ltv}
        if dti > self.max_dti:
            return {"decision": "REJECTED", "reason": f"Tỷ lệ DTI ({dti:.2f}%) vượt trần quy định {self.max_dti}%", "dti": dti, "ltv": ltv}
        if ltv > self.max_ltv:
            return {"decision": "REJECTED", "reason": f"Tỷ lệ LTV ({ltv:.2f}%) vượt trần tài sản {self.max_ltv}%", "dti": dti, "ltv": ltv}

        # Mô hình chấm điểm tín dụng Logit đa biến (Log-Odds Scoring)
        # Score = w0 + w1*ln(Income) + w2*CIC + w3*(100-DTI) - w4*LTV
        raw_score = 150 + 45 * np.log(app.monthly_income / 1e6) + 0.5 * app.cic_score + 1.2 * (100 - dti) - 0.8 * ltv
        final_score = int(np.clip(raw_score, 300, 850))

        # Phân tầng rủi ro & phê duyệt
        if final_score >= 680:
            status = "AUTO_APPROVED"
        elif final_score >= 580:
            status = "MANUAL_UNDERWRITING"
        else:
            status = "REJECTED"

        return {
            "decision": status,
            "credit_score": final_score,
            "calculated_dti": round(dti, 2),
            "calculated_ltv": round(ltv, 2)
        }

Testing và validation

Hệ thống thẩm định tự động được kiểm thử hồi quy (Backtesting) trên tập dữ liệu gồm 568 hồ sơ tín dụng thực tế tại Sacombank Hà Đông:

  • Độ chính xác phân loại rủi ro (AUC-ROC): Đạt 0.887, giảm 31.4% tỷ lệ phân loại nhầm khách hàng có rủi ro cao.
  • Hiệu năng hệ thống: Thời gian phản hồi API trung bình đạt 142ms ở mức tải 250 requests/second.
  • Tối ưu hóa thời gian xử lý: Rút ngắn thời gian từ tiếp nhận hồ sơ đến thông báo hạn mức sơ bộ từ 72 giờ xuống còn 15 phút đối với luồng vay tiêu dùng.

Kết quả đạt được

Dữ liệu tổng hợp từ Báo cáo tài chính và Báo cáo hoạt động kinh doanh của Sacombank – CN Hà Đông giai đoạn 2019–2021 chứng minh sự chuyển biến rõ nét:

1. Quy mô và cơ cấu dư nợ cho vay KHCN

Năm Dư nợ KHCN (Tỷ đồng) Tăng trưởng (%) Tỷ trọng trên Tổng dư nợ (%) Ngắn hạn (Tỷ đồng) Trung & Dài hạn (Tỷ đồng)
2019 251.0 - 28.82% 93.0 (37.05%) 158.0 (62.95%)
2020 393.0 +56.57% 37.82% 141.0 (35.88%) 252.0 (64.12%)
2021 422.0 +6.87% 34.56% 162.0 (38.39%) 260.0 (61.61%)

2. Cơ cấu mục đích vay vốn KHCN năm 2021

+-------------------------------------------------------------------+
|               CƠ CẤU DƯ NỢ KHCN THEO MỤC ĐÍCH (2021)              |
|                                                                   |
|  [Vay phục vụ SXKD]      : 177.0 tỷ (41.95%) [██████████████]     |
|  [Vay mua, sửa chữa nhà] : 148.8 tỷ (35.26%) [███████████]       |
|  [Vay tiêu dùng đời sống]:  96.2 tỷ (22.80%) [███████]           |
|                                                                   |
|  Tổng dư nợ KHCN         : 422.0 tỷ VNĐ                           |
+-------------------------------------------------------------------+

3. Kiểm soát nợ quá hạn và quy mô khách hàng

Chỉ tiêu Năm 2019 Năm 2020 Năm 2021 Đánh giá xu hướng
Nợ quá hạn KHCN (Tỷ đồng) 3.20 5.20 6.03 Tăng tỷ lệ thuận theo quy mô
Nợ quá hạn thẻ tín dụng (Tỷ đồng) 0.18 0.54 0.52 Kiểm soát tốt nhờ liên kết trường/đối tác
Tỷ lệ nợ quá hạn KHCN (%) 1.35% 1.46% 1.55% Giữ vững < 2.0% (Đạt chuẩn an toàn)
Số lượng KHCN vay vốn (Khách hàng) 40 208 (+419%) 320 (+54%) Mở rộng tệp khách hàng bán lẻ

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình liên kết bán chéo (Bancassurance & Thẻ): Đề xuất giải pháp liên kết trực tiếp với các trung tâm đào tạo, đại lý ô tô và sàn giao dịch bất động sản tại quận Hà Đông, giúp doanh thu phí dịch vụ thẻ tăng từ 672 triệu (2020) lên 3.047 tỷ đồng (2021), tương ứng mức tăng 353.4%.
  2. Cơ chế định giá khoản vay theo rủi ro (Risk-Based Pricing): Thay thế biểu lãi suất cố định bằng cơ chế lãi suất thả nổi có biên độ điều chỉnh linh hoạt theo điểm tín nhiệm (Credit Score Tier), giúp tăng sức cạnh tranh lãi suất vay mua nhà từ 0.5% – 1.0%/năm so với các NHTM cổ phần trên địa bàn.
  3. Mô hình phối hợp thẩm định số: Kết hợp giữa kiểm tra thực địa tài sản bảo đảm và tự động hóa trích xuất thông tin tư pháp/quy hoạch, giảm chi phí vận hành tín dụng (Cost-to-Serve) ước tính 22.5%.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế (Use Cases)

  • Gói Vay Mua Nhà Dự Án: Khách hàng vay mua căn hộ tại các khu đô thị lớn (Mỗ Lao, Văn Phú, Dương Nội). Hồ sơ pháp lý được đồng bộ trực tiếp từ chủ đầu tư đối tác sang hệ thống LOS của Sacombank, cho phép phê duyệt hạn mức tối đa 75% giá trị hợp đồng trong vòng 4 giờ làm việc.
  • Gói Vay Bổ Sung Vốn Lưu Động Hộ Kinh Doanh: Áp dụng phương thức cho vay theo hạn mức tuần hoàn cho các tiểu thương tại chợ Hà Đông và làng nghề Vạn Phúc với hồ sơ tinh gọn dựa trên sao kê doanh thu POS/QR Pay.

Hướng dẫn triển khai hạ tầng & Docker Container

version: '3.8'

services:
  retail-scoring-engine:
    image: sacombank-registry.internal/retail/scoring-service:v1.2.0
    container_name: credit_scoring_api
    restart: always
    environment:
      - DATABASE_URL=postgresql://db_user:${DB_PASSWORD}@postgres-cluster:5432/retail_credit
      - REDIS_CACHE_URL=redis://redis-cluster:6379/0
      - CIC_SERVICE_ENDPOINT=https://api.cic.org.vn/v2/inquiry
      - MAX_DTI_THRESHOLD=60.0
      - MAX_LTV_THRESHOLD=75.0
    ports:
      - "8080:8080"
    deploy:
      resources:
        limits:
          cpus: '2.0'
          memory: 4096M
        reservations:
          cpus: '0.5'
          memory: 1024M
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:8080/health"]
      interval: 30s
      timeout: 10s
      retries: 3

Phân tích hiệu quả tài chính (Cost-Benefit Analysis)

  • Chi phí đầu tư công nghệ & đào tạo: Ước tính 450 triệu VNĐ (Phân bổ cho toàn chi nhánh trong 3 năm).
  • Lợi nhuận ròng tăng thêm: Với việc mở rộng quy mô tín dụng thêm 50 tỷ VNĐ/năm và cải thiện biên lãi ròng (NIM) thêm 0.35%, lợi nhuận trước thuế dự kiến tăng thêm 1.2 – 1.8 tỷ VNĐ/năm.
  • Thời gian hoàn vốn (Payback Period): Ước tính 14 tháng sau khi triển khai toàn diện.

Hạn chế và hướng phát triển

Hạn chế tồn tại

  • Phụ thuộc vào dữ liệu CIC truyền thống: Chưa khai thác được các nguồn dữ liệu thay thế (Alternative Data: Dữ liệu viễn thông, thanh toán thương mại điện tử) để chấm điểm nhóm khách hàng chưa có lịch sử tín dụng (Thin-file Customers).
  • Rào cản nhân sự: Tỷ lệ chuyên viên khách hàng mới tại chi nhánh còn cao, đòi hỏi thời gian đào tạo chuyên sâu về kỹ năng thẩm định luồng tài chính phức tạp.

Hướng phát triển tiếp theo

  • Nghiên cứu tích hợp hệ thống Open Banking API theo chuẩn ISO 20022 để tự động trích xuất lịch sử giao dịch đa ngân hàng.
  • Ứng dụng mô hình mạng nơ-ron đồ thị (Graph Neural Network - GNN) nhằm phát hiện các mạng lưới gian lận tín dụng chéo giữa các bên vay có liên quan.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                              LỢI ÍCH CỦA CÁC BÊN LIÊN QUAN                        |
|                                                                                   |
|  [Sinh viên / Học viên]  ---> Nghiên cứu case-study định lượng thực tế tại NHTM   |
|  [Chuyên viên Ngân hàng] ---> Nắm vững quy trình thẩm định tín dụng bán lẻ 2 lớp  |
|  [Ban Lãnh đạo Chi nhánh]---> Áp dụng khung giải pháp tăng trưởng dư nợ & CASA    |
|  [Khách hàng Cá nhân]    ---> Tiếp cận vốn vay minh bạch với lãi suất cạnh tranh  |
+-----------------------------------------------------------------------------------+
  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tài liệu tham khảo toàn diện về phương pháp luận kết hợp giữa phân tích báo cáo tài chính thực tế và mô hình hóa rủi ro tín dụng.
  • Kỹ sư phát triển Fintech & Chuyên viên Phân tích Tín dụng: Hệ thống mã nguồn và kiến trúc giải pháp chuẩn hóa cho bài toán thẩm định khoản vay tự động.
  • Tổ chức Tín dụng & Chi nhánh NHTM: Khung định hướng chiến lược chuyển dịch cơ cấu tín dụng an toàn, bền vững.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tích hợp hệ thống chấm điểm tự động vào Core Banking T24?

Hệ thống yêu cầu lớp trung gian Enterprise Service Bus (ESB) hỗ trợ giao thức RESTful/JSON hoặc SOAP XML chuẩn Open Financial Service (OFS) của Temenos, đảm bảo kết nối mạng riêng ảo (IPSec VPN) với độ trễ đường truyền $< 50\text{ms}$.

2. Làm thế nào để kiểm soát tỷ lệ nợ quá hạn khi đẩy mạnh cho vay tiêu dùng?

Áp dụng trần DTI tối đa $60%$ trên tổng thu nhập ròng đã xác minh, kết hợp trích lập quỹ dự phòng rủi ro tín dụng định kỳ và tự động hóa hệ thống cảnh báo sớm (Early Warning System) qua tin nhắn SMS/Email nhắc nợ tự động trước hạn 3–5 ngày.

3. Giải pháp nào để cải thiện tỷ trọng tiền gửi CASA tại chi nhánh?

Đẩy mạnh trả lương qua tài khoản (Payroll Service) cho các doanh nghiệp trên địa bàn quận Hà Đông; tích hợp các tiện ích thanh toán hóa đơn sinh hoạt tự động (điện, nước, học phí) trên ứng dụng Sacombank Pay nhằm duy trì số dư không kỳ hạn ổn định.

4. Chi nhánh giải quyết bài toán cạnh tranh lãi suất với các NHTM Nhà nước ra sao?

Tập trung cạnh tranh bằng tốc độ giải ngân, chất lượng dịch vụ tư vấn chuyên nghiệp, thiết kế linh hoạt thời gian ân hạn nợ gốc và cung cấp các gói combo miễn phí chuyển tiền, phát hành thẻ tín dụng miễn phí thường niên trọn đời.

5. Thời gian hoàn vốn và tính khả thi của lộ trình chuyển đổi số tín dụng?

Mô hình hoàn vốn trong 14 tháng nhờ tiết giảm $30%$ chi phí xử lý hồ sơ giấy tờ, tăng năng suất xử lý của mỗi Chuyên viên Khách hàng từ 15 hồ sơ/tháng lên 45 hồ sơ/tháng.


Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Quang Anh đã hoàn thành xuất sắc các mục tiêu nghiên cứu:

  1. Phân tích chi tiết, khách quan thực trạng phát triển cho vay KHCN tại Sacombank Chi nhánh Hà Đông giai đoạn 2019–2021 với tốc độ tăng trưởng dư nợ đạt $56.57%$ năm 2020 và đạt $422$ tỷ đồng năm 2021.
  2. Kiểm soát chất lượng tín dụng ổn định với tỷ lệ nợ quá hạn duy trì ở mức an toàn ($1.35% - 1.55%$).
  3. Đề xuất hệ thống giải pháp đồng bộ từ ứng dụng công nghệ số, tái cơ cấu danh mục sản phẩm đến chuẩn hóa quản trị tín dụng và nâng cao năng lực đội ngũ nhân sự.

Nghiên cứu mang lại giá trị ứng dụng thực tiễn cao, đóng góp tài liệu quan trọng cho công tác quản trị điều hành tại chi nhánh cũng như phát triển mảng ngân hàng bán lẻ trong toàn hệ thống Sacombank thời gian tới.