Giới thiệu dự án
Hoạt động huy động vốn (HĐV) từ khách hàng cá nhân (KHCN) giữ vai trò huyết mạch trong cấu trúc tài chính của các ngân hàng thương mại (NHTM). Theo thống kê của Ngân hàng Nhà nước (NHNN) Việt Nam, nguồn tiền gửi dân cư chiếm từ 55% đến 65% tổng nguồn vốn huy động toàn hệ thống ngân hàng, đóng vai trò cung cấp thanh khoản bền vững và tài trợ cho các hoạt động tín dụng, đầu tư sinh lời. Tuy nhiên, giai đoạn hậu đại dịch COVID-19 cùng áp lực lạm phát và xu hướng điều chỉnh lãi suất điều hành đã tạo nên cuộc đua cạnh tranh khốc liệt giữa các định chế tài chính, đặc biệt là nhóm ngân hàng thương mại cổ phần (TMCP).
Tại địa bàn tỉnh Thừa Thiên Huế, Ngân hàng TMCP Việt Nam Thịnh Vượng – Chi nhánh Huế (VPBank Huế) đối mặt với áp lực cạnh tranh gay gắt từ các ngân hàng quốc doanh (Big 4) và các NHTM cổ phần quy mô lớn. Vấn đề cốt lõi mà chi nhánh gặp phải là sự mất cân đối trong cơ cấu kỳ hạn tiền gửi (nguồn vốn ngắn hạn chiếm tỷ trọng áp đảo trên 65%), chi phí huy động vốn (Cost of Funds - CoF) có xu hướng tăng, và tỷ lệ tiền gửi không kỳ hạn (CASA) chưa đạt mức tối ưu. Đề tài khóa luận tốt nghiệp "Thực trạng hoạt động huy động vốn từ khách hàng cá nhân tại Ngân hàng TMCP Việt Nam Thịnh Vượng – Chi nhánh Huế" được triển khai nhằm giải quyết trực tiếp bài toán này thông qua phương pháp định lượng và phân tích tài chính chuyên sâu.
Mục tiêu cụ thể của dự án nghiên cứu:
- Hệ thống hóa cơ sở lý luận về quản trị nguồn vốn tiền gửi KHCN và các chỉ tiêu đánh giá hiệu quả huy động vốn tại NHTM.
- Phân tích thực trạng quy mô, cơ cấu (theo kỳ hạn, loại tiền) và chi phí - lợi nhuận từ hoạt động HĐV của VPBank Huế giai đoạn 2019–2021.
- Xây dựng mô hình khảo sát thực nghiệm 6 nhân tố (21 biến quan sát) nhằm định lượng mức độ hài lòng của KHCN.
- Đề xuất hệ thống giải pháp tài chính và marketing ứng dụng công nghệ nhằm nâng cao tỷ trọng vốn trung - dài hạn và tối ưu hóa biên lãi thuần (NIM).
Phạm vi nghiên cứu tập trung vào toàn bộ mạng lưới gồm Hội sở chi nhánh (64 Hùng Vương, TP. Huế) và 5 Phòng giao dịch (PGD Vỹ Dạ, PGD Đông Ba, PGD Mai Thúc Loan, PGD Phú Hội, PGD Bến Ngự) với tập dữ liệu thứ cấp giai đoạn 2019–2021 và dữ liệu khảo sát sơ cấp $N = 100$ khách hàng cá nhân thực hiện từ tháng 10/2022 đến tháng 01/2023.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Tại địa bàn Thừa Thiên Huế, thị trường huy động vốn bán lẻ phân hóa mạnh mẽ giữa các nhóm ngân hàng với những lợi thế cạnh tranh riêng biệt:
| Tiêu chí phân tích |
Ngân hàng TMCP Nhà nước (Vietcombank, VietinBank) |
Ngân hàng TMCP Tư nhân Tiên phong (Techcombank, MBBank) |
VPBank Chi nhánh Huế |
| Thế mạnh cạnh tranh |
Thương hiệu quốc gia uy tín cao; mạng lưới PGD phủ rộng; nguồn CASA dồi dào từ doanh nghiệp nhà nước. |
Tiên phong miễn phí giao dịch (Zero Fee); ứng dụng Mobile Banking hiện đại; hệ sinh thái số mạnh. |
Chính sách lãi suất linh hoạt; phân khúc khách hàng ưu tiên (VPBank Diamond) chăm sóc chuyên sâu; sản phẩm vay tiêu dùng kèm tiền gửi đa dạng. |
| Hạn chế tồn tại |
Thủ tục tại quầy còn nhiều bước; lãi suất huy động kém linh hoạt hơn khối tư nhân. |
Yêu cầu số dư duy trì tài khoản cao ở các gói đặc quyền; mức độ nhận diện tại huyện thị ngoại thành Huế chưa sâu. |
Tỷ trọng vốn trung - dài hạn còn thấp ($< 35%$); mức độ nhận diện thương hiệu tại vùng ven còn hạn chế so với Big 4. |
| Thị phần HĐV tại Huế |
Chiếm ưu thế áp đảo ($> 45%$ thị phần địa bàn). |
Chiếm khoảng $12% - 18%$ thị phần. |
Chiếm khoảng $5% - 8%$ thị phần, đang trên đà tăng trưởng. |
Yêu cầu của khách hàng cá nhân được phân loại theo mô hình MoSCoW:
- Must have (Bắt buộc có): An toàn thanh toán tuyệt đối, bảo mật số dư tài khoản, hệ thống Core Banking và Internet Banking VPBank NEO hoạt động liên tục 24/7 với độ trễ thấp, minh bạch biểu lãi suất.
- Should have (Nên có): Thời gian mở sổ tiết kiệm tại quầy $\le 5$ phút, giao diện ứng dụng trực quan, thông báo biến động số dư tức thời qua OTT, đa dạng kỳ hạn lẻ (1 tuần, 3 tuần, 7 tháng).
- Could have (Có thể có): Quà tặng tri ân cá nhân hóa vào dịp sinh nhật/lễ tết, công cụ tự động tính toán lãi kép trên app, tính năng rút gốc từng phần mà không mất lãi phần còn lại.
- Won't have (Chưa ưu tiên): Mở rộng mạng lưới chi nhánh vật lý quá dày đặc ở các xã vùng sâu, duy trì các hình thức chứng chỉ tiền gửi in giấy truyền thống gây tốn kém chi phí in ấn.
Thiết kế hệ thống
Mô hình nghiên cứu định lượng được xây dựng dựa trên sự tích hợp và phát triển từ mô hình của Trần Phạm Hữu Châu (2013) cùng mô hình nghiên cứu của Romdonny & Rosmadi (2019), cụ thể hóa thành 6 nhóm nhân tố tác động đến hiệu quả HĐV từ KHCN:
Hệ thống công nghệ và công cụ phân tích (Technology Stack):
- IBM SPSS Statistics v26.0: Xử lý thống kê mô tả, kiểm định thang đo độ tin cậy Cronbach's Alpha, phân tích tần số mẫu $N = 100$.
- Microsoft Excel 365 / Office 2021: Mô hình hóa chuỗi thời gian tài chính, phân tích tốc độ tăng trưởng liên hoàn/định gốc, tỷ trọng cơ cấu nguồn vốn.
- Python v3.10 (Thư viện Pandas, NumPy, SciPy): Tự động hóa pipeline tổng hợp dữ liệu khảo sát và tính toán ma trận tương quan.
- Hệ quản trị CSDL quan hệ PostgreSQL v15.2: Lưu trữ cấu trúc danh mục dữ liệu khảo sát và bảng số liệu tài chính phục vụ truy vấn.
Cấu trúc cơ sở dữ liệu lưu trữ khảo sát (Database Schema):
-- DDL Schema quản lý dữ liệu khảo sát huy động vốn KHCN
CREATE TABLE khach_hang_khao_sat (
customer_id VARCHAR(20) PRIMARY KEY,
gioi_tinh VARCHAR(10) CHECK (gioi_tinh IN ('Nam', 'Nu')),
do_tuoi VARCHAR(20),
nghe_nghiep VARCHAR(50),
thu_nhap_thang NUMERIC(15, 2),
hinh_thuc_gui VARCHAR(50),
ky_han_uu_tien VARCHAR(20)
);
CREATE TABLE danh_gia_thang_do_likert (
evaluation_id SERIAL PRIMARY KEY,
customer_id VARCHAR(20) REFERENCES khach_hang_khao_sat(customer_id),
spdv_score NUMERIC(3, 2) CHECK (spdv_score BETWEEN 1 AND 5),
lai_suat_score NUMERIC(3, 2) CHECK (lai_suat_score BETWEEN 1 AND 5),
thu_tuc_score NUMERIC(3, 2) CHECK (thu_tuc_score BETWEEN 1 AND 5),
chinh_sach_score NUMERIC(3, 2) CHECK (chinh_sach_score BETWEEN 1 AND 5),
nhan_vien_score NUMERIC(3, 2) CHECK (nhan_vien_score BETWEEN 1 AND 5),
uy_tin_score NUMERIC(3, 2) CHECK (uy_tin_score BETWEEN 1 AND 5),
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
Methodology
Nghiên cứu áp dụng quy trình tiếp cận chuẩn mực kết hợp giữa phương pháp nghiên cứu tài chính truyền thống và phương pháp định lượng thực nghiệm:
(Lý thuyết & Khung Basel) (BCTC VPBank Huế 2019-2021) (Khảo sát N=100 Likert 1-5) (Chiến lược & Kiến nghị)
- Giai đoạn 1 (Tuần 1–3): Nghiên cứu lý thuyết và cơ chế chính sách: Tổng quan các quy định của NHNN (Luật số 46/2010/QH12, Luật các TCTD số 47/2010/QH12, Thông tư 41/2016/TT-NHNN).
- Giai đoạn 2 (Tuần 4–7): Thu thập và xử lý dữ liệu thứ cấp: Trích xuất báo cáo kết quả hoạt động kinh doanh, báo cáo cân đối kế toán từ phòng KHDN và KHCN của VPBank Huế giai đoạn 2019–2021.
- Giai đoạn 3 (Tuần 8–10): Thiết kế bảng hỏi và thu thập dữ liệu sơ cấp: Tiến hành chọn mẫu thuận tiện $N = 100$ khách hàng cá nhân đến giao dịch trực tiếp tại quầy hoặc sử dụng VPBank NEO tại TP. Huế; mã hóa thang đo Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).
- Giai đoạn 4 (Tuần 11–12): Kiểm định, tổng hợp và đề xuất giải pháp: Sử dụng phần mềm SPSS v26.0 để tính toán giá trị trung bình (Mean), độ lệch chuẩn (Std. Deviation), kiểm định độ tin cậy thang đo và đối chiếu với hiệu quả hoạt động kinh doanh thực tế.
Implementation và kết quả
Development process
Các công thức toán kinh tế và tài chính ngân hàng được cài đặt trong mô hình phân tích gồm:
-
Tốc độ tăng trưởng liên hoàn quy mô vốn huy động ($g_t$):
$$g_t = \frac{V_t - V_{t-1}}{V_{t-1}} \times 100%$$
(Trong đó $V_t$ là số dư vốn huy động tại thời điểm năm $t$, $V_{t-1}$ là số dư tại năm $t-1$).
-
Tỷ trọng cơ cấu nguồn vốn ($W_i$):
$$W_i = \frac{V_i}{\sum_{k=1}^{n} V_k} \times 100%$$
(Với $V_i$ là số dư huy động theo phân loại kỳ hạn hoặc loại tiền thứ $i$).
-
Thị phần huy động vốn địa bàn ($MS$):
$$MS_{\text{VPBank}} = \frac{\text{Doanh số HĐV từ KHCN của VPBank Huế}}{\text{Tổng doanh số HĐV từ KHCN toàn địa bàn Thừa Thiên Huế}} \times 100%$$
-
Giá trị trung bình thang đo Likert ($\bar{X}$):
$$\bar{X} = \frac{\sum_{i=1}^{m} (f_i \times x_i)}{N}$$
(Với $x_i \in {1, 2, 3, 4, 5}$, $f_i$ là tần số xuất hiện của mức đánh giá $x_i$, $N = 100$). Khoảng giá trị xác định mức độ: 1.00 – 1.80 (Rất kém/Rất không hài lòng), 1.81 – 2.60 (Kém), 2.61 – 3.40 (Trung bình), 3.41 – 4.20 (Khá/Hài lòng), 4.21 – 5.00 (Tốt/Rất hài lòng).
Đoạn mã Python thực hiện tự động hóa tính toán chỉ số thống kê mô tả từ tập dữ liệu khảo sát:
import numpy as np
import pandas as pd
def analyze_survey_metrics(csv_file_path: str) -> pd.DataFrame:
"""
Xử lý và tính toán thống kê mô tả (Mean, Std, Tỷ lệ hài lòng)
cho 6 nhóm nhân tố huy động vốn từ KHCN tại VPBank Huế.
"""
df = pd.read_csv(csv_file_path)
factors = {
'SPDV': ['SP1', 'SP2', 'SP3'],
'LaiSuat': ['LS1', 'LS2', 'LS3', 'LS4'],
'ThuTuc': ['TT1', 'TT2', 'TT3'],
'ChinhSach': ['CS1', 'CS2', 'CS3', 'CS4'],
'NhanVien': ['NV1', 'NV2', 'NV3', 'NV4'],
'UyTin': ['UT1', 'UT2', 'UT3']
}
results = []
for factor_name, columns in factors.items():
sub_df = df[columns]
factor_mean = sub_df.mean().mean()
factor_std = sub_df.std().mean()
satisfaction_rate = (sub_df >= 4).values.sum() / sub_df.size * 100
results.append({
'Nhân tố': factor_name,
'Điểm TB (Mean)': round(factor_mean, 2),
'Độ lệch chuẩn': round(factor_std, 3),
'Tỷ lệ hài lòng (>=4)': f"{round(satisfaction_rate, 1)}%"
})
return pd.DataFrame(results)
# Pipeline thực thi phân tích
# df_metrics = analyze_survey_metrics('survey_vpbank_hue_n100.csv')
Testing và validation
Dữ liệu thứ cấp giai đoạn 2019–2021 và dữ liệu sơ cấp $N = 100$ được kiểm định và tổng hợp chi tiết qua các bảng chỉ tiêu sau:
CƠ CẤU HUY ĐỘNG VỐN THEO KỲ HẠN (2021)
Bảng 1: Kết quả hoạt động kinh doanh và nguồn vốn huy động VPBank Huế (2019–2021)
| Chỉ tiêu |
Năm 2019 |
Năm 2020 |
Năm 2021 |
Tăng trưởng 2020/2019 (%) |
Tăng trưởng 2021/2020 (%) |
| Tổng nguồn vốn HĐV (Tỷ đồng) |
1.250,5 |
1.488,2 |
1.756,8 |
+19,01% |
+18,05% |
| - Tiền gửi KHCN (Tỷ đồng) |
887,8 |
1.071,5 |
1.282,5 |
+20,69% |
+19,69% |
| - Tiền gửi KHDN & TCTD khác (Tỷ đồng) |
362,7 |
416,7 |
474,3 |
+14,89% |
+13,82% |
| Cơ cấu theo kỳ hạn KHCN: |
|
|
|
|
|
| - Ngắn hạn ($< 12$ tháng) |
621,4 (70,0%) |
744,7 (69,5%) |
877,2 (68,4%) |
+19,84% |
+17,79% |
| - Trung hạn ($12 - 60$ tháng) |
204,2 (23,0%) |
251,8 (23,5%) |
309,1 (24,1%) |
+23,31% |
+22,76% |
| - Dài hạn ($> 60$ tháng) |
62,2 (7,0%) |
75,0 (7,0%) |
96,2 (7,5%) |
+20,58% |
+28,27% |
| Cơ cấu theo loại tiền KHCN: |
|
|
|
|
|
| - VNĐ (Tỷ đồng) |
830,1 (93,5%) |
1.007,2 (94,0%) |
1.208,1 (94,2%) |
+21,33% |
+19,95% |
| - Ngoại tệ quy đổi (USD/EUR) |
57,7 (6,5%) |
64,3 (6,0%) |
74,4 (5,8%) |
+11,44% |
+15,71% |
| Chỉ số tài chính: |
|
|
|
|
|
| - Chi phí trả lãi HĐV (Tỷ đồng) |
62,5 |
71,4 |
79,2 |
+14,24% |
+10,92% |
| - Lợi nhuận trước thuế (Tỷ đồng) |
28,4 |
34,2 |
41,5 |
+20,42% |
+21,35% |
Bảng 2: Kết quả đánh giá mức độ hài lòng của khách hàng ($N = 100$)
| Nhóm nhân tố |
Số biến |
Điểm trung bình ($\bar{X}$) |
Độ lệch chuẩn ($\sigma$) |
Cronbach's Alpha |
Đánh giá chung |
| Uy tín ngân hàng (UT) |
3 |
4.28 |
0.612 |
0.865 |
Rất tốt / Rất hài lòng |
| Đội ngũ nhân viên (NV) |
4 |
4.15 |
0.648 |
0.884 |
Tốt / Hài lòng |
| Thủ tục & Thời gian (TT) |
3 |
4.08 |
0.695 |
0.841 |
Tốt / Hài lòng |
| Sản phẩm dịch vụ (SPDV) |
3 |
3.92 |
0.723 |
0.829 |
Khá / Hài lòng |
| Chính sách lãi suất (LS) |
4 |
3.85 |
0.781 |
0.852 |
Khá / Hài lòng |
| Chính sách thu hút KH (CS) |
4 |
3.62 |
0.834 |
0.817 |
Trung bình khá |
Kết quả đạt được
- Về quy mô và tốc độ tăng trưởng: Nguồn vốn HĐV từ KHCN của VPBank Huế tăng trưởng ổn định từ 887,8 tỷ đồng (2019) lên 1.282,5 tỷ đồng (2021), đạt tốc độ tăng trưởng kép hàng năm (CAGR) là $+20,19%$, cao hơn mức tăng trưởng bình quân của hệ thống ngân hàng trên địa bàn tỉnh Thừa Thiên Huế ($+14,5%$).
- Về chuyển biến cơ cấu: Tỷ trọng tiền gửi trung và dài hạn có xu hướng tăng nhẹ từ $30,0%$ (2019) lên $31,6%$ (2021). Nguồn vốn huy động bằng VNĐ tiếp tục giữ vai trò chủ chốt ($94,2%$), hạn chế rủi ro biến động tỷ giá trong bối cảnh thị trường quốc tế biến động.
- Về mức độ hài lòng: Nhân tố Uy tín ngân hàng ($\bar{X} = 4.28$) và Đội ngũ nhân viên ($\bar{X} = 4.15$) đạt điểm số cao nhất, khẳng định văn hóa doanh nghiệp lấy khách hàng làm trọng tâm. Nhân tố Chính sách thu hút khách hàng ($\bar{X} = 3.62$) có điểm số thấp nhất, chỉ ra dư địa cần cải thiện trong hoạt động quảng bá và chăm sóc khách hàng cá nhân hóa.
Đổi mới và đóng góp
Nghiên cứu tạo ra các đóng góp cụ thể về mặt học thuật và thực tiễn quản trị ngân hàng:
- Tích hợp mô hình phân tích định lượng 6 trục chuyên sâu: Khác với các nghiên cứu đơn lẻ thuần túy về báo cáo tài chính, đề tài kết hợp phương pháp phân tích chuỗi thời gian kế toán tài chính với phương pháp khảo sát định lượng hành vi người gửi tiền ($N = 100$), giúp lượng hóa chính xác các khoảng trống chất lượng dịch vụ.
- So sánh hiệu quả với các nghiên cứu tiền nhiệm:
- So với nghiên cứu của Trần Phạm Hữu Châu (2013) tại BIDV TP.HCM (tập trung chủ yếu vào yếu tố địa lý và lãi suất), nghiên cứu này chứng minh tại thị trường miền Trung (Huế), yếu tố Uy tín thương hiệu ($\bar{X} = 4.28$) và Năng lực tư vấn của nhân viên ($\bar{X} = 4.15$) có trọng số chi phối mạnh hơn yếu tố chênh lệch lãi suất danh nghĩa thuần túy.
- So với mô hình của Romdonny & Rosmadi (2019) (phân tích định tính lòng trung thành), nghiên cứu tại VPBank Huế đã bổ sung 2 nhóm nhân tố đặc thù ngành ngân hàng: Thủ tục giao dịch số hóa và Chính sách lãi suất bậc thang.
- Tối ưu hóa quản trị rủi ro thanh khoản (ALM): Đề xuất giải pháp kiểm soát rủi ro chênh lệch kỳ hạn (Maturity Mismatch), giúp ngân hàng đáp ứng quy định của NHNN về tỷ lệ tối đa của nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn (giảm dần về mức $\le 30%$ theo Thông tư 22/2019/TT-NHNN).
Ứng dụng thực tế và triển khai
Kịch bản triển khai giải pháp
Mô hình và hệ thống giải pháp đề xuất được thiết kế để áp dụng trực tiếp tại mạng lưới VPBank Huế và có khả năng nhân rộng ra các chi nhánh khu vực Bắc Trung Bộ:
- Kịch bản 1: Đa dạng hóa sản phẩm tiền gửi trung - dài hạn:
- Triển khai sản phẩm "Tiết kiệm Tích lũy Hưu trí Thịnh Vượng" và "Tiết kiệm Tương lai cho con" với kỳ hạn từ 18 đến 36 tháng.
- Áp dụng chính sách lãi suất bậc thang linh hoạt theo số dư tiền gửi và thời gian duy trì cam kết: cộng thêm $0,2% - 0,4%/\text{năm}$ khi gửi online qua VPBank NEO.
- Kịch bản 2: Số hóa toàn diện quy trình huy động:
- Tích hợp công nghệ eKYC và hợp đồng điện tử xác thực qua chữ ký số, rút ngắn thời gian gửi tiết kiệm online xuống dưới 60 giây.
- Tự động hóa gửi tin nhắn chúc mừng sinh nhật, thông báo ưu đãi lãi suất qua hệ thống CRM phân quyền theo từng PGD.
- Kịch bản 3: Tái cơ cấu mạng lưới PGD và phát triển nhân sự:
- Phân bổ chỉ tiêu KPI rõ ràng cho từng PGD (Vỹ Dạ, Đông Ba, Mai Thúc Loan, Phú Hội, Bến Ngự) theo tỷ trọng CASA và tiền gửi trung hạn thay vì chỉ tập trung vào quy mô tổng số dư.
- Tổ chức các khóa đào tạo nâng cao kỹ năng tư vấn tài chính chuyên sâu (Financial Planner) cho giao dịch viên và chuyên viên quan hệ khách hàng cá nhân (RM).
Phân tích chi phí - lợi ích (Cost-Benefit Analysis)
- Chi phí triển khai ước tính: 250 triệu đồng/năm (bao gồm ngân sách truyền thông địa phương, quà tặng tri ân khách hàng, chi phí đào tạo nghiệp vụ và nâng cấp trang thiết bị quầy giao dịch).
- Lợi ích dự phóng:
- Tăng trưởng số dư tiền gửi KHCN đạt tối thiểu $+18%/\text{năm}$.
- Gia tăng tỷ trọng vốn trung và dài hạn từ $31,6%$ lên $38,0%$ trong 2 năm tiếp theo.
- Tối ưu hóa chi phí trả lãi bình quân, cải thiện biên lãi thuần (NIM) thêm $0,15% - 0,25%$, tương đương gia tăng lợi nhuận thuần từ 2,5 đến 3,5 tỷ đồng/năm.
- Thời gian hoàn vốn đầu tư (Payback Period): Dưới 6 tháng.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật và dữ liệu
- Cỡ mẫu khảo sát thực nghiệm sơ cấp dừng lại ở $N = 100$ khách hàng với phương pháp chọn mẫu thuận tiện, chưa phản ánh đầy đủ tính đại diện cho toàn bộ các nhóm dân cư vùng ven TP. Huế và các huyện lân cận (Hương Thủy, Hương Trà, Phong Điền).
- Dữ liệu thứ cấp tập trung trong giai đoạn 2019–2021, chịu ảnh hưởng của các chính sách tiền tệ hỗ trợ đại dịch COVID-19, cần được cập nhật bổ sung chuỗi số liệu của các năm tiếp theo để đánh giá tác động trong chu kỳ kinh tế mới.
Hướng phát triển tiếp theo
- Mở rộng quy mô mẫu khảo sát lên $N \ge 350$, ứng dụng mô hình phương trình cấu trúc tuyến tính (Structural Equation Modeling - SEM) và phân tích nhân tố khám phá (EFA) kết hợp nhân tố khẳng định (CFA).
- Ứng dụng các thuật toán Machine Learning (Random Forest, XGBoost) trên hệ thống dữ liệu lớn (Big Data) của Core Banking để phân khúc khách hàng tự động, dự đoán khả năng tất toán sổ tiết kiệm hoặc rút tiền trước hạn (Customer Churn Prediction).
Đối tượng hưởng lợi
GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG
| Nhóm đối tượng |
Lợi ích cụ thể nhận được |
Giá trị định lượng |
| Sinh viên, Học viên khối ngành Kinh tế / QTKD |
Cung cấp tài liệu tham khảo thực tế về phương pháp kết hợp dữ liệu thứ cấp và sơ cấp; quy trình xử lý SPSS hoàn chỉnh. |
Tài liệu tham khảo chuẩn mực với đầy đủ hệ thống 21 tiêu chí đánh giá. |
| Chuyên viên phân tích dữ liệu ngân hàng |
Khung logic xử lý dữ liệu ngân hàng bán lẻ, cấu trúc DDL database lưu trữ khảo sát và code mẫu tự động hóa Python. |
Tiết kiệm 40% thời gian thiết kế công cụ phân tích khảo sát dịch vụ tài chính. |
| Ban lãnh đạo VPBank Huế & các NHTM |
Bức tranh tổng thể về điểm nghẽn huy động vốn; cơ sở thực chứng để điều chỉnh chính sách lãi suất và ngân sách chiêu thị. |
Tiềm năng tăng trưởng lợi nhuận trước thuế thêm 15% - 20% thông qua tối ưu hóa CoF. |
| Khách hàng cá nhân tại địa bàn |
Hưởng lợi từ các sản phẩm tiền gửi linh hoạt, quy trình rút gọn và dịch vụ chăm sóc khách hàng chuyên nghiệp hơn. |
Rút ngắn thời gian giao dịch tại quầy xuống dưới 5 phút; tối đa hóa lợi tức tiền gửi. |
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường phần mềm để tái hiện nghiên cứu này là gì?
Cần cài đặt máy tính chạy hệ điều hành Windows 10/11 hoặc macOS, RAM tối thiểu 8GB. Phần mềm phân tích gồm: IBM SPSS Statistics (phiên bản v22.0 trở lên, khuyến nghị v26.0), Microsoft Excel (2016 trở lên hoặc Office 365), môi trường Python 3.9+ có sẵn các thư viện pandas, numpy, scipy, matplotlib.
2. Ngân hàng giải quyết bài toán rủi ro chênh lệch kỳ hạn (Maturity Mismatch) như thế nào khi tiền gửi ngắn hạn chiếm gần 70%?
Ngân hàng áp dụng nghiệp vụ chuyển hoán kỳ hạn có kiểm soát dựa trên hệ số an toàn vốn CAR và tuân thủ giới hạn tỷ lệ tối đa nguồn vốn ngắn hạn cho vay trung dài hạn ($\le 30%$). Đồng thời, VPBank Huế triển khai các gói lãi suất cộng biên độ cho kỳ hạn từ 12 tháng trở lên nhằm chuyển dịch dần cơ cấu từ ngắn hạn sang trung - dài hạn.
3. Làm thế nào để đồng bộ dữ liệu khảo sát từ các PGD phân tán về cơ sở dữ liệu trung tâm?
Dữ liệu khảo sát được thu thập qua biểu mẫu điện tử (Google Forms / Microsoft Forms tích hợp xác thực OTP) hoặc quét mã QR tại quầy giao dịch của 5 PGD. Dữ liệu tự động đẩy về bảng trung gian thông qua Webhook, sau đó được script Python làm sạch (Data Cleaning), lọc bỏ các mẫu không hợp lệ và nạp (Load) vào CSDL PostgreSQL phục vụ phân tích.
4. Chi phí huy động vốn (CoF) được quản trị như thế nào để vừa giữ chân khách hàng vừa đảm bảo lợi nhuận?
Chi phí huy động vốn được tối ưu thông qua chiến lược gia tăng tỷ lệ CASA (tiền gửi không kỳ hạn với chi phí thấp $\approx 0,2% - 0,5%/\text{năm}$) bằng việc đẩy mạnh mở tài khoản số đẹp, trả lương qua tài khoản (Payroll), kết hợp phát hành thẻ tín dụng, từ đó bù đắp cho phần chi phí trả lãi của các khoản tiết kiệm có kỳ hạn.
5. Khung thời gian và chi phí đầu tư cho một chiến dịch tái cấu trúc HĐV tại cấp chi nhánh là bao nhiêu?
Thời gian triển khai một chu kỳ chiến dịch thường kéo dài từ 6 đến 12 tháng. Chi phí ước tính dao động từ 200 đến 350 triệu đồng/năm cho một chi nhánh cấp 1, với tỷ suất sinh lời trên vốn đầu tư (ROI) dự kiến đạt trên $150%$ nhờ biên lợi nhuận thuần từ nguồn vốn mới huy động.
Kết luận
Khóa luận tốt nghiệp "Thực trạng hoạt động huy động vốn từ khách hàng cá nhân tại Ngân hàng TMCP Việt Nam Thịnh Vượng – Chi nhánh Huế" đã thực hiện thành công các mục tiêu đặt ra. Về mặt lý luận, nghiên cứu đã chuẩn hóa khung đánh giá hoạt động huy động vốn tiền gửi bán lẻ phù hợp với bối cảnh hệ thống ngân hàng Việt Nam. Về mặt thực tiễn, phân tích đã chỉ rõ nguồn vốn HĐV từ KHCN của VPBank Huế đạt tốc độ tăng trưởng ấn tượng ($+20,19%/\text{năm}$ giai đoạn 2019–2021), đạt quy mô 1.282,5 tỷ đồng, đồng thời chỉ ra các hạn chế then chốt về sự phụ thuộc vào nguồn vốn ngắn hạn ($68,4%$) và điểm số chưa cao ở nhóm nhân tố chính sách thu hút khách hàng ($\bar{X} = 3.62$).
Hệ thống các giải pháp được xây dựng có tính đồng bộ cao từ việc đa dạng hóa sản phẩm, điều hành lãi suất bậc thang linh hoạt, số hóa quy trình trên nền tảng VPBank NEO, đến nâng cao năng lực đội ngũ cán bộ và tăng cường quản trị rủi ro thanh khoản. Đây là cơ sở thực chứng giá trị giúp VPBank Chi nhánh Huế bứt phá về thị phần, tối ưu hóa hiệu quả kinh doanh và giữ vững vị thế định chế tài chính bán lẻ năng động hàng đầu tại khu vực miền Trung.
