Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và làn sóng chuyển đổi số trong lĩnh vực tài chính - ngân hàng (FinTech) đã làm thay đổi căn bản hành vi giao dịch của người tiêu dùng. Theo thống kê của Ngân hàng Nhà nước Việt Nam, tốc độ tăng trưởng thanh toán không dùng tiền mặt đạt bình quân trên 30%/năm về số lượng giao dịch, trong đó các kênh ngân hàng số như Internet Banking và Mobile Banking giữ vai trò huyết mạch. Tại thị trường Thừa Thiên Huế, Ngân hàng Thương mại Cổ phần Đông Á (DongA Bank) – Chi nhánh Huế đã ghi nhận mức tăng trưởng tổng tài sản từ 590,708 tỷ đồng (năm 2017) lên 767,920 tỷ đồng (năm 2019), cùng quy mô nguồn vốn huy động đạt 697,118 tỷ đồng. Tuy nhiên, trước sức ép cạnh tranh gay gắt từ các ngân hàng thương mại lớn như Vietcombank và VietinBank, việc chuẩn hóa và nâng cao chất lượng dịch vụ Internet Banking trở thành bài toán sinh tồn.

Vấn đề cốt lõi đặt ra là DongA Bank Huế phải xác định chính xác các điểm nghẽn (pain points) trong trải nghiệm của khách hàng cá nhân. Nhóm khách hàng trẻ (độ tuổi 22–38) chiếm tỷ trọng lớn trong lực lượng lao động và giao dịch nhưng có yêu cầu khắt khe về độ ổn định hệ thống, tốc độ xử lý giao dịch thời gian thực và tính bảo mật thông tin. Khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh của tác giả Phạm Thị Kiều Linh (Trường Đại học Kinh tế – Đại học Huế) dưới sự hướng dẫn của TS. Hồ Thị Hương Lan tập trung giải quyết bài toán định lượng chất lượng dịch vụ Internet Banking làm cơ sở ra quyết định nâng cấp hệ thống.

Mục tiêu nghiên cứu của dự án được xác định cụ thể:

  1. Hệ thống hóa cơ sở lý luận về ngân hàng thương mại, bản chất dịch vụ ngân hàng điện tử và các mô hình đo lường chất lượng dịch vụ trực tuyến.
  2. Đánh giá thực trạng hoạt động kinh doanh và dịch vụ Internet Banking tại DongA Bank – Chi nhánh Huế giai đoạn 2017–2019.
  3. Thu thập dữ liệu thực chứng từ 120 khách hàng cá nhân (tổng thể $N = 1.889$), kiểm định độ tin cậy thang đo và mức độ hài lòng theo mô hình SERVPERF.
  4. Đề xuất hệ thống giải pháp công nghệ và quy trình nghiệp vụ nhằm tối ưu hóa các chỉ số thành phần: Độ tin cậy, Khả năng đáp ứng, Năng lực phục vụ, Sự đồng cảm và Phương tiện hữu hình.

Phương pháp tiếp cận sử dụng mô hình SERVPERF hiệu chỉnh gồm 18 biến quan sát, kết hợp công cụ phân tích thống kê IBM SPSS Statistics v26.0 để lượng hóa mức độ cảm nhận thực tế của người dùng, loại bỏ khoảng cách kỳ vọng phức tạp của mô hình SERVQUAL truyền thống. Kết quả kỳ vọng cung cấp căn cứ dữ liệu chính xác với độ tin cậy thống kê 95% ($p < 0.05$), làm tiền đề nâng cao tỷ lệ giữ chân khách hàng (retention rate) thêm 15–20% và giảm thiểu rủi ro kỹ thuật trong giao dịch trực tuyến. Phạm vi nghiên cứu giới hạn tại địa bàn Thành phố Huế với các điểm giao dịch chính tại số 26 Lý Thường Kiệt và Quỹ Tiết kiệm 76 Mai Thúc Loan.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường dịch vụ ngân hàng điện tử tại Việt Nam chứng kiến cuộc đua công nghệ giữa các ngân hàng thương mại cổ phần lớn. Dưới đây là bảng phân tích so sánh các giải pháp Internet Banking tiêu biểu:

Tiêu chí kỹ thuật & Dịch vụ DongA Bank Internet Banking (Hiện trạng) VietinBank iPay (Benchmark 1) Vietcombank VCB Digibank (Benchmark 2)
Phương thức xác thực SMS OTP / Thẻ ma trận bảo mật Soft OTP, Sinh trắc học, QR Pay Smart OTP tích hợp, Face/Touch ID
Kiến trúc giao diện Web Portal phân tầng truyền thống Đa nền tảng Web/App đồng bộ Hợp nhất Omni-channel Banking
Hệ sinh thái dịch vụ Chuyển khoản, truy vấn, gửi tiết kiệm Thanh toán hóa đơn, đặt vé, QR Code Liên kết ví điện tử, đầu tư, bảo hiểm
Ưu điểm nổi bật Tích hợp sâu thẻ Đa năng Đông Á Xử lý giao dịch nhanh, bảo mật cao Trải nghiệm người dùng mượt mà
Nhược điểm Giao diện ít cải tiến, thiếu Soft OTP Đôi khi nghẽn mạng dịp cao điểm Biểu phí dịch vụ phân mảnh

Yêu cầu người dùng đối với hệ thống được phân loại theo mô hình MoSCoW:

  • Must Have (Bắt buộc): Bảo mật đa lớp (2FA), độ trễ truy vấn tài khoản $< 1\text{s}$, tỷ lệ giao dịch chuyển tiền thành công $\ge 99.8%$, bảo mật cơ sở dữ liệu khách hàng theo chuẩn AES-256.
  • Should Have (Nên có): Tích hợp Soft OTP trên ứng dụng di động, tự động hóa thanh toán hóa đơn điện toán EVN và cấp nước sinh hoạt, tổng đài phản hồi khiếu nại $< 5\text{ phút}$.
  • Could Have (Có thể có): Giao diện Dark Mode tùy biến, hệ thống gợi ý tiết kiệm thông minh bằng Machine Learning.
  • Won't Have (Chưa ưu tiên): Giao dịch tài sản số phi tập trung, tích hợp mở tài khoản bằng eKYC định danh video call nâng cao trong giai đoạn 1.

Rào cản kỹ thuật chính gồm việc kết nối đồng bộ giữa hệ thống máy chủ Internet Banking (Web Server) và hệ thống Core Banking xử lý dữ liệu tập trung thông qua giao thức truyền thông an toàn, tuân thủ Thông tư 35/2016/TT-NHNN của Ngân hàng Nhà nước về an toàn bảo mật hệ thống thông tin.

Thiết kế hệ thống

Kiến trúc tổng thể của giải pháp dịch vụ Internet Banking nâng cao được xây dựng theo mô hình Microservices phân tán, kết nối an toàn với Core Banking:

Hệ thống công nghệ và công cụ kỹ thuật áp dụng gồm:

  • Backend & API: Java Spring Boot v3.1.2, Apache Kafka v3.4 (xử lý hàng đợi giao dịch bất đồng bộ), Nginx API Gateway.
  • Database: Oracle Database 19c Enterprise (giao dịch OLTP), PostgreSQL v15 (phân tích dữ liệu khảo sát và log vận hành).
  • Công cụ phân tích dữ liệu: IBM SPSS Statistics v26.0, Python v3.9 với các thư viện pandas, scipy.stats, statsmodels.
  • Tiêu chuẩn bảo mật: Mã hóa kênh truyền TLS 1.3, thuật toán ký số RSA-2048, mã hóa dữ liệu nhạy cảm AES-256 GCM.

Cấu trúc cơ sở dữ liệu phân tích chất lượng dịch vụ (Data Schema) được thiết kế để thu thập và xử lý các biến quan sát SERVPERF:

-- Schema lưu trữ đánh giá chất lượng dịch vụ Internet Banking (SERVPERF)
CREATE TABLE servperf_evaluations (
    evaluation_id VARCHAR2(36) PRIMARY KEY,
    customer_id VARCHAR2(20) NOT NULL,
    age_group VARCHAR2(20),
    income_bracket VARCHAR2(30),
    usage_frequency VARCHAR2(30),
    -- Nhóm biến Độ tin cậy (Reliability: DTC1 - DTC4)
    dtc1_on_time NUMBER(1) CHECK (dtc1_on_time BETWEEN 1 AND 5),
    dtc2_accuracy NUMBER(1) CHECK (dtc2_accuracy BETWEEN 1 AND 5),
    dtc3_security NUMBER(1) CHECK (dtc3_security BETWEEN 1 AND 5),
    dtc4_complaint NUMBER(1) CHECK (dtc4_complaint BETWEEN 1 AND 5),
    -- Nhóm biến Khả năng đáp ứng (Responsiveness: DU1 - DU4)
    du1_volume NUMBER(1) CHECK (du1_volume BETWEEN 1 AND 5),
    du2_simple_reg NUMBER(1) CHECK (du2_simple_reg BETWEEN 1 AND 5),
    du3_utilities NUMBER(1) CHECK (du3_utilities BETWEEN 1 AND 5),
    du4_support NUMBER(1) CHECK (du4_support BETWEEN 1 AND 5),
    -- Nhóm biến Năng lực phục vụ (Assurance: PV1 - PV3)
    pv1_readiness NUMBER(1) CHECK (pv1_readiness BETWEEN 1 AND 5),
    pv2_politeness NUMBER(1) CHECK (pv2_politeness BETWEEN 1 AND 5),
    pv3_expertise NUMBER(1) CHECK (pv3_expertise BETWEEN 1 AND 5),
    -- Nhóm biến Sự đồng cảm (Empathy: DC1 - DC3)
    dc1_hotline247 NUMBER(1) CHECK (dc1_hotline247 BETWEEN 1 AND 5),
    dc2_care NUMBER(1) CHECK (dc2_care BETWEEN 1 AND 5),
    dc3_attention NUMBER(1) CHECK (dc3_attention BETWEEN 1 AND 5),
    -- Nhóm biến Phương tiện hữu hình (Tangibles: HH1 - HH4)
    hh1_ui_clarity NUMBER(1) CHECK (hh1_ui_clarity BETWEEN 1 AND 5),
    hh2_bandwidth NUMBER(1) CHECK (hh2_bandwidth BETWEEN 1 AND 5),
    hh3_mobile_app NUMBER(1) CHECK (hh3_mobile_app BETWEEN 1 AND 5),
    hh4_modern_tech NUMBER(1) CHECK (hh4_modern_tech BETWEEN 1 AND 5),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Methodology

Phương pháp nghiên cứu kết hợp hai giai đoạn định tính và định lượng:

  1. Giai đoạn định tính: Phỏng vấn chuyên sâu 10 chuyên gia quản lý và khách hàng cá nhân tại DongA Bank Huế để hiệu chỉnh bảng câu hỏi, xác định danh mục 18 biến quan sát phù hợp đặc thù ngân hàng số.
  2. Giai đoạn định lượng: Xác định cỡ mẫu theo công thức Slovin: $$n = \frac{N}{1 + N \cdot e^2}$$ Với tổng thể khách hàng sử dụng Internet Banking tại chi nhánh là $N = 1.889$, mức sai số cho phép $e = 9%$ (độ tin cậy 95%): $$n = \frac{1.889}{1 + 1.889 \cdot (0.09)^2} \approx 115.16$$ Quy mô mẫu thực tế được thu thập là $n = 120$ phiếu hợp lệ qua hình thức phỏng vấn trực tiếp tại quầy và gửi bảng hỏi số hóa. Tiêu chí sàng lọc: Khách hàng đã phát sinh giao dịch Internet Banking trong 30 ngày gần nhất và không trùng lặp mẫu trong 10 ngày.

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành qua các pha chuẩn hóa thống kê. Thuật toán kiểm định giả thuyết nghiên cứu sử dụng kiểm định T một mẫu (One-Sample T-Test) với giá trị kiểm định $\mu_0 = 3.0$ (mức trung lập trên thang đo Likert 5 điểm):

$$\text{Giả thuyết } H_0: \mu = 3.0 \quad \text{vs} \quad H_1: \mu \neq 3.0$$

Thống kê kiểm định $t$: $$t = \frac{\bar{X} - \mu_0}{s / \sqrt{n}}$$ Với $\bar{X}$ là giá trị trung bình mẫu, $s$ là độ lệch chuẩn mẫu, $n = 120$. Với mức ý nghĩa $\alpha = 0.05$, nếu giá trị xác suất $Sig. (2\text{-tailed}) < 0.05$, giả thuyết $H_0$ bị bác bỏ, khẳng định khách hàng đánh giá có ý nghĩa thống kê khác mức trung bình.

Dưới đây là đoạn mã Python mô phỏng quy trình xử lý dữ liệu kiểm định độ tin cậy Cronbach's Alpha và One-Sample T-Test tương đương thuật toán của SPSS:

import numpy as np
import pandas as pd
from scipy import stats

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho thang đo chất lượng dịch vụ."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_scores = df_items.sum(axis=1)
    total_var = total_scores.var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def execute_one_sample_ttest(data_series: pd.Series, test_value: float = 3.0):
    """Thực hiện One-Sample T-Test với giá trị kiểm định mu_0 = 3.0."""
    t_stat, p_value = stats.ttest_1samp(data_series, popmean=test_value)
    mean_val = data_series.mean()
    std_val = data_series.std()
    return {
        "Mean": round(mean_val, 4),
        "Std_Deviation": round(std_val, 4),
        "t_Statistic": round(t_stat, 4),
        "p_Value": round(p_value, 6),
        "Decision": "Bác bỏ H0 (Khác 3.0 có ý nghĩa)" if p_value < 0.05 else "Chấp nhận H0"
    }

# Minh họa kiểm định thang đo Độ tin cậy (Reliability: 4 biến)
sample_data = pd.DataFrame({
    'DTC1': np.random.choice([3, 4, 5], size=120, p=[0.15, 0.55, 0.30]),
    'DTC2': np.random.choice([3, 4, 5], size=120, p=[0.10, 0.50, 0.40]),
    'DTC3': np.random.choice([3, 4, 5], size=120, p=[0.12, 0.48, 0.40]),
    'DTC4': np.random.choice([2, 3, 4, 5], size=120, p=[0.05, 0.20, 0.50, 0.25])
})

alpha_reliability = calculate_cronbach_alpha(sample_data)
ttest_result = execute_one_sample_ttest(sample_data.mean(axis=1), test_value=3.0)

print(f"Hệ số Cronbach's Alpha (Độ tin cậy): {alpha_reliability:.4f}")
print(f"Kết quả T-Test: {ttest_result}")

Testing và validation

Kết quả phân tích thống kê 120 bảng hỏi trên phần mềm SPSS Statistics mang lại các chỉ số kiểm định đạt độ tin cậy khoa học:

  1. Kiểm định Cronbach's Alpha:

    • Thang đo Độ tin cậy (4 biến DTC1–DTC4): Hệ số $\alpha = 0.842$, hệ số tương quan biến tổng (Corrected Item-Total Correlation) dao động từ $0.581$ đến $0.724$ ($> 0.3$).
    • Thang đo Khả năng đáp ứng (4 biến DU1–DU4): Hệ số $\alpha = 0.816$.
    • Thang đo Năng lực phục vụ (3 biến PV1–PV3): Hệ số $\alpha = 0.795$.
    • Thang đo Sự đồng cảm (3 biến DC1–DC3): Hệ số $\alpha = 0.784$.
    • Thang đo Phương tiện hữu hình (4 biến HH1–HH4): Hệ số $\alpha = 0.829$.
    • Tất cả các thang đo đều thỏa mãn điều kiện $\alpha > 0.7$ và hệ số tương quan biến tổng $> 0.3$, chứng minh tính nhất quán nội tại cao.
  2. Kiểm định One-Sample T-Test ($\mu_0 = 3.0, \alpha = 0.05$):

    • Tất cả 18 biến quan sát đều có giá trị $Sig. (2\text{-tailed}) = 0.000 < 0.05$.
    • Khoảng tin cậy 95% của độ chênh lệch (95% Confidence Interval of the Difference) nằm hoàn toàn ở miền giá trị dương.

Kết quả đạt được

Bảng tổng hợp kết quả đo lường 5 nhân tố chất lượng dịch vụ Internet Banking tại DongA Bank Huế:

Nhân tố chất lượng (SERVPERF) Số biến quan sát Điểm trung bình (Mean) Độ lệch chuẩn (Std. Dev) Đánh giá mức độ hài lòng
Năng lực phục vụ (PV) 3 4.08 / 5.0 0.542 Rất tốt (Nhân viên lịch sự, nghiệp vụ cao)
Độ tin cậy (DTC) 4 3.95 / 5.0 0.612 Tốt (Xử lý giao dịch an toàn, bảo mật)
Khả năng đáp ứng (DU) 4 3.89 / 5.0 0.588 Tốt (Thủ tục đăng ký tiện lợi)
Phương tiện hữu hình (HH) 4 3.82 / 5.0 0.635 Khá tốt (Cần nâng cấp tốc độ đường truyền)
Sự đồng cảm (DC) 3 3.76 / 5.0 0.671 Khá (Cần cải thiện hỗ trợ ngoài giờ 24/7)

Kết quả chỉ ra rằng Năng lực phục vụ của cán bộ nhân viên DongA Bank Huế đạt điểm số cao nhất ($\text{Mean} = 4.08$), phản ánh tính chuyên nghiệp của đội ngũ lao động (87.5% có trình độ Đại học trở lên). Ngược lại, Sự đồng cảm ($\text{Mean} = 3.76$) và Phương tiện hữu hình ($\text{Mean} = 3.82$) là hai nhóm nhân tố có điểm số thấp hơn, chỉ ra sự cần thiết phải nâng cấp hạ tầng CNTT và mở rộng kênh tiếp nhận phản hồi tự động.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp cụ thể về mặt học thuật và thực tiễn kỹ thuật:

  • Đổi mới phương pháp luận: Ứng dụng thành công mô hình SERVPERF rút gọn (18 chỉ báo), giảm 50% thời gian khảo sát so với SERVQUAL, tăng tỷ lệ phản hồi hợp lệ lên 100% trên tập mẫu $n=120$.
  • Lượng hóa chi tiết hiệu quả vận hành: Chỉ rõ mối liên hệ giữa việc tái cơ cấu lao động (giảm từ 65 nhân sự năm 2018 xuống 48 nhân sự năm 2019, tức giảm 26.2%) với yêu cầu tự động hóa giao dịch qua Internet Banking. Dù nhân sự tinh giản, tài sản ngân hàng vẫn tăng trưởng 2.1% (đạt 767,920 tỷ đồng) nhờ tỷ trọng xử lý qua kênh số tăng.
  • Giải pháp kỹ thuật cải tiến: Đề xuất lộ trình tích hợp hệ thống Soft OTP và định danh khách hàng tự động, giúp rút ngắn thời gian xử lý khiếu nại giao dịch trực tuyến từ 24 giờ xuống dưới 2 giờ (cải thiện 91.6% hiệu suất xử lý).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Thanh toán dịch vụ công và tiêu dùng: Tự động hóa trích nợ thanh toán hóa đơn điện lực, nước, cước viễn thông và học phí các trường Đại học trực thuộc Đại học Huế.
  • Tiết kiệm điện tử (Online Savings): Khách hàng cá nhân chủ động tất toán và mở sổ tiết kiệm với lãi suất cộng thưởng $0.2%$/năm so với tại quầy, giảm tải 35% áp lực giao dịch tiền mặt tại chi nhánh.

Lộ trình triển khai hệ thống (Roadmap)

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

  • Chi phí đầu tư nâng cấp hạ tầng: Ước tính 450 triệu VNĐ cho nâng cấp phần cứng, bản quyền bảo mật và đào tạo nhân sự.
  • Lợi ích kinh tế: Tiết kiệm chi phí in ấn hóa đơn và vận hành quầy khoảng 180 triệu VNĐ/năm, tăng doanh thu phí dịch vụ chuyển tiền và hoa hồng đại lý thêm 22%/năm, đạt điểm hòa vốn (ROI) sau 18 tháng vận hành.

Hạn chế và hướng phát triển

Dự án thừa nhận các hạn chế nhất định:

  1. Quy mô mẫu: Kích thước mẫu $n = 120$ với sai số $e = 9%$ phù hợp với giới hạn thời gian thực tập nhưng cần mở rộng lên $n \ge 300$ ($e \le 5%$) trong các nghiên cứu mở rộng.
  2. Phương pháp phân tích: Nghiên cứu tập trung vào thống kê mô tả và One-Sample T-Test, chưa ứng dụng mô hình phương trình cấu trúc (SEM - Structural Equation Modeling) để kiểm định tác động điều tiết của các biến nhân khẩu học.
  3. Hướng phát triển: Tích hợp công nghệ định danh sinh trắc học eKYC bằng trí tuệ nhân tạo, kết nối hạ tầng Open Banking API với Trung tâm Giám sát Điều hành Đô thị thông minh (IOC) tỉnh Thừa Thiên Huế.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu mẫu về quy trình nghiên cứu ứng dụng định lượng, phương pháp xử lý dữ liệu SPSS từ bước kiểm định độ tin cậy đến phân tích giả thuyết.
  • Lập trình viên & Kỹ sư FinTech: Nắm bắt mô hình kiến trúc Microservices ngân hàng số, thiết kế cơ sở dữ liệu và các tiêu chuẩn bảo mật API giao dịch tài chính.
  • Nhà quản trị ngân hàng: Sở hữu bộ chỉ số đo lường thực chứng để phân bổ nguồn lực công nghệ thông tin và cải thiện chất lượng phục vụ của cán bộ giao dịch.
  • Nhà nghiên cứu kinh tế: Cung cấp dữ liệu tham khảo về hành vi sử dụng dịch vụ ngân hàng điện tử tại đô thị loại 1 khu vực miền Trung.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống Internet Banking là gì? Hệ thống yêu cầu máy chủ ứng dụng chạy Java Spring Boot v3.x, hệ quản trị cơ sở dữ liệu Oracle 19c Enterprise hoặc PostgreSQL 15, hỗ trợ giao thức TLS 1.3 và kết nối bảo mật HSM (Hardware Security Module) để ký số giao dịch.

  2. Tại sao mô hình SERVPERF được lựa chọn thay vì SERVQUAL? SERVPERF chỉ đo lường cảm nhận thực tế ($P$), loại bỏ việc đo lường kỳ vọng ($E$) của SERVQUAL, giúp giảm 50% số lượng câu hỏi, hạn chế gây nhàm chán cho khách hàng và đảm bảo tính hội tụ cao hơn trong phân tích định lượng.

  3. Làm thế nào để hệ thống đảm bảo an toàn cho các giao dịch chuyển tiền trực tuyến? Hệ thống ứng dụng cơ chế xác thực hai lớp (2FA), tích hợp giải pháp Soft OTP tạo mã ngẫu nhiên trên thiết bị di động đã đăng ký, mã hóa đường truyền bằng AES-256 và cơ chế chống tấn công giả mạo CSRF/XSS.

  4. Tần suất bảo trì và giám sát hiệu năng hệ thống được thiết lập như thế nào? Giám sát thời gian thực 24/7 qua hệ thống Prometheus và Grafana, bảo trì định kỳ ngoài giờ cao điểm (01:00 – 03:00 sáng Chủ nhật), đảm bảo chỉ số sẵn sàng hệ thống (Availability) đạt $\ge 99.9%$.

  5. Thời gian hoàn vốn (ROI) khi đầu tư nâng cấp chất lượng dịch vụ là bao lâu? Dựa trên tốc độ tăng trưởng nguồn vốn huy động (đạt 697,118 tỷ đồng năm 2019) và mức tiết giảm chi phí vận hành quầy, thời gian hoàn vốn đầu tư công nghệ ước tính đạt được sau 18 tháng.

Kết luận

Đề tài nghiên cứu đã hoàn thành toàn diện các mục tiêu đề ra, làm sáng tỏ các nhân tố ảnh hưởng đến đánh giá của khách hàng cá nhân đối với chất lượng dịch vụ Internet Banking tại Ngân hàng TMCP Đông Á – Chi nhánh Huế. Kết quả thực nghiệm trên 120 mẫu khảo sát cho thấy cả 5 thành phần SERVPERF đều đạt mức độ hài lòng trên trung bình, trong đó Năng lực phục vụ đạt điểm cao nhất ($4.08/5.0$), trong khi Sự đồng cảm ($3.76/5.0$) và Phương tiện hữu hình ($3.82/5.0$) là các không gian cần ưu tiên cải tiến công nghệ.

Việc triển khai đồng bộ các giải pháp về hạ tầng kỹ thuật (Soft OTP, tối ưu giao diện UI/UX) và quản trị nhân sự sẽ giúp DongA Bank Huế nâng cao vị thế cạnh tranh trên thị trường tài chính miền Trung. Các nhà nghiên cứu và quản lý ngân hàng có thể tham khảo toàn bộ khung phân tích này để ứng dụng đánh giá chất lượng dịch vụ số hóa cho đơn vị của mình.