Giới thiệu dự án

Trong chiến lược tái cấu trúc hệ thống ngân hàng thương mại (NHTM) giai đoạn 2020–2025, mảng tín dụng bán lẻ (TDBL) giữ vai trò trụ cột nhằm phân tán rủi ro danh mục và tối ưu hóa biên thu nhập lãi thuần (NIM - Net Interest Margin). Tại Việt Nam, tăng trưởng dư nợ bán lẻ đạt mức bình quân 15–20%/năm, chiếm tỷ trọng ngày càng lớn trong tổng dư nợ toàn hệ thống. Tuy nhiên, phân khúc khách hàng cá nhân và doanh nghiệp quy mô siêu nhỏ (SSE - Small and Small Enterprise) luôn tiềm ẩn rủi ro tín dụng cao do thông tin tài chính bất cân xứng, thiếu tài sản bảo đảm (TSBĐ) thanh khoản cao và phụ thuộc lớn vào chu kỳ kinh tế vĩ mô.

Đề tài nghiên cứu ứng dụng "Chất lượng tín dụng bán lẻ tại Ngân hàng TMCP Hàng hải Việt Nam – Chi nhánh Đống Đa" (MSB Đống Đa) tập trung giải quyết bài toán: Làm thế nào để mở rộng quy mô tín dụng bán lẻ an toàn, duy trì tỷ lệ nợ xấu (NPL) dưới ngưỡng kiểm soát của Ngân hàng Nhà nước (NHNN) theo Thông tư 02/2013/TT-NHNN, đồng thời số hóa quy trình thẩm định để rút ngắn thời gian xử lý hồ sơ (SLA).

+-----------------------------------------------------------------------------------+
|                        MỤC TIÊU DỰ ÁN NGHIÊN CỨU & ỨNG DỤNG                       |
+-----------------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý luận & tiêu chí đánh giá CLTD bán lẻ (Định lượng & Tính)  |
| 2. Phân tích thực trạng dư nợ, nợ quá hạn, tỷ lệ nợ xấu giai đoạn 2020-2022      |
| 3. Khảo sát thực nghiệm mức độ hài lòng của khách hàng (N = 100 mẫu sơ cấp)       |
| 4. Thiết kế khung giải pháp quản trị rủi ro, tái cấu trúc quy trình & công nghệ   |
+-----------------------------------------------------------------------------------+

Phương pháp tiếp cận giải pháp

Dự án áp dụng phương pháp nghiên cứu liên ngành kết hợp giữa phân tích tài chính ngân hàng, mô hình hóa dữ liệu tín dụng và quy trình vận hành chuẩn:

  1. Mô hình quản trị rủi ro 3 tuyến phòng thủ: Tách bạch quyền hạn giữa Cán bộ Quản lý Khách hàng (CBQLKH), Cán bộ Thẩm định Tín dụng (CBTD) và Ban Quản lý Rủi ro Tín dụng (QLRRTD).
  2. Số hóa chấm điểm tín dụng nội bộ: Kết hợp khai thác dữ liệu từ Trung tâm Thông tin Tín dụng Quốc gia (CIC) với Scorecard định lượng hành vi và khả năng trả nợ.
  3. Chuẩn hóa quy trình cấp tín dụng 11 bước: Theo Quy định 417 của MSB nhằm kiểm soát rủi ro từ khâu tiếp nhận hồ sơ, định giá TSBĐ đến quản lý sau giải ngân.

Chỉ số kết quả kỳ vọng

  • Tăng trưởng dư nợ TDBL: Đạt tốc độ bình quân 12% - 15%/năm giai đoạn 2023–2026.
  • Kiểm soát rủi ro: Duy trì tỷ lệ nợ xấu TDBL $\le 1.50%$ và nợ nhóm 5 (nợ có khả năng mất vốn) $\le 0.80%$.
  • Hiệu quả sinh lời: Nâng tỷ lệ NIM từ hoạt động bán lẻ duy trì $\ge 4.2%$.
  • Chỉ số vận hành: Rút ngắn thời gian thẩm định – phê duyệt khoản vay thế chấp từ 72 giờ xuống dưới 24 giờ.

Phạm vi và giới hạn

  • Không gian: Ngân hàng TMCP Hàng hải Việt Nam – Chi nhánh Đống Đa và mạng lưới 9 phòng giao dịch trực thuộc.
  • Đối tượng: Khách hàng cá nhân, hộ kinh doanh gia đình và doanh nghiệp vừa và nhỏ (DN SSE) vay vốn phục vụ tiêu dùng (mua nhà, mua ô tô, thấu chi) và sản xuất kinh doanh (SXKD).
  • Thời gian: Dữ liệu thứ cấp phân tích giai đoạn 2020–2022; dữ liệu sơ cấp thu thập quý 1–quý 2/2023; định hướng triển khai giai đoạn 2023–2026.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại MSB Đống Đa, danh mục tín dụng bán lẻ giai đoạn 2020–2022 chịu áp lực kép từ biến động lãi suất và sự suy giảm nguồn thu của khách hàng cá nhân hậu Covid-19.

Tiêu chí Quy trình truyền thống (Phân tán) Mô hình đề xuất (Số hóa & Tập trung)
Thẩm định hồ sơ CBTD trực tiếp thẩm định thực địa và ra quyết định sơ bộ Hệ thống Rule Engine tự động lọc nợ CIC + Chấm điểm Scorecard
Định giá TSBĐ Chi nhánh tự khảo sát giá, tiềm ẩn sai lệch định giá Định giá tự động dựa trên Big Data Bất động sản + Kiểm duyệt độc lập
Thời gian xử lý (SLA) 3 – 5 ngày làm việc 4 – 24 giờ làm việc
Kiểm soát sau giải ngân Hậu kiểm thủ công, tần suất 6 tháng/lần Giám sát dòng tiền qua Core Banking, cảnh báo sớm (EWS) thời gian thực
Rủi ro tác nghiệp Cao (rủi ro đạo đức, làm giả hồ sơ thu nhập) Thấp (phân quyền phê duyệt đa cấp, đối soát đa tầng)

Ma trận ưu tiên yêu cầu theo MoSCoW

  • Must Have (Bắt buộc): Tích hợp API tự động truy vấn dữ liệu nợ từ CIC; tính toán trích lập dự phòng tự động theo Thông tư 02/2013/TT-NHNN; quản lý luồng phê duyệt đa cấp theo hạn mức tín dụng.
  • Should Have (Nên có): Module chấm điểm tín dụng hành vi tự động; hệ thống cảnh báo sớm (EWS) khi phát sinh quá hạn $\ge 10$ ngày.
  • Could Have (Có thể có): Cổng thẩm định định giá TSBĐ số hóa qua dữ liệu GIS; phân tích khả năng chi trả bằng AI dựa trên dòng tiền sao kê tài khoản.
  • Won't Have (Chưa ưu tiên): Tự động phê duyệt giải ngân không cần chữ ký số/hợp đồng công chứng đối với các khoản vay thế chấp bất động sản lớn.

Thiết kế hệ thống

Ngăn xếp công nghệ đề xuất (Technology Stack)

  • Hệ thống Quản lý Khởi tạo Khoản vay (LOS): Microservices Architecture xây dựng trên Java Spring Boot 3.1 & Node.js v18.
  • Hệ thống Core Banking: Temenos T24 R22 tích hợp cổng thanh toán liên ngân hàng Napas/CITAD.
  • Decision & Scoring Engine: Python 3.10 (thư viện scikit-learn 1.2.2, xgboost 1.7.5, pandas 2.0.1) phục vụ chấm điểm và phân loại rủi ro tín dụng.
  • Hệ quản trị Cơ sở dữ liệu: Oracle Database 19c Enterprise Edition phục vụ giao dịch tài chính; PostgreSQL 15 cho hệ thống báo cáo phân tích.
  • Bảo mật & Tích hợp: Chuẩn kết nối RESTful API với xác thực OAuth 2.0/JWT, mã hóa đường truyền TLS 1.3 và mã hóa dữ liệu lưu trữ AES-256.

Thiết kế Cơ sở dữ liệu (Database Schema)

-- Bảng quản lý hồ sơ tín dụng khách hàng bán lẻ
CREATE TABLE retail_credit_facility (
    facility_id VARCHAR(36) PRIMARY KEY,
    customer_cif VARCHAR(20) NOT NULL,
    customer_type VARCHAR(10) CHECK (customer_type IN ('INDIVIDUAL', 'SSE', 'HOUSEHOLD')),
    product_code VARCHAR(10) NOT NULL, -- HOUSING, CAR, BUSINESS, CONSUMER
    loan_amount DECIMAL(15, 2) NOT NULL,
    interest_rate DECIMAL(5, 2) NOT NULL,
    loan_term_months INT NOT NULL,
    current_debt_balance DECIMAL(15, 2) NOT NULL,
    cic_score INT,
    internal_rating_grade VARCHAR(5),
    debt_classification_group INT DEFAULT 1 CHECK (debt_classification_group BETWEEN 1 AND 5),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng quản lý trích lập dự phòng rủi ro tín dụng (Thông tư 02/2013/TT-NHNN)
CREATE TABLE risk_provisioning_ledger (
    provision_id VARCHAR(36) PRIMARY KEY,
    facility_id VARCHAR(36) REFERENCES retail_credit_facility(facility_id),
    specific_provision_rate DECIMAL(5, 4) NOT NULL, -- 0.00, 0.05, 0.20, 0.50, 1.00
    deductible_collateral_value DECIMAL(15, 2) DEFAULT 0.00,
    specific_provision_amount DECIMAL(15, 2) NOT NULL,
    general_provision_amount DECIMAL(15, 2) NOT NULL,
    calculation_date DATE NOT NULL
);

Thiết kế Giao diện lập trình ứng dụng (API Design)

POST /api/v1/credit/retail/score-application
Content-Type: application/json
Authorization: Bearer <JWT_TOKEN>

Request Payload:
{
  "cif": "MSB8839210",
  "monthly_income": 45000000,
  "existing_debt_service": 12000000,
  "requested_amount": 1500000000,
  "tenor_months": 120,
  "collateral_value": 2500000000,
  "collateral_type": "REAL_ESTATE",
  "cic_risk_group": 1
}

Response (200 OK):
{
  "status": "APPROVED_PRELIMINARY",
  "score": 745,
  "rating": "AAA",
  "dti_ratio": 0.56,
  "ltv_ratio": 0.60,
  "max_allowable_limit": 1750000000,
  "recommended_interest_margin": 3.85,
  "auto_approval_eligible": true
}

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng khung tích hợp phân tích tài chính định lượng kết hợp khảo sát thực nghiệm định tính:

  • Phân tích dữ liệu thứ cấp: Xử lý toàn bộ chỉ số tài chính của MSB Đống Đa gồm: Dư nợ bán lẻ, nợ quá hạn, cơ cấu nhóm nợ (Nhóm 1 đến Nhóm 5), tỷ lệ nợ xấu gộp, hệ số NIM, tỷ lệ LDR (Loan to Deposit Ratio).
  • Khảo sát dữ liệu sơ cấp: Sử dụng thang đo Likert 5 mức độ trên 100 khách hàng vay vốn bán lẻ tại địa bàn quận Đống Đa nhằm đánh giá độ hài lòng về chính sách, lãi suất, thủ tục và văn hóa phục vụ của cán bộ tín dụng.

Implementation và kết quả

Quy trình và Thuật toán cốt lõi

Quy trình cấp tín dụng bán lẻ tại MSB Đống Đa được vận hành theo 11 bước nghiêm ngặt:

  1. Tiếp thị, tư vấn, tiếp nhận hồ sơ.
  2. Đề xuất tín dụng, đánh giá TSBĐ.
  3. Thẩm định tín dụng độc lập.
  4. Phê duyệt theo thẩm quyền Chi nhánh.
  5. Trình phê duyệt Hội sở chính (nếu vượt thẩm quyền).
  6. Thông báo quyết định và ký kết hợp đồng.
  7. Hoàn thiện thủ tục TSBĐ (công chứng, đăng ký giao dịch bảo đảm).
  8. Quyết định giải ngân/phát hành bảo lãnh.
  9. Thực hiện giải ngân qua Core Banking.
  10. Kiểm tra, giám sát sau giải ngân.
  11. Quản lý nợ, thu hồi và thanh lý hợp đồng.

Thuật toán tính toán Trích lập dự phòng rủi ro & Phân loại nợ

Dưới đây là mô-đun thuật toán tự động hóa việc phân loại tài sản có và trích lập quỹ dự phòng rủi ro tín dụng định kỳ theo quy định của Ngân hàng Nhà nước:

from dataclasses import dataclass
from typing import Optional

@dataclass
class LoanContract:
    facility_id: str
    principal_balance: float
    overdue_days: int
    restructured_count: int
    collateral_value: float
    collateral_discount_factor: float  # Hệ số khấu trừ TSBĐ (BĐS: 0.70, Sổ tiết kiệm: 0.95)

class CreditRiskEngine:
    PROVISION_RATES = {
        1: 0.00,  # Nhóm 1: Nợ đủ tiêu chuẩn
        2: 0.05,  # Nhóm 2: Nợ cần chú ý
        3: 0.20,  # Nhóm 3: Nợ dưới tiêu chuẩn
        4: 0.50,  # Nhóm 4: Nợ nghi ngờ
        5: 1.00   # Nhóm 5: Nợ có khả năng mất vốn
    }
    GENERAL_PROVISION_RATE = 0.0075 # 0.75% dự phòng chung cho nhóm 1-4

    @staticmethod
    def classify_debt_group(loan: LoanContract) -> int:
        """Phân loại nhóm nợ theo thời gian quá hạn và lịch sử cơ cấu"""
        if loan.restructured_count >= 3 or loan.overdue_days > 360:
            return 5
        elif loan.restructured_count == 2 or (181 <= loan.overdue_days <= 360):
            return 4
        elif loan.restructured_count == 1 or (91 <= loan.overdue_days <= 180):
            return 3
        elif 10 <= loan.overdue_days <= 90:
            return 2
        return 1

    @classmethod
    def calculate_provisioning(cls, loan: LoanContract) -> dict:
        """Tính toán dự phòng cụ thể và dự phòng chung"""
        group = cls.classify_debt_group(loan)
        r_rate = cls.PROVISION_RATES[group]
        
        # Giá trị TSBĐ được khấu trừ tối đa
        c_val = loan.collateral_value * loan.collateral_discount_factor
        
        # Số tiền trích dự phòng cụ thể: R = max(0, (A - C)) * r
        risk_exposure = max(0.0, loan.principal_balance - c_val)
        specific_provision = risk_exposure * r_rate
        
        # Dự phòng chung (áp dụng cho nhóm 1 đến 4)
        general_provision = (loan.principal_balance * cls.GENERAL_PROVISION_RATE) if group < 5 else 0.0
        
        return {
            "facility_id": loan.facility_id,
            "debt_group": group,
            "principal": loan.principal_balance,
            "deductible_collateral": c_val,
            "specific_provision": round(specific_provision, 2),
            "general_provision": round(general_provision, 2),
            "total_provision": round(specific_provision + general_provision, 2)
        }

# Thực thi mẫu tính toán cho khoản vay tiêu dùng thế chấp BĐS
sample_loan = LoanContract(
    facility_id="MSB-LN-2023-9912",
    principal_balance=1_200_000_000,
    overdue_days=115, # Thuộc nhóm 3
    restructured_count=0,
    collateral_value=1_500_000_000,
    collateral_discount_factor=0.70 # Giá trị định giá khấu trừ: 1.050.000.000
)

result = CreditRiskEngine.calculate_provisioning(sample_loan)
# Kết quả: Group 3 | R = (1.2 tỷ - 1.05 tỷ) * 20% = 30.000.000 VNĐ | Dự phòng chung = 9.000.000 VNĐ

Kiểm thử và Đánh giá thực nghiệm

Dữ liệu khảo sát sơ cấp $N=100$ khách hàng thực tế tại MSB Đống Đa được tổng hợp phục vụ kiểm chứng các giả thuyết nghiên cứu:

Tiêu chí khảo sát Rất không hài lòng (%) Không hài lòng (%) Bình thường (%) Hài lòng (%) Rất hài lòng (%) Điểm bình quân (Thang 5)
Độ rõ ràng chính sách tín dụng 0.0% 4.0% 18.0% 52.0% 26.0% 4.00
Mức độ linh hoạt hồ sơ thủ tục 2.0% 11.0% 31.0% 42.0% 14.0% 3.55
Mức độ cạnh tranh của lãi suất 3.0% 15.0% 38.0% 34.0% 10.0% 3.33
Thời gian giải ngân (SLA) 1.0% 8.0% 25.0% 48.0% 18.0% 3.74
Thái độ & Trình độ của CBTD 0.0% 2.0% 12.0% 50.0% 36.0% 4.20
BIỂU ĐỒ ĐÁNH GIÁ CHẤT LƯỢNG TÍN DỤNG TẠI CHI NHÁNH (THANG ĐIỂM 5.0)
Trình độ CBTD       : [██████████████████████████████████████████] 4.20
Chính sách tín dụng : [████████████████████████████████████] 4.00
Thời gian xử lý SLA : [███████████████████████████████] 3.74
Hồ sơ & Thủ tục     : [███████████████████████████] 3.55
Mức độ lãi suất     : [█████████████████████] 3.33

Kết quả định lượng đạt được

Tổng hợp kết quả kinh doanh và chỉ số chất lượng tín dụng bán lẻ tại MSB Đống Đa giai đoạn 2020–2022:

Chỉ tiêu tài chính Năm 2020 Năm 2021 Năm 2022 So sánh 2022 vs 2020
Tổng dư nợ TDBL (Tỷ VNĐ) 1,842.50 2,185.30 2,512.80 $+36.38%$
Tỷ trọng TDBL / Tổng dư nợ (%) 54.20% 58.10% 61.50% $+7.30\ \text{điểm}%$
Tỷ lệ nợ quá hạn bán lẻ (%) 1.85% 1.62% 1.48% Giảm $0.37\ \text{điểm}%$
Tỷ lệ nợ xấu TDBL (NPL - %) 1.25% 1.10% 0.98% Giảm $0.27\ \text{điểm}%$
Dư nợ nhóm 5 (Mất vốn - Tỷ VNĐ) 8.45 7.12 6.20 Giảm $26.63%$
Hệ số NIM mảng bán lẻ (%) 3.65% 3.92% 4.15% Tăng $0.50\ \text{điểm}%$
Dư nợ TDBL / Vốn huy động (LDR) 72.40% 76.80% 79.10% Tối ưu hóa vốn

Đổi mới và đóng góp

Các giải pháp cải tiến mang tính đột phá

  1. Phân định độc lập 3 trung tâm quyền lực tín dụng: Loại bỏ mô hình truyền thống (CBTD vừa tìm kiếm khách hàng vừa trực tiếp phê duyệt). Nghiên cứu chuẩn hóa theo mô hình quốc tế của Citibank: Tách biệt quyền kinh doanh (Front Office), thẩm định rủi ro (Middle Office) và vận hành tín dụng (Back Office).
  2. Hệ thống chấm điểm tích hợp EWS (Early Warning System): Phát hiện dấu hiệu suy giảm tài chính trước 60 ngày thông qua hành vi giao dịch tài khoản thanh toán và dữ liệu tra cứu định kỳ tại CIC.
  3. Mô hình định giá TSBĐ đa tầng: Ứng dụng công thức chiết khấu rủi ro thanh khoản động theo vị trí địa lý của bất động sản trên địa bàn thành phố Hà Nội.

So sánh với các mô hình đối chuẩn trên thị trường

+------------------+---------------------------+---------------------------+---------------------------+
| Tiêu chí         | MSB Đống Đa (Đề xuất)     | Techcombank               | Citibank Vietnam          |
+------------------+---------------------------+---------------------------+---------------------------+
| Mô hình phê duyệt| Phân quyền kết hợp tập    | Tập trung hóa 100% tại    | 3 cấp độc lập, phê duyệt  |
|                  | trung cho món vay lớn     | Trung tâm phê duyệt miền  | bởi hội đồng 3 thành viên |
| Tích hợp Scorecard| Tự động hóa kết hợp CIC   | Tự động hóa hoàn toàn     | Scorecard hành vi toàn cầu|
| Thời gian thẩm định| 24h đối với vay thế chấp  | 4h - 12h với vay mua nhà  | 24h - 48h                 |
| Kiểm soát nợ xấu | Tỷ lệ NPL thực tế < 1.0%  | NPL bán lẻ dao động ~1.2% | NPL thẻ tín dụng < 1.5%   |
+------------------+---------------------------+---------------------------+---------------------------+

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

  • Use Case 1: Cho vay mua nhà ở/đất ở (Housing Loan): Áp dụng tỷ lệ cho vay trên giá trị tài sản (LTV) lên tới $75%$, thời hạn vay tối đa 20 năm, kiểm soát tỷ lệ nợ trên thu nhập (DTI) không vượt quá $60%$.
  • Use Case 2: Vay bổ sung vốn lưu động hộ kinh doanh / DN SSE: Hạn mức thấu chi linh hoạt kết hợp cấp tín dụng theo món ngắn hạn, kiểm soát chặt chẽ hóa đơn đầu vào/đầu ra và doanh thu thực tế.
  • Use Case 3: Cho vay cầm cố Giấy tờ có giá (GTCG): Giải ngân tự động trực tuyến $100%$ giá trị sổ tiết kiệm trong vòng 5 phút qua hệ thống Internet Banking.

Lộ trình triển khai hệ thống (2023 - 2026)

2023 Q3-Q4: Tái cấu trúc phân luồng quy trình & Đào tạo 100% CBTD về đạo đức nghề nghiệp
2024 Q1-Q4: Triển khai Scorecard số hóa & Tự động kết nối API tra cứu nợ CIC
2025 Q1-Q4: Nâng cấp Core Banking, tích hợp hệ thống cảnh báo sớm EWS
2026 Q1-Q4: Ứng dụng AI phân tích dữ liệu phi cấu trúc, tự động hóa xử lý TSBĐ

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

  • Chi phí đầu tư công nghệ & đào tạo: Ước tính 1.8 tỷ VNĐ phân bổ trong 3 năm.
  • Lợi ích kinh tế: Giảm chi phí trích lập dự phòng rủi ro nợ xấu từ 15.2 tỷ VNĐ xuống còn 9.8 tỷ VNĐ/năm (tiết kiệm ~5.4 tỷ VNĐ/năm). Tăng thu nhập lãi thuần nhờ tối ưu hóa chu kỳ luân chuyển vốn.
  • Thời gian hoàn vốn (Payback Period): $\approx 8.5\ \text{tháng}$; Chỉ số sinh lời nội bộ $(\text{IRR}) > 42%$.

Hạn chế và hướng phát triển

Hạn chế còn tồn tại

  • Dữ liệu thu nhập của nhóm khách hàng cá nhân tự do và hộ kinh doanh cá thể tại Việt Nam chủ yếu là tiền mặt, gây khó khăn cho việc kiểm chứng dòng tiền qua hệ thống tự động.
  • Hệ thống định giá bất động sản tự động cần có thời gian cập nhật liên tục biến động thị trường địa ốc cục bộ.

Định hướng mở rộng

  1. Tích hợp giải pháp Open Banking API để kết nối trực tiếp với dữ liệu thuế điện tử và ứng dụng VNeID, hỗ trợ xác thực danh tính eKYC cấp độ 2.
  2. Ứng dụng mô hình máy học XGBoost và mạng nơ-ron nhân tạo để phát hiện gian lận trong hồ sơ chứng minh năng lực tài chính.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                        MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ                      |
+-----------------------------------------------------------------------------------+
| Sinh viên & Học viên : Cung cấp bộ dữ liệu thực nghiệm, khung lý thuyết và mô     |
|                      hình tính toán trích lập dự phòng thực tế theo chuẩn NHNN.   |
| Chuyên viên Tín dụng : Sở hữu cẩm nang quy trình 11 bước chuẩn hóa, giảm thiểu    |
|                      sai sót tác nghiệp và rủi ro pháp lý cá nhân.                |
| Lãnh đạo Ngân hàng   : Khung giải pháp quản trị rủi ro giúp cân bằng giữa tăng    |
|                      trưởng quy mô dư nợ và an toàn thanh khoản (NIM vs NPL).     |
| Khách hàng vay vốn   : Rút ngắn thời gian xét duyệt hồ sơ, tiếp cận nguồn vốn với |
|                      lãi suất minh bạch và điều kiện vay phù hợp.                 |
+-----------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống quản trị tín dụng bán lẻ số hóa là gì?

Hệ thống yêu cầu máy chủ Core Banking có khả năng xử lý giao dịch thời gian thực, tích hợp Enterprise Service Bus (ESB) hỗ trợ giao thức REST/JSON kết nối cổng CIC, hệ thống cơ sở dữ liệu quan hệ đạt chuẩn ACID (Oracle/PostgreSQL) và hạ tầng bảo mật đạt chứng chỉ PCI-DSS.

2. Giới hạn quy mô mở rộng (Scalability) của danh mục tín dụng bán lẻ tại Chi nhánh là bao nhiêu?

Chi nhánh Đống Đa có thể mở rộng quy mô quản lý danh mục dư nợ lên tới 5,000 tỷ VNĐ với đội ngũ nhân sự hiện tại khi tự động hóa $60%$ công tác thẩm định bước đầu thông qua Scorecard và hệ thống LOS tập trung.

3. Làm thế nào để giải quyết xung đột dữ liệu khi tích hợp hệ thống chấm điểm nội bộ với dữ liệu CIC?

Hệ thống áp dụng quy tắc ưu tiên rủi ro bảo thủ (Conservative Risk Rule): Nếu điểm chấm nội bộ đạt loại A nhưng dữ liệu CIC ghi nhận khách hàng có nợ nhóm 2 tại bất kỳ TCTD nào trong 12 tháng gần nhất, hệ thống sẽ tự động hạ bậc tín nhiệm và chuyển hồ sơ sang luồng thẩm định rủi ro đặc biệt.

4. Chi phí bảo trì và vận hành hệ thống định kỳ bao gồm những khoản mục nào?

Chi phí vận hành bao gồm phí duy trì cổng API truy vấn dữ liệu CIC (tính theo số lượt tra cứu), chi phí bản quyền hệ thống Core/LOS, phí kiểm toán an ninh mạng định kỳ và chi phí đào tạo cập nhật chính sách cho cán bộ nhân viên chi nhánh (chiếm khoảng 8–10% tổng chi phí vận hành hàng năm).

5. Lộ trình hoàn vốn (ROI) khi áp dụng quy trình kiểm soát chất lượng tín dụng mới?

Với mức giảm tỷ lệ nợ xấu xuống dưới $1.0%$ và tiết giảm chi phí trích lập dự phòng khoảng 5.4 tỷ VNĐ/năm, dự án đạt điểm hòa vốn sau 8.5 tháng và tạo ra dòng giá trị thặng dư ròng ước tính trên 15 tỷ VNĐ sau 3 năm vận hành.


Kết luận

Đồ án nghiên cứu ứng dụng đã giải quyết thành công bài toán tối ưu hóa chất lượng tín dụng bán lẻ tại Ngân hàng TMCP Hàng hải Việt Nam – Chi nhánh Đống Đa. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận tài chính, dữ liệu thực nghiệm giai đoạn 2020–2022 và kiến trúc công nghệ chấm điểm tự động, công trình mang lại giá trị thực tiễn to lớn: vừa mở rộng dư nợ an toàn, vừa kiểm soát tỷ lệ nợ xấu ở mức lý tưởng ($0.98%$). Đây là tài liệu tham khảo chuyên môn giá trị cho công tác quản trị rủi ro tín dụng tại các ngân hàng thương mại Việt Nam trong kỷ nguyên chuyển đổi số.