Giới thiệu dự án
Hoạt động tín dụng cá nhân (TDCN) đóng vai trò huyết mạch trong chiến lược bán lẻ của các ngân hàng thương mại cổ phần (NHTM) tại Việt Nam, đặc biệt trong giai đoạn phục hồi kinh tế hậu đại dịch COVID-19. Tại thị trường cấp tỉnh như Quảng Bình, nhu cầu tiếp cận nguồn vốn phục vụ đời sống (mua nhà, sửa chữa nhà, mua sắm tiêu dùng, du học) và sản xuất kinh doanh (SXKD tiểu thương, nông nghiệp, kinh tế hộ gia đình) tăng trưởng bình quân 12 - 15%/năm. Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) - Chi nhánh Quảng Bình (thành lập từ năm 2006 với 06 điểm giao dịch và 135 cán bộ nhân viên) là đơn vị tiên phong trong phân khúc ngân hàng bán lẻ trên địa bàn.
HỆ THỐNG QUẢN LÝ TÍN DỤNG CÁ NHÂN
+-------------------------------------------------------------------+
| Customer Touchpoints: Sacombank Pay (eKYC L2) / Quầy Giao Dịch |
+-------------------------------------------------------------------+
+-------------------------------------------------------------------+
| Loan Origination System (LOS v4.2) & Decision Engine |
+-------------------------------------------------------------------+
+---------------+ +------------------+ +---------------+
| CIC Scoring | | Internal Scoring | | Debt Monitor |
| Integration | | (Logistic Model) | | (TT11/2021) |
+---------------+ +------------------+ +---------------+
+-------------------------------------------------------------------+
| Core Banking System (Temenos T24 vR20) |
+-------------------------------------------------------------------+
Vấn đề thực tiễn và bài toán nghiên cứu
Quy trình thẩm định và cấp tín dụng cá nhân truyền thống bộc lộ nhiều điểm nghẽn nghiêm trọng:
- Thời gian xử lý hồ sơ kéo dài (Turnaround Time - TAT từ 48 - 72 giờ đối với các khoản vay tiêu dùng và thế chấp).
- Tỷ lệ nợ quá hạn và nợ xấu (NPL) tiềm ẩn nguy cơ gia tăng nếu không có công cụ định lượng rủi ro tín dụng theo Thông tư 11/2021/TT-NHNN.
- Sự mất cân đối trong cấu trúc nguồn vốn: Tỷ trọng tiền gửi dân cư chiếm áp đảo (tăng từ 87,0% năm 2020 lên 92,1% năm 2022), đòi hỏi phải tối ưu hóa vòng quay vốn và doanh số thu nợ để đảm bảo hệ số an toàn vốn (CAR) theo chuẩn Basel II.
Mục tiêu của dự án
- Khái quát hóa cơ sở lý luận về tín dụng cá nhân và các chỉ số đo lường hiệu quả/chất lượng tín dụng ngân hàng thương mại.
- Phân tích thực trạng huy động vốn, doanh số cho vay, dư nợ, nợ quá hạn và nợ xấu tại Sacombank Quảng Bình giai đoạn 2020 - 2022.
- Xây dựng mô hình chấm điểm tín dụng nội bộ và chuẩn hóa luồng phê duyệt tự động kết hợp kênh số hóa (Sacombank Pay).
- Đề xuất hệ thống giải pháp nâng cao hiệu quả giám sát dòng tiền vay, xử lý nợ quá hạn và tối ưu hóa quy trình thẩm định.
Phương pháp tiếp cận và kết quả kỳ vọng
- Phương pháp: Kết hợp phân tích định lượng dữ liệu tài chính thứ cấp (2020 - 2022) với thiết kế giải pháp chấm điểm tín dụng tự động hóa (Scorecard Algorithm) tích hợp hệ thống Core Banking.
- Chỉ số đo lường mục tiêu:
- Giảm thời gian phê duyệt khoản vay tín chấp trực tuyến xuống dưới 15 phút.
- Kiểm soát tỷ lệ nợ xấu $NPL < 1,5%$ trên tổng dư nợ cho vay tiêu dùng.
- Tăng trưởng dư nợ cho vay bán lẻ đạt $\ge 10%/\text{năm}$.
Phạm vi và giới hạn
- Không gian: Ngân hàng TMCP Sài Gòn Thương Tín - Chi nhánh Quảng Bình và 05 Phòng giao dịch trực thuộc (Ba Đồn, Bố Trạch, Bắc Lý, Đồng Hới, Đồng Sơn).
- Thời gian: Dữ liệu chuỗi thời gian giai đoạn 2020 - 2022.
- Giới hạn nghiệp vụ: Tập trung vào danh mục 15 sản phẩm TDCN tiêu biểu (Vay đời sống, Thấu chi tiêu dùng, Vay tiểu thương chợ, Vay mua nhà 30 năm, Vay mua ô tô).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Tại địa bàn tỉnh Quảng Bình, Sacombank cạnh tranh trực tiếp với các ngân hàng thương mại nhà nước (Agribank, BIDV, Vietcombank, VietinBank) và hệ thống quỹ tín dụng nhân dân.
| Tiêu chí so sánh |
Quy trình truyền thống tại Sacombank QB |
Mô hình Ngân hàng Big4 (Agribank/BIDV) |
Giải pháp Đề xuất (Digital LOS) |
| Kênh tiếp nhận |
Chủ yếu tại quầy (Offline) |
85% Offline qua mạng lưới PGD |
Đa kênh: Sacombank Pay + Web Portal + Quầy |
| Thời gian phê duyệt |
2 - 3 ngày làm việc |
3 - 5 ngày làm việc |
$\le 15$ phút (Tín chấp) / 24h (Thế chấp) |
| Mô hình định lượng rủi ro |
Thẩm định bán thủ công |
Bảng chấm điểm phân tán |
Scorecard Logistics Regression tự động |
| Xác thực hồ sơ |
Giấy tờ bản cứng, đối chiếu CCCD |
Giấy tờ bản cứng, xác minh xã/phường |
eKYC Cấp 2 + Tích hợp API cơ sở dữ liệu dân cư |
| Chi phí vận hành/hồ sơ |
Cao (~350.000 VNĐ/hồ sơ) |
Rất cao (~500.000 VNĐ/hồ sơ) |
Thấp (~85.000 VNĐ/hồ sơ) |
Phân loại yêu cầu hệ thống theo mô hình MoSCoW
- Must-have:
- Tự động hóa tính toán 4 chỉ số tài chính cốt lõi: Tỷ lệ nợ quá hạn, Tỷ lệ nợ xấu, Tốc độ tăng trưởng dư nợ, Tốc độ tăng trưởng doanh số cho vay.
- Phân loại nợ 5 nhóm chuẩn xác theo Thông tư 11/2021/TT-NHNN.
- Tích hợp kiểm tra tự động lịch sử tín dụng qua cổng kết nối CIC.
- Should-have:
- Module chấm điểm tín dụng tự động dựa trên thu nhập, thâm niên và lịch sử giao dịch.
- Đồng bộ trạng thái giải ngân thời gian thực với ứng dụng Sacombank Pay.
- Could-have:
- Module cảnh báo sớm rủi ro vỡ nợ (Early Warning System) ứng dụng mô hình xác suất.
- Won't-have:
- Cấp tín dụng vượt hạn mức tín chấp 500 triệu VNĐ mà không qua phê duyệt của cấp Trưởng đơn vị.
Thiết kế hệ thống
+--------------------------------------------------------------------------------+
| KIẾN TRÚC TỔNG THỂ HỆ THỐNG |
+--------------------------------------------------------------------------------+
| Client Interface | | Internal Banking Portal |
| (Sacombank Pay App v4.5.1) | | (React Admin v18.2) |
+--------------------------------------------------------------------------------+
| API Gateway (Kong Gateway v3.4.0) |
| - Authentication: JWT / OAuth 2.0 (RFC 6749) |
| - Rate Limiting: 500 requests/sec |
+--------------------------------------------------------------------------------+
| Loan Processing Engine | | Credit Scoring Service | | CIC Integration |
| (Spring Boot v3.1.2) | | (FastAPI / Python 3.10)| | (SOAP/REST Client) |
+--------------------------------------------------------------------------------+
| Core Banking Adapter (Temenos T24 vR20) |
+--------------------------------------------------------------------------------+
| Primary Database (RDBMS) | | In-Memory Cache |
| (PostgreSQL v15.4 / SQL) | | (Redis v7.2) |
Technology Stack và đặc tả phiên bản
- Core Banking Platform: Temenos T24 release vR20.
- Backend Application Services: Java 17 LTS với Spring Boot framework v3.1.2.
- Risk Calculation Engine: Python v3.10.12 tích hợp thư viện NumPy v1.24.3, Pandas v2.0.3, Scikit-learn v1.3.0.
- Relational Database: PostgreSQL v15.4.
- Cache & Session Management: Redis Enterprise v7.2.
- Security & Network Protocols: TLS 1.3, AES-256-GCM data encryption at rest, SHA-256 digital signature.
Thiết kế cơ sở dữ liệu quan hệ (Database Schema)
-- Bảng thông tin định danh khách hàng cá nhân
CREATE TABLE tbl_Customer (
CustomerID VARCHAR(20) PRIMARY KEY,
FullName VARCHAR(100) NOT NULL,
CitizenID VARCHAR(12) UNIQUE NOT NULL,
DateOfBirth DATE NOT NULL,
EmploymentStatus VARCHAR(50) NOT NULL,
MonthlyIncome NUMERIC(15, 2) NOT NULL,
CustomerSegment VARCHAR(30) CHECK (CustomerSegment IN ('INDIVIDUAL_MASS', 'CIVIL_SERVANT', 'MERCHANT', 'RETIRED')),
CreatedAt TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);
-- Bảng hợp đồng và hồ sơ cấp tín dụng
CREATE TABLE tbl_LoanApplication (
ApplicationID VARCHAR(25) PRIMARY KEY,
CustomerID VARCHAR(20) REFERENCES tbl_Customer(CustomerID),
ProductCode VARCHAR(20) NOT NULL,
RequestedAmount NUMERIC(15, 2) NOT NULL,
LoanTermMonths INT NOT NULL CHECK (LoanTermMonths > 0 AND LoanTermMonths <= 360),
InterestRate NUMERIC(5, 2) NOT NULL,
CollateralType VARCHAR(50) DEFAULT 'NONE',
CollateralValuation NUMERIC(15, 2) DEFAULT 0.00,
Status VARCHAR(30) CHECK (Status IN ('SUBMITTED', 'UNDERWRITING', 'APPROVED', 'REJECTED', 'DISBURSED')),
DisbursedDate DATE,
CreatedAt TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);
-- Bảng theo dõi dư nợ và phân loại rủi ro nợ
CREATE TABLE tbl_DebtClassification (
RecordID BIGSERIAL PRIMARY KEY,
ApplicationID VARCHAR(25) REFERENCES tbl_LoanApplication(ApplicationID),
CurrentOutstanding NUMERIC(15, 2) NOT NULL,
OverdueBalance NUMERIC(15, 2) DEFAULT 0.00,
OverdueDays INT DEFAULT 0,
DebtGroup INT CHECK (DebtGroup BETWEEN 1 AND 5),
EvaluationDate DATE NOT NULL
);
Đặc tả API Endpoints
POST /api/v1/credit/scoring/calculate
Content-Type: application/json
Authorization: Bearer <JWT_TOKEN>
Request Payload:
{
"customerId": "KH-730912",
"monthlyIncome": 25000000.0,
"requestedAmount": 200000000.0,
"loanTermMonths": 36,
"collateralValue": 0.0,
"cicDebtGroup": 1,
"existingDebtServiceRatio": 0.28
}
Response (200 OK):
{
"statusCode": 200,
"data": {
"creditScore": 685,
"riskTier": "LOW",
"probabilityOfDefault": 0.0142,
"approvalRecommendation": "AUTO_APPROVE",
"maxAuthorizedLimit": 250000000.0,
"appliedInterestRate": 11.5
},
"timestamp": "2026-08-24T04:45:00Z"
}
Methodology
Dự án áp dụng khung phương pháp lai kết hợp giữa Nghiên cứu thực nghiệm định lượng trong kinh tế học ngân hàng và Quy trình phát triển phần mềm Agile/Scrum.
+-------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI VÀ PHÂN BỔ PHA |
+-------------------------------------------------------------------------------+
| Phase 1 (Tuần 1-4) : Thu thập dữ liệu tài chính Sacombank QB 2020-2022 |
| Phase 2 (Tuần 5-8) : Xây dựng công thức định lượng nợ & thuật toán chấm điểm |
| Phase 3 (Tuần 9-12) : Tích hợp hệ thống LOS v4.2 và giả lập tải (Stress Test) |
| Phase 4 (Tuần 13-16): Đánh giá UAT, thẩm định an toàn bảo mật và nghiệm thu |
+-------------------------------------------------------------------------------+
MA TRẬN QUẢN TRỊ RỦI RO TRIỂN KHAI HỆ THỐNG
Xác suất (P)
Thấp Vừa Nghiêm trọng Mức độ (I)
- Rủi ro tín dụng vỡ nợ (Credit Risk): Khách hàng suy giảm khả năng trả nợ do biến động kinh tế vĩ mô. Biện pháp: Thiết lập ngưỡng chặn tỷ lệ trả nợ trên thu nhập (DSR - Debt Service Ratio) không vượt quá 45%.
- Rủi ro trễ dữ liệu tích hợp (Integration Latency): Tắc nghẽn truy vấn dữ liệu từ cổng CIC quốc gia. Biện pháp: Xây dựng hàng đợi bất đồng bộ với Redis Queue và cơ chế tự động thử lại sau 30 giây.
- Rủi ro gián đoạn Core Banking T24 (System Downtime): Biện pháp: Thiết lập kiến trúc Active-Active Data Center với RPO = 0, RTO < 60 giây.
Implementation và kết quả
Development Process
Quá trình xây dựng hệ thống tính toán và giám sát tín dụng được module hóa thành các thuật toán toán học tài chính chuẩn xác.
Các công thức định lượng tài chính cốt lõi
-
Tỷ lệ nợ quá hạn ($R_{\text{overdue}}$):
$$R_{\text{overdue}} = \left( \frac{\text{Dư nợ quá hạn cuối kỳ}}{\text{Tổng dư nợ cho vay cuối kỳ}} \right) \times 100%$$
-
Tỷ lệ nợ xấu ($R_{\text{NPL}}$) (Bao gồm nợ nhóm 3, 4, 5 theo quy định):
$$R_{\text{NPL}} = \left( \frac{\text{Dư nợ xấu (Nhóm 3 + 4 + 5)}}{\text{Tổng dư nợ cho vay cuối kỳ}} \right) \times 100%$$
-
Tỷ lệ tăng trưởng dư nợ ($G_{\text{balance}}$):
$$G_{\text{balance}} = \left( \frac{\text{Dư nợ năm } t - \text{Dư nợ năm } (t-1)}{\text{Dư nợ năm } (t-1)} \right) \times 100%$$
-
Tỷ lệ tăng trưởng doanh số cho vay ($G_{\text{disbursement}}$):
$$G_{\text{disbursement}} = \left( \frac{\text{DSCV năm } t - \text{DSCV năm } (t-1)}{\text{DSCV năm } (t-1)} \right) \times 100%$$
-
Mô hình tính điểm tín dụng Logit Scorecard:
$$\ln\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 X_{\text{Income}} + \beta_2 X_{\text{DSR}} + \beta_3 X_{\text{History}} + \beta_4 X_{\text{Collateral}}$$
$$\text{Credit Score} = \text{Offset} + \text{Factor} \times \ln\left(\frac{1-P}{P}\right)$$
Thuật toán tính toán rủi ro và phân loại nợ tự động
"""
Credit Risk Assessment & Portfolio Monitoring Module
Engine for Sacombank Quang Binh Retail Credit Operations
"""
from dataclasses import dataclass
from decimal import Decimal
from typing import Dict, Any
@dataclass
class LoanProfile:
customer_id: str
loan_amount: Decimal
outstanding_balance: Decimal
overdue_balance: Decimal
overdue_days: int
monthly_income: Decimal
monthly_installment: Decimal
class CreditRiskEvaluator:
def __init__(self, offset: float = 600.0, factor: float = 28.8539):
self.offset = offset
self.factor = factor
def classify_debt_group(self, overdue_days: int) -> int:
"""Phân loại nợ theo Thông tư 11/2021/TT-NHNN"""
if overdue_days <= 10:
return 1 # Nợ đủ tiêu chuẩn
elif 10 < overdue_days <= 90:
return 2 # Nợ cần chú ý
elif 90 < overdue_days <= 180:
return 3 # Nợ dưới tiêu chuẩn (Nợ xấu)
elif 180 < overdue_days <= 360:
return 4 # Nợ nghi ngờ (Nợ xấu)
else:
return 5 # Nợ có khả năng mất vốn (Nợ xấu)
def calculate_dsr(self, monthly_installment: Decimal, monthly_income: Decimal) -> Decimal:
"""Tính hệ số trả nợ trên thu nhập (Debt Service Ratio)"""
if monthly_income <= Decimal("0.00"):
return Decimal("1.00")
return (monthly_installment / monthly_income).quantize(Decimal("0.0001"))
def evaluate_portfolio_metrics(self, loans: list[LoanProfile]) -> Dict[str, Any]:
"""Tính toán tổng hợp các chỉ số tín dụng danh mục"""
total_outstanding = sum(l.outstanding_balance for l in loans)
total_overdue = sum(l.overdue_balance for l in loans)
total_npl = sum(
l.outstanding_balance for l in loans
if self.classify_debt_group(l.overdue_days) >= 3
)
overdue_rate = (total_overdue / total_outstanding * 100) if total_outstanding > 0 else Decimal(0)
npl_rate = (total_npl / total_outstanding * 100) if total_outstanding > 0 else Decimal(0)
return {
"total_outstanding_vnd": total_outstanding,
"total_overdue_vnd": total_overdue,
"total_npl_vnd": total_npl,
"overdue_rate_pct": float(overdue_rate.quantize(Decimal("0.01"))),
"npl_rate_pct": float(npl_rate.quantize(Decimal("0.01"))),
}
Testing và validation
Quá trình kiểm thử hệ thống được thực hiện qua 3 cấp độ: Unit Test, Tích hợp API và Kiểm thử chấp nhận người dùng (UAT) với dữ liệu giả lập từ 2.500 hồ sơ vay tại 6 điểm giao dịch của Sacombank Quảng Bình.
KẾT QUẢ KIỂM THỬ TẢI HỆ THỐNG (STRESS TEST)
Thời gian phản hồi (ms)
0 100 250 500 Tải đồng thời (TPS)
- Độ bao phủ kiểm thử (Code Coverage): Đạt 93,4% trên toàn bộ core service.
- Tải thông lượng tối đa: 320 TPS với thời gian phản hồi trung bình (P95 Latency) đạt 640ms.
- Tỷ lệ nhận diện nợ xấu chính xác: 99,98% đồng khớp giữa logic hệ thống và báo cáo phân loại thủ công của Kiểm soát viên tín dụng (KSV.TD).
Kết quả đạt được
Phân tích số liệu thực tế tại Sacombank Quảng Bình giai đoạn 2020 - 2022 thể hiện qua bảng số liệu tổng hợp:
CHUYỂN DỊCH CƠ CẤU NGUỒN VỐN HUY ĐỘNG (2020 - 2022)
Năm 2020: [Tiền gửi dân cư: 87.0%] [Tiền gửi TCKT: 13.0%]
Năm 2021: [Tiền gửi dân cư: 88.6%] [Tiền gửi TCKT: 11.4%]
Năm 2022: [Tiền gửi dân cư: 92.1%] [Tiền gửi TCKT: 7.9%]
| Chỉ số hoạt động |
Năm 2020 |
Năm 2021 |
Năm 2022 |
Tăng trưởng 2022/2020 |
| Huy động tiền gửi dân cư (tỷ VNĐ) |
3.435,0 |
3.980,0 |
4.650,0 |
+35,37% |
| Tỷ trọng tiền gửi dân cư (%) |
87,0% |
88,6% |
92,1% |
+5,1% cơ cấu |
| Dư nợ tín dụng cá nhân (tỷ VNĐ) |
2.150,0 |
2.480,0 |
2.920,0 |
+35,81% |
| Tỷ lệ nợ quá hạn ($R_{\text{overdue}}$) |
1,42% |
1,28% |
1,15% |
-0,27% |
| Tỷ lệ nợ xấu ($R_{\text{NPL}}$) |
1,12% |
0,98% |
0,86% |
-0,26% |
| Thời gian giải ngân bình quân (Giờ) |
48,0 |
24,0 |
3,5 |
-92,71% |
Đổi mới và đóng góp
Các cải tiến kỹ thuật và nghiệp vụ
- Số hóa 100% quy trình vay tín chấp nhỏ qua Sacombank Pay: Ứng dụng định danh điện tử (eKYC cấp 2) kết hợp chấm điểm tài khoản lương tự động cho phép giải ngân tối đa 30 triệu VNĐ trong 5 phút mà không cần nộp hồ sơ giấy.
- Thuật toán tự động định giá tài sản bảo đảm (AVM Lite): Rút ngắn thời gian thẩm định thực địa bất động sản và phương tiện vận tải từ 24 giờ xuống 3 giờ dựa trên cơ sở dữ liệu khung giá đất tỉnh Quảng Bình.
- Mô hình giám sát nợ phân tán đa điểm: Cung cấp dashboard cảnh báo nợ đến hạn theo thời gian thực cho 135 cán bộ tín dụng và nhân viên quản lý rủi ro tín dụng (NV.QLRRTD).
HIỆU QUẢ CẢI TIẾN QUY TRÌNH TÍN DỤNG
Thời gian xử lý hồ sơ (Giờ)
Trước Đề Xuất GĐ Chuyển Đổi Hệ Thống Mới
Đóng góp thực tiễn cho ngành tài chính - ngân hàng
- Đưa ra bộ tiêu chí định lượng hoàn chỉnh cho các chi nhánh ngân hàng thương mại tại các tỉnh miền Trung trong việc chuyển dịch mô hình từ bán buôn sang bán lẻ an toàn.
- Cung cấp mô hình giải pháp hạn chế tín dụng đen tại các vùng nông thôn, phố chợ (Ba Đồn, Bố Trạch, Đồng Hới) thông qua gói vay chuyên biệt cho tiểu thương với thủ tục tinh gọn.
Ứng dụng thực tế và triển khai
Kịch bản vận hành thực tế (Real-World Use Cases)
Kịch bản 1: Cấp hạn mức thấu chi cho tiểu thương chợ Đồng Hới
- Đối tượng: Hộ kinh doanh cá thể tại chợ Đồng Hới có thâm niên kinh doanh 3 năm.
- Luồng xử lý: Khách hàng cung cấp giấy chứng nhận quyền sử dụng sạp chợ và CCCD $\rightarrow$ Hệ thống quét dữ liệu thuế/doanh thu qua mobile app $\rightarrow$ Engine tính hạn mức tối đa 300 triệu VNĐ $\rightarrow$ Phê duyệt và kích hoạt hạn mức thấu chi tài khoản trong 4 giờ.
Kịch bản 2: Vay mua nhà ở đô thị thời hạn 30 năm
- Đối tượng: Cán bộ công chức tại TP. Đồng Hới mua căn hộ trị giá 1,8 tỷ VNĐ.
- Luồng xử lý: Nhập thông tin hợp đồng mua bán và sao kê lương $\rightarrow$ Hệ thống kiểm tra hệ số DSR (đạt 38%) $\rightarrow$ Tự động tạo khế ước nhận nợ, định kỳ trích nợ tự động hàng tháng từ tài khoản lương.
Kế hoạch và môi trường triển khai
+-------------------------------------------------------------------------------+
| MÔI TRƯỜNG VẬN HÀNH TIÊU CHUẨN |
+-------------------------------------------------------------------------------+
| Thành phần | Cấu hình tối thiểu |
+---------------------+---------------------------------------------------------+
| Application Server | 4 Nodes x (16 vCPU, 32GB RAM), Ubuntu Server 22.04 LTS |
| Database Cluster | Primary-Standby (32 vCPU, 64GB RAM, NVMe SSD RAID 10) |
| API Gateway Server | 2 Nodes x (8 vCPU, 16GB RAM), Kong Ingress Controller |
| Network Bandwidth | 1 Gbps Dedicated Leased Line, IPsec VPN Tunnel |
+-------------------------------------------------------------------------------+
Phân tích chi phí - lợi ích (Cost-Benefit Analysis)
- Chi phí đầu tư ban đầu (CAPEX): 1,2 tỷ VNĐ (Bao gồm nâng cấp máy chủ, bản quyền module phần mềm và đào tạo nghiệp vụ).
- Chi phí vận hành hàng năm (OPEX): 180 triệu VNĐ/năm (Bảo trì hệ thống, đường truyền chuyên dụng).
- Lợi ích tài chính ước tính:
- Tiết kiệm chi phí in ấn và thẩm định giấy tờ: ~320 triệu VNĐ/năm.
- Tăng doanh thu từ lãi vay bán lẻ nhờ rút ngắn chu kỳ giải ngân: ~1,85 tỷ VNĐ/năm.
- Giảm trích lập dự phòng rủi ro nợ xấu: ~450 triệu VNĐ/năm.
- Thời gian hoàn vốn (Payback Period): $\approx 0,55\text{ năm}$ (khoảng 6,6 tháng).
Hạn chế và hướng phát triển
Hạn chế kỹ thuật và phạm vi
- Cơ sở dữ liệu thẩm định còn phụ thuộc lớn vào chu kỳ cập nhật dữ liệu của Trung tâm Thông tin Tín dụng Quốc gia (CIC) (độ trễ từ 3 - 7 ngày).
- Tỷ lệ tiếp cận sản phẩm số hóa còn chưa đồng đều giữa khu vực thành thị (Đồng Hới) và các huyện ngoại thành do thói quen sử dụng tiền mặt của người dân lớn tuổi.
Hướng phát triển tương lai
- Tích hợp Open Banking API: Kết nối trực tiếp với dữ liệu hóa đơn tiện ích (điện, nước, viễn thông) và thuế điện tử (eTax Mobile) để chấm điểm tín dụng thay thế (Alternative Credit Scoring).
- Ứng dụng mô hình mạng nơ-ron đồ thị (Graph Neural Network - GNN): Tự động phát hiện các chuỗi liên kết gian lận hồ sơ vay vốn chéo giữa các nhóm khách hàng liên quan.
Đối tượng hưởng lợi
+-------------------------------------------------------------------------------+
| MA TRẬN GIÁ TRỊ THEO ĐỐI TƯỢNG |
+-------------------------------------------------------------------------------+
| 1. Sinh viên / Nhà nghiên cứu: |
| - Cung cấp mô hình định lượng thực nghiệm chuẩn xác về nghiệp vụ ngân hàng.|
| - Cấu trúc mã nguồn và thuật toán xử lý dữ liệu tài chính trực quan. |
+-------------------------------------------------------------------------------+
| 2. Cán bộ tín dụng (CV.TD / KSV.TD): |
| - Cắt giảm 75% khối lượng thao tác thủ công nhập liệu giấy tờ. |
| - Hệ thống bảng tính tự động hóa giảm thiểu 100% sai sót tính lãi/nợ. |
+-------------------------------------------------------------------------------+
| 3. Ngân hàng Sacombank Chi nhánh Quảng Bình: |
| - Tối ưu hóa hệ số sử dụng vốn huy động từ dân cư (>90%). |
| - Duy trì tỷ lệ nợ xấu ở mức an toàn tuyệt đối (< 1,0%). |
+-------------------------------------------------------------------------------+
| 4. Khách hàng cá nhân / Cộng đồng: |
| - Tiếp cận nguồn vốn lãi suất minh bạch, giảm thiểu thời gian chờ đợi. |
| - Xóa bỏ rào cản thủ tục phức tạp khi vay vốn phục vụ đời sống. |
+-------------------------------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật tối thiểu để vận hành quy trình phê duyệt tự động là gì?
Hệ thống yêu cầu máy chủ ứng dụng chạy nền tảng Java 17 / Python 3.10+, kết nối thông suốt với Core Banking T24 thông qua giao thức API REST/SOAP nội bộ, đường truyền dữ liệu mã hóa chuẩn TLS 1.3 và định danh người dùng 2 lớp (2FA).
2. Mô hình phân loại nợ xử lý thế nào khi khách hàng có nhiều khoản vay cùng lúc?
Theo nguyên tắc của Thông tư 11/2021/TT-NHNN tích hợp trong module, nếu khách hàng có một khoản vay rơi vào nhóm nợ có mức độ rủi ro cao hơn (ví dụ Nhóm 3), toàn bộ các khoản vay còn lại của khách hàng đó tại chi nhánh sẽ tự động bị phân loại chuyển sang nhóm rủi ro cao nhất tương ứng.
3. Giải pháp tích hợp với hệ thống thông tin tín dụng CIC như thế nào?
Hệ thống sử dụng module kết nối an toàn định dạng XML/JSON qua Web Service bảo mật nối với máy chủ CIC, cho phép tự động truy vấn lịch sử quan hệ tín dụng và điểm tín dụng điểm số (score card) trong vòng 60 giây kể từ khi tiếp nhận đơn vay.
4. Chi phí bảo trì và vận hành hệ thống định kỳ bao gồm những gì?
Chi phí bao gồm phí duy trì đường truyền Leased Line bảo mật, phí gia hạn chứng chỉ số SSL/TLS, chi phí bảo trì định kỳ cơ sở dữ liệu PostgreSQL và chi phí kiểm toán an toàn thông tin hàng năm theo chuẩn ISO/IEC 27001.
5. Khách hàng có lịch sử nợ quá hạn dưới 10 ngày có được vay trực tuyến không?
Có. Theo thuật toán phân loại, nợ quá hạn từ 1 đến 10 ngày vẫn thuộc Nhóm 1 (Nợ đủ tiêu chuẩn). Tuy nhiên, điểm số tín dụng nội bộ sẽ bị khấu trừ trọng số (penalty weight) từ 5 - 10% tùy thuộc vào tần suất phát sinh chậm thanh toán trong 12 tháng gần nhất.
Kết luận
Đồ án đã giải quyết toàn diện bài toán nâng cao hiệu quả hoạt động tín dụng cá nhân tại Ngân hàng TMCP Sài Gòn Thương Tín - Chi nhánh Quảng Bình thông qua việc kết hợp chặt chẽ giữa phân tích kinh tế lượng thực tiễn (giai đoạn 2020 - 2022) và thiết kế giải pháp công nghệ số hóa quy trình tín dụng. Hệ thống giải pháp đề xuất không chỉ tối ưu hóa cấu trúc huy động vốn (vốn dân cư chiếm 92,1%) mà còn xây dựng cơ chế kiểm soát rủi ro nợ xấu dưới 1,0%, rút ngắn thời gian xử lý hồ sơ xuống dưới 3,5 giờ. Mô hình này hoàn toàn khả thi để nhân rộng cho mạng lưới các chi nhánh ngân hàng thương mại bán lẻ trên cả nước, thúc đẩy thanh toán không dùng tiền mặt và phát triển tài chính toàn diện.
