Luận Văn Thạc Sĩ: Ứng Dụng Business Intelligence Trong Thẩm Định Tài Sản Bảo Đảm Của Ngân Hàng

Khám phá ứng dụng bi business intelligence trong thẩm định tài sản bảo đảm của ngân hàng qua luận văn thạc sĩ chi tiết và chuyên sâu.

• Tác giả: Cao Thị Vân Anh
• Người hướng dẫn: PGS. Trương Ninh Thuận
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Ứng Dụng BI (Business Intelligence) Trong Bài Toán Thẩm Định Tài Sản Bảo Đảm Của Ngân Hàng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC KÍ HIỆU VÀ CHỮ VIẾT TẮT
• DANH MỤC HÌNH VẼ
• DANH MỤC BẢNG
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT
• 1.1. Giới thiệu về Trí tuệ nghiệp vụ (Business Intelligence)
• 1.2. Kiến trúc và thành phần của BI
• 1.3. Chu kỳ của một phân tích BI
• 1.4. Phát triển một hệ thống BI
• 2. CHƯƠNG 2: BÀI TOÁN ỨNG DỤNG BI TRONG HỖ TRỢ THẨM ĐỊNH TÀI SẢN BẢO ĐẢM CỦA NGÂN HÀNG
• 2.1. Ứng dụng của BI trong lĩnh vực ngân hàng
• 2.2. Công nghệ BI trong các hoạt động ngân hàng
• 2.3. Một số ứng dụng BI trong lĩnh vực ngân hàng
• 2.4. Bài toán thẩm định tài sản bảo đảm trong hệ thống ngân hàng
• 2.5. Giới thiệu về thẩm định tài sản bảo đảm
• 2.6. Quy trình thẩm định giá tài sản bảo đảm
• 2.7. Phương pháp so sánh trực tiếp trong bước định giá giá trị của tài sản
• 3. CHƯƠNG 3: PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG BI HỖ TRỢ THẨM ĐỊNH TÀI SẢN BẢO ĐẢM TRONG NGÂN HÀNG
• 3.1. Phát biểu bài toán
• 3.2. Áp dụng thuật toán K-Nearest Neighbors (KNN) và thuật toán hồi quy tuyến tính đa biến trong quyết định giá
• 3.3. Sử dụng thuật toán K-Nearest Neighbors (KNN) để dự đoán giá trị tài sản thẩm định
• 3.4. Dự đoán giá trị tài sản qua phương pháp hồi quy tuyến tính đa biến
• 3.5. Kết hợp thuật toán KNN và hồi quy tuyến tính đa biến
• 3.6. Thiết kế ứng dụng
• 3.7. Module Thẩm định tài sản
• 3.8. Xây dựng và triển khai
• 3.9. Xây dựng Database
• 3.10. Xây dựng mô hình ứng dụng
• 4. CHƯƠNG 4: CÀI ĐẶT VÀ KẾT QUẢ
• 4.1. Chức năng quản lý thông tin hồ sơ thẩm định
• 4.2. Chức năng Cập nhật thông tin chung của hồ sơ
• 4.3. Cập nhật thông tin pháp lý của hồ sơ
• 4.4. Cập nhật thông tin tài sản bảo đảm
• 4.5. Cập nhật thông tin kết luận của báo cáo thẩm định
• 4.6. Thuyết minh giá
• 4.7. So sánh kết quả thực nghiệm trên Web thẩm định và phần mềm Weka
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về ứng dụng BI trong thẩm định tài sản bảo đảm

Trí tuệ nghiệp vụ (Business Intelligence - BI) đã trở thành một công cụ quan trọng trong việc hỗ trợ các ngân hàng trong quá trình thẩm định tài sản bảo đảm. BI giúp tối ưu hóa quy trình thẩm định, từ việc thu thập dữ liệu đến phân tích và đưa ra quyết định. Việc ứng dụng BI không chỉ giúp nâng cao hiệu quả công việc mà còn giảm thiểu rủi ro trong các quyết định tài chính. Các ngân hàng hiện nay đang dần chuyển mình sang việc sử dụng công nghệ thông tin để cải thiện quy trình thẩm định tài sản, từ đó nâng cao chất lượng dịch vụ và sự hài lòng của khách hàng.

1.1. Khái niệm về Business Intelligence trong ngân hàng

Business Intelligence (BI) là một tập hợp các công nghệ và quy trình giúp thu thập, phân tích và trình bày dữ liệu. Trong lĩnh vực ngân hàng, BI hỗ trợ việc ra quyết định thông qua việc cung cấp thông tin chính xác và kịp thời về tài sản bảo đảm.

1.2. Lợi ích của việc ứng dụng BI trong thẩm định tài sản

Việc ứng dụng BI trong thẩm định tài sản bảo đảm mang lại nhiều lợi ích như tăng cường khả năng phân tích dữ liệu, giảm thiểu thời gian thẩm định và nâng cao độ chính xác trong việc định giá tài sản.

II. Thách thức trong thẩm định tài sản bảo đảm tại ngân hàng

Mặc dù việc ứng dụng BI mang lại nhiều lợi ích, nhưng vẫn tồn tại nhiều thách thức trong quá trình thẩm định tài sản bảo đảm. Các ngân hàng phải đối mặt với việc thu thập dữ liệu không đồng nhất, thiếu hụt thông tin và khó khăn trong việc phân tích dữ liệu lớn. Những vấn đề này có thể dẫn đến quyết định không chính xác và ảnh hưởng đến hiệu quả kinh doanh.

2.1. Khó khăn trong việc thu thập dữ liệu

Việc thu thập dữ liệu từ nhiều nguồn khác nhau có thể gây khó khăn cho ngân hàng trong việc đảm bảo tính chính xác và đầy đủ của thông tin. Điều này có thể dẫn đến những sai sót trong quá trình thẩm định.

2.2. Thiếu hụt thông tin và phân tích dữ liệu

Nhiều ngân hàng gặp khó khăn trong việc phân tích dữ liệu lớn do thiếu hụt công cụ và kỹ năng cần thiết. Điều này có thể làm giảm khả năng ra quyết định chính xác trong thẩm định tài sản bảo đảm.

III. Phương pháp ứng dụng BI trong thẩm định tài sản bảo đảm

Để giải quyết các thách thức trong thẩm định tài sản bảo đảm, ngân hàng có thể áp dụng nhiều phương pháp khác nhau trong BI. Các phương pháp này bao gồm khai thác dữ liệu, phân tích hồi quy và sử dụng các mô hình dự đoán để đưa ra quyết định chính xác hơn.

3.1. Khai thác dữ liệu trong thẩm định tài sản

Khai thác dữ liệu là một phương pháp quan trọng trong BI, giúp ngân hàng tìm ra các mẫu và xu hướng từ dữ liệu lịch sử. Điều này hỗ trợ trong việc định giá tài sản bảo đảm một cách chính xác hơn.

3.2. Phân tích hồi quy trong định giá tài sản

Phân tích hồi quy là một kỹ thuật thống kê giúp xác định mối quan hệ giữa các biến. Trong thẩm định tài sản, phương pháp này có thể được sử dụng để dự đoán giá trị tài sản dựa trên các yếu tố khác nhau.

IV. Ứng dụng thực tiễn của BI trong ngân hàng

Nhiều ngân hàng đã áp dụng thành công BI trong quy trình thẩm định tài sản bảo đảm. Các ứng dụng này không chỉ giúp cải thiện hiệu quả công việc mà còn nâng cao độ chính xác trong việc định giá tài sản. Các ngân hàng có thể sử dụng BI để phân tích dữ liệu thị trường, từ đó đưa ra quyết định cho vay hợp lý.

4.1. Ví dụ về ứng dụng BI trong ngân hàng

Một số ngân hàng đã triển khai hệ thống BI để theo dõi và phân tích dữ liệu thẩm định tài sản. Hệ thống này giúp cán bộ thẩm định đưa ra quyết định chính xác hơn dựa trên dữ liệu lịch sử.

4.2. Kết quả đạt được từ việc ứng dụng BI

Việc ứng dụng BI đã giúp ngân hàng giảm thiểu thời gian thẩm định và nâng cao độ chính xác trong việc định giá tài sản. Điều này không chỉ cải thiện hiệu quả công việc mà còn tăng cường sự hài lòng của khách hàng.

V. Kết luận và hướng phát triển trong thẩm định tài sản

Việc ứng dụng BI trong thẩm định tài sản bảo đảm của ngân hàng là một xu hướng tất yếu trong thời đại công nghệ số. Các ngân hàng cần tiếp tục đầu tư vào công nghệ và đào tạo nhân viên để nâng cao khả năng ứng dụng BI. Tương lai của thẩm định tài sản sẽ phụ thuộc vào khả năng khai thác và phân tích dữ liệu một cách hiệu quả.

5.1. Tương lai của ứng dụng BI trong ngân hàng

Với sự phát triển không ngừng của công nghệ, ứng dụng BI trong ngân hàng sẽ ngày càng trở nên phổ biến. Các ngân hàng cần chuẩn bị sẵn sàng để thích ứng với những thay đổi này.

5.2. Đề xuất cải tiến trong quy trình thẩm định

Ngân hàng nên xem xét việc cải tiến quy trình thẩm định tài sản bằng cách áp dụng các công nghệ mới và nâng cao kỹ năng cho nhân viên. Điều này sẽ giúp nâng cao hiệu quả và độ chính xác trong thẩm định tài sản bảo đảm.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh hoạt động ngân hàng ngày càng phức tạp và cạnh tranh gay gắt, việc thẩm định tài sản bảo đảm (TSBĐ) trở thành một khâu quan trọng nhằm kiểm soát rủi ro tín dụng và đảm bảo an toàn nguồn vốn. Theo ước tính, các ngân hàng tại Việt Nam đang quản lý hàng nghìn hồ sơ thẩm định tài sản bảo đảm mỗi năm, trong đó tài sản bảo đảm chủ yếu là bất động sản, động sản, hàng hóa và phương tiện. Quá trình thẩm định tài sản đòi hỏi sự chính xác cao trong việc định giá nhằm đảm bảo quyền lợi cho ngân hàng và khách hàng. Tuy nhiên, việc thu thập, xử lý và phân tích dữ liệu thẩm định truyền thống còn nhiều hạn chế như mất nhiều thời gian, thiếu tính nhất quán và phụ thuộc lớn vào kinh nghiệm cá nhân của chuyên viên thẩm định.

Luận văn thạc sĩ này tập trung nghiên cứu ứng dụng công nghệ Trí tuệ nghiệp vụ (Business Intelligence - BI) trong bài toán thẩm định tài sản bảo đảm của ngân hàng, nhằm nâng cao hiệu quả và độ chính xác trong việc định giá tài sản. Mục tiêu cụ thể là thiết kế và xây dựng một hệ thống hỗ trợ thẩm định tài sản bảo đảm dựa trên các phương pháp khai phá dữ liệu như K-Nearest Neighbors (KNN) và hồi quy tuyến tính đa biến, giúp chuyên viên thẩm định khai thác dữ liệu lịch sử và đưa ra quyết định giá chính xác hơn. Nghiên cứu được thực hiện trong phạm vi dữ liệu thẩm định tài sản bảo đảm tại các ngân hàng ở Hà Nội trong khoảng thời gian 6 tháng gần đây nhất.

Việc ứng dụng BI trong thẩm định tài sản không chỉ giúp giảm thiểu thời gian xử lý hồ sơ mà còn nâng cao chất lượng phân tích, hỗ trợ các chuyên viên thẩm định, đặc biệt là những người chưa có nhiều kinh nghiệm, từ đó góp phần nâng cao hiệu quả quản lý rủi ro tín dụng và thúc đẩy hoạt động kinh doanh của ngân hàng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba nền tảng lý thuyết chính: Trí tuệ nghiệp vụ (Business Intelligence - BI), Data Warehouse (Kho dữ liệu) và Khai phá dữ liệu (Data Mining).

• Business Intelligence (BI): Là giải pháp công nghệ khai thác và phân tích dữ liệu từ nhiều nguồn khác nhau nhằm hỗ trợ ra quyết định kinh doanh hiệu quả. BI bao gồm các thành phần như nguồn dữ liệu, kho dữ liệu, các công cụ ETL (Extract, Transform, Load), và các phương pháp phân tích dữ liệu như OLAP, khai phá dữ liệu, mô hình toán học và học máy.

• Data Warehouse: Là kho lưu trữ dữ liệu tích hợp từ nhiều nguồn, được tổ chức theo mô hình đa chiều với các bảng cắt lớp (dimension tables) và bảng sự kiện (fact tables). Kho dữ liệu hỗ trợ truy vấn nhanh và phân tích dữ liệu lịch sử, phục vụ cho các ứng dụng BI.

• Data Mining: Là quá trình khai thác tri thức từ dữ liệu lớn, bao gồm các kỹ thuật phân lớp, phân cụm, khai phá luật kết hợp và dự đoán. Trong luận văn, hai thuật toán chính được sử dụng là K-Nearest Neighbors (KNN) và hồi quy tuyến tính đa biến.

Các khái niệm chuyên ngành quan trọng bao gồm: tài sản bảo đảm (TSBĐ), tài sản so sánh (TSSS), thẩm định tài sản, phương pháp so sánh trực tiếp, khoảng cách Euclidean, và các chỉ số thống kê trong hồi quy như hệ số hồi quy, hệ số xác định (R²), sai số chuẩn.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Tập dữ liệu gồm khoảng 110 hồ sơ thẩm định tài sản bất động sản được thu thập từ các ngân hàng tại Hà Nội trong 6 tháng gần đây. Dữ liệu bao gồm các thuộc tính như diện tích, chiều rộng, chiều sâu, mặt đường, loại đất, hướng đất, tình trạng pháp lý, cơ sở hạ tầng, tọa độ địa lý.

• Phương pháp phân tích:

  • Tiền xử lý dữ liệu: Loại bỏ các thuộc tính không cần thiết, chuyển đổi dữ liệu định tính thành định lượng.
  • Trích chọn thuộc tính quan trọng bằng phần mềm Weka sử dụng phương pháp Interestingness score và thuật toán GreedyStepwise.
  • Áp dụng thuật toán K-Nearest Neighbors (KNN) để tìm kiếm các tài sản so sánh gần nhất dựa trên khoảng cách Euclidean.
  • Sử dụng hồi quy tuyến tính đa biến để xây dựng mô hình dự đoán giá trị tài sản dựa trên các yếu tố ảnh hưởng.
  • Kết hợp hai phương pháp trên để nâng cao độ chính xác trong việc ước lượng giá trị tài sản bảo đảm.

• Timeline nghiên cứu: Nghiên cứu được thực hiện trong năm 2017, với giai đoạn thu thập và xử lý dữ liệu kéo dài khoảng 6 tháng, tiếp theo là xây dựng mô hình và triển khai hệ thống hỗ trợ thẩm định.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Trích chọn thuộc tính quan trọng: Qua phân tích dữ liệu bất động sản với 110 hồ sơ, 9 thuộc tính được giữ lại và xếp hạng theo mức độ ảnh hưởng đến giá trị tài sản như sau: lợi thế kinh doanh > loại đất > tình trạng pháp lý > hướng đất > mặt đường. Điều này cho thấy các yếu tố pháp lý và vị trí có vai trò quan trọng trong định giá tài sản.

2. Hiệu quả thuật toán KNN: Với ví dụ mô phỏng 10 tài sản đất tại Hà Đông, Hà Nội, thuật toán KNN với k=3 đã xác định được 3 tài sản so sánh gần nhất dựa trên khoảng cách Euclidean. Giá trị dự đoán trung bình của 3 tài sản này là 1.050 triệu đồng, trong khi giá trị thực tế chuyên viên thẩm định đưa ra là 800 triệu đồng, cho thấy KNN có khả năng tìm kiếm tài sản tương đồng nhưng chưa tối ưu về độ chính xác giá trị.

3. Mô hình hồi quy tuyến tính đa biến: Mô hình hồi quy với các biến chiều rộng, chiều sâu, mặt ngõ và hướng đất cho thấy chiều rộng có ảnh hưởng lớn nhất đến giá trị tài sản (hệ số hồi quy chuẩn hóa cao nhất). Mô hình giải thích được khoảng 84,4% biến thiên giá trị tài sản (R² = 0.844). Tuy nhiên, sai số chuẩn ước lượng khoảng 632 triệu đồng cho thấy còn nhiều yếu tố chưa được đưa vào mô hình.

4. Kết hợp KNN và hồi quy tuyến tính: Việc sử dụng KNN để chọn ra 3 tài sản so sánh gần nhất, sau đó áp dụng hồi quy tuyến tính để ước lượng giá trị tài sản cho từng tài sản so sánh, cuối cùng lấy trung bình giá trị ước lượng làm giá trị tài sản thẩm định giúp nâng cao độ chính xác và giảm thiểu sai số so với việc sử dụng riêng lẻ từng phương pháp.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy việc ứng dụng BI và các thuật toán khai phá dữ liệu trong thẩm định tài sản bảo đảm có thể hỗ trợ đáng kể cho quá trình ra quyết định của chuyên viên thẩm định. Thuật toán KNN giúp tìm kiếm nhanh các tài sản tương đồng dựa trên nhiều yếu tố định lượng, trong khi hồi quy tuyến tính đa biến cung cấp mô hình định giá dựa trên các yếu tố ảnh hưởng chính.

So sánh với các nghiên cứu trong ngành tài chính ngân hàng, việc kết hợp hai phương pháp này giúp khắc phục nhược điểm của từng phương pháp riêng lẻ, đồng thời tăng tính khách quan và độ tin cậy của kết quả thẩm định. Việc xây dựng kho dữ liệu và hệ thống ETL đảm bảo dữ liệu được cập nhật liên tục, sạch và chuẩn hóa, tạo nền tảng vững chắc cho các phân tích BI.

Dữ liệu có thể được trình bày qua các biểu đồ phân tích mức độ ảnh hưởng của từng yếu tố đến giá trị tài sản, bảng so sánh kết quả dự đoán giữa các phương pháp, và biểu đồ khoảng cách Euclidean giữa tài sản thẩm định và các tài sản so sánh. Điều này giúp người dùng dễ dàng hình dung và đánh giá kết quả thẩm định.

Đề xuất và khuyến nghị

1. Triển khai hệ thống BI hỗ trợ thẩm định tài sản: Ngân hàng nên xây dựng và vận hành hệ thống BI tích hợp kho dữ liệu thẩm định, công cụ ETL và module phân tích dữ liệu để hỗ trợ chuyên viên thẩm định trong việc khai thác dữ liệu lịch sử và ra quyết định giá chính xác. Thời gian triển khai dự kiến trong vòng 12 tháng.

2. Đào tạo chuyên viên thẩm định sử dụng công nghệ BI: Tổ chức các khóa đào tạo nâng cao kỹ năng sử dụng phần mềm thẩm định tích hợp BI, giúp nhân viên mới và chưa có nhiều kinh nghiệm có thể áp dụng hiệu quả các công cụ phân tích dữ liệu. Mục tiêu nâng cao tỷ lệ chính xác định giá tài sản lên ít nhất 20% trong 6 tháng đầu sau đào tạo.

3. Cập nhật và làm sạch dữ liệu thường xuyên: Thiết lập quy trình ETL tự động để thu thập, chuẩn hóa và làm sạch dữ liệu thẩm định từ các chi nhánh và đối tác, đảm bảo dữ liệu luôn đầy đủ, chính xác và kịp thời phục vụ phân tích. Thực hiện kiểm tra dữ liệu định kỳ hàng tháng.

4. Nâng cao mô hình phân tích: Tiếp tục nghiên cứu và áp dụng các thuật toán khai phá dữ liệu nâng cao như mạng nơ-ron nhân tạo, cây quyết định để cải thiện độ chính xác dự đoán giá trị tài sản, đồng thời mở rộng mô hình phân tích cho các loại tài sản khác ngoài bất động sản. Thời gian nghiên cứu và thử nghiệm trong 18 tháng tiếp theo.

Đối tượng nên tham khảo luận văn

1. Chuyên viên thẩm định tài sản ngân hàng: Luận văn cung cấp công cụ và phương pháp hỗ trợ ra quyết định định giá tài sản bảo đảm, giúp nâng cao hiệu quả và độ chính xác trong công tác thẩm định.

2. Quản lý rủi ro tín dụng: Các nhà quản lý có thể sử dụng kết quả phân tích để đánh giá mức độ rủi ro liên quan đến tài sản bảo đảm, từ đó xây dựng chính sách tín dụng phù hợp.

3. Nhà phát triển phần mềm tài chính: Thông tin về kiến trúc hệ thống BI, kho dữ liệu và các thuật toán khai phá dữ liệu sẽ là tài liệu tham khảo quý giá để phát triển các ứng dụng hỗ trợ thẩm định tài sản.

4. Nghiên cứu sinh và học viên ngành công nghệ thông tin, tài chính ngân hàng: Luận văn cung cấp một case study thực tiễn về ứng dụng BI trong lĩnh vực ngân hàng, giúp hiểu rõ hơn về các kỹ thuật khai phá dữ liệu và mô hình phân tích trong môi trường thực tế.

Câu hỏi thường gặp

1. Business Intelligence (BI) là gì và tại sao lại quan trọng trong thẩm định tài sản bảo đảm?
   BI là công nghệ khai thác và phân tích dữ liệu từ nhiều nguồn để hỗ trợ ra quyết định kinh doanh. Trong thẩm định tài sản, BI giúp tổng hợp dữ liệu lịch sử, phân tích các yếu tố ảnh hưởng và dự đoán giá trị tài sản chính xác hơn, giảm thiểu rủi ro cho ngân hàng.

2. Thuật toán K-Nearest Neighbors (KNN) hoạt động như thế nào trong bài toán thẩm định tài sản?
   KNN xác định các tài sản so sánh gần nhất dựa trên khoảng cách Euclidean giữa các thuộc tính định lượng của tài sản thẩm định và tài sản trong dữ liệu lịch sử. Giá trị tài sản được dự đoán bằng trung bình giá trị của các tài sản gần nhất này.

3. Hồi quy tuyến tính đa biến có vai trò gì trong việc định giá tài sản?
   Hồi quy tuyến tính đa biến xây dựng mô hình dự đoán giá trị tài sản dựa trên nhiều yếu tố ảnh hưởng như chiều rộng, chiều sâu, mặt ngõ, hướng đất. Mô hình này giúp xác định mức độ ảnh hưởng của từng yếu tố và ước lượng giá trị tài sản một cách khách quan.

4. Làm thế nào để kết hợp hiệu quả hai phương pháp KNN và hồi quy tuyến tính trong thẩm định tài sản?
   KNN được dùng để chọn ra các tài sản so sánh tương đồng nhất, sau đó hồi quy tuyến tính được áp dụng để ước lượng giá trị từng tài sản so sánh. Cuối cùng, giá trị trung bình của các tài sản này được dùng làm giá trị ước lượng cho tài sản thẩm định, giúp tăng độ chính xác và giảm sai số.

5. Hệ thống BI hỗ trợ thẩm định tài sản có thể áp dụng cho những loại tài sản nào?
   Hệ thống có thể áp dụng cho nhiều loại tài sản bảo đảm như bất động sản (đất, căn hộ, sạp chợ), động sản (xe, máy móc thiết bị), hàng hóa. Mỗi loại tài sản sẽ có các thuộc tính và phương pháp định giá riêng biệt được tích hợp trong hệ thống.

Kết luận

• Luận văn đã xây dựng thành công mô hình ứng dụng BI trong bài toán thẩm định tài sản bảo đảm của ngân hàng, kết hợp hiệu quả thuật toán KNN và hồi quy tuyến tính đa biến.
• Hệ thống hỗ trợ thẩm định giúp giảm thời gian xử lý hồ sơ, nâng cao độ chính xác và tính khách quan trong định giá tài sản.
• Kết quả phân tích cho thấy các yếu tố như lợi thế kinh doanh, loại đất, tình trạng pháp lý có ảnh hưởng lớn đến giá trị tài sản.
• Việc triển khai hệ thống BI trong ngân hàng sẽ góp phần nâng cao năng lực quản lý rủi ro tín dụng và thúc đẩy hoạt động kinh doanh.
• Các bước tiếp theo bao gồm mở rộng mô hình cho các loại tài sản khác, nâng cao thuật toán phân tích và đào tạo nhân viên sử dụng hệ thống.

Hành động ngay: Các ngân hàng và tổ chức tài chính nên xem xét áp dụng giải pháp BI trong thẩm định tài sản bảo đảm để nâng cao hiệu quả quản lý và cạnh tranh trên thị trường.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ CAO THỊ VÂN ANH ỨNG DỤNG BI (BUSINESS INTELLIGENCE) TRONG BÀI TOÁN THẨM ĐỊNH TÀI SẢN BẢO ĐẢM CỦA NGÂN HÀNG LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội – 2017 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ CAO THỊ VÂN ANH ỨNG DỤNG BI (BUSINESS INTELLIGENCE) TRONG BÀI TOÁN THẨM ĐỊNH TÀI SẢN BẢO ĐẢM CỦA NGÂN HÀNG Chuyên ngành: Kỹ thuật phần mềm Mã số: 60480103 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS. TRƯƠNG NINH THUẬN Hà Nội – 2017 LỜI CAM ĐOAN Tôi xin cam đoan nội dung của luận văn “Ứng dụng BI (Business Intelligence) trong bài toán thẩm định tài sản bảo đảm của ngân hàng” là sản phẩm do tôi thực hiện dưới sự hướng dẫn của PGS.Trương Ninh Thuận. Toàn bộ những điều được trình bày trong khóa luận hoặc là của cá nhân, hoặc được tham khảo và tổng hợp từ các nguồn tài liệu khác nhau. Tất cả tài liệu tham khảo, tổng hợp đều được trích dẫn với nguồn gốc rõ ràng. Toàn bộ chương trình, mã nguồn là do tôi thiết kế và xây dựng, không sao chép của bất kỳ ai và chưa được công bố trên bất kỳ phương tiện nào. Tôi xin chịu hoàn toàn trách nhiệm về lời cam đoan của mình. Nếu có điều gì sai trái, tôi xin chịu mọi hình thức kỷ luật theo qui định. Hà Nội, Ngày tháng năm 2017 Người cam đoan Cao Thị Vân Anh LỜI CẢM ƠN Tôi xin bày tỏ lòng biết ơn sâu sắc đến thầy hướng dẫn của tôi, PGS. Trương Ninh Thuận. Thầy đã giúp tôi có những cơ hội để có thể theo đuổi nghiên cứu lĩnh vực mình yêu thích. Trong suốt quá trình thực hiện luận văn, thầy đã tận tình hướng dẫn cho tôi, góp ý cho tôi về định hướng, đồng thời đưa ra những lời khuyên bổ ích để tôi có thể hoàn thành luận văn của mình. Tiếp đến, xin được cảm ơn các thầy cô giáo đã giảng dạy trong quá trình học tập, thực hành, làm bài tập, đọc và nhận xét luận văn của em, giúp em hiểu thấu đáo hơn lĩnh vực mà em nghiên cứu và những hạn chế cần khắc phục trong việc học tập, nghiên cứu và thực hiện bản luận văn này. Xin cảm ơn các bạn bè, đồng nghiệp và nhất là các thành viên trong gia đình đã tạo mọi điều kiện tốt nhất, động viên, cổ vũ trong suốt quá trình học tập và làm luận văn tốt nghiệp. Hà Nội, Ngày tháng năm 2017 Cao Thị Vân Anh MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC KÍ HIỆU VÀ CHỮ VIẾT TẮT . i DANH MỤC HÌNH VẼ . iii DANH MỤC BẢNG . iii MỞ ĐẦU. 1 Lý do chọn đề tài . 1 Mục tiêu của đề tài . 1 Đóng góp của luận văn . 2 Cấu trúc của luận văn . 3 CHƯƠNG 1: CƠ SỞ LÝ THUYẾT. Giới thiệu về Trí tuệ nghiệp vụ (Business Intelligence) . Kiến trúc và thành phần của BI.Giới thiệu về Data Warehouse .Kiến trúc của Data Warehouse .Xây dựng Data warehouse . Giới thiệu về Khai phá dữ liệu (Data mining) .Quy trình khai phá dữ liệu . Các phương pháp khai phá dữ liệu. 15 CHƯƠNG 2: BÀI TOÁN ỨNG DỤNG BI TRONG HỖ TRỢ THẨM ĐỊNH TÀI SẢN BẢO ĐẢM CỦA NGÂN HÀNG. Ứng dụng của BI trong lĩnh vực ngân hàng . Công nghệ BI trong các hoạt động ngân hàng. Một số ứng dụng BI trong lĩnh vực ngân hàng . Bài toán thẩm định tài sản bảo đảm trong hệ thống ngân hàng . Giới thiệu về thẩm định tài sản bảo đảm . Quy trình thẩm định giá tài sản bảo đảm. Phương pháp so sánh trực tiếp trong bước định giá giá trị của tài sản . 25 CHƯƠNG 3: PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG BI HỖ TRỢ THẨM ĐỊNH TÀI SẢN BẢO ĐẢM TRONG NGÂN HÀNG .Phát biểu bài toán . Áp dụng thuật toán K-Nearest Neighbors (KNN) và thuật toán hồi quy tuyến tính đa biến trong quyết định giá . Sử dụng thuật toán K-Nearest Neighbors (KNN) để dự đoán giá trị tài sản thẩm định 33 3. Dự đoán giá trị tài sản qua phương pháp hồi quy tuyến tính đa biến . Kết hợp thuật toán KNN và hồi quy tuyến tính đa biến. Thiết kế ứng dụng. Module Thẩm định tài sản . Xây dựng và triển khai . Xây dựng Database . Xây dựng mô hình ứng dụng . 60 CHƯƠNG 4: CÀI ĐẶT VÀ KẾT QUẢ . Chức năng quản lý thông tin hồ sơ thẩm định . Chức năng Cập nhật thông tin chung của hồ sơ . Cập nhật thông tin pháp lý của hồ sơ . Cập nhật thông tin tài sản bảo đảm . Cập nhật thông tin kết luận của báo cáo thẩm định . Thuyết minh giá . So sánh kết quả thực nghiệm trên Web thẩm định và phần mềm Weka. 70 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN . 72 Hướng phát triển . 73 TÀI LIỆU THAM KHẢO . 75 i DANH MỤC KÍ HIỆU VÀ CHỮ VIẾT TẮT BI Business Intelligence BĐS Bất động sản CHCC Căn hộ chung cư CSDL Cơ sở dữ liệu CVQHKH Chuyên viên quan hệ khách hàng CVTĐ Chuyên viên thẩm định DW Data Warehouse ĐS Động sản ĐVKD Đơn vị kinh doanh ETL Extract - Transform - Load ESS Explained sum of squares OLAP Online Analytical Processing OLTP Online Transaction Processing HS Hồ sơ RSS Residual sum of squares SĐT Số điện thoại SQL Structured Query Language KD Kinh doanh KS Khảo sát KNN K Nearest Neighbor TĐ Thẩm định ii TS Tài sản TSBĐ Tài sản bảo đảm TSS Total Sum of Squares TSSS Tài sản so sánh TSTĐ Tài sản thẩm định TGĐ Tổng giám đốc UBND Ủy ban nhân dân iii DANH MỤC HÌNH VẼ Hình 1- 1: Các thành phần chính trong một hệ thống BI [13] . 5 Hình 1- 2: Chu kỳ của phân tích BI [13] . 6 Hình 1- 3: Các pha phát triển một hệ thống BI [13] . 8 Hình 1- 4: Kiến trúc và các tính năng của một kho dữ liệu [13] . 10 Hình 1- 5: Quy trình khai phá dữ liệu[13] . 14 Hình 2- 1: Quy trình thẩm định tài sản bào đảm trong ngân hàng [6] . 23 Hình 3- 1: Dữ liệu thẩm định thông tin BĐS . 29 Hình 3- 2: Dữ liệu thẩm định BĐS qua tiền xử lý . 30 Hình 3- 3: Kết quả trích chọn thuộc tính sử dụng weka . 31 Hình 3- 4:Kết quả phân tích hồi quy tuyến tính ví dụ thẩm định đất. 36 Hình 3- 5: Mô hình thiết kế ứng dụng thẩm định tài sản bảo đảm . 39 Hình 3- 6: Biểu đồ Use Case module Thẩm định tài sản . 41 Hình 3- 7:Lược đồ dữ liệu thông tin hồ sơ thẩm định . 56 Hình 3- 8: Lược đồ dữ liệu thông tin tài sản BĐS- Đất . 58 Hình 3- 9: Lược đồ dữ liệu thông tin báo cáo thẩm định tài sản bảo đảm . 59 Hình 3- 10:Mô hình ứng dụng . 60 Hình 4- 1: Chức năng Quản lý hồ sơ . 64 Hình 4- 2: Cập nhật thông tin chung của hồ sơ. 64 Hình 4- 3: Cập nhật thông tin pháp lý của tài sản trong hồ sơ thẩm định . 65 Hình 4- 4: Cập nhật thông tin tài sản bảo đảm - Bất động sản . 66 Hình 4- 5: Kết luận của báo cáo thẩm định tài sản . 67 Hình 4- 6: Thuyết minh giá . 69 DANH MỤC BẢNG Bảng 3- 1: Ví dụ số liệu mua bán tài sản đất . 32 Bảng 3- 2: Tính toán và sắp xếp giá trị của tài sản theo khoảng cách tăng dần . 34 Bảng 3- 3: Giá trị các tài sản so sánh. 37 Bảng 3- 4: So sánh hai phương pháp KNN và hồi quy tuyến tính đa biến . 37 Bảng 4- 1: Kết quả thử nghiệm hai phương pháp . 70 1 MỞ ĐẦU Lý do chọn đề tài Ngân hàng là tổ chức hoạt động mang tính chất lợi nhuận. Mọi hoạt động của ngân hàng đều hướng tới hiệu quả kinh tế, tìm cách phân tán và giảm thiểu rủi ro. Trong hoạt động cho vay hoặc cấp tín dụng ngân hàng đã có những biện pháp nhằm đảm bảo cho nguồn vốn của ngân hàng sinh lợi nhuận và an toàn. Tài sản đảm bảo là một trong những biện pháp đó. Tài sản bảo đảm của khách hàng có thể là: nhà đất, sạp chợ, phương tiện, công cụ, hàng hóa. Mức tiền khách hàng mong muốn vay hoặc quyết định cấp tín dụng có được chấp nhận hay không thông qua khâu định giá tài sản bảo đảm mà khách hàng đang có và muốn thế chấp. Quá trình thẩm định giá phải trải qua rất nhiều bước và hồ sơ thẩm định sẽ được luân chuyển qua nhiều phòng ban, vị trí. Trong các bước thẩm định, việc báo cáo thẩm định giá là một khâu phức tạp và cần phải được tính toán cẩn thận. Cán bộ thẩm định phải nêu được giá trị thị trường hay phi thị trường của tài sản thẩm định. Sau đó tại phần lập luận để ra mức giá cuối cùng, cán bộ thẩm định phải tính toán tỷ lệ điều chỉnh phù hợp với mục đích thẩm định. Sẽ đơn giản hơn nếu có một công cụ hỗ trợ cán bộ đưa ra được mức giá có thể cho vay dựa trên các hồ sơ thẩm định trong lịch sử hay từ các nguồn dữ liệu được cập nhật thường xuyên trên thị trường. Xuất phát từ tình hình thực tế đó, luận văn nghiên cứu giải pháp công nghệ Trí tuệ nghiệp vụ (Business Intelligence - BI) để giải quyết bài toán hỗ trợ ra quyết định giá tài sản bảo đảm của ngân hàng. Mục tiêu của đề tài Trong khuôn khổ luận văn này, tôi nghiên cứu kiến thức về Data Warehouse, Data Mining, Trí tuệ nghiệp vụ để thiết kế và xây dựng một hệ thống thẩm định giá tài sản bảo đảm (TSBĐ). Trong đó luận văn sẽ tập trung vào các phương pháp hồi quy trong BI để giải quyết bài toán thuyết minh giá cho TSBĐ. Hỗ trợ nhân viên thẩm định khai thác dữ liệu lịch sử về thẩm định đã thành công được lưu trữ trong hệ thống ngân hàng trước đó, để tìm ra được các tài sản so sánh (TSSS) có các yếu tố tương đồng nhất với TSTĐ bằng phương pháp K láng giềng gần nhất. Và hỗ trợ đưa ra quyết định về mức giá thẩm định TSBĐ trong quá trình ước lượng giá trị tài sản từ tập các TSSS có các yếu tố tương đồng với TSTĐ đã được thẩm định trước đó bằng phương pháp hồi quy tuyến tính đa biến. Phần mềm thẩm định tài sản bảo đảm sẽ hỗ trợ người dùng quản lý các hồ sơ thẩm định có liên quan đến mình. Xử lý và luân chuyển hồ sơ nhanh chóng, chính xác thông 2 tin giữa các bộ phận trong hệ thống thẩm định. Đặc biệt nó sẽ có ý nghĩa đối với các chuyên viên thẩm định chưa có nhiều kinh nghiệm.