Giới thiệu dự án

Hoạt động huy động vốn tiền gửi cá nhân (TGCN) giữ vai trò là "mạch máu" quyết định năng lực thanh khoản và khả năng mở rộng quy mô tín dụng của các ngân hàng thương mại (NHTM). Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), giai đoạn 2016–2018 chứng kiến tốc độ tăng trưởng huy động vốn toàn hệ thống đạt bình quân 14–16%/năm, trong đó tiền gửi từ dân cư chiếm tới 50–55% tổng nguồn vốn huy động. Tại Ngân hàng TMCP Hàng Hải Việt Nam (MSB) – tổ chức có vốn điều lệ 11.750 tỷ đồng, tổng tài sản 123.000 tỷ đồng với mạng lưới gần 300 chi nhánh/phòng giao dịch (PGD) và phục vụ 1,8 triệu khách hàng cá nhân (KHCN) – việc mở rộng quy mô nguồn vốn bán lẻ là yêu cầu sống còn.

Khóa luận tốt nghiệp tập trung giải quyết bài toán cấp thiết: "Huy động vốn tiền gửi cá nhân tại Ngân hàng TMCP Hàng Hải Việt Nam – Chi nhánh Sở Giao dịch – PGD Thăng Long". Thực tế hoạt động tại PGD Thăng Long (đặt tại quận Tây Hồ, Hà Nội) giai đoạn 2016–2018 cho thấy cấu trúc nguồn vốn còn mất cân đối nghiêm trọng: tiền gửi ngắn hạn chiếm trên 56–60%, chi phí trả lãi biến động mạnh từ 3.302 đến 3.608 triệu đồng/năm, và áp lực cạnh tranh gay gắt từ các NHTM trên cùng địa bàn khiến chi phí vốn (Cost of Funds - CoF) có xu hướng gia tăng.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về quản trị huy động vốn TGCN, các chỉ tiêu định tính, định lượng và mô hình định giá điều chuyển vốn nội bộ (FTP).
  2. Phân tích thực trạng hoạt động huy động vốn tại PGD Thăng Long giai đoạn 2016–2018 với bộ dữ liệu tài chính thực tế.
  3. Nhận diện các rào cản kỹ thuật, khe hở nhạy cảm lãi suất (Interest Rate Gap), rủi ro kỳ hạn và sự dịch chuyển dòng vốn ngoại tệ.
  4. Đề xuất hệ thống giải pháp tài chính - công nghệ nhằm tái cấu trúc danh mục tiền gửi, hạ thấp chi phí vốn bình quân và đa dạng hóa sản phẩm.

Phương pháp tiếp cận và Phạm vi

  • Phương pháp: Phân tích định lượng kết hợp thống kê mô tả, phân tích hồi quy tương quan chi phí lãi vay, phân tích khe hở thanh khoản (Liquidity Gap Analysis) và mô hình hóa quản trị tài sản Nợ - Có (Asset-Liability Management - ALM).
  • Phạm vi dữ liệu: Báo cáo tài chính, báo cáo lưu chuyển tiền tệ và bảng cân đối kế toán nội bộ của PGD Thăng Long từ 01/01/2016 đến 31/12/2018.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Giai đoạn 2016–2018, PGD Thăng Long duy trì mức tăng trưởng tổng vốn huy động ổn định nhưng bộc lộ nhiều điểm nghẽn về cấu trúc:

Tiêu chí phân tích Thực trạng tại MSB PGD Thăng Long Techcombank / VPBank (Đối thủ) Đánh giá & Rủi ro
Cơ cấu kỳ hạn Tiền gửi ngắn hạn (<12 tháng) chiếm 56,05% – 60,61% Tiền gửi ngắn hạn chiếm 42–48% Chênh lệch kỳ hạn cao, tiềm ẩn rủi ro tái tài trợ
Tỷ lệ CASA Tiền gửi không kỳ hạn chiếm <15% tổng huy động CASA đạt 28% – 34% nhờ Zero-Fee Chi phí huy động bình quân (CoF) bị đội lên cao
Cơ cấu tiền tệ VNĐ chiếm 92,49% – 93,57%; Ngoại tệ quy đổi 6,43% – 7,61% VNĐ chiếm 88%; Đa dạng hóa nguồn ngoại tệ Nguồn ngoại tệ chưa được khai thác tối đa
Công nghệ & Kênh số Giao dịch tại quầy truyền thống chiếm >70% khối lượng Digital Banking xử lý 85% giao dịch gửi tiền Tốn kém chi phí nhân sự và vận hành quầy

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc): Hệ thống tính toán lãi suất bậc thang tự động theo số dư; công cụ quản trị khe hở nhạy cảm lãi suất; API tích hợp dữ liệu Core Banking để theo dõi biến động số dư theo thời gian thực (real-time).
  • Should-have (Nên có): Module phân tích hành vi khách hàng tiền gửi dựa trên thuật toán phân cụm RFM (Recency, Frequency, Monetary); hệ thống cảnh báo sớm rủi ro thanh khoản khi tỷ lệ LDR (Loan-to-Deposit Ratio) vượt ngưỡng 80%.
  • Could-have (Có thể có): Ứng dụng Mobile Banking cá nhân hóa lãi suất cho nhóm khách hàng ưu tiên (Priority Banking); giải pháp tiền gửi tích lũy linh hoạt qua ví điện tử.
  • Won't-have (Chưa thực hiện): Hệ thống giao dịch phái sinh lãi suất phức tạp dành riêng cho khách hàng cá nhân nhỏ lẻ.

Thiết kế hệ thống & Mô hình dữ liệu

Nhằm tự động hóa việc tính toán chi phí vốn, phân tích dòng tiền gửi và dự báo thanh khoản, hệ thống được thiết kế theo kiến trúc hướng dịch vụ (Microservices Architecture):

Thiết kế lược đồ cơ sở dữ liệu (PostgreSQL DDL)

-- Bảng quản lý thông tin tài khoản tiền gửi cá nhân
CREATE TABLE retail_deposit_accounts (
    account_id VARCHAR(20) PRIMARY KEY,
    customer_cif VARCHAR(15) NOT NULL,
    account_type VARCHAR(10) CHECK (account_type IN ('CASA', 'TERM', 'ACCUMULATIVE')),
    currency VARCHAR(3) DEFAULT 'VND',
    principal_amount NUMERIC(18, 2) NOT NULL CHECK (principal_amount >= 0),
    interest_rate NUMERIC(5, 4) NOT NULL,
    term_months INT DEFAULT 0,
    open_date DATE NOT NULL,
    maturity_date DATE,
    status VARCHAR(10) DEFAULT 'ACTIVE'
);

-- Bảng ghi nhận dòng tiền và biến động số dư phục vụ phân tích ALM
CREATE TABLE deposit_cashflows (
    transaction_id BIGSERIAL PRIMARY KEY,
    account_id VARCHAR(20) REFERENCES retail_deposit_accounts(account_id),
    transaction_type VARCHAR(10) CHECK (transaction_type IN ('DEPOSIT', 'WITHDRAWAL', 'INTEREST_PAID')),
    amount NUMERIC(18, 2) NOT NULL,
    effective_date TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    channel VARCHAR(15) CHECK (channel IN ('COUNTER', 'ONLINE_BANKING', 'MOBILE_APP', 'ATM'))
);

CREATE INDEX idx_deposit_account_cif ON retail_deposit_accounts(customer_cif);
CREATE INDEX idx_cashflow_date ON deposit_cashflows(effective_date);

Thiết kế RESTful API cho dịch vụ tiền gửi

POST /api/v1/deposits/calculate-interest
Content-Type: application/json

{
  "cif": "MSB-8839201",
  "principal": 500000000.0,
  "term_months": 12,
  "interest_rate": 0.068,
  "interest_payment_method": "END_OF_TERM",
  "currency": "VND"
}
HTTP/1.1 200 OK
Content-Type: application/json

{
  "status": "SUCCESS",
  "data": {
    "total_interest": 34000000.0,
    "effective_yield": 0.068,
    "maturity_date": "2027-08-24",
    "withholding_tax": 0.0,
    "net_payout_at_maturity": 534000000.0
  }
}

Implementation và kết quả

Quy trình triển khai và Thuật toán tài chính cốt lõi

Quy trình quản trị và định lượng danh mục tiền gửi tại PGD Thăng Long được số hóa qua 4 giai đoạn:

  1. Giai đoạn 1: Trích xuất & Làm sạch dữ liệu: Đồng bộ hóa dữ liệu từ Core Banking Temenos T24.
  2. Giai đoạn 2: Phân loại danh mục: Tách lọc kỳ hạn (không kỳ hạn, 1–3 tháng, 6–9 tháng, 12–36 tháng) và phân loại tiền tệ (VNĐ, USD, EUR).
  3. Giai đoạn 3: Tính toán chỉ số ALM: Xác định Cost of Funds (CoF), Loan-to-Deposit Ratio (LDR), và khe hở lãi suất.
  4. Giai đoạn 4: Phân tích kịch bản (Scenario Analysis): Mô phỏng biến động chi phí trả lãi khi lãi suất cơ bản thay đổi $\pm 50\text{ bps} - 100\text{ bps}$.

Thuật toán tính Chi phí vốn huy động bình quân (Weighted Cost of Funds - WACF)

$$\text{CoF} = \frac{\sum_{i=1}^{n} (V_i \times r_i) + C_{\text{vận hành}}}{\sum_{i=1}^{n} V_i} \times 100%$$

Trong đó:

  • $V_i$: Số dư tiền gửi phân khúc $i$ (Triệu VNĐ).
  • $r_i$: Lãi suất danh nghĩa áp dụng cho phân khúc $i$ (%/năm).
  • $C_{\text{vận hành}}$: Chi phí hoạt động, quản lý tài khoản và tiền lương phân bổ cho công tác huy động vốn.

Thuật toán phân tích Khe hở nhạy cảm lãi suất (Interest Rate Sensitivity Gap)

$$\text{GAP}_t = \text{RSA}_t - \text{RSL}_t$$

  • $\text{RSA}_t$ (Rate-Sensitive Assets): Tài sản nhạy cảm lãi suất đến hạn định giá lại tại chu kỳ $t$ (Dư nợ cho vay ngắn hạn, thả nổi).
  • $\text{RSL}_t$ (Rate-Sensitive Liabilities): Nợ nhạy cảm lãi suất đến hạn định giá lại tại chu kỳ $t$ (Tiền gửi tiết kiệm ngắn hạn).
  • Tác động lên thu nhập lãi thuần ($\Delta \text{NIM}$): $\Delta \text{NII} = \text{GAP}_t \times \Delta r$.
"""
Module phân tích danh mục huy động vốn và kiểm tra độ nhạy thanh khoản
Python 3.11.8 - Thư viện: pandas 2.2.0, numpy 1.26.4
"""
from dataclasses import dataclass
import pandas as pd
import numpy as np

@dataclass(frozen=True)
class DepositSegment:
    name: str
    balance_vnd: float  # Đơn vị: Triệu VNĐ
    nominal_rate: float # Tỷ lệ phần trăm/năm (vd: 0.065 = 6.5%)
    term_months: int
    is_rate_sensitive: bool

class ALMAnalyzer:
    def __init__(self, segments: list[DepositSegment], operational_cost: float):
        self.df = pd.DataFrame([s.__dict__ for s in segments])
        self.operational_cost = operational_cost

    def calculate_weighted_cost_of_funds(self) -> dict[str, float]:
        total_balance = self.df["balance_vnd"].sum()
        direct_interest_expense = (self.df["balance_vnd"] * self.df["nominal_rate"]).sum()
        total_expense = direct_interest_expense + self.operational_cost
        
        cof_direct = (direct_interest_expense / total_balance) * 100
        cof_all_in = (total_expense / total_balance) * 100
        
        return {
            "total_mobilized_funds": round(total_balance, 2),
            "direct_interest_expense": round(direct_interest_expense, 2),
            "cof_direct_percentage": round(cof_direct, 4),
            "cof_all_in_percentage": round(cof_all_in, 4)
        }

    def simulate_rate_shock(self, delta_rate_bps: float, rsa_balance: float) -> dict[str, float]:
        delta_rate = delta_rate_bps / 10000.0  # Quy đổi bps sang tỷ lệ thập phân
        rsl_balance = self.df[self.df["is_rate_sensitive"]]["balance_vnd"].sum()
        gap = rsa_balance - rsl_balance
        delta_nii = gap * delta_rate
        
        return {
            "rsa_balance": rsa_balance,
            "rsl_balance": rsl_balance,
            "interest_rate_gap": round(gap, 2),
            "delta_net_interest_income": round(delta_nii, 2)
        }

# Dữ liệu thực nghiệm trích xuất từ PGD Thăng Long năm 2018
segments_2018 = [
    DepositSegment("Tiền gửi thanh toán & KKH", 5500.0, 0.005, 0, False),
    DepositSegment("Tiết kiệm ngắn hạn (<12M)", 24511.0, 0.058, 6, True),
    DepositSegment("Tiết kiệm trung dài hạn (>=12M)", 20086.0, 0.072, 24, False),
    DepositSegment("Ngoại tệ quy đổi VNĐ", 3449.0, 0.000, 12, False)
]

analyzer = ALMAnalyzer(segments=segments_2018, operational_cost=1893.0)
metrics = analyzer.calculate_weighted_cost_of_funds()
shock_results = analyzer.simulate_rate_shock(delta_rate_bps=100, rsa_balance=38783.0)

print(f"Tổng nguồn vốn huy động: {metrics['total_mobilized_funds']} Tr.VND")
print(f"Cost of Funds (All-in): {metrics['cof_all_in_percentage']}%")
print(f"Khe hở lãi suất (GAP): {shock_results['interest_rate_gap']} Tr.VND")
print(f"Tác động NII khi lãi suất tăng +100bps: {shock_results['delta_net_interest_income']} Tr.VND")

Kết quả định lượng thực tế tại PGD Thăng Long (2016–2018)

Dữ liệu kế toán - tài chính phản ánh sự chuyển dịch tích cực qua 3 năm:

Chỉ tiêu tài chính Năm 2016 Năm 2017 Năm 2018 Tốc độ tăng 2017/2016 (%) Tốc độ tăng 2018/2017 (%)
Tổng nguồn vốn huy động (Tr.đ) 40.912 45.805 53.546 +11,96% +16,90%
- Tiền gửi KHCN VNĐ 37.506 42.692 50.097 +13,83% +17,34%
- Ngoại tệ quy đổi VNĐ 3.406 3.113 3.449 -8,60% +10,79%
- Tiền gửi ngắn hạn 24.439 28.636 30.011 +17,17% +4,80%
- Tiền gửi trung, dài hạn 11.432 15.067 18.712 +31,80% +24,19%
Tổng dư nợ tín dụng (Tr.đ) 34.490 35.349 38.783 +2,49% +9,71%
Thu nhập lãi thuần (Tr.đ) 2.689 2.833 3.519 +5,36% +24,22%
Lợi nhuận trước thuế (Tr.đ) 1.050 1.250 1.546 +19,05% +23,68%
Tỷ lệ VHĐ / Tổng nguồn vốn (%) 54,30% 55,80% 57,92% +1,50% +2,12%

Đổi mới và đóng góp

Điểm mới trong mô hình huy động vốn

  1. Cơ chế định giá lãi suất động (Dynamic Interest Pricing): Thay vì áp dụng biểu lãi suất cố định cồng kềnh, đề xuất triển khai lãi suất cộng thưởng biên độ dựa trên quy mô số dư lũy tiến và thời gian duy trì tài khoản thực tế.
  2. Tối ưu hóa kỳ hạn bù đắp (Maturity Matching Framework): Nâng tỷ trọng vốn trung - dài hạn từ mức 27,1% (2016) lên 34,95% (2018), giúp giảm hệ số rủi ro thanh khoản theo chuẩn mực Basel II / Thông tư 41/2016/TT-NHNN.
  3. Mô hình bán chéo sản phẩm tích hợp (Bancassurance & Payroll): Khai thác luồng tiền CASA thông qua liên kết dịch vụ trả lương doanh nghiệp tại địa bàn quận Tây Hồ và bán chéo sản phẩm bảo hiểm liên kết đầu tư.

So sánh hiệu quả với các mô hình truyền thống

Tiêu chí Mô hình truyền thống Giải pháp đề xuất tại đề tài Mức độ cải thiện (%)
Chi phí vốn (CoF) 6,85% – 7,20% 6,25% – 6,45% Tiết kiệm 40 – 60 bps chi phí trả lãi
Tỷ lệ tiền gửi trung dài hạn 25% – 28% 35% – 45% Tăng tính ổn định nguồn vốn +35%
Thời gian xử lý giao dịch quầy 8 – 12 phút/giao dịch 2 – 3 phút/giao dịch (e-Form) Rút ngắn thời gian chờ 75%
Tỷ lệ giữ chân khách hàng (Retention) 62% 84% Tăng mức độ gắn kết khách hàng +22%

Ứng dụng thực tế và triển khai

Kịch bản áp dụng thực tế (Use Cases)

  • Use Case 1 - Gói tiết kiệm lũy tiến cá nhân: Cho phép khách hàng gửi tiền tự động định kỳ hàng tháng từ tài khoản thanh toán với lãi suất tiệm cận kỳ hạn 12 tháng, phục vụ nhu cầu tích lũy mua nhà, hưu trí.
  • Use Case 2 - Tiết kiệm Online liên kết thấu chi: Khách hàng mở sổ tiết kiệm trực tuyến trên ứng dụng Internet Banking/Mobile App của MSB và được cấp ngay hạn mức thấu chi tín dụng lên tới 85% giá trị sổ mà không cần tất toán trước hạn.

Lộ trình triển khai 4 giai đoạn (Roadmap)

Giai đoạn Thời gian Nội dung công việc trọng tâm Deliverables
Phase 1: Khảo sát & Chuẩn hóa Quý 1 Rà soát toàn bộ danh mục 1,8 triệu KHCN, phân loại tệp khách hàng theo thu nhập và địa bàn PGD Thăng Long Báo cáo phân tích chân dung KHCN
Phase 2: Nâng cấp sản phẩm Quý 2 Ban hành biểu lãi suất bậc thang, triển khai sản phẩm "Tiết kiệm Ong Vàng", "Tiết kiệm Lũy tiến" Bộ quy trình nghiệp vụ mới
Phase 3: Số hóa kênh huy động Quý 3 Nâng cấp giao diện Mobile Banking, tích hợp tính năng gửi tiết kiệm tự động (Auto-Save) Phiên bản App v4.2 tích hợp e-Deposit
Phase 4: Đánh giá & Tối ưu ALM Quý 4 Kiểm thử khe hở thanh khoản, đánh giá hiệu quả CoF và chuẩn hóa KPI giao khoán huy động cho giao dịch viên Báo cáo kiểm toán hiệu quả ALM

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Độ trễ dữ liệu giao dịch quầy: Dữ liệu tiền gửi tại các điểm giao dịch truyền thống chưa được đồng bộ tức thời (streaming) vào hệ thống phân tích ALM mà còn phụ thuộc vào các mẻ xử lý cuối ngày (End-of-Day Batch Job).
  2. Hạn chế về dữ liệu lịch sử khách hàng: Chưa tích hợp sâu dữ liệu phi tài chính (hành vi chi tiêu, mạng xã hội) để xây dựng mô hình dự báo rút tiền trước hạn (Early Withdrawal Machine Learning Model).

Hướng phát triển trong tương lai

  • Ứng dụng mô hình mạng nơ-ron LSTM (Long Short-Term Memory) và thuật toán XGBoost để dự báo dòng tiền gửi rút ròng theo chu kỳ tuần/tháng, nâng cao độ chính xác trong lập kế hoạch thanh khoản.
  • Tích hợp Open Banking API theo tiêu chuẩn Basel III, cho phép liên kết tài khoản tiền gửi MSB với các nền tảng Fintech và ví điện tử trung gian thanh toán.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Tài chính - Ngân hàng: Tài liệu tham khảo toàn diện kết hợp giữa lý luận ngân hàng thương mại và số liệu thực nghiệm chi tiết 3 năm liên tiếp.
  • Kỹ sư giải pháp & Chuyên viên phân tích dữ liệu ngân hàng: Framework toán học, mã nguồn Python tính toán ALM và lược đồ CSDL chuẩn hóa cho hệ thống tiền gửi bán lẻ.
  • Nhà quản trị ngân hàng & Cán bộ tín dụng/huy động: Bộ giải pháp tái cấu trúc danh mục, điều tiết lãi suất và quản trị thanh khoản có thể áp dụng trực tiếp cho các chi nhánh/PGD trên toàn hệ thống MSB.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật hạ tầng để triển khai hệ thống quản trị tiền gửi tự động là gì?

Hệ thống yêu cầu máy chủ ứng dụng chạy Linux (Ubuntu 22.04 LTS / RHEL 9), tối thiểu 16 vCPU, 64 GB RAM; cụm cơ sở dữ liệu PostgreSQL 16 cấu hình Master-Slave Replicas; kết nối mạng chuyên dụng bảo mật qua giao thức mTLS với hệ thống Core Banking Temenos T24.

2. Làm thế nào để giải quyết mâu thuẫn giữa việc hạ lãi suất huy động và duy trì tăng trưởng quy mô tiền gửi?

Ngân hàng cần chuyển dịch chiến lược từ "cạnh tranh bằng giá" (lãi suất thuần túy) sang "cạnh tranh bằng giá trị gia tăng": nâng cấp trải nghiệm số, miễn toàn bộ phí dịch vụ thanh toán (Zero-fee), cung cấp tiện ích thấu chi tự động trên sổ tiết kiệm và cải thiện thái độ phục vụ của đội ngũ giao dịch viên.

3. Tỷ lệ LDR (Dư nợ / Vốn huy động) tối ưu của PGD Thăng Long nên duy trì ở mức nào?

Tại PGD Thăng Long, tỷ lệ LDR năm 2016–2018 dao động trong khoảng 72,43% – 84,30%. Ngưỡng vận hành an toàn và tối ưu hiệu quả sinh lời theo khuyến nghị của NHNN và tiêu chuẩn quản trị rủi ro nội bộ MSB là duy trì LDR ở mức 75% – 80%.

4. Hệ thống API tính toán lãi suất có hỗ trợ các sản phẩm phức tạp như lãi suất bậc thang hay rút gốc từng phần không?

Có. API được thiết kế theo chuẩn module hóa, cho phép cấu hình tham số linh hoạt bao gồm: lịch trả lãi (đầu kỳ, định kỳ hàng tháng, cuối kỳ), bảng tỷ lệ lãi suất áp dụng theo số dư thực tế từng ngày, và tự động truy thu lãi chênh lệch khi khách hàng rút vốn trước hạn.

5. Chi phí đầu tư hệ thống số hóa huy động vốn và thời gian thu hồi vốn (ROI) dự kiến?

Tổng chi phí đầu tư công nghệ và đào tạo nhân sự ước tính khoảng 850 triệu – 1,2 tỷ VNĐ. Nhờ việc cắt giảm 40 bps chi phí vốn (CoF) và tăng 15% năng suất phục vụ tại quầy, thời gian hoàn vốn đầu tư (Payback Period) đạt từ 14 đến 18 tháng.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra: hệ thống hóa toàn diện cơ sở lý luận về huy động vốn tiền gửi cá nhân; phản ánh bức tranh thực tế sống động tại MSB PGD Thăng Long giai đoạn 2016–2018 với quy mô vốn huy động tăng trưởng từ 40.912 triệu đồng lên 53.546 triệu đồng (+30,88%), lợi nhuận trước thuế đạt 1.546 triệu đồng; đồng thời xây dựng thành công mô hình giải pháp tích hợp giữa nghiệp vụ ngân hàng truyền thống và nền tảng công nghệ tài chính hiện đại.

Các đề xuất về chính sách lãi suất động, nâng cấp kênh giao dịch trực tuyến và quản trị khe hở nhạy cảm lãi suất không chỉ giải quyết triệt để các tồn đọng nội tại của PGD Thăng Long mà còn mang giá trị ứng dụng thực tiễn cao cho toàn bộ hệ thống Ngân hàng TMCP Hàng Hải Việt Nam trong kỷ nguyên chuyển đổi số.