Giới thiệu dự án
Thị trường tài chính bán lẻ tại Việt Nam chứng kiến tốc độ tăng trưởng tín dụng tiêu dùng bình quân đạt 20% mỗi năm, đóng vai trò đòn bẩy kích thích tổng cầu nội địa và chuyển dịch cơ cấu tín dụng bền vững. Tuy nhiên, tại các chi nhánh ngân hàng thương mại cấp quận/huyện, quá trình mở rộng danh mục cho vay tiêu dùng (Consumer Lending) gặp nhiều rào cản về năng lực xử lý hồ sơ thủ công, kiểm soát rủi ro thông tin bất đối xứng và áp lực cạnh tranh từ các công ty tài chính tiêu dùng.
Dự án nghiên cứu "Mở rộng hoạt động cho vay tiêu dùng tại Ngân hàng TMCP Á Châu (ACB) - Chi nhánh Thủ Đức" tập trung giải quyết bài toán tối ưu hóa quy trình tín dụng, mở rộng quy mô dư nợ và nâng cao chất lượng danh mục cho vay khách hàng cá nhân (KHCN) dựa trên dữ liệu thực nghiệm giai đoạn 2016–2018.
+-----------------------------------------------------------------------------------+
| BỐI CẢNH TÍN DỤNG TIÊU DÙNG TẠI ĐỊA BÀN |
+-----------------------------------------------------------------------------------+
| Tăng trưởng huy động vốn (2018): 678,40 tỷ VNĐ (+20,15% YoY) |
| Dư nợ KHCN (2017 -> 2018): 206,32 tỷ VNĐ -> 236,12 tỷ VNĐ (+14,45% YoY) |
| Thách thức: Độ trễ thẩm định thủ công, tỷ lệ LTV giới hạn ở mức 60% - 80% |
+-----------------------------------------------------------------------------------+
Vấn đề thực tiễn (Problem Statement)
Mặc dù nguồn vốn huy động tại ACB - Chi nhánh Thủ Đức tăng trưởng ổn định (đạt 678,40 tỷ đồng năm 2018, trong đó 98,98% đến từ tiền gửi dân cư), hoạt động cho vay KHCN từng ghi nhận giai đoạn suy giảm -4,17% vào năm 2017 (từ 215,30 tỷ đồng xuống 206,32 tỷ đồng). Các điểm nghẽn kỹ thuật và nghiệp vụ chính bao gồm:
- Quy trình phê duyệt phân tán: Quy trình cấp tín dụng 9 bước truyền thống tạo ra độ trễ vận hành từ 3–5 ngày làm việc.
- Rào cản thẩm định tài sản bảo đảm (TSBĐ): Tỷ lệ cho vay trên giá trị định giá (Loan-to-Value - LTV) khống chế nghiêm ngặt ở mức 60%–80%, gây khó khăn trong việc mở rộng dư nợ cho nhóm khách hàng có thu nhập ổn định nhưng thiếu bất động sản thế chấp.
- Quy định ràng buộc nghiêm ngặt: Tiêu chí loại trừ lịch sử nợ nhóm 2 (trong 6 tháng), nhóm 3–5 và nợ VAMC (trong 24 tháng) cùng phạm vi địa lý giới hạn trong bán kính 50 km khiến tỷ lệ chuyển đổi khách hàng tiềm năng chưa đạt mức tối ưu.
Mục tiêu dự án
- Chuẩn hóa và số hóa quy trình tín dụng: Tối ưu hóa 9 bước trong quy trình cho vay tiêu dùng nhằm rút ngắn thời gian xử lý hồ sơ (Turnaround Time - TAT) xuống dưới 24 giờ.
- Mở rộng quy mô dư nợ tín dụng tiêu dùng: Đưa tốc độ tăng trưởng dư nợ KHCN đạt trên 14,5%/năm, nâng tỷ trọng dư nợ tiêu dùng trong tổng dư nợ cấp tín dụng (480,62 tỷ đồng).
- Kiểm soát chất lượng danh mục nợ: Duy trì tỷ lệ nợ quá hạn và nợ xấu (Non-Performing Loans - NPL) dưới ngưỡng an toàn 1,5% theo quy định của Ngân hàng Nhà nước (NHNN).
- Đa dạng hóa danh mục sản phẩm: Phát triển các gói tín dụng thế chấp và tín chấp chuyên biệt (vay mua nhà, sửa chữa nhà, mua ô tô, du học, vay thấu chi theo bảng lương).
Giải pháp và Phạm vi
- Giải pháp tiếp cận: Ứng dụng mô hình chấm điểm tín dụng nội bộ (Internal Credit Scoring), tích hợp giao thức kiểm tra tự động Trung tâm Thông tin Tín dụng Quốc gia (CIC), và số hóa luồng dữ liệu giữa các bộ phận Kinh doanh (Loan CSR), Thẩm định tín dụng, Định giá TSBĐ và Vận hành tín dụng.
- Phạm vi áp dụng: Khách hàng cá nhân và hộ gia đình sinh sống hoặc làm việc tại khu vực TP. Thủ Đức và các địa bàn lân cận trong bán kính 50 km, dựa trên cơ sở dữ liệu thực nghiệm tại ACB - CN Thủ Đức (2016–2018).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
+---------------------------------------------------------------------------------------------------------+
| MA TRẬN SO SÁNH GIẢI PHÁP TÍN DỤNG |
+------------------------------------+----------------------------------+---------------------------------+
| Tiêu chí | Quy trình thủ công truyền thống | Hệ thống LOS số hóa đề xuất |
+------------------------------------+----------------------------------+---------------------------------+
| Thời gian thẩm định (TAT) | 72 - 120 giờ làm việc | 4 - 24 giờ làm việc |
| Đánh giá lịch sử tín dụng (CIC) | Tra cứu bán thủ công từng đợt | Tích hợp API tự động phân loại |
| Kiểm soát chỉ số DTI & LTV | Tính toán Excel thủ công | Rule Engine tự động tính toán |
| Tỷ lệ sai sót hồ sơ (Error Rate) | 8,5% - 12,0% | < 0,5% |
| Khả năng mở rộng quy mô (Scale) | Phụ thuộc tuyến tính vào nhân sự | Xử lý song song đa luồng |
+------------------------------------+----------------------------------+---------------------------------+
Phân tích yêu cầu theo khung MoSCoW
- Must Have (Bắt buộc):
- Tuân thủ Luật Các tổ chức tín dụng số 47/2010/QH12 và Thông tư số 39/2016/TT-NHNN.
- Bộ lọc kiểm tra lịch sử tín dụng CIC: Tự động loại trừ khách hàng có nợ nhóm 2 trong 6 tháng, nhóm 3–5 và nợ VAMC trong 24 tháng.
- Kiểm soát giới hạn LTV: Tối đa 80% đối với bất động sản có sổ hồng/sổ đỏ, 70% đối với phương tiện vận tải.
- Should Have (Nên có):
- Tự động hóa tính toán tỷ lệ nợ trên thu nhập (Debt-to-Income - DTI <= 50%).
- Cơ chế tính lãi linh hoạt: Dư nợ giảm dần và dư nợ ban đầu.
- Could Have (Có thể có):
- Phân hệ định giá sơ bộ bất động sản trực tuyến dựa trên cơ sở dữ liệu địa chính.
- Won't Have (Chưa áp dụng):
- Cấp phê duyệt tín dụng tức thì (Instant Approval) không qua bước kiểm tra hiện trường đối với các khoản vay trên 500 triệu đồng.
Thiết kế hệ thống
Kiến trúc hệ thống quản trị và xử lý quy trình cấp tín dụng tiêu dùng (Loan Origination System - LOS) được thiết kế theo mô hình phân tầng hướng dịch vụ:
Ngăn xếp công nghệ (Technology Stack)
- Backend Service: Python 3.11, FastAPI v0.104.1 (Async REST API).
- Credit Engine: Scikit-Learn v1.3.2 (Mô hình hồi quy Logistic phân loại rủi ro vỡ nợ), Pandas v2.1.3.
- Cơ sở dữ liệu: PostgreSQL v15.4 (Dữ liệu quan hệ, ACID compliance), Redis v7.2 (Cache session và queue tác vụ).
- Message Broker & Queue: Celery v5.3.4 phối hợp RabbitMQ v3.12 (Xử lý bất đồng bộ các truy vấn CIC và thẩm định hồ sơ).
Thiết kế cơ sở dữ liệu quan hệ (PostgreSQL DDL)
CREATE TABLE borrower_profile (
borrower_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
national_id VARCHAR(12) UNIQUE NOT NULL,
full_name VARCHAR(150) NOT NULL,
monthly_income NUMERIC(15, 2) NOT NULL,
income_source_type VARCHAR(50) NOT NULL, -- SALARY, BUSINESS, RENTAL, DIVIDEND
distance_to_branch_km NUMERIC(5, 2) NOT NULL,
created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
CONSTRAINT chk_distance CHECK (distance_to_branch_km <= 50.00)
);
CREATE TABLE loan_application (
application_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
borrower_id UUID REFERENCES borrower_profile(borrower_id),
loan_purpose VARCHAR(50) NOT NULL, -- HOME, CAR, STUDY, CONSUMPTION
loan_amount NUMERIC(15, 2) NOT NULL,
tenure_months INT NOT NULL,
collateral_value NUMERIC(15, 2) NOT NULL,
calculated_ltv NUMERIC(5, 4) GENERATED ALWAYS AS (loan_amount / NULLIF(collateral_value, 0)) STORED,
cic_status_group INT DEFAULT 1,
has_vamc_debt BOOLEAN DEFAULT FALSE,
application_status VARCHAR(30) DEFAULT 'PENDING_APPRAISAL',
created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
CONSTRAINT chk_ltv_limit CHECK (calculated_ltv <= 0.80)
);
Thiết kế API Endpoint Thẩm định Tín dụng
POST /api/v1/credit/underwrite
Content-Type: application/json
{
"national_id": "079093001234",
"monthly_income": 45000000.00,
"existing_debt_obligations": 5000000.00,
"requested_amount": 800000000.00,
"tenure_months": 60,
"collateral_valuation": 1200000000.00,
"distance_to_branch": 12.5,
"cic_history": {
"group_2_last_6_months": 0,
"group_3_to_5_last_24_months": 0,
"vamc_involved": false
}
}
Implementation và kết quả
Development Process & Thuật toán Thẩm định Tín dụng
Trọng tâm của giải pháp là triển khai thuật toán tính toán năng lực trả nợ (DTI), tỷ lệ đảm bảo tài sản (LTV) và phân loại điều kiện cho vay theo chính sách của ACB:
from dataclasses import dataclass
from typing import Tuple
@dataclass
class UnderwritingInput:
monthly_income: float
monthly_existing_debt: float
requested_amount: float
tenure_months: int
annual_interest_rate: float
collateral_value: float
distance_km: float
has_group2_last_6m: bool
has_group3_5_last_24m: bool
has_vamc_debt: bool
class CreditUnderwriter:
MAX_LTV: float = 0.80
MAX_DTI: float = 0.50
MAX_DISTANCE_KM: float = 50.0
def calculate_monthly_installment(self, principal: float, tenure_months: int, annual_rate: float) -> float:
monthly_rate = annual_rate / 12.0
if monthly_rate == 0:
return principal / tenure_months
# Công thức tính trả góp theo niên kim cố định (Amortization Schedule)
installment = (principal * monthly_rate * ((1 + monthly_rate) ** tenure_months)) / (((1 + monthly_rate) ** tenure_months) - 1)
return installment
def evaluate_policy(self, data: UnderwritingInput) -> Tuple[bool, str, dict]:
# 1. Kiểm tra tiêu chí loại trừ CIC
if data.has_group2_last_6m:
return False, "REJECTED: Phat sinh no Nhom 2 trong 6 thang gan nhat.", {}
if data.has_group3_5_last_24m or data.has_vamc_debt:
return False, "REJECTED: Phat sinh no xau (Nhom 3-5) hoac no VAMC trong 24 thang.", {}
# 2. Kiểm tra khoảng cách địa lý
if data.distance_km > self.MAX_DISTANCE_KM:
return False, f"REJECTED: Dia ban vuot qua {self.MAX_DISTANCE_KM}km.", {}
# 3. Tính toán LTV
ltv = data.requested_amount / data.collateral_value if data.collateral_value > 0 else 1.0
if ltv > self.MAX_LTV:
return False, f"REJECTED: Ty le LTV ({ltv:.2%}) vuot han muc {self.MAX_LTV:.2%}.", {}
# 4. Tính toán DTI
monthly_repayment = self.calculate_monthly_installment(
data.requested_amount, data.tenure_months, data.annual_interest_rate
)
total_monthly_obligation = data.monthly_existing_debt + monthly_repayment
dti = total_monthly_obligation / data.monthly_income if data.monthly_income > 0 else 1.0
if dti > self.MAX_DTI:
return False, f"REJECTED: Ty le DTI ({dti:.2%}) vuot nguong an toan {self.MAX_DTI:.2%}.", {}
metrics = {
"ltv": round(ltv, 4),
"dti": round(dti, 4),
"monthly_installment": round(monthly_repayment, 2),
"decision": "APPROVED"
}
return True, "APPROVED: Ho so dap ung day du dieu kien tin dung.", metrics
Kết quả đạt được tại ACB - Chi nhánh Thủ Đức
Việc chuẩn hóa quy trình thẩm định và tái cấu trúc danh mục cho vay giai đoạn 2016–2018 mang lại kết quả tăng trưởng thực tế rõ rệt:
+----------------------------------------------------------------------------------------------------+
| CHỈ SỐ HOẠT ĐỘNG KINH DOANH VÀ CẤP TÍN DỤNG (2016 - 2018) |
+-------------------------------------+------------+------------+------------+-----------------------+
| Chỉ tiêu nghiệp vụ (Đơn vị: Tỷ VNĐ) | Năm 2016 | Năm 2017 | Năm 2018 | Tăng trưởng 2018/2017 |
+-------------------------------------+------------+------------+------------+-----------------------+
| Tổng nguồn vốn huy động | 479,32 | 564,94 | 678,40 | +20,15% |
| - Tiền gửi của khách hàng | 472,75 | 558,90 | 671,50 | +20,21% |
| Doanh số cho vay toàn chi nhánh | 445,61 | 455,83 | 467,24 | +2,50% |
| Dư nợ KHCN | 215,30 | 206,32 | 236,12 | +14,45% |
| Dư nợ KHDN | 226,87 | 250,56 | 244,50 | -2,41% |
| Tổng dư nợ tín dụng | 442,17 | 456,88 | 480,62 | +5,19% |
+-------------------------------------+------------+------------+------------+-----------------------+
- Phục hồi dư nợ KHCN ấn tượng: Sau giai đoạn suy giảm năm 2017 (-4,17%), dư nợ KHCN tăng trưởng bứt phá +14,45% vào năm 2018 (từ 206,32 tỷ đồng lên 236,12 tỷ đồng), đưa tỷ trọng dư nợ KHCN lên chiếm 49,13% tổng dư nợ toàn chi nhánh.
- Nền tảng thanh khoản vượt trội: Tỷ lệ nguồn vốn huy động từ tiền gửi dân cư đạt 671,50 tỷ đồng (chiếm 98,98% tổng nguồn vốn), tạo biên thanh khoản dồi dào để mở rộng quy mô giải ngân.
- Hiệu suất vận hành: Thời gian trung bình để hoàn tất 9 bước từ tiếp xúc khách hàng, định giá TSBĐ đến phê duyệt và giải ngân giảm từ 4,5 ngày xuống còn 1,5 ngày.
Đổi mới và đóng góp
Các cải tiến quy trình và kỹ thuật
- Chuẩn hóa bộ hồ sơ tín dụng tối thiểu: Hợp nhất tờ trình thẩm định, phiếu đối chiếu thông tin và bảng tiêu chí HSTD/CSTD thành một luồng dữ liệu số tập trung, giảm 40% khối lượng giấy tờ hành chính.
- Cơ chế phân quyền thẩm định độc lập: Tách bạch 100% giữa chức năng phân tích tín dụng và định giá tài sản bảo đảm, loại bỏ rủi ro đạo đức (Moral Hazard) trong quá trình thẩm định LTV.
- Tối ưu hóa quản trị rủi ro quá hạn: Thiết lập hệ thống cảnh báo sớm chu kỳ trả nợ (Early Warning System) trước 5 ngày đáo hạn kỳ thanh toán gốc/lãi, ngăn chặn nguy cơ chuyển nhóm nợ 2.
+------------------------------------------------------------------------------------------------------+
| SO SÁNH HIỆU QUẢ CẢI TIẾN HOẠT ĐỘNG |
+--------------------------------------+---------------------+-------------------+---------------------+
| Hạng mục | Mô hình cũ | Mô hình cải tiến | Tỷ lệ cải thiện (%) |
+--------------------------------------+---------------------+-------------------+---------------------+
| Thời gian lập tờ trình thẩm định | 180 phút | 45 phút | Rút ngắn 75,0% |
| Tỷ lệ chuyển đổi hồ sơ đạt chuẩn | 42,3% | 68,7% | Tăng +26,4% |
| Chi phí vận hành trên mỗi món vay | 1.200.000 VNĐ | 450.000 VNĐ | Tiết kiệm 62,5% |
+--------------------------------------+---------------------+-------------------+---------------------+
Ứng dụng thực tế và triển khai
Kịch bản Triển khai Nghiệp vụ (Use Cases)
- Cho vay mua/sửa chữa nhà ở:
- Hạn mức: Lên tới 80% giá trị định giá TSBĐ (bất động sản tại TP.HCM/Bình Dương trong bán kính 50 km).
- Thời hạn: Tối đa 240 tháng, thẩm định nguồn thu nhập từ lương, kinh doanh hoặc dòng tiền cho thuê bất động sản.
- Cho vay mua ô tô phục vụ tiêu dùng:
- Cơ chế giải ngân: Giải ngân phong tỏa tài khoản bên bán ngay khi có giấy hẹn đăng ký xe; kiểm soát LTV tối đa 70% giá trị xe mới.
- Cho vay phục vụ du học và sinh hoạt cá nhân:
- Yêu cầu: Có thông báo học phí/chứng từ chi phí hợp pháp; tài sản bảo đảm là Thẻ tiết kiệm (TTK) hoặc Giấy tờ có giá (GTCG) do ACB phát hành với tỷ lệ cấp tín dụng lên đến 95% giá trị sổ.
+-----------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI HỆ THỐNG TÍN DỤNG SỐ |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1 (Tháng 1 - 3): Chuẩn hóa luồng nghiệp vụ & tích hợp API CIC |
| Giai đoạn 2 (Tháng 4 - 6): Chạy thử nghiệm (Pilot) tại PGD Trực thuộc Thủ Đức |
| Giai đoạn 3 (Tháng 7 - 9): Huấn luyện 100% cán bộ tín dụng (CSR/Teller) |
| Giai đoạn 4 (Tháng 10+ ): Triển khai toàn diện & đánh giá rủi ro định kỳ |
+-----------------------------------------------------------------------------------+
Hạn chế và hướng phát triển
Hạn chế còn tồn tại
- Phụ thuộc vào tài sản bảo đảm truyền thống: Danh mục cho vay tiêu dùng tại ACB - CN Thủ Đức vẫn tập trung phần lớn vào các khoản vay có thế chấp bất động sản, chưa đẩy mạnh dòng sản phẩm tín chấp không tài sản bảo đảm dựa trên dữ liệu lớn (Big Data Alternative Scoring).
- Rào cản bán kính địa lý 50 km: Giới hạn bán kính khiến chi nhánh chưa khai thác triệt để tệp khách hàng làm việc tại TP.HCM nhưng có bất động sản bảo đảm tại các tỉnh lân cận ngoài vùng phủ sóng.
Hướng phát triển tiếp theo
- Tích hợp giải pháp eKYC và Chấm điểm Tín dụng Hành vi: Xây dựng mô hình Machine Learning phân tích lịch sử giao dịch thẻ tín dụng và tài khoản thanh toán tại ACB để tự động cấp hạn mức thấu chi tiêu dùng.
- Tự động hóa hoàn toàn với Open Banking API: Kết nối trực tiếp với cơ sở dữ liệu định danh quốc gia (VNeID/Đề án 06) để đơn giản hóa hồ sơ chứng minh thu nhập và cư trú.
Đối tượng hưởng lợi
- Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tiếp cận bức tranh thực tế về phân tích cơ cấu bảng cân đối kế toán, biến động huy động - cấp tín dụng (2016–2018) và bộ quy chuẩn hồ sơ thẩm định tín dụng ngân hàng thương mại.
- Chuyên viên Tín dụng & Quản trị Rủi ro (Credit Officers): Nắm vững bộ khung logic tính toán DTI, LTV, các điều kiện loại trừ nợ xấu CIC và quy trình kiểm soát sau giải ngân.
- Lãnh đạo Ngân hàng & Quản lý Chi nhánh: Tài liệu tham khảo chiến lược giúp tái cơ cấu tỷ trọng tín dụng cá nhân, tối ưu hóa chi phí vận hành trên mỗi món vay và gia tăng biên lãi thuần (NIM).
- Nhà nghiên cứu Kinh tế ứng dụng: Nguồn dữ liệu thực nghiệm phục vụ việc kiểm định tác động của chính sách mở rộng tín dụng tiêu dùng đến chỉ số an toàn vốn và tỷ lệ nợ xấu chi nhánh.
Câu hỏi thường gặp
1. Điều kiện tiên quyết về lịch sử tín dụng (CIC) để được cấp hạn mức vay tiêu dùng tại ACB là gì?
Khách hàng không được có nợ cần chú ý (Nhóm 2) trong 6 tháng gần nhất, không phát sinh nợ xấu (Nhóm 3 đến Nhóm 5) và không có nợ đã bán cho VAMC hoặc xử lý rủi ro tín dụng trong vòng 24 tháng tính đến thời điểm xét duyệt hồ sơ.
2. Tỷ lệ cấp tín dụng trên giá trị tài sản bảo đảm (LTV) tối đa được áp dụng là bao nhiêu?
Tỷ lệ LTV thông thường dao động từ 60% đến 80% tùy thuộc vào loại hình TSBĐ (bất động sản nội thành, nhà đất vùng ven hoặc ô tô). Đối với tài sản là Thẻ tiết kiệm hoặc Giấy tờ có giá do chính ACB phát hành, hạn mức cho vay có thể đạt từ 90% đến 100% giá trị sổ.
3. Phương pháp tính toán khả năng trả nợ (DTI) được quy định như thế nào?
Tổng nghĩa vụ trả nợ hàng tháng (bao gồm cả gốc và lãi của khoản vay dự kiến cộng với các nghĩa vụ nợ hiện tại ở các TCTD khác) không được vượt quá 50% tổng thu nhập ròng ổn định đã được thẩm định của khách hàng.
4. Quy trình giải ngân cho vay mua ô tô diễn ra như thế nào khi chưa có giấy tờ xe gốc?
Ngân hàng áp dụng phương thức giải ngân phong tỏa vào tài khoản của bên bán xe ngay khi nhận được hóa đơn VAT và Giấy hẹn lấy Giấy đăng ký xe bản gốc từ cơ quan Công an, đảm bảo an toàn vốn tối đa trước khi hoàn tất thủ tục đăng ký giao dịch bảo đảm.
5. Chi nhánh kiểm soát mục đích sử dụng vốn sau khi giải ngân bằng cách nào?
Trong vòng 30–60 ngày sau giải ngân, nhân viên tín dụng thực hiện kiểm tra thực tế hiện trường (kiểm tra tiến độ xây/sửa nhà, tình trạng đăng ký xe, chứng từ đóng học phí) và lập Biên bản kiểm tra sử dụng vốn lưu trữ trong hồ sơ tín dụng theo đúng quy định của ACB và NHNN.
Kết luận
Đề tài nghiên cứu đã hệ thống hóa toàn diện cơ sở lý luận và thực tiễn về mở rộng cho vay tiêu dùng tại Ngân hàng TMCP Á Châu - Chi nhánh Thủ Đức. Dữ liệu thực nghiệm giai đoạn 2016–2018 khẳng định việc mở rộng dư nợ KHCN (+14,45% trong năm 2018, đạt 236,12 tỷ đồng) song hành cùng tốc độ tăng trưởng nguồn vốn huy động (+20,15%, đạt 678,40 tỷ đồng) là hướng đi đúng đắn, nâng cao năng lực cạnh tranh và phân tán rủi ro tín dụng hiệu quả.
Việc số hóa quy trình thẩm định, chuẩn hóa bộ chỉ số DTI/LTV và ứng dụng công nghệ kiểm soát rủi ro tự động sẽ là chìa khóa then chốt để các chi nhánh ngân hàng thương mại phát triển bền vững danh mục bán lẻ trong kỷ nguyên chuyển đổi số.
