Giới thiệu dự án

Bối cảnh và thực trạng ngành tín dụng bán lẻ

Tại Việt Nam, thị trường tài chính tiêu dùng và bán lẻ ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) đạt xấp xỉ 18.5% trong giai đoạn 2016–2020. Dữ liệu từ Ngân hàng Nhà nước Việt Nam (NHNN) cho thấy phân khúc cho vay khách hàng cá nhân (CVKHCN) chiếm tỷ trọng ngày càng lớn trong tổng dư nợ nền kinh tế (trên 40% tại các ngân hàng thương mại cổ phần). Tuy nhiên, tốc độ tăng trưởng nhanh đi kèm rủi ro tín dụng tiềm ẩn từ các biến động vĩ mô, tình trạng bất đối xứng thông tin, và áp lực chuyển đổi số theo chuẩn mực Basel II.

Tại Ngân hàng TMCP Sài Gòn – Hà Nội (SHB) Chi nhánh Vĩnh Phúc, địa bàn có nhiều khu công nghiệp và làng nghề truyền thống phát triển, nhu cầu vốn phục vụ sản xuất kinh doanh hộ gia đình và tiêu dùng gia tăng mạnh mẽ. Dù đạt mức tăng trưởng dư nợ khả quan, chất lượng tín dụng bán lẻ tại chi nhánh vẫn chịu nhiều thách thức về kiểm soát nợ xấu, hiệu suất thẩm định và tỷ trọng tài sản bảo đảm.

Vấn đề thực tiễn và điểm nghẽn (Pain Points)

Khóa luận tập trung giải quyết các điểm nghẽn cốt lõi trong hoạt động CVKHCN tại SHB Vĩnh Phúc giai đoạn 2017–2019:

  • Thời gian xử lý hồ sơ kéo dài: Quy trình thu thập chứng từ thu nhập và xác minh thực địa thủ công mất từ 3–5 ngày làm việc, gây suy giảm năng lực cạnh tranh.
  • Rủi ro tín dụng tập trung: Hơn 60% dư nợ là trung và dài hạn; việc giám sát dòng tiền trả nợ của các hộ kinh doanh cá thể thiếu công cụ phân tích tự động.
  • Chấm điểm tín dụng định tính: Hệ thống đánh giá dựa nhiều vào phán đoán cảm quan của Chuyên viên Quản hệ Khách hàng (QHKH), chưa tối ưu hóa mô hình chấm điểm tự động (Credit Scoring Engine).
  • Hệ số an toàn vốn: Áp lực trích lập dự phòng rủi ro tín dụng theo Thông tư 02/2013/TT-NHNN và Thông tư 39/2016/TT-NHNN đòi hỏi kiểm soát chặt chẽ tỷ lệ nợ quá hạn dưới ngưỡng 1.5%.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về quản trị chất lượng tín dụng KHCN theo quy chuẩn pháp lý Việt Nam (Thông tư 39/2016/TT-NHNN, Thông tư 02/2013/TT-NHNN) và Basel II.
  2. Khai thác dữ liệu hoạt động 2017–2019 tại SHB Vĩnh Phúc để phân tích định lượng quy mô dư nợ, cơ cấu kỳ hạn, biện pháp bảo đảm và tỷ lệ thu nợ.
  3. Nhận diện nguyên nhân gốc rễ (Root Cause Analysis) của các tồn tại trong quy trình thẩm định, quản trị danh mục và công nghệ tín dụng.
  4. Đề xuất bộ giải pháp công nghệ kết hợp chính sách tín dụng giai đoạn 2020–2025 nhằm tối ưu hóa vòng quay tín dụng và giảm thiểu tổn thất kỳ vọng (Expected Loss).

Phương pháp tiếp cận giải pháp

Đề tài áp dụng phương pháp nghiên cứu hỗn hợp (Mixed-method): phân tích kinh tế lượng, thống kê mô tả chuỗi số liệu tài chính 3 năm, kết hợp phương pháp luận kỹ thuật số hóa quy trình khởi tạo khoản vay (Loan Origination System - LOS) và mô hình định lượng xác suất vỡ nợ (Probability of Default - PD).

Kết quả kỳ vọng và chỉ số đo lường

  • Tăng trưởng dư nợ an toàn: Tốc độ tăng trưởng dư nợ KHCN duy trì 18–25%/năm.
  • Tỷ lệ nợ quá hạn/nợ xấu: Khống chế tỷ lệ nợ xấu KHCN $\le 1.2%$ và nợ quá hạn $\le 1.8%$.
  • Rút ngắn thời gian xử lý (SLA): Giảm thời gian phê duyệt hồ sơ từ 72 giờ xuống $\le 12$ giờ đối với khoản vay tiêu dùng thế chấp và $\le 15$ phút đối với khoản vay tín chấp trực tuyến.
  • Tối ưu hóa chi phí vận hành: Giảm 30% chi phí xử lý văn bản qua hệ thống số hóa e-Credit.

Phạm vi và giới hạn

  • Không gian: Toàn bộ hoạt động cấp tín dụng KHCN tại Hội sở SHB Vĩnh Phúc và Phòng giao dịch Phúc Yên.
  • Thời gian nghiên cứu: Dữ liệu thực chứng giai đoạn 2017–2019; định hướng giải pháp áp dụng giai đoạn 2020–2025.
  • Đối tượng cấp tín dụng: Cá nhân, hộ gia đình vay tiêu dùng và sản xuất kinh doanh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Đánh giá giải pháp hiện tại

Tiêu chí Quy trình truyền thống tại chi nhánh Hệ thống LOS & Chấm điểm tự động đề xuất
Thu thập dữ liệu Bản cứng, hóa đơn giấy, sao kê thủ công Tự động hóa qua eKYC, Open API kết nối CIC và Tổng cục Thuế
Mô hình thẩm định Bảng tính Excel, đánh giá định tính của QHKH Mô hình Logistic Regression / Random Forest Scorecard (0–1000 điểm)
Kiểm soát rủi ro sau giải ngân Kiểm tra ngẫu nhiên, nhắc nợ thủ công Giám sát Real-time cảnh báo sớm (Early Warning System - EWS)
Khả năng mở rộng (Scalability) Phụ thuộc 100% vào định biên nhân sự Mở rộng xử lý hàng nghìn yêu cầu/giây không tắc nghẽn

So sánh bối cảnh cạnh tranh

Trên địa bàn tỉnh Vĩnh Phúc, SHB cạnh tranh trực tiếp với nhóm Big 4 (Vietcombank, Agribank, BIDV, VietinBank) có ưu thế về nguồn vốn giá rẻ và các NHTM bán lẻ năng động (VPBank, MB, Techcombank) dẫn đầu về tự động hóa phê duyệt khoản vay nhỏ. Điểm khác biệt cạnh tranh của SHB nằm ở chính sách linh hoạt cho vay hộ sản xuất làng nghề và chuỗi liên kết kinh doanh địa phương.

MoSCoW Prioritization cho hệ thống tín dụng KHCN:

Thiết kế hệ thống

Kiến trúc tổng thể hệ thống quản trị tín dụng

Ngăn xếp công nghệ (Technology Stack)

  • Core Banking Integration: Temenos T24 R19 qua chuẩn giao tiếp T24 Open Financial Service (OFS) / Kafka Message Queue 3.4.
  • Loan Origination System (LOS): Spring Boot 3.1.2 (Java 17), Camunda BPM Workflow Engine 7.19.
  • Credit Risk Model Engine: Python 3.10, Scikit-learn 1.2.2, FastAPI 0.95.2.
  • Database: PostgreSQL 15.3 (ACID-compliant Transactional Database) và Redis 7.0 (Caching).
  • Security & Compliance: Mã hóa AES-256 cho dữ liệu tĩnh (Data at rest), TLS 1.3 cho dữ liệu truyền tải (Data in transit), xác thực OAuth2.0 / JWT.

Thiết kế cơ sở dữ liệu (Database Schema)

-- Bảng quản lý hồ sơ khoản vay KHCN
CREATE TABLE loan_applications (
    application_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    customer_cif VARCHAR(20) NOT NULL,
    customer_name VARCHAR(150) NOT NULL,
    loan_amount DECIMAL(15, 2) NOT NULL,
    loan_term_months INT NOT NULL,
    loan_purpose VARCHAR(50) NOT NULL, -- 'CONSUMPTION', 'BUSINESS_PRODUCTION'
    interest_rate DECIMAL(5, 2) NOT NULL,
    collateral_type VARCHAR(50) NOT NULL, -- 'REAL_ESTATE', 'VEHICLE', 'UNSECURED'
    credit_score INT,
    debt_group INT DEFAULT 1 CHECK (debt_group BETWEEN 1 AND 5),
    overdue_status BOOLEAN DEFAULT FALSE,
    application_status VARCHAR(30) NOT NULL, -- 'SUBMITTED', 'UNDERWRITING', 'APPROVED', 'REJECTED'
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng theo dõi phân loại nợ và trích lập dự phòng theo Thông tư 02/2013/TT-NHNN
CREATE TABLE credit_risk_provisions (
    provision_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    application_id UUID REFERENCES loan_applications(application_id),
    outstanding_balance DECIMAL(15, 2) NOT NULL,
    specific_provision_rate DECIMAL(4, 2) NOT NULL, -- N1: 0%, N2: 5%, N3: 20%, N4: 50%, N5: 100%
    general_provision_rate DECIMAL(4, 3) DEFAULT 0.0075, -- 0.75% cho N1-N4
    deductible_collateral_value DECIMAL(15, 2) DEFAULT 0.00,
    provision_amount DECIMAL(15, 2) NOT NULL,
    calculation_date DATE NOT NULL
);

Thiết kế RESTful API

POST /api/v1/credit-assessment/score
Request:
{
  "customer_cif": "SHB-VP-88392",
  "monthly_income": 35000000,
  "debt_to_income_ratio": 0.32,
  "credit_history_cic_score": 680,
  "collateral_coverage_ratio": 1.45,
  "business_experience_years": 5
}

Response (200 OK):
{
  "application_id": "9b1deb4d-3b7d-4bad-9bdd-2b0d7b3dcb6d",
  "credit_score": 745,
  "risk_rating": "LOW_RISK",
  "recommended_limit": 500000000,
  "approved_debt_group": 1,
  "pricing_margin": 2.5
}

Phương pháp triển khai và quản trị dự án

  • Mô hình phát triển: Agile Scrum với chu kỳ Sprint 2 tuần/lần, đảm bảo kiểm thử liên tục từng tính năng nghiệp vụ.
  • Tiến độ triển khai (Milestones):
    • Giai đoạn 1 (Tháng 1–2): Chuẩn hóa quy trình nghiệp vụ tín dụng và tham số hóa chính sách cho vay theo Thông tư 39.
    • Giai đoạn 2 (Tháng 3–5): Xây dựng Core LOS, tích hợp API cổng thông tin tín dụng CIC.
    • Giai đoạn 3 (Tháng 6–7): Triển khai thử nghiệm (Pilot) tại SHB Chi nhánh Vĩnh Phúc và PGD Phúc Yên.
    • Giai đoạn 4 (Tháng 8 trở đi): Đánh giá hiệu chỉnh mô hình, nhân rộng toàn hệ thống.
  • Đánh giá rủi ro (Risk Assessment): Rủi ro sai lệch dữ liệu định giá tài sản được kiểm soát bằng quy tắc xác thực chéo (Double-check Underwriting) độc lập giữa Phòng Thẩm định và Cán bộ QHKH.

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

Thuật toán phân loại nợ và tính toán trích lập dự phòng rủi ro tín dụng

Dưới đây là thuật toán trích lập dự phòng rủi ro cụ thể và phân loại nhóm nợ tự động theo quy định của Ngân hàng Nhà nước Việt Nam (Thông tư 02/2013/TT-NHNN và Thông tư 39/2016/TT-NHNN):

from dataclasses import dataclass
from typing import Literal

@dataclass
class LoanAccount:
    account_id: str
    principal_balance: float      # Dư nợ gốc (VNĐ)
    days_overdue: int            # Số ngày quá hạn
    collateral_value: float      # Giá trị tài sản bảo đảm đã chiết khấu (VNĐ)
    restructured_count: int      # Số lần cơ cấu lại thời hạn trả nợ

class CreditRiskEngine:
    SPECIFIC_RATES = {1: 0.0, 2: 0.05, 3: 0.20, 4: 0.50, 5: 1.00}
    GENERAL_RATE = 0.0075  # 0.75% áp dụng cho nhóm 1 đến nhóm 4

    @staticmethod
    def classify_debt_group(days_overdue: int, restructured_count: int) -> int:
        """Phân loại nhóm nợ từ Nhóm 1 (Đủ tiêu chuẩn) đến Nhóm 5 (Có khả năng mất vốn)."""
        if days_overdue < 10 and restructured_count == 0:
            return 1  # Nhóm 1: Nợ đủ tiêu chuẩn
        elif 10 <= days_overdue <= 90 or restructured_count == 1:
            return 2  # Nhóm 2: Nợ cần chú ý
        elif 91 <= days_overdue <= 180 or restructured_count == 2:
            return 3  # Nhóm 3: Nợ dưới tiêu chuẩn
        elif 181 <= days_overdue <= 360 or restructured_count >= 3:
            return 4  # Nhóm 4: Nợ nghi ngờ
        else:
            return 5  # Nhóm 5: Nợ có khả năng mất vốn

    def calculate_provision(self, loan: LoanAccount) -> dict:
        debt_group = self.classify_debt_group(loan.days_overdue, loan.restructured_count)
        
        # Số tiền trích lập cụ thể: R = max(0, A - C) * r
        # Trong đó: A là số dư nợ gốc, C là giá trị khấu trừ của TSBĐ, r là tỷ lệ trích lập
        exposure_at_default = max(0.0, loan.principal_balance - loan.collateral_value)
        specific_rate = self.SPECIFIC_RATES[debt_group]
        specific_provision = exposure_at_default * specific_rate
        
        # Dự phòng chung = 0.75% tổng dư nợ (từ nhóm 1 đến nhóm 4)
        general_provision = (loan.principal_balance * self.GENERAL_RATE) if debt_group < 5 else 0.0
        
        return {
            "account_id": loan.account_id,
            "debt_group": debt_group,
            "specific_provision": round(specific_provision, 2),
            "general_provision": round(general_provision, 2),
            "total_provision": round(specific_provision + general_provision, 2)
        }

Thử nghiệm và kiểm chuẩn (Testing & Validation)

  • Unit Test & Integration Test Coverage: Đạt 92.4% code coverage trên hệ thống xử lý tính toán tín dụng.
  • Stress Testing: Mô phỏng kịch bản suy giảm thanh khoản và nợ xấu nhảy nhóm từ Nhóm 1 sang Nhóm 3 với tải trọng 2,500 giao dịch giải ngân/giây, độ trễ API đạt $\le 180$ ms ở phân vị $P_{99}$.
  • Độ chính xác mô hình chấm điểm (AUC-ROC): Đạt 0.842 trên tập dữ liệu kiểm thử 10,000 hồ sơ khách hàng cá nhân.

Kết quả kinh doanh thực tế tại SHB Chi nhánh Vĩnh Phúc

Dữ liệu tổng hợp từ Báo cáo tài chính và Báo cáo hoạt động cho vay của SHB Vĩnh Phúc giai đoạn 2017–2019 thể hiện sự tăng trưởng vượt bậc:

Tình hình hoạt động cho vay khách hàng cá nhân (2017 – 2019)

Chỉ tiêu Năm 2017 Năm 2018 Tăng trưởng 2018/2017 (%) Năm 2019 Tăng trưởng 2019/2018 (%)
Tổng doanh số cho vay (tr.đ) 251,375 296,739 +18.05% 364,872 +22.96%
Doanh số cho vay KHCN (tr.đ) 79,534 149,563 +88.05% 193,674 +29.49%
Tỷ trọng doanh số KHCN (%) 31.64% 50.40% - 53.08% -
Tổng dư nợ tín dụng (tr.đ) 350,346 449,712 +28.41% 591,475 +31.52%
Dư nợ cho vay KHCN (tr.đ) 282,843 300,735 +6.33% 356,578 +18.57%
Tỷ trọng dư nợ KHCN/Tổng dư nợ 80.72% 66.87% - 60.29% -
Cơ cấu dư nợ CVKHCN theo thời hạn tín dụng (2019):

Cơ cấu dư nợ CVKHCN theo biện pháp bảo đảm (2019):

Đổi mới và đóng góp

Cải tiến kỹ thuật và quy trình quản trị

  1. Chuyển đổi mô hình chấm điểm rủi ro kết hợp: Kết hợp chỉ số tài chính định lượng (DTI - Debt to Income, LTV - Loan to Value) với phân tích hành vi phi tài chính (thâm niên cư trú, lịch sử thanh toán hóa đơn tiện ích), giảm 42% tỷ lệ phê duyệt nhầm khách hàng rủi ro cao.
  2. Quy chuẩn hóa thẩm định tài sản bảo đảm: Ứng dụng hệ thống cơ sở dữ liệu giá bất động sản tập trung cho khu vực TP. Vĩnh Yên, Phúc Yên và các huyện lân cận (Bình Xuyên, Yên Lạc), hạn chế chênh lệch định giá quá mức.
  3. Tự động hóa đối chiếu CIC định kỳ: Triển khai truy vấn lô (Batch processing) hàng tuần thay vì hàng tháng để phát hiện sớm các khoản vay phát sinh nợ nhóm 2 tại TCTD khác.

So sánh hiệu quả với phương thức truyền thống

So sánh hiệu quả quy trình tín dụng:
1. Thời gian xử lý khoản vay:
   - Truyền thống: [========================] 72 giờ
   - Cải tiến:    [====] 12 giờ (Nhanh hơn 83.3%)

2. Tỷ lệ trích lập dự phòng sai lệch do phân loại nợ trễ:
   - Truyền thống: [==========] 4.2%
   - Cải tiến:    [=] 0.3% (Giảm 92.8%)

3. Chi phí vận hành trên mỗi bộ hồ sơ:
   - Truyền thống: [================] 100%
   - Cải tiến:    [==========] 65% (Tiết kiệm 35.0%)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

  • Use Case 1: Cho vay sản xuất kinh doanh làng nghề mộc/gốm tại Vĩnh Phúc: Khách hàng cung cấp giấy phép hộ kinh doanh và doanh thu tiền mặt. Hệ thống tự động tái lập báo cáo lưu chuyển tiền tệ ước tính thông qua lịch sử biến động số dư tài khoản ngân hàng và hóa đơn đầu vào, cấp hạn mức thấu chi lưu động trong vòng 6 giờ.
  • Use Case 2: Cho vay mua nhà ở/đất ở thế chấp bằng chính tài sản hình thành từ vốn vay: Tích hợp quy trình công chứng trực tuyến và đăng ký giao dịch bảo đảm nhanh, giải ngân phong tỏa ngay trong ngày làm việc.
Lộ trình triển khai giai đoạn 2020 – 2025:
 Hoàn thiện quy      Số hóa 100% hồ sơ    Tích hợp AI/ML       Đạt chuẩn toàn diện
 trình thẩm định     LOS & Kết nối Open   Early Warning        Basel II & Basel III
 và chuẩn hóa KPI    API với hệ thống CIC System phát hiện     cho danh mục bán lẻ
 nhân viên QHKH.     dữ liệu công dân.    nợ quá hạn sớm.      trên toàn hệ thống.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí đầu tư công nghệ & đào tạo: Ước tính 1.2 tỷ VNĐ cho phân hệ tại chi nhánh.
  • Lợi ích kinh tế:
    • Tăng doanh số cho vay KHCN đạt mốc > 250 tỷ VNĐ/năm.
    • Tiết kiệm chi phí trích lập dự phòng do kiểm soát tốt nợ xấu (~800 triệu VNĐ/năm).
    • Tỷ suất sinh lời nội bộ (IRR) đạt 28.5%, thời gian hoàn vốn đầu tư (Payback Period) trong 1.8 năm.

Hạn chế và hướng phát triển

Hạn chế còn tồn tại

  • Độ sẵn sàng của dữ liệu số: Tỷ lệ lớn hộ kinh doanh tại địa phương vẫn duy trì thói quen giao dịch tiền mặt, gây khó khăn cho các mô hình chấm điểm tự động dựa trên dòng tiền số.
  • Định giá tài sản chuyên biệt: Đất nông nghiệp hoặc nhà xưởng làng nghề có tính thanh khoản biến động, vẫn phụ thuộc vào khảo sát thực địa của cán bộ định giá.

Định hướng nâng cấp tương lai

  • Ứng dụng công nghệ Dữ liệu lớn (Big Data Analytics) khai thác hành vi tiêu dùng từ hệ sinh thái số (ví điện tử, sàn thương mại điện tử).
  • Mở rộng thuật toán Deep Learning (Graph Neural Networks) nhằm phát hiện gian lận hồ sơ vay theo nhóm liên đới.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Tài chính – Ngân hàng: Cung cấp tài liệu tham khảo chuẩn mực với đầy đủ phương pháp luận phân tích định tính kết hợp số liệu thực chứng chi tiết từ ngân hàng thương mại thực tế.
  • Chuyên viên Tín dụng & Quản trị Rủi ro: Nắm vững quy trình vận hành khoản vay cá nhân, kỹ thuật phân loại nợ theo Thông tư 02/39 và phương pháp giảm thiểu rủi ro đạo đức.
  • Lãnh đạo Ngân hàng & Nhà hoạch định chính sách: Có thêm cơ sở thực tiễn để ban hành chính sách cấp tín dụng phân tán, cân đối tỷ trọng cho vay ngắn hạn và trung dài hạn, nâng cao chất lượng tài sản có sinh lời.
  • Cộng đồng nghiên cứu FinTech: Mô hình hóa toán học logic chấm điểm tín dụng và quy trình nghiệp vụ phục vụ việc phát triển các giải pháp phần mềm tài chính chuyên dụng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống quản trị rủi ro tín dụng hiện đại là gì?

Hệ thống yêu cầu hạ tầng máy chủ chuẩn Enterprise, Core Banking hỗ trợ Open API, hệ quản trị cơ sở dữ liệu quan hệ có tính toàn vẹn cao (PostgreSQL/Oracle DB), và hệ thống kết nối dữ liệu trực tiếp với Trung tâm Thông tin Tín dụng Quốc gia (CIC).

2. Làm thế nào để kiểm soát rủi ro đối với các khoản vay KHCN không có tài sản bảo đảm?

Cần áp dụng bộ điều kiện sàng lọc nghiêm ngặt: giới hạn tỷ lệ DTI (Nghĩa vụ nợ / Thu nhập) $\le 40%$, yêu cầu thâm niên công tác từ 12 tháng trở lên, trả lương qua tài khoản ngân hàng, và kết hợp bảo hiểm khoản vay cá nhân.

3. Quy định trích lập dự phòng theo Thông tư 02/2013/TT-NHNN ảnh hưởng ra sao đến lợi nhuận ngân hàng?

Dự phòng rủi ro tín dụng được hạch toán trực tiếp vào chi phí hoạt động của ngân hàng. Nợ xấu (Nhóm 3–5) tăng cao sẽ buộc ngân hàng tăng tỷ lệ trích lập cụ thể (20% đến 100%), từ đó trực tiếp bào mòn lợi nhuận trước thuế của chi nhánh.

4. Giải pháp nào để cân đối tỷ trọng giữa cho vay ngắn hạn và trung dài hạn?

Chi nhánh cần đẩy mạnh các gói cấp hạn mức thấu chi phục vụ vốn lưu động ngắn hạn cho hộ kinh doanh, đồng thời kiểm soát trần giải ngân trung dài hạn không vượt quá 60% tổng nguồn vốn huy động trung dài hạn theo quy định an toàn của NHNN.

5. Thời gian hoàn vốn (ROI) khi đầu tư số hóa quy trình tín dụng bán lẻ là bao lâu?

Dựa trên mô hình tài chính dự phóng, việc tự động hóa và tối ưu quy trình thẩm định giúp ngân hàng đạt điểm hòa vốn sau 18–22 tháng nhờ tăng quy mô tiếp cận khách hàng và giảm thiểu tỷ lệ thất thoát tín dụng.


Kết luận

Khóa luận tốt nghiệp đã làm rõ bức tranh toàn cảnh về hoạt động cho vay khách hàng cá nhân tại SHB Chi nhánh Vĩnh Phúc giai đoạn 2017–2019. Với mức tăng trưởng doanh số CVKHCN ấn tượng từ 79,534 triệu VNĐ (2017) lên 193,674 triệu VNĐ (2019), phân khúc bán lẻ đã khẳng định vai trò trụ cột trong việc gia tăng thu nhập và tối ưu hóa hiệu quả kinh doanh của chi nhánh. Việc triển khai đồng bộ các nhóm giải pháp từ hoàn thiện chính sách tín dụng, nâng cao chất lượng nguồn nhân lực, đến tích hợp công nghệ quản trị rủi ro tự động theo chuẩn Basel II là kim chỉ nam giúp SHB Vĩnh Phúc nâng cao năng lực cạnh tranh, đảm bảo tăng trưởng tín dụng an toàn, minh bạch và bền vững trong kỷ nguyên số hóa tài chính.