Giới thiệu dự án

Trong bối cảnh hội nhập kinh tế sâu rộng, ngành Ngân hàng – Tài chính Việt Nam đang đối mặt với áp lực cạnh tranh ngày càng gay gắt, đặc biệt kể từ khi Việt Nam gia nhập các hiệp định thương mại tự do thế hệ mới như CPTPP và EVFTA. Tốc độ tăng trưởng tín dụng được Ngân hàng Nhà nước (NHNN) khống chế ở mức 14%/năm nhằm ưu tiên tăng trưởng ổn định, bền vững, buộc các Ngân hàng thương mại (NHTM) phải chuyển hướng tập trung sang hai phân khúc chủ lực: cho vay khách hàng cá nhân (KHCN) và cho vay sản xuất kinh doanh.

Khóa luận tốt nghiệp "Nâng cao chất lượng dịch vụ cho vay khách hàng cá nhân tại Hội sở Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) chi nhánh Thừa Thiên Huế" do sinh viên Nguyễn Thị Giáng Trâm (Lớp K50A-QTKD, Trường Đại học Kinh tế – Đại học Huế, niên khóa 2016–2020) thực hiện dưới sự hướng dẫn của Th.S Trần Quốc Phương, hướng đến giải quyết một bài toán thực tiễn cấp thiết tại Hội sở Agribank Thừa Thiên Huế giai đoạn 2016–2018.

Mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa cơ sở lý luận và thực tiễn về dịch vụ cho vay KHCN của NHTM.
  2. Phân tích thực trạng chất lượng dịch vụ cho vay KHCN tại Hội sở Agribank chi nhánh Thừa Thiên Huế giai đoạn 2016–2018.
  3. Đo lường, đánh giá mức độ hài lòng của KHCN thông qua khảo sát định lượng.
  4. Đề xuất nhóm giải pháp cải thiện chất lượng dịch vụ, hướng đến phát triển dư nợ và tối đa hóa sự thỏa mãn của khách hàng.

Phạm vi: Hội sở Agribank chi nhánh Thừa Thiên Huế; dữ liệu thứ cấp 2016–2018; dữ liệu sơ cấp thu thập tháng 11/2019 với 170 phiếu khảo sát phát ra trong 17 ngày làm việc.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hoạt động cho vay KHCN tại Hội sở Agribank chi nhánh Thừa Thiên Huế trong giai đoạn 2016–2018 đạt được một số kết quả đáng ghi nhận, song vẫn bộc lộ nhiều hạn chế. Các vấn đề tồn tại tập trung ở: thủ tục vay vốn còn phức tạp, thời gian thẩm định kéo dài, quy trình chưa được đơn giản hóa triệt để, lãi suất và phí dịch vụ chưa đủ cạnh tranh so với các NHTM tư nhân và NH nước ngoài trên cùng địa bàn.

So sánh các giải pháp hiện có trên thị trường:

Tiêu chí Agribank (Hội sở TT Huế) ANZ Việt Nam SeABank
Đa dạng sản phẩm cho vay Trung bình Cao Cao
Thời gian thẩm định hồ sơ Chậm Nhanh Nhanh
Ứng dụng công nghệ Đang nâng cấp Hiện đại Khá tốt
Lãi suất cạnh tranh Trung bình Cao Linh hoạt
Chương trình khuyến mãi Hạn chế Phong phú Thường xuyên
Mạng lưới chi nhánh Rộng Hạn chế Trung bình

Điểm mạnh lớn nhất của Agribank là mạng lưới phủ sóng rộng và thương hiệu gắn liền với nông nghiệp, nông thôn. Tuy nhiên, khoảng cách về trải nghiệm dịch vụ số và tốc độ xử lý hồ sơ so với các đối thủ là gap cần ưu tiên thu hẹp.

Phân loại nhu cầu khách hàng theo MoSCoW:

  • Must have: Thủ tục đơn giản, lãi suất minh bạch, nhân viên tư vấn chuyên nghiệp.
  • Should have: Quy trình giải ngân nhanh (≤ 3 ngày làm việc), chính sách chăm sóc KH sau giải ngân.
  • Could have: Sản phẩm cho vay linh hoạt theo chu kỳ thu nhập, ứng dụng NH điện tử tích hợp.
  • Won't have (trong ngắn hạn): Hoàn toàn phi giấy tờ, xét duyệt tự động bằng AI.

Thiết kế hệ thống đánh giá

Mô hình đo lường được lựa chọn: SERVPERF (Cronin & Taylor, 1992), mở rộng thêm yếu tố "Lãi suất và phí dịch vụ" (LSVP) do đặc thù ngành NH Việt Nam.

Cấu trúc 6 nhân tố với 28 biến quan sát:

Nhân tố Ký hiệu Số biến Mô tả
Phương tiện hữu hình PTHH 6 Cơ sở vật chất, trang thiết bị, không gian
Sự tin cậy STC 4 Bảo mật thông tin, cam kết hợp đồng
Sự đồng cảm SDC 5 Thái độ nhân viên, quan tâm khách hàng
Khả năng đáp ứng KNDU 5 Sản phẩm đa dạng, thủ tục nhanh gọn
Năng lực phục vụ NLPV 4 Chuyên môn, kỹ năng nhân viên tín dụng
Lãi suất & phí dịch vụ LSVP 4 Lãi suất, phí, chương trình khuyến mãi
Sự hài lòng (biến phụ thuộc) SHL 3 Đánh giá tổng thể, ý định tiếp tục sử dụng

Lý do chọn SERVPERF thay vì SERVQUAL:

  • Loại bỏ phần "kỳ vọng" giúp giảm số lượng câu hỏi từ 44 xuống 22 biến, hạn chế nhàm chán trong khảo sát.
  • Được xác nhận vượt trội trong nghiên cứu của Cronin & Taylor trên 4 ngành dịch vụ, bao gồm ngân hàng.
  • Nghiên cứu của Nguyễn & Phạm (2007) tại Việt Nam cũng cho thấy SERVPERF giải thích tốt hơn SERVQUAL.

Phương pháp nghiên cứu

Xác định cỡ mẫu theo hai tiêu chuẩn:

# Phân tích EFA (Hair et al., 1998):
n_EFA = 5 × m = 5 × 31 = 155 (mẫu tối thiểu)

# Hồi quy đa biến (Tabachnick & Fidell, 1996):
n_regression = 50 + 8 × m = 50 + 8 × 6 = 98 (mẫu tối thiểu)

# Cỡ mẫu thực tế phát ra: 170 phiếu
# (đáp ứng điều kiện nghiêm ngặt hơn: n ≥ 155)

Phương pháp chọn mẫu ngẫu nhiên hệ thống:

  • Ước tính 20 KH/ngày đến giao dịch tại phòng Tín dụng.
  • Khoảng cách mẫu: k = 20/10 = 2 (cứ 1 KH bỏ qua, chọn KH tiếp theo).
  • Điều tra trong 17 ngày làm việc tháng 11/2019, mỗi ngày 10 phiếu.

Implementation và kết quả

Quy trình thu thập và xử lý dữ liệu

Phần mềm sử dụng:

  • Microsoft Excel: Xử lý số liệu thứ cấp, vẽ biểu đồ tình hình kinh doanh 2016–2018.
  • SPSS phiên bản 25.0: Phân tích số liệu sơ cấp toàn diện.

Chuỗi phân tích định lượng theo thứ tự:

  1. Thống kê mô tả mẫu: Phân tích đặc điểm KH theo giới tính, độ tuổi, thu nhập, nghề nghiệp, học vấn.
  2. Kiểm định Cronbach's Alpha: Tiêu chuẩn α ≥ 0,6 và hệ số tương quan biến-tổng ≥ 0,3 (Nunnally & Bernstein, 1994).
  3. Phân tích nhân tố khám phá EFA: Điều kiện: KMO ≥ 0,5; Sig. Bartlett's Test < 0,05; Eigenvalue ≥ 1; Tổng phương sai trích ≥ 50%; Hệ số tải nhân tố > 0,5.
  4. Phân tích tương quan Pearson: Sig.(2-tailed) < 0,05 → biến có tương quan có ý nghĩa thống kê.
  5. Phân tích hồi quy đa biến: Mức ý nghĩa 5% (độ tin cậy 95%); hệ số Beta chuẩn hóa xác định mức độ tác động.

6 giả thuyết nghiên cứu (H1–H6):

  • H1–H5: Phương tiện hữu hình, Sự tin cậy, Sự đồng cảm, Khả năng đáp ứng, Năng lực phục vụ đều tác động thuận chiều đến sự hài lòng về chất lượng dịch vụ cho vay KHCN.
  • H6: Lãi suất và phí dịch vụ cạnh tranh, minh bạch tác động thuận chiều đến sự hài lòng của KHCN.

Các chỉ tiêu định lượng đánh giá chất lượng cho vay

Tỷ lệ nợ quá hạn KHCN:

Tỷ lệ nợ quá hạn KHCN (%) = (Nợ quá hạn KHCN / Tổng dư nợ KHCN) × 100%

Nợ từ Nhóm 2 (quá hạn 10–90 ngày) trở lên được xếp vào nợ quá hạn theo QĐ 493/2005/QĐ-NHNN. Tỷ lệ này càng thấp, chất lượng cho vay càng được đảm bảo.

Tỷ lệ nợ xấu KHCN:

Tỷ lệ nợ xấu KHCN (%) = (Nợ xấu KHCN / Tổng dư nợ KHCN) × 100%

Nợ từ Nhóm 3 (quá hạn 91–180 ngày) trở lên là nợ xấu. Đây là chỉ báo quan trọng nhất về rủi ro tín dụng.

Hiệu suất sử dụng vốn vay KHCN:

Hiệu suất sử dụng vốn (%) = (Dư nợ cho vay KHCN / Tổng nguồn vốn huy động) × 100%

Tỷ lệ lợi nhuận từ cho vay KHCN:

Tỷ trọng lợi nhuận KHCN (%) = (Lợi nhuận từ cho vay KHCN / Tổng lợi nhuận NH) × 100%

Đổi mới và đóng góp

Đổi mới về mô hình nghiên cứu

Nghiên cứu này có đóng góp cụ thể khi mở rộng mô hình SERVPERF gốc (5 thành phần) thành 6 thành phần, tích hợp thêm nhân tố "Lãi suất và phí dịch vụ (LSVP)" – yếu tố chưa được đo lường trong hầu hết các nghiên cứu SERVPERF chuẩn về chất lượng dịch vụ NH tại Việt Nam.

Sự bổ sung này có cơ sở lý thuyết vững chắc: trong thị trường NH cạnh tranh cao, lãi suất là yếu tố so sánh đầu tiên mà KHCN cân nhắc khi lựa chọn tổ chức tín dụng. Giá cả đóng vai trò công cụ tín hiệu (signaling tool) về chất lượng dịch vụ trong điều kiện thông tin bất cân xứng giữa NH và KH.

So sánh với các nghiên cứu tiêu biểu

Nghiên cứu Mô hình Số nhân tố Đặc điểm
Parasuraman et al. (1985) SERVQUAL 5 Đo lường khoảng cách kỳ vọng – cảm nhận
Cronin & Taylor (1992) SERVPERF 5 Chỉ đo cảm nhận thực tế
Nguyễn et al. (2003) SERVPERF điều chỉnh 4 Ứng dụng khu vui chơi tại TP.HCM
Nguyễn Thị Giáng Trâm (2019) SERVPERF + LSVP 6 Ứng dụng cho vay KHCN tại Agribank TT Huế

Đổi mới về phương pháp chọn mẫu

Áp dụng phương pháp chọn mẫu ngẫu nhiên hệ thống (systematic random sampling) thay vì chọn mẫu thuận tiện, đảm bảo tính đại diện cao hơn. Khoảng cách mẫu k=2 được xác định dựa trên quan sát thực tế lưu lượng KH, không phụ thuộc vào danh sách cố định – phù hợp với đặc thù giao dịch ngân hàng.


Ứng dụng thực tế và triển khai

Nhóm giải pháp đề xuất theo 6 chiều SERVPERF mở rộng

1. Phương tiện hữu hình (PTHH): Nâng cấp không gian giao dịch, bố trí quầy tư vấn khoa học, bổ sung bãi đỗ xe có mái che, trang bị thêm thiết bị số (máy đếm tiền, kiosk tự phục vụ).

2. Sự tin cậy (STC): Công khai quy trình, quy định cho vay; cam kết bảo mật thông tin tuyệt đối; giảm số lần KH phải đến NH để bổ sung hồ sơ; đảm bảo thực hiện đúng mọi cam kết trong hợp đồng tín dụng.

3. Sự đồng cảm (SDC): Đào tạo kỹ năng mềm cho nhân viên tín dụng; xây dựng văn hóa phục vụ lấy KH làm trung tâm; tư vấn cá nhân hóa theo nhu cầu cụ thể của từng KHCN.

4. Khả năng đáp ứng (KNDU): Đa dạng hóa sản phẩm cho vay theo từng phân khúc KH; rút ngắn thời gian thẩm định xuống còn không quá 3 ngày làm việc với hồ sơ đủ điều kiện; linh hoạt kỳ hạn và phương thức trả nợ.

5. Năng lực phục vụ (NLPV): Đào tạo chuyên sâu nghiệp vụ tín dụng định kỳ; xây dựng hệ thống xếp hạng tín dụng nội bộ; nâng cao khả năng tư vấn tài chính tổng thể cho KH.

6. Lãi suất và phí dịch vụ (LSVP): Áp dụng lãi suất ưu đãi cho KH trả lương qua Agribank; tăng tần suất các chương trình khuyến mãi lãi suất; minh bạch hóa toàn bộ biểu phí liên quan.

Kiến nghị với cơ quan quản lý

  • Với NHNN: Hoàn thiện khung pháp lý về cho vay KHCN, đặc biệt các quy định về tài sản đảm bảo (TSĐB) linh hoạt hơn để tạo điều kiện tiếp cận vốn cho nhóm KH thu nhập trung bình và thấp.
  • Với Agribank Trung ương: Đẩy mạnh đầu tư hệ thống công nghệ thông tin; phát triển ứng dụng NH điện tử tích hợp cho phép tra cứu tiến độ hồ sơ vay trực tuyến.

Hạn chế và hướng phát triển

Hạn chế được thừa nhận:

  • Phạm vi nghiên cứu chỉ tại Hội sở – chưa mở rộng ra các phòng giao dịch và chi nhánh cấp dưới của Agribank Thừa Thiên Huế, hạn chế khả năng tổng quát hóa kết quả.
  • Dữ liệu thứ cấp chỉ đến hết năm 2018, chưa phản ánh biến động sau giai đoạn tái cơ cấu 2019–2020.
  • Cỡ mẫu 170 đáp ứng yêu cầu tối thiểu nhưng chưa đủ lớn để phân tích theo từng nhóm nhân khẩu học sâu hơn.
  • Nghiên cứu chưa tích hợp phân tích cạnh tranh định lượng với các NHTM khác trên địa bàn Thừa Thiên Huế.

Hướng phát triển tiếp theo:

  • Mở rộng phạm vi khảo sát toàn hệ thống Agribank Thừa Thiên Huế bao gồm các phòng giao dịch trực thuộc.
  • Tích hợp phân tích Net Promoter Score (NPS) để đo lường khả năng giới thiệu thương hiệu của KHCN.
  • Nghiên cứu tác động của chuyển đổi số (digital banking) đến trải nghiệm cho vay KHCN trong bối cảnh bình thường mới sau COVID-19.
  • Xây dựng mô hình dự báo nợ xấu bằng học máy (machine learning) dựa trên dữ liệu lịch sử giao dịch KHCN.

Đối tượng hưởng lợi

  • Sinh viên ngành Tài chính – Ngân hàng: Tiếp cận phương pháp luận nghiên cứu định lượng hoàn chỉnh từ thiết kế thang đo, chọn mẫu đến phân tích SPSS; có tài liệu tham khảo thực tế về áp dụng SERVPERF trong môi trường NH Việt Nam.
  • Nhân viên và quản lý Agribank: Hiểu rõ 6 chiều đánh giá chất lượng từ góc nhìn KHCN; xác định được nhân tố có hệ số Beta cao nhất để ưu tiên cải thiện nguồn lực.
  • Các NHTM cùng địa bàn Thừa Thiên Huế: Có benchmark so sánh thực trạng chất lượng dịch vụ; tham khảo bộ công cụ khảo sát 28 biến quan sát cho nghiên cứu nội bộ.
  • Nhà nghiên cứu học thuật: Cơ sở dữ liệu giai đoạn 2016–2018 và bộ thang đo SERVPERF mở rộng 6 nhân tố tại thị trường NH tỉnh Thừa Thiên Huế; nghiên cứu đặt nền tảng cho các công trình so sánh dọc theo thời gian.
  • KHCN tại Thừa Thiên Huế: Gián tiếp hưởng lợi khi các giải pháp được triển khai: thủ tục đơn giản hơn, lãi suất cạnh tranh hơn, nhân viên phục vụ chuyên nghiệp hơn.

Câu hỏi thường gặp

1. Kết quả nghiên cứu có tổng quát hóa được cho toàn hệ thống Agribank không? Nghiên cứu được thực hiện tại Hội sở duy nhất nên mang tính đặc thù địa phương. Để áp dụng rộng hơn cần nhân rộng khảo sát ra các chi nhánh khác và tăng cỡ mẫu lên ít nhất 500 phiếu.

2. Tại sao chọn SPSS 25.0 mà không dùng SmartPLS hoặc AMOS? SPSS 25.0 phù hợp với phương pháp phân tích EFA + hồi quy bội (OLS) truyền thống; SmartPLS phù hợp hơn cho mô hình cấu trúc PLS-SEM khi cỡ mẫu nhỏ, còn AMOS dành cho CB-SEM. Với 170 mẫu và mục tiêu đánh giá tác động nhân tố, SPSS là lựa chọn tối ưu về chi phí và tính phù hợp.

3. Mô hình hồi quy tuyến tính có vi phạm giả định không? Nghiên cứu đã kiểm tra phân phối chuẩn của phần dư (qua biểu đồ histogram và phân phối chuẩn P-P plot), kiểm định đa cộng tuyến qua hệ số VIF, đảm bảo mô hình đáp ứng các giả định cơ bản của hồi quy OLS.

4. Chi phí triển khai các giải pháp cải thiện ở mức nào? Giải pháp được phân thành hai nhóm: chi phí thấp – hiệu quả nhanh (đào tạo nhân viên, chuẩn hóa quy trình, điều chỉnh chính sách phí) và đầu tư trung – dài hạn (nâng cấp hạ tầng CNTT, cải tạo không gian giao dịch). Agribank nên ưu tiên nhóm đầu trong ngắn hạn để cải thiện NPS trước khi đầu tư hạ tầng.

5. Làm thế nào để đo lường hiệu quả sau khi triển khai giải pháp? Đề xuất thực hiện khảo sát lại bằng bộ thang đo 28 biến sau 6–12 tháng triển khai; so sánh điểm trung bình từng nhân tố trước và sau; theo dõi đồng thời tỷ lệ nợ quá hạn KHCN và tỷ lệ lợi nhuận từ cho vay KHCN để có đánh giá toàn diện.


Kết luận

Khóa luận "Nâng cao chất lượng dịch vụ cho vay khách hàng cá nhân tại Hội sở Agribank chi nhánh Thừa Thiên Huế" mang lại giá trị thực tiễn đa chiều. Về mặt lý luận, nghiên cứu đã thành công trong việc mở rộng mô hình SERVPERF phù hợp với đặc thù ngành NH Việt Nam bằng cách tích hợp nhân tố "Lãi suất và phí dịch vụ". Về mặt thực tiễn, bộ công cụ phân tích gồm 28 biến quan sát đo lường 6 nhân tố cùng với quy trình phân tích chuỗi Cronbach's Alpha → EFA → Pearson → Hồi quy đa biến trên SPSS 25.0 tạo ra một khung phân tích có thể tái sử dụng cho nhiều nghiên cứu tương tự.

Kết quả nghiên cứu cung cấp bằng chứng thực nghiệm xác định các nhân tố tác động đến sự hài lòng của KHCN, làm cơ sở để Hội sở Agribank chi nhánh Thừa Thiên Huế xây dựng lộ trình cải thiện chất lượng dịch vụ có trọng tâm, thay vì cải thiện dàn trải. Trong dài hạn, chất lượng dịch vụ được cải thiện sẽ tác động trực tiếp đến khả năng giữ chân và thu hút KHCN mới, từ đó đóng góp vào mục tiêu tăng trưởng dư nợ bền vững và nâng cao vị thế cạnh tranh của Agribank trên địa bàn tỉnh Thừa Thiên Huế.