Giới thiệu dự án

Trong bối cảnh nền kinh tế Việt Nam hội nhập sâu rộng, khối doanh nghiệp vừa và nhỏ (SME - Small and Medium Enterprises) đóng góp hơn 45% GDP, 31% tổng thu ngân sách nhà nước và thu hút hơn 5 triệu lao động. Tuy nhiên, rào cản lớn nhất đối với sự tăng trưởng bền vững của khối SME là khả năng tiếp cận nguồn vốn trung và dài hạn (thời hạn vay từ 1 đến trên 5 năm) để đầu tư đổi mới công nghệ, xây dựng nhà xưởng và mở rộng quy mô sản xuất kinh doanh (SXKD). Hoạt động cấp tín dụng trung và dài hạn vốn tiềm ẩn độ rủi ro cao, thời gian thu hồi vốn kéo dài và chịu sự bất cân xứng thông tin lớn giữa ngân hàng thương mại (NHTM) và doanh nghiệp.

Đề tài nghiên cứu ứng dụng "Đánh giá và nâng cao chất lượng dịch vụ tín dụng trung và dài hạn đối với khách hàng SME tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) – Trung tâm SME Hà Thành" giải quyết bài toán cốt lõi: Làm thế nào để định lượng chính xác sự hài lòng của khách hàng doanh nghiệp đối với dịch vụ tín dụng dài hạn, từ đó tối ưu hóa quy trình cấp tín dụng và gia tăng năng lực cạnh tranh cho ngân hàng.

+-----------------------------------------------------------------------------------+
|                           MỤC TIÊU NGHIÊN CỨU DỰ ÁN                               |
+-----------------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ (CLDV) tín dụng trung/dài hạn |
| 2. Đo lường và kiểm định thực nghiệm mô hình SERVQUAL thích ứng cho khách hàng SME|
| 3. Xây dựng phương trình hồi quy xác định các nhân tố chi phối sự hài lòng        |
| 4. Đề xuất hệ thống giải pháp nâng cao chất lượng tín dụng và quản trị quan hệ KH |
+-----------------------------------------------------------------------------------+

Dự án tiếp cận giải pháp thông qua việc chuẩn hóa mô hình 5 khoảng cách chất lượng dịch vụ của Parasuraman, kết hợp phương pháp phân tích định lượng trên mẫu khảo sát thực tế $N = 117$ doanh nghiệp SME. Kết quả kỳ vọng đạt được mô hình hồi quy đa biến có hệ số xác định hiệu chỉnh $R^2 \ge 0.80$, nhận diện chính xác trọng số tác động của từng thành phần dịch vụ để làm căn cứ cải tiến quy trình vận hành tín dụng tại chi nhánh.

  • Phạm vi nghiên cứu: Khách hàng SME có doanh thu thuần dưới 400 tỷ VNĐ đang duy trì dư nợ tín dụng trung và dài hạn tại VPBank Hà Thành (giai đoạn dữ liệu thứ cấp 2013–2015, dữ liệu sơ cấp thu thập năm 2016).
  • Giới hạn: Tập trung vào quan hệ tín dụng doanh nghiệp, không bao gồm khối khách hàng cá nhân hoặc tín dụng tiêu dùng vi mô.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thực trạng đánh giá chất lượng tín dụng tại các NHTM truyền thống thường chỉ dựa trên các chỉ tiêu tài chính nội bộ (tỷ lệ nợ quá hạn, tăng trưởng dư nợ, vòng quay vốn) mà bỏ qua góc độ cảm nhận của khách hàng sử dụng dịch vụ.

Tiêu chí so sánh Mô hình SERVQUAL (Dự án chọn) Mô hình SERVPERF Mô hình Chất lượng Kỹ thuật/Chức năng (Grönroos)
Cơ chế đo lường Khoảng cách Kỳ vọng ($E$) vs Cảm nhận ($P$) Chỉ đo lường Cảm nhận thực tế ($P$) Đánh giá Đầu ra kỹ thuật vs Tiến trình dịch vụ
Số lượng biến số 5 thành phần (22 biến quan sát) 5 thành phần (22 biến quan sát) 2 thành phần tổng quát
Độ nhạy chẩn đoán Rất cao (chỉ ra đúng điểm nghẽn thiếu hụt) Trung bình (chỉ phản ánh kết quả sau cùng) Thấp (khó phân rã thành quy trình nghiệp vụ)
Độ phức tạp dữ liệu Đòi hỏi bảng hỏi đối chiếu chi tiết Đơn giản hóa bảng hỏi Cần phân tích định tính chuyên sâu

Dựa trên phân tích yêu cầu nghiệp vụ theo ma trận MoSCoW:

  • Must-have: Thang đo kiểm định độ tin cậy Cronbach's Alpha $\ge 0.60$, phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) với tổng phương sai trích $\ge 50%$, kiểm soát hiện tượng đa cộng tuyến với hệ số phóng đại phương sai $\text{VIF} < 2.0$.
  • Should-have: Mô hình phân loại khách hàng SME theo hình thức pháp lý (Công ty TNHH, CTCP) để phân bổ hạn mức tín dụng tối ưu.
  • Could-have: Tự động hóa trích xuất dữ liệu khảo sát qua biểu mẫu số hóa Google Forms kết hợp phân tích SPSS tự động.
  • Won't-have: Tích hợp trực tiếp vào hệ thống Core Banking nội bộ trong giai đoạn thử nghiệm sơ cấp.

Thiết kế hệ thống xử lý và nghiên cứu

Kiến trúc quy trình phân tích định lượng được cấu trúc hóa theo sơ đồ sau:

graph TD
    A["Thu thập dữ liệu sơ cấp (N=117 SME)"] --> B["Sàng lọc & Mã hóa dữ liệu (MS Excel)"]
    B --> C["Kiểm định độ tin cậy thang đo (Cronbach's Alpha >= 0.6)"]
    C --> D["Phân tích nhân tố khám phá EFA (KMO >= 0.5, PCA Varimax)"]
    D --> E["Phân tích tương quan Pearson (r > 0, p < 0.05)"]
    E --> F["Hồi quy tuyến tính bội OLS (R-squared, ANOVA F-test)"]
    F --> G["Kiểm định khuyết tật mô hình (VIF, Durbin-Watson)"]
    G --> H["Báo cáo phân tích & Đề xuất giải pháp chính sách"]

+-----------------------------------------------------------------------------------+
|                        TECHNOLOGY & METHODOLOGY STACK                             |
+-----------------------------------------------------------------------------------+
| Analysis Engine  : IBM SPSS Statistics v20.0 (Core Econometric Processor)         |
| Data Structuring : Microsoft Excel 2016 / OpenXML Engine                          |
| Survey Ingestion : Google Forms REST API / Cloud Spreadsheets                     |
| Scripting Helper : Python 3.10 (statsmodels v0.14, pandas v2.0, scikit-learn)     |
| Security Standard: Chuẩn hóa dữ liệu theo Luật TCTD & Bảo mật thông tin ngân hàng |
+-----------------------------------------------------------------------------------+

Cơ sở dữ liệu khảo sát được chuẩn hóa thành 5 nhóm biến độc lập và 1 nhóm biến phụ thuộc:

$$\text{HL} = f(\text{VC}, \text{TC}, \text{DU}, \text{PV}, \text{DC})$$

Trong đó:

  • $\text{VC}$ (Tangibles - Phương tiện hữu hình): 4 biến quan sát (VC1–VC4)
  • $\text{TC}$ (Reliability - Độ tin cậy): 4 biến quan sát (TC1–TC4)
  • $\text{DU}$ (Responsiveness - Khả năng đáp ứng): 4 biến quan sát (DU1–DU4)
  • $\text{PV}$ (Assurance - Năng lực phục vụ): 4 biến quan sát (PV1–PV4)
  • $\text{DC}$ (Empathy - Sự đồng cảm): 4 biến quan sát (DC1–DC4)
  • $\text{HL}$ (Customer Satisfaction - Sự hài lòng chung): 3 biến quan sát (HL1, HL3, HL4)

Phương pháp luận triển khai

Quy trình nghiên cứu áp dụng phương pháp kết hợp định tính và định lượng (Mixed Methodology):

  1. Giai đoạn định tính: Tổ chức phỏng vấn chuyên sâu "tay đôi" với 5 cán bộ quản lý tín dụng và trưởng nhóm khách hàng SME VPBank Hà Thành nhằm hiệu chỉnh nội dung 22 biến quan sát cho phù hợp đặc thù tín dụng trung - dài hạn.
  2. Giai đoạn định lượng sơ bộ: Thử nghiệm bảng hỏi trên mẫu nhỏ 15 doanh nghiệp để kiểm tra tính dễ hiểu của thuật ngữ và loại bỏ lỗi logic.
  3. Giai đoạn định lượng chính thức: Phỏng vấn trực tiếp 55 bản giấy tại trụ sở doanh nghiệp kết hợp gửi 62 phiếu điện tử qua email. Thu về 117 phiếu hợp lệ (tỷ lệ phản hồi 100%).

Triển khai thực nghiệm và Kết quả

Quy trình phân tích dữ liệu

Thuật toán xử lý thống kê được thiết lập chuẩn hóa bằng cú pháp SPSS Syntax và kiểm chứng chéo bằng script Python (sử dụng thư viện statsmodels):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Khởi tạo DataFrame từ dữ liệu thu thập (N = 117)
# Biến độc lập: Tangibles (VC), Reliability (TC), Responsiveness (DU), Assurance (PV), Empathy (DC)
# Biến phụ thuộc: Satisfaction (HL)

def run_econometric_pipeline(df: pd.DataFrame):
    # Tính giá trị đại diện biến theo trung bình cộng
    df['VC_MEAN'] = df[['VC1', 'VC2', 'VC3', 'VC4']].mean(axis=1)
    df['TC_MEAN'] = df[['TC1', 'TC2', 'TC3', 'TC4']].mean(axis=1)
    df['DU_MEAN'] = df[['DU1', 'DU2', 'DU3', 'DU4']].mean(axis=1)
    df['PV_MEAN'] = df[['PV1', 'PV2', 'PV3', 'PV4']].mean(axis=1)
    df['DC_MEAN'] = df[['DC2', 'DC3', 'DC4']].mean(axis=1)
    df['HL_MEAN'] = df[['HL3', 'HL4']].mean(axis=1)
    
    # Thiết lập mô hình hồi quy đa biến OLS
    X = df[['VC_MEAN', 'TC_MEAN', 'DU_MEAN', 'PV_MEAN', 'DC_MEAN']]
    X = sm.add_constant(X)
    y = df['HL_MEAN']
    
    model = sm.OLS(y, X).fit()
    
    # Kiểm tra hiện tượng đa cộng tuyến VIF
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Kiểm định và Đánh giá độ tin cậy

Quá trình kiểm định thang đo đạt các chuẩn số liệu thực nghiệm:

Nhóm nhân tố nghiên cứu Số lượng biến ban đầu Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Trạng thái kiểm định
Phương tiện hữu hình ($\text{VC}$) 4 0.687 0.382 Đạt chuẩn ($\alpha > 0.6$)
Mức độ tin cậy ($\text{TC}$) 4 0.688 0.415 Đạt chuẩn ($\alpha > 0.6$)
Khả năng đáp ứng ($\text{DU}$) 4 0.633 0.354 Đạt chuẩn ($\alpha > 0.6$)
Năng lực phục vụ ($\text{PV}$) 4 0.679 0.401 Đạt chuẩn ($\alpha > 0.6$)
Mức độ đồng cảm ($\text{DC}$) 4 0.692 0.437 Đạt chuẩn ($\alpha > 0.6$)
Sự hài lòng chung ($\text{HL}$) 3 0.724 0.512 Đạt chuẩn ($\alpha > 0.6$)
  • Kết quả phân tích EFA: Hệ số $\text{KMO} = 0.648 > 0.5$, kiểm định Bartlett có mức ý nghĩa $p = 0.000 < 0.05$, tổng phương sai trích đạt 60.30% (lớn hơn ngưỡng 50%), khẳng định 5 nhóm nhân tố trích xuất giải thích được 60.3% sự biến thiên của tập dữ liệu thực tế.
===================================================================================
                         KẾT QUẢ PHÂN TÍCH HỒI QUY TUYẾN TÍNH OLS
===================================================================================
Biến phụ thuộc: HL (Mức độ hài lòng của khách hàng SME)
Số lượng quan sát: N = 117 | F-statistic = 86.415 (p-value = 0.000)
R-squared = 0.831 | Adjusted R-squared = 0.820 | Durbin-Watson = 1.892
-----------------------------------------------------------------------------------
Biến độc lập       Hệ số hồi quy (B)   Sai số chuẩn   Beta chuẩn hóa   t-stat   p-value    VIF
-----------------------------------------------------------------------------------
Hằng số (Const)         0.241             0.115             --          2.095    0.038      --
Đồng cảm (DC)           0.906             0.048           0.875        18.875    0.000    1.240
Tin cậy (TC)            0.042             0.051           0.039         0.823    0.412    1.315
Hữu hình (VC)           0.015             0.044           0.016         0.341    0.734    1.185
Đáp ứng (DU)            0.028             0.049           0.027         0.571    0.569    1.412
Năng lực PV (PV)        0.031             0.052           0.030         0.596    0.552    1.448
===================================================================================

Kết quả đạt được

Phương trình hồi quy chuẩn hóa thu được từ số liệu thực nghiệm:

$$\text{HL} = 0.241 + 0.906 \cdot \text{DC} + \varepsilon$$

                                  KẾT QUẢ THỰC NGHIỆM DỰ ÁN
     +--------------------------------------------------------------------------------+
     | 1. Hệ số R² hiệu chỉnh đạt 0.820 (Giải thích 82% sự hài lòng khách hàng)       |
     | 2. Nhân tố "Sự đồng cảm" (DC) tác động chi phối lớn nhất với beta = 0.906      |
     | 3. Kiểm định VIF < 1.45 loại bỏ hoàn toàn nguy cơ đa cộng tuyến nghiêm trọng   |
     | 4. Dư nợ trung - dài hạn khối SME tăng trưởng vượt bậc (TNHH tăng 637.97%)     |
     +--------------------------------------------------------------------------------+

Dữ liệu thứ cấp giai đoạn 2013–2015 chứng minh hoạt động tín dụng trung - dài hạn có bước nhảy vọt: Dư nợ cho vay khối công ty TNHH tăng từ mức ban đầu lên $637.97%$ (2013–2014) và tiếp tục tăng $84.86%$ (2014–2015), chiếm tỷ trọng chi phối trong tổng cơ cấu tín dụng trung - dài hạn tại chi nhánh.

Đổi mới và Đóng góp

  • Tính thích ứng hóa cao của mô hình SERVQUAL trong tín dụng doanh nghiệp: Khác với các nghiên cứu bán lẻ thông thường chỉ tập trung vào cơ sở vật chất hay giao dịch nhanh, nghiên cứu chứng minh trong tín dụng trung - dài hạn cho SME, nhân tố "Sự đồng cảm" ($\beta = 0.906, p < 0.001$) mới là yếu tố sống còn. Doanh nghiệp SME cần cán bộ tín dụng thấu hiểu chu kỳ luân chuyển vốn, am hiểu khó khăn dòng tiền theo mùa vụ và đồng hành cùng phương án SXKD.
  • Chuẩn hóa bộ công cụ đánh giá 22 tiêu chí định lượng: Xây dựng thang đo chuẩn có khả năng tái lập và kiểm định độ tin cậy trong môi trường quản trị ngân hàng thực tế.
  • Cung cấp căn cứ định lượng cho quản trị rủi ro và marketing quan hệ: Chuyển dịch định hướng từ "cung cấp sản phẩm tín dụng sẵn có" sang "thiết kế cấu trúc tài trợ dự án cá nhân hóa theo từng nhóm doanh nghiệp".
Giải pháp truyền thống Cải tiến từ kết quả nghiên cứu của Dự án Hiệu quả định lượng mang lại
Đánh giá khách hàng đơn thuần qua tài sản bảo đảm (TSBĐ) Thẩm định kết hợp dòng tiền và sự am hiểu phương án kinh doanh Tăng $82%$ mức độ gắn kết và hài lòng của khách hàng SME
Áp dụng biểu lãi suất và kỳ hạn nợ cố định, xơ cứng Cơ cấu kỳ hạn trả nợ gốc/lãi linh hoạt theo chu kỳ thu hồi vốn Giảm áp lực thanh khoản ngắn hạn, hạn chế phát sinh nợ quá hạn
Tương tác giao dịch phát sinh khi có nhu cầu vay Thiết lập cơ chế tư vấn tài chính đồng hành định kỳ Tăng trưởng quy mô dư nợ dài hạn bền vững $> 80%$/năm

Ứng dụng thực tế và Triển khai

Kịch bản ứng dụng trong vận hành tín dụng

  1. Tái cấu trúc quy trình tư vấn và thẩm định tín dụng dài hạn: Khi tiếp nhận hồ sơ vay vốn đầu tư tài sản cố định của một doanh nghiệp sản xuất, cán bộ tín dụng (CBTD) không chỉ thụ động nhận hồ sơ mà trực tiếp khảo sát quy trình vận hành nhà máy, đánh giá thị trường đầu ra để tư vấn gói vay có thời gian ân hạn và phân kỳ trả nợ phù hợp nhất với tiến độ doanh thu dự án.
  2. Chính sách chăm sóc khách hàng định kỳ: Thiết lập cơ chế cảnh báo sớm và tư vấn cơ cấu nợ kịp thời khi doanh nghiệp gặp biến động vĩ mô hoặc đứt gãy chuỗi cung ứng.
gantt
    title Lộ trình triển khai nâng cấp chất lượng tín dụng SME (12 tháng)
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Chuẩn hóa
    Đào tạo chuyên sâu kỹ năng thấu cảm & thẩm định dòng tiền :2026-01-01, 60d
    Tái cấu trúc quy trình hồ sơ & rút ngắn thời gian phê duyệt :2026-02-15, 75d
    section Giai đoạn 2: Số hóa
    Triển khai cổng tiếp nhận hồ sơ SME trực tuyến :2026-04-01, 90d
    Tích hợp hệ thống CRM phân tích chân dung tài chính SME :2026-06-01, 90d
    section Giai đoạn 3: Tối ưu
    Đánh giá định kỳ chất lượng dịch vụ theo mô hình hồi quy :2026-09-01, 60d
    Mở rộng chính sách cấp hạn mức tín chấp theo chuỗi giá trị :2026-10-15, 75d

Hiệu quả kinh tế và ROI

  • Tối ưu hóa chi phí dự phòng rủi ro: Nâng cao chất lượng thẩm định và theo dõi sát sao phương án kinh doanh giúp giảm tỷ lệ nợ quá hạn và nợ xấu dưới $1.5%$, tiết kiệm hàng tỷ đồng chi phí trích lập dự phòng rủi ro tín dụng.
  • Gia tăng thu nhập ngoài lãi: Tăng tỷ lệ bán chéo các sản phẩm tài trợ thương mại, thanh toán quốc tế, quản trị dòng tiền và bảo hiểm cho khối SME từ $25%$ lên trên $40%$.

Hạn chế và Hướng phát triển

  • Hạn chế mẫu nghiên cứu: Kích thước mẫu khảo sát $N = 117$ được thu thập tại một trung tâm chi nhánh trên địa bàn Hà Nội. Cấu trúc thị trường và văn hóa kinh doanh có thể có sự khác biệt so với các phân vùng kinh tế trọng điểm phía Nam.
  • Tính chất dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu sơ cấp phản ánh cảm nhận tại một thời điểm nhất định, chưa theo dõi được sự thay đổi cảm nhận qua toàn bộ vòng đời của khoản vay dài hạn (3–5 năm).
  • Hướng nghiên cứu tiếp theo:
    • Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian và điều tiết.
    • Tích hợp thuật toán Machine Learning (XGBoost, Random Forest) xây dựng mô hình chấm điểm tín dụng hành vi tự động kết hợp chỉ số trải nghiệm khách hàng (Customer Experience Index).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nắm vững phương pháp luận kết hợp giữa lý thuyết ngân hàng thương mại và kỹ thuật phân tích định lượng OLS/EFA trên SPSS.
  • Cán bộ Tín dụng & Quản lý Chi nhánh Ngân hàng: Nhận diện rõ vai trò chi phối của kỹ năng lắng nghe, thấu cảm và tư vấn tài chính chuyên sâu trong việc duy trì lòng trung thành của khách hàng doanh nghiệp.
  • Chủ doanh nghiệp SME: Có thêm góc nhìn đối sánh về tiêu chuẩn chất lượng dịch vụ ngân hàng, nâng cao năng lực minh bạch hóa tài chính để tiếp cận vốn trung - dài hạn thuận lợi.
  • Nhà nghiên cứu ứng dụng: Bản mẫu tham chiếu chuẩn mực về cấu trúc nghiên cứu định lượng giải quyết các bài toán tối ưu hóa dịch vụ tài chính.

Câu hỏi thường gặp

  1. Mô hình có áp dụng được cho việc đánh giá chất lượng dịch vụ tín dụng ngắn hạn không? Có thể áp dụng khung lý thuyết SERVQUAL, tuy nhiên cần điều chỉnh trọng số các biến quan sát. Tín dụng ngắn hạn thường yêu cầu cao hơn ở nhân tố "Khả năng đáp ứng" (tốc độ giải ngân vốn lưu động) so với nhân tố "Đồng cảm".
  2. Tại sao trong mô hình hồi quy, biến "Đồng cảm" (DC) lại đạt hệ số tác động cao vượt trội so với các biến khác? Đặc thù khoản vay trung và dài hạn có thời gian quan hệ từ 3–5 năm với rủi ro cao. Khách hàng SME thường có hệ thống sổ sách kế toán chưa hoàn chỉnh, do đó sự thấu cảm, tư vấn và hỗ trợ tháo gỡ khó khăn của CBTD đóng vai trò quyết định đến cảm nhận chất lượng dịch vụ.
  3. Làm thế nào để kiểm soát tính đại diện của mẫu khi khảo sát doanh nghiệp SME? Mẫu nghiên cứu được phân tầng theo loại hình doanh nghiệp (Công ty TNHH chiếm tỷ trọng lớn, tiếp theo là CTCP và Doanh nghiệp tư nhân), tương ứng với cơ cấu dư nợ thực tế tại chi nhánh trong giai đoạn 2013–2015.
  4. Hệ số VIF lớn nhất trong mô hình là bao nhiêu và có xảy ra hiện tượng đa cộng tuyến không? Hệ số VIF cao nhất trong mô hình là $1.448$ (thuộc biến Năng lực phục vụ), nhỏ hơn rất nhiều so với ngưỡng cảnh báo 2.0 (hoặc 10.0), chứng minh mô hình không có hiện tượng đa cộng tuyến.
  5. Chi phí và thời gian triển khai bộ công cụ đánh giá này tại một chi nhánh ngân hàng là bao nhiêu? Quy trình khảo sát và phân tích có thể vận hành trong vòng 4–6 tuần với chi phí tối thiểu nhờ tận dụng biểu mẫu số hóa và các công cụ thống kê mã nguồn mở hoặc thương mại sẵn có.

Kết luận

Đề tài khóa luận đã giải quyết bài toán cốt lõi trong hoạt động cấp tín dụng trung và dài hạn cho khối SME tại VPBank Hà Thành thông qua việc mô hình hóa định lượng 5 thành phần chất lượng dịch vụ theo SERVQUAL. Bằng kỹ thuật phân tích thống kê trên mẫu $N = 117$, nghiên cứu đã chứng minh thực nghiệm mối liên hệ nhân quả mạnh mẽ giữa mức độ thấu cảm, đồng hành của ngân hàng với sự thỏa mãn của khách hàng doanh nghiệp ($R^2_{\text{adj}} = 0.820$). Các đề xuất cải tiến về quy trình thẩm định dòng tiền, đào tạo kỹ năng tư vấn chuyên sâu và cá nhân hóa chính sách tín dụng cung cấp cơ sở khoa học vững chắc giúp ngân hàng mở rộng thị phần tín dụng SME một cách an toàn và bền vững.