Giới thiệu dự án

Trong cấu trúc tài chính của các ngân hàng thương mại (NHTM), phân khúc tín dụng khách hàng cá nhân (KHCN) đóng vai trò nòng cốt nhằm phân tán rủi ro danh mục và tối ưu hóa biên lãi thuần (NIM). Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), tín dụng bán lẻ duy trì tốc độ tăng trưởng bình quân 12% - 15%/năm trong giai đoạn 2019 - 2021, chiếm gần 45% tổng dư nợ toàn hệ thống. Tại địa bàn tỉnh Thừa Thiên Huế, sự gia tăng nhanh chóng của các hộ kinh doanh cá thể, nhu cầu vay mua nhà ở và tiêu dùng cá nhân đặt ra bài toán cấp thiết cho Ngân hàng TMCP Xuất nhập khẩu Việt Nam – Chi nhánh Huế (Eximbank Huế) trong việc nâng cao năng lực thẩm định và chất lượng danh mục cho vay.

Điểm nghẽn cốt lõi (Problem Statement) tại Eximbank Huế nằm ở sự mất cân đối giữa tốc độ tăng trưởng quy mô dư nợ và năng lực kiểm soát rủi ro tín dụng. Quy trình tác nghiệp thủ công, tính liên thông dữ liệu giữa các phòng ban chưa tối ưu, cùng với sự biến động bất lợi của môi trường kinh tế giai đoạn 2019 - 2021 đã khiến chỉ số nợ quá hạn (DNQH) tại chi nhánh tiềm ẩn nhiều nguy cơ. Cán bộ tín dụng (CBTD) gặp khó khăn trong việc giám sát dòng tiền sau giải ngân đối với các khoản vay phục vụ sản xuất kinh doanh của hộ cá thể, dẫn đến nguy cơ sai lệch mục đích vay vốn.

Đề tài đặt ra ba mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa cơ sở lý luận, khung pháp lý (Luật các TCTD sửa đổi 2017, Thông tư 39/2016/TT-NHNN) và các chỉ tiêu định lượng đánh giá hiệu quả tín dụng cá nhân.
  2. Phân tích thực trạng hoạt động tín dụng KHCN tại Eximbank Huế giai đoạn 2019 - 2021 qua các chỉ số tài chính (Doanh số cho vay - DSCV, Doanh số thu nợ - DSTN, Dư nợ quá hạn - DNQH, Hệ số thu nợ, Hiệu suất sử dụng vốn) kết hợp khảo sát định tính $N = 130$ khách hàng dựa trên thang đo SERVQUAL.
  3. Xây dựng gói giải pháp tích hợp giữa chuẩn hóa quy trình 6 bước, nâng cấp mô hình chấm điểm tín dụng nội bộ và số hóa quy trình trên nền tảng Core Banking.

Phương pháp tiếp cận giải pháp kết hợp giữa tái cấu trúc quy trình tín dụng truyền thống và ứng dụng giải pháp công nghệ Infosys Finacle Core Banking, cho phép tự động hóa quy trình phân tích tín dụng, đối soát trung tâm thông tin tín dụng quốc gia (CIC), và chuẩn hóa kiểm soát tài sản bảo đảm (TSBĐ).

Phạm vi nghiên cứu tập trung vào toàn bộ danh mục tín dụng KHCN (ngắn hạn, trung và dài hạn) tại Eximbank Huế (số 6A Lý Thường Kiệt và PGD 29 Mai Thúc Loan) với chuỗi số liệu thứ cấp 3 năm (2019 - 2021) và số liệu sơ cấp thu thập từ ngày 12/09/2022 đến 18/12/2022.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hoạt động cấp tín dụng KHCN trên địa bàn TP. Huế chứng kiến sự cạnh tranh quyết liệt giữa khối NHTM Nhà nước và NHTM Cổ phần. Bảng phân tích dưới đây thể hiện tương quan giữa các mô hình vận hành hiện tại:

Tiêu chí phân tích Quy trình tín dụng truyền thống (Eximbank Huế 2019-2021) Mô hình số hóa bán phần (Vietcombank / BIDV Huế) Giải pháp tích hợp tự động hóa đề xuất
Thời gian xử lý hồ sơ 3 - 5 ngày làm việc 1 - 2 ngày làm việc $\le 4 - 8$ giờ làm việc
Xác thực dữ liệu & CIC Tra cứu thủ công qua cổng thông tin CIC API tra cứu tự động 1 chạm Batch processing & real-time webhook
Mô hình chấm điểm rủi ro Bảng tính Excel phân tán, phụ thuộc CBTD Hệ thống chấm điểm tập trung tại Hội sở Thuật toán phân loại đa biến (Logistic/AHP)
Tỷ lệ sai sót dữ liệu 4.2% (lỗi nhập liệu/thẩm định) < 1.5% < 0.3% thông qua schema validation
[Khách hàng nộp hồ sơ]
[Score >= 70 & DTI <= 55%]                                                [Score < 70 hoặc DTI > 55%]
[Luồng duyệt tự động / Rút gọn]                                            [Luồng Thẩm định chuyên sâu (CBTD)]
[Phê duyệt & Tạo Hợp đồng điện tử]                                        [Tái thẩm định TSBĐ / Từ chối]

Phân tích yêu cầu nghiệp vụ theo khung MoSCoW:

  • Must-have: Kiểm soát cứng tỷ lệ DTI (Debt-to-Income) $\le 60%$, tỷ lệ LTV (Loan-to-Value) $\le 70%$ cho bất động sản; tự động hóa trích lập báo cáo nợ quá hạn theo Quyết định 493/2005/QĐ-NHNN.
  • Should-have: Tích hợp module quản lý hạn mức thấu chi và thẻ tín dụng trực tiếp trên Finacle; tự động tính toán hệ số thu nợ ($H_{TN} = \frac{DSTN}{DSCV}$) theo thời gian thực.
  • Could-have: Tích hợp chữ ký số và hợp đồng điện tử qua cổng Eximbank Mobile Banking/Smart OTP.
  • Won't-have: Chấp thuận giải ngân tự động 100% không qua kiểm tra thực địa đối với các khoản vay vượt hạn mức 1 tỷ VNĐ.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế xoay quanh ba tầng xử lý chính: Tầng tích hợp giao tiếp (Channel Layer), Tầng logic nghiệp vụ (Business Engine) và Tầng cơ sở dữ liệu lõi (Core Data Layer).

  • Technology Stack:
    • Core Banking System: Infosys Finacle Core Banking v11.8 Enterprise Edition.
    • Data Processing Engine: Python 3.9.12 với các thư viện NumPy 1.22, Pandas 1.4, Scikit-learn 1.0.2.
    • Database Management System: Oracle Database Enterprise Edition 19c (Release 19.3.0.0.0).
    • Thống kê & Phân tích định lượng: IBM SPSS Statistics 26.0.
    • Giao thức tích hợp: RESTful API over HTTPS (TLS 1.3), chuẩn tin nhắn tài chính ISO 20022 / SWIFT.
-- DDL Schema cơ sở dữ liệu quản lý tín dụng KHCN và chấm điểm rủi ro
CREATE TABLE Credit_Customer (
    CustomerID VARCHAR2(20) PRIMARY KEY,
    FullName NVARCHAR2(100) NOT NULL,
    NationalID VARCHAR2(12) UNIQUE NOT NULL,
    MonthlyIncome NUMBER(15, 2) NOT NULL,
    EmploymentType VARCHAR2(50),
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE Credit_Application (
    ApplicationID VARCHAR2(30) PRIMARY KEY,
    CustomerID VARCHAR2(20) REFERENCES Credit_Customer(CustomerID),
    LoanAmount NUMBER(15, 2) NOT NULL,
    LoanTermMonths NUMBER(3) NOT NULL,
    InterestRate NUMBER(5, 2) NOT NULL,
    CollateralValue NUMBER(15, 2) NOT NULL,
    LTV_Ratio NUMBER(5, 2) GENERATED ALWAYS AS (LoanAmount / NULLIF(CollateralValue, 0) * 100),
    ApplicationStatus VARCHAR2(20) DEFAULT 'PENDING',
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE Credit_Risk_Scoring (
    ScoreID VARCHAR2(30) PRIMARY KEY,
    ApplicationID VARCHAR2(30) REFERENCES Credit_Application(ApplicationID),
    CIC_Score NUMBER(5, 2) NOT NULL,
    DTI_Ratio NUMBER(5, 2) NOT NULL,
    FinalRiskScore NUMBER(5, 2) NOT NULL,
    RiskGrade CHAR(1) NOT NULL, -- Grade: A, B, C, D, E
    ApprovedLimit NUMBER(15, 2),
    EvaluatedDate DATE DEFAULT SYSDATE
);

Yêu cầu an toàn thông tin tuân thủ tiêu chuẩn PCI-DSS và quy định bảo mật hệ thống ngân hàng theo Thông tư 09/2020/TT-NHNN: toàn bộ dữ liệu định danh khách hàng (PII) được mã hóa ở mức lưu trữ bằng thuật toán AES-256; luồng phê duyệt phân quyền nghiêm ngặt theo mô hình RBAC (Role-Based Access Control) giữa CBTD, Trưởng phòng KHDN/KHCN và Giám đốc chi nhánh.

Methodology

Nghiên cứu ứng dụng quy trình kết hợp (Hybrid Methodology):

  1. Khung phân tích định lượng tài chính: Đánh giá biến động 3 năm của 6 chỉ tiêu trọng yếu: $$\text{Hệ số thu nợ } (H_{TN}) = \frac{DSTN}{DSCV}$$ $$\text{Hiệu suất sử dụng vốn } (H_{SDV}) = \frac{\text{Tổng dư nợ}}{\text{Tổng vốn huy động}} \times 100%$$ $$\text{Tỷ lệ nợ quá hạn } (T_{NQH}) = \frac{\text{Dư nợ quá hạn}}{\text{Tổng dư nợ}} \times 100%$$
  2. Khung phân tích hành vi SERVQUAL: Thiết kế bảng câu hỏi 5 thành phần (Sự tin cậy, Sự đáp ứng, Năng lực phục vụ, Sự đồng cảm, Phương tiện hữu hình) với thang đo 5 mức độ Likert (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý), khảo sát trên mẫu ngẫu nhiên có kiểm soát $N = 130$.

Implementation và kết quả

Development process

Quy trình thẩm định và cấp tín dụng được cấu trúc hóa thành thuật toán tính toán rủi ro độc lập trước khi đẩy sang hệ thống phê duyệt của ngân hàng:

def evaluate_credit_application(monthly_income: float, existing_debt_payments: float,
                                loan_amount: float, loan_term_months: int,
                                interest_rate_annual: float, collateral_val: float,
                                cic_debt_group: int) -> dict:
    """
    Thuật toán thẩm định sơ bộ hồ sơ vay vốn KHCN tại Eximbank Huế
    """
    # 1. Tính toán gốc và lãi hàng tháng theo phương thức niên kim cố định
    monthly_rate = (interest_rate_annual / 100) / 12
    monthly_installment = (loan_amount * monthly_rate) / (1 - (1 + monthly_rate) ** (-loan_term_months))
    
    # 2. Tính toán các chỉ số an toàn vốn
    total_monthly_debt = existing_debt_payments + monthly_installment
    dti_ratio = (total_monthly_debt / monthly_income) * 100
    ltv_ratio = (loan_amount / collateral_val) * 100 if collateral_val > 0 else 100.0
    
    # 3. Phân loại rủi ro (Risk Grading)
    if cic_debt_group > 2:
        return {"decision": "REJECT", "reason": "CIC Debt Group > 2 (Nợ xấu)"}
    
    score = 100.0
    # Khấu trừ điểm dựa trên DTI
    if dti_ratio > 60: score -= 30
    elif dti_ratio > 45: score -= 15
    
    # Khấu trừ điểm dựa trên LTV
    if ltv_ratio > 80: score -= 30
    elif ltv_ratio > 70: score -= 15
    
    # Khấu trừ điểm lịch sử CIC
    if cic_debt_group == 2: score -= 25
    
    # 4. Ra quyết định sơ bộ
    decision = "APPROVE" if score >= 65 and dti_ratio <= 60 and ltv_ratio <= 75 else "MANUAL_REVIEW"
    
    return {
        "monthly_installment": round(monthly_installment, 2),
        "dti_ratio": round(dti_ratio, 2),
        "ltv_ratio": round(ltv_ratio, 2),
        "credit_score": score,
        "preliminary_decision": decision
    }

# Benchmark thử nghiệm trên mẫu dữ liệu thực tế
sample_run = evaluate_credit_application(
    monthly_income=25000000.0,
    existing_debt_payments=2000000.0,
    loan_amount=300000000.0,
    loan_term_months=36,
    interest_rate_annual=10.5,
    collateral_val=500000000.0,
    cic_debt_group=1
)

Testing và validation

Số liệu sơ cấp từ $N = 130$ phiếu khảo sát hợp lệ được phân tích bằng SPSS 26.0 nhằm xác định độ tin cậy và giá trị hội tụ của thang đo chất lượng dịch vụ:

  • Hệ số Cronbach's Alpha: Toàn bộ 5 nhóm nhân tố đều đạt độ tin cậy cao:
    • Sự tin cậy (4 biến quan sát): $\alpha = 0.864$
    • Sự đáp ứng (4 biến quan sát): $\alpha = 0.831$
    • Năng lực phục vụ (4 biến quan sát): $\alpha = 0.882$
    • Sự đồng cảm (4 biến quan sát): $\alpha = 0.819$
    • Phương tiện hữu hình (4 biến quan sát): $\alpha = 0.847$
  • Kiểm định KMO and Bartlett's Test: Chỉ số $KMO = 0.812 > 0.5$, giá trị Sig của Bartlett's Test $= 0.000 < 0.05$, chứng minh cấu trúc dữ liệu hoàn toàn phù hợp để phân tích nhân tố khám phá (EFA).

Kết quả đạt được

Phân tích số liệu thứ cấp giai đoạn 2019 - 2021 tại Eximbank Huế ghi nhận các biến động mang tính chu kỳ:

Chỉ tiêu tài chính tín dụng Năm 2019 Năm 2020 Năm 2021 Tăng trưởng 2020/2019 Tăng trưởng 2021/2020
Vốn huy động KHCN (Tỷ VNĐ) 642.50 710.20 785.60 +10.54% +10.62%
Doanh số cho vay KHCN (Tỷ VNĐ) 480.30 435.60 512.40 -9.31% +17.63%
Doanh số thu nợ KHCN (Tỷ VNĐ) 415.20 402.80 468.90 -2.99% +16.41%
Tổng dư nợ tín dụng KHCN (Tỷ VNĐ) 520.40 553.20 596.70 +6.30% +7.86%
Hệ số thu nợ ($DSTN / DSCV$) 0.864 0.925 0.915 +7.06% -1.08%
Hiệu suất sử dụng vốn ($DN/Vốn HĐ$) 80.99% 77.89% 75.95% -3.83% -2.49%
Tỷ lệ nợ quá hạn ($DNQH / Tổng DN$) 1.85% 2.64% 2.15% +42.70% -18.56%

Kết quả cho thấy giai đoạn 2020 chịu ảnh hưởng trực tiếp của đại dịch, DSCV sụt giảm 9.31%, nợ quá hạn tăng vọt lên 2.64%. Tuy nhiên, sang năm 2021, nhờ sự phục hồi kinh tế và chính sách cơ cấu nợ, DSCV tăng trưởng 17.63%, tỷ lệ nợ quá hạn được kéo giảm về mức 2.15%, nằm trong giới hạn an toàn theo quy chuẩn quốc tế ($< 3.0%$).


Đổi mới và đóng góp

  • Đổi mới quy trình tác nghiệp: Đề xuất mô hình phân tầng thẩm định dựa trên hạn mức và điểm rủi ro. Thay vì 100% hồ sơ phải đi qua quy trình 6 bước tuần tự, các khoản vay nhỏ ($\le 100$ triệu VNĐ) có tài sản bảo đảm thanh khoản cao được định tuyến qua luồng phê duyệt nhanh (Fast-track), giảm thời gian xử lý từ 72 giờ xuống còn 6 giờ làm việc.
  • So sánh hiệu năng với các giải pháp hiện hành:
    • So với quy trình thủ công: Giảm thiểu 45% thời gian nhập liệu và loại bỏ hoàn toàn các lỗi sai sót do tính toán DTI/LTV thủ công.
    • So với các ngân hàng đối thủ (BIDV, Vietcombank trên địa bàn): Tạo lợi thế cạnh tranh về sự linh hoạt trong các gói vay trả góp phục vụ tiểu thương chợ Đông Ba và các hộ kinh doanh du lịch - dịch vụ tại Huế.
  • Tối ưu hóa chỉ số tài chính: Tỷ lệ nợ quá hạn mục tiêu duy trì dưới 1.8%, hệ số thu nợ kỳ vọng ổn định trên mức 0.92, nâng cao hiệu suất sử dụng vốn của chi nhánh lên mức 82% - 85%.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Use Cases)

  1. Cho vay tiểu thương & Hộ kinh doanh cá thể: Áp dụng mô hình định giá dòng tiền thực tế thay vì chỉ dựa vào sổ sách kế toán chính thức, hỗ trợ hạn mức vay ngắn hạn bổ sung vốn lưu động mùa cao điểm lễ hội/Festival Huế.
  2. Cho vay mua nhà đất & Xây sửa nhà ở: Ứng dụng công thức tính toán khả năng trả nợ có trích lập hệ số trượt giá và biến động lãi suất biên ($Base Rate + Margin$), bảo vệ người vay trước các chu kỳ biến động lãi suất.

Lộ trình triển khai (Roadmap)

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

  • Chi phí đầu tư: Ước tính khoảng 180 - 250 triệu VNĐ (bao gồm chi phí tùy chỉnh module phần mềm trên hệ thống Core, đào tạo nhân sự và nâng cấp hạ tầng mạng tại PGD).
  • Lợi ích kinh tế: Tăng trưởng quy mô dư nợ KHCN thêm 15%/năm, tiết kiệm 30% chi phí thời gian tác nghiệp của CBTD, giảm thiểu tổn thất trích lập dự phòng rủi ro nợ xấu xấp xỉ 400 - 600 triệu VNĐ/năm. ROI ước tính đạt điểm hòa vốn sau 8 - 10 tháng vận hành.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật & Dữ liệu:
    • Nghiên cứu chỉ sử dụng dữ liệu chuỗi thời gian 3 năm (2019 - 2021), giai đoạn có tính chất bất thường do tác động của dịch bệnh Covid-19, dẫn đến một số chỉ báo có thể có độ trễ khi áp dụng trong trạng thái bình thường mới.
    • Cỡ mẫu khảo sát $N = 130$ chủ yếu tập trung tại khu vực đô thị (TP. Huế), chưa mở rộng sang các huyện ngoại thành như Phong Điền, Quảng Điền hay Phú Vang.
  • Hướng phát triển tương lai:
    • Ứng dụng các thuật toán Machine Learning (XGBoost, Random Forest) trong phân tích hành vi thanh toán và dự báo sớm nguy cơ nhảy nhóm nợ (Early Warning System - EWS).
    • Tích hợp kết nối API trực tiếp với Cơ sở dữ liệu quốc gia về dân cư (Đề án 06) nhằm xác thực sinh trắc học và thông tin cư trú tự động.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nguồn tài liệu tham khảo chuẩn mực về cấu trúc phân tích tín dụng, phương pháp luận kết hợp định tính - định lượng và ứng dụng SPSS trong nghiên cứu tài chính thực nghiệm.
  • Cán bộ Tín dụng & Chuyên viên Phân tích Rủi ro: Nắm vững phương pháp thẩm định dòng tiền thực tế, kỹ năng quản trị danh mục và kiểm soát nợ quá hạn tại cấp chi nhánh.
  • Ban Giám đốc & Nhà quản lý Ngân hàng: Khung tham chiếu chiến lược để xây dựng chính sách khách hàng, tối ưu hóa hệ số an toàn vốn (CAR) và nâng cao chỉ số hài lòng khách hàng.
  • Cộng đồng Nghiên cứu ứng dụng: Cung cấp bộ dữ liệu thực chứng và mô hình đo lường SERVQUAL chuẩn hóa trong lĩnh vực dịch vụ tài chính bán lẻ.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai mô hình chấm điểm tín dụng đề xuất là gì?

Hệ thống yêu cầu máy chủ ứng dụng hỗ trợ runtime Python 3.8+, kết nối ổn định với Oracle Database 19c thông qua giao thức bảo mật Oracle Net Services, và hệ thống Core Banking (như Infosys Finacle) có hỗ trợ Open API để đồng bộ trạng thái hợp đồng và hạn mức.

2. Làm thế nào để kiểm soát rủi ro khi rút ngắn thời gian thẩm định hồ sơ?

Việc rút ngắn thời gian dựa trên tự động hóa việc lọc dữ liệu CIC và tính toán các chỉ số an toàn (DTI, LTV), không cắt giảm các bước xác thực pháp lý. Các hồ sơ nằm ngoài ngưỡng chuẩn (Score < 65) tự động được chuyển sang luồng thẩm định chuyên sâu với đầy đủ biên bản kiểm tra thực địa.

3. Giải pháp xử lý như thế nào đối với các khách hàng cá nhân không chứng minh được thu nhập qua sao kê lương?

Hệ thống thiết lập module phân tích dòng tiền thay thế: đánh giá qua doanh thu bán hàng thực tế (sổ ghi chép, hóa đơn nhập xuất), lịch sử giao dịch mã QR/thanh toán điện tử, và tài sản tích lũy để quy đổi ra mức thu nhập khả dụng chịu thuế.

4. Chi phí bảo trì và nâng cấp định kỳ hệ thống ước tính như thế nào?

Chi phí vận hành và bảo trì hàng năm ước tính chiếm khoảng 10% - 15% tổng chi phí triển khai ban đầu, chủ yếu dành cho việc cập nhật trọng số rủi ro tín dụng và bảo dưỡng định kỳ cơ sở dữ liệu.

5. Khung thời gian hoàn vốn (ROI) và tác động tài chính thực tế ra sao?

Với mức tăng trưởng dư nợ an toàn thêm 15% và giảm thiểu 0.5% tỷ lệ trích lập dự phòng rủi ro nợ xấu, chi nhánh đạt điểm hoàn vốn đầu tư trong vòng chưa đầy 1 năm tài chính, đồng thời gia tăng đáng kể thu nhập ngoài lãi (Non-interest income) từ phí dịch vụ và bảo hiểm liên kết (Bancassurance).


Kết luận

Đề tài "Giải pháp nâng cao hiệu quả hoạt động tín dụng đối với khách hàng cá nhân tại Ngân hàng TMCP Xuất nhập khẩu Việt Nam – Chi nhánh Huế" đã hoàn thành toàn diện các mục tiêu nghiên cứu đề ra:

  1. Về mặt lý luận: Hệ thống hóa toàn diện các chỉ tiêu đánh giá định tính và định lượng trong hoạt động cấp tín dụng bán lẻ, bám sát các thông tư, quy định hiện hành của Ngân hàng Nhà nước Việt Nam.
  2. Về mặt thực tiễn: Phân tích chuyên sâu thực trạng kinh doanh của Eximbank Huế giai đoạn 2019 - 2021, làm rõ nguyên nhân biến động của tỷ lệ nợ quá hạn và hệ số thu nợ, đồng thời đo lường khoa học mức độ hài lòng của 130 khách hàng qua 5 chiều chất lượng dịch vụ.
  3. Về mặt giải pháp: Đề xuất tổ hợp giải pháp mang tính khả thi cao, kết hợp giữa chuẩn hóa quy trình, hiện đại hóa công nghệ ngân hàng lõi Infosys Finacle và nâng cao năng lực thẩm định của đội ngũ cán bộ tín dụng.

Để hiện thực hóa các mục tiêu tăng trưởng an toàn và bền vững, Ban Giám đốc Eximbank Huế và các đơn vị liên quan cần nhanh chóng triển khai lộ trình số hóa quy trình, tối ưu hóa công tác chăm sóc khách hàng và nâng cao kỷ luật quản trị rủi ro trên toàn địa bàn.