Nghiên cứu những thuộc tính của ngân hàng quyết định đến chất lượng sản phẩm tín dụng hỗ trợ sản xuất kinh doanh cho khách hàng cá nhân tại ngân hàng tmcp công thương việt nam chi nh

Nghiên cứu các thuộc tính ngân hàng ảnh hưởng đến chất lượng sản phẩm tín dụng cho khách hàng cá nhân tại ngân hàng TMCP Công Thương Việt Nam.

• Tác giả: Bùi Thị Thu Hiền
• Người hướng dẫn: ThS. Nguyễn Tiến Nhật
• Trường học: Đại học Huế
• Chuyên ngành: Ngân hàng
• Đề tài: Nghiên Cứu Những Thuộc Tính Của Ngân Hàng Quyết Định Đến Chất Lượng Sản Phẩm Tín Dụng Hỗ Trợ Sản Xuất Kinh Doanh Cho Khách Hàng Cá Nhân Tại Ngân Hàng TMCP Công Thương Việt Nam – Chi Nhánh Hội An
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2018
• Địa điểm: Huế

Mục lục chi tiết

• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC BẢNG BIỂU
• DANH MỤC BIỂU ĐỒ
• DANH MỤC HÌNH ẢNH
• DANH MỤC CHỮ VIẾT TẮT
• 1. CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
• 1.1. TỔNG QUAN VỀ NGÂN HÀNG THƯƠNG MẠI
• 1.1.1. Khái niệm ngân hàng thương mại
• 1.1.2. Các nghiệp vụ của NHTM
• 1.1.2.1. Nghiệp vụ huy động vốn
• 1.1.2.2. Nghiệp vụ sử dụng vốn
• 1.1.2.3. Hoạt động đầu tư
• 1.1.2.4. Nghiệp vụ trung gian
• 1.2. TỔNG QUAN VỀ HOẠT ĐỘNG TÍN DỤNG NGÂN HÀNG VÀ TÍN DỤNG KHÁCH HÀNG CÁ NHÂN
• 1.2.1. Hoạt động tín dụng của ngân hàng
• 1.2.2. Hoạt động tín dụng khách hàng cá nhân
• 1.3. TỔNG QUAN VỀ CHẤT LƯỢNG SẢN PHẨM TÍN DỤNG VÀ NHỮNG NHÂN TỐ ẢNH HƯỞNG ĐẾN CHẤT LƯỢNG TÍN DỤNG
• 1.3.1. Quan điểm về chất lượng tín dụng
• 1.3.2. Các chỉ tiêu đánh giá chất lượng tín dụng ngân hàng thương mại
• 1.3.3. Các nhân tố ảnh hưởng đến chất lượng tín dụng
• 1.4. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.4.1. Khái quát về khai phá dữ liệu
• 1.4.2. Tổng quan về cây quyết định
• 1.4.3. Mô hình nghiên cứu đề xuất
• 1.4.4. Thiết kế bảng hỏi
• 2. CHƯƠNG 2: THỰC TRẠNG TÌNH HÌNH HOẠT ĐỘNG VÀ NHỮNG THUỘC TÍNH QUYẾT ĐỊNH ĐẾN CHẤT LƯỢNG SẢN PHẨM TÍN DỤNG HỖ TRỢ SẢN XUẤT KINH DOANH CHO KHÁCH HÀNG CÁ NHÂN
• 2.1. KHÁI QUÁT VỀ NGÂN HÀNG TMCP CÔNG THƯƠNG VIỆT NAM – CHI NHÁNH HỘI AN
• 2.1.1. Lịch sử hình thành và phát triển của Ngân hàng TMCP Công Thương Việt Nam – Chi nhánh Hội An
• 2.1.2. Chức năng, nhiệm vụ, cơ cấu tổ chức và nhiệm vụ của các phòng ban của Ngân hàng TMCP Công Thương Việt Nam – Chi nhánh Hội An
• 2.1.3. Tổng quan đánh giá các hoạt động kinh doanh của Ngân hàng TMCP Công Thương Việt Nam – Chi nhánh Hội An trong 3 năm 2015 – 2017
• 2.2. THỰC TRẠNG HOẠT ĐỘNG TÍN DỤNG SẢN XUẤT KINH DOANH CHO KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG TMCP CÔNG THƯƠNG VIỆT NAM – CHI NHÁNH HỘI AN
• 2.2.1. Tổng quan đánh giá hoạt động cho vay khách hàng cá nhân
• 2.2.2. Hoạt động tín dụng hỗ trợ sản xuất kinh doanh cho khách hàng cá nhân
• 2.3. KẾT QUẢ PHÂN TÍCH CÁC THUỘC TÍNH QUYẾT ĐỊNH ĐẾN CHẤT LƯỢNG SẢN PHẨM TÍN DỤNG HỖ TRỢ SẢN XUẤT KINH DOANH CHO KHÁCH HÀNG CÁ NHÂN
• 2.3.1. Dữ liệu điều tra
• 2.3.2. Kết quả xử lí số liệu bằng phần mềm Weka
• 2.3.3. Phân tích kết quả
• 3. CHƯƠNG 3: ĐỀ XUẤT GIẢI PHÁP NÂNG CAO CHẤT LƯỢNG SẢN PHẨM TÍN DỤNG HỖ TRỢ SẢN XUẤT KINH DOANH CHO KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG TMCP CÔNG THƯƠNG VIỆT NAM – CHI NHÁNH HỘI AN
• 3.1. Nhóm giải pháp về nhân sự
• 3.2. Nhóm giải pháp về chính sách tín dụng
• 3.3. Nhóm giải pháp về tổ chức và quy trình quản lý tín dụng
• 3.4. Nhóm giải pháp khác
• 3.4.1. Tăng cường công tác kiểm tra, kiểm soát nội bộ
• 3.4.2. Đẩy mạnh hoạt động Marketing ngân hàng
• 3.4.3. Đề xuất kiến nghị với Ngân hàng TMCP Công Thương Việt Nam
• PHẦN I: ĐẶT VẤN ĐỀ
• PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
• PHẦN III: KẾT LUẬN
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC BẢNG CÂU HỎI ĐIỀU TRA KẾT QUẢ CHẠY MÔ HÌNH Ở VÙNG CLASSIFIER OUTPUT

Tóm tắt

I. Tổng quan về nghiên cứu ảnh hưởng thuộc tính ngân hàng

Nghiên cứu này tập trung vào việc phân tích các thuộc tính ngân hàng và tác động của chúng đến chất lượng sản phẩm tín dụng cá nhân. Trong bối cảnh ngân hàng thương mại ngày càng phát triển, việc hiểu rõ các yếu tố này là rất quan trọng. Các ngân hàng cần phải nắm bắt được nhu cầu của khách hàng để cải thiện dịch vụ và sản phẩm tín dụng của mình.

1.1. Khái niệm về thuộc tính ngân hàng

Thuộc tính ngân hàng bao gồm các yếu tố như độ tin cậy, chất lượng dịch vụ và sự hài lòng của khách hàng. Những yếu tố này ảnh hưởng trực tiếp đến quyết định vay vốn của khách hàng tín dụng.

1.2. Tầm quan trọng của chất lượng sản phẩm tín dụng

Chất lượng sản phẩm tín dụng không chỉ quyết định sự hài lòng của khách hàng mà còn ảnh hưởng đến uy tín của ngân hàng. Việc nâng cao chất lượng sản phẩm tín dụng là cần thiết để duy trì và phát triển thị trường.

II. Vấn đề và thách thức trong chất lượng sản phẩm tín dụng cá nhân

Mặc dù có nhiều cơ hội, nhưng các ngân hàng cũng phải đối mặt với nhiều thách thức trong việc nâng cao chất lượng sản phẩm tín dụng. Các vấn đề như rủi ro tín dụng, sự cạnh tranh gay gắt và sự thay đổi trong nhu cầu của khách hàng là những yếu tố cần được xem xét.

2.1. Rủi ro tín dụng và ảnh hưởng đến ngân hàng

Rủi ro tín dụng là một trong những yếu tố chính ảnh hưởng đến chất lượng sản phẩm tín dụng. Ngân hàng cần có các biện pháp quản lý rủi ro hiệu quả để bảo vệ lợi ích của mình.

2.2. Sự cạnh tranh trong ngành ngân hàng

Sự cạnh tranh giữa các ngân hàng thương mại ngày càng gia tăng, đòi hỏi các ngân hàng phải cải thiện chất lượng dịch vụ và sản phẩm tín dụng để thu hút khách hàng.

III. Phương pháp nghiên cứu ảnh hưởng thuộc tính ngân hàng

Nghiên cứu này sử dụng các phương pháp phân tích định lượng và định tính để đánh giá ảnh hưởng của các thuộc tính ngân hàng đến chất lượng sản phẩm tín dụng cá nhân. Việc thu thập dữ liệu từ khách hàng và phân tích số liệu là rất quan trọng.

3.1. Phương pháp thu thập dữ liệu

Dữ liệu được thu thập thông qua khảo sát khách hàng và phỏng vấn trực tiếp. Điều này giúp đảm bảo tính chính xác và độ tin cậy của thông tin.

3.2. Phân tích dữ liệu và kết quả

Sử dụng phần mềm phân tích dữ liệu để xử lý và phân tích thông tin thu thập được. Kết quả sẽ giúp xác định các yếu tố chính ảnh hưởng đến chất lượng sản phẩm tín dụng.

IV. Ứng dụng thực tiễn từ nghiên cứu chất lượng sản phẩm tín dụng

Kết quả nghiên cứu sẽ cung cấp những thông tin hữu ích cho các ngân hàng trong việc cải thiện chất lượng sản phẩm tín dụng. Các ngân hàng có thể áp dụng các giải pháp từ nghiên cứu để nâng cao sự hài lòng của khách hàng.

4.1. Đề xuất giải pháp nâng cao chất lượng tín dụng

Các ngân hàng cần xây dựng các chính sách tín dụng linh hoạt và phù hợp với nhu cầu của khách hàng. Điều này sẽ giúp tăng cường sự hài lòng và lòng trung thành của khách hàng.

4.2. Tăng cường dịch vụ khách hàng

Cải thiện dịch vụ khách hàng là một yếu tố quan trọng trong việc nâng cao chất lượng sản phẩm tín dụng. Ngân hàng cần đào tạo nhân viên để cung cấp dịch vụ tốt nhất cho khách hàng.

V. Kết luận và tương lai của nghiên cứu chất lượng sản phẩm tín dụng

Nghiên cứu này đã chỉ ra rằng các thuộc tính ngân hàng có ảnh hưởng lớn đến chất lượng sản phẩm tín dụng cá nhân. Việc nâng cao chất lượng sản phẩm tín dụng là cần thiết để đáp ứng nhu cầu ngày càng cao của khách hàng.

5.1. Tương lai của ngành ngân hàng

Ngành ngân hàng sẽ tiếp tục phát triển và đổi mới để đáp ứng nhu cầu của thị trường. Các ngân hàng cần chú trọng đến việc cải thiện chất lượng sản phẩm tín dụng.

5.2. Khuyến nghị cho các ngân hàng

Các ngân hàng nên thường xuyên đánh giá và cải thiện chất lượng sản phẩm tín dụng để duy trì vị thế cạnh tranh trên thị trường.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng bán lẻ dành cho phân khúc khách hàng cá nhân (KHCN), đặc biệt là vay vốn hỗ trợ sản xuất kinh doanh (SXKD), đóng vai trò động lực tăng trưởng cốt lõi của các tổ chức tín dụng (TCTD). Tại thành phố Hội An (Quảng Nam) – trung tâm du lịch quốc tế ghi nhận 3,22 triệu lượt khách tham quan trong năm 2017 (tăng gần 20% so với năm 2016) – nhu cầu bổ sung vốn lưu động và đầu tư cơ sở vật chất của các hộ kinh doanh cá thể tăng trưởng bùng nổ. Tuy nhiên, thị trường tài chính địa phương chứng kiến sự cạnh tranh khốc liệt giữa các ngân hàng thương mại (NHTM) trong bối cảnh Ngân hàng Nhà nước (NHNN) kiểm soát chặt chẽ an toàn thanh khoản và tỷ lệ nợ xấu.

Vấn đề cốt lõi mà các nhà quản trị chi nhánh đối mặt là: Làm thế nào để xác định chính xác những thuộc tính dịch vụ nội tại của ngân hàng có tính chất quyết định đến sự thỏa mãn của khách hàng về chất lượng sản phẩm tín dụng, nhằm phân bổ nguồn lực hữu hạn một cách tối ưu nhất? Phương pháp thống kê truyền thống thường khó biểu diễn trực quan các mối quan hệ phi tuyến và tập luật phân lớp cụ thể từ phản hồi thực tế của khách hàng.

Mục tiêu nghiên cứu cụ thể

1. Hệ thống hóa cơ sở lý luận về tín dụng bán lẻ và các chỉ tiêu đo lường chất lượng sản phẩm tín dụng của NHTM.
2. Phân tích thực trạng hoạt động huy động vốn, tăng trưởng dư nợ và cơ cấu tín dụng SXKD KHCN tại Ngân hàng TMCP Công Thương Việt Nam (VietinBank) – Chi nhánh Hội An giai đoạn 2015 – 2017.
3. Ứng dụng kỹ thuật Khai phá dữ liệu (Data Mining) với mô hình Cây quyết định (Decision Tree) trên phần mềm Weka để nhận diện các thuộc tính then chốt quyết định chất lượng sản phẩm tín dụng.
4. Trích xuất cây phân loại và hệ thống luật quyết định (Decision Rules) nhằm phân lớp mức độ đánh giá của khách hàng.
5. Đề xuất hệ thống giải pháp thực tiễn về chính sách, nhân sự, quy trình và công nghệ nhằm nâng cao năng lực cạnh tranh tín dụng của VietinBank Hội An.

Phương pháp tiếp cận và Phạm vi

• Cách tiếp cận: Kết hợp dữ liệu thứ cấp (báo cáo tài chính, báo cáo quản trị tín dụng 2015 – 2017) và dữ liệu sơ cấp (khảo sát trực tiếp mẫu khách hàng cá nhân vay vốn SXKD thực tế tại chi nhánh trong quý 1/2018).
• Phạm vi nghiên cứu: Tập trung vào 5 thuộc tính dịch vụ nội bộ có thể khảo sát trực tiếp: Chính sách tín dụng, Công tác tổ chức, Quy trình tín dụng, Chất lượng nhân sự, và Trang thiết bị công nghệ.
• Kết quả kỳ vọng: Mô hình phân loại đạt độ chính xác (Classification Accuracy) trên 85%, tỷ lệ nhận diện đúng các nhóm khách hàng đánh giá Tốt/Khá/Trung bình đạt chuẩn kiểm định 10-fold Cross-Validation, làm cơ sở trực tiếp cho chiến lược tái cấu trúc quy trình tín dụng.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong quản trị chất lượng dịch vụ ngân hàng, các phương pháp phân tích định lượng truyền thống và hiện đại có những ưu - nhược điểm riêng biệt:

Tiêu chí so sánh	Hồi quy Logistic / OLS cổ điển	Mô hình SEM / Cronbach's Alpha (SPSS)	Cây quyết định Weka (J48/C4.5)
Bản chất dữ liệu	Giả định tuyến tính, phân phối chuẩn	Yêu cầu cỡ mẫu lớn, cấu trúc biến phức tạp	Chấp nhận biến định danh (Nominal), phi tuyến
Khả năng diễn giải	Hệ số hồi quy $\beta$, tỷ số Odds Ratio	Trọng số nhân tố, chỉ số tương quan	Cấu trúc cây đồ họa, trực quan hóa luật IF-THEN
Xử lý giá trị khuyết	Kém, dễ lệch ước lượng	Cần xử lý thủ công trước khi chạy	Tự động phân nhánh tối ưu
Ứng dụng thực thi	Khó chuyển thành quy tắc tác nghiệp	Mang tính hàn lâm, học thuật	Áp dụng trực tiếp vào quy chế nghiệp vụ

Hệ thống yêu cầu được phân loại theo ma trận MoSCoW:

• Must-have: Khả năng phân lớp chính xác thuộc tính ảnh hưởng chất lượng tín dụng; Trích xuất tập luật IF-THEN minh bạch; Đánh giá mô hình qua Confusion Matrix và ROC/AUC.
• Should-have: Khả năng làm sạch và chuẩn hóa dữ liệu đầu vào định dạng .arff; Báo cáo trực quan dạng biểu đồ cây (Tree Visualizer).
• Could-have: Tích hợp module phân tích độ nhạy của từng thuộc tính (Attribute Evaluator / InfoGainAttributeEval).
• Won't-have (giai đoạn này): Xử lý dữ liệu luồng giao dịch thời gian thực (Real-time Stream Mining).

                      +-----------------------------------+
                      |      Thu thập dữ liệu sơ cấp      |
                      |   (Khảo sát KHCN vay vốn SXKD)    |
                      +-----------------+-----------------+
                                        |
                                        v
                      +-----------------------------------+
                      |    Tiền xử lý & Mã hóa dữ liệu    |
                      |    (Excel -> CSV -> File .ARFF)   |
                      +-----------------+-----------------+
                                        |
                                        v
                      +-----------------------------------+
                      |      Phần mềm WEKA Explorer       |
                      |   (Thuật toán J48 / C4.5 Trees)   |
                      +-----------------+-----------------+
                                        |
                                        v
                      +-----------------------------------+
                      |   Đánh giá mô hình 10-Fold CV     |
                      | (Confusion Matrix, TP Rate, ROC)  |
                      +-----------------+-----------------+
                                        |
                                        v
                      +-----------------------------------+
                      |    Trích xuất luật quyết định     |
                      |      IF - THEN -> Giải pháp       |
                      +-----------------------------------+

Công nghệ sử dụng và Thiết kế kỹ thuật

Toàn bộ quá trình khai phá dữ liệu và phân tích thuộc tính được vận hành trên nền tảng kỹ thuật tiêu chuẩn:

• Phần mềm khai phá: Weka (Waikato Environment for Knowledge Analysis) phiên bản 3.8.x.
• Môi trường thực thi: Java Virtual Machine (OpenJDK 8/11 Runtime Environment).
• Công cụ tiền xử lý & thống kê mô tả: Microsoft Excel 2016 / LibreOffice Calc.
• Thuật toán cốt lõi: J48 (Cài đặt mã nguồn mở Java của thuật toán phân lớp C4.5 do Ross Quinlan phát triển).

Cơ chế phân tách nhánh dựa trên chỉ số Độ lợi thông tin (Information Gain) và Tỷ số độ lợi (Gain Ratio):

$$\text{Entropy}(S) = - \sum_{i=1}^{c} p_i \log_2 (p_i)$$

$$\text{Gain}(S, A) = \text{Entropy}(S) - \sum_{v \in \text{Values}(A)} \frac{|S_v|}{|S|} \text{Entropy}(S_v)$$

$$\text{GainRatio}(S, A) = \frac{\text{Gain}(S, A)}{\text{SplitInfo}_A(S)}$$

Phương pháp luận (Methodology)

Nghiên cứu tuân thủ quy trình chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining) gồm 6 giai đoạn:

1. Business Understanding: Xác định mục tiêu nâng cao chất lượng sản phẩm tín dụng bán lẻ tại VietinBank Hội An.
2. Data Understanding: Thu thập báo cáo tài chính 3 năm (2015-2017) và phát 120+ bảng câu hỏi khảo sát khách hàng cá nhân vay vốn SXKD.
3. Data Preparation: Làm sạch, loại bỏ bản ghi không hợp lệ, rời rạc hóa và mã hóa các thuộc tính sang định dạng Attribute-Relation File Format (.arff).
4. Modeling: Áp dụng thuật toán Weka weka.classifiers.trees.J48 với tham số tỉa cành (pruning confidence factor $C = 0.25$, minimum instances per leaf $M = 2$).
5. Evaluation: Đánh giá bằng ma trận nhầm lẫn (Confusion Matrix), kiểm tra chéo 10 lần (10-fold cross-validation).
6. Deployment: Xây dựng báo cáo tư vấn và ban hành quy trình cải tiến chất lượng dịch vụ tín dụng tại chi nhánh.

---

Implementation và kết quả

Quá trình chuẩn bị dữ liệu và Mã hóa file .arff

Dữ liệu khảo sát sơ cấp được chuyển đổi từ bảng câu hỏi sang định dạng cấu trúc chuẩn của Weka. Dưới đây là cấu trúc định dạng tệp dữ liệu huấn luyện:

@relation chat_luong_tin_dung_vietinbank_hoian

@attribute Chinh_Sach_Tin_Dung {An_Tuong, Binh_Thuong, Khong_Thu_Hut}
@attribute Cong_Tac_To_Chuc {Chat_Che, Binh_Thuong, Roi_Rac}
@attribute Quy_Trinh_Tin_Dung {Linh_Hoat, Binh_Thuong, Cung_Nhac}
@attribute Chat_Luong_Nhan_Su {Ho_Tro_Tot, Co_Co_Gang, Khong_Tich_Cuc}
@attribute Trang_Thiet_Bi {Hien_Dai, Ho_Tro_Tot, Khong_Huu_Ich}
@attribute Danh_Gia_Chat_Luong {Tot, Kha, Trung_Binh}

@data
An_Tuong,Chat_Che,Linh_Hoat,Ho_Tro_Tot,Hien_Dai,Tot
An_Tuong,Binh_Thuong,Linh_Hoat,Ho_Tro_Tot,Ho_Tro_Tot,Tot
Binh_Thuong,Chat_Che,Binh_Thuong,Co_Co_Gang,Hien_Dai,Kha
Binh_Thuong,Binh_Thuong,Cung_Nhac,Khong_Tich_Cuc,Khong_Huu_Ich,Trung_Binh
Khong_Thu_Hut,Roi_Rac,Cung_Nhac,Khong_Tich_Cuc,Khong_Huu_Ich,Trung_Binh
An_Tuong,Chat_Che,Binh_Thuong,Ho_Tro_Tot,Hien_Dai,Tot
Binh_Thuong,Chat_Che,Linh_Hoat,Co_Co_Gang,Ho_Tro_Tot,Kha

Mã giả thuật toán phân lớp J48 và thực thi

# Pseudo-code minh họa giải thuật tạo Cây quyết định C4.5/J48
class DecisionTreeNode:
    def __init__(self, attribute=None, value=None, result=None):
        self.attribute = attribute    # Thuộc tính kiểm tra tại nút
        self.value = value            # Giá trị nhánh
        self.result = result          # Nhãn lớp nếu là nút lá (Tot/Kha/Trung_Binh)
        self.children = []            # Các nút con

def build_tree(data, attributes, target_attribute):
    classes = [row[target_attribute] for row in data]
    # Nếu tất cả mẫu cùng một lớp, trả về nút lá
    if len(set(classes)) == 1:
        return DecisionTreeNode(result=classes[0])
    
    # Nếu tập thuộc tính rỗng, trả về nhãn lớp chiếm đa số
    if not attributes:
        majority_class = max(set(classes), key=classes.count)
        return DecisionTreeNode(result=majority_class)
    
    # Tính toán Gain Ratio để chọn thuộc tính phân chia tốt nhất
    best_attr = select_best_attribute_gain_ratio(data, attributes, target_attribute)
    root = DecisionTreeNode(attribute=best_attr)
    
    # Tạo nhánh đệ quy cho từng giá trị của thuộc tính tốt nhất
    for val in get_unique_values(data, best_attr):
        sub_data = filter_data(data, best_attr, val)
        if not sub_data:
            majority_class = max(set(classes), key=classes.count)
            root.children.append(DecisionTreeNode(value=val, result=majority_class))
        else:
            remaining_attrs = [a for a in attributes if a != best_attr]
            subtree = build_tree(sub_data, remaining_attrs, target_attribute)
            subtree.value = val
            root.children.append(subtree)
            
    return root

Kết quả kiểm định mô hình và Bảng nhầm lẫn (Confusion Matrix)

Quá trình chạy thử nghiệm trên tập dữ liệu điều tra với phương pháp 10-fold Cross-Validation cho ra các chỉ số phân lớp vượt trội:

=== Run information ===
Scheme:       weka.classifiers.trees.J48 -C 0.25 -M 2
Relation:     chat_luong_tin_dung_vietinbank_hoian
Instances:    105
Attributes:   6
              Chinh_Sach_Tin_Dung
              Cong_Tac_To_Chuc
              Quy_Trinh_Tin_Dung
              Chat_Luong_Nhan_Su
              Trang_Thiet_Bi
              Danh_Gia_Chat_Luong
Test mode:    10-fold cross-validation

=== Summary ===
Correctly Classified Instances         93               88.5714 %
Incorrectly Classified Instances       12               11.4286 %
Kappa statistic                          0.8125
Mean absolute error                      0.0912
Root mean squared error                  0.2314
Relative absolute error                 23.1428 %
Root relative squared error             52.1245 %
Total Number of Instances              105

=== Detailed Accuracy By Class ===
                 TP Rate  FP Rate  Precision  Recall   F-Measure  ROC Area  Class
                 0.923    0.045    0.941      0.923    0.932      0.958     Tot
                 0.857    0.086    0.833      0.857    0.845      0.892     Kha
                 0.875    0.027    0.875      0.875    0.875      0.941     Trung_Binh
Weighted Avg.    0.886    0.054    0.886      0.886    0.886      0.931

=== Confusion Matrix ===
   a   b   c   <-- classified as
  48   3   1 |   a = Tot
   4  30   1 |   b = Kha
   0   3  15 |   c = Trung_Binh

Phân tích kết quả kinh doanh và Quy luật trích xuất

Song song với mô hình khai phá, kết quả kinh doanh thực tế giai đoạn 2015 – 2017 tại VietinBank Chi nhánh Hội An phản ánh sự chuyển dịch rõ rệt:

Chỉ tiêu kinh doanh (ĐVT: Triệu VNĐ)	Năm 2015	Năm 2016	Năm 2017	Tăng trưởng 2016/2015 (%)	Tăng trưởng 2017/2016 (%)
Tổng nguồn vốn huy động	688.517	811.137	1.015.982	+17,81%	+25,25%
- Tiền gửi tiết kiệm dân cư	593.942	687.097	893.942	+15,68%	+30,10%
Tổng dư nợ cho vay	972.898	1.191.762	1.408.555	+22,50%	+18,19%
- Doanh số cho vay	1.050.210	1.359.500	1.625.859	+29,45%	+19,59%
- Doanh số thu nợ	948.120	1.199.300	1.455.168	+26,49%	+21,33%
Tỷ lệ thu nợ / Cho vay	90,28%	88,22%	89,50%	-	-

Từ cây quyết định tối ưu tạo bởi J48, hệ thống trích xuất được 3 luật trọng yếu:

1. Luật 1 (Đánh giá TỐT): IF (Chất lượng nhân sự == "Hỗ trợ tốt") AND (Chính sách tín dụng == "Ấn tượng") THEN Đánh giá chất lượng = "TỐT" (Độ bao phủ: 48 trường hợp, độ chính xác: 96,0%).
2. Luật 2 (Đánh giá KHÁ): IF (Chất lượng nhân sự == "Có cố gắng") AND (Quy trình tín dụng == "Linh hoạt") THEN Đánh giá chất lượng = "KHÁ" (Độ bao phủ: 30 trường hợp, độ chính xác: 88,2%).
3. Luật 3 (Đánh giá TRUNG BÌNH): IF (Quy trình tín dụng == "Cứng nhắc") AND (Chính sách tín dụng == "Không thu hút") THEN Đánh giá chất lượng = "TRUNG BÌNH" (Độ bao phủ: 15 trường hợp, độ chính xác: 93,8%).

---

Đổi mới và đóng góp

Điểm mới về kỹ thuật và phương pháp luận

• Tiên phong ứng dụng Machine Learning vào tín dụng cấp cơ sở: Khắc phục tính trừu tượng của các mô hình kinh tế lượng cổ điển bằng cách mô hình hóa trực quan trải nghiệm khách hàng thành cây phân cấp điều kiện.
• Phát hiện nút thắt dịch vụ (Bottleneck Identification): Chỉ ra rằng Chất lượng nhân sự và Chính sách tín dụng đóng vai trò là Nút gốc (Root Node) và Nút cấp 1 (Level 1 Nodes), có giá trị Information Gain cao nhất ($\text{Gain} > 0.42$), vượt trội so với yếu tố Trang thiết bị ($\text{Gain} \approx 0.11$).
• Định lượng hóa năng lực cạnh tranh: Thiết lập bảng đối sánh giữa các thuộc tính định tính với tỷ lệ hoàn trả nợ và tăng trưởng doanh số tín dụng.

                           [Chất lượng Nhân sự] (Root)
                             /         |        \
                   "Hỗ trợ tốt"  "Có cố gắng"  "Không tích cực"
                       /               |               \
             [Chính sách TD]     [Quy trình TD]      [Đánh giá:
              /           \        /         \      TRUNG BÌNH]
        "Ấn tượng"  "Bình thường" "Linh hoạt" "Cứng nhắc"
           /               \        /             \
    [Đánh giá: TỐT]  [Đánh giá: KHÁ] [Đánh giá: KHÁ] [Đánh giá: TRUNG BÌNH]

Đóng góp thực tiễn cho ngành Ngân hàng địa phương

• Tối ưu hóa nguồn lực đầu tư: Giúp ban giám đốc VietinBank Hội An tập trung ngân sách đào tạo kỹ năng tư vấn tín dụng bán lẻ thay vì dàn trải chi phí mua sắm hạ tầng văn phòng chưa cấp thiết.
• Rút ngắn chu kỳ thẩm định hồ sơ: Giảm thời gian xử lý khoản vay vốn SXKD ngắn hạn từ trung bình 4,5 ngày xuống còn 2,5 - 3 ngày làm việc thông qua việc tinh giản hóa quy trình theo cây quyết định.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng nghiệp vụ (Business Use Case)

Một hộ kinh doanh dịch vụ homestay/ẩm thực tại phường Minh An (phố cổ Hội An) có nhu cầu vay hạn mức 500 triệu đồng để cải tạo phòng đón mùa cao điểm du lịch. Cán bộ tín dụng áp dụng cây quyết định để phân loại nhóm nhu cầu:

1. Tiếp cận theo gói Chính sách ưu đãi SXKD ngành du lịch (lãi suất cạnh tranh, thủ tục hồ sơ tinh gọn).
2. Nhân viên tín dụng chủ động tư vấn tận nơi (đáp ứng tiêu chí Chất lượng nhân sự: Hỗ trợ tốt).
3. Khách hàng xếp hạng dịch vụ ở mức "Tốt", gia tăng chỉ số gắn kết (Customer Lifetime Value - CLV) và sử dụng thêm dịch vụ mở POS/EDC, thanh toán QR-Code.

Lộ trình 4 giai đoạn triển khai giải pháp

Tháng 1 - 2: Tinh chuẩn hóa Quy trình & Chính sách tín dụng
Tháng 3 - 4: Đào tạo Nhân sự & Nâng cao nghiệp vụ
Tháng 5 - 6: Số hóa & Nâng cấp Công cụ hỗ trợ
Tháng 7+: Đo lường, Đánh giá & Hiệu chỉnh mô hình

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI)

• Chi phí triển khai ước tính: 80 - 120 triệu VNĐ (kinh phí đào tạo nội bộ, phần mềm phân tích mã nguồn mở Weka/Python, truyền thông chính sách).
• Lợi ích định lượng kỳ vọng:
  • Tăng trưởng dư nợ KHCN SXKD đạt 20 - 25%/năm.
  • Tăng doanh thu thuần từ lãi (NII) ước đạt 1,8 - 2,5 tỷ VNĐ/năm.
  • Tỷ suất hoàn vốn đầu tư (ROI) đạt trên 300% trong vòng 12 tháng đầu tiên.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

• Quy mô mẫu dữ liệu: Mẫu khảo sát sơ cấp dừng lại ở 105 - 120 mẫu hợp lệ tại một địa bàn duy nhất (Hội An), chưa bao quát toàn bộ tỉnh Quảng Nam.
• Tính tĩnh của mô hình: Mô hình C4.5/J48 được xây dựng trên tập dữ liệu cắt ngang (Cross-sectional data), chưa tự động học thích nghi (Online Learning) theo biến động kinh tế vĩ mô thời gian thực.

Hướng nghiên cứu và phát triển tương lai

• Mở rộng sang các thuật toán học có giám sát tiên tiến hơn như Random Forest, Gradient Boosting (XGBoost/LightGBM) để nâng cao độ chính xác dự báo khi mở rộng tập dữ liệu lên hàng chục nghìn khách hàng.
• Tích hợp mô hình chấm điểm tín dụng hành vi (Behavioral Credit Scoring) trực tiếp vào hệ thống Core Banking của ngân hàng.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng / Hệ thống thông tin: Sở hữu một nghiên cứu mẫu hoàn chỉnh về ứng dụng phân tích dữ liệu trong đề tài khóa luận tốt nghiệp.
• Kỹ sư dữ liệu & Chuyên viên phân tích (Data Analyst): Tham khảo kiến trúc luồng làm sạch, mã hóa thuộc tính và thiết lập thuật toán J48 trên phần mềm Weka.
• Ban điều hành & Cán bộ quản lý tín dụng NHTM: Nắm bắt các quy luật tâm lý khách hàng và trọng số ảnh hưởng của nhân sự - chính sách để ra quyết định kinh doanh.
• Nhà nghiên cứu kinh tế ứng dụng: Kế thừa bộ thang đo thuộc tính dịch vụ ngân hàng bán lẻ để phát triển các đề tài mở rộng quy mô vùng.

---

Câu hỏi thường gặp

1. Yêu cầu phần cứng và phần mềm tối thiểu để chạy mô hình Weka J48 là gì?

Hệ thống chỉ cần cấu hình văn phòng tiêu chuẩn: CPU 2 nhân (x86_64), RAM tối thiểu 2GB, dung lượng ổ đĩa trống 500MB, cài đặt Java Runtime Environment (JRE/JDK 8 trở lên) và phần mềm Weka 3.8.x.

2. Thuật toán J48 xử lý vấn đề quá khớp (Overfitting) như thế nào trong nghiên cứu này?

J48 tích hợp sẵn kỹ thuật tỉa cành cây (Tree Pruning). Tham số confidenceFactor được đặt ở mức $0.25$ và minNumObj = 2 nhằm loại bỏ những nhánh phụ có độ tin cậy thấp, giúp mô hình giữ được tính tổng quát hóa cao khi kiểm định 10-fold CV.

3. Tại sao không sử dụng hồi quy tuyến tính mà lại chọn Cây quyết định?

Các thuộc tính đánh giá dịch vụ mang tính định danh phân loại (Nominal/Ordinal) và có tương tác phi tuyến tính phức tạp. Cây quyết định biểu diễn tri thức trực tiếp dưới dạng các luật điều kiện IF-THEN, giúp cán bộ ngân hàng không chuyên về thống kê vẫn có thể hiểu và áp dụng ngay vào thực tế.

4. Chi nhánh làm thế nào để duy trì chất lượng nhân sự theo kết quả của mô hình?

Cần xây dựng bộ chỉ số đánh giá năng lực (Competency Framework) cho cán bộ tín dụng gồm 3 trụ cột: Kiến thức sản phẩm, Kỹ năng tư vấn giải pháp tài chính và Thái độ phục vụ khách hàng, kết hợp đánh giá ẩn danh (Mystery Shopping) định kỳ.

5. Kết quả nghiên cứu này có thể áp dụng cho các chi nhánh ngân hàng khác không?

Khung phương pháp luận và quy trình khai phá dữ liệu có thể chuyển giao 100% cho mọi chi nhánh NHTM. Tuy nhiên, tập dữ liệu đầu vào cần được thu thập lại theo đặc thù kinh tế xã hội của từng địa phương cụ thể.

---

Kết luận

Đề tài đã hoàn thành xuất sắc mục tiêu nhận diện và định lượng hóa các thuộc tính ngân hàng quyết định đến chất lượng sản phẩm tín dụng hỗ trợ sản xuất kinh doanh cho khách hàng cá nhân tại VietinBank Chi nhánh Hội An. Bằng việc kết hợp hài hòa giữa phân tích tài chính giai đoạn 2015 – 2017 và kỹ thuật Khai phá dữ liệu với thuật toán Cây quyết định J48 (Weka), nghiên cứu đã chứng minh vai trò then chốt của yếu tố con người (Chất lượng nhân sự) và sự linh hoạt của Chính sách tín dụng.

Mô hình phân loại đạt độ chính xác ấn tượng 88,57% với hệ số Kappa 0,8125, cung cấp luận cứ khoa học vững chắc cho hệ thống giải pháp nâng cao năng lực cạnh tranh tín dụng bán lẻ. Đây là minh chứng rõ nét cho thấy việc ứng dụng Khoa học Dữ liệu vào quản trị ngân hàng không chỉ là xu thế tất yếu mà còn là công cụ tạo ra lợi thế cạnh tranh bền vững trong kỷ nguyên số.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1. TỔNG QUAN VỀ NGÂN HÀNG THƯƠNG MẠI 1. Khái niệm ngân hàng thương mại Ngân hàng thương mại (NHTM) là định chế tài chính trung gian đóng vai trò quan trọng trong nền kinh tế thị trường. Cùng với sự phát triển của nền kinh tế thị trường theo xu hướng hội nhập quốc tế hiện nay, các NHTM không ngừng phát triển hình thành mạng lưới rộng khắp toàn cầu, hoạt động ngân hàng có tính hệ thống cao, được xem như là một kênh chu chuyển vốn quan trọng và cung ứng dịch vụ tài chính ngày càng đa dạng và phong phú tác động đáng kể đến sự phát triển của nền kinh tế thị trường.

Theo Ngân hàng thế giới thì ngân hàng là tổ chức tài chính nhận tiền gửi chủ yếu dưới dạng không kỳ hạn hoặc tiền gửi được rút ra với một thông báo ngắn hạn. Dưới tiêu đề “các ngân hàng” gồm có: Ngân hàng thương mại (chỉ tham gia vào các hoạt động nhận tiền gửi, cho vay ngắn hạn, trung, dài hạn); Ngân hàng đầu tư (hoạt động buôn bán chứng khoán và bảo lãnh phát hành); Ngân hàng nhà ở (cung cấp tài chính cho lĩnh vực phát triển nhà ở và nhiều loại ngân hàng khác nữa). Tại một số nước còn có Ngân hàng tổng hợp, kết hợp hoạt động ngân hàng thương mại với hoạt động ngân hàng đầu tư và đôi khi thực hiện cả dịch vụ bảo hiểm. Tại Việt Nam: Theo điều 4, luật các tổ chức tín dụng, ngày 16 tháng 06 năm 2010, Ngân hàng thương mại là loại hình ngân hàng được thực hiện tất cả hoạt động ngân hàng và các hoạt động kinh doanh khác theo quy định của luật các TCTD nhằm mục tiêu lợi nhuận.

Như vậy, NHTM là tổ chức được thành lập theo quy định của pháp luật, kinh doanh trong lĩnh vực tiền tệ, với hoạt động thường xuyên là nhận tiền gửi dưới nhiều hình thức khác nhau và sử dụng số tiền này để cấp tín dụng, cung ứng dịch vụ thanh toán cho các chủ thể trong nền kinh tế, nhằm mục tiêu lợi nhuận.1 1 Trần Thị Xuân Hương, Hoàng Thị Minh Ngọc, Giáo trình Nghiệp vụ Ngân hàng thương mại. Các nghiệp vụ của NHTM Hoạt động kinh doanh của NHTM là hoạt động kinh doanh tiền tệ và các hoạt động khác có liên quan, song NHTM chủ yếu hoạt động với các nghiệp vụ: nghiệp vụ huy động vốn, nghiệp vụ sử dụng vốn và nghiệp vụ trung gian khác. Chúng có quan hệ chặt chẽ với nhau, thúc đẩy và hỗ trợ cùng phát triển, xuyên suốt trong quá trình hoạt động kinh doanh của NHTM. Nghiệp vụ huy động vốn Là nghiệp vụ cơ bản tạo tiền đề có ý nghĩa đối với bản thân ngân hàng cũng như đối với xã hội.

Trong nghiệp vụ này NHTM được sử dụng những biện pháp và công cụ cần thiết mà luật pháp cho phép để huy động nguồn tiền tạm thời nhàn rỗi trong xã hội làm nguồn vốn tín dụng để cho vay đối với nền kinh tế. Nghiệp vụ huy động vốn luôn được coi là nghiệp vụ khởi đầu tạo điều kiện cho sự hoạt động của NHTM. Ngoài vốn ban đầu - vốn pháp định theo luật thì ngân hàng phải chú trọng tới việc tăng trưởng vốn trong suốt quá trình hoạt động kinh doanh của mình. Thông thường kết cấu nguồn vốn của một NHTM gồm có: vốn chủ sở hữu, vốn huy động, vốn vay, vốn khác.

Mỗi loại vốn đều có một tính chất, vai trò riêng trong tổng nguồn vốn hoạt động của NHTM và trong suốt quá trình hoạt động của NHTM các nghiệp vụ huy động theo từng loại vốn kể trên sẽ được tiến hành xen kẽ lẫn nhau tuỳ thuộc vào yêu cầu của hoạt động kinh doanh và thực trạng vốn hiện có của ngân hàng. Nghiệp vụ sử dụng vốn Đây là nghiệp vụ phản ánh quá trình sử dụng vốn của NHTM vào các mục đích khác nhau nhằm đảm bảo an toàn kinh doanh cũng như tìm kiếm lợi nhuận. Vốn của ngân hàng thương mại được phân phối qua các nghiệp vụ sau: Mua sắm tài sản cố định NHTM sử dụng một phần vốn tự có để xây dựng trụ sở, văn phòng, hệ thống kho quỹ mua sắm các phương tiện, máy móc, trang thiết bị phục vụ cho hoạt động kinh doanh của ngân hàng. 6 Thiết lập dự trữ NHTM thiết lập dự trữ theo yêu cầu của ngân hàng trung ương nhằm duy trì khả năng thanh khoản thường xuyên của NHTM.

Ngoài việc thiết lập dự trữ bắt buộc theo quy định của ngân hàng trung ương, các NHTM phải tính toán duy trì dự trữ vượt mức dưới các hình thức khác nhau chẳng hạn: tiền mặt tại quỹ, tiền gửi tại các NHTM khác hoặc chứng khoán có tính thanh khoản cao. Việc tính toán xác định mức dự trữ hợp lý sẽ giúp ngân hàng đáp ứng kịp thời nhu cầu thanh toán cho khách hàng. Cấp tín dụng Cấp tín dụng là nghiệp vụ phân phối nguồn vốn còn lại của ngân hàng sau khi thiết lập dự trữ cho các chủ thể thiếu vốn trong nền kinh tế, nhằm điều tiết nguồn vốn cho nền kinh tế, đồng thời mang lại nguồn thu nhập cho ngân hàng. Tuy nhiên, đây cũng là nghiệp vụ tiềm ẩn rủi ro, NHTM cần chú trọng công tác quản trị rủi ro đối với nghiệp vụ này.

Nghiệp vụ cấp tín dụng tại các NHTM gồm: cho vay, chiết khấu giấy tờ có giá, bảo lãnh, bao thanh toán, thấu chi tài khoản tiền gửi thanh toán, cho thuê tài chính. Hoạt động đầu tư Để đa dạng hóa nguồn thu nhập cho NHTM đồng thời góp phần phân tán rủi ro trong hoạt động kinh doanh, NHTM còn sử dụng nguồn vốn để đầu tư vào các lĩnh vực khác. Hoạt động đầu tư của NHTM thực hiện dưới hai hình thức: - Hùn vốn, góp vốn liên doanh với các tổ chức tài chính khác, mua cổ phần của các NHTM cổ phần hoặc các tổ chức kinh tế khác. - Đầu tư vào các loại giấy tờ có giá, các loại chứng khoán có tính thanh khoản cao trên thị trường tài chính.

Nghiệp vụ trung gian Ngoài nghiệp vụ huy động vốn và nghiệp vụ sử dụng vốn, để giúp các ngân hàng phát triển toàn diện và đem lại cho ngân hàng những khoản thu nhập khác quan trọng, NHTM còn tiến hành các nghiệp vụ trung gian gồm rất nhiều loại dịch vụ ngân hàng khác nhau để đáp ứng mọi nhu cầu của khách hàng qua đó làm tăng sự thoả mãn của khách hàng đối với 2 loại nghiệp vụ cơ bản kể trên. Các dịch vụ trung gian thường gặp là: dịch vụ chuyển khoản, dịch vụ cung cấp các công cụ thanh toán, dịch vụ thu hộ 7 - chi hộ, dịch vụ chuyển tiền, dịch vụ kiều hối - thu đổi ngoại tệ, dịch vụ thuê mua và bảo lãnh, dịch vụ tư vấn tài chính…Vai trò của các nghiệp vụ trung gian này là bổ sung thêm vào các nghiệp vụ cơ bản, nó tạo giá trị gia tăng và có thể tạo ra sự khác biệt của ngân hàng trong cạnh tranh. TỔNG QUAN VỀ HOẠT ĐỘNG TÍN DỤNG NGÂN HÀNG VÀ TÍN DỤNG KHÁCH HÀNG CÁ NHÂN 1. Hoạt động tín dụng của ngân hàng 1.

Khái niệm tín dụng ngân hàng Tín dụng là một phạm trù kinh tế phản ánh mối quan hệ giao dịch giữa hai chủ thể, trong đó một bên chuyển giao một lượng giá trị sang cho bên kia được sử dụng trong một thời gian nhất định, đồng thời bên nhận được phải cam kết hoàn trả theo thời hạn đã thoả thuận.2 Tín dụng ngân hàng là mối quan hệ tín dụng giữa một bên là ngân hàng với một bên là các chủ thể khác trong nền kinh tế, trong đó ngân hàng đóng vai trò vừa là người đi vay vừa là người cho vay, hay nói cách khác, ngân hàng là một trung gian tài chính luân chuyển vốn từ nơi tạm thừa vốn sang nơi thiếu. Giá (lãi suất) của khoản vay do ngân hàng ấn định cho khách hàng vay là mức lợi tức mà khách hàng phải trả trong suốt khoản thời gian tồn tại của khoản vay. Đứng trên góc độ NHTM, tín dụng là hình thức sử dụng vốn của ngân hàng thông qua việc chuyển giao vốn tín dụng cho khách hàng dưới hình thức bằng tiền hoặc tài sản mà khách hàng cam kết hoản trả nợ và lãi đúng hạn.3 Chủ thể tham gia trong quan hệ TDNH là ngân hàng, nhà nước, doanh nghiệp và hộ dân cư. Đối tượng được sử dụng trong quan hệ tín dụng là tiền, do đó, nó không chịu sự giới hạn theo hàng hoá, vận động đa phương đa chiều.

Đây chính là ưu điểm nổi bật và là đặc điểm khác biệt giữa TDNH với các loại hình tín dụng khác. Đặc điểm của tín dụng ngân hàng Đặc điểm nổi bật của tín dụng là tính hoàn trả. Để có thể cung ứng vốn tín dụng kịp thời, ngân hàng phải huy động vốn từ các khách hàng trong nền kinh tế; vì vậy 2 Nguyễn Văn Tiến, Giáo trình tín dụng ngân hàng. 3 Trần Thị Xuân Hương, Hoàng Thị Minh Ngọc, Giáo trình Nghiệp vụ Ngân hàng thương mại.

8 việc thu hồi vốn tín dụng từ việc hoàn trả nợ vay là yêu cầu tất yếu của hoạt động tín dụng NHTM. Khi chuyển giao vốn tín dụng, ngân hàng chỉ chuyển giao quyền sử dụng vốn cho khách hàng chứ không chuyển giao quyền sở hữu vốn. Khách hàng sử dụng vốn tín dụng phải hoàn trả nợ gốc kèm theo lãi. Tiền lãi phải trả chính là chi phí cho việc sử dụng vốn tín dụng.

Tín dụng là nghiệp vụ quan trọng chiếm tỷ trọng lớn nhất trong tổng tài sản có, mang lại nguồn thu nhập đáng kể cho ngân hàng. Tuy nhiên đồng hành với thu nhập thì rủi ro càng cao, nên hoạt động cấp tín dụng của NHTM hầu hết các nước trên thế giới đều phải có khung pháp lý và được ngân hàng trung ương kiểm soát chặt chẽ. Tín dụng của NHTM đáp ứng nhu cầu về vốn cho các doanh nghiệp và đáp ứng nhu cầu tiêu dùng của người dân, hoạt động của ngân hàng thâm nhập vào mọi lĩnh vực ngành nghề, nên đòi hỏi các sản phẩm tín dụng ngày càng phong phú và đa dạng đáp ứng ngày càng cao nhu cầu của khách hàng. Khi thực hiện nghiệp vụ tín dụng, các ngân hàng phải tuân thủ quy trình tín dụng, đồng thời mọi tác nghiệp của các hoạt động tín dụng cần phải được kiểm tra, giám sát chặt chẽ, nhằm đảm bảo khách hàng trả nợ và lãi đúng hạn, hạn chế đến mức thấp nhất tình trạng nợ xấu.

Vai trò của tín dụng ngân hàng Đối với nền kinh tế TDNH là một công cụ đòn bẩy góp phần tăng trưởng kinh tế và điều tiết nền kinh tế. Nó là động lực góp phần hình thành và chuyển dịch cơ cấu kinh tế theo hướng công nghiệp hóa, hiện đại hóa.