Giới thiệu dự án

Sự chuyển dịch từ nền kinh tế tiền mặt sang kinh tế số tại Việt Nam đang diễn ra với tốc độ nhanh chóng, được thúc đẩy bởi sự bùng nổ của công nghệ tài chính (FinTech) và hạ tầng ngân hàng số hiện đại. Theo thống kê từ Vụ Thanh toán - Ngân hàng Nhà nước (NHNN), tốc độ tăng trưởng của dịch vụ Mobile Banking giai đoạn 2018–2021 đạt 262%, với hơn 80 tổ chức cung cấp dịch vụ thanh toán qua Internet và 44 đơn vị triển khai thanh toán di động. Đến năm 2022, thanh toán qua thiết bị di động tiếp tục tăng trưởng 107% về số lượng và 92% về giá trị giao dịch.

Vấn đề nghiên cứu và Điểm nghẽn thực tiễn

Mặc dù hạ tầng thanh toán số phát triển mạnh, tiền mặt vẫn chiếm tỷ trọng đáng kể trong các giao dịch vi mô tại đô thị. Thế hệ Gen Z (sinh từ 1997 đến 2012) chiếm gần 1/3 lực lượng lao động vào năm 2025, đóng vai trò hạt nhân định hình xu hướng tiêu dùng số. Tuy nhiên, các ngân hàng thương mại (NHTM) và tổ chức trung gian thanh toán đang đối mặt với các rào cản kỹ thuật và tâm lý:

  • Lo ngại về an toàn thông tin và nguy cơ tấn công lừa đảo qua mạng xã hội (phishing, social engineering).
  • Trải nghiệm người dùng (UX/UI) giữa các nền tảng còn phân mảnh, độ ổn định hệ thống trong khung giờ cao điểm chưa tối ưu.
  • Chi phí giao dịch tiềm ẩn và các hạn mức chuyển tiền chưa linh hoạt cho đối tượng có thu nhập khởi điểm.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý thuyết và mô hình chấp nhận công nghệ liên quan đến thanh toán không dùng tiền mặt (TTKDTM).
  2. Phân tích thực trạng ứng dụng giải pháp thanh toán số của NHTM và công ty FinTech tại Hà Nội.
  3. Xác định, đo lường mức độ tác động của các nhân tố kỹ thuật và tâm lý đến ý định sử dụng TTKDTM của Gen Z thông qua mô hình định lượng.
  4. Đề xuất khung kiến trúc giải pháp và chính sách kỹ thuật nhằm mở rộng tỷ lệ chuyển đổi số cho các định chế tài chính.

Phương pháp tiếp cận và Phạm vi

  • Cách tiếp cận: Tích hợp mô hình Chấp nhận Công nghệ (TAM - Technology Acceptance Model) và Lý thuyết Hợp nhất về Chấp nhận và Sử dụng Công nghệ (UTAUT), kết hợp phân tích kinh tế lượng thực nghiệm trên dữ liệu khảo sát thực tế.
  • Phạm vi khảo sát: 640 mẫu hợp lệ từ đối tượng Gen Z (18–27 tuổi) sinh sống, học tập và làm việc trên địa bàn TP. Hà Nội trong giai đoạn từ tháng 10/2022 đến tháng 02/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường thanh toán số hiện tại bao gồm các phương thức chính với đặc tính kỹ thuật và chi phí vận hành khác nhau:

Phương thức Ưu điểm kỹ thuật Hạn chế kỹ thuật Cơ chế phí
Tiền mặt (Traditional Cash) Không phụ thuộc mạng viễn thông, thanh toán tức thời offline Rủi ro tiền giả, chi phí in ấn/bảo quản cao, không truy vết được giao dịch Chi phí kiểm đếm, lưu kho xã hội cao
Ngân hàng số (Mobile Banking) Chuyển mạch 24/7 (Napas 247), hạn mức cao, tích hợp eKYC và Smart OTP Phụ thuộc đường truyền Internet, hệ thống core banking bảo trì gây nghẽn Đa số miễn phí chuyển tiền (Zero-fee)
Ví điện tử (E-Wallets) Hệ sinh thái dịch vụ đa dạng, thanh toán qua QR Code nhanh, nhiều voucher Phải liên kết tài khoản ngân hàng, phân mảnh nguồn tiền Phí rút tiền về thẻ/tài khoản khi vượt hạn mức
Mua trước trả sau (BNPL) Giải ngân tức thì qua API chấm điểm tín dụng số, không tài sản bảo đảm Nguy cơ nợ xấu cao nếu hệ thống scoring tín dụng thiếu dữ liệu Miễn lãi theo chu kỳ, phạt phí trả chậm

Phân loại yêu cầu người dùng theo mô hình MoSCoW

  • Must-have (Bắt buộc): Bảo mật đa lớp (Sinh trắc học FaceID/Vân tay + SMS/Smart OTP); Thời gian phản hồi giao dịch $< 2$ giây; Hỗ trợ quét mã VietQR chuẩn EMVCo.
  • Should-have (Nên có): Định danh eKYC tự động xác thực căn cước công dân gắn chip qua NFC; Giao diện cá nhân hóa theo hành vi người dùng.
  • Could-have (Có thể có): Chuyển tiền qua giao diện hội thoại (ChatPay), nhận diện giọng nói (VoicePay).
  • Won't-have (Chưa ưu tiên): Tích hợp giao dịch tài sản số/tiền mã hóa (chưa có khung pháp lý).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu nghiên cứu và mô hình định lượng ứng dụng được chuẩn hóa theo sơ đồ module:

Thiết kế lược đồ cơ sở dữ liệu phân tích (MySQL 8.0 DDL)

CREATE TABLE survey_respondents (
    respondent_id INT AUTO_INCREMENT PRIMARY KEY,
    gender ENUM('Male', 'Female') NOT NULL,
    age_group ENUM('18-22', '22-25', '25-27') NOT NULL,
    education ENUM('HighSchool', 'College', 'University', 'Postgraduate') NOT NULL,
    income_level ENUM('Under3M', '3-5M', '5-10M', '10-20M', 'Above20M') NOT NULL,
    occupation ENUM('Student', 'OfficeWorker', 'BlueCollar', 'Manager') NOT NULL,
    usage_frequency ENUM('Rarely', 'Occasionally', 'Regularly', 'VeryFrequently') NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE scale_responses (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    respondent_id INT NOT NULL,
    factor_code VARCHAR(10) NOT NULL, -- UT1-UT4, EU1-EU3, SC1-SC2, EX1-EX3, SA1-SA4, BI1-BI2
    likert_score TINYINT NOT NULL CHECK (likert_score BETWEEN 1 AND 5),
    FOREIGN KEY (respondent_id) REFERENCES survey_respondents(respondent_id) ON DELETE CASCADE
);

Thiết kế đặc tả API xác thực thanh toán an toàn

POST /api/v1/payments/cashless-verify
Content-Type: application/json
Authorization: Bearer eyJhbGciOiJIUzI1NiIsInR5cCI...

{
  "transaction_id": "TXN-202305-GENZ-88912",
  "payer_id": "USER-994123",
  "method": "VIETQR_PRO",
  "amount": 150000.00,
  "currency": "VND",
  "biometric_token": "bio_sig_9f8e7d6c5b4a3",
  "device_fingerprint": "a1b2c3d4e5f67890"
}

HTTP/1.1 200 OK
Content-Type: application/json

{
  "status": "SUCCESS",
  "auth_code": "AUTH-773192",
  "latency_ms": 182,
  "timestamp": "2023-05-15T08:30:00Z"
}

Phương pháp nghiên cứu và Lộ trình thực hiện

Quy trình thực hiện kết hợp phương pháp nghiên cứu định tính và định lượng 2 giai đoạn:

Giai đoạn Thời gian Nội dung công việc Kết quả đầu ra (Deliverables)
Giai đoạn 1 10/2022 – 11/2022 Tổng quan lý luận, nghiên cứu tài liệu, hiệu chỉnh thang đo Bảng hỏi sơ bộ gồm 18 biến quan sát
Giai đoạn 2 12/2022 – 01/2023 Khảo sát thử nghiệm ($N=50$), phân phối khảo sát diện rộng 673 phiếu phản hồi thu về
Giai đoạn 3 02/2023 – 03/2023 Sàng lọc dữ liệu, phân tích SPSS, kiểm định mô hình 640 mẫu sạch; bộ chỉ số EFA & hồi quy
Giai đoạn 4 04/2023 – 05/2023 Đánh giá ANOVA, kiểm định Levene, đề xuất hàm ý FinTech Báo cáo hoàn chỉnh và kiến nghị chính sách

Implementation và kết quả

Quy trình phân tích dữ liệu và Thuật toán thực nghiệm

Mô hình hồi quy tuyến tính bội được thiết lập:

$$Y_i = \beta_0 + \beta_1 \text{UT}_i + \beta_2 \text{EU}_i + \beta_3 \text{SC}_i + \beta_4 \text{EX}_i + \beta_5 \text{SA}_i + \epsilon_i$$

Trong đó:

  • $Y_i$: Ý định sử dụng dịch vụ TTKDTM (Behavioral Intention - BI).
  • $\text{UT}_i$: Tính hữu ích (Perceived Utility - 4 biến quan sát UT1 đến UT4).
  • $\text{EU}_i$: Tính dễ sử dụng (Perceived Ease of Use - 3 biến quan sát EU1 đến EU3).
  • $\text{SC}_i$: Tính bảo mật (Perceived Security - 2 biến quan sát SC1, SC2).
  • $\text{EX}_i$: Chi phí sử dụng (Usage Cost - 3 biến quan sát EX1 đến EX3).
  • $\text{SA}_i$: Ảnh hưởng xã hội (Social Influence - 4 biến quan sát SA1 đến SA4).
  • $\beta_0$: Hệ số chặn (Constant); $\beta_1 \dots \beta_5$: Hệ số hồi quy; $\epsilon_i$: Sai số ngẫu nhiên.
import numpy as np
import pandas as pd
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_bartlett_sphericity, calculate_kmo
import statsmodels.api as sm

# 1. Load và làm sạch dữ liệu khảo sát (N = 640)
df = pd.read_csv("genz_cashless_survey_clean.csv")
independent_vars = ['UT1', 'UT2', 'UT3', 'UT4', 'SA1', 'SA2', 'SA3', 'SA4',
                    'EX1', 'EX2', 'EX3', 'EU1', 'EU2', 'EU3', 'SC1', 'SC2']

# 2. Kiểm định KMO và Bartlett's Test of Sphericity
chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_vars])
kmo_all, kmo_model = calculate_kmo(df[independent_vars])
print(f"KMO Score: {kmo_model:.3f} | Bartlett Chi2: {chi_square_value:.2f} (p={p_value:.3e})")

# 3. Phân tích nhân tố khám phá EFA (Principal Component Analysis với phép xoay Varimax)
fa = FactorAnalyzer(n_factors=5, method='principal', rotation='varimax')
fa.fit(df[independent_vars])
ev, v = fa.get_eigenvalues()
print("Eigenvalues:", ev[:5])
print("Total Variance Explained (%):", np.sum(fa.get_factor_variance()[1]) * 100)

# 4. Mô hình hồi quy OLS
X = df[['UT_mean', 'EU_mean', 'SC_mean', 'EX_mean', 'SA_mean']]
X = sm.add_constant(X)
y = df['BI_mean']
ols_model = sm.OLS(y, X).fit()
print(ols_model.summary())

Kết quả kiểm định và Đo lường độ tin cậy

Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo đều đạt chuẩn kiểm định với hệ số Cronbach's Alpha $> 0.7$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.3$:

Thang đo nhân tố Ký hiệu Số biến quan sát Hệ số Cronbach's Alpha Đánh giá
Tính hữu ích UT 4 0.846 Đạt độ tin cậy rất tốt
Tính dễ sử dụng EU 3 0.794 Đạt độ tin cậy tốt
Chi phí sử dụng EX 3 0.794 Đạt độ tin cậy tốt
Ảnh hưởng xã hội SA 4 0.744 Đạt độ tin cậy tốt
Tính bảo mật SC 2 0.718 Đạt độ tin cậy chuẩn
Ý định sử dụng (Biến phụ thuộc) BI 2 0.821 Đạt độ tin cậy rất tốt

Kiểm định phân tích nhân tố khám phá (EFA)

  • Hệ số KMO các biến độc lập: $0.859 > 0.50$ (Thích hợp cho phân tích nhân tố).
  • Kiểm định Bartlett's Test: Giá trị $\chi^2$ có ý nghĩa thống kê cao ($p = 0.000 < 0.001$), các biến có tương quan chặt chẽ.
  • Tổng phương sai trích (Total Variance Explained): $67.646% > 50%$ tại điểm dừng Eigenvalue $= 1.050 > 1$, trích xuất thành công 5 nhóm nhân tố độc lập.
  • Biến phụ thuộc (Ý định sử dụng): $\text{KMO} = 0.500$, Sig. $= 0.000$, Tổng phương sai trích đạt $84.856%$ với Eigenvalue $= 1.697$.
==============================================================================
                      KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH VÀ ANOVA
==============================================================================
Mẫu nghiên cứu hợp lệ (N):                640 quan sát
Tỷ lệ mẫu theo giới tính:                 Nữ 54.1% | Nam 45.9%
Phân bố độ tuổi chủ đạo:                  18-22 tuổi (43.9%), 22-25 tuổi (33.9%)
Tần suất sử dụng TTKDTM thường xuyên:     63.0% (Thường xuyên & Rất thường xuyên)
Kiểm định Levene Phương sai:              Sig > 0.05 (Thỏa mãn giả định đồng nhất)
Hệ số xác định R-squared hiệu chỉnh:      Mô hình giải thích tốt biến thiên ý định
==============================================================================

Đổi mới và đóng góp

  1. Đổi mới trong mô hình nghiên cứu Gen Z chuyên biệt: Khác với các nghiên cứu chung về dân số đô thị, nghiên cứu này lượng hóa hành vi thanh toán của phân khúc khách hàng số bản địa (Digital Natives), chỉ ra tác động kép của hạ tầng giao dịch miễn phí và ảnh hưởng mạng xã hội đối với hành vi người dùng.
  2. Bằng chứng thực nghiệm định lượng chi tiết ($N = 640$): So sánh trực tiếp với các mô hình trước đây để xác nhận sự dịch chuyển hành vi người dùng:
Tiêu chí Mô hình Nghiên cứu hiện tại Đỗ Thị Hương et al. (2021) Bùi Thị Kim Hoàng et al. (2022)
Đối tượng & Địa bàn Gen Z (18–27 tuổi) tại Hà Nội Khách mua siêu thị tại Hà Nội Người tiêu dùng chung tại TP.HCM
Kích thước mẫu ($N$) 640 mẫu hợp lệ 250 mẫu 601 mẫu
Cơ chế xác thực bảo mật Sinh trắc học & Smart OTP Mật khẩu & Mã hóa chung Nhận thức rủi ro tổng quát
Yếu tố chi phí Đo lường riêng biệt (EX1–EX3) Tích hợp trong điều kiện cơ sở Không tách biệt chi phí
Phương sai trích EFA 67.646% 58.320% 62.150%
  1. Cải tiến hiệu suất triển khai cho tổ chức FinTech: Cung cấp cơ sở định lượng để các ngân hàng loại bỏ phí duy trì và phí chuyển tiền, giúp tăng tỷ lệ kích hoạt tài khoản thanh toán mới từ Gen Z lên hơn 35%.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  • Thanh toán trường học và campus thông minh: Tích hợp tính năng quét mã VietQR tĩnh/động cho các căng-tin, thư viện và cổng thanh toán học phí trực tuyến liên kết trực tiếp ứng dụng Mobile Banking của sinh viên.
  • Thương mại bán lẻ và dịch vụ giải trí vỉa hè: Sử dụng công nghệ Tap-to-phone và mã QR để biến thiết bị di động của tiểu thương thành điểm chấp nhận thanh toán mà không cần đầu tư máy POS chuyên dụng.
  • Siêu ứng dụng tích hợp đa dịch vụ: Tích hợp tính năng mua vé xe buýt, vé xem phim, gọi xe công nghệ và thanh toán hóa đơn sinh hoạt định kỳ tự động (Auto-debit).

Phân tích Chi phí - Lợi ích (CBA) và Tỷ suất ROI cho Ngân hàng

  • Chi phí đầu tư hạ tầng số ban đầu: Chi phí nâng cấp cổng API mở (Open Banking), máy chủ bảo mật HSM và chứng nhận PCI-DSS.
  • Lợi ích kinh tế:
    • Gia tăng nguồn vốn tiền gửi không kỳ hạn (CASA) với chi phí vốn rẻ ($< 0.5%/\text{năm}$).
    • Cắt giảm chi phí vận hành chi nhánh truyền thống từ 40% đến 60%.
    • Tỷ suất hoàn vốn đầu tư (ROI) ước tính đạt điểm hòa vốn sau 18–24 tháng nhờ tăng doanh thu bán chéo sản phẩm thẻ tín dụng và bảo hiểm (Bancassurance).

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Phương pháp lấy mẫu thuận tiện tập trung tại khu vực nội thành Hà Nội; nhóm có trình độ đại học chiếm tỷ lệ lớn (69.2%), chưa phản ánh toàn diện Gen Z khu vực ngoại thành hoặc nông thôn.
  • Giới hạn biến số: Nghiên cứu chưa đi sâu vào tác động của các công nghệ mới nổi như Blockchain, Tiền kỹ thuật số của Ngân hàng Trung ương (CBDC) hoặc các rủi ro từ tấn công công nghệ cao (Deepfake trong eKYC).
  • Hướng phát triển:
    • Mở rộng quy mô khảo sát liên tỉnh (Hà Nội, Đà Nẵng, TP.HCM) để so sánh hành vi vùng miền.
    • Tích hợp mô hình Machine Learning (Random Forest, XGBoost) để phân nhóm hành vi chi tiêu và dự báo tỷ lệ rời bỏ dịch vụ (Churn rate) của khách hàng trẻ.

Đối tượng hưởng lợi

  • Sinh viên & Giới trẻ (Gen Z): Tiếp cận các phương thức thanh toán an toàn, tiết kiệm thời gian, tối ưu hóa chi phí và quản lý chi tiêu cá nhân qua ứng dụng thông minh.
  • Lập trình viên & Kỹ sư FinTech: Nắm bắt chính xác các yêu cầu kỹ thuật ưu tiên (MoSCoW), kiến trúc bảo mật sinh trắc học và tiêu chuẩn API thanh toán tối ưu cho người dùng trẻ.
  • Ngân hàng thương mại & Doanh nghiệp: Có căn cứ khoa học và số liệu thực nghiệm để hoạch định chiến lược kinh doanh, thiết kế sản phẩm số (VPBank NEO, BIDV SmartBanking, TPBank Mobile) và tối ưu hóa chính sách phí.
  • Nhà nghiên cứu học thuật: Cung cấp bộ dữ liệu thực nghiệm chuẩn hóa ($N = 640$) và mô hình kiểm định kết hợp TAM/UTAUT ứng dụng cho thị trường thanh toán số tại các nền kinh tế mới nổi.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai ứng dụng thanh toán cho Gen Z là gì?

Hệ thống cần ứng dụng kiến trúc Microservices với API Gateway chịu tải cao; hỗ trợ giao thức TLS 1.3; cơ chế mã hóa Tokenization chuẩn EMVCo; xác thực sinh trắc học (FIDO2 standard) và tích hợp eKYC nhận diện khuôn mặt chống giả mạo (Liveness Detection).

2. Giới hạn khả năng mở rộng (Scalability) của hệ thống và giải pháp xử lý?

Khi số lượng giao dịch tăng đột biến vào các dịp khuyến mại, hệ thống xử lý giao dịch có thể bị nghẽn tại tầng cơ sở dữ liệu. Giải pháp là áp dụng kiến trúc phân tán (Database Sharding), bộ nhớ đệm Redis Cluster và tích hợp hàng đợi thông điệp Apache Kafka để xử lý giao dịch bất đồng bộ.

3. Phương thức tích hợp ứng dụng thanh toán với các hệ thống Core Banking hiện hữu?

Sử dụng kiến trúc Open API theo chuẩn ISO 20022 để kết nối an toàn giữa lớp ứng dụng bên ngoài (Frontend Super App) với hệ thống Core Banking thông qua lớp Enterprise Service Bus (ESB), đảm bảo giao dịch thông suốt mà không ảnh hưởng tới dữ liệu sổ cái ngân hàng.

4. Nhu cầu bảo trì và hỗ trợ vận hành hệ thống thanh toán số như thế nào?

Cần duy trì trung tâm vận hành an ninh mạng (SOC) 24/7, định kỳ đánh giá lỗ hổng bảo mật (Pentest), cập nhật chứng chỉ bảo mật định kỳ và hỗ trợ người dùng đa kênh tức thời qua AI Chatbot và tổng đài trực tuyến.

5. Khung thời gian hoàn vốn (ROI) khi đầu tư hệ thống ngân hàng số hướng tới Gen Z?

Thời gian hoàn vốn trung bình dao động từ 1.5 đến 2 năm. Nguồn thu bù đắp chi phí ban đầu đến từ việc gia tăng tỷ lệ CASA giá rẻ, thu phí dịch vụ từ các đối tác thương mại điện tử liên kết và giảm thiểu chi phí vận hành quầy giao dịch vật lý.


Kết luận

Khóa luận đã làm rõ cơ sở lý luận và thực tiễn về các yếu tố tác động đến ý định sử dụng dịch vụ thanh toán không dùng tiền mặt của thế hệ Gen Z tại Hà Nội. Với cỡ mẫu thực nghiệm $N = 640$, các phân tích thống kê Cronbach's Alpha ($> 0.7$), EFA (Tổng phương sai trích $67.646%$) và kiểm định mô hình đã khẳng định tính hữu ích, tính dễ sử dụng, tính bảo mật, chi phí sử dụng và ảnh hưởng xã hội là những trụ cột then chốt định hình hành vi thanh toán số. Kết quả nghiên cứu là tài liệu tham khảo giá trị cho các nhà hoạch định chính sách, Ngân hàng Nhà nước và các tổ chức FinTech trong việc hoàn thiện hạ tầng thanh toán số quốc gia.