Giới thiệu dự án

Nguồn vốn huy động tiền gửi từ dân cư đóng vai trò huyết mạch đối với hệ thống ngân hàng thương mại (NHTM), chiếm từ 60% đến 75% tổng nguồn vốn hoạt động của các tổ chức tín dụng tại Việt Nam. Tại địa bàn Thừa Thiên Huế, môi trường kinh doanh dịch vụ tài chính ghi nhận mức độ cạnh tranh gay gắt giữa 4 NHTM Nhà nước lớn và hơn 20 chi nhánh NHTM Cổ phần. Trong bối cảnh đó, Ngân hàng TMCP Công thương Việt Nam (VietinBank) Chi nhánh Thừa Thiên Huế đặt mục tiêu duy trì tốc độ tăng trưởng nguồn vốn huy động ổn định từ 20% – 25%/năm (tổng nguồn vốn năm 2016 đạt 4.344 tỷ đồng, trong đó tiền gửi dân cư chiếm 2.627 tỷ đồng).

Vấn đề cốt lõi đặt ra là sự phân tán của dòng tiền nhàn rỗi trong dân cư và xu hướng chuyển dịch tiền gửi giữa các ngân hàng dựa trên sự chênh lệch lãi suất, chất lượng dịch vụ, và sự thuận tiện của mạng lưới. Ban lãnh đạo ngân hàng thiếu một mô hình định lượng chuẩn hóa để đo lường chính xác trọng số tác động của từng nhân tố tới hành vi ra quyết định của khách hàng cá nhân (KHCN), dẫn đến việc phân bổ ngân sách tiếp thị và nâng cấp dịch vụ chưa đạt hiệu suất tối ưu.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về tiền gửi tiết kiệm (TGTK) và hành vi tiêu dùng dịch vụ tài chính cá nhân.
  2. Xây dựng mô hình định lượng xác định 6 nhóm nhân tố tác động đến quyết định gửi tiền của KHCN.
  3. Thu thập, làm sạch và phân tích tập dữ liệu sơ cấp $N = 180$ mẫu hợp lệ thu thập tại TP. Huế bằng phần mềm IBM SPSS Statistics v22.0.
  4. Đánh giá độ tin cậy thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (EFA) và hồi quy Binary Logistic để xác định hàm xác suất quyết định gửi tiền.
  5. Đề xuất hệ thống giải pháp nâng cao năng lực cạnh tranh và tối ưu hóa quy trình huy động vốn tại VietinBank Thừa Thiên Huế.

Phương pháp tiếp cận kết hợp phân tích định tính (khảo sát thực tế, chuyên gia ngân hàng) và phân tích định lượng đa biến. Kết quả kỳ vọng cung cấp mô hình dự báo với độ chính xác trên 80%, giúp chi nhánh tối ưu hóa chiến lược sản phẩm và gia tăng thị phần tiền gửi dân cư.

Phạm vi nghiên cứu tập trung vào khách hàng cá nhân giao dịch tại Hội sở và 9 Phòng giao dịch (PGD) của VietinBank Thừa Thiên Huế từ năm 2012 đến 2018; giới hạn nghiên cứu không bao gồm phân khúc khách hàng doanh nghiệp và các sản phẩm đầu tư phái sinh.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình nghiên cứu tiền bối về hành vi gửi tiền tiết kiệm thường tập trung vào phương pháp hồi quy tuyến tính cổ điển (OLS) hoặc chỉ khảo sát đơn biến, dẫn đến sự thiếu hụt trong việc mô hình hóa quyết định nhị phân ($Y \in {0, 1}$: Có gửi / Không gửi).

Tiêu chí so sánh Mô hình Eser Pirgan Matur et al. Mô hình Nguyễn Thị Lẹ (2009) Mô hình Nghiên cứu Đề xuất (2018)
Đối tượng & Không gian Kinh tế vĩ mô Thổ Nhĩ Kỳ SCB Chi nhánh Cần Thơ VietinBank Thừa Thiên Huế
Phương pháp chính Phân tích chuỗi thời gian vĩ mô Hồi quy tương quan đa biến EFA kết hợp Binary Logistic
Nhân tố Lãi suất Lãi suất thực tế vĩ mô Lãi suất niêm yết 4 biến quan sát đo lường cạnh tranh
Nhân tố Mạng lưới & Dịch vụ Không tích hợp Đánh giá sơ bộ khoảng cách 8 biến chi tiết (Vị trí, Cơ sở, Phục vụ)
Xử lý biến phụ thuộc Biến liên tục (Tổng lượng tiết kiệm) Biến liên tục (Số tiền gửi) Biến nhị phân 0/1 (Xác suất quyết định)

Ưu tiên hóa yêu cầu nghiên cứu và hệ thống biến số theo chuẩn MoSCoW:

  • Must-have: 6 nhóm nhân tố cốt lõi (Lãi suất, Thương hiệu, Đội ngũ nhân viên, Chất lượng dịch vụ, Mạng lưới chi nhánh, Ảnh hưởng người thân quen); kiểm định KMO & Bartlett, Cronbach's Alpha $> 0.6$, Eigenvalue $> 1.0$.
  • Should-have: Mô hình hồi quy Binary Logistic hoàn chỉnh với kiểm định Omnibus Test, Wald Test và ma trận phân loại (Classification Table).
  • Could-have: Phân tích chéo (Crosstabulation) giữa các biến nhân khẩu học (thu nhập, độ tuổi, học vấn) và loại hình tiền gửi.
  • Won't-have: Xây dựng phần mềm Core Banking tự động (chỉ cung cấp thuật toán và luồng dữ liệu phân tích).
graph TD
    A["Tập dữ liệu khảo sát (N=180)"] --> B["Kiểm định độ tin cậy Cronbach's Alpha"]
    B --> C["Phân tích nhân tố khám phá EFA"]
    C --> D["Kiểm định KMO & Bartlett's Test"]
    D --> E["Rút trích 6 Nhân tố đại diện"]
    E --> F["Mô hình Hồi quy Binary Logistic"]
    F --> G["Dự báo Xác suất Quyết định Gửi tiền"]

Thiết kế hệ thống và mô hình dữ liệu

Mô hình nghiên cứu định lượng thiết lập phương trình hồi quy xác suất Logistic:

$$\operatorname{logit}(P) = \ln\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \beta_6 X_6 + \varepsilon$$

Trong đó:

  • $P$: Xác suất khách hàng đưa ra quyết định gửi tiền tiết kiệm ($P(Y=1)$).
  • $X_1$: Nhóm nhân tố Chất lượng dịch vụ & Bảo mật.
  • $X_2$: Nhóm nhân tố Thương hiệu & Mức độ uy tín.
  • $X_3$: Nhóm nhân tố Trình độ & Thái độ nhân viên.
  • $X_4$: Nhóm nhân tố Mạng lưới phân phối & Địa điểm PGD.
  • $X_5$: Nhóm nhân tố Chính sách Lãi suất & Phương thức tính lãi.
  • $X_6$: Nhóm nhân tố Ảnh hưởng từ người thân quen.

Cấu trúc cơ sở dữ liệu khảo sát được chuẩn hóa qua schema SQL phục vụ lưu trữ và phân tích:

CREATE TABLE SurveyRespondents (
    RespondentID INT PRIMARY KEY AUTO_INCREMENT,
    Gender ENUM('Male', 'Female') NOT NULL,
    AgeGroup ENUM('Under20', '20-30', '30-40', '40-50', 'Above50') NOT NULL,
    Education ENUM('HighSchool', 'Vocational', 'Bachelor_College', 'PostGraduate') NOT NULL,
    MonthlyIncome ENUM('Under5M', '5M-10M', 'Above10M') NOT NULL,
    Occupation ENUM('GovStaff', 'Business', 'Student', 'Others') NOT NULL,
    HasDeposited TINYINT(1) NOT NULL DEFAULT 0,
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE LikertResponses (
    ResponseID INT PRIMARY KEY AUTO_INCREMENT,
    RespondentID INT NOT NULL,
    VariableCode VARCHAR(10) NOT NULL,
    Score TINYINT CHECK (Score BETWEEN 1 AND 5),
    FOREIGN KEY (RespondentID) REFERENCES SurveyRespondents(RespondentID)
);

Yêu cầu an toàn thông tin tuân thủ nghiêm ngặt chuẩn bảo mật dữ liệu ngân hàng, mã hóa ẩn danh toàn bộ định danh khách hàng (PII) trước khi nạp vào hệ thống phân tích thống kê.

Methodology

Phương pháp nghiên cứu áp dụng quy trình kiểm định 4 giai đoạn chuẩn hóa:

Công thức xác định kích thước mẫu khảo sát tối thiểu của nghiên cứu:

$$n = \frac{z^2 \cdot p \cdot q}{e^2} = \frac{(1.96)^2 \cdot 0.5 \cdot (1 - 0.5)}{(0.07)^2} \approx 196 \text{ mẫu}$$

Trong đó mức độ tin cậy đạt 95% ($z = 1.96$), phương sai cực đại $p = 0.5$, sai số biên cho phép $e = 7%$. Thực tế đã phát ra 200 phiếu, thu về 180 phiếu hợp lệ (tỷ lệ phản hồi hợp lệ đạt 90.0%).


Implementation và kết quả

Development process

Quá trình làm sạch dữ liệu và xử lý các chỉ số thống kê được thực thi bằng Python 3.10 kết hợp thư viện statsmodelspandas để mô phỏng và xác thực chéo kết quả xuất ra từ SPSS v22.0.

import numpy as np
import pandas as pd
import statsmodels.api as sm

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha chuẩn hóa."""
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_variance))
    return float(alpha)

def fit_binary_logistic_model(X: pd.DataFrame, y: pd.Series):
    """Xây dựng mô hình Binary Logistic Regression."""
    X_with_const = sm.add_constant(X)
    logit_model = sm.Logit(y, X_with_const)
    result = logit_model.fit(disp=False)
    return result

Testing và validation

Kết quả phân tích kiểm định độ tin cậy thang đo qua hệ số Cronbach's Alpha và phân tích nhân tố khám phá EFA cho 23 biến quan sát:

Nhóm nhân tố Số biến quan sát Cronbach's Alpha tổng Biến có tương quan biến-tổng nhỏ nhất Hệ số tải nhân tố (Factor Loading)
Nhân tố 1: Chất lượng dịch vụ 4 0.793 0.727 (Mức độ bảo mật thông tin) 0.707 - 0.806
Nhân tố 2: Uy tín & Thương hiệu 4 0.787 0.718 (Ngân hàng hoạt động lâu năm) 0.680 - 0.753
Nhân tố 3: Trình độ Nhân viên 4 0.800 0.732 (Nắm vững các nghiệp vụ) 0.762 - 0.808
Nhân tố 4: Mạng lưới PGD 4 0.790 0.684 (Nhiều PGD gần trung tâm) 0.616 - 0.785
Nhân tố 5: Chính sách Lãi suất 4 0.715 0.643 (Phương thức trả lãi phù hợp) 0.566 - 0.809
Nhân tố 6: Người thân quen 4 0.666 0.580 (Thân quen giao dịch tại NH) 0.602 - 0.708

Kiểm định KMO and Bartlett's Test xác nhận tính phù hợp của ma trận dữ liệu:

  • Kaiser-Meyer-Olkin Measure of Sampling Adequacy (KMO): $0.740 > 0.50$ (Thích hợp cho phân tích nhân tố).
  • Bartlett's Test of Sphericity: Chi-Square $= 1276.274$, Degrees of Freedom ($df$) $= 276$, Significance ($Sig.$) $= 0.000 < 0.05$.
  • Tổng phương sai trích lũy tiến (Cumulative Percentage): $61.34% > 50.0%$ (6 nhóm nhân tố giải thích được 61.34% độ biến thiên của tập dữ liệu gốc).
  • Eigenvalues: Tất cả 6 nhân tố đều có chỉ số Eigenvalue $> 1.110$.
                           Hệ Số Tin Cậy Cronbach's Alpha
                       0.0        0.2        0.4        0.6        0.8

Kết quả đạt được

Đặc điểm nhân khẩu học của tập mẫu nghiên cứu ($N=180$):

  • Giới tính: Nữ giới chiếm ưu thế với $57.8%$ (104 người); Nam giới chiếm $42.2%$ (76 người).
  • Độ tuổi: Nhóm tuổi từ 30 đến 40 tuổi chiếm tỷ lệ cao nhất ($42.2%$), tiếp theo là nhóm 20 đến 30 tuổi ($33.3%$).
  • Trình độ học vấn: Đại học và Cao đẳng chiếm $82.2%$, Cao học chiếm $13.7%$, phản ánh tệp khách hàng có nhận thức tài chính cao.
  • Thu nhập hàng tháng: Nhóm trên 10 triệu VNĐ chiếm $43.3%$; nhóm từ 5 đến 10 triệu VNĐ chiếm $40.0%$; nhóm dưới 5 triệu chiếm $16.7%$.
  • Nghề nghiệp: Cán bộ công nhân viên Nhà nước chiếm $45.6%$, người làm kinh doanh tự do chiếm $35.6%$.

Mô hình hồi quy Logistic đạt tỷ lệ dự báo chính xác tổng thể $88.3%$, phân loại chính xác nhóm khách hàng quyết định gửi tiền đạt $94.7%$.


Đổi mới và đóng góp

  1. Chuẩn hóa khung đánh giá định lượng cho ngân hàng bán lẻ địa phương: Thay vì áp dụng định tính cảm quan, đề tài xây dựng bộ thang đo 23 biến quan sát được chứng minh có độ tin cậy cao trên tập dữ liệu thực tế tại miền Trung.
  2. Xác lập thứ tự ưu tiên các nhân tố tác động: Chứng minh rằng nhân tố Trình độ, thái độ của đội ngũ nhân viên ($\alpha = 0.800$) và Chất lượng dịch vụ, bảo mật thông tin ($\alpha = 0.793$) có trọng số tác động cao hơn nhân tố Chính sách lãi suất ($\alpha = 0.715$) đối với phân khúc khách hàng đô thị có học vấn cao.
  3. Mô hình hóa tỷ lệ Odds Ratio trong quyết định gửi tiền: Đóng góp phương pháp ước lượng xác suất thực tế giúp ngân hàng dự đoán hành vi mở rộng sổ tiết kiệm dựa trên dữ liệu giao dịch ban đầu.
  4. Tối ưu hóa hiệu suất huy động vốn: Đóng góp trực tiếp vào chiến lược tăng trưởng nguồn vốn tiền gửi dân cư của VietinBank Huế từ 1.570 tỷ (2012) lên 2.627 tỷ (2016), tỷ lệ tăng trưởng bình quân đạt $13.8%$/năm.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

  • Phân luồng và chăm sóc khách hàng tại quầy (Counter Service): Khi khách hàng thuộc độ tuổi 30-40, thu nhập trên 10 triệu đồng đến giao dịch, giao dịch viên áp dụng quy trình tư vấn chuyên sâu về các gói TGTK có kỳ hạn kết hợp bảo hiểm hoặc bậc thang lãi suất.
  • Tối ưu hóa vị trí mạng lưới PGD: Định vị các PGD tại các trục giao thông thuận tiện thuộc trung tâm TP. Huế (Duy Tân, Thuận Thành, Nguyễn Huệ) dựa trên biến quan sát Vị trí PGD dễ tìm (Factor loading $0.616$) và Đường đi thuận tiện ($0.630$).
gantt
    title Lộ trình Triển khai Hệ thống Giải pháp Huy động Vốn (Q1 - Q4)
    dateFormat  YYYY-MM-DD
    section Tối ưu Dịch vụ & Đào tạo
    Đào tạo nghiệp vụ giao dịch viên      :active, a1, 2026-09-01, 45d
    Chuẩn hóa không gian quầy giao dịch   :a2, after a1, 30d
    section Công nghệ & Lãi suất
    Triển khai biểu lãi suất bậc thang     :b1, 2026-10-01, 30d
    Nâng cấp tính năng bảo mật SMS/OTP   :b2, after b1, 45d
    section Truyền thông & Mạng lưới
    Chiến dịch truyền thông thương hiệu   :c1, 2026-11-01, 60d
    Đánh giá hiệu quả định kỳ PGD        :c2, after c1, 30d

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

  • Chi phí triển khai: Dự toán ngân sách tái cấu trúc đào tạo nhân viên, nâng cấp cơ sở vật chất phòng chờ và chiến dịch truyền thông khoảng 650 triệu VNĐ/năm.
  • Lợi ích kinh tế: Gia tăng số dư tiền gửi dân cư thêm 15% (tương đương khoảng 390 tỷ VNĐ nguồn vốn huy động mới). Với biên độ lãi ròng (NIM) ước tính 2.2%, lợi nhuận trước thuế mang lại xấp xỉ 8.58 tỷ VNĐ, đạt tỷ suất hoàn vốn ROI $> 1200%$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Kích thước mẫu khảo sát $N=180$ phân bổ chủ yếu tại khu vực nội thành TP. Huế, chưa bao quát sâu các huyện ngoại thành như A Lưới, Nam Đông, Phong Điền.
  • Phương pháp chọn mẫu thuận tiện ngẫu nhiên tại quầy có thể gây ra độ lệch chọn mẫu (selection bias) đối với những người không thường xuyên đến điểm giao dịch vật lý.
  • Nghiên cứu thực hiện năm 2018 chưa tích hợp đầy đủ các biến số về Trải nghiệm Ngân hàng số (Digital Banking App, iPay Mobile).

Hướng nghiên cứu tiếp theo

  • Mở rộng mô hình nghiên cứu kết hợp cấu trúc tuyến tính SEM (Structural Equation Modeling) để đo lường biến trung gian (Sự hài lòng và Lòng trung thành thương hiệu).
  • Ứng dụng mô hình học máy (Random Forest, XGBoost) trên dữ liệu lớn Core Banking để phân loại và dự đoán xu hướng rời bỏ/tái tục sổ tiết kiệm tự động.

Đối tượng hưởng lợi

                              Đối Tượng Hưởng Lợi
  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Cung cấp tài liệu mẫu chuẩn mực về cấu trúc khóa luận ứng dụng phương pháp định lượng EFA và Binary Logistic trong tài chính ngân hàng.
  • Chuyên viên phân tích dữ liệu (Data Analysts): Kế thừa kịch bản phân tích thống kê, mã nguồn Python xử lý Cronbach's Alpha và ma trận tương quan biến tổng.
  • Ban điều hành ngân hàng thương mại: Sở hữu căn cứ khoa học định lượng để hoạch định chính sách lãi suất, đào tạo nhân sự và phát triển mạng lưới PGD.
  • Các nhà nghiên cứu ứng dụng: Sử dụng bộ thang đo 23 biến quan sát đã được kiểm định độ tin cậy làm tiền đề mở rộng cho các nghiên cứu tại các thị trường tài chính tương đồng.

Câu hỏi thường gặp

1. Cấu hình môi trường và phần mềm yêu cầu để tái tạo mô hình?

Để thực thi lại toàn bộ quy trình kiểm định, hệ thống cần trang bị IBM SPSS Statistics phiên bản v20.0 trở lên (khuyến nghị v22.0 hoặc v26.0) hoặc môi trường Python 3.8+ cài đặt sẵn các gói: pandas>=1.4.0, numpy>=1.22.0, statsmodels>=0.13.0, scikit-learn>=1.0.0.

2. Giới hạn phân tích của hồi quy Binary Logistic trong bài toán này là gì?

Binary Logistic chỉ phân loại biến phụ thuộc nhị phân ($0$ và $1$), không đo lường được mức độ tiền gửi nhiều hay ít của từng khách hàng. Khi cần đo lường chính xác quy mô số dư gửi, cần mở rộng sang mô hình Tobit hoặc Multinomial Logistic Regression.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống CRM ngân hàng?

Điểm số trung bình từ 6 nhóm nhân tố của từng khách hàng có thể được quy đổi thành chỉ số Xác suất Tiềm năng gửi tiền (Propensity Score) thông qua hàm Logit, từ đó kích hoạt luồng tiếp thị tự động (Marketing Automation) trên hệ thống Omni-channel CRM.

4. Quy trình bảo trì và tái chuẩn hóa thang đo định kỳ ra sao?

Thang đo 23 biến quan sát nên được tái kiểm định định kỳ 12 – 18 tháng/lần bằng cách phát khảo sát ngẫu nhiên tối thiểu $N=200$ mẫu để cập nhật lại các hệ số tải nhân tố theo sự biến chuyển của thị trường và thói quen tiêu dùng số.

5. Chi phí thu thập dữ liệu và thời gian hoàn vốn (ROI) của mô hình?

Chi phí in ấn bảng hỏi, quà tặng khảo sát và xử lý dữ liệu ước tính dưới 15 triệu VNĐ. Giá trị mang lại từ việc giảm thiểu chi phí quảng bá sai lệch tệp khách hàng giúp hoàn vốn đầu tư ngay trong tháng đầu tiên triển khai chiến dịch huy động.


Kết luận

Khóa luận tốt nghiệp "Phân tích các nhân tố ảnh hưởng đến quyết định gửi tiền tiết kiệm của khách hàng cá nhân tại Ngân hàng TMCP Công thương Việt Nam, Chi nhánh Thừa Thiên Huế" đã hoàn thành toàn diện các mục tiêu nghiên cứu lý luận và thực tiễn:

  • Khái quát thành công cơ sở lý luận về hành vi tiền gửi tiết kiệm cá nhân tại NHTM.
  • Xác thực bộ thang đo 23 biến quan sát thuộc 6 nhóm nhân tố bằng kiểm định Cronbach's Alpha ($\alpha$ từ $0.666$ đến $0.800$) và phân tích nhân tố khám phá EFA ($KMO = 0.740$, Phương sai trích $61.34%$).
  • Thiết lập mô hình hồi quy Binary Logistic với độ dự báo chính xác tổng thể $88.3%$, khẳng định tầm quan trọng vượt trội của chất lượng nhân sự và dịch vụ bảo mật thông tin bên cạnh yếu tố lãi suất.
  • Đóng góp hệ thống giải pháp ứng dụng thực tiễn cho ban lãnh đạo VietinBank Thừa Thiên Huế nhằm gia tăng thị phần tiền gửi dân cư trong kỷ nguyên chuyển đổi số ngành ngân hàng.