Phân tích hiệu quả các kênh tương tác trong ngân hàng bidv dựa trên thông tin giao dịch của khách hàng

Phân tích hiệu quả các kênh tương tác tại ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng, giúp tối ưu hóa trải nghiệm dịch vụ.

• Tác giả: Trần Thị Hoàng Yến
• Người hướng dẫn: Th.S. Bùi Thị Hồng Nhung
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Hệ thống thông tin quản lý
• Đề tài: Phân Tích Hiệu Quả Các Kênh Tương Tác Trong Ngân Hàng BIDV Dựa Trên Thông Tin Giao Dịch Khách Hàng
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2015
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: Giới thiệu tổng quan về bài toán
• 1.1. Giới thiệu đơn vị thực tập
• 1.2. Sự hình thành và phát triển
• 1.3. Các hoạt động nghiệp vụ của đơn vị
• 1.4. Giới thiệu bài toán
• 1.5. Tổng quan về kênh tương tác trong ngân hàng BIDV
• 1.5.1. Quầy giao dịch
• 1.6. Kết luận chương 1
• 2. CHƯƠNG 2: Tổng quan về Business Intelligence và giới thiệu các giải pháp phân tích kinh doanh
• 2.1. Tổng quan về Business Intelligence
• 2.2. IBM Cognos Business Intelligence
• 2.3. IBM Cognos Connection
• 2.4. IBM Cognos Administration
• 2.5. IBM Cognos Configuration
• 2.6. IBM Cognos Workspace
• 2.7. IBM Cognos Workspace Advanced
• 2.8. IBM Cognos Report Studio
• 2.9. IBM Cognos Query Studio
• 2.10. IBM Cognos Analysis Studio
• 2.11. IBM Cognos Event Studio
• 2.12. IBM Cognos Metric Studio & Designer
• 2.13. IBM Cognos Framework Manager
• 2.14. Kết luận chương 2
• 3. CHƯƠNG 3: Áp dụng vào bài toán ngân hàng BIDV
• 3.1. Mô tả bài toán phân tích hiệu quả kênh tương tác trong ngân hàng BIDV
• 3.2. Phân tích yêu cầu bài toán và thiết kế data mart
• 3.3. Kiến trúc data mart và các lưu ý khi thiết kế data mart
• 3.4. Áp dụng với bài toán ngân hàng BIDV
• 3.5. Lập báo cáo phân tích bằng IBM Cognos Business Intelligence
• 3.5.1. Giới thiệu về các công cụ lập báo cáo trên IBM Cognos BI
• 3.5.2. Demo lập báo cáo trên công cụ Report Studio
• 3.5.3. Demo báo cáo phân tích trên Cognos Workspace Advanced
• 3.5.4. Demo tạo dashboard trên Cognos Workspace
• 3.6. Kết luận chương 3
• LỜI CẢM ƠN

Tóm tắt

I. Tổng Quan Dự Án Phân Tích Hiệu Quả Kênh Ngân Hàng BIDV

Bài viết này tập trung vào việc phân tích hiệu quả các kênh tương tác của Ngân hàng BIDV dựa trên thông tin giao dịch khách hàng. Phân tích này sử dụng dữ liệu từ nhiều nguồn khác nhau, bao gồm giao dịch tại quầy, ATM, Internet Banking, Mobile Banking và POS. Mục tiêu chính là cung cấp cái nhìn sâu sắc về hành vi khách hàng BIDV, giúp ngân hàng đưa ra các quyết định chiến lược liên quan đến tối ưu kênh tương tác, nâng cao trải nghiệm khách hàng và marketing ngân hàng BIDV hiệu quả hơn. Dựa trên Khóa luận tốt nghiệp của Trần Thị Hoàng Yến, bài viết sẽ đi sâu vào các phương pháp và công cụ được sử dụng, cũng như kết quả phân tích thực tế. Bài viết sẽ phân tích chi tiết về Phân tích dữ liệu giao dịch và trình bày các báo cáo phân tích kinh doanh, dashboard trực quan giúp nhà quản lý dễ dàng theo dõi và đánh giá.

1.1. Giới Thiệu Chung về Kênh Tương Tác Khách Hàng BIDV

Các kênh tương tác đóng vai trò quan trọng trong việc kết nối ngân hàng với khách hàng. BIDV hiện đang triển khai nhiều kênh khác nhau, bao gồm kênh truyền thống (quầy giao dịch, ATM) và kênh hiện đại (Internet Banking, Mobile Banking, POS). Mỗi kênh có ưu điểm và nhược điểm riêng, phục vụ các phân khúc khách hàng khác nhau. Việc hiểu rõ đặc điểm của từng kênh là cơ sở để đánh giá hiệu quả kênh và đưa ra các điều chỉnh phù hợp. Việc chăm sóc khách hàng BIDV thông qua các kênh này cũng rất quan trọng để tăng sự hài lòng và gắn bó.

1.2. Tầm Quan Trọng của Phân Tích Dữ Liệu Giao Dịch Khách Hàng

Thông tin giao dịch khách hàng là nguồn dữ liệu vô giá để hiểu rõ hành vi khách hàng BIDV. Phân tích dữ liệu này giúp ngân hàng xác định xu hướng sử dụng dịch vụ, phân khúc khách hàng theo hành vi, và đánh giá hiệu quả của các chương trình khuyến mãi. Dữ liệu này cần được thu thập, xử lý và phân tích một cách có hệ thống để tạo ra thông tin hữu ích cho việc ra quyết định. Từ đó cải thiện mức độ hài lòng khách hàng và tăng doanh thu.

II. Vấn Đề Thách Thức Đánh Giá Hiệu Quả Kênh BIDV Hiện Tại

Trong bối cảnh cạnh tranh ngày càng gay gắt, việc đánh giá hiệu quả kênh một cách chính xác là vô cùng quan trọng đối với Ngân hàng BIDV. Tuy nhiên, việc này không hề dễ dàng do sự phức tạp của dữ liệu và sự đa dạng của các kênh tương tác. Một trong những thách thức lớn nhất là làm thế nào để tích hợp dữ liệu từ các nguồn khác nhau (quầy giao dịch, ATM, online) thành một hệ thống duy nhất để có thể phân tích toàn diện. Đồng thời, việc xác định các KPI kênh tương tác ngân hàng phù hợp và theo dõi chúng một cách thường xuyên cũng là một thách thức không nhỏ. Bên cạnh đó, dữ liệu giao dịch thường chứa nhiều thông tin nhiễu và không đầy đủ, đòi hỏi các phương pháp làm sạch và xử lý dữ liệu hiệu quả. Việc thiếu các công cụ phân tích dữ liệu giao dịch mạnh mẽ cũng có thể cản trở quá trình đánh giá.

2.1. Khó Khăn trong Thu Thập và Tích Hợp Dữ Liệu Giao Dịch

Dữ liệu giao dịch của Ngân hàng BIDV thường nằm rải rác ở nhiều hệ thống khác nhau, gây khó khăn cho việc thu thập và tích hợp. Mỗi kênh giao dịch có một định dạng dữ liệu riêng, đòi hỏi các công cụ chuyển đổi dữ liệu phức tạp. Việc đảm bảo tính chính xác và nhất quán của dữ liệu trong quá trình tích hợp cũng là một thách thức lớn. Nếu không có dữ liệu đầy đủ và chính xác, việc phân tích hiệu quả kênh sẽ không thể mang lại kết quả đáng tin cậy.

2.2. Xác Định và Theo Dõi Các KPI Kênh Tương Tác Phù Hợp

Việc lựa chọn KPI kênh tương tác ngân hàng phù hợp là yếu tố then chốt để đánh giá hiệu quả kênh. Các KPI này cần phản ánh đúng mục tiêu kinh doanh của ngân hàng và có thể đo lường được một cách khách quan. Tuy nhiên, việc xác định KPI phù hợp không hề dễ dàng, đòi hỏi sự hiểu biết sâu sắc về hoạt động của từng kênh và mục tiêu của ngân hàng. Việc theo dõi các KPI này một cách thường xuyên cũng là một thách thức không nhỏ, đòi hỏi các công cụ báo cáo và phân tích mạnh mẽ.

III. Phương Pháp Phân Tích Sử Dụng Business Intelligence BI BIDV

Để giải quyết các thách thức trên, việc ứng dụng Business Intelligence (BI) là một giải pháp hiệu quả. IBM Cognos Business Intelligence, được đề cập trong khóa luận, cung cấp các công cụ mạnh mẽ để thu thập, xử lý, phân tích và trực quan hóa dữ liệu giao dịch. Sử dụng BI, Ngân hàng BIDV có thể tạo ra các báo cáo phân tích chi tiết về hiệu quả của từng kênh tương tác, xác định xu hướng sử dụng dịch vụ của khách hàng, và phân khúc khách hàng BIDV theo hành vi. BI cũng cho phép ngân hàng tạo ra các dashboard trực quan để theo dõi các KPI kênh tương tác ngân hàng một cách dễ dàng và nhanh chóng. Đặc biệt, IBM Cognos Framework Manager giúp xây dựng kho dữ liệu từ các giao dịch và sử dụng Report Studio, Cognos Workspace, Cognos Workspace Advanced để lập báo cáo kinh doanh linh hoạt.

3.1. Xây Dựng Kho Dữ Liệu Data Warehouse cho Phân Tích

Việc xây dựng Data Warehouse là bước quan trọng để tích hợp dữ liệu từ các nguồn khác nhau. Data Warehouse là một kho lưu trữ dữ liệu tập trung, được thiết kế để hỗ trợ các hoạt động phân tích và báo cáo. Dữ liệu từ các kênh giao dịch khác nhau được trích xuất, chuyển đổi và tải vào Data Warehouse theo một cấu trúc thống nhất. Điều này cho phép Ngân hàng BIDV có thể phân tích dữ liệu một cách toàn diện và hiệu quả hơn.

3.2. Ứng Dụng IBM Cognos BI trong Phân Tích Dữ Liệu Giao Dịch

IBM Cognos Business Intelligence cung cấp nhiều công cụ mạnh mẽ để phân tích dữ liệu giao dịch. Report Studio cho phép tạo ra các báo cáo chi tiết về hiệu quả của từng kênh tương tác. Cognos Workspace và Cognos Workspace Advanced cho phép tạo ra các dashboard trực quan để theo dõi các KPI kênh tương tác ngân hàng. Các công cụ này giúp Ngân hàng BIDV có thể hiểu rõ hơn về hành vi khách hàng BIDV và đưa ra các quyết định kinh doanh sáng suốt.

IV. Ứng Dụng Thực Tế Phân Tích Hiệu Quả Các Kênh BIDV Năm 2015

Khóa luận tốt nghiệp của Trần Thị Hoàng Yến đã thực hiện phân tích hiệu quả các kênh tương tác của Ngân hàng BIDV dựa trên dữ liệu giao dịch năm 2015. Kết quả phân tích cho thấy sự khác biệt đáng kể về hiệu quả giữa các kênh khác nhau. Kênh Internet Banking và Mobile Banking có tốc độ tăng trưởng nhanh chóng, trong khi kênh ATM vẫn đóng vai trò quan trọng trong việc phục vụ các nhu cầu giao dịch cơ bản. Phân tích cũng chỉ ra rằng một số phân khúc khách hàng BIDV có xu hướng sử dụng kênh online nhiều hơn so với các phân khúc khác. Dựa trên kết quả này, ngân hàng có thể đưa ra các quyết định đầu tư và tối ưu kênh tương tác phù hợp.

4.1. Kết Quả Phân Tích Hiệu Quả Kênh Giao Dịch Trực Tuyến

Kênh Internet Banking và Mobile Banking cho thấy sự tăng trưởng vượt bậc về số lượng giao dịch và doanh thu. Khách hàng ngày càng ưa chuộng sử dụng các kênh này để thực hiện các giao dịch thanh toán, chuyển tiền và quản lý tài khoản. Để tiếp tục thúc đẩy sự phát triển của các kênh trực tuyến, Ngân hàng BIDV cần tiếp tục đầu tư vào việc nâng cao trải nghiệm khách hàng và mở rộng các dịch vụ trên kênh.

4.2. Đánh Giá Hiệu Quả Kênh ATM và Quầy Giao Dịch Truyền Thống

Mặc dù có sự tăng trưởng của các kênh trực tuyến, kênh ATM và quầy giao dịch vẫn đóng vai trò quan trọng trong việc phục vụ các nhu cầu giao dịch cơ bản của khách hàng, đặc biệt là các khách hàng ở khu vực nông thôn và những người lớn tuổi. Ngân hàng BIDV cần duy trì và tối ưu kênh tương tác này để đảm bảo phục vụ tốt nhất cho tất cả các phân khúc khách hàng BIDV. Đầu tư vào chăm sóc khách hàng BIDV tại quầy cũng rất quan trọng.

V. Giải Pháp Tối Ưu Nâng Cao Hiệu Quả Tương Tác Khách Hàng BIDV

Dựa trên kết quả phân tích, Ngân hàng BIDV có thể triển khai các giải pháp để tối ưu kênh tương tác và nâng cao trải nghiệm khách hàng. Một trong những giải pháp quan trọng là phân khúc khách hàng BIDV theo hành vi và cung cấp các dịch vụ phù hợp với nhu cầu của từng phân khúc. Ngân hàng cũng cần đầu tư vào việc nâng cao chất lượng dịch vụ trên tất cả các kênh, đặc biệt là kênh trực tuyến. Bên cạnh đó, việc triển khai các chương trình marketing ngân hàng BIDV nhắm mục tiêu vào từng phân khúc khách hàng cũng có thể giúp tăng cường tương tác khách hàng ngân hàng và thúc đẩy doanh thu.

5.1. Cá Nhân Hóa Trải Nghiệm Khách Hàng Dựa Trên Phân Tích

Việc phân khúc khách hàng BIDV theo hành vi cho phép ngân hàng cung cấp các dịch vụ và chương trình khuyến mãi phù hợp với nhu cầu của từng khách hàng. Điều này giúp tăng cường trải nghiệm khách hàng và khuyến khích khách hàng sử dụng các kênh giao dịch của ngân hàng thường xuyên hơn. Ví dụ: khách hàng thường xuyên giao dịch online có thể được hưởng các ưu đãi đặc biệt khi sử dụng Internet Banking hoặc Mobile Banking.

5.2. Tối Ưu Chi Phí và Nâng Cao ROI Kênh Tương Tác

Việc đánh giá hiệu quả kênh và phân tích ROI kênh tương tác giúp Ngân hàng BIDV có thể phân bổ nguồn lực một cách hiệu quả hơn. Ngân hàng có thể tập trung đầu tư vào các kênh có hiệu quả cao và giảm thiểu chi phí cho các kênh có hiệu quả thấp. Điều này giúp tối ưu chi phí và nâng cao ROI kênh tương tác.

VI. Triển Vọng Tương Lai Chuyển Đổi Số Tương Tác Khách Hàng BIDV

Trong tương lai, chuyển đổi số ngân hàng BIDV sẽ tiếp tục đóng vai trò quan trọng trong việc nâng cao hiệu quả hoạt động và trải nghiệm khách hàng. Ngân hàng cần tiếp tục đầu tư vào các công nghệ mới như AI, Big Data và Cloud Computing để phân tích dữ liệu giao dịch một cách sâu sắc hơn và cung cấp các dịch vụ cá nhân hóa hơn. Đồng thời, việc xây dựng một hệ sinh thái số tích hợp các dịch vụ tài chính và phi tài chính cũng sẽ giúp Ngân hàng BIDV tăng cường tương tác khách hàng ngân hàng và tạo ra lợi thế cạnh tranh bền vững. Marketing ngân hàng BIDV cũng cần thích ứng với xu hướng mới này.

6.1. Ứng Dụng AI và Machine Learning trong Phân Tích Dữ Liệu

Ứng dụng AI và Machine Learning cho phép Ngân hàng BIDV phân tích dữ liệu giao dịch một cách tự động và chính xác hơn. Các thuật toán AI có thể giúp phát hiện các xu hướng ẩn sâu trong dữ liệu và dự đoán hành vi khách hàng BIDV trong tương lai. Điều này giúp ngân hàng có thể đưa ra các quyết định kinh doanh kịp thời và hiệu quả.

6.2. Xây Dựng Hệ Sinh Thái Số Tích Hợp Đa Dạng Dịch Vụ

Việc xây dựng một hệ sinh thái số tích hợp các dịch vụ tài chính và phi tài chính giúp Ngân hàng BIDV tăng cường tương tác khách hàng ngân hàng và tạo ra giá trị gia tăng cho khách hàng. Khách hàng có thể dễ dàng truy cập các dịch vụ ngân hàng, thanh toán hóa đơn, mua sắm trực tuyến và nhiều dịch vụ khác thông qua một ứng dụng duy nhất. Điều này giúp tạo ra một trải nghiệm khách hàng liền mạch và tiện lợi.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Sự phát triển của thương mại điện tử, công nghệ thông tin, viễn thông và các thiết bị thông minh đã thúc đẩy hoạt động thanh toán không dùng tiền mặt phát triển đa dạng với nhiều phương tiện và hệ thống dịch vụ hiện đại. Trước xu thế đó, các ngân hàng thương mại tại Việt Nam đã tích cực đa dạng hóa kênh thanh toán và phát triển các phương tiện tiện ích nhằm đáp ứng nhu cầu ngày càng cao của khách hàng. Tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV), hàng ngày phát sinh hàng triệu giao dịch thanh toán qua nhiều kênh tương tác khác nhau. Khối lượng dữ liệu khổng lồ này được lưu trữ phân tán tại các hệ thống tác nghiệp như Core Banking, Internet Banking, Mobile Banking và hệ thống chuyển mạch (Switch).

Thực tế này đặt ra thách thức lớn đối với công tác quản trị: làm thế nào để trích xuất thông tin kịp thời và tạo lập báo cáo trực quan phục vụ việc ra quyết định kinh doanh tại mọi thời điểm. Nhà quản lý cần đánh giá chính xác mức độ đóng góp lợi ích, tính ổn định và hiệu quả của từng kênh tương tác (bao gồm cả các kênh truyền thống và kênh mới) để có căn cứ định hướng kế hoạch đầu tư hạ tầng phù hợp. Xuất phát từ yêu cầu thực tiễn trong dự án do Công ty Cổ phần Giải pháp Phần mềm Tài chính (FSS) triển khai cho BIDV, đề tài "Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng" được thực hiện.

Mục tiêu tổng quát của khóa luận là nghiên cứu và ứng dụng giải pháp kinh doanh thông minh (Business Intelligence - BI) nhằm đánh giá hiệu quả các kênh tương tác của khách hàng với ngân hàng BIDV dựa trên dữ liệu giao dịch, hỗ trợ lãnh đạo ngân hàng trong việc xây dựng kế hoạch và ra quyết định đầu tư.

Để đạt được mục tiêu trên, khóa luận xác định 4 nhiệm vụ nghiên cứu cụ thể:

1. Tìm hiểu tổng quan về 5 kênh tương tác hiện có và các dịch vụ triển khai trên từng kênh tại ngân hàng BIDV.
2. Tìm hiểu giải pháp kinh doanh thông minh và nghiên cứu chi tiết bộ giải pháp IBM Cognos Business Intelligence.
3. Phân tích yêu cầu bài toán, thiết kế kiến trúc kho dữ liệu chuyên đề (data mart) và xây dựng cơ sở dữ liệu phục vụ phân tích hiệu quả kênh tương tác.
4. Xây dựng mô hình siêu dữ liệu trên IBM Cognos Framework Manager và thiết kế các báo cáo phân tích, bảng điều khiển (dashboard) trên các công cụ của IBM Cognos BI.

Đối tượng nghiên cứu của đề tài là các kênh tương tác giữa khách hàng với BIDV (Quầy giao dịch, ATM, POS, Internet Banking, Mobile Banking) và dữ liệu giao dịch thanh toán của khách hàng. Phạm vi nghiên cứu về không gian được giới hạn tại Ngân hàng BIDV thông qua môi trường thực tập tại Công ty FSS; phạm vi thời gian tập trung vào dữ liệu phân tích định kỳ theo tháng, quý, năm được tổng hợp đến thời điểm hoàn thành khóa luận vào tháng 5 năm 2015.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng trên nền tảng lý thuyết về Hệ thống kinh doanh thông minh (Business Intelligence - BI) và mô hình dữ liệu đa chiều (Multidimensional Data Model). BI được định nghĩa là tập hợp các giải pháp và quy trình lưu trữ, xử lý, phân tích dữ liệu giúp tổ chức kiểm soát khối lượng dữ liệu lớn từ nhiều nguồn để hỗ trợ ra quyết định kinh doanh. Kiến trúc BI tiêu chuẩn bao gồm 5 thành phần chính: Nguồn dữ liệu (Data Sources), Quá trình trích xuất - chuyển đổi - nạp (ETL), Kho dữ liệu doanh nghiệp (Enterprise Data Warehouse), Kho dữ liệu chuyên đề (Data Mart) và Tầng công cụ khai thác dữ liệu (BI Analytics: OLAP, công cụ lập báo cáo tĩnh, khai phá dữ liệu).

Trong việc tổ chức dữ liệu phân tích, tác giả áp dụng mô hình dữ liệu đa chiều dưới dạng khối dữ liệu (data cube) gồm các chiều phân tích (dimensions) và các chỉ số đo lường (measures). Kiến trúc logic của data mart được thiết kế theo sơ đồ hình sao (Star Schema), trong đó bảng sự kiện (Fact table) đặt ở trung tâm liên kết với các bảng chiều (Dimension tables) xung quanh thông qua các khóa ngoại. Độ chi tiết của dữ liệu (Data granularity) và độ chi tiết thời gian (Time granularity) được xác định căn cứ vào nhu cầu báo cáo của nhà quản lý ở cấp độ tháng, quý, năm.

Phương pháp nghiên cứu thực tế bao gồm:

• Phương pháp phân tích và tổng hợp tài liệu nghiệp vụ ngân hàng về các kênh phân phối và tài liệu kỹ thuật của bộ giải pháp IBM Cognos BI phiên bản 10.
• Phương pháp phân tích yêu cầu thông tin quản trị để xác định các tiêu chí đánh giá hiệu quả kênh tương tác.
• Phương pháp thiết kế cơ sở dữ liệu quan hệ và mô hình hóa dữ liệu đa chiều theo sơ đồ hình sao.
• Phương pháp thực nghiệm kỹ thuật: cài đặt CSDL trên Oracle, cấu hình kết nối dữ liệu trên IBM Cognos Administration, xây dựng mô hình dữ liệu trên IBM Cognos Framework Manager bằng chế độ truy vấn động (Dynamic Query Mode), và thiết kế giao diện báo cáo/dashboard trên Report Studio, Cognos Workspace, Cognos Workspace Advanced.

Nguồn dữ liệu của đề tài bắt nguồn từ các hệ thống vận hành thực tế tại ngân hàng BIDV bao gồm Core Banking, Internet Banking, Mobile Banking và hệ thống chuyển mạch thẻ (Switch). Trong khuôn khổ thực nghiệm, dữ liệu giao dịch và thông tin khách hàng được tổ chức thành tập dữ liệu mẫu lưu trữ trên hệ quản trị cơ sở dữ liệu Oracle thông qua tài khoản thử nghiệm.

Thiết kế và triển khai

Căn cứ vào yêu cầu bài toán quản trị kênh tương tác tại BIDV, hệ thống xử lý dữ liệu được thiết kế với đầu vào là dữ liệu giao dịch từ Core Banking, Internet Banking, Mobile Banking, Switch; đầu ra là data mart và hệ thống báo cáo phân tích hiệu quả kênh.

Kiến trúc data mart được xây dựng theo mô hình Star Schema gồm 1 bảng Fact trung tâm (Tbl_Fact) và 6 bảng Dimension bao quanh. Bảng Fact lưu trữ 3 chỉ số đo lường (measure) chính: Doanh số giao dịch (Turnover - số tiền khách hàng giao dịch), Phí dịch vụ (Fee - số tiền ngân hàng thu được trên mỗi giao dịch) và Số lượng giao dịch (Number of transactions).

Tên bảng	Loại bảng	Các trường dữ liệu chính	Khóa chính / Khóa ngoại
Tbl_Fact	Fact	Bank Unit Geography, Time Key, Chanel Key, Education Key, Income Key, Age Key, Turnover, Fee, Number of transactions	FK liên kết tới 6 bảng Dimension
Dim_Age	Dimension	Age Key, Age Level 1 Code/Name, Age Level 2 Code/Name, Age Level 3 Code/Name, Effective Date, End Date	Age Key (PK)
Dim_Income	Dimension	Income Key, Income Level 1 Code/Name, Income Level 2 Code/Name, Effective Date, End Date	Income Key (PK)
Dim_Bank_Unit_Geography	Dimension	Bank Unit Geography Key, Country Code/Name, Area Code/Name, City Code/Name, Effective Date, End Date	Bank Unit Geography Key (PK)
Dim_Time	Dimension	Time Key, Month Code, Calendar Month Name/Number, Quarter Code, Calendar Quarter Name/Number, Year Code, Calendar Year, Effective Date, End Date	Time Key (PK)
Dim_Chanel	Dimension	Chanel Key, Chanel Level 1 Code/Name, Chanel Level 2 Code/Name, Effective Date, End Date	Chanel Key (PK)
Dim_Education	Dimension	Education Key, Education Code, Education Name, Effective Date, End Date	Education Key (PK)

Hệ thống phân cấp (Hierarchy) của các chiều dữ liệu được thiết kế như sau:

• Chiều Kênh giao dịch (Dim_Chanel): Level 1 gồm 5 kênh (Mobile, Internet, ATM, POS, Quầy giao dịch); Level 2 phân loại chi tiết (Mobile BIDV, Mobile nhà cung cấp; Internet BIDV, Internet nhà cung cấp; ATM on us, ATM off us; POS; Quầy giao dịch).
• Chiều Thời gian (Dim_Time): Năm -> Quý -> Tháng.
• Chiều Độ tuổi (Dim_Age): Level 1 gồm 5 nhóm (Dưới 22, Từ 22 đến 32, Từ 32 đến 45, Từ 45 đến 60, Trên 60); Level 2 chia nhỏ hơn (Dưới 15, Từ 15 đến 18, Từ 18 đến 22, Từ 22 đến 25, Từ 25 đến 32, Từ 32 đến 40, Từ 40 đến 45, Từ 45 đến 55, Từ 55 đến 60, Từ 60 trở lên); Level 3 chi tiết từng tuổi cụ thể.
• Chiều Thu nhập (Dim_Income): Level 1 gồm 3 mức (Dưới 5 triệu, Từ 5 đến 20 triệu, Trên 20 triệu); Level 2 gồm 5 mức (Dưới 1 triệu, Từ 1 đến 5 triệu, Từ 5 đến 10 triệu, Từ 10 đến 20 triệu, Trên 20 triệu).
• Chiều Địa lý đơn vị ngân hàng (Dim_Bank_Unit_Geography): Nước -> Vùng -> Thành phố.
• Chiều Trình độ học vấn (Dim_Education): Không phân cấp.

Ma trận chiều xác định mức độ chi tiết kết hợp giữa các chiều và chỉ số đo lường:

Chỉ số đo lường (Measure)	Kênh giao dịch	Thời gian	Độ tuổi	Trình độ học vấn	Thu nhập	Khu vực
Số lượng giao dịch	Kênh level 2	Tháng	Tuổi level 3	Tên trình độ học vấn	Thu nhập level 2	Tên thành phố
Phí giao dịch	Kênh level 2	Tháng	Tuổi level 3	Tên trình độ học vấn	Thu nhập level 2	Tên thành phố
Doanh số giao dịch	Kênh level 2	Tháng	Tuổi level 3	Tên trình độ học vấn	Thu nhập level 2	Tên thành phố

Quy trình triển khai kỹ thuật được thực hiện qua các bước:

1. Triển khai CSDL trên Oracle: Khởi tạo tài khoản người dùng demo, tạo lập cấu trúc các bảng theo thiết kế Star Schema và nạp dữ liệu cho bảng sự kiện cùng các bảng chiều.
2. Cấu hình nguồn dữ liệu trên IBM Cognos Administration: Thiết lập kết nối Data Source tới Oracle sử dụng loại kết nối Oracle Net Descriptor, Driver Type Thin, kiểm tra thông số kết nối qua file tnsnames.ora và xác nhận trạng thái kết nối thành công (Succeeded).
3. Mô hình hóa siêu dữ liệu trên IBM Cognos Framework Manager: Khởi tạo dự án ở chế độ Dynamic Query Mode, nhập các đối tượng bảng từ Oracle, xác lập mối quan hệ giữa bảng Fact và các Dimension. Tổ chức cấu trúc mô hình thành các Namespace riêng biệt (Logical Model và Dimension Model), định nghĩa các Regular Dimension (thiết lập cấp bậc phân cấp), định nghĩa Measure Dimension, tiến hành kiểm tra tính toàn vẹn của mô hình (Verify Model) và đóng gói xuất bản (Publish Package) lên cổng thông tin Cognos Connection.
4. Lập báo cáo và Dashboard: Sử dụng Report Studio để tạo báo cáo hiệu quả kênh theo chi nhánh (kèm trang chọn điều kiện prompt page, biểu đồ và bảng dữ liệu), báo cáo tỷ lệ đóng góp lợi ích của các kênh (biểu đồ tròn phân bổ và bảng số liệu doanh số, số lượng giao dịch), báo cáo hiệu quả kênh mới; sử dụng Cognos Workspace Advanced phân tích doanh số kênh Mobile và tỷ lệ giao dịch kênh ATM; sử dụng Cognos Workspace để tích hợp các báo cáo thành một dashboard tương tác tổng thể hỗ trợ lọc động.

Nội dung chính theo từng chương

Chương 1: Giới thiệu tổng quan về bài toán

Chương 1 trình bày tổng quan về đơn vị thực tập, bài toán nghiệp vụ tại ngân hàng BIDV và các kênh tương tác đang vận hành. Công ty Cổ phần Giải pháp Phần mềm Tài chính (FSS) được thành lập ngày 18/03/2008 theo giấy chứng nhận đăng ký kinh doanh số 0102684006, có trụ sở tại Thanh Xuân, Hà Nội. Tính đến năm 2014, công ty có hơn 100 nhân sự, hoạt động trong hai mảng chính: cung cấp hệ thống core chứng khoán và cung cấp giải pháp, dịch vụ triển khai Data Warehouse & Business Intelligence cho các ngân hàng và tổ chức tài chính.

Trong dự án thực tế FSS xây dựng kho dữ liệu và BI cho BIDV, tác giả được giao 4 nhiệm vụ: tìm hiểu các kênh tương tác của BIDV, tìm hiểu giải pháp IBM Cognos BI, thiết kế data mart phân tích hiệu quả kênh tương tác và lập các báo cáo phân tích trên IBM Cognos BI. Chương 1 giới thiệu khái quát 5 kênh tương tác chính tại BIDV bao gồm: Quầy giao dịch, ATM (dịch vụ nạp tiền, rút tiền), POS, Internet Banking (tra cứu thông tin tài khoản tiền gửi, chuyển tiền trong nước, thanh toán hóa đơn từng lần, phát hành thẻ tín dụng, yêu cầu sao kê) và Mobile Banking (ứng dụng trên iOS, nạp tiền ví điện tử Vietpay). Với số lượng dịch vụ và kênh giao dịch ngày càng mở rộng, việc xây dựng công cụ phân tích tự động hóa là yêu cầu cấp thiết của ngân hàng.

Chương 2: Tổng quan về Business Intelligence và giới thiệu các giải pháp phân tích kinh doanh

Chương 2 hệ thống hóa cơ sở lý thuyết về BI và phân tích chuyên sâu các công cụ trong bộ giải pháp IBM Cognos Business Intelligence phiên bản 10. Tác giả làm rõ khái niệm BI, tính ứng dụng trong các doanh nghiệp quy mô lớn và vai trò cung cấp góc nhìn lịch sử, hiện tại, dự báo hoạt động kinh doanh. Các thành phần của hệ thống BI được phân tích bao gồm: Data Sources, công cụ ETL, Data Warehouse, Data Mart và tầng phân tích BI Analytics (với các kỹ thuật OLAP, báo cáo tĩnh, data mining).

Về giải pháp IBM Cognos BI, công nghệ này được giới thiệu triển khai lần đầu tại Việt Nam năm 2010 tại Ngân hàng ACB, sau đó được ứng dụng tại BIDV, OCB, Thành Thành Công, Nguyễn Kim, SATRA, Sihospital. Tác giả mô tả kiến trúc 3 tầng của Cognos BI: tầng giao diện web dành cho người dùng cuối, tầng công cụ mô hình hóa trên máy trạm (Framework Manager, Transformer, Metric Designer) và tầng cơ sở dữ liệu. Chương 2 phân tích chức năng của 10 cấu phần phần mềm:

• Cognos Connection: Cổng giao tiếp trung tâm quản lý folder, báo cáo, phân quyền và lập lịch.
• Cognos Administration: Giao diện quản trị hệ thống chia làm 3 khu vực Status (giám sát máy chủ, metrics), Security (người dùng, phân quyền), Configuration (kết nối data source, dịch vụ).
• Cognos Configuration: Thiết lập cấu hình hệ thống, quản lý Content Store theo chế độ interactive hoặc silent.
• Cognos Workspace: Công cụ web tạo bảng điều khiển dashboard tương tác từ các báo cáo có sẵn.
• Cognos Workspace Advanced: Công cụ phân tích chuyên sâu, tạo báo cáo dạng list, crosstab, biểu đồ và định dạng có điều kiện.
• Cognos Report Studio: Công cụ chuyên nghiệp thiết kế các mẫu báo cáo phức tạp từ nguồn dữ liệu quan hệ hoặc đa chiều.
• Cognos Query Studio: Công cụ tạo truy vấn tùy biến (ad-hoc query) và xem dữ liệu dạng cây phân nhánh.
• Cognos Analysis Studio: Công cụ phân tích OLAP kéo thả, hỗ trợ thao tác khoan sâu (Drill down) và cuộn lên (Roll up).
• Cognos Event Studio: Quản lý tiến trình chạy ngầm (agent) và phát cảnh báo tự động khi dữ liệu vượt ngưỡng.
• Cognos Metric Studio & Designer: Quản lý chỉ tiêu KPI và xây dựng bảng điểm cân bằng (scorecard).
• Cognos Framework Manager: Công cụ mô hình hóa siêu dữ liệu, chuyển đổi mô hình vật lý thành mô hình nghiệp vụ (package) để người dùng khai thác.

Chương 3: Áp dụng vào bài toán ngân hàng BIDV

Chương 3 là nội dung trọng tâm của khóa luận, mô tả quá trình áp dụng giải pháp BI vào dữ liệu giao dịch của BIDV. Tác giả mô tả bài toán xuất phát từ nhu cầu đánh giá hiệu quả các kênh giao dịch theo thời gian, phân khúc độ tuổi, thu nhập, học vấn và khu vực thông qua 3 thước đo: doanh số, phí và số lượng giao dịch.

Từ yêu cầu nghiệp vụ, tác giả phân tích và thiết kế mô hình Data Mart dạng hình sao (Star Schema) với 1 bảng Fact trung tâm (Tbl_Fact) và 6 bảng Dimension (Dim_Age, Dim_Income, Dim_Bank_Unit_Geography, Dim_Time, Dim_Chanel, Dim_Education). Tác giả thiết lập cây phân cấp chi tiết cho từng chiều và ma trận chiều xác định mức độ tổng hợp dữ liệu. Cấu trúc bảng được cài đặt thực tế trên hệ quản trị CSDL Oracle dưới user demo.

Tiếp đó, tác giả thực hiện quy trình mô hình hóa siêu dữ liệu trên IBM Cognos Framework Manager: cấu hình Data Source Oracle trên Cognos Administration, tạo project với chế độ Dynamic Query Mode, nhập các bảng, tạo quan hệ logic, phân chia Namespace Logical Model và Dimension Model, cấu hình các thuộc tính Regular Dimension và Measure Dimension, kiểm tra tính hợp lệ của mô hình và xuất bản Package lên server.

Phần cuối của chương trình bày việc lập các báo cáo và dashboard:

• Trên Report Studio: Thiết kế báo cáo hiệu quả kênh tương tác theo chi nhánh (kèm prompt page lọc dữ liệu, biểu đồ so sánh và bảng thống kê chi tiết); Báo cáo tỷ lệ đóng góp lợi ích của các kênh (biểu đồ tròn thể hiện cơ cấu, kèm bảng doanh số và số lượng giao dịch); Báo cáo hiệu quả kênh giao dịch mới theo chi nhánh.
• Trên Cognos Workspace Advanced: Xây dựng báo cáo phân tích hiệu quả doanh số trên kênh Mobile và phân tích tỷ lệ số lượng giao dịch trên kênh ATM.
• Trên Cognos Workspace: Thiết kế dashboard hoàn chỉnh tích hợp nhiều thành phần báo cáo, cho phép người dùng lọc động dữ liệu trực quan phục vụ công tác điều hành.

Kết quả và đóng góp

Khóa luận đã hoàn thành các nội dung kỹ thuật và đạt được các kết quả cụ thể:

• Thiết kế hoàn chỉnh cấu trúc kho dữ liệu chuyên đề (Data Mart) chuẩn hóa theo mô hình Star Schema cho bài toán phân tích kênh ngân hàng, gồm 1 bảng Fact và 6 bảng Dimension được định nghĩa đầy đủ khóa chính, khóa ngoại, thuộc tính và cấp bậc phân cấp.
• Cài đặt thành công cơ sở dữ liệu trên Oracle và cấu hình kết nối thông suốt với IBM Cognos BI Server qua giao thức mạng chuyên dụng của Oracle (thin driver/descriptor).
• Xây dựng thành công mô hình siêu dữ liệu (metadata model) trong Cognos Framework Manager, chuyển đổi dữ liệu quan hệ từ CSDL Oracle thành các chiều đa chiều (Regular Dimension) và thước đo (Measure Dimension), đóng gói thành package phục vụ báo cáo.
• Xây dựng bộ sản phẩm báo cáo phân tích gồm: 3 mẫu báo cáo quản trị phức tạp trên Report Studio (hiệu quả kênh theo chi nhánh, tỷ lệ đóng góp lợi ích các kênh, hiệu quả kênh mới), 2 báo cáo phân tích chuyên sâu trên Cognos Workspace Advanced (doanh số Mobile, số lượng giao dịch ATM) và 1 dashboard tương tác tích hợp trên Cognos Workspace.

Về mặt giải pháp, tác giả đã đề xuất mô hình ứng dụng công nghệ Business Intelligence nhằm giải quyết bài toán phân tích dữ liệu phân tán tại BIDV. Giải pháp giúp thay thế phương thức lập báo cáo thủ công bằng quy trình khai thác dữ liệu đa chiều tự động, trực quan.

Về đóng góp học thuật và ứng dụng thực tế, khóa luận đã chuyển hóa bài toán nghiệp vụ ngân hàng phức tạp thành mô hình dữ liệu đa chiều cụ thể với các chỉ tiêu đo lường rõ ràng (doanh số, phí, số lượng giao dịch). Mô hình này cung cấp công cụ hỗ trợ lãnh đạo ngân hàng BIDV theo dõi trực quan mức độ hiệu quả của từng kênh phân phối, đánh giá tính ổn định của hệ thống giao dịch và đo lường độ thành công của các dịch vụ mới triển khai, làm căn cứ điều chỉnh chiến lược đầu tư công nghệ và tối ưu chi phí vận hành kênh.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận có một số giới hạn dựa trên phạm vi và điều kiện triển khai thực tế:

• Do yêu cầu bảo mật thông tin tài chính - ngân hàng, dữ liệu được sử dụng trong khóa luận là tập dữ liệu thực nghiệm lưu trữ trong tài khoản demo trên Oracle, chưa phản ánh toàn bộ khối lượng giao dịch phát sinh theo thời gian thực từ môi trường vận hành của BIDV.
• Đề tài tập trung chủ yếu vào công đoạn thiết kế Data Mart, mô hình hóa siêu dữ liệu và thiết kế báo cáo/dashboard trên Cognos BI; quy trình trích xuất, làm sạch và nạp dữ liệu (ETL) tự động từ các hệ thống tác nghiệp (Core Banking, Internet/Mobile Banking, Switch) chưa được trình bày chi tiết trong phạm vi văn bản.

Hướng nghiên cứu tiếp theo được xác định bao gồm:

• Nghiên cứu và xây dựng hoàn chỉnh quy trình ETL tự động hóa để đồng bộ định kỳ dữ liệu từ các hệ thống nguồn phân tán vào kho dữ liệu tập trung.
• Mở rộng thêm các chiều dữ liệu và chỉ số phân tích chuyên sâu về chi phí vận hành của từng kênh và hành vi chi tiêu chi tiết của từng phân khúc khách hàng.
• Ứng dụng các công cụ khai phá dữ liệu (Data Mining) và phân tích dự báo (Predictive Analytics) sẵn có trong hệ sinh thái IBM Cognos để dự báo xu hướng dịch chuyển kênh giao dịch của khách hàng trong tương lai.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho sinh viên các chuyên ngành Hệ thống thông tin Quản lý, Công nghệ thông tin định hướng quản trị dữ liệu, và chuyên ngành Ngân hàng muốn tìm hiểu về ứng dụng công nghệ thông tin trong hoạt động kinh doanh ngân hàng.

Nội dung có giá trị thực tiễn cao bao gồm:

• Thiết kế chi tiết lược đồ hình sao (Star Schema), cây phân cấp chiều và ma trận chiều cho bài toán phân tích kênh ngân hàng tại Chương 3 (Bảng 3 đến Bảng 11).
• Quy trình kỹ thuật từng bước kết nối Oracle với IBM Cognos Administration và phương pháp cấu hình mô hình dữ liệu đa chiều trên IBM Cognos Framework Manager.
• Phương pháp phối hợp giữa các công cụ Report Studio, Workspace Advanced và Workspace để xây dựng hệ thống báo cáo phân tích từ mức chi tiết đến mức quản trị tổng hợp.

Câu hỏi thường gặp

1. Khóa luận giải quyết bài toán nghiệp vụ gì của ngân hàng BIDV?
Khóa luận giải quyết bài toán đánh giá hiệu quả hoạt động của 5 kênh tương tác (Quầy giao dịch, ATM, POS, Internet Banking, Mobile Banking) dựa trên thông tin giao dịch của khách hàng, nhằm giúp lãnh đạo ngân hàng BIDV theo dõi mức độ đóng góp lợi ích, tính ổn định và hiệu quả của các kênh mới để đưa ra quyết định đầu tư phù hợp.

2. Bảng sự kiện Tbl_Fact trong mô hình Data Mart chứa những chỉ số đo lường nào?
Bảng Tbl_Fact chứa 3 chỉ số đo lường (measure) dạng số: Doanh số giao dịch (Turnover), Phí thu từ giao dịch (Fee) và Số lượng giao dịch (Number of transactions), cùng 6 khóa ngoại liên kết tới các bảng chiều.

3. Kênh giao dịch (Dim_Chanel) được phân cấp như thế nào trong mô hình?
Chiều Kênh giao dịch được chia làm 2 cấp: Cấp 1 (Level 1) gồm 5 kênh lớn là Mobile, Internet, ATM, POS và Quầy giao dịch; Cấp 2 (Level 2) chi tiết hóa thành Mobile BIDV, Mobile nhà cung cấp, Internet BIDV, Internet nhà cung cấp, ATM on us, ATM off us, POS và Quầy giao dịch.

4. Dữ liệu từ Oracle được đưa vào IBM Cognos Framework Manager theo quy trình kỹ thuật nào?
Dữ liệu được tích hợp qua các bước: (1) Cấu hình nguồn dữ liệu Oracle trên Cognos Administration bằng Oracle Net Descriptor và kiểm tra kết nối thành công; (2) Lưu cấu hình trên Cognos Configuration; (3) Tạo dự án mới trên Framework Manager với chế độ Dynamic Query Mode; (4) Chọn nguồn dữ liệu đã tạo và nhập các bảng Fact, Dimension vào dự án; (5) Thiết lập quan hệ bảng, tạo các Namespace (Logical Model, Dimension Model) và xuất bản (publish) package.

5. Khóa luận sử dụng những công cụ nào của IBM Cognos BI để thiết kế báo cáo và bảng điều khiển?
Tác giả sử dụng 3 công cụ chính: IBM Cognos Report Studio (thiết kế báo cáo chi tiết có prompt page, biểu đồ và bảng thống kê), IBM Cognos Workspace Advanced (thiết kế báo cáo phân tích chuyên sâu cho từng kênh Mobile, ATM) và IBM Cognos Workspace (thiết kế dashboard tương tác tích hợp hỗ trợ bộ lọc trực quan).

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Thị Hoàng Yến đã nghiên cứu và triển khai giải pháp kinh doanh thông minh ứng dụng bộ công cụ IBM Cognos Business Intelligence cho bài toán phân tích kênh tương tác tại ngân hàng BIDV. Tác giả đã thiết kế thành công kiến trúc Data Mart dạng hình sao trên Oracle và xây dựng mô hình siêu dữ liệu trên Cognos Framework Manager. Sản phẩm thực nghiệm bao gồm hệ thống báo cáo phân tích đa chiều và bảng điều khiển tương tác, đáp ứng yêu cầu cung cấp thông tin quản trị hỗ trợ việc ra quyết định đầu tư kênh của ban lãnh đạo ngân hàng. Đề tài thể hiện tính ứng dụng thực tế cao trong lĩnh vực Hệ thống thông tin Quản lý tài chính - ngân hàng.

Trích đoạn nội dung tài liệu

chương 1 cũng giới thiệu tổng quan về bài toán và các nhiệm vụ cần thực hiện để giải quyết bài toán. Trần Thị Hoàng Yến – HTTTB K14 4 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Chương 2: Tổng quan về Business Intelligence và giới thiệu các giải pháp phân tích kinh doanh 2. Tổng quan về Business Intelligence Business intelligence (BI) là tập hợp giải pháp và qui trình lưu trữ, xử lý, phân tích dữ liệu mà các tổ chức dùng để kiểm soát khối lượng dữ liệu khổng lồ đến từ nhiều nguồn khác nhau và khai thác nguồn dữ liệu đó giúp cho họ có thể đưa các các quyết định hiệu quả hơn trong hoạt động kinh doanh của mình. BI có mặt ở khắp các tổ chức như hệ thống siêu thị, ngân hàng, bệnh viện, doanh nghiệp viễn thông,… đó đều là những nơi cần thu thập, xử lý khối lượng dữ liệu cực lớn.

Do đó BI có tính ứng dụng rất cao khi nguồn dữ liệu của doanh nghiệp lớn dần theo thời gian hoạt động. Nó giúp tổ chức phát hiện những cơ hội kinh doanh mới, bổ sung các chiến lược cạnh tranh hiệu quả, tạo ra lợi thế cạnh tranh và duy trì vị thế trong ngành trong dài hạn. Công nghệ BI cung cấp các góc nhìn lịch sử, hiện tại và dự báo hoạt động của doanh nghiệp trong tương lai. Một số tính năng phổ biến của công nghệ BI là lập báo cáo, xử lý phân tích số liệu trực tuyến OLAP (Online Analytical Processing), phân tích dữ liệu, khai phá dữ liệu, khai phá quy trình, khai phá sự kiện phức tạp, phân tích dự báo, phân tích quy luật.

BI bao gồm các thành phần: Hình 11 Các thành phần của Business Intelligence Thành phần Mô tả Data Sources Là nguồn dữ liệu thô được lấy từ các database nghiệp vụ, hệ thống CRM, HRM… hoặc các dữ liệu bên ngoài tổ chức. Mô hình dữ liệu trên Data Sources thường là mô hình dữ liệu quan hệ. Enterprise Data ETL (Extract Transform Load) Warehouse Gồm các công cụ làm sạch dữ liệu và chuyển đổi dữ liệu từ Trần Thị Hoàng Yến – HTTTB K14 5 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Data Sources vào Data Warehouse. Data Warehouse Là database chuyên dùng cho tạo báo cáo và phân tích dữ liệu.

Nó vừa hỗ trợ các truy vấn phức tạp, vừa là điểm tập trung dữ liệu từ nhiều nguồn khác nhau để có được thông tin phân tích đầy đủ nhất. Data warehouse cho phép người dùng ở mức quản lý, ra quyết định thực hiện các phép phân tích tương tác với data bằng hệ thống xử lý phân tích trực tuyến (online analytical processing – OLAP). Ngoài ra data warehouse cũng được dùng cho báo cáo, data mining và phân tích thống kê. Số lượng bản ghi mỗi phiên truy cập data warehouse là rất lớn.

Mô hình dữ liệu trên data warehouse thường là mô hình dữ liệu đa chiều. Data Mart Dữ liệu trong Data Warehouse được chia làm nhiều khối nhỏ hơn tập trung vào một nghiệp vụ nhất định nào đó của doanh nghiệp gọi là data mart (ví dụ data mart về bán lẻ, data mart về kho bãi, data mart về nhân sự…) BI Analytics Tầng khai thác dữ liệu chứa các công cụ cho người dùng cuối khai thác, sử dụng các dữ liệu trong data warehouse. Một số công cụ chính: - OLAP: là công cụ cho phép người dùng sử dụng các tính năng truy vấn của OLAP để tạo báo cáo động (active report). Các truy vấn đột xuất này được gọi là truy vấn tuỳ biến (ad hoc query) vì hệ thống không hề được chuẩn bị trước cho thao tác của người dùng.

OLAP được sử dụng khi người dùng muốn lấy ra các thông tin cắt lớp, chuyên sâu hoặc toàn cảnh trước khi ra quyết định. - Công cụ lập báo cáo tĩnh: cho phép người dùng bằng sử dụng truy vấn được định nghĩa trước để tạo các báo cáo có cấu trúc (thường là các bảng, đôi khi bao gồm cả biểu đồ). Báo cáo tĩnh được sử dụng khi người dùng muốn xem các thông tin chi tiết theo định kỳ. - Bộ công cụ khai phá dữ liệu (data mining) cho phép người dùng phân tích dữ liệu để tìm ra các thông tin quý giá còn bị ẩn dấu, ví dụ như các xu hướng, các mẫu chung.

Bảng 2 Các thành phần của Business Intelligence Trần Thị Hoàng Yến – HTTTB K14 6 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Một số công cụ phân tích kinh doanh phổ biến hiện nay là IBM Cognos Business Intelligence, Oracle Business Intelligence Enterprise Edition,… 2. IBM Cognos Business Intelligence IBM Cognos Business Intelligence là một bộ giải pháp phân tích kinh doanh do hãng IBM phát hành, được triển khai lần đầu tiên ở Việt Nam vào năm 2010 tại ngân hàng Thương mại Cổ phần Á Châu (ACB). Từ đó đến nay, giải pháp này đã và đang được triển khai tại một số ngân hàng như ngân hàng Đầu tư và Phát triển Việt Nam (BIDV), ngân hàng thương mại cổ phần Phương Đông (OCB); doanh nghiệp như công ty Thành Thành Công, siêu thị điện máy Nguyễn Kim, tổng công ty Thương mại Sài Gòn (SATRA); bệnh viện phụ sản quốc tế Sài Gòn (Sihospital)… Phiên bản IBM Cognos BI mới nhất là bản 10. IBM Cognos BI cung cấp giao diện người dùng chạy trên nền tảng Web và nền tảng Windows.

Có thể biểu diễn các thành phần của IBM Cognos BI trên 3 tầng như hình dưới đây: Hình 12 Các thành phần của IBM Cognos Business Intelligence Tầng trên cùng là các công cụ chạy trên nền tảng web, gồm Cognos Connection, Administrator, Workspace và các studio. Người dùng cuối không cần cài đặt bất kỳ phần mềm cho máy client mà chỉ cần có trình duyệt web. Tầng dưới cùng là tầng dữ liệu, gồm các hệ thống cơ sở dữ liệu quan hệ hoặc đa chiều. Bên trên tầng dữ liệu là 3 công cụ mô hình hóa dữ liệu, gồm Framework Trần Thị Hoàng Yến – HTTTB K14 7 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Manager, Transformer và Metric Designer.

Hệ thống cơ sở dữ liệu và các công cụ mô hình hóa được cài đặt trên máy client. IBM Cognos Connection IBM Cognos Connection là một cổng thông tin điện tử - nơi người dùng cuối thao tác với các đối tượng của IBM Cognos (reports, analysis, queries, agents, metrics, và packages). IBM Cognos Connection được tổ chức dưới dạng hệ thống các folder, bên trong mỗi folder chứa các đối tượng IBM Cognos. Người dùng có thể thực hiện các thao tác: - Thêm mới, sửa, xóa, di chuyển các đối tượng IBM Cognos - Chạy các báo cáo, analysis dưới nhiều format khác nhau - Đặt lịch chạy báo cáo, analysis - Chia sẻ các báo cáo với những người dùng Cognos hoặc với các đối tượng khác qua email Hình 13 Giao diện IBM Cognos Connection Hình 14 Giao diện IBM Cognos Connection 2.

IBM Cognos Administration Cognos Administration là giao diện quản lý trung tâm, bao gồm các task quản lý Cognos BI, được truy cập qua Cognos Connection. Administration được tổ chức thành 3 khu vực với các mục đích khác nhau  Status: giám sát hoạt động, trạng thái server, system metrics và thay đổi một số cài đặt hệ thống.  Security: Định nghĩa người dùng, group, phân quyền nhằm mục đích bảo mật và cấu hình các giao diện; thiết lập các thuộc tính profile người dùng trong Report Studio. Trần Thị Hoàng Yến – HTTTB K14 8 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng  Configuration: cài đặt kết nối với data sources, tạo kênh phân phối, danh sách phân phối, thêm máy in, cài đặt định dạng, quản lý porlet và portal layout, bật/tắt các dispatcher, service và thay đổi cài đặt hệ của hệ thống.

Hình 15 Giao diện IBM Cognos Administration Hình 16 Giao diện tab Configuration trên IBM Cognos Administration 2. IBM Cognos Configuration Sử dụng IBM Cognos Configuration để: - Thiết lập cấu hình cho các thành phần của IBM Cognos - Tạo và quản lý content store - Bật hoặc tắt dịch vụ khi người dùng cài đặt IBM Cognos BI Server trên máy cá nhân Người dùng có thể chạy IBM Cognos Configuration ở chế độ interactive hoặc silent. Trong đó, ở chế độ interactive, người dùng sử dụng giao diện đồ họa để cấu hình cho các thành phần IBM Cognos. Ở chế độ silent, công cụ chạy ngầm và không cần tương tác trực tiếp với người dùng.

Trần Thị Hoàng Yến – HTTTB K14 9 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Hình 17 Giao diện IBM Cognos Configuration 2. IBM Cognos Workspace IBM Cognos Workspace là công cụ chạy trên nền tảng web, được sử dụng để tạo dashboard từ những báo cáo có sẵn. Dashboard bao gồm các tab, báo cáo , và các công cụ thao tác dữ liệu (công cụ lọc, kéo thả). Khi người dùng chọn điều kiện lọc hoặc kéo thả điều kiện lọc trên dashboard thì lập tức số liệu trên các báo cáo sẽ thay đổi tương ứng với điều kiện lọc đó.

Ví dụ một người dùng đã tạo sẵn 4 báo cáo khác nhau về mảng sales, marketing, human resource và finance bằng công cụ Report Studio. Khi đó các đối tượng trong những báo cáo này sẽ được dùng một cách độc lập trên Cognos Workspace để tạo dashboard tương tác. Điều này có nghĩa là trên dashboard có thể có một số biểu đồ ở báo cáo đầu tiên và báo cáo thứ hai, một số báo cáo dạng list từ báo cáo thứ ba và báo cáo dạng crosstab từ báo cáo thứ tư. Trần Thị Hoàng Yến – HTTTB K14 10 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Hình 18 Giao diện Dashboard trên IBM Cognos Workspace 2.

IBM Cognos Workspace Advanced IBM Cognos Workspace Advanced là công cụ chạy trên nền tảng web, cho phép người dùng kéo thả và định dạng các loại báo cáo dưới nhiều dạng khác nhau, bao gồm list, crosstab, biểu đồ, báo cáo tài chính… và khai phá dữ liệu nâng cao (thêm chiều đo, định dạng có điều kiện, tính toán nâng cao). Hình 19 Giao diện IBM Cognos Workspace Advanced Trần Thị Hoàng Yến – HTTTB K14 11 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng 2.