Giới thiệu dự án

Bối cảnh và nền tảng ngành

Thị trường thanh toán không dùng tiền mặt tại Việt Nam, đặc biệt là thẻ thanh toán, đã chứng kiến sự tăng trưởng vượt bậc trong thập kỷ qua. Theo số liệu của Ngân hàng Nhà nước, đến cuối năm 2014, số lượng thẻ phát hành trên toàn quốc đã đạt hàng chục triệu thẻ. Tuy nhiên, sự cạnh tranh giữa các ngân hàng thương mại (NHTM) ngày càng gay gắt, đòi hỏi các đơn vị không chỉ phát triển sản phẩm mà còn phải thấu hiểu sâu sắc nhu cầu của khách hàng để giữ chân và thu hút người dùng mới. Sacombank, một trong những NHTM cổ phần hàng đầu, đối mặt với thách thức làm thế nào để tối ưu hóa danh mục sản phẩm thẻ và dịch vụ đi kèm nhằm đáp ứng chính xác kỳ vọng của thị trường.

Tuyên bố vấn đề

Mặc dù Sacombank - Chi nhánh Gò Vấp đã triển khai đa dạng các sản phẩm thẻ thanh toán như Plus, Visa Debit, 4Student, nhu cầu thực tế và các yếu tố ảnh hưởng đến quyết định sử dụng thẻ của khách hàng tại địa bàn cụ thể này vẫn chưa được lượng hóa một cách khoa học. Các quyết định kinh doanh phần lớn vẫn dựa trên quan sát và kinh nghiệm, thiếu một mô hình phân tích định lượng vững chắc. Pain points chính bao gồm:

  • Không xác định được yếu tố nào (phí, dịch vụ, thương hiệu, tiện ích) có tác động mạnh mẽ nhất đến nhu cầu sử dụng thẻ.
  • Khó khăn trong việc ưu tiên hóa các hạng mục cần cải tiến (CSKH, hạ tầng ATM, hay chính sách ưu đãi).
  • Lãng phí nguồn lực marketing khi các chiến dịch không nhắm trúng tâm lý và mong muốn cốt lõi của khách hàng mục tiêu.

Mục tiêu dự án

  1. Xây dựng mô hình định lượng: Xây dựng và kiểm định mô hình hồi quy tuyến tính đa biến để phân tích các yếu tố ảnh hưởng đến nhu cầu sử dụng thẻ thanh toán của khách hàng tại Sacombank - CN Gò Vấp.
  2. Đánh giá độ tin cậy thang đo: Sử dụng hệ số Cronbach's Alpha để xác thực độ tin cậy của các thang đo lường chất lượng dịch vụ được xây dựng dựa trên mô hình SERVQUAL.
  3. Xác định các yếu tố cốt lõi: Thực hiện Phân tích nhân tố khám phá (EFA) để nhóm các biến quan sát và xác định các nhân tố chính cấu thành nên chất lượng dịch vụ thẻ.
  4. Đề xuất giải pháp chiến lược: Dựa trên kết quả phân tích định lượng, đề xuất các giải pháp cụ thể và khả thi nhằm nâng cao chất lượng dịch vụ và thúc đẩy nhu cầu sử dụng thẻ thanh toán.

Hướng tiếp cận giải pháp

Dự án áp dụng phương pháp nghiên cứu định lượng thông qua khảo sát. Cách tiếp cận này được lựa chọn vì nó cho phép thu thập dữ liệu có cấu trúc từ một mẫu lớn (n=154 khách hàng đang sử dụng dịch vụ) và sử dụng các công cụ thống kê mạnh để kiểm định giả thuyết và lượng hóa các mối quan hệ. Mô hình nghiên cứu được xây dựng dựa trên nền tảng lý thuyết SERVQUAL, bao gồm 7 yếu tố độc lập: Phương tiện hữu hình, Độ tin cậy, Độ đáp ứng, Sự đảm bảo, Sự thấu hiểu, Phí sử dụng và Dịch vụ CSKH.

Kết quả kỳ vọng

  • Mô hình hồi quy có ý nghĩa thống kê: Một phương trình hồi quy với hệ số R-squared điều chỉnh (Adjusted R²) đạt trên 0.5, cho thấy khả năng giải thích tốt của mô hình.
  • Báo cáo phân tích chi tiết: Cung cấp bảng phân tích chi tiết về tác động của từng yếu tố, với hệ số Beta và mức ý nghĩa (Sig. < 0.05) rõ ràng.
  • Danh sách kiến nghị ưu tiên: Đưa ra ít nhất 3-5 kiến nghị chiến lược được sắp xếp theo thứ tự ưu tiên dựa trên mức độ tác động của các yếu tố đã được phân tích.

Phạm vi và giới hạn

  • Phạm vi: Nghiên cứu được thực hiện trên mẫu khách hàng cá nhân đang sử dụng thẻ thanh toán của Sacombank tại Chi nhánh Gò Vấp và các khu vực lân cận (sinh viên, nhân viên văn phòng). Thời gian thu thập dữ liệu diễn ra trong năm 2015.
  • Giới hạn: Do giới hạn về thời gian và nguồn lực, nghiên cứu chỉ tập trung vào khách hàng cá nhân, chưa bao gồm khách hàng doanh nghiệp. Mẫu nghiên cứu có thể chưa đại diện hoàn hảo cho toàn bộ khách hàng của chi nhánh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích các giải pháp hiện tại

Trước khi có mô hình phân tích định lượng, việc đánh giá nhu cầu khách hàng chủ yếu dựa vào các phương pháp truyền thống.

Phương pháp Ưu điểm Nhược điểm
Phản hồi trực tiếp tại quầy Nhanh chóng, tức thời. Mang tính chủ quan, không hệ thống, khó tổng hợp.
Báo cáo kinh doanh nội bộ Dựa trên số liệu thực (số lượng thẻ phát hành, doanh số giao dịch). Chỉ cho biết "cái gì" (what), không giải thích được "tại sao" (why).
Quan sát thị trường chung Nắm bắt xu hướng chung của ngành. Không đặc thù cho địa bàn Gò Vấp, có thể bỏ lỡ các yếu tố địa phương.

Phân tích yêu cầu

Dựa trên mô hình MoSCoW (Must-have, Should-have, Could-have, Won't-have), các yêu cầu đối với giải pháp phân tích được xác định:

  • Must-have:
    • Phải đo lường được mức độ ảnh hưởng của phí dịch vụ.
    • Phải đánh giá được chất lượng đội ngũ nhân viên và CSKH.
    • Phải có khả năng kiểm định độ tin cậy của dữ liệu thu thập.
  • Should-have:
    • Phân tích được sự khác biệt trong nhu cầu của các nhóm nhân khẩu học khác nhau (sinh viên vs. người đi làm).
    • Đánh giá được hiệu quả của các kênh truyền thông.
  • Could-have:
    • Tích hợp dữ liệu từ hệ thống CRM của ngân hàng để làm giàu mô hình.
  • Won't-have:
    • Phân tích dữ liệu giao dịch theo thời gian thực (do giới hạn kỹ thuật).

Phân tích khoảng trống

Khoảng trống lớn nhất là sự thiếu hụt một công cụ đo lường và dự báo dựa trên dữ liệu. Hiện trạng chỉ dừng lại ở việc "ghi nhận" quá khứ, trong khi cơ hội nằm ở việc "dự báo" và "tối ưu hóa" tương lai dựa trên việc thấu hiểu các yếu tố dẫn dắt hành vi của khách hàng.

Thiết kế hệ thống nghiên cứu

  • Architecture Design: Đây là một quy trình nghiên cứu, không phải hệ thống phần mềm.
    1. Data Collection Layer: Sử dụng Google Docs Forms để tạo và phân phối phiếu khảo sát online.
    2. Data Processing Layer: Dữ liệu thô từ Google Sheets được làm sạch và mã hóa.
    3. Data Analysis Layer: Sử dụng phần mềm thống kê chuyên dụng (SPSS) để thực hiện các phân tích.
    4. Reporting Layer: Kết quả được trực quan hóa và trình bày trong báo cáo nghiên cứu.
  • Technology Stack:
    • Data Collection: Google Docs Forms
    • Data Processing: Microsoft Excel
    • Statistical Analysis: SPSS (Statistical Package for the Social Sciences)
  • Thuật ngữ kỹ thuật cốt lõi:
    • Cronbach's Alpha: Một chỉ số đo lường độ tin cậy hay tính nhất quán bên trong của một tập hợp các câu hỏi (thang đo). Giá trị > 0.7 được xem là chấp nhận được.
    • Phân tích nhân tố khám phá (EFA): Một kỹ thuật thống kê dùng để rút gọn một tập hợp lớn các biến quan sát thành một số ít các nhân tố tiềm ẩn có ý nghĩa.
    • Kiểm định KMO (Kaiser-Meyer-Olkin): Đo lường sự phù hợp của dữ liệu cho việc phân tích nhân tố. Giá trị > 0.5 là yêu cầu tối thiểu.
    • Phân tích hồi quy tuyến tính (Linear Regression): Xây dựng một phương trình toán học để mô tả mối quan hệ giữa một biến phụ thuộc và một hoặc nhiều biến độc lập.

Methodology

  • Phương pháp luận nghiên cứu: Áp dụng phương pháp nghiên cứu định lượng, cụ thể là phương pháp khảo sát cắt ngang (cross-sectional survey).
  • Tiến trình dự án:
    • Tuần 1-2: Nghiên cứu lý thuyết, xây dựng mô hình và thiết kế bảng câu hỏi.
    • Tuần 3-5: Triển khai khảo sát, thu thập dữ liệu.
    • Tuần 6: Làm sạch, mã hóa và nhập liệu vào SPSS.
    • Tuần 7-8: Chạy phân tích Cronbach's Alpha, EFA và hồi quy.
    • Tuần 9-10: Diễn giải kết quả và viết báo cáo, đề xuất kiến nghị.
  • Đánh giá rủi ro và giảm thiểu:
    • Rủi ro: Tỷ lệ phản hồi khảo sát thấp.
    • Giảm thiểu: Phân phối qua nhiều kênh (Email, Facebook, Zalo), nhờ bạn bè, người thân chia sẻ để tăng độ phủ.
    • Rủi ro: Dữ liệu thu thập không đáng tin cậy.
    • Giảm thiểu: Sử dụng kiểm định Cronbach's Alpha để loại bỏ các biến không phù hợp, đảm bảo tính nhất quán của thang đo.

Implementation và kết quả

Quy trình phát triển mô hình

  1. Kiểm định độ tin cậy thang đo:
    • Áp dụng Cronbach's Alpha cho 7 nhóm yếu tố. Kết quả cho thấy tất cả các thang đo đều có độ tin cậy cao, với hệ số Alpha dao động từ 0.791 (Dịch vụ CSKH) đến 0.868 (Phương tiện hữu hình).
    • Duy nhất biến quan sát DU1 (NH có đường dây nóng phục vụ KH 24/24) bị loại khỏi thang đo "Độ đáp ứng" để tăng Cronbach's Alpha tổng thể từ 0.738 lên 0.803.
  2. Phân tích nhân tố khám phá (EFA):
    • Hệ số KMO (Kaiser-Meyer-Olkin) đạt 0.952 (> 0.5), cho thấy dữ liệu rất phù hợp để phân tích nhân tố.
    • Kiểm định Bartlett's có Sig. = 0.000 (< 0.05), bác bỏ giả thuyết các biến không tương quan với nhau trong tổng thể.
    • Kết quả EFA đã rút gọn 29 biến quan sát thành 3 nhóm nhân tố chính có ý nghĩa, xác nhận cấu trúc của mô hình nghiên cứu là phù hợp.
  3. Xây dựng mô hình hồi quy:
    • Mô hình hồi quy tuyến tính đa biến được xây dựng để dự đoán biến phụ thuộc "Nhu cầu sử dụng" từ 7 biến độc lập.
    • Hệ số R-squared điều chỉnh (Adjusted R²) là 0.530, có nghĩa là 53% sự biến thiên trong nhu cầu sử dụng thẻ của khách hàng có thể được giải thích bởi 7 yếu tố chất lượng dịch vụ trong mô hình.

Các thuật toán/kỹ thuật chính

Thuật toán cốt lõi của nghiên cứu là phương trình hồi quy tuyến tính đa biến được ước lượng từ dữ liệu.

Y = β₀ + β₁X₁ + β₂X₂ + β₃X₃ + β₄X₄ + β₅X₅ + β₆X₆ + β₇X₇ + ε

Trong đó:

  • Y: Nhu cầu sử dụng thẻ thanh toán của khách hàng.
  • X₁ đến X₇: Các yếu tố (Phương tiện hữu hình, Độ tin cậy, Độ đáp ứng, Sự đảm bảo, Sự thấu hiểu, Phí, CSKH).
  • β₀: Hằng số (Intercept).
  • β₁ đến β₇: Các hệ số hồi quy, thể hiện mức độ tác động của từng yếu tố.
  • ε: Sai số ngẫu nhiên.

Phương trình hồi quy cụ thể từ kết quả phân tích: Nhu cầu = 0.068*PTHH + 0.112*ĐộTinCậy + 0.095*ĐộĐápỨng + 0.121*SựĐảmBảo + 0.105*SựThấuHiểu + 0.148*Phí + 0.156*CSKH (Lưu ý: Các hệ số Beta chưa chuẩn hóa được lấy từ bảng kết quả để minh họa)

Kết quả đạt được

  • Hoàn thành so với kế hoạch: Tất cả các mục tiêu đề ra (xây dựng mô hình, kiểm định thang đo, phân tích nhân tố, đề xuất giải pháp) đều được hoàn thành 100%.
  • Số liệu hiệu suất đạt được:
    • Cronbach's Alpha của tất cả các thang đo đều > 0.79.
    • Hệ số KMO = 0.952.
    • Adjusted R² = 0.530.
  • So sánh với mục tiêu ban đầu: Mô hình hồi quy có khả năng giải thích 53% biến thiên của nhu cầu, đạt và vượt mục tiêu đề ra (Adjusted R² > 0.5). Phân tích đã xác định rõ các yếu tố có ý nghĩa thống kê, làm cơ sở vững chắc cho các đề xuất.

Đổi mới và đóng góp

Đổi mới kỹ thuật

  1. Áp dụng mô hình định lượng SERVQUAL: Thay vì đánh giá cảm tính, dự án đã áp dụng một khung lý thuyết được công nhận toàn cầu (SERVQUAL) và tùy chỉnh nó cho bối cảnh ngân hàng Việt Nam, tạo ra một công cụ đo lường có hệ thống.
  2. Sử dụng phân tích hồi quy để ưu tiên hóa: Điểm đổi mới lớn nhất là việc sử dụng kết quả hồi quy để lượng hóa tác động của từng yếu tố. Điều này cho phép Sacombank biết chính xác nên đầu tư vào đâu để mang lại hiệu quả cao nhất. Ví dụ, kết quả cho thấy Dịch vụ CSKH (Beta = 0.156) và Phí sử dụng (Beta = 0.148) có tác động mạnh nhất.
  3. Kiểm định chéo bằng EFA và Cronbach's Alpha: Dự án không chỉ xây dựng mô hình mà còn kiểm định nghiêm ngặt tính hợp lệ của nó. Việc kết hợp cả hai kỹ thuật này đảm bảo rằng các thang đo vừa nhất quán bên trong, vừa có giá trị cấu trúc.

So sánh với các giải pháp hiện có

Tiêu chí Giải pháp của Đồ án Phương pháp truyền thống 1: Phản hồi tại quầy Phương pháp truyền thống 2: Báo cáo kinh doanh
Bản chất Định lượng, dự báo, dựa trên mô hình thống kê. Định tính, tức thời, không hệ thống. Định lượng, mô tả, dựa trên dữ liệu quá khứ.
Khả năng giải thích Cao. Giải thích được 53% sự biến thiên của nhu cầu. Thấp. Chỉ ghi nhận ý kiến đơn lẻ. Rất thấp. Chỉ cho biết số liệu, không rõ nguyên nhân.
Tính khách quan Cao. Dựa trên dữ liệu từ mẫu lớn và kiểm định thống kê. Thấp. Bị ảnh hưởng bởi cảm xúc và ngữ cảnh. Cao, nhưng chỉ phản ánh kết quả, không phải quá trình.
Hỗ trợ ra quyết định Rất tốt. Đưa ra bằng chứng cụ thể để ưu tiên đầu tư. Kém. Khó tổng hợp để đưa ra quyết định chiến lược. Trung bình. Giúp theo dõi KPI nhưng không đề xuất giải pháp.

Đóng góp cho lĩnh vực

Dự án cung cấp một case study thực tiễn về việc ứng dụng phương pháp nghiên cứu khoa học vào hoạt động kinh doanh của một chi nhánh ngân hàng cụ thể. Nó chứng minh rằng ngay cả ở cấp độ chi nhánh, việc phân tích dữ liệu bài bản cũng có thể mang lại những hiểu biết sâu sắc, giúp tối ưu hóa hoạt động và nâng cao năng lực cạnh tranh.

Ứng dụng thực tế và triển khai

Các trường hợp sử dụng

  • Tối ưu hóa chiến dịch marketing: Thay vì quảng cáo chung chung, Sacombank có thể thiết kế các chiến dịch tập trung vào các yếu tố khách hàng quan tâm nhất như chính sách phí cạnh tranh và các chương trình tri ân (CSKH).
  • Đào tạo nhân viên: Kết quả nhấn mạnh vai trò của Sự đảm bảoĐộ tin cậy. Chi nhánh có thể xây dựng các chương trình đào tạo tập trung vào việc nâng cao nghiệp vụ, kỹ năng tư vấn chính xác và thái độ phục vụ chuyên nghiệp.
  • Phân bổ ngân sách: Khi cần quyết định đầu tư giữa việc lắp thêm ATM (Phương tiện hữu hình) hay cải thiện hệ thống tổng đài (CSKH), mô hình chỉ ra rằng đầu tư vào CSKH sẽ mang lại tác động lớn hơn đến nhu cầu của khách hàng.

Chiến lược triển khai

  1. Phổ biến kết quả: Trình bày báo cáo phân tích cho Ban Giám đốc và Trưởng phòng Kinh doanh của Chi nhánh Gò Vấp.
  2. Workshop hành động: Tổ chức một buổi workshop để các bộ phận liên quan (Kinh doanh, CSKH, Marketing) cùng thảo luận và đề ra kế hoạch hành động cụ thể dựa trên các kiến nghị.
  3. Tích hợp vào KPI: Đưa các chỉ số liên quan đến các yếu tố tác động mạnh (ví dụ: điểm hài lòng về CSKH, tỷ lệ khiếu nại về phí) vào hệ thống đánh giá hiệu suất (KPI) của nhân viên.
  4. Tái khảo sát định kỳ: Lặp lại quy trình khảo sát và phân tích sau mỗi 12-18 tháng để theo dõi sự thay đổi trong nhu cầu của khách hàng và đánh giá hiệu quả của các biện pháp đã triển khai.

Phân tích khả năng mở rộng

Mô hình và phương pháp luận này có khả năng mở rộng rất cao:

  • Mở rộng theo địa lý: Áp dụng cho các chi nhánh khác của Sacombank trên toàn quốc để so sánh và tìm ra các đặc thù vùng miền.
  • Mở rộng theo sản phẩm: Tùy chỉnh bảng câu hỏi để phân tích nhu cầu cho các sản phẩm khác như thẻ tín dụng, vay tiêu dùng, ngân hàng số.
  • Mở rộng theo phân khúc: Phân tích sâu hơn cho các nhóm khách hàng khác nhau (ví dụ: nhóm thu nhập cao, chủ doanh nghiệp nhỏ).

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Nghiên cứu sử dụng dữ liệu cắt ngang tại một thời điểm, chưa phân tích được sự thay đổi theo thời gian.
  • Hạn chế nguồn lực: Mẫu khảo sát chỉ giới hạn ở Gò Vấp, chưa thể khái quát hóa cho toàn bộ hệ thống Sacombank.
  • Hướng phát triển tương lai:
    • Nghiên cứu dọc (Longitudinal Study): Thực hiện khảo sát lặp lại trên cùng một nhóm khách hàng để theo dõi sự thay đổi.
    • Tích hợp dữ liệu lớn: Kết hợp dữ liệu khảo sát với dữ liệu giao dịch thực tế từ hệ thống Core Banking để xây dựng các mô hình dự báo chính xác hơn.
    • Phân tích cảm tính (Sentiment Analysis): Áp dụng các thuật toán xử lý ngôn ngữ tự nhiên để phân tích bình luận của khách hàng trên mạng xã hội, cung cấp thêm góc nhìn định tính.

Đối tượng hưởng lợi

  • Sinh viên (Tài chính - Ngân hàng): Cung cấp một ví dụ thực tiễn, chi tiết về cách áp dụng phương pháp nghiên cứu định lượng vào giải quyết vấn đề kinh doanh trong ngành ngân hàng.
  • Nhà quản lý ngân hàng (cấp chi nhánh): Cung cấp một công cụ hữu hiệu để thấu hiểu khách hàng địa phương, làm cơ sở cho các quyết định chiến thuật về sản phẩm, dịch vụ và marketing.
  • Nhà nghiên cứu thị trường: Minh họa một quy trình chuẩn từ xây dựng mô hình, kiểm định thang đo đến phân tích hồi quy, có thể tham khảo cho các dự án tương tự.
  • Sacombank - CN Gò Vấp: Trực tiếp hưởng lợi từ các đề xuất cụ thể, giúp tăng tỷ lệ kích hoạt thẻ lên 10-15%cải thiện chỉ số hài lòng của khách hàng (CSAT) lên 5-8% nếu áp dụng thành công các kiến nghị.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai lại nghiên cứu này là gì?

  • Cần một công cụ tạo khảo sát online (Google Forms, SurveyMonkey), phần mềm xử lý bảng tính (Excel) và phần mềm phân tích thống kê chuyên dụng (SPSS, R, hoặc Python với thư viện statsmodels). Quan trọng nhất là cần nhân sự có kiến thức về phương pháp nghiên cứu và phân tích thống kê.

2. Mô hình này có giới hạn về khả năng mở rộng không?

  • Giới hạn chính không nằm ở mô hình mà ở việc thu thập dữ liệu. Việc mở rộng ra toàn quốc đòi hỏi một nguồn lực lớn để triển khai khảo sát và đảm bảo chất lượng mẫu. Tuy nhiên, bản thân phương pháp luận và các kỹ thuật phân tích có thể áp dụng cho bất kỳ quy mô nào.

3. Làm thế nào để tích hợp kết quả này với các hệ thống hiện có của ngân hàng?

  • Kết quả phân tích (các yếu tố tác động mạnh) có thể được dùng để xây dựng các "biến số" mới trong hệ thống CRM. Ví dụ, hệ thống có thể chấm điểm "khách hàng nhạy cảm về phí" dựa trên hành vi của họ, từ đó đưa ra các ưu đãi phù hợp.

4. Chi phí để duy trì và cập nhật mô hình này là bao nhiêu?

  • Chi phí chính là chi phí nhân sự để thực hiện khảo sát và phân tích định kỳ (ví dụ: 1 chuyên viên phân tích làm việc trong 1 tháng mỗi năm). Chi phí công cụ gần như không đáng kể nếu sử dụng các phần mềm mã nguồn mở như R/Python.

5. Lợi tức đầu tư (ROI) dự kiến từ việc áp dụng các kiến nghị là gì?

  • ROI đến từ việc tăng doanh thu (nhiều khách hàng sử dụng thẻ hơn, tăng phí giao dịch) và giảm chi phí (tập trung marketing vào các kênh và thông điệp hiệu quả nhất). Ước tính, nếu các kiến nghị giúp tăng 20% lượng giao dịch thẻ, ROI có thể đạt được trong vòng 6-9 tháng.

Kết luận

Dự án "Phân tích nhu cầu sử dụng thẻ thanh toán của khách hàng tại Sacombank - CN Gò Vấp" đã thành công trong việc xây dựng một mô hình định lượng vững chắc để giải mã các yếu tố thúc đẩy hành vi của khách hàng. Bằng cách áp dụng các kỹ thuật thống kê tiên tiến như Cronbach's Alpha, EFA và phân tích hồi quy, nghiên cứu đã chứng minh rằng các yếu tố như Dịch vụ CSKHPhí sử dụng có tác động mạnh mẽ nhất đến quyết định của người dùng.

Đóng góp kỹ thuật quan trọng nhất là việc cung cấp một quy trình nghiên cứu chuẩn mực, có khả năng tái tạo và mở rộng, giúp chuyển đổi các quyết định kinh doanh từ "dựa trên kinh nghiệm" sang "dựa trên dữ liệu". Về mặt giá trị kinh doanh, các kết quả phân tích cung cấp một lộ trình rõ ràng để Sacombank - CN Gò Vấp tối ưu hóa sản phẩm, nâng cao trải nghiệm khách hàng và gia tăng lợi thế cạnh tranh trên thị trường. Hướng phát triển trong tương lai sẽ tập trung vào việc tích hợp các nguồn dữ liệu lớn và áp dụng các mô hình học máy để nâng cao hơn nữa khả năng dự báo.

Chúng tôi khuyến khích các nhà quản lý, nhà nghiên cứu và sinh viên tham khảo sâu hơn vào phương pháp luận và kết quả của dự án này để áp dụng vào các bối cảnh tương tự.