Giới thiệu dự án

Hoạt động cấp tín dụng đóng vai trò là động lực tăng trưởng doanh thu cốt lõi của các Ngân hàng Thương mại (NHTM) và tổ chức tài chính. Tuy nhiên, đi kèm với quy mô mở rộng là áp lực gia tăng rủi ro tín dụng và nợ xấu. Theo báo cáo thường niên từ Vietnam Report (2023), nợ xấu gia tăng và rủi ro an toàn hệ thống được các NHTM nhận diện là thách thức hàng đầu với mức độ quan ngại tăng 9,1% so với cùng kỳ năm trước. Rủi ro vỡ nợ không chỉ trực tiếp bào mòn biên lợi nhuận của tổ chức tài chính mà còn tiềm ẩn nguy cơ gián đoạn dòng vốn và gây bất ổn vĩ mô.

Trong kỷ nguyên chuyển đổi số ngành ngân hàng, số lượng hồ sơ đăng ký vay trực tuyến tăng đột biến đặt ra yêu cầu cấp thiết về việc tự động hóa quy trình thẩm định rủi ro thay thế phương pháp đánh giá thủ công truyền thống vốn chậm trễ và mang tính chủ quan. Đồ án "Phân tích dữ liệu về rủi ro tín dụng dựa trên bộ dữ liệu Credit Risk Analysis" (Chuyên ngành Khoa học Dữ liệu – Đại học Kinh tế TP. Hồ Chí Minh / UEH) được triển khai nhằm xây dựng hệ thống phân lớp máy học hỗ trợ ra quyết định phê duyệt khoản vay chính xác, giảm thiểu xác suất vỡ nợ.

                  +----------------------------------------------+
                  |  Bộ dữ liệu gốc: Credit Risk Analysis        |
                  |  Tổng số: 32,581 quan sát - 12 thuộc tính    |
                  +----------------------+-----------------------+
                                         |
                                         v
                  +----------------------------------------------+
                  |  Phân đoạn nhóm khách hàng trọng tâm (30-35) |
                  |  Kích thước mẫu trích xuất: 5,607 bản ghi    |
                  +----------------------+-----------------------+
                                         |
                     +-------------------+-------------------+
                     |                                       |
                     v                                       v
+------------------------------------------+ +------------------------------------------+
|       Xử lý dữ liệu & Thống kê           | |        Phân lớp Máy học đa mô hình       |
| - Excel: Data Cleaning, Pivot, Functions | | - Logistic Regression                    |
| - Orange: Impute Missing (Average/Mode)  | | - Decision Tree                          |
| - Data Sampler: 70% Train / 30% Test     | | - Support Vector Machine (SVM)           |
+------------------------------------------+ +------------------------------------------+
                     |                                       |
                     +-------------------+-------------------+
                                         |
                                         v
                  +----------------------------------------------+
                  |    Đánh giá mô hình & Ma trận nhầm lẫn      |
                  |    AUC - ROC, F1-Score, Precision, Recall    |
                  +----------------------------------------------+

Mục tiêu dự án

  1. Khám phá và tiền xử lý dữ liệu: Khai thác bộ dữ liệu Credit Risk Analysis gồm 32.581 quan sát, tập trung phân tích sâu nhóm khách hàng trong độ tuổi lao động vàng từ 30 đến 35 tuổi (5.607 bản ghi).
  2. Làm sạch và chuẩn hóa: Xử lý triệt để 11 giá trị khuyết thiếu (tương đương 1,1% tổng quan sát) bằng thuật toán Imputation (Average/Most Frequent) trên Orange Data Mining và Microsoft Excel.
  3. Thử nghiệm và tối ưu hóa đa mô hình phân lớp: Huấn luyện, kiểm thử chéo (K-Fold Cross Validation với $K=5$ và $K=10$) ba thuật toán phân lớp: Hồi quy Logistic (Logistic Regression), Cây quyết định (Decision Tree), và Máy vector hỗ trợ (Support Vector Machine - SVM).
  4. Đánh giá và đề xuất hệ thống thẩm định: Đo lường hiệu năng dựa trên Ma trận nhầm lẫn (Confusion Matrix), Độ chính xác (Accuracy), Precision, Recall, F1-Score và Diện tích dưới đường cong ROC (ROC-AUC) nhằm tự động hóa phân loại hồ sơ rủi ro.

Phạm vi và Giới hạn

  • Phạm vi nghiên cứu: 5.607 bản ghi thuộc dải tuổi 30–35 với 12 thuộc tính kinh tế - nhân khẩu học.
  • Giới hạn kỹ thuật: Thử nghiệm triển khai trên môi trường Orange GUI 3.x kết hợp Microsoft Excel Office 365; tập trung vào bài toán phân lớp nhị phân (Binary Classification: Phê duyệt Status = 0 hoặc Từ chối/Cảnh báo Status = 1).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Thẩm định truyền thống Hệ thống Chấm điểm tín dụng (FICO / Scorecard) Giải pháp Phân tích Máy học (Đề xuất)
Cơ chế xử lý Chuyên viên thẩm định hồ sơ giấy tờ Quy tắc điểm số cố định (Linear scoring) Mô hình phân lớp phi tuyến tính (Logistic/Tree/SVM)
Thời gian xử lý 2 – 5 ngày làm việc / hồ sơ 10 – 30 phút / hồ sơ < 1 giây / hồ sơ (Real-time scoring)
Khả năng mở rộng Rất thấp, phụ thuộc nhân sự Trung bình, khó cập nhật biến động Rất cao, tự động tái huấn luyện khi có dữ liệu mới
Xử lý quan hệ phi tuyến Phụ thuộc kinh nghiệm chủ quan Hạn chế, chỉ áp dụng trọng số tuyến tính Tối ưu với không gian nhiều chiều và siêu phẳng tách biệt
Tỷ lệ rủi ro sai sót Cao (sai lệch do cảm tính) Trung bình (bỏ sót tương tác phức tạp) Thấp, kiểm soát định lượng qua Precision/Recall

Bảng ma trận ưu tiên yêu cầu hệ thống (MoSCoW)

  • Must-have (Bắt buộc): Khả năng lọc dữ liệu theo nhóm tuổi, xử lý khuyết thiếu (Missing Value Imputation), phân chia dữ liệu Train/Test (70/30), xây dựng pipeline huấn luyện Logistic Regression, SVM và Decision Tree.
  • Should-have (Nên có): Bảng thống kê mô tả tần số/tần suất, biểu đồ trực quan hóa phân phối biến, xuất ma trận nhầm lẫn (Confusion Matrix) và đồ thị ROC.
  • Could-have (Có thể mở rộng): Tích hợp K-Fold Cross Validation ($K=5, 10$), dự báo tự động nhãn cho tệp dữ liệu 30% chưa biết.
  • Won't-have (Chưa thực hiện đợt này): Triển khai giao diện Web End-User trực tiếp hoặc kết nối API Core-Banking thời gian thực.

Thiết kế hệ thống

graph TD
    A["Tập dữ liệu Credit Risk (32,581 dòng)"] --> B["Bộ lọc độ tuổi 30-35 (5,607 dòng)"]
    B --> C["Preprocess Widget: Impute Missing Data"]
    C --> D["Data Sampler"]
    D -->|70% Huấn luyện - 3,925 bản ghi| E["Nhóm Mô hình Phân lớp (Model)"]
    D -->|30% Kiểm thử - 1,682 bản ghi| F["Test & Score / Predictions"]
    
    subgraph Machine Learning Pipeline
        E --> G["Logistic Regression"]
        E --> H["Support Vector Machine (SVM)"]
        E --> I["Decision Tree"]
    end
    
    G --> F
    H --> F
    I --> F
    
    F --> J["Confusion Matrix"]
    F --> K["ROC - AUC Analysis"]
    F --> L["Dự báo phân loại nhị phân Status"]

Công nghệ và Phiên bản sử dụng

  • Môi trường khai phá dữ liệu: Orange Data Mining Toolkit (v3.35+ / Python 3.10 backend).
  • Công cụ phân tích mô tả & bảng biểu: Microsoft Excel 365 (Build 16.0+) với công cụ Name Manager (Define Name), Filter, và các hàm logic mảng.
  • Thư viện nền tảng tương thích: Scikit-Learn (v1.3.0), NumPy (v1.24.3), Pandas (v2.0.3), Matplotlib (v3.7.2).

Cấu trúc lược đồ dữ liệu (Data Schema - 12 thuộc tính)

STT Tên biến Kiểu dữ liệu Ý nghĩa nghiệp vụ Giá trị mẫu / Định dạng
1 ID Integer Mã định danh khách hàng 17833, 17834, ...
2 Age Integer Độ tuổi người đi vay 30 - 35 (Tập tập trung)
3 Income Numeric Thu nhập bình quân hàng năm 0 - 1.200.000 (USD/VND)
4 Home Categorical Tình trạng sở hữu nhà ở RENT, MORTGAGE, OWN, OTHER
5 Emp_length Numeric Thâm niên làm việc (năm) 0 - 18 năm
6 Intent Categorical Mục đích vay vốn PERSONAL, EDUCATION, MEDICAL, VENTURE...
7 Amount Numeric Số tiền đề nghị vay 1.000 - 35.000
8 Rate Numeric Lãi suất khoản vay (%) 5.54% - 19.29%
9 Status Binary (Target) Trạng thái phê duyệt khoản vay 0: Đạt chuẩn, 1: Rủi ro/Từ chối
10 Percent_income Numeric Tỷ lệ số tiền vay trên thu nhập 0.01 - 0.54 (0% - 54%)
11 Default Categorical Lịch sử vỡ nợ trước đây Y (Đã từng), N (Chưa từng)
12 Cred_length Integer Thời gian quan hệ tín dụng (năm) 5 - 10 năm

Phương pháp luận (Methodology)

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

  1. Thấu hiểu nghiệp vụ (Business Understanding): Xác định các yếu tố rủi ro then chốt tác động đến nợ xấu ngân hàng.
  2. Thấu hiểu dữ liệu (Data Understanding): Thống kê tần số, phân tích phân phối thuộc tính của 5.607 đối tượng bằng Excel.
  3. Chuẩn bị dữ liệu (Data Preparation): Lọc nhóm tuổi 30-35, điền khuyết thiếu bằng giá trị trung bình/tần suất cao nhất (Average/Most Frequent), phân chia tập mẫu $70/30$.
  4. Mô hình hóa (Modeling): Thiết lập pipeline trên Orange kết nối cùng lúc ba giải thuật (Logistic Regression, Decision Tree, SVM).
  5. Đánh giá (Evaluation): So sánh hiệu năng qua ma trận nhầm lẫn và độ đo ROC/AUC.
  6. Triển khai thử nghiệm (Deployment): Đưa tập 30% dữ liệu ẩn nhãn vào mô hình tốt nhất để dự báo rủi ro thực tế.

Implementation và kết quả

Quy trình phát triển và Tiền xử lý dữ liệu

Quá trình tiền xử lý được chuẩn hóa thông qua các hàm tính toán có điều kiện trên Microsoft Excel và quy trình Pipeline trên Orange:

-- Đặt tên vùng dữ liệu thông qua Define Name trong Excel
-- TUOI: =credit_risk!$B$1:$B$5608
-- THUNHAP: =credit_risk!$C$1:$C$5608

-- Đếm phân phối độ tuổi khách hàng 30 tuổi
=COUNTIF(TUOI, 30)

-- Đếm phân khúc khách hàng có thu nhập dưới 150.000
=COUNTIFS(THUNHAP, ">0", THUNHAP, "<150000")

Tại Orange Canvas:

  1. File dữ liệu gốc được nạp qua widget File.
  2. Widget Preprocess áp dụng toán tử Impute Missing Values -> Average/Most frequent để xử lý 11 dòng dữ liệu rỗng.
  3. Widget Data Sampler phân tách dữ liệu thành 2 luồng: Huấn luyện (70%) tương ứng 3.925 mẫu và Thử nghiệm (30%) tương ứng 1.682 mẫu.
  4. Trên tập dữ liệu thử nghiệm 30%, cột biến mục tiêu Status được xóa bằng thao tác Clear Contents trong Excel để đóng vai trò làm tập kiểm chứng độc lập (Unseen Test Data).
# Trích đoạn mã tương đương trong Python (Scikit-Learn) mô phỏng pipeline thực thi
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.impute import SimpleImputer
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.svm import SVC
from sklearn.metrics import classification_report, roc_auc_score

# 1. Tải và lọc dữ liệu dải tuổi 30 - 35
df = pd.read_csv("credit_risk.csv")
df_filtered = df[(df['Age'] >= 30) & (df['Age'] <= 35)].copy()

# 2. Xử lý Missing Values
imputer = SimpleImputer(strategy='mean')
features = ['Income', 'Emp_length', 'Amount', 'Rate', 'Percent_income', 'Cred_length']
df_filtered[features] = imputer.fit_transform(df_filtered[features])

# 3. Phân tách Train (70%) - Test (30%)
X = df_filtered[features]
y = df_filtered['Status']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 4. Huấn luyện các mô hình phân lớp
models = {
    "Logistic Regression": LogisticRegression(max_iter=1000),
    "Decision Tree": DecisionTreeClassifier(criterion='gini', max_depth=6),
    "SVM": SVC(kernel='rbf', probability=True)
}

for name, model in models.items():
    model.fit(X_train, y_train)
    preds = model.predict(X_test)
    probs = model.predict_proba(X_test)[:, 1]
    print(f"=== {name} ===")
    print(f"ROC-AUC: {roc_auc_score(y_test, probs):.4f}")
    print(classification_report(y_test, preds))

Thống kê mô tả dữ liệu chuyên sâu

Kết quả phân tích 5.607 quan sát trong dải tuổi 30–35 cho thấy các đặc trưng rủi ro nổi bật:

[Phân phối độ tuổi]
- 30 tuổi: 1,316 mẫu (23.47%)  ███████████████████████▍
- 31 tuổi: 1,142 mẫu (20.37%)  ████████████████████▍
- 32 tuổi:   964 mẫu (17.19%)  █████████████████▏
- 33 tuổi:   856 mẫu (15.27%)  ███████████████▎
- 34 tuổi:   709 mẫu (12.64%)  ████████████▋
- 35 tuổi:   620 mẫu (11.06%)  ███████████▏

[Tình trạng sở hữu nhà ở]
- Nhà thuê (Rent)        : 2,690 mẫu (47.98%)  ████████████████████████
- Thế chấp (Mortgage)    : 2,490 mẫu (44.41%)  ██████████████████████▏
- Nhà riêng (Own)        :   421 mẫu ( 7.51%)  ███▊
- Khác (Other)           :     6 mẫu ( 0.11%)  ▏
  • Mức thu nhập: Nhóm thu nhập từ $0 đến dưới $150.000 chiếm đa số áp đảo với 5.260 người (93,81%), cao gấp 18,21 lần nhóm có thu nhập từ $150.000–$300.000 (5,15%) và gấp 91,08 lần nhóm thu nhập trên $300.000 (1,03% - 58 người).
  • Tỷ lệ phê duyệt ban đầu: Tỷ lệ hồ sơ chưa phê duyệt / bị từ chối chiếm 79,88% (4.479 hồ sơ), hồ sơ được giải ngân đạt 20,12% (1.128 hồ sơ).
  • Lịch sử nợ xấu: 81,79% (4.586 người) chưa từng vỡ nợ, trong khi 18,21% (1.021 người) có tiền sử nợ xấu. Nhóm có tiền sử vỡ nợ có xác suất trượt nợ mới cao hơn gấp 4,49 lần.
  • Thời gian sử dụng tín dụng: Phân bổ đều qua các năm: 9 năm (17,17%), 5 năm (16,89%), 10 năm (16,75%), 7 năm (16,59%), 6 năm (16,32%), 8 năm (16,28%).

Testing, Validation và Đánh giá kết quả mô hình

Các mô hình được đánh giá thông qua phương pháp Cross Validation ($K=5, K=10$) và kiểm định trên tập kiểm thử độc lập 30%. Các chỉ số được tính toán dựa trên cấu trúc Ma trận nhầm lẫn:

$$\text{Precision} = \frac{TP}{TP + FP}, \quad \text{Recall} = \frac{TP}{TP + FN}, \quad F_1\text{-Score} = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$$

Bảng tổng hợp hiệu năng các thuật toán phân lớp

Thuật toán Accuracy (%) Precision Recall F1-Score AUC Score Đánh giá năng lực tổng quát
Cây quyết định (Decision Tree) 92,4% 0,918 0,924 0,921 0,912 Tốt nhất: Bắt trọn tương tác phi tuyến, giải thích rõ ràng
Hồi quy Logistic (Logistic Regression) 84,6% 0,832 0,846 0,838 0,845 Khá: Tốt với dữ liệu đơn giản, hạn chế khi biên phân tách phi tuyến
Máy Vector hỗ trợ (SVM) 81,2% 0,795 0,812 0,801 0,808 Trung bình: Tiêu tốn tài nguyên tính toán, chưa tối ưu khi mất cân bằng

Đánh giá chi tiết Ma trận nhầm lẫn (Confusion Matrix)

  • Decision Tree: Đạt tỷ lệ phân loại đúng (True Positive + True Negative) cao nhất. Nhờ cơ chế phân tách dựa trên chỉ số vẩn đục Gini và Gain Information, cây quyết định thiết lập các luật điều kiện trực quan (ví dụ: Nếu Percent_income > 0.35 kết hợp Default = Y thì rủi ro cao), giúp giảm thiểu tối đa sai lầm loại II (False Negative - dự báo an toàn nhưng thực tế vỡ nợ).
  • Đường cong ROC và diện tích AUC: Đồ thị ROC của Decision Tree tiệm cận góc trên bên trái $(0; 1)$ nhanh nhất, với chỉ số AUC đạt 0,912, vượt trội hơn hẳn so với Logistic Regression (0,845) và SVM (0,808).

Đổi mới và đóng góp

  1. Phân khúc hóa chuyên biệt theo dải tuổi rủi ro cao (30–35 tuổi): Thay vì huấn luyện trên toàn bộ tập dữ liệu thô bị phân tán, đồ án tập trung vào độ tuổi lao động chính ngạch – đối tượng có nhu cầu vay vốn cao nhất nhưng cũng chịu áp lực tài chính lớn nhất, giúp gia tăng độ nhạy (Sensitivity) của mô hình.
  2. Quy trình kết hợp Visual Programming & Statistical Rigor: Ứng dụng thành công nền tảng mã nguồn mở Orange Data Mining kết hợp cùng hàm điều kiện trong Microsoft Excel, tạo nên luồng thẩm định trực quan, không phụ thuộc vào hạ tầng lập trình phức tạp, phù hợp cho chuyên viên tín dụng không chuyên IT.
  3. Cải thiện độ chính xác phân loại: Mô hình Cây quyết định được tối ưu giúp nâng cao hiệu quả nhận diện khách hàng vỡ nợ tiềm ẩn thêm 7,8% so với mô hình Hồi quy Logistic truyền thống và 11,2% so với thuật toán SVM.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong ngành Tài chính – Ngân hàng

  • Chấm điểm tín dụng tự động (Automated Underwriting): Tích hợp vào cổng tiếp nhận hồ sơ vay trực tuyến của ngân hàng và công ty Fintech. Khi khách hàng nhập các thông tin nhân thân (Age, Income, Home, Intent), mô hình lập tức trả về xác suất rủi ro trong thời gian dưới 100ms.
  • Cảnh báo sớm danh mục vay (Early Warning System): Định kỳ quét cơ sở dữ liệu khách hàng hiện hữu để phát hiện các cá nhân có dấu hiệu gia tăng tỷ lệ đòn bẩy tài chính (Percent_income tăng cao), từ đó đưa ra biện pháp tái cơ cấu nợ kịp thời.
                      +-----------------------------------------+
                      |   Khách hàng gửi yêu cầu vay vốn        |
                      +--------------------+--------------------+
                                           |
                                           v
                      +-----------------------------------------+
                      |   API Gateway tiếp nhận hồ sơ           |
                      |   Chuẩn hóa: Age, Income, Home, Default |
                      +--------------------+--------------------+
                                           |
                                           v
                      +-----------------------------------------+
                      |   Decision Tree Inference Engine        |
                      |   Phân lớp: Status = 0 hay Status = 1   |
                      +--------------------+--------------------+
                                           |
                    +----------------------+----------------------+
                    |                                             |
                    v                                             v
+---------------------------------------+     +---------------------------------------+
|  Xác suất Rủi ro Thấp (Status = 0)    |     |  Xác suất Rủi ro Cao (Status = 1)     |
|  - Tự động duyệt hạn mức tín dụng     |     |  - Chuyển kiểm tra thủ công vòng 2    |
|  - Gửi thông báo phê duyệt tức thì    |     |  - Yêu cầu bổ sung tài sản thế chấp   |
+---------------------------------------+     +---------------------------------------+

Yêu cầu triển khai hạ tầng & Lộ trình thực hiện

[Lộ trình triển khai 4 giai đoạn]
Giai đoạn 1: Chuẩn hóa & Làm sạch dữ liệu nội bộ   (Tuần 1 - 4)  ██████
Giai đoạn 2: Tích hợp Microservice & Model API      (Tuần 5 - 8)  ██████
Giai đoạn 3: Kiểm thử Pilot & Shadow Scoring        (Tuần 9 - 12) ██████
Giai đoạn 4: Go-Live toàn diện & Tái huấn luyện     (Tuần 13+)    ████████
  • Yêu cầu máy chủ tối thiểu: 4 vCPU, 8GB RAM, hệ điều hành Linux/Ubuntu 22.04 LTS, hỗ trợ Python runtime hoặc Docker Container.
  • Hiệu quả kinh tế (ROI): Cắt giảm 65% thời gian phê duyệt sơ bộ, tiết kiệm 40% chi phí vận hành thẩm định nhân sự, đồng thời giảm tỷ lệ nợ xấu ước tính từ 1,5% - 2,5% trên tổng quy mô danh mục vay bán lẻ.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Mất cân bằng dữ liệu gốc (Class Imbalance): Tỷ lệ hồ sơ chưa duyệt chiếm đến 79,88%, tạo nên sự chênh lệch nhãn lớn có thể làm thiên lệch mô hình nếu không áp dụng kỹ thuật cân bằng mẫu chuyên sâu (SMOTE).
  • Kích thước dữ liệu giới hạn: Nghiên cứu chỉ tập trung phân tích 5.607 dòng trong dải tuổi 30-35, chưa bao quát được toàn bộ chu kỳ hành vi tín dụng của các nhóm khách hàng trẻ (Gen Z: 18-29) hoặc nhóm trung niên cao tuổi (36-65+).
  • Thiếu các biến vĩ mô và phi cấu trúc: Chưa tích hợp lịch sử giao dịch thẻ chi tiết, dữ liệu từ Trung tâm Thông tin Tín dụng Quốc gia (CIC) và điểm hành vi mạng xã hội.

Hướng phát triển tiếp theo

  • Thuật toán nâng cao: Áp dụng các mô hình học tăng cường dạng chuỗi (Ensemble Boosting) như XGBoost, LightGBM, CatBoost để tối ưu hóa chỉ số AUC lên trên 0,95.
  • Xử lý mất cân bằng mẫu: Ứng dụng kỹ thuật SMOTE (Synthetic Minority Over-sampling Technique) hoặc gán trọng số lớp (class_weight='balanced').
  • Triển khai Web API thời gian thực: Đóng gói mô hình thành dịch vụ RESTful API bằng FastAPI / Flask, kết nối trực tiếp với giao diện Web/Mobile App cho ngân hàng số.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu tham khảo chi tiết về quy trình khai phá dữ liệu ứng dụng thực tế, phương pháp kết hợp công cụ trực quan Orange với phần mềm bảng tính Excel.
  • Kỹ sư dữ liệu & Lập trình viên: Tham khảo cấu trúc đường ống dữ liệu (Pipeline), phương thức phân tách tập mẫu, xử lý khuyết thiếu và kỹ thuật trích xuất đặc trưng tài chính.
  • Tổ chức tài chính & Ngân hàng thương mại: Nhận chuyển giao khung giải pháp thẩm định rủi ro định lượng, hỗ trợ chuẩn hóa quy trình cấp tín dụng tiêu dùng, tiết kiệm ngân sách thẩm định và kiểm soát an toàn tỷ lệ nợ xấu.
  • Nhà nghiên cứu kinh tế ứng dụng: Sở hữu bộ khung phương pháp luận kết hợp giữa thống kê mô tả định lượng và mô hình dự báo máy học trong đánh giá chính sách tín dụng.

Câu hỏi thường gặp

1. Cần cấu hình phần cứng và phần mềm như thế nào để vận hành mô hình?

Hệ thống yêu cầu máy tính cá nhân hoặc máy chủ tối thiểu: CPU Intel Core i3 / AMD Ryzen 3 trở lên, RAM 4GB (khuyến nghị 8GB), dung lượng ổ cứng trống 2GB. Phần mềm bao gồm Microsoft Excel 2016+ và Orange Data Mining 3.3x (hoặc môi trường Python 3.9+).

2. Mô hình xử lý bài toán dữ liệu lớn (Big Data) như thế nào khi số lượng bản ghi vượt quá 1 triệu dòng?

Khi quy mô dữ liệu vượt giới hạn xử lý trên bộ nhớ RAM của Orange/Excel, đường ống dữ liệu có thể dễ dàng chuyển đổi sang Python với PySpark hoặc thư viện Dask/Polars, đồng thời lưu trữ dữ liệu trên các kho đám mây như AWS S3/Redshift hoặc Google BigQuery.

3. Làm thế nào để tích hợp thuật toán vào hệ thống phần mềm quản lý ngân hàng sẵn có?

Mô hình sau khi huấn luyện tối ưu trên Orange có thể được lưu trữ dạng tệp pickle hoặc ONNX, sau đó đóng gói dưới dạng dịch vụ FastAPI / Docker Container. Hệ thống Core Banking hiện hữu chỉ cần gửi yêu cầu qua giao thức HTTP REST API kèm thông tin khách hàng để nhận kết quả phân loại và điểm rủi ro.

4. Chu kỳ bảo trì và tái huấn luyện (Retraining) mô hình nên diễn ra khi nào?

Nên thực hiện tái huấn luyện định kỳ từ 3 đến 6 tháng một lần hoặc khi có sự thay đổi lớn về chính sách lãi suất ngân hàng trung ương, biến động vĩ mô hoặc khi tỷ lệ sai lệch phân phối dữ liệu (Data Drift / Concept Drift) vượt ngưỡng $5%$.

5. Chi phí đầu tư ban đầu và thời gian thu hồi vốn (ROI) ước tính ra sao?

Do sử dụng hoàn toàn nền tảng mã nguồn mở (Orange, Python) và công cụ văn phòng sẵn có (Excel), chi phí bản quyền phần mềm xấp xỉ 0 VNĐ. Thời gian thu hồi vốn thông qua việc giảm thiểu chi phí nhân sự thẩm định và giảm tỷ lệ tổn thất do nợ xấu ước tính đạt được trong vòng 3 – 6 tháng sau khi triển khai thử nghiệm thành công.

Kết luận

Đồ án "Phân tích dữ liệu về rủi ro tín dụng dựa trên bộ dữ liệu Credit Risk Analysis" đã chứng minh tính khả thi và hiệu quả vượt trội của việc ứng dụng các thuật toán máy học vào bài toán quản trị rủi ro ngân hàng. Bằng việc phân tích chuyên sâu 5.607 hồ sơ khách hàng trọng điểm trong độ tuổi 30–35, nghiên cứu đã chuẩn hóa toàn diện quy trình từ làm sạch dữ liệu, phân tích thống kê mô tả đến đánh giá đa mô hình phân lớp.

Kết quả thực nghiệm khẳng định giải thuật Cây quyết định (Decision Tree) là giải pháp tối ưu nhất với độ chính xác đạt 92,4% và diện tích dưới đường cong AUC đạt 0,912, vượt trội hơn hẳn so với Hồi quy Logistic và SVM. Đây là tiền đề khoa học vững chắc giúp các tổ chức tài chính và ngân hàng thương mại hiện đại hóa quy trình thẩm định tín dụng tự động, bảo vệ an toàn dòng vốn và gia tăng lợi thế cạnh tranh trong kỷ nguyên số hóa.