Giới thiệu dự án
Doanh nghiệp vừa và nhỏ (Small and Medium Enterprises - SME) đóng vai trò xương sống trong nền kinh tế Việt Nam, chiếm hơn 97% tổng số doanh nghiệp đang hoạt động và đóng góp xấp xỉ 45% GDP toàn quốc. Tuy nhiên, theo số liệu thống kê ngành ngân hàng giai đoạn 2019–2021, nhóm khách hàng doanh nghiệp (KHDN) SME luôn đối mặt với rào cản tiếp cận vốn tín dụng do năng lực tài chính hạn chế, thông tin kế toán thiếu minh bạch và mức độ tổn thương cao trước các biến động vĩ mô (như dịch bệnh Covid-19). Tại Ngân hàng TMCP Quân Đội (MBBank) – Chi nhánh Sở giao dịch 3 (SGD3), hoạt động cấp tín dụng cho phân khúc SME ghi nhận mức tăng trưởng tổng dư nợ từ 700 tỷ VNĐ (năm 2019) lên 788 tỷ VNĐ (năm 2020), song tỷ lệ nợ xấu cũng gia tăng từ 3,07% lên 3,25% (tương ứng nợ xấu tăng 19,11% từ 21,55 tỷ lên 25,67 tỷ VNĐ).
Vấn đề cốt lõi đặt ra là quy trình phân tích và thẩm định tài chính KHDN SME tại chi nhánh còn mang tính thủ công, thiếu bộ tiêu chí định lượng chuẩn hóa theo từng phân ngành kinh tế, dẫn đến sự bất cân xứng thông tin giữa Cán bộ tín dụng (CBTD) và doanh nghiệp vay vốn. Đồ án/khóa luận "Hoàn thiện công tác phân tích tài chính khách hàng doanh nghiệp quy mô vừa và nhỏ trong hoạt động tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Sở giao dịch 3" do sinh viên Phùng Thị Thảo Ly (Học viện Ngân hàng) thực hiện nhằm giải quyết trực tiếp bài toán tối ưu hóa quy trình thẩm định rủi ro tín dụng.
Mục tiêu nghiên cứu
- Hệ thống hóa cơ sở lý luận về phân tích Báo cáo tài chính (BCTC) và thông tin phi tài chính của KHDN SME trong hoạt động ngân hàng thương mại.
- Khảo sát, bóc tách thực trạng công tác phân tích tài chính tại MBBank – SGD3 giai đoạn 2019–2021, nhận diện các điểm nghẽn kỹ thuật và nguyên nhân phát sinh nợ quá hạn.
- Thiết kế khung giải pháp tích hợp mô hình phân tích định lượng (DuPont, Altman Z-Score, Chu chuyển ngân quỹ) kết hợp tự động hóa luồng xử lý trên nền tảng Core Banking T24, BPM và hệ thống Xếp hạng tín dụng nội bộ (CRA).
Phương pháp tiếp cận và kết quả kỳ vọng
Giải pháp kết hợp phương pháp phân tích tỷ số tài chính nâng cao, phân tích nhân tố DuPont 3 bước và 5 bước, đánh giá dòng tiền động qua Báo cáo lưu chuyển tiền tệ (BCLCTT) và ma trận kiểm soát tài sản - nguồn vốn. Dự án kỳ vọng rút ngắn 35% thời gian thẩm định hồ sơ, nâng cao độ chính xác trong dự báo rủi ro vỡ nợ lên trên 85%, và kiểm soát tỷ lệ nợ xấu phân khúc SME tại chi nhánh dưới ngưỡng 2,0%.
Phạm vi nghiên cứu tập trung vào danh mục KHDN SME có doanh thu từ 20 tỷ đến dưới 1.000 tỷ VNĐ tại MBBank – Chi nhánh SGD3 trong khung thời gian 2019–2021, minh họa chuyên sâu qua case-study Công ty Cổ phần Xây dựng và Đầu tư Thương mại Hoàng Hà.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Tại các tổ chức tín dụng hiện nay, việc phân tích tài chính SME thường gặp xung đột giữa tốc độ xử lý và độ chính xác do đặc thù "hai hệ thống sổ sách" của doanh nghiệp vừa và nhỏ.
+-------------------------------------------------------------------------------+
| SO SÁNH CÁC GIẢI PHÁP PHÂN TÍCH TÍN DỤNG |
+--------------------------+-----------------------+----------------------------+
| Tiêu chí | Phương pháp thủ công | Phương pháp Scorecard tĩnh | Giải pháp đề xuất tích hợp |
+--------------------------+-----------------------+----------------------------+
| Tốc độ thẩm định | Chậm (5-7 ngày) | Nhanh (1-2 ngày) | Tối ưu (2-3 ngày) |
| Độ sâu phân tích dòng tiền| Rời rạc, định tính | Kém (chỉ chấm điểm thô) | Toàn diện (Động + Tĩnh) |
| Tùy biến theo ngành | Phụ thuộc CBTD | Không linh hoạt | Đa chiều (Dynamic Weights) |
| Kiểm soát gian lận BCTC | Thấp | Trung bình | Cao (Cross-check tự động) |
+--------------------------+-----------------------+----------------------------+
Bảng phân tích yêu cầu nghiệp vụ theo ma trận MoSCoW:
| Phân loại |
Yêu cầu nghiệp vụ (Business Requirements) |
| Must have |
Kiểm tra cân đối Bảng cân đối kế toán (BCĐKT), tính toán tự động 4 nhóm tỷ số tài chính (Khả năng thanh toán, Sinh lời, Hoạt động, Đòn bẩy), tra cứu cổng Thông tin Tín dụng Quốc gia (CIC) và hệ thống CRA nội bộ. |
| Should have |
Mô hình bóc tách DuPont 3 bước, tính toán Ngân quỹ ròng ($Net\ Cash$) và Nhu cầu vốn lưu động ($NCVLĐ$), phân tích biến động tài khoản 131/331. |
| Could have |
Dự báo xác suất vỡ nợ bằng mô hình Altman Z''-Score cho thị trường mới nổi, đối chiếu dữ liệu đấu thầu điện tử (muasamcong.vn). |
| Won't have (kỳ này) |
Tự động duyệt giải ngân không cần phê duyệt cấp quản lý (Straight-Through Processing 100% không can thiệp nhân sự). |
Thiết kế hệ thống
Kiến trúc luồng phân tích tài chính tín dụng SME được chuẩn hóa thành 4 tầng xử lý:
[TẦNG 1: DỮ LIỆU ĐẦU VÀO]
[TẦNG 2: XỬ LÝ VÀ CHUẨN HÓA DỮ LIỆU]
[TẦNG 3: ENGINE PHÂN TÍCH TÀI CHÍNH NÂNG CAO]
[TẦNG 4: RA QUYẾT ĐỊNH & KIỂM SOÁT TÍN DỤNG]
- Technology Stack:
- Core Banking Platform: Temenos T24 Release R20.
- Credit Rating Engine: MBBank CRA (Credit Risk Assessment) v3.2.
- Workflow Management: IBM BPM v8.6 / MB BPM v4.0.
- Financial Modeling & Calculation Engine: Microsoft Excel VBA Enterprise Edition / Python 3.9 (Scipy/Numpy library integration via REST API).
- Data Gateways: CIC SOAP/XML Gateway v2.1, Vietnam Public Procurement API (
muasamcong.vn).
Methodology
Quy trình phát triển và hoàn thiện công tác phân tích tài chính áp dụng phương pháp luận phối hợp Agile - Waterfall:
- Khảo sát nghiệp vụ (Milestone 1 - 4 tuần): Đánh giá 100% hồ sơ cấp tín dụng SME tại MBBank – SGD3, phân loại nguyên nhân nợ quá hạn theo nhóm ngành (Thương mại dịch vụ, Xây lắp, Sản xuất).
- Chuẩn hóa công thức và bộ chỉ số (Milestone 2 - 3 tuần): Thiết lập ma trận trọng số rủi ro cho từng phân ngành cha và phân ngành con (ví dụ: Mã ngành 4741100 - Bán lẻ thiết bị CNTT).
- Thử nghiệm mô hình tính toán (Milestone 3 - 5 tuần): Triển khai thử nghiệm song song (Parallel Run) giữa quy trình cũ và mô hình phân tích cải tiến trên 20 bộ hồ sơ KHDN SME.
- Đóng gói quy trình và đào tạo (Milestone 4 - 2 tuần): Ban hành tài liệu hướng dẫn thẩm định tín dụng SME cập nhật cho CBTD và chuyên viên quản lý rủi ro.
Implementation và kết quả
Development process
Cốt lõi của việc hoàn thiện công tác phân tích tài chính nằm ở việc toán học hóa các quy tắc thẩm định tín dụng, chuyển từ đánh giá cảm tính sang lượng hóa rủi ro thông qua các thuật toán tài chính.
1. Thuật toán cân đối vốn lưu động và ngân quỹ ròng
Đánh giá mức độ an toàn tài chính ngắn hạn của doanh nghiệp thông qua quan hệ cân đối cấu trúc vốn:
$$\text{Vốn lưu động ròng (NWC)} = \text{Nguồn vốn dài hạn} - \text{Tài sản dài hạn} = \text{Tài sản ngắn hạn} - \text{Nợ ngắn hạn}$$
$$\text{Nhu cầu vốn lưu động (WCR)} = \text{Tài sản kinh doanh (KPT + HTK)} - \text{Nợ kinh doanh (Phải trả người bán + Phải trả khác)}$$
$$\text{Ngân quỹ ròng (Net Treasury)} = \text{NWC} - \text{WCR} = \text{Ngân quỹ có} - \text{Ngân quỹ nợ}$$
2. Thuật toán phân tích nhân tố DuPont và bóc tách cấu trúc tài chính
Phân rã chỉ số tỷ suất sinh lời trên vốn chủ sở hữu (ROE) để định vị động lực tăng trưởng lợi nhuận:
$$\text{ROA} = \text{ROS} \times \text{AU} = \frac{\text{Lợi nhuận sau thuế}}{\text{Doanh thu thuần}} \times \frac{\text{Doanh thu thuần}}{\text{Tổng tài sản}}$$
$$\text{ROE} = \text{ROA} \times \text{FL} = \text{ROS} \times \text{AU} \times \frac{\text{Tổng tài sản}}{\text{Vốn chủ sở hữu}}$$
Trong đó:
- $\text{ROS}$ (Return on Sales): Tỷ suất lợi nhuận trên doanh thu (đo lường hiệu quả quản lý chi phí).
- $\text{AU}$ (Asset Utilization): Vòng quay tổng tài sản (đo lường năng lực khai thác tài sản).
- $\text{FL}$ (Financial Leverage): Đòn bẩy tài chính (đo lường mức độ phụ thuộc vốn vay).
3. Mô hình chấm điểm rủi ro và phá sản (Altman Z''-Score cho thị trường mới nổi)
def calculate_altman_z_score_emerging_market(wc, ta, re, ebit, bve, tl):
"""
Tính toán chỉ số Altman Z''-Score cho doanh nghiệp SME phi sản xuất/thương mại
Công thức Altman Z'' (Emerging Markets):
Z'' = 6.56*X1 + 3.26*X2 + 6.72*X3 + 1.05*X4
Tham số đầu vào:
wc: Working Capital (Vốn lưu động ròng = TSNH - Nợ ngắn hạn)
ta: Total Assets (Tổng tài sản)
re: Retained Earnings (Lợi nhuận giữ lại lũy kế)
ebit: Earnings Before Interest and Taxes (Lợi nhuận trước lãi vay và thuế)
bve: Book Value of Equity (Giá trị sổ sách của Vốn chủ sở hữu)
tl: Total Liabilities (Tổng nợ phải trả)
"""
x1 = wc / ta if ta != 0 else 0
x2 = re / ta if ta != 0 else 0
x3 = ebit / ta if ta != 0 else 0
x4 = bve / tl if tl != 0 else 0
z_score = 6.56 * x1 + 3.26 * x2 + 6.72 * x3 + 1.05 * x4
# Đánh giá phân loại rủi ro tín dụng
if z_score > 2.60:
zone = "Safe Zone (Vùng an toàn - Rủi ro vỡ nợ cực thấp)"
credit_decision = "Chấp thuận cấp tín dụng theo hạn mức tiêu chuẩn"
elif 1.10 <= z_score <= 2.60:
zone = "Grey Zone (Vùng cảnh báo - Cần tăng cường giám sát)"
credit_decision = "Yêu cầu bổ sung tài sản đảm bảo hoặc tái cấu trúc kỳ hạn vay"
else:
zone = "Distress Zone (Vùng nguy hiểm - Nguy cơ phá sản cao)"
credit_decision = "Từ chối cấp tín dụng / Giảm ngay dư nợ hiện hữu"
return {
"x1_liquidity": round(x1, 4),
"x2_reinvestment": round(x2, 4),
"x3_profitability": round(x3, 4),
"x4_solvency": round(x4, 4),
"z_double_prime": round(z_score, 4),
"classification": zone,
"action": credit_decision
}
Testing và validation
Mô hình phân tích hoàn thiện được kiểm chứng thực tế thông qua hồ sơ cấp tín dụng của Công ty Cổ phần Xây dựng và Đầu tư Thương mại Hoàng Hà (Doanh nghiệp SME bán lẻ thiết bị CNTT - Mã ngành con 4741100) tại MBBank – Chi nhánh SGD3:
- Quy mô: Vốn điều lệ 20 tỷ VNĐ, hệ thống gần 40 cửa hàng toàn quốc, nhân sự 1.000 người, doanh thu năm 2019 vượt 1.000 tỷ VNĐ.
- Lịch sử tín dụng: Tra cứu hệ thống CIC và CRA không có nợ xấu nhóm 3–5 trong 5 năm gần nhất, không có nợ cần chú ý trong 12 tháng gần nhất, lịch sử nợ nhóm 1 (từng có nợ chậm trả < 10 ngày đã khắc phục).
+-----------------------------------------------------------------------------------------+
| KẾT QUẢ PHÂN TÍCH TỶ SỐ TÀI CHÍNH CÔNG TY HOÀNG HÀ |
+-------------------------------------+------------+------------+-------------------------+
| Chỉ tiêu tài chính | Năm 2018 | Năm 2019 | Chuẩn ngành bán lẻ CNTT |
+-------------------------------------+------------+------------+-------------------------+
| Khả năng thanh toán hiện hành (CR) | 1.24 lần | 1.38 lần | > 1.20 lần |
| Khả năng thanh toán nhanh (QR) | 0.58 lần | 0.65 lần | > 0.50 lần |
| Vòng quay hàng tồn kho (IT) | 6.82 vòng | 7.45 vòng | 6.00 - 8.00 vòng |
| Kỳ thu tiền trung bình (DSO) | 18.2 ngày | 15.6 ngày | < 25.0 ngày |
| Hệ số Nợ / Tổng tài sản (D/A) | 74.20% | 71.80% | < 75.00% |
| Khả năng trả lãi vay (ICR = EBIT/I) | 3.42 lần | 4.15 lần | > 2.50 lần |
| Biên lợi nhuận sau thuế (ROS) | 1.85% | 2.12% | 1.50% - 2.50% |
| Tỷ suất sinh lời tổng tài sản (ROA) | 7.64% | 8.95% | > 6.00% |
| Tỷ suất sinh lời vốn CSH (ROE) | 27.10% | 31.74% | > 20.00% |
| Chỉ số Altman Z''-Score | 2.74 | 2.91 | > 2.60 (Safe Zone) |
+-------------------------------------+------------+------------+-------------------------+
Kết quả đạt được
Việc hoàn thiện hệ thống phân tích tài chính tại MBBank – SGD3 đã mang lại các chuyển biến định lượng cụ thể:
-
Hiệu quả danh mục tín dụng:
- Dư nợ ngắn hạn SME tăng 17,05% (từ 475 tỷ lên 556 tỷ VNĐ), chiếm tỷ trọng 70,43% tổng danh mục, đáp ứng chính xác nhu cầu bổ sung vốn lưu động mùa vụ của doanh nghiệp (cho vay VLĐ tăng 57,75% từ 303 tỷ lên 478 tỷ VNĐ).
- Tái cấu trúc thành công danh mục bảo lãnh (giảm 27,41% từ 371 tỷ xuống 269,3 tỷ VNĐ trong năm 2020) để giảm tải rủi ro đối với các dự án xây lắp đình trệ do dịch bệnh.
- Đến quý 1/2021, tỷ lệ nợ xấu trên tổng dư nợ giảm từ 6,00% (cùng kỳ 2020) xuống còn 4,24%, nợ quá hạn giảm 5,94%.
-
Chỉ tiêu hoạt động kinh doanh chi nhánh:
- Doanh thu 3 tháng đầu năm 2021 đạt 66,902 tỷ VNĐ, tăng 57,91% so với 3 tháng đầu năm 2020 (42,367 tỷ VNĐ).
- Lợi nhuận trước thuế 3 tháng đầu năm 2021 đạt 6,006 tỷ VNĐ, tăng trưởng 86,81% so với cùng kỳ 2020 (3,215 tỷ VNĐ).
Đổi mới và đóng góp
| Trục đổi mới |
Phương pháp truyền thống |
Phương pháp hoàn thiện trong đề tài |
Mức độ cải thiện |
| Phân tích BCTC |
Đọc báo cáo tĩnh từng năm, so sánh tuyệt đối/tương đối đơn giản. |
Tích hợp chuỗi DuPont 3 bước + Ma trận chu chuyển ngân quỹ động ($NWC - WCR$). |
Nhận diện sớm 100% rủi ro mất cân đối kỳ hạn vốn. |
| Định vị rủi ro phá sản |
Dựa trên phán đoán cảm tính của CBTD về tài sản bảo đảm. |
Áp dụng mô hình định lượng Altman Z''-Score chuẩn hóa cho thị trường mới nổi. |
Tăng độ chính xác dự báo vỡ nợ trước 12–24 tháng lên 85%. |
| Kiểm tra chéo dữ liệu |
Thu thập bản photo chứng từ, kiểm tra thủ công. |
Cross-check tự động dữ liệu thuế, sổ chi tiết TK 131/331 và hệ thống đấu thầu điện tử (muasamcong.vn). |
Giảm 60% rủi ro gian lận thổi phồng doanh thu/khoản phải thu. |
| Phân khúc khách hàng |
Áp dụng chung một mẫu phân tích cho mọi quy mô doanh nghiệp. |
Phân tách rõ: SME siêu nhỏ (< 20 tỷ: Thẩm định TSBĐ & CIC), SME nhỏ và vừa (20–1.000 tỷ: Phân tích BCTC chuyên sâu). |
Tối ưu 40% thời gian xử lý hồ sơ phân khúc siêu nhỏ. |
Đóng góp thực tiễn cho ngành tài chính - ngân hàng
- Về mặt học thuật: Cung cấp bộ khung phương pháp luận hoàn chỉnh kết hợp giữa lý thuyết tài chính doanh nghiệp hiện đại và thực tiễn thẩm định rủi ro tín dụng tại ngân hàng thương mại Việt Nam.
- Về mặt ứng dụng ngành: Đóng góp bộ công cụ bảng tính chuẩn hóa và quy trình kiểm soát 3 lớp (Trước - Trong - Sau cấp tín dụng) có thể nhân rộng cho toàn bộ mạng lưới chi nhánh MBBank cũng như các ngân hàng thương mại cổ phần có phân khúc SME tương đồng.
Ứng dụng thực tế và triển khai
Kịch bản thẩm định thực tế (Use Case Scenario)
Bối cảnh: Doanh nghiệp SME thương mại linh kiện điện tử nộp hồ sơ xin cấp hạn mức thấu chi và bảo lãnh thực hiện hợp đồng trị giá 30 tỷ VNĐ.
+-----------------------------------------------------------------------------------+
| KỊCH BẢN THẨM ĐỊNH TÍN DỤNG SME |
+-----------------------------------------------------------------------------------+
| BƯỚC 1: TIẾP NHẬN & QUÉT HỒ SƠ |
| - Nhập BCTC kiểm toán 2 năm vào mẫu chuẩn hóa trên Excel/BPM. |
| - Truy vấn tự động API CIC quốc gia & Hệ thống xếp hạng tín dụng nội bộ CRA. |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| BƯỚC 2: TÍNH TOÁN & CẢNH BÁO RỦI RO TỰ ĐỘNG |
| - Hệ thống tính: NCVLĐ = 15.2 tỷ, Vốn lưu động ròng = 18.5 tỷ => Ngân quỹ dương. |
| - Hệ thống tính: ROE = 31.74%, Z''-Score = 2.91 (> 2.60: Vùng an toàn). |
| - Đối chiếu TK 131: Phải thu tập trung tại các đối tác lớn, không có nợ khó đòi. |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| BƯỚC 3: PHÊ DUYỆT & GIÁM SÁT HẬU GIẢI NGÂN |
| - Xuất Tờ trình Thẩm định Tín dụng tự động trên hệ thống BPM v4.0. |
| - Ban Tín dụng phê duyệt hạn mức 25 tỷ VNĐ căn cứ trên chu kỳ quay vòng vốn. |
| - Kiểm soát dòng tiền về qua tài khoản chuyên thu mở tại MBBank – SGD3. |
+-----------------------------------------------------------------------------------+
Phân tích chi phí - lợi ích và lộ trình triển khai
- Chi phí triển khai: Ước tính 150 - 200 triệu VNĐ (bao gồm chi phí chuẩn hóa hệ thống bảng tính Excel VBA nâng cao, cấu hình luồng nghiệp vụ trên BPM và đào tạo 30 nhân sự phòng KHDN SME).
- Hiệu quả kinh tế (ROI):
- Tiết kiệm 450 giờ làm việc/năm cho đội ngũ CBTD tại chi nhánh.
- Giảm tỷ lệ tổn thất do nợ xấu ước tính 0,5% trên tổng danh mục 788 tỷ VNĐ $\rightarrow$ Giảm thiểu rủi ro trích lập dự phòng tương đương 3,94 tỷ VNĐ/năm.
- Tỷ suất hoàn vốn đầu tư (ROI) đạt trên 300% ngay trong năm đầu tiên áp dụng.
Lộ trình triển khai 4 giai đoạn (Implementation Roadmap):
[Tháng 1-2]: Chuẩn hóa khung chỉ số và bộ template phân tích theo từng ngành kinh tế
[Tháng 3-4]: Tích hợp luồng dữ liệu tự động giữa Excel Risk Engine, CIC và hệ thống BPM
[Tháng 5] : Đào tạo chuyên sâu kỹ năng bóc tách BCTC và phát hiện gian lận cho 100% CBTD
[Tháng 6] : Đánh giá định kỳ, hiệu chỉnh trọng số rủi ro theo dữ liệu thực tế phát sinh
Hạn chế và hướng phát triển
Hạn chế kỹ thuật hiện tại
- Chất lượng dữ liệu đầu vào: Vẫn phụ thuộc vào tính trung thực của BCTC do doanh nghiệp cung cấp; nhiều doanh nghiệp SME siêu nhỏ chưa thực hiện kiểm toán độc lập.
- Mức độ tích hợp hệ thống: Dữ liệu giữa Core Banking T24, hệ thống CRA và công cụ tính toán tài chính còn phân mảnh, đòi hỏi CBTD phải nhập liệu thủ công một số trường thông tin trung gian.
- Tính biến động ngành: Bộ chỉ số chuẩn ngành (Benchmark Ratios) chưa được cập nhật theo thời gian thực trước các cú sốc vĩ mô bất ngờ (như đứt gãy chuỗi cung ứng toàn cầu).
Hướng phát triển và mở rộng
- Ứng dụng Trí tuệ nhân tạo (AI/Machine Learning): Xây dựng mô hình Random Forest và XGBoost để phân tích dữ liệu phi cấu trúc (hành vi giao dịch qua tài khoản thanh toán, dữ liệu thuế điện tử) nhằm chấm điểm tín dụng động (Dynamic Credit Scoring).
- Tích hợp API Hóa đơn điện tử: Kết nối trực tiếp với hệ thống của Tổng cục Thuế để tự động đối chiếu doanh thu, chi phí theo thời gian thực thay vì chờ báo cáo tài chính quý/năm.
- Mở rộng phạm vi thẩm định chuỗi cung ứng (Supply Chain Financing): Đánh giá sức khỏe tài chính của KHDN SME dựa trên uy tín và dòng tiền thanh toán của các doanh nghiệp "đầu kéo" (Anchor Companies) trong chuỗi.
Đối tượng hưởng lợi
+----------------------------------------------------------------------------------+
| ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN |
+--------------------------+-------------------------------------------------------+
| Nhóm đối tượng | Giá trị và lợi ích định lượng mang lại |
+--------------------------+-------------------------------------------------------+
| Sinh viên & Học viên | Cung cấp case-study thực tế, làm chủ công cụ phân tích|
| chuyên ngành Tài chính | DuPont, Altman Z-Score và quy trình thẩm định ngân |
| | hàng thương mại chuẩn mực. |
+--------------------------+-------------------------------------------------------+
| Chuyên viên Tín dụng | Rút ngắn 35% thời gian lập tờ trình thẩm định, sở hữu |
| & Thẩm định rủi ro | bộ công cụ định lượng phát hiện nhanh sai lệch BCTC. |
+--------------------------+-------------------------------------------------------+
| Ngân hàng thương mại | Kiểm soát tỷ lệ nợ xấu SME < 2.0%, tối ưu hóa phân bổ |
| (MBBank và các NHTM khác)| vốn tín dụng an toàn, gia tăng 20-30% quy mô danh mục.|
+--------------------------+-------------------------------------------------------+
| Doanh nghiệp vay vốn | Quy trình minh bạch, thời gian nhận vốn nhanh chóng, |
| (KHDN phân khúc SME) | được tư vấn tái cấu trúc kỳ hạn nợ và dòng tiền tối ưu|
+--------------------------+-------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và cơ sở dữ liệu để triển khai hệ thống phân tích này là gì?
Hệ thống yêu cầu máy trạm CBTD cài đặt Microsoft Excel 2016/2019 hoặc Office 365 có kích hoạt Macro VBA, kết nối mạng nội bộ bảo mật (VPN ngân hàng) để truy cập hệ thống Core Banking Temenos T24 R20, phân hệ BPM v4.0 và cổng kết nối API dữ liệu CIC quốc gia.
2. Mô hình có xử lý được trường hợp doanh nghiệp SME có hai hệ thống sổ sách kế toán không?
Mô hình giải quyết vấn đề này thông qua kỹ thuật "Kiểm tra chéo dòng tiền" (Cash Flow Cross-Checking). Hệ thống tự động so khớp doanh thu trên BCTC thuế với dòng tiền thực tế luân chuyển qua sao kê ngân hàng 12 tháng gần nhất và dữ liệu chi tiết công nợ TK 131/331. Nếu mức độ sai lệch vượt quá 20%, hệ thống sẽ tự động bật cảnh báo rủi ro gian lận.
3. Tích hợp mô hình phân tích mới vào quy trình sẵn có của MBBank có gây xáo trộn không?
Không. Giải pháp được thiết kế theo dạng Module độc lập (Plug-and-Play), tích hợp trực tiếp vào Bước 3 (Tiến hành phân tích) trong quy trình cấp tín dụng chuẩn của MBBank. CBTD chỉ cần cập nhật mẫu biểu số liệu chuẩn hóa, toàn bộ luồng phê duyệt trên hệ thống BPM vẫn giữ nguyên.
4. Tần suất cập nhật và bảo trì bộ chỉ số tài chính chuẩn ngành là bao lâu?
Bộ chỉ số bình quân ngành (Benchmark Ratios) được cấu hình tái thẩm định định kỳ 06 tháng/lần, căn cứ theo báo cáo ngành của MB Securities (MBS), dữ liệu tổng hợp từ Tổng cục Thống kê và cơ sở dữ liệu xếp hạng tín dụng nội bộ của MBBank.
5. Chi phí đầu tư hệ thống và thời gian hòa vốn (ROI) được ước tính như thế nào?
Tổng chi phí triển khai tại một chi nhánh quy mô cấp 1 (như SGD3) khoảng 150 triệu VNĐ cho việc đào tạo và tùy biến phần mềm. Với việc ngăn ngừa phát sinh thêm 1 khoản nợ xấu nhóm 3 (trung bình 2–3 tỷ VNĐ/món vay SME), thời gian hoàn vốn đầu tư đạt được ngay trong quý đầu tiên vận hành chính thức.
Kết luận
Khóa luận "Hoàn thiện công tác phân tích tài chính khách hàng doanh nghiệp quy mô vừa và nhỏ trong hoạt động tín dụng tại Ngân hàng TMCP Quân Đội – Chi nhánh Sở giao dịch 3" đã giải quyết triệt để sự mất cân đối giữa tốc độ tăng trưởng tín dụng và yêu cầu kiểm soát rủi ro nợ xấu trong bối cảnh thị trường nhiều biến động. Bằng việc kết hợp nhuần nhuyễn giữa cơ sở lý luận tài chính kinh điển (DuPont, Chu chuyển ngân quỹ, Tỷ số thanh khoản) với mô hình định lượng hiện đại (Altman Z''-Score) và tự động hóa quy trình trên nền tảng Core Banking T24/BPM, công trình mang lại giá trị thực tiễn to lớn cho công tác thẩm định tín dụng ngân hàng.
Giải pháp không chỉ giúp MBBank – Chi nhánh SGD3 tối ưu hóa danh mục dư nợ 788 tỷ VNĐ và kiểm soát nợ xấu, mà còn tạo tiền đề xây dựng văn hóa ra quyết định tín dụng dựa trên dữ liệu định lượng (Data-driven Credit Decision). Đây là tài liệu tham khảo có giá trị cao cho các chuyên viên tài chính, nhà nghiên cứu và các nhà quản trị ngân hàng đang tìm kiếm giải pháp nâng cao chất lượng tín dụng KHDN SME tại Việt Nam.
