Giới thiệu dự án

Hoạt động cho vay tiêu dùng (Consumer Lending) tại Việt Nam đóng vai trò động lực thúc đẩy tổng cầu xã hội và gia tăng chỉ số bao phủ tài chính. Tại các địa bàn kinh tế trọng điểm như tỉnh Bình Dương—nơi có tốc độ đô thị hóa nhanh và mật độ dân cư công nghiệp cao—nhu cầu vốn phục vụ đời sống gia tăng nhanh chóng. Tuy nhiên, giai đoạn 2019–2021 ghi nhận nhiều biến động vĩ mô phức tạp do sự gián đoạn chuỗi cung ứng, tái cấu trúc hậu sáp nhập và ảnh hưởng từ dịch bệnh COVID-19, đặt ra thách thức lớn về quản trị thanh khoản và kiểm soát chất lượng tín dụng bán lẻ.

+-----------------------------------------------------------------------------------+
|                  BỐI CẢNH VĨ MÔ & THỊ TRƯỜNG TÍN DỤNG BÌNH DƯƠNG                 |
|  - Tốc độ tăng trưởng bán lẻ & dịch vụ tiêu dùng: 11.5% - 14.8%/năm               |
|  - Tỷ lệ dân số trong độ tuổi lao động: > 65%                                     |
|  - Rủi ro hệ thống: Đứt gãy thu nhập ngắn hạn do giãn cách xã hội (COVID-19)      |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Hoạt động cho vay tiêu dùng tại Ngân hàng Thương mại Cổ phần Quân Đội – Chi nhánh Bình Dương (MB Bank Bình Dương) trong giai đoạn 2019–2021 đối mặt với các điểm nghẽn kỹ thuật và nghiệp vụ:

  • Áp lực biên lợi nhuận và chi phí rủi ro: Lợi nhuận trước thuế năm 2020 sụt giảm 54,67% (từ 36,60 tỷ đồng năm 2019 xuống 16,59 tỷ đồng) do phải xử lý nợ quá hạn và trích lập dự phòng rủi ro tín dụng.
  • Mất cân đối kỳ hạn danh mục: Dư nợ trung và dài hạn chiếm tỷ trọng áp đảo (>70%), tạo áp lực lên hệ số an toàn vốn và chênh lệch kỳ hạn tài sản Nợ - tài sản Có.
  • Rào cản thẩm định thông tin khách hàng cá nhân: Dữ liệu chứng minh thu nhập phân tán, độ trễ thẩm định thực địa cao và thiếu công cụ chấm điểm hành vi tự động.

Mục tiêu dự án

  1. Khảo sát và hệ thống hóa: Cơ sở lý luận về tín dụng tiêu dùng, phân loại danh mục và các chỉ số đo lường hiệu quả vận hành tín dụng ngân hàng thương mại.
  2. Khai thác và phân tích thực nghiệm: Dữ liệu hoạt động kinh doanh, doanh số cho vay, doanh số thu nợ, quy mô dư nợ và nợ quá hạn phân theo kỳ hạn/sản phẩm tại MB Bank Bình Dương (2019–2021).
  3. Đánh giá định lượng hiệu suất: Đo lường các chỉ số $LTD$ (Dư nợ/Vốn huy động), $L/TL$ (Dư nợ tiêu dùng/Tổng dư nợ), Vòng quay vốn tín dụng và Hệ số thu nợ.
  4. Xây dựng giải pháp kỹ thuật & vận hành: Đề xuất mô hình tối ưu quy trình thẩm định, điều chỉnh chính sách lãi suất và kiến trúc hệ thống quản trị rủi ro đa tầng.

Phương pháp tiếp cận giải pháp

Ứng dụng phương pháp phân tích thống kê mô tả kết hợp phân tích tương quan chuỗi thời gian đối với dữ liệu thứ cấp được trích xuất từ hệ thống Core Banking Temenos T24 và Báo cáo thường niên của MB Bank. Khung phân tích kết hợp giữa chuẩn mực Basel II (Thông tư 41/2016/TT-NHNN) và các quy định cho vay tiêu dùng theo Thông tư 39/2016/TT-NHNN và Thông tư 43/2016/TT-NHNN.

Kết quả kỳ vọng và Phạm vi giới hạn

  • Kết quả kỳ vọng: Xác định chính xác cấu trúc danh mục sinh lời, thiết lập mô hình tính toán chỉ số thu hồi nợ tối ưu $C_R \ge 25%$, và giảm tỷ lệ nợ quá hạn xuống dưới ngưỡng an toàn $2.0%$.
  • Phạm vi nghiên cứu: Tập trung vào danh mục cho vay tiêu dùng cá nhân (mua nhà đất, mua ô tô, du học, vay tín chấp) tại MB Bank – Chi nhánh Bình Dương (306 Đại Lộ Bình Dương, Phường Phú Hòa, TP. Thủ Dầu Một) trong khung thời gian từ 01/01/2019 đến 31/12/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các hình thức phân phối tín dụng tiêu dùng tại địa bàn nghiên cứu:

Tiêu chí kỹ thuật/Nghiệp vụ Cho vay trực tiếp truyền thống Cho vay qua kênh liên kết (Auto Loan/BĐS) Cho vay tín chấp số hóa (App MBBank)
Thời gian xử lý SLA 3 - 5 ngày làm việc 24 - 48 giờ Real-time (< 5 phút)
Tỷ lệ chi phí vận hành (CIR) Cao (Thẩm định thực địa thủ công) Trung bình (Chia sẻ đối tác) Rất thấp (Tự động hóa hoàn toàn)
Tỷ lệ đòn bẩy LTV tối đa 70% - 80% giá trị định giá Lên tới 85% (Hợp tác Thaco) Không áp dụng TSĐB
Tỷ lệ nợ xấu tiềm ẩn Thấp (Kiểm soát chặt TSĐB) Trung bình (Phụ thuộc giá trị xe) Cao (Nhạy cảm chu kỳ kinh tế)

Ma trận ưu tiên yêu cầu nghiệp vụ (MoSCoW Framework)

  • Must-have (Bắt buộc): Tự động hóa kiểm tra thông tin định danh và lịch sử tín dụng CIC; Tích hợp công thức tính lãi vay biến đổi và cố định; Quản lý giới hạn phê duyệt tín dụng theo phân quyền.
  • Should-have (Nên có): Tự động hóa phân luồng chấm điểm tín dụng hành vi; Cảnh báo sớm nợ quá hạn trước 5, 10 và 15 ngày qua SMS/OTT.
  • Could-have (Có thể có): Cơ chế bán chéo tự động bảo hiểm tín dụng (MIC, MB Ageas Life) ngay trên giao dịch giải ngân.
  • Won't-have (Chưa thực hiện): Giải ngân tự động 100% đối với khoản vay thế chấp bất động sản phức tạp không qua công chứng thực địa.

Thiết kế hệ thống quản trị tín dụng

Ngăn xếp công nghệ (Technology Stack)

  • Core Banking Engine: Temenos T24 R20 (Hệ thống hạch toán kế toán và quản trị hợp đồng tín dụng).
  • Credit Scoring & Analytics: SAS Credit Scoring 9.4 kết hợp Python 3.10 (Thư viện pandas, scikit-learn, statsmodels).
  • Cơ sở dữ liệu: Oracle Database 19c Enterprise Edition phục vụ lưu trữ giao dịch OLTP và Data Warehouse.
  • Giao thức tích hợp: RESTful API qua cổng trung gian IBM API Connect, bảo mật chuẩn OAuth 2.0 và mTLS.

Thiết kế lược đồ dữ liệu và API xử lý nợ quá hạn

Lược đồ quan hệ quản lý trạng thái nợ tiêu dùng:

CREATE TABLE ConsumerLoanAccount (
    LoanID VARCHAR2(20) PRIMARY KEY,
    CustomerID VARCHAR2(20) NOT NULL,
    LoanType VARCHAR2(30) CHECK (LoanType IN ('MORTGAGE', 'AUTO', 'STUDY', 'UNSECURED')),
    DisbursedAmount NUMBER(18, 2) NOT NULL,
    OutstandingBalance NUMBER(18, 2) NOT NULL,
    InterestRate NUMBER(5, 2) NOT NULL,
    TermMonths INT NOT NULL,
    StartDate DATE NOT NULL,
    DueDate DATE NOT NULL,
    OverdueBalance NUMBER(18, 2) DEFAULT 0.00,
    OverdueDays INT DEFAULT 0,
    LoanStatus VARCHAR2(10) CHECK (LoanStatus IN ('NORMAL', 'GROUP2', 'NPL'))
);

Endpoint truy vấn và cảnh báo chất lượng danh mục:

  • GET /api/v1/credit/portfolio-health?branchId=MB_BDG_01
  • Response:
{
  "branch_id": "MB_BDG_01",
  "fiscal_year": 2021,
  "total_consumer_outstanding": 96820000000.00,
  "overdue_ratio_pct": 1.45,
  "recovery_rate_pct": 22.86,
  "risk_status": "CONTROLLED"
}

Phương pháp nghiên cứu và Đánh giá rủi ro

Dự án áp dụng quy trình kiểm định chất lượng dữ liệu 4 giai đoạn: Thu thập dữ liệu thứ cấp $\rightarrow$ Chuẩn hóa chỉ số $\rightarrow$ Ước lượng hồi quy & so sánh chuỗi $\rightarrow$ Đề xuất kiến nghị.

+-----------------------------------------------------------------------------------+
|                        MA TRẬN QUẢN TRỊ RỦI RO TÍN DỤNG                          |
|  [R1] Rủi ro bất đối xứng thông tin cá nhân    -> Giải pháp: Tích hợp API CIC     |
|  [R2] Rủi ro biến động giá trị TSĐB bất động sản -> Giải pháp: Tái định giá 6T/lần|
|  [R3] Rủi ro thanh khoản kỳ hạn chéo          -> Giải pháp: Cân đối ALM kỳ hạn    |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Quy trình triển khai phân tích và Thuật toán đánh giá

Các chỉ số kinh tế kỹ thuật được xây dựng bằng thuật toán xử lý dữ liệu tự động:

import numpy as np

def calculate_credit_metrics(disbursement: float, recovery: float, 
                             outstanding: float, overdue: float, 
                             total_capital: float, total_loan_portfolio: float) -> dict:
    """
    Tính toán 5 chỉ số hiệu quả cho vay tiêu dùng theo chuẩn ngân hàng thương mại.
    """
    ltd_ratio = (outstanding / total_capital) * 100.0 if total_capital > 0 else 0.0
    portfolio_share = (outstanding / total_loan_portfolio) * 100.0 if total_loan_portfolio > 0 else 0.0
    capital_turnover = recovery / outstanding if outstanding > 0 else 0.0
    overdue_ratio = (overdue / outstanding) * 100.0 if outstanding > 0 else 0.0
    recovery_rate = (recovery / disbursement) * 100.0 if disbursement > 0 else 0.0
    
    return {
        "LTD_Ratio_Pct": np.round(ltd_ratio, 2),
        "Portfolio_Share_Pct": np.round(portfolio_share, 2),
        "Capital_Turnover_Turns": np.round(capital_turnover, 2),
        "Overdue_Ratio_Pct": np.round(overdue_ratio, 2),
        "Debt_Recovery_Rate_Pct": np.round(recovery_rate, 2)
    }

Kiểm định và Đo lường thực nghiệm

Phân tích chi tiết biến động hoạt động kinh doanh giai đoạn 2019–2021 tại MB Bank Chi nhánh Bình Dương:

1. Tổng quan hoạt động kinh doanh toàn chi nhánh

Chỉ tiêu tài chính Năm 2019 (Tỷ VNĐ) Năm 2020 (Tỷ VNĐ) Năm 2021 (Tỷ VNĐ) Tăng trưởng 2020/2019 (%) Tăng trưởng 2021/2020 (%)
Tổng thu nhập 217,54 193,14 221,34 -11,22% +14,60%
Tổng chi phí 196,58 176,55 177,82 -10,32% +0,72%
Lợi nhuận trước thuế 36,60 16,59 44,14 -54,67% +166,06%

2. Doanh số cho vay tiêu dùng theo thời hạn

Kỳ hạn tín dụng 2019 (Tỷ VNĐ) Tỷ trọng (%) 2020 (Tỷ VNĐ) Tỷ trọng (%) 2021 (Tỷ VNĐ) Tỷ trọng (%) Tăng trưởng 2021/2020 (%)
Ngắn hạn 23,91 31,75% 24,60 30,12% 36,40 29,53% +32,42%
Trung & Dài hạn 51,40 68,25% 57,07 69,88% 86,89 70,47% +34,32%
Tổng doanh số CVTD 75,31 100,00% 81,67 100,00% 123,29 100,00% +50,96%

3. Doanh số cho vay tiêu dùng theo đối tượng sản phẩm

Sản phẩm tín dụng 2019 (Tỷ VNĐ) Cơ cấu (%) 2020 (Tỷ VNĐ) Cơ cấu (%) 2021 (Tỷ VNĐ) Cơ cấu (%) Tăng trưởng 2021/2020 (%)
Cho vay mua nhà, đất 30,97 41,12% 38,59 47,25% 61,48 49,87% +59,30%
Cho vay mua ô tô 16,04 21,30% 16,05 19,65% 22,20 17,98% +38,32%
Tài trợ du học 7,94 10,54% 8,74 10,70% 11,60 9,40% +32,72%
Cho vay tín chấp 1,24 1,65% 2,27 2,78% 5,90 4,78% +159,91%
Các sản phẩm khác 19,12 25,39% 16,02 19,62% 22,10 17,97% +37,95%
Tổng cộng 75,31 100,00% 81,67 100,00% 123,29 100,00% +50,96%

4. Phân tích doanh số thu nợ và Dư nợ tiêu dùng

  • Doanh số thu nợ: Tăng đều đặn từ 21,71 tỷ đồng (2019) lên 25,73 tỷ đồng (2020, tăng 18,52%) và đạt 28,18 tỷ đồng (2021, tăng 9,52%). Thu nợ mua nhà đất chiếm tỷ trọng lớn nhất với 10,45 tỷ đồng (37,08% tổng doanh số thu nợ năm 2021).
  • Quy mô dư nợ: Tăng trưởng liên tục: 66,74 tỷ đồng (2019) $\rightarrow$ 79,93 tỷ đồng (2020, tăng 19,76%) $\rightarrow$ 96,82 tỷ đồng (2021, tăng 21,13%). Trong đó, dư nợ mua nhà đất năm 2021 đạt 58,18 tỷ đồng, chiếm 60,09% tổng dư nợ tiêu dùng.
[Biểu đồ Tăng trưởng Doanh số & Dư nợ Cho vay tiêu dùng (2019 - 2021)]

Doanh số giải ngân (Tỷ VNĐ):
2019: |==================== 75.31
2020: |====================== 81.67 (+8.45%)
2021: |================================= 123.29 (+50.96%)

Dư nợ cuối kỳ (Tỷ VNĐ):
2019: |================= 66.74
2020: |===================== 79.93 (+19.76%)
2021: |========================== 96.82 (+21.13%)

Đổi mới và đóng góp

Đổi mới kỹ thuật và Tối ưu hóa vận hành

  1. Mô hình phối hợp đại lý chiến lược (Partner Ecosystem): Triển khai gói vay chuyên biệt liên kết với Công ty Cổ phần Ô tô Trường Hải (THACO), giải quyết hồ sơ ngay tại showroom và nâng doanh số cho vay ô tô năm 2021 lên 22,20 tỷ đồng (+38,32%).
  2. Số hóa quy trình vay tín chấp qua Mobile App: Tự động phê duyệt các khoản vay tiêu dùng nhỏ dựa trên dòng tiền trả lương qua tài khoản MB Bank, thúc đẩy doanh số vay tín chấp tăng trưởng đột phá 159,91% trong năm 2021.
  3. Quản trị chi phí vận hành: Tỷ lệ tăng chi phí năm 2021 chỉ ở mức 0,72% (177,82 tỷ đồng so với 176,55 tỷ đồng năm 2020) trong khi doanh thu tăng 14,60%, giúp lợi nhuận trước thuế tăng vọt 166,06%.

So sánh với các giải pháp trên thị trường

Tiêu chí so sánh Quy trình tại MB Bank Bình Dương Ngân hàng TMCP Nhà nước (Big 4) Công ty Tài chính Tiêu dùng (Fintech/FE/HD)
Lãi suất bình quân 8,5% - 11,5%/năm 7,0% - 9,5%/năm 22,0% - 38,0%/năm
Thời gian giải ngân BĐS 48 - 72 giờ 5 - 7 ngày Không phục vụ món lớn
Yêu cầu chứng minh thu nhập Linh hoạt (Lương + Nguồn thu kinh doanh) Nghiêm ngặt (Sao kê ngân hàng) Rất đơn giản (Chỉ cần CCCD/Hóa đơn)
Độ phủ kênh số hóa Cao (App MBBank tích hợp eKYC) Trung bình Rất cao

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  • Tình huống 1: Gói vay an cư mua nhà dự án/đất nền: Hỗ trợ hộ gia đình trẻ tại TP. Thủ Dầu Một và TX. Thuận An vay vốn tối đa 70% giá trị hợp đồng, thời hạn 15–20 năm với biên độ lãi suất ưu đãi cố định 12 tháng đầu.
  • Tình huống 2: Vay tiêu dùng thấu chi tín chấp theo lương: Cán bộ nhân viên các doanh nghiệp trong KCN Sóng Thần, VSIP nhận lương qua tài khoản MB được cấp hạn mức thấu chi tiêu dùng 50–100 triệu đồng giải ngân trực tiếp qua app di động không cần tài sản thế chấp.

Lộ trình triển khai khuyến nghị

Giai đoạn 1 (Tháng 1 - Tháng 3): Tối ưu hóa API kết nối dữ liệu CIC và cổng công chứng tỉnh Bình Dương
Giai đoạn 2 (Tháng 4 - Tháng 6): Triển khai chương trình liên kết với các chủ đầu tư BĐS uy tín
Giai đoạn 3 (Tháng 7 - Tháng 9): Nâng cấp phân hệ tính điểm rủi ro Credit Scoring tích hợp AI
Giai đoạn 4 (Tháng 10 - Tháng 12): Tăng tỷ trọng thu nợ tự động Auto-Debit đạt > 90% giao dịch

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí dự toán: Đầu tư hệ thống phần mềm và đào tạo chuyên môn định giá: ~500 triệu đồng/năm.
  • Lợi ích kinh tế: Tăng trưởng quy mô dư nợ bình quân 20–25%/năm, nâng tỷ suất sinh lời trên tổng tài sản (ROA) và kiểm soát nợ xấu dưới 1,5%, mang lại giá trị gia tăng ròng dự kiến đạt 8–12 tỷ đồng LNTT hàng năm cho chi nhánh.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và Dữ liệu

  • Dữ liệu nghiên cứu tập trung trong giai đoạn 2019–2021, thời điểm chịu tác động bất thường bởi dịch bệnh và tái cơ cấu sau sáp nhập, có thể tạo ra các độ lệch thống kê nhất định khi dự báo dài hạn.
  • Chi nhánh chưa tích hợp toàn diện nguồn dữ liệu thay thế (Alternative Data như viễn thông, thương mại điện tử) vào mô hình chấm điểm tín dụng cá nhân.

Hướng nghiên cứu và Ứng dụng tương lai

  1. Ứng dụng mô hình Machine Learning (XGBoost, LightGBM) để phân tích hành vi thanh toán và dự báo sớm nguy cơ vỡ nợ (Probability of Default - PD).
  2. Mở rộng mạng lưới điểm giao dịch tại các địa bàn công nghiệp mới như TX. Tân Uyên, Bến Cát nhằm gia tăng thị phần bán lẻ.
  3. Tích hợp Open Banking API cho phép liên kết trực tiếp với các nền tảng thương mại điện tử để cung cấp dịch vụ Mua trước trả sau (BNPL).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                                    |
|                                                                                   |
|  [Sinh viên / Học viên]  -> Khung phân tích định lượng thực tế về CVTD NHTM        |
|  [Cán bộ Tín dụng / Dev] -> Mô hình thuật ngữ, luồng dữ liệu & công thức xử lý nợ |
|  [Lãnh đạo Ngân hàng]    -> Chiến lược cân đối kỳ hạn & tối ưu biên lợi nhuận      |
|  [Nhà nghiên cứu KT]     -> Chuỗi số liệu thực nghiệm giai đoạn 2019 - 2021        |
+-----------------------------------------------------------------------------------+
  • Sinh viên chuyên ngành Tài chính – Ngân hàng: Tiếp cận nguồn học liệu thực chứng có đầy đủ bảng số liệu chi tiết, công thức toán học và phương pháp đánh giá thực trạng tín dụng theo chuẩn mực ngân hàng hiện đại.
  • Chuyên viên tín dụng và Kỹ sư hệ thống ngân hàng (Fintech Developers): Nắm bắt cấu trúc bảng dữ liệu, luồng nghiệp vụ thẩm định và các điểm nghẽn kỹ thuật trong quản trị rủi ro nợ quá hạn.
  • Doanh nghiệp và Ngân hàng thương mại: Áp dụng các kiến nghị về đa dạng hóa danh mục sản phẩm (liên kết ô tô, đẩy mạnh tín chấp số) để mở rộng thị phần an toàn, bền vững.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cơ sở dữ liệu để triển khai hệ thống quản trị tín dụng tiêu dùng tại chi nhánh là gì?

Hệ thống yêu cầu máy chủ vận hành cơ sở dữ liệu Oracle Database 19c trở lên, kết nối mạng diện rộng (WAN) bảo mật qua VPN/mTLS với Hội sở chính, và máy trạm cán bộ tín dụng chạy giao diện Core Banking T24 R20 được cấu hình phân quyền theo mô hình RBAC (Role-Based Access Control).

2. Làm thế nào để giải quyết tình trạng mất cân đối kỳ hạn khi dư nợ trung dài hạn chiếm trên 70%?

Chi nhánh cần áp dụng chính sách lãi suất huy động tiền gửi kỳ hạn dài hấp dẫn hơn, đồng thời đẩy mạnh sản phẩm cho vay tín chấp ngắn hạn qua ứng dụng ngân hàng số nhằm rút ngắn thời gian quay vòng vốn ($Capital\ Turnover$) và cân bằng cấu trúc kỳ hạn danh mục tài sản Có.

3. Quy trình tích hợp kiểm tra lịch sử tín dụng CIC được thực hiện như thế nào?

Hệ thống Core Banking gửi yêu cầu qua cổng RESTful API kết nối với Trung tâm Thông tin Tín dụng Quốc gia (CIC). Dữ liệu trả về dưới định dạng JSON chứa lịch sử nợ từ Nhóm 1 đến Nhóm 5 trong vòng 3–5 năm gần nhất và được nạp trực tiếp vào động cơ tính điểm tín dụng (Credit Scoring Engine).

4. Chi nhánh quản lý và xử lý nợ quá hạn bằng những công cụ kỹ thuật nào?

Áp dụng quy trình 3 bước: (1) Cảnh báo tự động đa kênh (SMS, App notification) khi đến hạn thanh toán; (2) Trích nợ tự động (Auto-debit) từ tài khoản thanh toán của khách hàng; (3) Kích hoạt phân hệ xử lý nợ xấu trên hệ thống để chuyển nhóm nợ, ngừng giải ngân và tiến hành thủ tục xử lý tài sản bảo đảm theo quy định pháp luật.

5. Chi phí đầu tư công nghệ và thời gian thu hồi vốn (ROI) đối với chuyển đổi số quy trình tín dụng tiêu dùng?

Chi phí nâng cấp phần mềm phân tích và tích hợp quy trình số hóa ước tính khoảng 500 triệu đến 1,2 tỷ đồng cho một chi nhánh cấp 1. Với mức tăng trưởng doanh số cho vay tiêu dùng đạt trên 30%/năm và giảm thiểu tỷ lệ nợ xấu, thời gian hoàn vốn đầu tư kỹ thuật số thường dao động từ 12 đến 18 tháng.


Kết luận

Báo cáo khóa luận đã làm rõ toàn diện bức tranh hoạt động cho vay tiêu dùng tại MB Bank Chi nhánh Bình Dương giai đoạn 2019–2021. Mặc dù đối mặt với nhiều áp lực vĩ mô, chi nhánh đã thể hiện năng lực phục hồi mạnh mẽ với sự bứt phá của doanh số cho vay tiêu dùng năm 2021 đạt 123,29 tỷ đồng (tăng 50,96%) và lợi nhuận trước thuế đạt 44,14 tỷ đồng (tăng 166,06%). Cơ cấu cho vay mua nhà đất và cho vay tín chấp qua kênh số tiếp tục là động lực tăng trưởng cốt lõi.

Để duy trì tốc độ tăng trưởng an toàn và nâng cao năng lực cạnh tranh trong kỷ nguyên số, chi nhánh cần tiếp tục hoàn thiện khung quản trị rủi ro tự động hóa, mở rộng mạng lưới liên kết đại lý và đẩy mạnh ứng dụng AI trong chấm điểm tín dụng hành vi, góp phần hiện thực hóa mục tiêu đưa MB trở thành ngân hàng bán lẻ đa năng hàng đầu khu vực.