Giới thiệu dự án

Khối doanh nghiệp vừa và nhỏ (DNVVN - SME) giữ vai trò xương sống trong nền kinh tế Việt Nam. Theo số liệu từ Tổng cục Thống kê, cả nước có 518.452 doanh nghiệp hoạt động (tính đến 01/01/2017) với hơn 95% thuộc nhóm DNVVN, đóng góp khoảng 45% GDP và tạo việc làm cho hơn 50% lực lượng lao động xã hội. Tuy nhiên, theo Vụ Tín dụng các ngành kinh tế (Ngân hàng Nhà nước Việt Nam - NHNN), dư nợ tín dụng cấp cho khối SME trong giai đoạn 2012–2017 chỉ chiếm trung bình 22% – 25% tổng dư nợ nền kinh tế. Điều này đồng nghĩa với việc hơn 70% DNVVN không thể tiếp cận nguồn vốn ngân hàng truyền thống do rào cản tài sản thế chấp.

Vấn đề cốt lõi (Problem Statement)

Các DNVVN, đặc biệt là nhóm doanh nghiệp siêu nhỏ (doanh thu dưới 5 tỷ đồng/năm) và doanh nghiệp mới thành lập dưới 3 năm, thường đối mặt với ba rào cản chính:

  • Bất đối xứng thông tin tài chính: Báo cáo tài chính chưa được kiểm toán độc lập, hệ thống sổ sách kế toán chưa đồng nhất giữa mục đích nội bộ và quyết toán thuế.
  • Thiếu hụt tài sản bảo đảm (TSBĐ): Phần lớn tài sản nằm ở hàng tồn kho luân chuyển và khoản phải thu, không đủ điều kiện làm tài sản thế chấp bất động sản chuẩn theo quy định cấp tín dụng truyền thống.
  • Quy trình thẩm định thủ công kéo dài: Thời gian phê duyệt khoản vay thế chấp truyền thống kéo dài từ 15 đến 30 ngày, không đáp ứng kịp thời nhu cầu vốn lưu động ngắn hạn theo chu kỳ kinh doanh 30–60 ngày của doanh nghiệp.

Mục tiêu nghiên cứu

  1. Đánh giá thực trạng và hiệu quả mô hình cấp tín dụng không áp dụng biện pháp bảo đảm (cho vay KĐB / tín chấp) dành cho DNVVN tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) giai đoạn 2015–2017.
  2. Phân tích kiến trúc vận hành Trung tâm bán hàng trực tiếp (HUB) kết hợp Trung tâm Phân tích Kinh doanh (BICC) trong việc số hóa dữ liệu và thẩm định rủi ro tập trung.
  3. Xây dựng khung giải pháp công nghệ, thuật toán chấm điểm tín dụng tự động và quy trình kiểm soát rủi ro nợ quá hạn theo chuẩn Thông tư 02/2013/TT-NHNN và hiệp ước vốn Basel II.

Hướng tiếp cận giải pháp

Đề tài kết hợp phương pháp nghiên cứu định tính và định lượng trên chuỗi dữ liệu thực tế tại VPBank (đặc biệt tại đơn vị HUB Quận 11), ứng dụng công nghệ Core Banking Temenos T24 kết hợp mô hình phân tích dữ liệu BICC để chuẩn hóa quy trình chấm điểm tín dụng tự động (Credit Scoring Engine), từ đó thay thế việc thẩm định tài sản vật chất bằng thẩm định dòng tiền và lịch sử tín nhiệm.

Kết quả kỳ vọng và phạm vi

  • Chỉ số định lượng: Rút ngắn thời gian thẩm định - phê duyệt từ 7 ngày làm việc xuống còn 24–48 giờ; kiểm soát tỷ lệ nợ xấu (NPL nhóm 3–5) ở mức dưới 3.0%; thúc đẩy tăng trưởng dư nợ phân khúc siêu nhỏ đạt trên 30%/năm.
  • Phạm vi áp dụng: Dữ liệu hoạt động tín dụng KĐB đối với DNVVN tại VPBank giai đoạn 2015–2017, tập trung vào các gói vay hạn mức bổ sung vốn lưu động có chu kỳ dưới 12 tháng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Cho vay thế chấp truyền thống Mô hình Maritime Bank (2013) Mô hình VPBank SME KĐB (2015-2017)
Tài sản bảo đảm Bắt buộc Bất động sản/Sổ tiết kiệm (100% LTV định giá) Không TSBĐ (Dựa trên doanh thu tối thiểu) Tín chấp 100% (Đánh giá qua dòng tiền và CIC)
Phân khúc mục tiêu Doanh nghiệp lớn, SME có TSBĐ mạnh SME lớn (Doanh thu $\ge$ 20 tỷ đồng/năm) Micro-SME và SME (Doanh thu < 5 tỷ đến 300 tỷ)
Thời gian xử lý 14 – 21 ngày làm việc 5 – 7 ngày làm việc 1 – 2 ngày làm việc (Phê duyệt tập trung)
Mô hình bán hàng Chi nhánh phân tán Kênh chi nhánh hỗn hợp Trung tâm bán hàng trực tiếp chuyên trách (HUB)
Khả năng mở rộng Thấp do phụ thuộc pháp lý TSBĐ Hẹp do phân khúc khách hàng quá ít Cao nhờ độ phủ rộng của nhóm doanh nghiệp siêu nhỏ

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Module tích hợp tự động dữ liệu Trung tâm Thông tin Tín dụng (CIC); công cụ kiểm tra báo cáo thuế 3 năm liên tiếp; thuật toán phân loại 5 nhóm nợ theo Thông tư 02/2013/TT-NHNN; hệ thống phân quyền thẩm định tập trung.
  • Should have (Nên có): Dashboard theo dõi cảnh báo sớm tỷ lệ nợ quá hạn theo thời gian thực; tích hợp Core Banking Temenos T24 R15 để giải ngân tự động theo hạn mức.
  • Could have (Có thể có): Thuật toán Machine Learning phát hiện giao dịch bất thường trong sao kê ngân hàng đối tác.
  • Won't have (Chưa hỗ trợ giai đoạn này): Tự động ký hợp đồng điện tử qua Smart Contract/Blockchain (giữ nguyên quy trình ký trực tiếp tại văn phòng HUB).

Thiết kế hệ thống

Kiến trúc giải pháp tích hợp giữa hệ thống lõi Core Banking Temenos T24 và hệ sinh thái phân tích dữ liệu BICC được thiết kế theo cấu trúc module phân tầng:

Ngăn xếp công nghệ (Technology Stack)

  • Core Banking System: Temenos T24 Release 15 (Model Bank architecture, chạy trên nền tảng IBM AIX / JBASE database).
  • Credit Analytics & Scoring Engine: Python 3.8 với Scikit-learn 0.24, Pandas 1.2, NumPy 1.20 để xử lý mô hình hồi quy Logistic phân tích khả năng vỡ nợ (Probability of Default - PD).
  • Database Management: Microsoft SQL Server 2016 Enterprise Edition cho hệ thống kho dữ liệu BICC; Redis 6.0 cho In-memory Caching dữ liệu CIC.
  • Integration & Security: RESTful API Gateway bảo mật bằng mTLS (Mutual TLS) và JWT Token; chuẩn mã hóa dữ liệu lưu trữ AES-256; chuẩn bảo mật giao dịch thẻ EMV / PCI-DSS 3.2.

Thiết kế cơ sở dữ liệu xử lý hồ sơ tín dụng KĐB

-- Bảng lưu trữ thông tin định danh và đánh giá tài chính DNVVN
CREATE TABLE sme_credit_applications (
    application_id VARCHAR(36) PRIMARY KEY,
    tax_code VARCHAR(20) NOT NULL UNIQUE,
    company_name NVARCHAR(255) NOT NULL,
    business_type VARCHAR(50) NOT NULL, -- 'MICRO', 'SMALL', 'MEDIUM'
    established_years INT NOT NULL,
    charter_capital DECIMAL(18, 2) NOT NULL,
    annual_revenue_y1 DECIMAL(18, 2) NOT NULL,
    annual_revenue_y2 DECIMAL(18, 2) NOT NULL,
    annual_revenue_y3 DECIMAL(18, 2) NOT NULL,
    working_capital_cycle_days INT NOT NULL,
    cic_score INT NOT NULL,
    cic_npl_history_months INT NOT NULL DEFAULT 0,
    credit_status VARCHAR(20) NOT NULL DEFAULT 'PENDING',
    approved_limit DECIMAL(18, 2) DEFAULT 0,
    interest_rate DECIMAL(5, 2) DEFAULT 0,
    created_at DATETIME2 DEFAULT CURRENT_TIMESTAMP,
    updated_at DATETIME2 DEFAULT CURRENT_TIMESTAMP
);

-- Bảng phân loại và theo dõi trạng thái nợ theo Thông tư 02
CREATE TABLE loan_debt_tracking (
    loan_id VARCHAR(36) PRIMARY KEY,
    application_id VARCHAR(36) REFERENCES sme_credit_applications(application_id),
    current_outstanding DECIMAL(18, 2) NOT NULL,
    overdue_principal DECIMAL(18, 2) DEFAULT 0,
    overdue_days INT DEFAULT 0,
    debt_group INT NOT NULL CHECK (debt_group BETWEEN 1 AND 5),
    provision_rate DECIMAL(5, 4) NOT NULL, -- Tỷ lệ trích lập: G1=0%, G2=5%, G3=20%, G4=50%, G5=100%
    provision_amount DECIMAL(18, 2) NOT NULL,
    last_payment_date DATE,
    next_due_date DATE NOT NULL
);

Phương pháp luận quản lý dự án và lộ trình

Dự án áp dụng mô hình lai Agile-Waterfall trong quá trình chuẩn hóa sản phẩm và triển khai hệ thống:

  • Giai đoạn 1 (Tháng 1 - Tháng 4/2015): Xây dựng chính sách tín dụng KĐB, xác lập hạn mức trần theo phân khúc doanh nghiệp và thiết lập mô hình bán hàng HUB tại khu vực TP.HCM.
  • Giai đoạn 2 (Tháng 5 - Tháng 12/2015): Thử nghiệm quy trình chấm điểm và giải ngân tại HUB Quận 11, đánh giá tính chính xác của dữ liệu đầu vào.
  • Giai đoạn 3 (Năm 2016): Nhân rộng mô hình HUB trên toàn quốc, tích hợp hệ thống BICC với Core Banking T24, tối ưu hóa các module thẩm định tự động.
  • Giai đoạn 4 (Năm 2017): Hoàn thiện khung quản trị rủi ro thanh khoản và rủi ro hoạt động, tinh chỉnh mô hình theo chuẩn Basel II.

Triển khai và kết quả thực nghiệm

Quy trình nghiệp vụ và thuật toán thẩm định tín dụng

Quy trình cấp tín dụng KĐB cho DNVVN trải qua 5 bước tiêu chuẩn: (1) Tiếp nhận hồ sơ điện tử/trực tiếp; (2) Thẩm định pháp lý và lịch sử tín dụng qua CIC; (3) Chấm điểm tự động qua thuật toán Scoring Model; (4) Xét duyệt tập trung tại Hội đồng tín dụng/Hệ thống tự động; (5) Giải ngân và giám sát sau vay qua theo dõi dòng tiền tài khoản thanh toán.

Thuật toán xác định khả năng vỡ nợ (Probability of Default - $PD$) và phê duyệt hạn mức tối đa ($L_{max}$) dựa trên hàm hồi quy Logistic:

$$z = \beta_0 + \beta_1 X_{CIC} + \beta_2 X_{RevGrowth} + \beta_3 X_{WCCycle} + \beta_4 X_{EquityRatio} + \beta_5 X_{TaxCompliant}$$

$$PD = \frac{1}{1 + e^{-z}}$$

Trong đó:

  • $X_{CIC}$: Điểm tín dụng chuẩn hóa từ Trung tâm Thông tin Tín dụng NHNN.
  • $X_{RevGrowth}$: Tốc độ tăng trưởng doanh thu bình quân 3 năm liên tiếp.
  • $X_{WCCycle}$: Vòng quay vốn lưu động (ngày).
  • $X_{EquityRatio}$: Tỷ lệ Vốn chủ sở hữu / Tổng tài sản.
  • $X_{TaxCompliant}$: Trọng số tuân thủ nghĩa vụ thuế và không phát sinh nợ quá hạn.
import numpy as np

class SMECreditUnderwritingEngine:
    def __init__(self):
        # Trọng số beta được huấn luyện dựa trên tập dữ liệu lịch sử SME của BICC
        self.intercept = -4.52
        self.weights = {
            'cic_score_norm': -0.0085,       # Điểm CIC càng cao, rủi ro vỡ nợ càng thấp
            'rev_growth': -0.4500,           # Tăng trưởng doanh thu dương làm giảm rủi ro
            'wc_cycle_norm': 0.0120,         # Vòng quay vốn lưu động quá dài làm tăng rủi ro
            'equity_ratio': -1.2500,         # Tỷ lệ vốn tự có cao giúp hấp thu cú sốc tài chính
            'tax_penalty': 1.8500            # Lịch sử vi phạm thuế làm tăng mạnh rủi ro
        }

    def evaluate_sme(self, cic_score, rev_growth_pct, wc_days, equity_ratio, has_tax_violation):
        """
        Đánh giá hồ sơ vay KĐB và xác định hạn mức cấp tín dụng
        """
        # Chuẩn hóa đầu vào
        z = (self.intercept +
             self.weights['cic_score_norm'] * cic_score +
             self.weights['rev_growth'] * rev_growth_pct +
             self.weights['wc_cycle_norm'] * wc_days +
             self.weights['equity_ratio'] * equity_ratio +
             self.weights['tax_penalty'] * (1 if has_tax_violation else 0))
        
        pd = 1.0 / (1.0 + np.exp(-z))
        
        # Tiêu chí cắt ngưỡng rủi ro (Risk Cut-off Threshold)
        if pd >= 0.08: # Rủi ro vỡ nợ > 8% -> Từ chối cấp tín dụng KĐB
            return {"decision": "REJECT", "pd": round(pd, 4), "limit_vnd": 0}
        elif pd >= 0.04: # 4% <= PD < 8% -> Phê duyệt có điều kiện, hạn mức cơ sở
            approved_limit = 500_000_000 # 500 triệu đồng
            interest_rate = 14.5
        else: # PD < 4% -> Khách hàng chuẩn, hạn mức tối đa
            approved_limit = 2_000_000_000 # 2 tỷ đồng
            interest_rate = 12.0

        return {
            "decision": "APPROVE",
            "pd": round(pd, 4),
            "approved_limit_vnd": approved_limit,
            "interest_rate_pct": interest_rate
        }

# Khởi tạo engine và thử nghiệm đánh giá một doanh nghiệp nhỏ
engine = SMECreditUnderwritingEngine()
result = engine.evaluate_sme(cic_score=680, rev_growth_pct=0.15, wc_days=45, equity_ratio=0.35, has_tax_violation=False)
# Output: {'decision': 'APPROVE', 'pd': 0.0132, 'approved_limit_vnd': 2000000000, 'interest_rate_pct': 12.0}

Kết quả kinh doanh và chỉ số vận hành thực tế

Số liệu trích xuất từ báo cáo tài chính và báo cáo vận hành của VPBank giai đoạn 2015–2017 chứng minh hiệu quả vượt trội của việc phát triển hoạt động cho vay KĐB DNVVN:

  • Tăng trưởng nguồn vốn: Tính đến 31/12/2017, tiền gửi của khách hàng đạt 133.551 tỷ đồng (chiếm 56,4% tổng nguồn vốn huy động). Vốn điều lệ đạt 15.706 tỷ đồng, tăng gần gấp đôi so với giai đoạn 2014.
  • Hiệu quả phân khúc doanh nghiệp siêu nhỏ: Dư nợ cấp tín dụng cho phân khúc siêu nhỏ (doanh thu dưới 5 tỷ đồng/năm) ghi nhận mức tăng trưởng bứt phá, chiếm trên 30% tổng dư nợ khối DNVVN chỉ sau 12 tháng triển khai mô hình HUB.
  • Chất lượng kiểm soát nợ quá hạn: Áp dụng chặt chẽ Thông tư 02/2013/TT-NHNN giúp VPBank duy trì tỷ lệ trích lập dự phòng đầy đủ theo từng nhóm nợ (Nhóm 1 đến Nhóm 5), khống chế tỷ lệ nợ xấu KĐB ở mức an toàn trong ngưỡng biên độ lợi nhuận cho phép.

Đổi mới và đóng góp

  1. Thiết lập mô hình tổ chức HUB (Trung tâm bán hàng trực tiếp): Tách biệt hoàn toàn luồng phát triển khách hàng và luồng phê duyệt rủi ro. Khác với mô hình chi nhánh hỗn hợp, nhân sự tại HUB được chuyên môn hóa cao độ cho việc xử lý hồ sơ KĐB, giúp tăng năng suất xử lý hồ sơ lên 250% so với phương thức truyền thống.
  2. Khai phá thành công phân khúc "Doanh nghiệp siêu nhỏ": Trong khi Maritime Bank (2013) thất bại do định vị sai phân khúc (chỉ nhắm tới doanh nghiệp doanh thu trên 20 tỷ đồng - tệp khách hàng có sẵn TSBĐ và nhiều lựa chọn vay thế chấp lãi suất thấp), VPBank đã chuyển hướng sang nhóm doanh thu dưới 5 tỷ đồng. Đây là thị trường đại dương xanh với nhu cầu vốn lưu động cực cao và chấp nhận mức lãi suất bù đắp rủi ro (Risk-adjusted Margin).
  3. Tích hợp nền tảng phân tích dữ liệu BICC: Ứng dụng phân tích dữ liệu lớn (Big Data Analytics) kết hợp dữ liệu tài chính, thuế và dữ liệu CIC, giúp giảm thiểu 80% tình trạng gian lận hồ sơ khống vốn chủ sở hữu.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Case)

Hồ sơ doanh nghiệp: Công ty TNHH Thương mại Dịch vụ Thành Đạt (Hoạt động 2 năm tại Quận 11, TP.HCM, chuyên phân phối bao bì).

  • Nhu cầu: Vay 800 triệu đồng bổ sung vốn lưu động nhập nguyên liệu cho mùa cao điểm Tết (thời hạn vay: 6 tháng).
  • Thách thức: Không có bất động sản thế chấp; toàn bộ vốn nằm ở hàng tồn kho và các khoản phải thu khách hàng.
  • Xử lý qua kênh KĐB HUB: Chuyên viên HUB thu thập báo cáo thuế 2 năm, sao kê tài khoản ngân hàng 6 tháng gần nhất và hợp đồng đầu ra. Engine BICC xác thực dòng tiền về tài khoản đạt 1,2 tỷ/tháng, điểm CIC loại 1 (không có nợ cần chú ý).
  • Kết quả: Hệ thống tự động phê duyệt hạn mức 1 tỷ đồng với thời gian từ nộp hồ sơ đến giải ngân là 36 giờ làm việc.

Yêu cầu triển khai hệ thống (Deployment Requirements)

  • Hạ tầng phần cứng: Cụm máy chủ chuyên dụng tối thiểu 32 Cores CPU, 128GB RAM, lưu trữ SSD NVMe cấu hình RAID 10 đảm bảo IOPS > 50.000 để phục vụ truy vấn thời gian thực từ các trạm HUB.
  • Hạ tầng mạng & bảo mật: Kết nối WAN bảo mật kênh truyền VPN Site-to-Site giữa các HUB và Trụ sở chính (HO); tích hợp tường lửa ứng dụng web (WAF) và hệ thống phát hiện xâm nhập IPS.
  • Quy trình giám sát sau vay: Thiết lập trigger tự động cảnh báo trên Core T24 khi số dư tài khoản thanh toán của doanh nghiệp sụt giảm liên tục trong 15 ngày hoặc dòng tiền luân chuyển dưới 30% mức cam kết.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Dữ liệu tài chính của phần lớn DNVVN còn thiếu đồng bộ giữa hệ thống kế toán nội bộ và hệ thống khai báo thuế, đòi hỏi nhân viên tín dụng phải mất thời gian xác minh thực địa.
  • Chưa có cơ chế Open Banking API đồng bộ thời gian thực với Tổng cục Thuế và Hệ thống Đăng ký Giao dịch Bảo đảm Quốc gia tại thời điểm 2017.

Hướng phát triển công nghệ tiếp theo

  • Tích hợp eKYC Doanh nghiệp: Ứng dụng định danh điện tử doanh nghiệp và chữ ký số từ xa (Remote Signing) để trực tuyến hóa 100% quy trình cấp tín dụng.
  • Machine Learning nâng cao: Ứng dụng thuật toán XGBoost và mạng Neural Network phân tích dữ liệu phi cấu trúc (hành vi thanh toán hóa đơn điện thoại, tiền điện, lịch sử logistics) để chấm điểm tín dụng cho các doanh nghiệp khởi nghiệp (Startups) chưa có lịch sử tài chính 3 năm.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên khối Tài chính - Ngân hàng: Cung cấp tài liệu nghiên cứu ứng dụng thực tế về sản phẩm tín chấp doanh nghiệp, phân biệt rõ ranh giới giữa lý luận và nghiệp vụ thực tiễn.
  • Kỹ sư Công nghệ FinTech / Data Scientist: Tham khảo mô hình kiến trúc tích hợp hệ thống ngân hàng lõi và thuật toán chấm điểm rủi ro phục vụ tự động hóa quy trình cho vay (Lending Tech).
  • Ban Lãnh đạo các Tổ chức Tín dụng: Mô hình tham chiếu để tái cấu trúc kênh bán lẻ và khối SME, chuyển dịch sang mô hình bán hàng trực tiếp HUB nhằm bứt phá doanh số.
  • Cộng đồng DNVVN Việt Nam: Giải pháp tham khảo để tối ưu hóa hồ sơ năng lực tài chính, chuẩn hóa dòng tiền kế toán nhằm đáp ứng các điều kiện vay vốn tín chấp ngân hàng.

Câu hỏi thường gặp

1. Điều kiện tiên quyết để DNVVN được phê duyệt gói vay KĐB là gì?

Doanh nghiệp cần có thời gian hoạt động liên tục tối thiểu từ 1 đến 2 năm, có báo cáo thuế minh bạch của 3 năm liền kề (hoặc từ khi thành lập), không phát sinh nợ quá hạn nhóm 2 và không có lịch sử nợ xấu (nhóm 3–5) tại bất kỳ TCTD nào trong vòng 36 tháng gần nhất tra cứu trên hệ thống CIC.

2. Lãi suất cho vay tín chấp KĐB cao hơn vay thế chấp truyền thống bao nhiêu?

Thông thường, lãi suất cho vay KĐB cao hơn từ 3% đến 6%/năm so với vay thế chấp tài sản. Mức chênh lệch này nhằm bù đắp chi phí trích lập dự phòng rủi ro không TSBĐ và chi phí vận hành mô hình thẩm định dòng tiền chuyên sâu.

3. Ngân hàng xử lý như thế nào khi doanh nghiệp gặp rủi ro đứt gãy dòng tiền tạm thời?

Khi phát sinh nợ quá hạn dưới 10 ngày (Nhóm 1), hệ thống tự động gửi tin nhắn SMS/Email nhắc nợ. Nếu doanh nghiệp chứng minh được khó khăn tạm thời do tính chất mùa vụ, ngân hàng xem xét cơ cấu lại thời hạn trả nợ hoặc gia hạn nợ theo đúng quy định tại Thông tư 02/2013/TT-NHNN trước khi khoản vay bị chuyển thành nợ xấu.

4. Hệ thống Core Banking T24 đóng vai trò gì trong quản trị khoản vay KĐB?

Temenos T24 quản lý toàn bộ vòng đời khoản vay: lưu trữ hợp đồng, hạch toán lãi suất hàng ngày, tự động trích nợ từ tài khoản thanh toán, phân loại nợ tự động theo số ngày quá hạn và tính toán số tiền trích lập dự phòng rủi ro theo từng phân lớp rủi ro.

5. Doanh nghiệp siêu nhỏ mới thành lập dưới 1 năm có cơ hội tiếp cận gói vay này không?

Đối với các doanh nghiệp siêu nhỏ dưới 1 năm, VPBank áp dụng các gói sản phẩm đặc thù kết hợp đánh giá nhân thân chủ doanh nghiệp, doanh thu thực tế qua sổ sách/phần mềm bán hàng và số dư lưu chuyển qua tài khoản cá nhân của người đại diện pháp luật.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Lê Bích Nga đã giải quyết toàn diện bài toán cấp bách về việc khơi thông nguồn vốn tín dụng cho khối DNVVN tại Việt Nam thông qua hình thức cho vay không áp dụng biện pháp bảo đảm tại VPBank. Thành công của mô hình bán hàng trực tiếp HUB kết hợp nền tảng phân tích dữ liệu BICC và hệ thống lõi Core Banking Temenos T24 giai đoạn 2015–2017 khẳng định: việc thay thế thẩm định tài sản vật chất bằng thẩm định công nghệ và dòng tiền là hướng đi tất yếu của ngân hàng số hiện đại.

Các tổ chức tín dụng và doanh nghiệp quan tâm đến việc ứng dụng mô hình quản trị rủi ro tín dụng và số hóa quy trình thẩm định tín chấp có thể nghiên cứu sâu hơn tài liệu để triển khai hiệu quả vào thực tiễn kinh doanh.