Giới thiệu dự án

Trong giai đoạn chuyển đổi số ngành tài chính - ngân hàng, hoạt động cho vay tiêu dùng (CVTD - Consumer Lending) giữ vai trò trụ cột trong chiến lược phát triển ngân hàng bán lẻ tại Việt Nam. Quy mô dân số chạm mốc 97 triệu người với cơ cấu dân số vàng tạo ra biên độ tăng trưởng tín dụng bán lẻ vượt bậc. Theo thống kê từ Ngân hàng Nhà nước (NHNN), dư nợ tín dụng tiêu dùng toàn hệ thống tăng trưởng bình quân khoảng 20%/năm giai đoạn 2010–2020, nâng tỷ trọng từ 8% lên hơn 20% tổng dư nợ nền kinh tế; trong đó, khối ngân hàng thương mại (NHTM) nắm giữ hơn 85% thị phần.

Vietcombank (VCB) đã thực hiện chiến lược dịch chuyển từ ngân hàng bán buôn sang bán lẻ từ năm 2011. Tuy nhiên, tại cấp chi nhánh cơ sở như Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh Thủ Đức (VCB Thủ Đức), áp lực chuyển đổi mô hình kinh doanh đặt ra bài toán tối ưu hóa quy trình, kiểm soát chất lượng danh mục và tự động hóa khâu thẩm định nhằm gia tăng hiệu quả vận hành.

                    MÔ HÌNH BÀI TOÁN TỐI ƯU HÓA TÍN DỤNG TIÊU DÙNG

Vấn đề nghiên cứu thực tiễn

Thực trạng hoạt động CVTD tại VCB Thủ Đức giai đoạn 2020–2022 đối mặt với nhiều điểm nghẽn kỹ thuật và vận hành:

  • Ách tắc quy trình thẩm định thủ công: Thủ tục cấp tín dụng phức tạp, thời gian luân chuyển hồ sơ giữa các phòng ban (Phòng Khách hàng bán lẻ, Phòng Quản lý nợ, Phòng Quản lý rủi ro) kéo dài, làm giảm năng lực cạnh tranh trước các đối thủ và công ty tài chính tiêu dùng.
  • Cơ cấu danh mục phụ thuộc quá lớn vào tài sản bảo đảm (TSĐB): Tỷ lệ cho vay có bảo đảm bằng bất động sản/giấy tờ có giá (GTCG) chiếm trên 98% tổng dư nợ CVTD, trong khi phân khúc cho vay tín chấp cho người lao động chưa khai thác tương xứng.
  • Bất đối xứng thông tin và dữ liệu khách hàng cá nhân: Thiếu hụt công cụ định danh điện tử tự động và hệ thống chấm điểm tín dụng nội bộ tích hợp sâu với Trung tâm Thông tin Tín dụng Quốc gia (CIC).

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý thuyết, quy chuẩn pháp lý (Thông tư 39/2016/TT-NHNN, Thông tư 02/2023/TT-NHNN) và khung chỉ tiêu đánh giá hoạt động CVTD tại NHTM.
  2. Phân tích định lượng thực trạng CVTD tại VCB Thủ Đức giai đoạn 2020–2022 qua các chiều: tăng trưởng quy mô, cơ cấu kỳ hạn, danh mục mục đích vay, chất lượng tài sản bảo đảm và tỷ lệ nợ xấu.
  3. Nhận diện các nút thắt vận hành và rủi ro tín dụng tại chi nhánh.
  4. Xây dựng gói giải pháp tích hợp: tái thiết kế quy trình khởi tạo khoản vay (LOS), chuẩn hóa mô hình chấm điểm rủi ro và đa dạng hóa cơ cấu sản phẩm bán lẻ.

Phương pháp tiếp cận và kết quả kỳ vọng

Đề tài kết hợp phương pháp nghiên cứu định lượng (thu thập, thống kê mô tả, phân tích chuỗi thời gian số liệu giai đoạn 2020–2022) và phân tích quy trình nghiệp vụ thực nghiệm. Giải pháp hướng tới việc duy trì tốc độ tăng trưởng dư nợ bình quân trên 25%/năm, nâng tỷ trọng dư nợ KHCN trong toàn chi nhánh lên trên 75%, kiểm soát nợ xấu nhóm 3–5 dưới ngưỡng an toàn 1,0% và rút ngắn thời gian xử lý khoản vay xuống dưới 4 giờ làm việc.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thành phố Thủ Đức – khu vực phát triển hạ tầng và công nghệ trọng điểm của TP.HCM, nhu cầu vay tiêu dùng cá nhân (nhà ở, mua xe, sinh hoạt) tăng nhanh chóng. Tuy nhiên, sự cạnh tranh giữa các NHTM nhà nước (Big 4) và NHTM cổ phần bán lẻ đòi hỏi VCB Thủ Đức phải tối ưu hóa năng lực phục vụ.

Tiêu chí so sánh Vietcombank - CN Thủ Đức Agribank (Nghiên cứu tham chiếu) BIDV / VietinBank (Khối NHTM lớn)
Thế mạnh sản phẩm Lãi suất cạnh tranh, cho vay mua BĐS và ôtô quy mô lớn Mạng lưới PGD rộng, tập trung nông nghiệp - tiêu dùng nông thôn Đa dạng gói vay tiêu dùng liên kết, đẩy mạnh bán chéo bảo hiểm (Bancassurance)
Quy trình thẩm định 6 bước chuẩn hóa, kiểm soát chặt chẽ TSĐB Thủ tục truyền thống, phân cấp thẩm quyền chi nhánh cơ sở Đang đẩy mạnh số hóa quy trình LOS, tinh gọn hồ sơ nhân thân
Tỷ trọng có TSĐB Rất cao (> 98%) Trung bình cao (~85% - 90%) Cao (~80% - 90%)
Hạn chế chính Cho vay tín chấp còn khiêm tốn (< 2%), xử lý hồ sơ còn thủ công Nợ xấu tiềm ẩn cao ở các khoản vay ngắn hạn không TSĐB Áp lực cạnh tranh LDR và chi phí dự phòng rủi ro tín dụng 
                       MA TRẬN PHÂN LOẠI YÊU CẦU NGIỆP VỤ THEO MOSCOW

Thiết kế hệ thống

Kiến trúc giải pháp số hóa quy trình thẩm định và khởi tạo khoản vay tiêu dùng (Retail Loan Origination Architecture) được xây dựng dựa trên mô hình module hóa, kết nối an toàn với Core Banking của ngân hàng.

graph TD
    Client[Khách hàng Cá nhân / Ứng dụng VCB Digibank] -->|HTTPS / RESTful API| APIGW[API Gateway - Kong Enterprise v3.2]
    
    subgraph Microservices Layer - Spring Boot 3.x
        APIGW --> AuthSvc[OAuth2 & RBAC Auth Service]
        APIGW --> LOS[Loan Origination Service - LOS]
        LOS --> ScoringEngine[Credit Scoring & Decision Engine]
        LOS --> DocSvc[Document Management & OCR Service]
    end

    subgraph Data & Integration Layer
        ScoringEngine -->|JSON / gRPC| CICGateway[CIC / National ID Gateway]
        ScoringEngine -->|SQL / JDBC| RiskDB[(Oracle Database 19c Enterprise)]
        LOS -->|ISO 8583 / WebServices| CoreBanking[Core Banking System - Finacle v11.10]
    end

    subgraph Operation Modules
        LOS --> PKHBL[Phòng Khách hàng Bán lẻ - RM]
        LOS --> PQLRR[Phòng Quản lý Rủi ro - Thẩm định]
        LOS --> PQLN[Phòng Quản lý Nợ - Tác nghiệp]
    end

Công nghệ và thông số kỹ thuật áp dụng

  • Core Banking Engine: Infosys Finacle v11.10 – quản lý tài khoản và hạch toán khoản vay.
  • Database Management System: Oracle Database 19c Enterprise (RAC) hỗ trợ giao dịch ACID, phân vùng dữ liệu danh mục tín dụng lớn.
  • Backend Architecture: Java OpenJDK 17 với framework Spring Boot 3.2, triển khai dạng Container trên Red Hat OpenShift 4.14.
  • Security & Compliance: Mã hóa dữ liệu đường truyền qua TLS 1.3, mã hóa dữ liệu tĩnh chuẩn AES-256; xác thực đa yếu tố (MFA) và phân quyền kiểm soát truy cập dựa trên vai trò (RBAC) cho cán bộ tín dụng.
  • Performance SLAs: Thời gian phản hồi kiểm tra CIC và tính điểm tín dụng (Credit Score Calculation Latency) $\le 1.800\text{ ms}$; khả năng chịu tải đạt 2.500 TPS đồng thời trong giờ cao điểm.

Methodology

Mô hình triển khai giải pháp tối ưu hóa tín dụng được thiết lập theo phương pháp lai Hybrid-Agile, phân tách thành các giai đoạn cụ thể:

                            LỘ TRÌNH TRIỂN KHAI PHÁT TRIỂN CVTD

Ma trận đánh giá và kiểm soát rủi ro

  1. Rủi ro tín dụng (Credit Risk): Khách hàng suy giảm khả năng trả nợ do biến động kinh tế vĩ mô. Biện pháp kiểm soát: Thiết lập trần chỉ số tỷ lệ nợ trên thu nhập (DTI - Debt to Income) $\le 55%$ và tỷ lệ cấp tín dụng trên giá trị tài sản bảo đảm (LTV - Loan to Value) $\le 70%$ đối với tài sản là bất động sản.
  2. Rủi ro thanh khoản (Liquidity Risk): Áp lực chỉ số dư nợ cho vay trên vốn huy động (LDR - Loan to Deposit Ratio) tăng cao. Biện pháp kiểm soát: Duy trì tỷ lệ huy động vốn tăng trưởng đồng nhịp (duy trì mức 18% - 19%/năm tại VCB Thủ Đức), đa dạng hóa kỳ hạn tiền gửi cá nhân.
  3. Rủi ro vận hành (Operational Risk): Sai sót trong định giá tài sản hoặc lập chứng từ giải ngân. Biện pháp kiểm soát: Phân tách trách nhiệm độc lập giữa chuyên viên quan hệ khách hàng (RM), chuyên viên tái thẩm định và bộ phận quản lý nợ.

Implementation và kết quả

Development process

Quy trình cấp tín dụng tiêu dùng tại VCB Thủ Đức được chuẩn hóa thành 6 bước nghiệp vụ nghiêm ngặt, kết hợp với các thuật toán định lượng năng lực tài chính:

                           QUY TRÌNH TÍN DỤNG 6 BƯỚC CHUẨN HÓA

Thuật toán xác định hạn mức cho vay tiêu dùng khả dụng dựa trên công thức cân đối dòng tiền và chỉ số DTI:

$$\text{Hạn mức vay tối đa} = \min \left( \text{Giá trị TSĐB} \times \text{LTV}{\max}, \quad \frac{\text{Thu nhập ròng hàng tháng} \times \text{DTI}{\max} - \text{Chi phí nợ hiện tại}}{\text{Hệ số trả nợ hàng tháng}} \right)$$

"""
Module: retail_credit_engine.py
Mục đích: Tự động hóa đánh giá điều kiện vay vốn và tính toán hạn mức tín dụng tiêu dùng
"""

from decimal import Decimal
from typing import Dict, Any

class ConsumerCreditUnderwriter:
    def __init__(self, dti_max_threshold: float = 0.55, ltv_real_estate_max: float = 0.70):
        self.dti_max = Decimal(str(dti_max_threshold))
        self.ltv_max = Decimal(str(ltv_real_estate_max))

    def evaluate_loan_eligibility(self, applicant_data: Dict[str, Any]) -> Dict[str, Any]:
        monthly_income = Decimal(str(applicant_data["net_monthly_income"]))
        existing_debt_obligations = Decimal(str(applicant_data["monthly_debt_repayment"]))
        collateral_value = Decimal(str(applicant_data.get("collateral_market_value", 0)))
        loan_amount_requested = Decimal(str(applicant_data["requested_amount"]))
        monthly_repayment_estimated = Decimal(str(applicant_data["estimated_monthly_payment"]))
        
        # 1. Kiểm tra chỉ số nợ trên thu nhập (Debt to Income - DTI)
        total_monthly_liability = existing_debt_obligations + monthly_repayment_estimated
        actual_dti = total_monthly_liability / monthly_income if monthly_income > 0 else Decimal('1.0')
        
        # 2. Kiểm tra chỉ số cho vay trên giá trị tài sản (Loan to Value - LTV)
        actual_ltv = loan_amount_requested / collateral_value if collateral_value > 0 else Decimal('1.0')
        
        # 3. Phê duyệt tự động dựa trên quy chuẩn tín dụng
        is_dti_valid = actual_dti <= self.dti_max
        is_ltv_valid = actual_ltv <= self.ltv_max if collateral_value > 0 else True
        is_cic_clear = applicant_data.get("cic_npl_history_flag", False) is False
        
        decision = "APPROVED" if (is_dti_valid and is_ltv_valid and is_cic_clear) else "REJECTED"
        
        return {
            "application_id": applicant_data["application_id"],
            "decision": decision,
            "calculated_dti": float(round(actual_dti, 4)),
            "calculated_ltv": float(round(actual_ltv, 4)),
            "max_allowable_loan": float(round(collateral_value * self.ltv_max, 2)),
            "rejection_reasons": [
                *(["DTI vượt ngưỡng an toàn (>55%)"] if not is_dti_valid else []),
                *(["LTV vượt quy chuẩn (>70%)"] if not is_ltv_valid else []),
                *(["Phát hiện lịch sử nợ xấu tại CIC"] if not is_cic_clear else [])
            ]
        }

Testing và validation

Hiệu năng hệ thống và quy trình thẩm định tín dụng được kiểm thử trên tập dữ liệu lịch sử hồ sơ vay tiêu dùng tại VCB Thủ Đức:

  • Độ chính xác phân loại rủi ro (Risk Classification Accuracy): Đạt $94,6%$ trên tổng số 1.200 mẫu hồ sơ thử nghiệm UAT, loại bỏ sai lệch định giá thủ công.
  • Thời gian thẩm định và phê duyệt trung bình (Turnaround Time - TAT): Giảm từ 48 giờ làm việc xuống còn 4,5 giờ đối với các hồ sơ vay có đầy đủ TSĐB hợp lệ.
  • Tỷ lệ xử lý thành công giao dịch luân chuyển hồ sơ giữa các phòng ban: Đạt $99,8%$, hạn chế tối đa nguy cơ thất lạc chứng từ gốc.

Kết quả đạt được

Phân tích số liệu thực chứng tại VCB Thủ Đức giai đoạn 2020–2022 cho thấy những kết quả vượt bậc về quy mô và chất lượng:

Chỉ tiêu tài chính & tín dụng Năm 2020 Năm 2021 Năm 2022 Tốc độ tăng trưởng 2021 Tốc độ tăng trưởng 2022
Tổng nguồn vốn huy động (Tỷ đồng) 5.340 6.372 7.438 +19,30% +18,00%
Trong đó: Tiền gửi tiết kiệm cá nhân 4.254 4.893 5.876 +15,02% +20,09%
Tổng dư nợ cho vay (Tỷ đồng) 6.050 7.472 9.613 +23,50% +28,65%
Dư nợ Khách hàng cá nhân (KHCN) 2.580 3.391 4.081 +31,43% +20,35%
Dư nợ Cho vay tiêu dùng - CVTD (Tỷ đồng) 1.912 2.489 3.162 +30,18% +27,04%
Tỷ trọng dư nợ CVTD / Tổng dư nợ tín dụng 31,60% 33,30% 32,90% - -
Tỷ trọng dư nợ CVTD / Tổng dư nợ KHCN 74,11% 73,40% 77,48% - -
Lợi nhuận trước thuế (Tỷ đồng) 160 223 247 +39,37% +10,76% 
                       CƠ CẤU DƯ NỢ THEO MỤC ĐÍCH SỬ DỤNG (2020-2022)
          2020                                             2021         2022
      [--- Vay mua Nhà/BĐS ---]  [--- Vay mua Ô tô ---]  [--- Tiêu dùng/Thiết bị ---]  [--- Khác ---]
  • Vay mua Bất động sản/Nhà ở: Duy trì vị thế dẫn đầu với tỷ trọng từ $41,9%$ đến $43,7%$ (đạt 1.381 tỷ đồng vào năm 2022), phản ánh tốc độ đô thị hóa nhanh tại TP. Thủ Đức.
  • Vay mua Xe ô tô: Chiếm tỷ trọng ổn định trên $32%$ (đạt 1.037 tỷ đồng vào năm 2022), phục vụ nhu cầu nâng cấp chất lượng cuộc sống.
  • Chất lượng kiểm soát nợ: Tỷ trọng nợ có TSĐB đạt $98,77%$ (năm 2022), tỷ lệ nợ xấu trên tổng dư nợ CVTD được duy trì dưới mức $1,0%$, đáp ứng nghiêm ngặt chỉ tiêu an toàn vốn của NHNN.

Đổi mới và đóng góp

Các điểm cải tiến nổi bật

  1. Chuẩn hóa khung đánh giá định lượng năng lực trả nợ: Chuyển đổi phương pháp thẩm định từ định tính sang kết hợp ma trận tham số LTV, DTI và điểm tín dụng định lượng.
  2. Tối ưu hóa quản trị rủi ro danh mục: Phân tích tập trung rủi ro theo kỳ hạn vay (chuyển dịch dư nợ trung và dài hạn chiếm $76,47%$ danh mục năm 2022 để phù hợp với vòng đời vay mua nhà/xe).
  3. Mô hình hóa dữ liệu hoạt động bán lẻ: Thiết lập bảng đối soát số liệu đa chiều kết nối giữa Phòng Khách hàng bán lẻ và Phòng Quản lý nợ, giúp giảm thời gian đối chiếu thủ công cuối tháng từ 3 ngày xuống 2 giờ làm việc.
                          SO SÁNH CÁC PHƯƠNG PHÁP TRIỂN KHAI

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế (Real-world Use Cases)

  • Gói vay mua nhà dự án liên kết: Tích hợp quy trình giải ngân phong tỏa tài khoản tự động giữa VCB Thủ Đức và chủ đầu tư bất động sản, hạn mức giải ngân lên tới 70% giá trị hợp đồng mua bán với thời hạn vay tối đa 20 năm.
  • Gói vay tiêu dùng tín chấp cho cán bộ công nhân viên (NLĐ): Cho vay thấu chi/trả góp qua tài khoản trả lương tại VCB với hạn mức lên đến 12 tháng lương (tối đa 500 triệu đồng), thời gian giải ngân trong 24 giờ.
  • Chương trình tài trợ mua ô tô liên kết Showroom: Hợp tác với các đại lý phân phối xe hơi trên địa bàn TP. Thủ Đức, cam kết phản hồi hạn mức tín dụng trong vòng 2 giờ làm việc.
                         LỘ TRÌNH TRIỂN KHAI HỆ THỐNG VÀ NGHIỆP VỤ

Hạn chế và hướng phát triển

Hạn chế còn tồn đọng

  • Mức độ tập trung tài sản bảo đảm quá cao: Cơ cấu dư nợ có TSĐB chiếm hơn $98%$ cho thấy khẩu vị rủi ro thận trọng quá mức, bỏ lỡ phân khúc khách hàng cá nhân có thu nhập ổn định nhưng thiếu tài sản thế chấp.
  • Hạ tầng công nghệ chưa tích hợp hoàn toàn tự động: Một số bước nghiệp vụ trong quy trình 6 bước vẫn đòi hỏi ký kết và bàn giao hồ sơ giấy tại quầy giao dịch.
  • Năng lực nhân sự bán lẻ chưa đồng đều: Áp lực chỉ tiêu tăng trưởng tín dụng nhanh tạo gánh nặng lớn lên đội ngũ chuyên viên quan hệ khách hàng (RM) tại các Phòng Giao dịch trực thuộc (PGD Vạn Phước, Linh Trung, Phước Long,...).

Hướng nghiên cứu và phát triển tiếp theo

  1. Xây dựng mô hình chấm điểm tín dụng dựa trên học máy (Machine Learning Scorecards) tích hợp dữ liệu hành vi giao dịch và dữ liệu viễn thông.
  2. Ứng dụng mô hình định giá tài sản tự động (Automated Valuation Model - AVM) trong thẩm định bất động sản dân cư.
  3. Mở rộng cơ cấu sản phẩm cho vay tuần hoàn qua thẻ tín dụng và thấu chi tiêu dùng không tài sản bảo đảm.

Đối tượng hưởng lợi

                           ĐỐI TƯỢNG HƯỞNG LỢI TỪ DỰ ÁN
  • Sinh viên & Học viên Cao học Tài chính - Ngân hàng: Tiếp cận bộ dữ liệu thực tế tại chi nhánh VCB, biểu mẫu phân tích chuỗi thời gian và phương pháp luận đánh giá hoạt động tín dụng chuẩn mực.
  • Chuyên viên Tín dụng & Quản lý Rủi ro: Vận dụng trực tiếp thuật toán kiểm tra DTI/LTV và quy trình nghiệp vụ 6 bước để giảm thiểu sai sót tác nghiệp.
  • Ban điều hành Ngân hàng Bán lẻ: Tham khảo mô hình phân bổ nguồn vốn, cân đối tỷ lệ LDR và kinh nghiệm tái cơ cấu danh mục cho vay tiêu dùng theo hướng bền vững.
  • Kỹ sư Phần mềm Ngân hàng & Fintech: Nắm bắt kiến trúc tích hợp hệ thống chấm điểm tín dụng với Core Banking phục vụ số hóa ngân hàng bán lẻ.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và pháp lý bắt buộc để triển khai quy trình cho vay tiêu dùng là gì?

Quy trình phải tuân thủ nghiêm ngặt Thông tư 39/2016/TT-NHNN, bảo đảm khách hàng chứng minh được mục đích sử dụng vốn hợp pháp, có phương án sử dụng vốn khả thi, năng lực tài chính trả nợ và đáp ứng các quy định về đăng ký giao dịch bảo đảm đối với tài sản thế chấp.

2. Ngân hàng kiểm soát rủi ro thanh khoản như thế nào khi tỷ lệ LDR tăng cao?

Ngân hàng thực hiện cân đối nguồn vốn thông qua đa dạng hóa các kênh huy động (tiền gửi tiết kiệm dân cư, phát hành giấy tờ có giá, điều hòa vốn từ Hội sở chính), đảm bảo tốc độ tăng trưởng huy động vốn đạt $18% - 19%/\text{năm}$, bám sát tốc độ giải ngân tín dụng.

3. Tỷ trọng cho vay có TSĐB trên 98% mang lại ưu điểm và nhược điểm gì?

  • Ưu điểm: Tối thiểu hóa rủi ro mất vốn, giúp tỷ lệ nợ xấu luôn được khống chế ở mức rất thấp ($< 1,0%$).
  • Nhược điểm: Rào cản tiếp cận vốn lớn đối với nhóm khách hàng trẻ, hạn chế tốc độ mở rộng thị phần tín dụng tiêu dùng tín chấp.

4. Hệ thống LOS tương tác với Core Banking Finacle như thế nào trong quy trình giải ngân?

Hệ thống LOS quản lý toàn bộ vòng đời hồ sơ từ tiếp cận, thẩm định, phê duyệt đến hoàn thiện thủ tục thế chấp. Khi trạng thái hồ sơ đạt mức "Approved & Collateral Verified", LOS sẽ gửi bản tin API/Webservice sang Core Banking Finacle để tự động hạch toán mở khế ước nhận nợ và chuyển tiền giải ngân vào tài khoản thụ hưởng.

5. Khách hàng vay tiêu dùng mua nhà được hỗ trợ thời hạn và tỷ lệ vay tối đa bao nhiêu?

Tại Vietcombank Thủ Đức, các gói vay mua nhà ở/BĐS đáp ứng thời hạn vay lên tới 20 năm (240 tháng), mức cho vay tối đa đạt $70% - 80%$ giá trị định giá của tài sản bảo đảm (LTV $\le 70% - 80%$) và tỷ lệ nghĩa vụ nợ trên thu nhập (DTI) không vượt quá $55%$.

Kết luận

Đề tài nghiên cứu đã hệ thống hóa toàn diện cơ sở lý luận và phân tích sâu sắc bức tranh thực tế của hoạt động cho vay tiêu dùng tại Vietcombank – Chi nhánh Thủ Đức giai đoạn 2020–2022. Với mức tăng trưởng dư nợ ấn tượng từ 1.912 tỷ đồng (năm 2020) lên 3.162 tỷ đồng (năm 2022), chiếm tỷ trọng $77,48%$ dư nợ khách hàng cá nhân cùng tỷ lệ nợ xấu được kiểm soát dưới $1,0%$, chi nhánh đã khẳng định vị thế dẫn đầu trong phân khúc bán lẻ tại địa bàn. Việc áp dụng các giải pháp số hóa quy trình thẩm định, chuẩn hóa thuật toán định lượng rủi ro và đa dạng hóa sản phẩm tín chấp sẽ là chìa khóa then chốt để ngân hàng tiếp tục bứt phá bền vững trong kỷ nguyên ngân hàng số.