Giới thiệu dự án

Hoạt động huy động vốn (HĐV) từ khu vực dân cư giữ vai trò là "mạch máu" bảo đảm thanh khoản và quyết định năng lực mở rộng tín dụng của các ngân hàng thương mại (NHTM). Trong bối cảnh thực hiện các chuẩn mực an toàn vốn Basel II và các quy định của Ngân hàng Nhà nước (NHNN) về tỷ lệ dự trữ bắt buộc (11% đối với tiền gửi dưới 12 tháng và 5% đối với kỳ hạn trên 12 tháng), việc tối ưu hóa cơ cấu nguồn vốn trở thành bài toán sống còn. Tại thị trường Thừa Thiên Huế, sự cạnh tranh gay gắt giữa nhóm "Big 4" (Vietcombank, Vietinbank, Agribank, BIDV) và các NHTM cổ phần năng động như Techcombank, Sacombank đặt ra yêu cầu cấp thiết về việc nâng cao năng lực cạnh tranh bán lẻ.

+-------------------------------------------------------------------------+
|                  HỆ THỐNG QUẢN TRỊ NGUỒN VỐN BÁN LẺ                     |
|                                                                         |
|  [Dân cư / KHCN] ---> (Kênh Vật lý: PGD/ATM & Kênh Số: SmartBanking)   |
|                                 |                                       |
|                                 v                                       |
|                  [Thu thập & Định danh: CIF/CRM]                        |
|                                 |                                       |
|                                 v                                       |
|           [Mô hình Đánh giá: SPSS / Hồi quy Đa biến / EFA]             |
|                                 |                                       |
|                                 v                                       |
|      [Tối ưu HĐV: Lãi suất linh hoạt - Đa dạng kỳ hạn - Tối ưu VIF]     |
+-------------------------------------------------------------------------+

Đề tài "Đẩy mạnh hoạt động huy động vốn dân cư tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV) – Chi nhánh Thừa Thiên Huế" tập trung giải quyết các bài toán tồn đọng:

  • Cơ cấu kỳ hạn bất hợp lý: Tiền gửi ngắn hạn chiếm tỷ trọng áp đảo, gây mất cân đối kỳ hạn nguồn vốn tài trợ cho các dự án trung - dài hạn.
  • Áp lực chi phí vốn: Lãi suất huy động chịu sự cạnh tranh khốc liệt, đòi hỏi cân đối giữa chi phí trả lãi và biên lãi ròng (NIM).
  • Mức độ gắn kết số hóa: Hệ thống nhận diện khách hàng (CIF - Customer Information File) và trải nghiệm đa kênh chưa đạt hiệu suất tối đa.

Mục tiêu cụ thể của công trình nghiên cứu:

  1. Hệ thống hóa cơ sở lý thuyết về HĐV dân cư, nhận diện 15-20 chỉ tiêu tài chính và kinh tế lượng then chốt.
  2. Phân tích thực trạng số liệu giai đoạn 2016–2018 của BIDV Thừa Thiên Huế, kết hợp khảo sát sơ cấp khách hàng cá nhân (KHCN).
  3. Ứng dụng mô hình kinh tế lượng (Cronbach’s Alpha, EFA, ANOVA, Multiple Linear Regression) trên phần mềm SPSS 20 để định lượng các nhân tố tác động đến quyết định gửi tiền.
  4. Đề xuất hệ thống giải pháp toàn diện về lãi suất, công nghệ, nhân lực và thương hiệu có giá trị thực tiễn đến năm 2025.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thừa Thiên Huế, các NHTM triển khai các chiến lược tiếp cận nguồn vốn dân cư khác biệt nhằm tối ưu hóa chi phí vốn đầu vào:

Tiêu chí BIDV Thừa Thiên Huế Techcombank Huế Vietcombank Thừa Thiên Huế
Phân khúc trọng tâm Khách hàng đại chúng & Lương định kỳ Khách hàng VIP/Cao cấp (Priority) Doanh nghiệp & KHCN đa kênh
Sản phẩm chủ lực Tiết kiệm truyền thống, kỳ hạn linh hoạt Gói tài chính liên kết bảo hiểm (Manulife) Tiết kiệm trực tuyến, tài khoản số đẹp
Chương trình khách hàng Khuyến mại theo đợt lễ, tết "Gắn kết bền lâu" tích điểm đổi quà Phân tầng VIP, miễn phí giao dịch số
Kênh số hóa (Digital) BIDV SmartBanking, ATM/POS diện rộng Techcombank Mobile, F@st Mobile VCB Digibank, i-B@nking

Đánh giá yêu cầu khách hàng theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Bảo mật tuyệt đối số dư tiền gửi; thủ tục rút/gửi tại quầy nhanh chóng; hệ thống Core Banking hoạt động 24/7 ổn định.
  • Should-have (Cần có): Lãi suất bậc thang cạnh tranh; đa dạng hóa kỳ hạn (ngày, tuần, tháng); ứng dụng ngân hàng số mượt mà.
  • Could-have (Có thể có): Bán chéo sản phẩm bảo hiểm liên kết đầu tư; chính sách chăm sóc cá nhân hóa cho khách hàng VIP.
  • Won't-have (Không ưu tiên): Phát hành chứng chỉ tiền gửi mệnh giá quá lớn không thể chuyển nhượng linh hoạt.

Thiết kế hệ thống mô hình định lượng

Mô hình nghiên cứu thực nghiệm xác định mối quan hệ giữa 6 nhóm biến độc lập và 1 biến phụ thuộc:

$$\text{QD} = \beta_0 + \beta_1 \cdot \text{SP} + \beta_2 \cdot \text{LS} + \beta_3 \cdot \text{NV} + \beta_4 \cdot \text{CS} + \beta_5 \cdot \text{ML} + \beta_6 \cdot \text{TH} + \varepsilon$$

Trong đó:

  • $\text{QD}$: Quyết định gửi tiền của khách hàng cá nhân (Biến phụ thuộc).
  • $\text{SP}$: Chất lượng sản phẩm và tiện ích ngân hàng số.
  • $\text{LS}$: Chính sách lãi suất và biểu phí.
  • $\text{NV}$: Năng lực, nghiệp vụ và thái độ của đội ngũ nhân viên.
  • $\text{CS}$: Cơ sở vật chất kỹ thuật và không gian giao dịch.
  • $\text{ML}$: Mạng lưới giao dịch và mật độ cây ATM/POS.
  • $\text{TH}$: Uy tín thương hiệu và chính sách tiếp thị/ưu đãi.
  • $\varepsilon$: Sai số ngẫu nhiên của mô hình.
       +---------------------------------------------+
       |             MÔ HÌNH NGHIÊN CỨU              |
       +---------------------------------------------+
       | [SP] Chất lượng sản phẩm    (H1) ---> (+)   |
       | [LS] Lãi suất và phí        (H2) ---> (+)   |
       | [NV] Đội ngũ nhân viên      (H3) ---> (+) --+---> [QD] QUYẾT ĐỊNH
       | [CS] Cơ sở vật chất         (H4) ---> (+) --+--->     GỬI TIỀN
       | [ML] Mạng lưới giao dịch    (H5) ---> (+)   |
       | [TH] Thương hiệu & uy tín   (H6) ---> (+)   |
       +---------------------------------------------+

Hệ thống đánh giá hiệu quả tài chính bổ sung các chỉ số:

  • Tốc độ tăng trưởng nguồn vốn ($g$): $$g = \frac{\text{Vốn HĐV kỳ báo cáo}}{\text{Vốn HĐV kỳ trước}} - 1$$
  • Hệ số sử dụng tiền gửi ($K_{\text{sd}}$): $$K_{\text{sd}} = \frac{\text{Dư nợ cho vay bình quân trong năm}}{\text{Tổng vốn tiền gửi huy động bình quân}}$$

Phương pháp nghiên cứu

Quy trình nghiên cứu áp dụng phương pháp hỗn hợp (Mixed Methods):

  1. Nghiên cứu định tính: Phỏng vấn sâu chuyên gia quản lý nguồn vốn tại BIDV Thừa Thiên Huế và khảo sát thử nghiệm để hiệu chỉnh bảng hỏi (22 biến quan sát).
  2. Nghiên cứu định lượng: Phát bảng câu hỏi trực tiếp và trực tuyến đến khách hàng cá nhân có mã định danh CIF đang giao dịch tại Chi nhánh.
  3. Quy trình xử lý dữ liệu: Làm sạch dữ liệu $\rightarrow$ Kiểm định độ tin cậy Cronbach’s Alpha ($\alpha \ge 0.6$, Corrected Item-Total Correlation $\ge 0.3$) $\rightarrow$ Phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Sig. Bartlett $\le 0.05$, Eigenvalue $> 1$, Factor Loading $> 0.5$) $\rightarrow$ Kiểm định tương quan Pearson $\rightarrow$ Phân tích hồi quy OLS và kiểm tra vi phạm giả định (Đa cộng tuyến VIF, P-P plot phần dư).

Triển khai và kết quả thực nghiệm

Quy trình xử lý và phân tích dữ liệu

Thuật toán xử lý và kiểm định mô hình được chuẩn hóa theo mã phân tích thống kê (tương đương cú pháp SPSS / Python Statsmodels):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Load và chuẩn hóa dữ liệu khảo sát KHCN (N=200 mẫu hợp lệ)
def evaluate_banking_model(df):
    feature_cols = ['SP_Mean', 'LS_Mean', 'NV_Mean', 'CS_Mean', 'ML_Mean', 'TH_Mean']
    X = df[feature_cols]
    y = df['QD_Mean']
    
    # Bổ sung hằng số (intercept)
    X_with_const = sm.add_constant(X)
    
    # 2. Ước lượng mô hình hồi quy đa biến OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # 3. Kiểm định hiện tượng Đa cộng tuyến (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = feature_cols
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(feature_cols))]
    
    return model.summary(), vif_data

# Giả lập pipeline xác thực các giả thiết
print("=== PIPELINE XÁC THỰC DỮ LIỆU HUY ĐỘNG VỐN DÂN CƯ ===")

Kết quả kiểm định thống kê

Dữ liệu khảo sát sơ cấp sau khi xử lý trên SPSS 20 cho ra các chỉ số kỹ thuật đạt chuẩn:

Nhân tố nghiên cứu Số biến quan sát Cronbach's Alpha ($\alpha$) Hệ số tương quan biến - tổng nhỏ nhất KMO / Sig. Bartlett Trọng số hồi quy chuẩn hóa ($\beta$) Mức ý nghĩa ($p$-value) Hệ số VIF
Lãi suất & phí (LS) 3 0.842 0.612 0.814 / 0.000 0.315 0.000 1.241
Thương hiệu & uy tín (TH) 4 0.876 0.654 0.852 / 0.000 0.284 0.000 1.312
Đội ngũ nhân viên (NV) 3 0.811 0.589 0.795 / 0.000 0.210 0.002 1.189
Chất lượng sản phẩm (SP) 6 0.865 0.598 0.831 / 0.000 0.178 0.008 1.405
Mạng lưới giao dịch (ML) 3 0.789 0.521 0.742 / 0.000 0.125 0.041 1.156
Cơ sở vật chất (CS) 3 0.765 0.495 0.718 / 0.000 0.098 0.082 1.112
               PHẦN DƯ CHUẨN HÓA VÀ KIỂM ĐỊNH MÔ HÌNH
               
  P-P Plot: Điểm quan sát bám sát đường hồi quy chuẩn 45 độ
  1.0 +                                              * *
      |                                        *  *
      |                                  *  *
      |                            *  *
  0.5 +                      *  *
      |                *  *
      |          *  *
  0.0 +    *  *
      +----+----+----+----+----+----+----+----+----+----+
     0.0                 0.5                 1.0
  Kết luận: Phần dư có phân phối chuẩn, R² điều chỉnh = 0.628, F-test p < 0.001

Đánh giá kết quả đạt được tại BIDV Thừa Thiên Huế

  1. Quy mô và tốc độ tăng trưởng: Tổng nguồn vốn HĐV dân cư giai đoạn 2016–2018 duy trì mức tăng bình quân từ 12.5% đến 15.8%/năm, chiếm trên 65% tổng nguồn vốn huy động toàn chi nhánh.
  2. Cơ cấu sản phẩm: Tiền gửi tiết kiệm có kỳ hạn bằng VNĐ vẫn là thành phần chủ chốt (chiếm >82%), trong khi tiền gửi ngoại tệ (USD) có xu hướng giảm tỷ trọng do chính sách trần lãi suất 0% của NHNN.
  3. Mức độ ảnh hưởng thực nghiệm: Hai nhân tố có tác động mạnh mẽ nhất đến quyết định gửi tiền của người dân cố đô là Chính sách lãi suất ($\beta = 0.315$) và Uy tín thương hiệu BIDV ($\beta = 0.284$).

Đổi mới và đóng góp khoa học

  • Định lượng hóa hành vi tài chính địa phương: Khóa luận đã chuyển hóa các nhận định cảm tính về lòng tin khách hàng thành các hệ số kinh tế lượng cụ thể, phản ánh đúng đặc thù tâm lý chuộng an toàn và ổn định của người dân khu vực Thừa Thiên Huế.
  • So sánh cải tiến chiến lược với đối thủ:
Giải pháp Mô hình truyền thống Mô hình cải tiến đề xuất cho BIDV
Cấu trúc kỳ hạn Cố định 1, 3, 6, 12, 24 tháng Tích hợp kỳ hạn lẻ theo ngày, rút gốc từng phần bảo toàn lãi
Định giá lãi suất Biểu lãi suất phẳng (Flat rate) Lãi suất bậc thang lũy tiến theo số dư tiền gửi CIF
Quản lý quan hệ khách hàng Phục vụ đơn lẻ tại quầy giao dịch Phân loại phân khúc tự động trên Core Banking kết hợp bán chéo
  • Hiệu quả tối ưu hóa: Việc áp dụng mô hình sản phẩm tiền gửi bậc thang giúp tăng khả năng giữ chân dòng vốn nhàn rỗi trung hạn thêm 18.5%, giảm thiểu rủi ro rút vốn đột ngột (Run on bank) và cải thiện hệ số thanh khoản an toàn.

Ứng dụng thực tế và kế hoạch triển khai

Kịch bản ứng dụng

  • Kịch bản 1 - Dân cư nhận lương hưu và cán bộ công chức: Triển khai gói tiết kiệm tích lũy định kỳ tự động trích từ tài khoản thanh toán, liên kết dịch vụ bảo hiểm y tế và chăm sóc sức khỏe.
  • Kịch bản 2 - Hộ kinh doanh và tiểu thương: Triển khai gói tiền gửi thanh toán thông minh với tính năng tự động chuyển số dư nhàn rỗi cuối ngày sang tiền gửi qua đêm sinh lời tối ưu.
GIAI ĐOẠN TRIỂN KHAI HOÀN THIỆN CÔNG TÁC HUY ĐỘNG VỐN DÂN CƯ (2020 - 2025)

[2020 - 2021] Tái cấu trúc chính sách Lãi suất & Đào tạo chuyên sâu đội ngũ
       |
       v
[2021 - 2023] Nâng cấp trải nghiệm BIDV SmartBanking & Mở rộng PGD vùng ven (Hương Thủy, Hương Trà, Phú Vang)
       |
       v
[2023 - 2025] Tích hợp AI/Big Data phân tích hành vi CIF & Hệ sinh thái tài chính số toàn diện

Phân tích chi phí - lợi ích (ROI Projections)

  • Chi phí đầu tư: Dự toán ngân sách dành cho truyền thông marketing địa phương, nâng cấp hạ tầng quầy giao dịch và trang bị thêm 15 máy ATM/CRM thế hệ mới ước tính khoảng 3.2 tỷ VNĐ trong 3 năm.
  • Lợi ích kinh tế: Gia tăng quy mô vốn huy động bán lẻ thêm 22-25%, giảm tỷ lệ chi phí vốn bình quân (COF) từ 0.35% - 0.50%/năm thông qua việc nâng cao tỷ lệ tiền gửi không kỳ hạn (CASA), gia tăng lợi nhuận sau thuế của chi nhánh tối thiểu 14%/năm.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật:
    • Phạm vi dữ liệu sơ cấp tập trung tại thành phố Huế và một số thị xã lân cận ($N = 200$), chưa bao quát toàn bộ vùng sâu, vùng xa của tỉnh.
    • Mô hình hồi quy OLS giải thích được 62.8% sự biến thiên ($R^2_{\text{adj}} = 0.628$), còn 37.2% chịu tác động bởi các yếu tố kinh tế vĩ mô chưa được đưa vào mô hình (lạm phát, biến động bất động sản, thị trường vàng).
  • Hướng phát triển tương lai:
    • Mở rộng ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để đánh giá các biến trung gian như "Lòng trung thành" và "Sự hài lòng".
    • Tích hợp công nghệ học máy (Machine Learning) trên cơ sở dữ liệu lớn để chấm điểm tín nhiệm và tự động gợi ý gói sản phẩm tiết kiệm cá nhân hóa (Recommendation Systems).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Khung tham chiếu chuẩn mực về phương pháp kết hợp phân tích báo cáo tài chính thứ cấp với kỹ thuật phân tích thống kê định lượng SPSS.
  • Cán bộ quản lý & Nhân viên ngân hàng (BIDV, NHTM): Bộ giải pháp thực thi về chính sách định giá lãi suất, chăm sóc khách hàng CIF và quản trị xung đột kênh bán.
  • Khách hàng dân cư (KHCN): Tiếp cận các sản phẩm gửi tiền đa dạng, an toàn, sinh lời tối đa với thủ tục tinh gọn trên kênh số và quầy.
  • Nhà nghiên cứu kinh tế ứng dụng: Bộ thang đo và dữ liệu thực nghiệm đã được kiểm định độ tin cậy để tiếp tục phát triển các đề tài liên quan đến tài chính vi mô và ngân hàng bán lẻ.

Câu hỏi thường gặp

  1. Vì sao tiền gửi dân cư được xem là nguồn vốn có tính ổn định cao nhất của NHTM? Nguồn vốn dân cư xuất phát từ nhu cầu tích lũy tài sản và hưởng lãi an toàn của hàng nghìn cá nhân nhỏ lẻ. Do phân tán rủi ro trên số lượng khách hàng lớn (tệp CIF rộng), dòng tiền này không bị biến động đột ngột như các khoản tiền gửi thanh toán quy mô lớn của các tổng công ty hay tổ chức kinh tế.

  2. Hệ số sử dụng tiền gửi ($K_{\text{sd}}$) phản ánh điều gì đối với hiệu quả kinh doanh của chi nhánh? $K_{\text{sd}}$ thể hiện tỷ lệ chuyển hóa giữa vốn huy động đầu vào thành dư nợ tín dụng sinh lời đầu ra. Nếu $K_{\text{sd}} \to 1$ trong điều kiện bảo đảm an toàn dự trữ bắt buộc và thanh khoản, chi nhánh đang tối ưu hóa hiệu suất sinh lời của vốn, tránh tình trạng ứ đọng vốn gây lãng phí chi phí lãi.

  3. Hiện tượng đa cộng tuyến trong mô hình định lượng HĐV được kiểm soát như thế nào? Thông qua chỉ số hệ số phóng đại phương sai (VIF - Variance Inflation Factor). Trong nghiên cứu này, toàn bộ các biến độc lập đều có hệ số $\text{VIF} < 2$ (ngưỡng an toàn là $< 10$, thực hành tốt là $< 2$), chứng minh các yếu tố giải thích không bị trùng lặp thông tin.

  4. Ngân hàng cần làm gì khi khách hàng muốn rút tiền trước hạn đối với gói tiết kiệm có kỳ hạn? Quy chế tiền gửi tiết kiệm quy định nếu rút trước hạn, toàn bộ khoản tiền sẽ chỉ được áp dụng mức lãi suất không kỳ hạn (thường rất thấp, 0.1% - 0.2%/năm). Giải pháp cải tiến là cung cấp tính năng "Rút gốc từng phần", cho phép khách hàng rút một phần vốn cần thiết chịu lãi không kỳ hạn, phần còn lại tiếp tục được duy trì hưởng lãi suất có kỳ hạn ban đầu.

  5. Chuyển đổi số (Digital Banking) có thể thay thế hoàn toàn mạng lưới phòng giao dịch vật lý tại Thừa Thiên Huế không? Không thể thay thế hoàn toàn. Mặc dù kênh số hóa giúp tiết kiệm chi phí vận hành và phục vụ nhóm khách hàng trẻ, một bộ phận lớn dân cư lớn tuổi hoặc khu vực nông thôn vẫn duy trì thói quen giao dịch trực tiếp tại quầy do yêu cầu về tính xác thực vật lý của sổ tiết kiệm và sự tương tác tư vấn trực tiếp từ nhân viên.


Kết luận

Khóa luận tốt nghiệp "Đẩy mạnh hoạt động huy động vốn dân cư tại Ngân hàng TMCP Đầu tư và Phát triển Việt Nam Chi nhánh Thừa Thiên Huế" của tác giả Hoàng Ngô Bình Nguyên đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Bằng việc kết hợp chặt chẽ giữa lý luận ngân hàng hiện đại và dữ liệu thực nghiệm được xử lý bằng các công cụ kinh tế lượng tiêu chuẩn, công trình không chỉ cung cấp một bức tranh toàn diện về thực trạng nguồn vốn giai đoạn 2016–2018 mà còn mở ra định hướng giải pháp chiến lược khả thi. Việc thực thi đồng bộ các giải pháp về lãi suất linh hoạt, chuyển đổi số dịch vụ bán lẻ và chuẩn hóa văn hóa phục vụ sẽ là đòn bẩy vững chắc giúp BIDV Thừa Thiên Huế giữ vững vị thế dẫn đầu thị phần huy động vốn trên địa bàn đến năm 2025.