Nghiên cứu ứng dụng Business Intelligence trong thẩm định tài sản bảo đảm của ngân hàng

Khám phá ứng dụng công nghệ thông tin và bi business intelligence trong thẩm định tài sản bảo đảm tại ngân hàng qua luận văn thạc sĩ.

• Tác giả: Cao Thị Vân Anh
• Người hướng dẫn: PGS. Trương Ninh Thuận
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Ứng Dụng Business Intelligence Trong Thẩm Định Tài Sản Ngân Hàng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT
• 1.1. Giới thiệu về Trí tuệ nghiệp vụ (Business Intelligence)
• 1.2. Kiến trúc và thành phần của BI
• 1.3. Chu kỳ của một phân tích BI
• 1.4. Phát triển một hệ thống BI
• 2. CHƯƠNG 2: BÀI TOÁN ỨNG DỤNG BI TRONG HỖ TRỢ THẨM ĐỊNH TÀI SẢN BẢO ĐẢM CỦA NGÂN HÀNG
• 2.1. Ứng dụng của BI trong lĩnh vực ngân hàng
• 2.2. Công nghệ BI trong các hoạt động ngân hàng
• 2.3. Một số ứng dụng BI trong lĩnh vực ngân hàng
• 2.4. Bài toán thẩm định tài sản bảo đảm trong hệ thống ngân hàng
• 2.5. Giới thiệu về thẩm định tài sản bảo đảm
• 2.6. Quy trình thẩm định giá tài sản bảo đảm
• 2.7. Phương pháp so sánh trực tiếp trong bước định giá giá trị của tài sản
• 3. CHƯƠNG 3: PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG BI HỖ TRỢ THẨM ĐỊNH TÀI SẢN BẢO ĐẢM TRONG NGÂN HÀNG
• 3.1. Phát biểu bài toán
• 3.2. Áp dụng thuật toán K-Nearest Neighbors (KNN) và thuật toán hồi quy tuyến tính đa biến trong quyết định giá
• 3.3. Sử dụng thuật toán K-Nearest Neighbors (KNN) để dự đoán giá trị tài sản thẩm định
• 3.4. Dự đoán giá trị tài sản qua phương pháp hồi quy tuyến tính đa biến
• 3.5. Kết hợp thuật toán KNN và hồi quy tuyến tính đa biến
• 3.6. Thiết kế ứng dụng
• 3.6.1. Module Thẩm định tài sản
• 3.7. Xây dựng và triển khai
• 3.7.1. Xây dựng Database
• 3.7.2. Xây dựng mô hình ứng dụng
• 4. CHƯƠNG 4: CÀI ĐẶT VÀ KẾT QUẢ
• 4.1. Chức năng quản lý thông tin hồ sơ thẩm định
• 4.2. Chức năng Cập nhật thông tin chung của hồ sơ
• 4.3. Cập nhật thông tin pháp lý của hồ sơ
• 4.4. Cập nhật thông tin tài sản bảo đảm
• 4.5. Cập nhật thông tin kết luận của báo cáo thẩm định
• 4.6. Thuyết minh giá
• 4.7. So sánh kết quả thực nghiệm trên Web thẩm định và phần mềm Weka
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về Business Intelligence

Business Intelligence (BI) là một giải pháp công nghệ quan trọng trong việc khai thác và phân tích dữ liệu từ nhiều nguồn khác nhau. Mục tiêu chính của BI là chuyển đổi dữ liệu thành thông tin hữu ích, hỗ trợ cho việc ra quyết định trong các tổ chức, đặc biệt là trong lĩnh vực ngân hàng. Hệ thống BI giúp các ngân hàng tối ưu hóa quy trình thẩm định tài sản, từ đó nâng cao hiệu quả kinh doanh và giảm thiểu rủi ro. Theo một nghiên cứu, việc áp dụng BI trong ngân hàng có thể giúp cải thiện đáng kể khả năng phân tích và ra quyết định, từ đó tạo ra giá trị gia tăng cho tổ chức. Việc sử dụng các công nghệ như Data Warehouse và Data Mining trong BI cho phép ngân hàng lưu trữ và phân tích dữ liệu lớn, từ đó đưa ra các quyết định chính xác hơn trong việc thẩm định tài sản.

1.1. Kiến trúc và thành phần của BI

Kiến trúc của BI bao gồm ba thành phần chính: nguồn dữ liệu, kho dữ liệu và các phương pháp phân tích. Nguồn dữ liệu được thu thập từ nhiều hệ thống khác nhau, bao gồm cả dữ liệu phi cấu trúc. Kho dữ liệu (Data Warehouse) là nơi lưu trữ dữ liệu đã được chuẩn hóa và tích hợp, phục vụ cho việc phân tích. Các phương pháp phân tích trong BI bao gồm khai thác dữ liệu, phân tích dữ liệu thăm dò và tối ưu hóa. Việc áp dụng các phương pháp này giúp ngân hàng có thể đưa ra các quyết định chính xác hơn trong việc thẩm định tài sản, từ đó nâng cao hiệu quả hoạt động.

II. Ứng dụng BI trong thẩm định tài sản ngân hàng

Trong lĩnh vực ngân hàng, việc thẩm định tài sản là một quy trình phức tạp và quan trọng. BI cung cấp các công cụ và phương pháp hỗ trợ cho quy trình này, giúp các chuyên viên thẩm định đưa ra quyết định chính xác hơn. Việc áp dụng BI trong thẩm định tài sản bảo đảm cho phép ngân hàng khai thác dữ liệu lịch sử, từ đó tìm ra các tài sản so sánh có các yếu tố tương đồng. Điều này không chỉ giúp tiết kiệm thời gian mà còn nâng cao độ chính xác trong việc định giá tài sản. Một nghiên cứu cho thấy rằng việc sử dụng BI trong thẩm định tài sản có thể giảm thiểu rủi ro và tăng cường khả năng cạnh tranh của ngân hàng trên thị trường.

2.1. Quy trình thẩm định tài sản bảo đảm

Quy trình thẩm định tài sản bảo đảm trong ngân hàng bao gồm nhiều bước, từ việc thu thập thông tin đến việc phân tích và đưa ra quyết định. BI hỗ trợ trong việc tự động hóa các bước này, giúp giảm thiểu sai sót và tăng cường hiệu quả. Các chuyên viên thẩm định có thể sử dụng các công cụ phân tích để đánh giá giá trị tài sản một cách nhanh chóng và chính xác. Việc áp dụng các phương pháp hồi quy trong BI cũng giúp cải thiện khả năng dự đoán giá trị tài sản, từ đó hỗ trợ cho việc ra quyết định trong quá trình thẩm định.

III. Phân tích và thiết kế hệ thống BI hỗ trợ thẩm định tài sản

Việc thiết kế một hệ thống BI hỗ trợ thẩm định tài sản bảo đảm trong ngân hàng đòi hỏi sự kết hợp giữa công nghệ và quy trình nghiệp vụ. Hệ thống này cần phải tích hợp các nguồn dữ liệu khác nhau và cung cấp các công cụ phân tích mạnh mẽ. Việc áp dụng các thuật toán như K-Nearest Neighbors (KNN) và hồi quy tuyến tính đa biến trong hệ thống BI giúp cải thiện độ chính xác trong việc dự đoán giá trị tài sản. Hệ thống cũng cần phải được thiết kế để dễ dàng sử dụng cho các chuyên viên thẩm định, đặc biệt là những người chưa có nhiều kinh nghiệm. Điều này sẽ giúp họ đưa ra quyết định chính xác hơn và nâng cao hiệu quả công việc.

3.1. Thiết kế ứng dụng thẩm định tài sản

Thiết kế ứng dụng thẩm định tài sản trong hệ thống BI cần phải đảm bảo tính linh hoạt và dễ sử dụng. Ứng dụng này nên bao gồm các chức năng như quản lý hồ sơ thẩm định, cập nhật thông tin tài sản và lập báo cáo thẩm định. Việc tích hợp các công nghệ mới như ETL (Extract, Transform, Load) sẽ giúp thu thập và xử lý dữ liệu một cách hiệu quả. Hệ thống cũng cần phải có khả năng tạo ra các báo cáo phân tích để hỗ trợ cho việc ra quyết định của các chuyên viên thẩm định.

IV. Kết quả và hướng phát triển

Kết quả của việc áp dụng BI trong thẩm định tài sản ngân hàng đã cho thấy những cải thiện rõ rệt trong quy trình làm việc. Hệ thống BI không chỉ giúp nâng cao độ chính xác trong việc định giá tài sản mà còn giảm thiểu thời gian xử lý hồ sơ. Hướng phát triển trong tương lai có thể bao gồm việc mở rộng các tính năng của hệ thống, tích hợp thêm các công nghệ mới và cải thiện khả năng phân tích dữ liệu. Việc này sẽ giúp ngân hàng tiếp tục nâng cao hiệu quả hoạt động và đáp ứng tốt hơn nhu cầu của khách hàng.

4.1. Hướng phát triển hệ thống BI

Hệ thống BI cần được phát triển theo hướng tích hợp các công nghệ mới như trí tuệ nhân tạo và học máy. Việc này sẽ giúp cải thiện khả năng phân tích và dự đoán giá trị tài sản. Đồng thời, ngân hàng cũng cần chú trọng đến việc đào tạo nhân viên để họ có thể sử dụng hiệu quả các công cụ trong hệ thống BI. Điều này không chỉ giúp nâng cao hiệu quả công việc mà còn tạo ra giá trị gia tăng cho ngân hàng trong bối cảnh cạnh tranh ngày càng khốc liệt.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh hoạt động ngân hàng ngày càng phức tạp và cạnh tranh gay gắt, việc thẩm định tài sản bảo đảm (TSBĐ) trở thành một khâu quan trọng nhằm kiểm soát rủi ro tín dụng và đảm bảo hiệu quả kinh tế. Theo ước tính, các ngân hàng tại Việt Nam đang quản lý hàng nghìn hồ sơ thẩm định tài sản mỗi năm, trong đó tài sản bảo đảm chủ yếu là bất động sản, động sản, hàng hóa và phương tiện. Quá trình thẩm định tài sản đòi hỏi sự chính xác cao trong việc định giá nhằm đảm bảo nguồn vốn cho vay được bảo toàn và sinh lời. Tuy nhiên, việc thu thập, xử lý và phân tích dữ liệu thẩm định truyền thống còn nhiều hạn chế, đặc biệt với các chuyên viên thẩm định chưa có nhiều kinh nghiệm.

Luận văn tập trung nghiên cứu ứng dụng Trí tuệ nghiệp vụ (Business Intelligence - BI) trong bài toán thẩm định tài sản bảo đảm của ngân hàng, nhằm hỗ trợ cán bộ thẩm định ra quyết định giá chính xác và nhanh chóng hơn. Nghiên cứu được thực hiện trong phạm vi các hồ sơ thẩm định tài sản bất động sản tại khu vực Hà Nội trong vòng 6 tháng gần đây, với mục tiêu xây dựng hệ thống BI tích hợp các phương pháp khai phá dữ liệu như K-Nearest Neighbors (KNN) và hồi quy tuyến tính đa biến để dự đoán giá trị tài sản. Kết quả nghiên cứu có ý nghĩa thiết thực trong việc nâng cao chất lượng thẩm định, giảm thiểu rủi ro tín dụng và tối ưu hóa quy trình nghiệp vụ ngân hàng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba nền tảng lý thuyết chính:

1. Business Intelligence (BI): Là hệ thống công nghệ khai thác và phân tích dữ liệu từ nhiều nguồn khác nhau, nhằm hỗ trợ ra quyết định kinh doanh hiệu quả. BI bao gồm các thành phần như nguồn dữ liệu, kho dữ liệu (Data Warehouse), công cụ ETL (Extract, Transform, Load), và các phương pháp phân tích dữ liệu đa chiều, khai phá dữ liệu (Data Mining).

2. Data Warehouse (Kho dữ liệu): Là nơi lưu trữ dữ liệu tích hợp, có tính lịch sử và ổn định, được tổ chức theo mô hình đa chiều với bảng cắt lớp (dimension tables) và bảng sự kiện (fact tables). Kho dữ liệu hỗ trợ truy vấn nhanh và phân tích dữ liệu phức tạp phục vụ cho BI.

3. Khai phá dữ liệu (Data Mining): Quá trình phân tích dữ liệu lớn để phát hiện các mẫu, quy luật và dự đoán giá trị tương lai. Luận văn sử dụng hai thuật toán chính: K-Nearest Neighbors (KNN) để tìm kiếm tài sản so sánh tương đồng và hồi quy tuyến tính đa biến để ước lượng giá trị tài sản dựa trên các yếu tố ảnh hưởng.

Các khái niệm chuyên ngành được sử dụng bao gồm: tài sản bảo đảm (TSBĐ), tài sản so sánh (TSSS), hồ sơ thẩm định (HS TĐ), ETL, OLAP, và các thuật toán khai phá dữ liệu.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ 110 hồ sơ thẩm định tài sản bất động sản tại Hà Nội trong 6 tháng gần đây, bao gồm các thuộc tính như diện tích, chiều rộng, chiều sâu, mặt đường, loại đất, hướng đất, tình trạng pháp lý, cơ sở hạ tầng, tọa độ địa lý. Dữ liệu được tiền xử lý, chuẩn hóa và chuyển đổi sang dạng số để phù hợp với thuật toán khai phá dữ liệu.

Phương pháp phân tích gồm:

• Trích chọn thuộc tính: Sử dụng phần mềm Weka với thuật toán Interestingness score và GreedyStepwise để xác định các thuộc tính quan trọng ảnh hưởng đến giá trị tài sản.

• Thuật toán K-Nearest Neighbors (KNN): Xác định k tài sản so sánh gần nhất dựa trên khoảng cách Euclidean giữa các thuộc tính định lượng.

• Hồi quy tuyến tính đa biến: Xây dựng mô hình dự báo giá trị tài sản dựa trên các biến độc lập như chiều rộng, chiều sâu, mặt ngõ, hướng đất.

Timeline nghiên cứu kéo dài trong năm 2017, bao gồm các giai đoạn thu thập dữ liệu, tiền xử lý, phân tích, thiết kế hệ thống BI, cài đặt và thử nghiệm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Trích chọn thuộc tính quan trọng: Qua phân tích dữ liệu 110 hồ sơ bất động sản, 9 thuộc tính được giữ lại và xếp hạng theo mức độ ảnh hưởng gồm: lợi thế kinh doanh, loại đất, tình trạng pháp lý, hướng đất, mặt đường, cơ sở hạ tầng, chiều rộng, chiều sâu, vị trí. Lợi thế kinh doanh và loại đất là hai yếu tố có ảnh hưởng lớn nhất.

2. Hiệu quả thuật toán KNN trong tìm kiếm tài sản so sánh: Với k=3, thuật toán KNN xác định được 3 tài sản gần giống nhất với tài sản thẩm định dựa trên các yếu tố định lượng. Ví dụ, khoảng cách Euclidean giữa tài sản thẩm định và các tài sản so sánh gần nhất dao động từ 0.7 đến 1.2, giúp chuyên viên thẩm định lựa chọn tài sản tham chiếu phù hợp.

3. Mô hình hồi quy tuyến tính đa biến: Mô hình hồi quy với các biến chiều rộng, chiều sâu, mặt ngõ và hướng đất giải thích được 84,4% biến thiên giá trị tài sản (R² = 0.844). Trong đó, chiều rộng có ảnh hưởng lớn nhất với hệ số hồi quy chuẩn hóa cao nhất và p-value = 0.019, cho thấy mức độ ý nghĩa thống kê cao. Giá trị sai số chuẩn ước lượng khoảng 632 triệu đồng.

4. So sánh hai phương pháp KNN và hồi quy tuyến tính: KNN đơn giản, phù hợp cho việc tìm kiếm tài sản so sánh nhưng chưa tối ưu trong dự đoán giá trị chính xác. Hồi quy tuyến tính cho kết quả dự đoán giá trị tài sản tốt hơn nhưng cần dữ liệu sạch và xử lý các biến định tính. Việc kết hợp hai phương pháp giúp nâng cao độ chính xác và tính thực tiễn trong thẩm định.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy việc ứng dụng BI và các thuật toán khai phá dữ liệu vào bài toán thẩm định tài sản bảo đảm có thể cải thiện đáng kể hiệu quả và độ chính xác của quá trình định giá. Việc trích chọn thuộc tính giúp giảm thiểu dữ liệu nhiễu, tập trung vào các yếu tố ảnh hưởng thực sự đến giá trị tài sản. Thuật toán KNN hỗ trợ chuyên viên nhanh chóng tìm ra các tài sản so sánh tương đồng, giảm thời gian tìm kiếm thủ công.

Mô hình hồi quy tuyến tính đa biến cung cấp công cụ định lượng để ước lượng giá trị tài sản dựa trên các yếu tố định lượng và định tính đã được chuyển đổi. Mức độ giải thích biến thiên cao (84,4%) cho thấy mô hình phù hợp với dữ liệu thực tế. Tuy nhiên, sai số chuẩn còn khá lớn, phản ánh sự ảnh hưởng của các yếu tố chưa được đưa vào mô hình như vị trí chính xác, an ninh khu vực, giá trị còn lại của tài sản.

So sánh với các nghiên cứu trong ngành tài chính ngân hàng, kết quả phù hợp với xu hướng ứng dụng BI để nâng cao quản lý rủi ro và ra quyết định tín dụng. Việc kết hợp hai thuật toán khai phá dữ liệu giúp khắc phục hạn chế của từng phương pháp riêng lẻ, đồng thời tăng tính linh hoạt và độ tin cậy của hệ thống thẩm định.

Dữ liệu và kết quả có thể được trình bày qua các biểu đồ phân tích thuộc tính quan trọng, bảng so sánh khoảng cách KNN, biểu đồ hồi quy tuyến tính và bảng so sánh giá trị thực tế với giá trị dự đoán, giúp người dùng dễ dàng theo dõi và đánh giá.

Đề xuất và khuyến nghị

1. Triển khai hệ thống BI hỗ trợ thẩm định tài sản bảo đảm: Xây dựng và vận hành phần mềm tích hợp module ETL và module thẩm định tài sản, nhằm tự động hóa thu thập, xử lý và phân tích dữ liệu thẩm định. Mục tiêu giảm 30% thời gian xử lý hồ sơ trong vòng 12 tháng, do phòng công nghệ thông tin ngân hàng chủ trì.

2. Đào tạo chuyên viên thẩm định sử dụng công cụ BI: Tổ chức các khóa đào tạo về ứng dụng BI, thuật toán KNN và hồi quy tuyến tính cho cán bộ thẩm định, đặc biệt là nhân viên mới. Mục tiêu nâng cao năng lực phân tích và ra quyết định chính xác, giảm sai sót định giá xuống dưới 5% trong 6 tháng.

3. Mở rộng dữ liệu và cập nhật liên tục: Thiết lập quy trình thu thập dữ liệu thẩm định từ các chi nhánh và đối tác, đảm bảo kho dữ liệu luôn cập nhật mới nhất. Mục tiêu tăng dung lượng dữ liệu lên 50% mỗi năm, giúp mô hình dự báo ngày càng chính xác hơn.

4. Nâng cao mô hình dự báo giá trị tài sản: Nghiên cứu bổ sung các yếu tố ảnh hưởng khác như vị trí địa lý chi tiết, an ninh khu vực, giá trị còn lại của tài sản vào mô hình hồi quy. Thực hiện đánh giá và hiệu chỉnh mô hình định kỳ mỗi 6 tháng để cải thiện độ chính xác dự báo.

Đối tượng nên tham khảo luận văn

1. Chuyên viên thẩm định tài sản ngân hàng: Hỗ trợ nâng cao kỹ năng định giá tài sản bảo đảm, sử dụng công cụ BI để ra quyết định nhanh và chính xác hơn, đặc biệt với các nhân viên mới hoặc chưa có nhiều kinh nghiệm.

2. Quản lý rủi ro tín dụng ngân hàng: Áp dụng kết quả nghiên cứu để xây dựng hệ thống cảnh báo sớm, kiểm soát rủi ro tín dụng dựa trên dữ liệu thẩm định tài sản, từ đó giảm thiểu nợ xấu và tổn thất tài chính.

3. Chuyên gia công nghệ thông tin trong lĩnh vực tài chính: Tham khảo mô hình thiết kế hệ thống BI, phương pháp xử lý dữ liệu và thuật toán khai phá dữ liệu để phát triển các giải pháp công nghệ hỗ trợ nghiệp vụ ngân hàng.

4. Nghiên cứu sinh và học viên cao học ngành Công nghệ thông tin, Tài chính Ngân hàng: Tìm hiểu ứng dụng thực tiễn của BI và data mining trong lĩnh vực tài chính, làm cơ sở cho các nghiên cứu tiếp theo về phân tích dữ liệu và hỗ trợ ra quyết định.

Câu hỏi thường gặp

1. Business Intelligence (BI) là gì và tại sao quan trọng trong thẩm định tài sản?
   BI là hệ thống công nghệ khai thác và phân tích dữ liệu từ nhiều nguồn để hỗ trợ ra quyết định kinh doanh. Trong thẩm định tài sản, BI giúp tổng hợp dữ liệu lịch sử, phân tích các yếu tố ảnh hưởng và dự đoán giá trị tài sản chính xác hơn, giảm thiểu rủi ro và nâng cao hiệu quả công việc.

2. Thuật toán K-Nearest Neighbors (KNN) hoạt động như thế nào trong bài toán thẩm định?
   KNN xác định các tài sản so sánh gần nhất dựa trên khoảng cách Euclidean giữa các thuộc tính định lượng của tài sản cần thẩm định và các tài sản đã được định giá trước đó. Giá trị tài sản dự đoán là trung bình giá trị của k tài sản gần nhất, giúp chuyên viên lựa chọn tài sản tham chiếu phù hợp.

3. Hồi quy tuyến tính đa biến được áp dụng ra sao để dự đoán giá trị tài sản?
   Phương pháp này xây dựng mô hình dự báo giá trị tài sản dựa trên các biến độc lập như chiều rộng, chiều sâu, mặt ngõ, hướng đất. Các hệ số hồi quy thể hiện mức độ ảnh hưởng của từng yếu tố đến giá trị tài sản, từ đó ước lượng giá trị tài sản một cách định lượng.

4. Làm thế nào để kết hợp hiệu quả hai phương pháp KNN và hồi quy tuyến tính?
   KNN được sử dụng để tìm ra các tài sản so sánh tương đồng nhất, tạo tập dữ liệu sạch và phù hợp. Sau đó, hồi quy tuyến tính đa biến được áp dụng trên tập dữ liệu này để xác định tỷ lệ điều chỉnh giá và ước lượng giá trị tài sản chính xác hơn, tận dụng ưu điểm của cả hai phương pháp.

5. Hệ thống BI hỗ trợ thẩm định tài sản có thể giúp giảm thiểu rủi ro tín dụng như thế nào?
   Hệ thống BI cung cấp công cụ phân tích dữ liệu lịch sử, dự báo giá trị tài sản và cảnh báo các bất thường trong hồ sơ thẩm định. Điều này giúp ngân hàng đánh giá chính xác hơn giá trị tài sản bảo đảm, từ đó giảm nguy cơ cho vay vượt giá trị thực và hạn chế nợ xấu.

Kết luận

• Luận văn đã xây dựng thành công hệ thống BI ứng dụng trong thẩm định tài sản bảo đảm ngân hàng, tích hợp các thuật toán KNN và hồi quy tuyến tính đa biến.
• Mô hình dự báo giá trị tài sản giải thích được 84,4% biến thiên giá trị, với chiều rộng là yếu tố ảnh hưởng lớn nhất.
• Việc kết hợp hai phương pháp khai phá dữ liệu giúp nâng cao độ chính xác và tính thực tiễn trong quy trình thẩm định.
• Hệ thống BI hỗ trợ giảm thời gian xử lý hồ sơ, nâng cao hiệu quả quản lý và kiểm soát rủi ro tín dụng.
• Đề xuất triển khai hệ thống, đào tạo nhân viên và mở rộng dữ liệu nhằm phát huy tối đa lợi ích nghiên cứu trong thực tế.

Next steps: Triển khai thử nghiệm hệ thống tại một số chi nhánh ngân hàng trong 6 tháng tới, thu thập phản hồi và hiệu chỉnh mô hình. Kêu gọi các chuyên gia và nhà quản lý ngân hàng hợp tác phát triển giải pháp công nghệ thông tin trong lĩnh vực thẩm định tài sản bảo đảm.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1. Giới thiệu về Trí tuệ nghiệp vụ (Business Intelligence) 1. Khái niệm Trí tuệ nghiệp vụ (BI) là một giải pháp công nghệ khai thác dữ liệu từ các nguồn dữ liệu khác nhau, từ các hệ thống tác nghiệp khác nhau, thông qua các mô hình toán học, các kỹ thuật khai phá dữ liệu để xử lý thành các thông tin hữu ích nhằm hỗ trợ ra quyết định kinh doanh hiệu quả. [13] Mục đích của hệ thống BI là biến đổi dữ liệu từ kho dữ liệu hoặc khối dữ liệu chủ đề thành các thông tin và tri thức hữu ích, thông qua các ứng dụng mô hình toán học và các thuật toán.

Từ việc tổng hợp và phân tích thông tin tri thức, doanh nghiệp có thể đưa ra được các chiến lược, hành động hiệu quả. Việc áp dụng các hệ thống BI là một cách tiếp cận hợp lý và khoa học của các doanh nghiệp và các tổ chức phức tạp trong vấn đề quản lý. Ví dụ: Doanh nghiệp có thể dựa trên một bảng tính để dự đoán sự biến động của lãi suất ảnh hưởng đến ngân sách như thế nào. Điều này sẽ thúc đẩy họ tạo ra một thể hiện mới về các dòng phát triển của tài chính.

Cách tiếp cận điển hình của các nhà phân tích BI có thể được tóm tắt như sau: - Bước 1: Cần xác định các mục tiêu của phân tích và các chỉ số sẽ được sử dụng để đánh giá các lựa chọn thay thế đã được xác định. - Bước 2: Phát triển các mô tình toán học bằng cách khai thác các mối quan hệ giữa các biến điều khiển hệ thống, các tham số và các chỉ số đánh giá. - Cuối cùng: Phân tích, đánh giá tính hiệu quả của hiệu suất được xác định bởi các biến điều khiển và các tham số thay đổi. Kiến trúc và thành phần của BI Kiến trúc của BI gồm 3 thành phần chính [13]: - Nguồn dữ liệu (Data sources): Nguồn dữ liệu được thu thập, chuẩn hóa và tích hợp từ nhiều nguồn khác nhau, không đồng nhất về cách tổ chức và loại dữ liệu.

Phần lớn dữ liệu được lấy từ các hệ thống hoạt động của doanh nghiệp, cũng có thể lấy từ tài liệu phi cấu trúc như thư điện tử và các dữ liệu từ các nhà cung cấp bên ngoài. - Kho dữ liệu và khối dữ liệu chủ đề (Data warehouse/Data mart): Sử dụng các công cụ chiết xuất và chuyển đổi dữ liệu được biết đến như công cụ ETL, dữ liệu được tổ chức từ các nguồn khác nhau sẽ được lưu trữ trong các cơ sơ dữ liệu để cung cấp cho việc phân tích trong hệ thống trí tuệ nghiệp vụ. - Các phương pháp luận của BI: Dữ liệu được trích xuất và sử dụng cho các mô hình toán học, các phương pháp phân tích. Nhằm hỗ trợ ra quyết định của doanh Luận văn thạc sĩ Công nghệ thông tin 5 nghiệp.

Trong một hệ thống BI, một vài ứng dụng hỗ trợ ra quyết định sẽ được cài đặt như: o Phân tích cube nhiều chiều. o Phân tích dữ liệu thăm dò. o Phân tích theo chuỗi thời gian. o Các mô hình học máy quy nạp trong khai phá dữ liệu.

o Các mô hình tối ưu hóa. Các thành phần chính trong một hệ thống BI được thể hiện như sau: Quyết định Tối ưu hóa Khai phá dữ liệu Thăm dò dữ liệu Kho dữ liệu/khối dữ liệu Nguồn dữ liệu Dữ liệu từ các hệ thống, tài liệu và dữ liệu mở rộng Hình 1- 1: Các thành phần chính trong một hệ thống BI [13] - Các nguồn dữ liệu và kho dữ liệu/ khối dữ liệu: Là các thành phần chính trong hệ thống BI. Lưu trữ các thông tin hữu ích cho việc khai phá tri thức. - Thăm dò dữ liệu (Data exploration): Bao gồm các công cụ thực hiện việc phân tích một cách bị động như: các hệ thống báo cáo, thống kê.

Người ra quyết định đặt ra các giả thuyết hoặc các tiêu chí trích xuất dữ liệu, sau đó sử dụng công cụ để tìm ra câu trả lời. - Khai phá dữ liệu (Data minning): Bao gồm các phương pháp luận trọng các hoạt động của BI, với mục đích là khai thác thông tin và tri thức từ dữ liệu: Các mô hình toán học để nhận dạng máy, học máy và các công cụ khai phá dữ liệu. Không giống như các công cụ được mô tả ở các tầng trước của kim tự tháp, các mô hình này thuộc loại chủ động hơn, không yêu cầu người ra quyết định xây dựng các giả thuyết và tiêu chí trước. Mục đích là mở rộng tri thức cho các chuyên gia ra quyết định.

Các kỹ thuật có thể được dùng như: phân loại (classification), phân cụm (clustering), phát hiện luật kết hợp (association rule), dự đoán (prediction)… Luận văn thạc sĩ Công nghệ thông tin 6 - Tối ưu hóa (Optimization): Cho phép xác định giải pháp tốt nhất trong một tập các giải pháp đưa ra. - Quyết định (Decisions): Sau khi đã lựa chọn phương án tốt nhất, người sử dụng sẽ đưa ra quyết định cuối cùng. Khi đi từ dưới lên trên kim tự tháp, các hệ thống BI sẽ cần được cung cấc các công cụ hỗ trợ nâng cao hơn theo từng hoạt động. Thậm chí là thay đổi luật và quyền.1 Chu kỳ của một phân tích BI Mỗi phân tích BI sẽ theo một lĩnh vực ứng dụng riêng, phụ thuộc vào mục tiêu của người ra quyết định và các phương pháp phân tích có sẵn.

Tuy nhiên, có thể đưa ra được một chu kỳ lý tưởng đặc trưng cho sự tiến hóa của một phân tích BI điển hình như hình 1-2, mặc dù vẫn tồn tại sự khác biệt dựa trên đặc thù của từng ngữ cảnh cụ thể. Phân tích Đánh giá Nhận thức Quyết định Hình 1- 2: Chu kỳ của phân tích BI [13] Phân tích (Analysis): Trong giai đoạn phân tích, cần phải nhận biết chính xác các vấn đề đang xảy ra. Người quyết định phải tạo một thể hiện ý tưởng của hiện tượng đang được phân tích, bằng cách xác định các nhân tố liên quan nhất. Trong giai đoạn này các phương pháp luận BI sẽ được sử dụng, cho phép các nhà quyết định thực hiện nhanh chóng các dò xét khác nhau, bằng việc đặt ra một số câu hỏi để thu được các phản hồi nhanh chóng thông qua các phương pháp tương tác.

Nhận thức (Insight): Trong giai đoạn thứ hai này cho phép các nhà ra quyết định hiểu một cách sâu và rõ ràng hơn các vấn đề hiện tại, thường ở mức độ nhân quả. Một mặt, việc khai thác tri thức có thể xảy ra theo trực giác của người ra quyết định, dựa trên kinh nghiệm của họ và có thể là trên các thông tin phi cấu trúc có sẵn. Mặt khác, các mô hình học máy quy nạp cũng có thể chứng minh là rất hữu ích trong giai đoạn phân tích này, đặc biệt áp dụng cho dữ liệu có cấu trúc. Luận văn thạc sĩ Công nghệ thông tin 7 Quyết định (Decision): Trong pha thứ ba, tri thức thu được là kết quả của pha nhận thức được chuyển thành các quyết định và thứ tự hành động.

Các phương pháp luận BI cho phép pha phân tích và nhận thức thực hiện nhanh chóng để đưa ra được quyết định hiệu quả hơn và kịp thời phù hợp với các chiến lược ưu tiên của một tổ chức. Vì vậy tổng thời gian thực hiện của chu trình phân tích- quyết định- hành động- sửa đổi sẽ giảm và quá trình ra quyết định sẽ đạt chất lượng tốt hơn. Đánh giá (Evaluation): Cuối cùng là pha thứ tư của chu trình BI liên quan đến phép đo hiệu suất và đánh giá. Các số liệu mở rộng không chỉ giới hạn trong các khía cạnh tài chính mà còn tính đến chỉ số hiệu suất được xác định theo phòng ban khác nhau của công ty.2 Phát triển một hệ thống BI Việc phát triển một hệ thống BI giống như là phát triển một dự án, với một mục tiêu cụ thể, thời gian phát triển và chi phí dự kiến, sử dụng và điều phối nguồn lực cần thiết để thực hiện kế hoạch.

Hình 1-3 thể hiện một loại chu kỳ phát triển một hệ thống BI. Luận văn thạc sĩ Công nghệ thông tin 8 Phân tích Xác định các yêu cầu nghiệp vụ Kiến trúc tổng thể Thiết kế Lập kế hoạch vĩ mô cho dự án Lập kế hoạch Đặc tả chi tiết dự án Xác định nguồn dữ liệu Xác định các mô hình định nghĩa kho dữ liệu, toán học khối dữ liệu Xây dựng nguyên mẫu Cài đặt và kiểm tra Xây dựng kho dữ liệu, Xây dựng metadata khối dữ liệu chủ đề Xây dựng module ETL Xây dựng ứng dụng Phát hành và kiểm thử Hình 1- 3: Các pha phát triển một hệ thống BI [13] Phân tích (Analysis): Xác định các nhu cầu liên quan đến việc phát triển một hệ thống BI của tổ chức. Thông qua một loạt các buổi phỏng vấn các nhân viên có các vai trò và hoạt động khác nhau trong tổ chức. Mô tả rõ ràng các mục tiêu chung và các ưu tiên của dự án, đưa ra các chi phí và trợ cấp phát sinh từ việc phát triển hệ thống BI.

Thiết kế (Design): Nhằm mục đích đưa ra một kế hoạch tạm thời về kiến trúc tổng thể, có tính đến bất kỳ sự phát triển nào trong tương lai gần và sự phát triển của hệ thống trong giai đoạn giữa. Bao gồm hai giai đoạn:  Đầu tiên là đánh giá các cơ sở hạ tầng thông tin đã có và phải kiểm tra các quy trình ra quyết định chính cần được hệ thống BI hỗ trợ để xác định đầy đủ các thông tin yêu cầu. Luận văn thạc sĩ Công nghệ thông tin 9  Sau đó, sử dụng các phương pháp quản lý dự án để đưa ra kế hoạch của dự án, xác định các giai đoạn phát triển, các ưu tiên, thời gian và chi phí dự kiến, các vai trò và nguồn lực cần thiết. Lập kế hoạch (Planning): Xác định và mô tả chi tiết hơn các tính năng của hệ thống BI.

 Đánh giá nguồn dữ liệu hiện có, dữ liệu được truy xuất từ bên ngoài. Điều này cho phép xây dựng cấu trúc thông tin của hệ thống BI, bao gồm một kho dữ liệu trung tâm và có thể có nhiều khối dữ liệu đi kèm.  Cần xác định các mô hình toán học được áp dụng, đảm bảo tính sẵn có của các dữ liệu cần thiết cho mỗi mô hình và xác định hiệu quả của các thuật toán có phù hợp với mức độ kết quả các vấn đề.  Cuối cùng, tạo một hệ thống với chi phí thấp và khả năng giới hạn, để phát hiện ra bất kỳ sự khác biệt giữa nhu cầu thực tế và các dự án cụ thể.