ỨNG DỤNG CỦA

BIG DATA
TRONG LĨNH
VỰC NGÂN
HÀNG
Nhóm 7:
• Hoàng Gia Hiếu
• Đỗ Quang Hà
• Hoàng Tùng Bách
• Dương Quốc Huy
• Phan Chu Trinh
Hoàng Gia Hiếu-Nhóm trưởng
• Phân chia công việc, duyệt nội dung
• Chỉnh sửa và thiết kế word
I. LÝ THUYẾT VỀ BIG DATA
1.1. Big data là gì?
Big Data hay được gọi là Dữ liệu lớn là thuật ngữ mô tả khối lượng dữ liệu lớn – cả cấu trúc và không có cấu trúc – dữ liệu này
cung cấp thông tin cho một doanh nghiệp trên cơ sở hàng ngày. Đó là những gì các tổ chức làm với dữ liệu quan trọng. Big data
có thể được phân tích để có thông tin chi tiết dẫn đến các quyết định tốt hơn và các động thái kinh doanh chiến lược. Những bộ
dữ liệu này quá lớn đến nỗi phần mềm xử lý dữ liệu truyền thống không thể quản lý chúng. Nhưng những khối lượng dữ liệu
khổng lồ này có thể được sử dụng để giải quyết các vấn đề kinh doanh mà bạn không thể giải quyết được trước đây.
1.2. Nguồn gốc và sự phát triển của Big Data
Đối với nhiều người hiện nay thì thuyết trình về Big Data là một thuật ngữ còn khá mới mẻ những thực ra, nguồn gốc của Big
Data đã bắt đầu từ những năm 1960 và 1970. Đó là thời điểm mà thế giới dữ liệu chỉ mới bắt đầu với các trung tâm dữ liệu đầu
tiên cùng với đó là sự phát triển của cơ sở dữ liệu SQL
Hiện nay thì khối lượng Big Data đã tăng một cách nhanh chóng, những người sử dụng vẫn đang hàng ngày tạo ra một lượng dữ
liệu vô cùng lớn. Tuy nhiên, có một điều thú vị là lượng dữ liệu đó không chỉ của con người mà còn do máy móc tạo ra, thậm chí
còn là chủ yếu. Sự ra đời của IoT (Internet of Things), nhiều thiết bị và đối tượng được kết nối với internet, từ đó thu thập dữ
liệu về mô hình sử dụng của người dùng và hiệu suất của sản phẩm. Chính sự có mặt của IoT đã tạo ra nhiều dữ liệu hơn.
1.3. Đặc trưng của Big Data là gì?
Sau khi hiểu được tổng quan về Big Data, những đặc trưng của dữ liệu lớn được đặc trưng bởi 3V, trong đó bao gồm:
Volume (Khối lượng dữ liệu): Với big data, bạn sẽ phải xử lý khối lượng lớn dữ liệu có mật độ thấp, không có cấu trúc. Đây có
thể là dữ liệu của giá trị không xác định, chẳng hạn như nguồn cấp dữ liệu Twitter, nhấp chuột trên trang web hoặc ứng dụng dành
cho thiết bị di động hoặc thiết bị hỗ trợ cảm biến. Đối với một số tổ chức, điều này có thể là hàng chục terabyte dữ liệu. Đối với
những người khác, nó có thể chỉ là hàng trăm petabyte.
Velocity (Vận tốc mà dữ liệu cần xử lý được và phân tích): Tốc độ là tốc độ nhanh tại đó dữ liệu được nhận và (có thể) đã hành
động. Thông thường, tốc độ cao nhất của luồng dữ liệu trực tiếp vào bộ nhớ so với được ghi vào đĩa. Một số sản phẩm thông minh
hỗ trợ internet hoạt động trong thời gian thực hoặc gần thời gian thực và sẽ yêu cầu đánh giá và hành động theo thời gian thực.
Variety (Nhiều loại dữ liệu đa dạng): Nhiều loại đề cập đến nhiều loại dữ liệu có sẵn. Các kiểu dữ liệu truyền thống được cấu
trúc và phù hợp gọn gàng trong một cơ sở dữ liệu quan hệ. Các kiểu dữ liệu phi cấu trúc và bán cấu trúc, chẳng hạn như văn bản,
âm thanh và video yêu cầu tiền xử lý bổ sung để lấy được ý nghĩa và siêu dữ liệu hỗ trợ.
Các kho dữ liệu lớn được tạo thành từ những dữ liệu. Dữ liệu có thể đến từ các nguồn như ứng dụng trên thiết bị di động, ứng
dụng dành cho máy tính để bàn, mạng xã hội, trang web, thí nghiệm khoa học, thiết bị cảm biến và các thiết bị khác trong internet
(IoT).
Big Data khi đi kèm cùng với các thành phần có liên quan cho phép các tổ chức đưa dữ liệu vào sử dụng thực tế và giải quyết một
số các vấn đề trong kinh doanh. Các vấn đề đó gồm có: Các phân tích áp dụng với các dữ liệu. Cơ sở hạ tầng IT cần thiết để có thể
hỗ trợ cho Big Data Các công nghệ cần thiết cho những dự án Big Data các bộ kĩ năng có liên quan
Những trường hợp thực tế có ý nghĩa đối với Big Data.
Phân tích dữ liệu mới là giá trị thực sự được mang lại từ các tổ chức dữ liệu lớn. Nếu không có sự phân tích thì đây chỉ là những
dữ liệu được sử dụng vô cùng hạn chế trong kinh doanh. Với việc phân tích những dữ liệu lớn, các công ty có thể thu về cho mình
những lợi ích như dịch vụ khách hàng được cải thiện, từ đó mang lại hiệu quả cao hơn, tăng doanh thu và tăng khả năng cạnh
tranh.
Hoàng Tùng Bách
• 1,4. Cơ sở hạ tầng IT cần thiết để hỗ trỡ big data và các công nghệ dữ liệu đặc biệt dành cho big data

• 1.4.1. Cơ sở hạ tầng IT cần thiết để hỗ trợ big data

• Đối với khái niệm Big Data để có thể làm việc, các tổ chức cần phải xây dựng được cơ sở hạ tầng để thu thập và chứa dữ liệu, cung cấp quyền truy cập và đảm bảo thông tin trong
khi chuyển tiếp và lưu trữ. Cấp độ cao hơn, bao gồm hệ thống lưu trữ và máy chủ được thiết kế cho Big Data, tích hợp dữ liệu và phần mềm quản lý, phần mềm phân tích dữ liệu,
thông tin kinh doanh và các ứng dụng Big Data. Phần lớn các cơ sở hạ tầng này sẽ tập trung tại một chỗ vì các công ty muốn tiếp tục tận dụng những khoản đầu tư vào trung tâm dữ
liệu của mình. Tuy nhiên, ngày càng có nhiều những tổ chức dựa vào các dịch vụ điện toán đám mây để xử lý nhiều yêu cầu Big Data của họ. Thu thập dữ liệu đòi hỏi bắt buộc là
phải có nguồn. Một số ứng dụng như các ứng dụng web, ứng dụng di động, các kênh truyền thông xã hội và lưu trữ email đã được cài đặt sẵn. Tuy nhiên, khi mà IoT trở nên phổ
biến, các công ty có thể cần phải triển khai cảm biến trên tất cả các loại thiết bị, sản phẩm và phương tiện để có thể thu thập dữ liệu, cũng như những ứng dụng mới tạo ra dữ liệu
người dùng. Tất nhiên, phân tích dữ liệu theo định hướng IoT có những kỹ thuật và công cụ chuyên biệt của riêng nó. Để lưu giữ được tất cả những dữ liệu trên, các tổ chức bắt buộc
phải có đủ dung lượng lưu trữ tại chỗ. Những tùy chọn lưu trữ bao gồm kho dữ liệu truyền thống, lưu giữ trên đám mây và data lakes (một kho lưu trữ tập trung cho phép bạn lưu trữ
tất cả dữ liệu có cấu trúc và không cấu trúc của bạn ở bất kỳ quy mô nào). Những công cụ cơ sở hạ tầng bảo mật bao gồm việc mã hóa dữ liệu, hệ thống giám sát, tường lửa, xác thực
người dùng và những điều khiển truy cập khác, quản lý di động của doanh nghiệp và các sản phẩm khác để có thể bảo vệ được hệ thống và dữ liệu.
• 1.4.2. Các công nghệ dữ liệu đặc biệt
• Dưới đây là một số công nghệ cụ thể được dành cho Big Data mà cơ sở hạ tầng IT của bạn nên hỗ trợ:
• Hệ sinh thái Hadoop
• Hadoop là một trong những công nghệ được coi là phổ biến và liên quan mật thiết nhất với Big Data. Apache Hadoop là dự án phát triển phần mềm mã nguồn mở cho máy tính, có khả

năng mở rộng, phân tán. Thư viện phần mềm Hadoop là một khuôn mẫu cho phép xử lý phân tán những bộ dữ liệu lớn trên các nhóm máy tính mà sử dụng các mô hình lập trình

đơn giản. Nó được thiết kế để mở rộng từ một máy chủ duy nhất sang hàng ngàn những máy khác, mỗi máy lưu trữ cục bộ và cung cấp tính toán. Dự án này bao gồm rất nhiều

phần: Những tiện ích phổ biến hỗ trợ các phần Hadoop khác: Hadoop Common
• Cung cấp các khả năng truy cập những dữ liệu ứng dụng cao: Hadoop Distributed File System

• Data lakes

• Data lakes được coi là kho lưu trữ, nó chứa một khối lượng dữ liệu thô khổng lồ ở định dạng gốc cho đến khi những người dùng doanh nghiệp cần dữ liệu. Các yếu tố giúp Data lakes
• Apache Spark
• Apache Spark là một phần của hệ sinh thái Hadoop, một khuôn mẫu tính toán cụm nguồn mở được sử dụng để làm công cụ xử lý Big Data trong Hadoop. Spark hiện nay đã trở thành một trong
những khuôn mẫu xử lý Big Data vô cùng quan trọng, và nó hoàn toàn có thể triển khai theo rất nhiều cách khác nhau. Nó cung cấp những phương thức hỗ trợ đối với Scala, Python (đặc biệt là
Anaconda Python distro), Java, ngôn ngữ lập trình R (R đặc biệt phù hợp với Big Data) và hỗ trợ SQL, streaming data, machine learning và xử lý đồ thị.
• 1.4.3. Các ứng dụng big data
•Báo cáo của Viện nghiên cứu Toàn cầu McKinsey năm 2011 mô tả các thành phần chính và hệ sinh thái của dữ liệu lớn như sau:

• Các kỹ thuật để phân tích dữ liệu, chẳng hạn như kiểm thử A/B, học máy và xử lý ngôn ngữ tự nhiên
• Công nghệ dữ liệu lớn, như thông tin kinh doanh, điện toán đám mây và cơ sở dữ liệu
• Công cụ trực quan như biểu đồ, đồ thị và các phương pháp thể hiện khác của dữ liệu Các dữ liệu lớn đa chiều cũng có thể được biểu diễn dưới dạng tensor, có thể được xử lý hiệu quả hơn
bằng cách tính toán dựa trên cơ sở dựa trên Tensor, chẳng hạn như nghiên cứu không gian đa cấp. Các công nghệ bổ sung đang được áp dụng cho dữ liệu lớn bao gồm cơ sở dữ liệu MPP, các
ứng dụng dựa trên tìm kiếm, khai thác dữ liệu, hệ thống phân tán tập tin, phân tán cơ sở dữ liệu , điện toán đám mây và HPC (ứng dụng, lưu trữ và các tài nguyên máy tính) và Mạng Internet
. Mặc dù nhiều phương thức tiếp cận cũng như các công nghệ xử lý đã được phát triển, vẫn còn khó khăn để thực hiện việc học máy với dữ liệu lớn.
•Việc gửi thông tin thời gian thực hoặc gần với thời gian thực là một trong những đặc điểm xác định của phân tích dữ liệu lớn. Do đó độ trễ được tránh bất cứ khi nào và bất cứ khi nào có
thể. Dữ liệu trong bộ nhớ là dữ liệu trên một đĩa quay tròn với một đầu kia là FC SAN. Chi phí của một SAN ở quy mô cần thiết cho các ứng dụng phân tích cao hơn rất nhiều so với các kỹ thuật
lưu trữ khác. Có nhiều lợi thế cũng như bất lợi khi sử dụng các ổ đĩa chung trong phân tích dữ liệu lớn, nhưng các chuyên gia phân tích dữ liệu lớn vào năm 2011 đã không ủng hộ chuyện này.
• Quản lý Chính phủ
•Việc sử dụng các dữ liệu lớn trong các quy trình của chính phủ cho phép tăng hiệu quả về mặt chi phí, năng suất và sự đổi mới, nhưng không phải là không có sai sót của nó. Phân tích
dữ liệu thường yêu cầu nhiều bộ phận của chính phủ (trung ương và địa phương) hợp tác và tạo ra các quy trình mới và sáng tạo để mang lại kết quả mong muốn. Dưới đây là một số ví dụ về các
sáng kiến liên quan đến dữ liệu lớn của chính phủ
• Hoa Kỳ
• Năm 2012, chính quyền của Tổng thống Obama tuyên bố Sáng kiến Nghiên cứu và Phát triển Dữ liệu lớn để tìm hiểu xem dữ liệu lớn có thể được sử dụng như thế nào để giải quyết các vấn
đề quan trọng mà chính phủ phải đối mặt. Sáng kiến bao gồm 84 chương trình dữ liệu lớn khác nhau trải rộng trên sáu phòng ban.
• Phân tích dữ liệu lớn đã đóng một vai trò lớn trong chiến dịch bầu cử lại thành công của Barack Obama năm 2012.
• Chính phủ liên bang Hoa Kỳ sở hữu sáu trong số mười siêu máy tính mạnh nhất trên thế giới.
• Trung tâm Dữ liệu Utah đã được NSA (Cơ quan An ninh Quốc gia Hoa Kỳ) xây dựng. Khi hoàn tất, cơ sở sẽ có thể xử lý một số lượng lớn thông tin thu thập được bởi NSA qua Internet. Số
lượng chính xác của không gian lưu trữ là không rõ, nhưng các nguồn gần đây hơn cho rằng nó lên đến vài exabyte.
• Ấn Độ
• Phân tích số liệu lớn đã được thử nghiệm cho BJP để giành chiến thắng trong Tổng tuyển cử Ấn Độ, 2014.
• Chính phủ Ấn Độ sử dụng nhiều kỹ thuật để xác định cách thức cử tri Ấn Độ phản ứng lại hành động cũng như các ý tưởng của chính phủ về thay đổi chính sách.
• Tài chính
• Việc sử dụng các dữ liệu lớn dưới dạng lịch sử các giao dịch tài chính được gọi là phân tích kỹ thuật. Sử dụng dữ liệu phi tài chính để dự đoán thị trường đôi khi được gọi là dữ liệu thay
thế.
• Sản Xuất
• Theo bài Nghiên cứu xu hướng toàn cầu TCS 2013, sự cải tiến trong kế hoạch sản xuất và chất lượng sản phẩm là lợi ích lớn nhất của dữ liệu lớn cho ngành sản xuất. Dữ liệu lớn cung cấp
cơ sở hạ tầng cho ngành công nghiệp sản xuất, đó là khả năng cải thiện năng suất và tính khả dụng. Việc lên kế hoạch sản xuất chính là một cách tiếp cận dữ liệu lớn cho phép giảm thời
gian chết về gần như bằng không và cụ thể hóa số lượng lớn dữ liệu và các công cụ dự đoán khác cho phép tạo ra một quá trình nhằm hệ thống hóa dữ liệu thành các thông tin hữu ích.
Khái niệm về việc dự báo sản xuất bắt đầu bằng việc thu thập dữ liệu cảm quan khác nhau như âm thanh, chuyển động, áp suất, điện áp... Số lượng lớn các dữ liệu cảm quan cộng với dữ
liệu lịch sử sản xuất tạo thành dữ liệu lớn trong sản xuất. Các dữ liệu lớn này như là đầu vào cho các công cụ dự báo và các chiến lược phòng ngừa tương tự như việc dự báo trong lĩnh
vực Quản lý Y tế.
• Chăm sóc sức khỏe
• Phân tích dữ liệu lớn đã giúp cải thiện việc chăm sóc sức khoẻ bằng cách cá nhân hóa các phương pháp trị liệu và chẩn đoán lâm sàng, làm giảm thiểu chi phí và thời gian khám bệnh, tự
động báo cáo và lưu trữ thông tin sức khỏe và dữ liệu bệnh nhân trong nội bộ cũng như mở rộng ra bên ngoài, chuẩn hóa các thuật ngữ y học và chống phân mảnh trong lưu trữ dữ liệu và
thông tin của bệnh. Một số lĩnh vực có sự cải tiến mang tính hướng dẫn hơn là thực hành. Lượng dữ liệu được tạo ra trong các hệ thống chăm sóc sức khoẻ là không nhỏ. Với sự bổ sung
thêm của mHealth, eHealth và các thiết bị công nghệ theo dõi sức khỏe được thì khối lượng dữ liệu sẽ tiếp tục gia tăng. Điều này bao gồm dữ liệu ghi chép sức khoẻ điện tử, dữ liệu hình
ảnh, dữ liệu được tạo ra của bệnh nhân, dữ liệu cảm biến và các dạng dữ liệu khó xử lý khác
• Giáo dục
• Một nghiên cứu của Viện nghiên cứu toàn cầu McKinsey cho thấy, ngành dữ liệu lớn đang thiếu hút 1,5 triệu chuyên gia cũng như nhà quản lý dữ liệu, và một số trường đại học bao gồm
Đại học Tennessee và UC Berkeley đã tạo ra các chương trình thạc sĩ để đáp ứng nhu cầu này. Các khóa huấn luyện tư nhân cũng phát triển các chương trình để đáp ứng nhu cầu đó, bao
gồm các chương trình miễn phí như The Data Incubator hoặc chương trình trả tiền như General Assembly.
• Truyền thông
• Để hiểu cách thức các phương tiện truyền thông sử dụng dữ liệu lớn như thế nào, trước tiên cần hiểu rõ một số ngữ cảnh trong cơ chế sử dụng cho quá trình truyền thông. Nick Couldry
và Joseph Turow đề xuất rằng các học viên trong ngành Truyền thông và Quảng cáo cần tiếp cận dữ liệu lớn như là nhiều điểm thông tin về hàng triệu cá nhân.
• Ngành công nghiệp dường như đang chuyển hướng từ cách tiếp cận truyền thống bằng cách sử dụng các môi trường truyền thông cụ thể như báo chí, tạp chí hoặc chương trình
truyền hình và thay vào đó là những người tiêu dùng với công nghệ tiếp cận những người này được nhắm mục tiêu vào những thời điểm tối ưu ở những vị trí tối ưu. Mục đích cuối
cùng là để phục vụ hoặc truyền tải, một thông điệp hoặc nội dung (theo cách thống kê) phù hợp với suy nghĩ của người tiêu dùng. Ví dụ, môi trường xuất bản ngày càng làm cho
các thông điệp (quảng cáo) và nội dung (bài viết) được cải thiện để thu hút người tiêu dùng đã được thu thập độc quyền thông qua các hoạt động khai thác dữ liệu khác nhau.
 • Nhắm đến người tiêu dùng mục tiêu (đối với quảng cáo của các nhà tiếp thị)
• Thu thập dữ liệu
• Dữ liệu trong báo chí: nhà xuất bản và nhà báo sử dụng các công cụ dữ liệu lớn để cung cấp thông tin chi tiết và các bản đồ họa chi tiết độc đáo và sáng tạo. Kênh 4, một kênh phát
thanh truyền hình công cộng của Anh, đang dẫn đầu trong lĩnh vực dữ liệu lớn và phân tích dữ liệu.
• Mạng lưới vạn vật kết nối Internet (IoT)
• Công nghệ
• Từ năm 2015, dữ liệu lớn trở nên nổi bật trong hoạt động kinh doanh như một công cụ để giúp nhân viên làm việc hiệu quả hơn cũng như tối ưu hóa việc thu thập và chia sẻ thông tin. Việc sử
dụng dữ liệu lớn để giải quyết các vấn đề thu thập dữ liệu và CNTT trong một doanh nghiệp được gọi là IT Operations Analytics (ITOA). Bằng cách áp dụng các nguyên tắc dữ liệu lớn vào
các khái niệm về trí thông minh của máy móc và tính toán sâu, các bộ phận CNTT có thể dự đoán các vấn đề tiềm ẩn và đưa ra các giải pháp trước khi vấn đề xảy ra. Vào thời điểm này, các
doanh nghiệp ITOA cũng bắt đầu đóng vai trò quan trọng trong việc quản lý hệ thống bằng cách cung cấp các nền tảng mang các dữ liệu cá nhân riêng biệt và tạo ra những hiểu biết sâu sắc từ
toàn bộ hệ thống chứ không phải từ các dữ liệu riêng lẻ.
• EBay sử dụng hai kho dữ liệu với tốc độ 7.5 petabyte và 40PB cũng như một cụm 40PB Apache Hadoop để tìm kiếm, khuyến nghị người tiêu dùng và bán hàng.
• Amazon.com xử lý hàng triệu hoạt động back-end hàng ngày, cũng như các truy vấn từ hơn nửa triệu người bán hàng bên thứ ba. Công nghệ cốt lõi mà Amazon hoạt động dựa trên
Linux và đến năm 2005 họ có ba cơ sở dữ liệu Linux lớn nhất thế giới, với dung lượng 7,8 TB, 18,5 TB và 24,7 TB.
• Facebook xử lý 50 tỷ hình ảnh từ cơ sở người dùng của nó.
• Google đã xử lý khoảng 100 tỷ lượt tìm kiếm mỗi tháng vào tháng 8 năm 2012.
• Cơ sở dữ liệu Oracle NoSQL đã được kiểm tra để vượt qua mốc 1 triệu xử lý mỗi giây với 8 nhân và đạt tốc độ 1.2 triệu xử lý mỗi giây với 10 nhân.
 Phan Chu Trinh

II ỨNG DỤNG CỦA BIG DATA TRONG CÁC HOẠT ĐỘNG NGÂN HÀNG

Hiện nay, hầu hết các tổ chức chức ngân hàng, dịch vụ tài chính và bảo hiểm đang nỗ lực để áp dụng một cách tiếp cận
mới theo hướng khai thác dữ liệu để phát triển và đổi mới sản phẩm. Mặc dù, các tổ chức đang thay đổi cách thức khai
thác dữ liệu bằng cách thu thập một khối lượng dữ liệu khổng lồ và tiến hành phân tích, thực hiện bước đầu tiên trong quy
trình khai thác Big Data. Khi khối lượng khách hàng tăng lên, nó ảnh hưởng đáng kể đến mức độ, khả năng cung cấp dịch
vụ của từng tổ chức. Thực tiễn cho thấy việc phân tích dữ liệu hiện tại đã đơn giản hóa quá trình theo dõi và đánh giá
khách hàng tín dụng của các ngân hàng và các tổ chức tài chính, dựa trên khối lượng lớn dữ liệu như thông tin, hồ sơ cá
nhân và các thông tin bảo mật khác. Với sự giúp đỡ của Big Data, các ngân hàng có thể theo dõi hành vi của khách hàng,
xác định các nguồn dữ liệu cần thiết để thu thập phục vụ cho việc đưa ra giải pháp.
Các ứng dụng của Big Data trong lĩnh vực ngân hàng bao gồm:
2.1.Thứ nhất,phân tích các thói quen chi tiêu của khách hàng
• Các ngân hàng có khả năng truy cập trực tiếp nguồn thông tin, dữ liệu lịch sử dồi dào liên quan đến các
thói quen, hành vi chi tiêu của khách hàng. Các ngân hàng còn nắm thông tin chi tiết về nguồn thu của
khách hàng trong một năm, khoản chi tiêu, các dịch vụ ngân hàng mà khách hàng sử dụng… Điều này
cung cấp cơ sở, cơ hội để các ngân hàng tiếp cận và phân tích dữ liệu sâu hơn. Áp dụng các chức năng
sàng lọc thông tin, ví dụ như, khi lọc ra thời điểm dịp lễ hay mùa lễ và điều kiện vĩ mô (lạm phát, tỷ lệ
thất nghiệp…) mà nhân viên ngân hàng có thể hiểu được nguyên nhân của biến động trong thu nhập
hay chi tiêu của ngân hàng. Đây là một trong các yếu tố quan trọng trong quá trình đánh giá rủi ro,
thẩm định hồ sơ cho vay, mở rộng dịch vụ cung cấp hay bán chéo sản phẩm đến khách hàng. Bên cạnh
đó, nhờ nắm được thông tin về nguồn tiền nhàn rỗi của khách hàng, ngân hàng có thể tận dụng thu
hút tiền gửi để thực hiện các hoạt động đầu tư.
• Ví dụ: Qua phân tích dữ liệu về thói quen người Việt hay tiết kiệm mỗi dịp tết đến nhiều ngân hàng bắt
đầu tung ra các chương trình khuyến mãi nhằm tri ân khách hàng cũng như tranh thủ huy động vốn
trong tháng cuối năm ngân hàng TMCP Đông Nam Á triển khai chương trình khuyến mãi tết như ý xuân
phú quý dành cho các khách hàng gửi tiết kiệm tại quầy gửi tiết kiệm online mợ mới thẻ tín dụng ký
hợp đồng bảo hiểm với gần 12.000 quà tặng có tổng giá trị lên đến gần 6.000.000.000 đồng
 2.2.Thứ hai,phân khúc khách hàng và thẩm định hồ sơ
• Phân khúc khách hàng là một trong những nhân tố quan trọng trong chiến lược marketing và thiết kế sản phẩm của ngân hàng. Một khi các
phân tích ban đầu về thói quen chi tiêu của khách hàng cùng với xác định các loại hình dịch vụ, kênh giao dịch được khách hàng ưu tiên (ví dụ
khách hàng muốn gửi tiết kiệm hay muốn đầu tư các khoản vay) được hoàn tất thì các ngân hàng sẽ có được một cơ sở dữ liệu phục vụ cho
quá trình phân khúc, phân loại khách hàng một cách phù hợp dựa vào thông tin và hồ sơ khách hàng cung cấp. Big Data sẽ cung cấp cho các
ngân hàng những hiểu biết, kiến thức chuyên môn sâu về nhu cầu tiềm ẩn bên trong, thói quen và xu hướng chi tiêu của khách hàng, trợ giúp
cho nhiệm vụ xác định nhu cầu và mong muốn của họ. Bằng cách nắm các thông tin liên quan đến giao dịch, ngân hàng có thể xác định được
khách hàng của mình thuộc các nhóm nào, ví dụ nhóm có chi tiêu dễ dàng, nhóm nhà đầu tư thận trọng, nhóm thanh toán nợ nhanh chóng,
nhóm khách hàng trung thành… Bên cạnh đó, biết được hồ sơ cá nhân của tất cả các khách hàng giúp ngân hàng đánh giá chi tiêu và thu nhập
dự kiến trong tháng tới và lập kế hoạch chi tiết để đảm bảo lợi nhuận cho chính tổ chức và lợi ích cho chính khách hàng.
• -Ví dụ:
• + Phân khúc khách hàng: VietinBank cho ra mắt thẻ dành cho phái đẹp E-partner PinkCard.Không chỉ thực hiện các chức năng rút tiền và thanh
toán hàng hóa tại hệ thống ATM của ViettinBank, chủ thẻ còn có thể thực hiện giao dịch tại gần 2000 ATM và POS thuộc hệ thống Banknetvn
trải rộng trên toàn quốc.Chỉ cần gọi điện thoại hẹn trước chủ sẽ được khám sức khỏe miễn phí tại các trung tâm y tế trên khắp toàn quốc, E-
partner PinkCard được Vietinbank khẳng định không chỉ là một phương tiện thanh toán hiện đại mà còn là người bạn đồng hành với người phụ
nữ trong nhịp sống hiện đại luôn mong muốn được quan tâm và chia sẻ
• + Thẩm định hồ sơ khách hàng : Hiện nay với sự trợ giúp của Big data các quyết định cho vay hay kiểm soát tài khoản vay sẽ được thực hiện
nhanh chóng chính xác hơn so với việc sử dụng các mô hình chấm điểm tín dụng trước đây. Ngân hàng TMCP Việt Nam Thịnh Vượng đang triển
khai Basel II để chấm điểm tín dụng với khách hàng dựa trên cơ sở dữ liệu lớn bằng trường thông tin
• Sử dụng thông tin dữ liệu từ trung tâm thông tin tín dụng quốc gia Việt Nam nhằm tìm kiếm thông tin nợ xấu
• Dự báo được hành vi trả nợ ngân hàng thông qua việc thu nhập số liệu đẹp mẫu đủ lớn với hàng nghìn khách hàng khi khách hàng
muốn có một khoản vay thì đầu tiên họ phải điền vào một tờ khai.Tùy vào từng sản phẩm trong tờ khai có nhiều câu hỏi khác nhau
có những thông tin cơ bản của khách hàng phải khai như tên, tuổi, ngày sinh bên cạnh đó là những câu hỏi khác nữa và thông qua
các câu trả lời của họ thì ngân hàng rút ra được đánh giá về hồ sơ tín dụng sự phù hợp khách hàng đó với sản phẩm mà họ đang
mong muốn.
•
2.3.Thứ ba, bán chéo thêm các dịch vụ khác

• Dựa vào cơ sở dữ liệu ngân hàng có được, ngân hàng có thể thu hút thêm, hay
giữ chân khách hàng bằng cách giới thiệu thêm các dịch vụ khác. Ví dụ, ngân
hàng có thể giới thiệu các khoản đầu tư có lãi suất hấp dẫn đến các khách hàng
có lượng tiền nhàn rỗi hoặc những nhà đầu tư thận trọng. Ngân hàng cũng có
thể đề xuất các khoản vay ngắn hạn cho các khách hàng có thói quen chi tiêu dễ
dàng để đáp ứng nhu cầu hàng ngày hoặc những khoản vay đáp ứng nhu cầu
thanh khoản ngắn hạn của doanh nghiệp. Phân tích một cách chính xác về hồ sơ
cá nhân của khách hàng, ngân hàng có thể bán kèm các dịch vụ khác với các ưu
đãi được tập trung chính xác vào nhu cầu khách.
• Ví dụ: Sacombank phát hành chứng chỉ tiền gửi trên hệ trên toàn hệ thống dành
cho khách hàng cá nhân và tổ chức khách hàng mua chứng chỉ tiền gửi dài hạn
có ghi danh mệnh giá tối thiểu 1.000.000 đồng thời hạn 7 năm sẽ được nhận
mức lãi suất cực kỳ hấp dẫn lên tới 8,6% một năm.
2.4.Thứ tư,nâng cao chất lượng dịch vụ thông qua xây dựng hệ • 2.5.Thứ năm,marketing theo hướng cá nhân hoá
thống thu thập các phản hồi của khác hàng và phân tích chúng
Khách hàng có thể để lại phản hồi sau mỗi lần giao dịch hay
mỗi lần nhận được tư vấn từ trung tâm hỗ trợ chăm sóc
khách hàng hoặc qua các biểu mẫu phản hồi; nhưng thường
xuyên (hay có thể nói nhiều khả năng) chia sẻ ý kiến thông
qua các phương tiện truyền thông xã hội hơn, ví dụ
Facebook, Zalo,…Các công cụ Big Data có thể tìm kiếm chọn
lọc thông qua các thông tin, feedback công khai trên các
phương tiện truyền thông và thu thập tất cả những dữ liệu
đề cập về thương hiệu của ngân hàng để có thể phản hồi
nhanh chóng và đầy đủ đến khách hàng, ngoài ra, cũng hỗ
trợ ngăn chặn các tin đồn thất thiệt ảnh hưởng đến hoạt
động kinh doanh và niềm tin nơi khách hàng. Khi khách
hàng cảm thấy ngân hàng lắng nghe, đánh giá cao ý kiến và
thực hiện những cải tiến, thay đổi theo yêu cầu của họ thì
sự trung thành dành cho thương hiệu sẽ gia tăng, hơn nữa
cải thiện hình ảnh của ngân hàng.
Sau khi có được phân khúc khách hàng thì các ngân hàng cần tận dụng để
marketing nhắm tới mục tiêu khách hàng dựa trên trên những hiểu biết về
thói quen chi tiêu cá nhân của họ. Ngoài việc thu thập dữ liệu về lịch sử
giao dịch của khách hàng, ngân hàng có thể kết hợp dữ liệu phi cấu trúc
được lấy ra từ mạng xã hội để có được một bức tranh đầy đủ hơn về nhu
cầu của khách hàng dựa trên các phân tích về tâm lý, mong muốn khách
hàng ở mọi thời điểm. Từ đó, ngân hàng có thể đưa ra các giải pháp, kế
hoạch marketing phù hợp để có được tỷ lệ phản hồi cao hơn từ khách
hàng. Ví dụ, các ngân hàng sử dụng công cụ email marketing để gửi đến
khách hàng các thông tin mới nhất về những dịch vụ cho vay ngắn hạn với
lãi suất vừa phải hay gửi tiết kiệm với lãi suất hấp dẫn, hoặc các chương
trình ưu đãi khác, …
Ví dụ: Các ngân hàng sử dụng công cụ email Maketing để gửi đến khách
hàng các thông tin mới nhất về những dịch vụ cho vay ngắn hạn với lại suất
vừa phải hay gửi tiết kiệm với lãi suất hấp dẫn hoặc các chương trình yêu
đãi khác việc tạo ra các sản phẩm dịch vụ cung cấp cho từng phân khúc
khách hàng hay thậm chí từng khách hàng cụ thể sẽ giúp các ngân hàng xây
dựng hình ảnh thương hiệu và tạo dựng một mối quan hệ tốt ở từng khách
hàng.
 Dương Quốc Huy

2.6. Thứ sáu, thay đổi cách thức cung cấp dịch vụ đến khách hàng
• Hệ thống Big Data có thể là một hệ thống phức tạp liên kết giữa nhiều bộ phận chức năng khác nhau với vai trò
đơn giản hóa các nhiệm vụ trong một tổ chức. Bất cứ khi nào tên một khách hàng hoặc số tài khoản được nhập vào
hệ thống, hệ thống Big Data sẽ hỗ trợ sàng lọc tất cả các dữ liệu và chỉ truyền đi hay cung cấp các dữ liệu được yêu
cầu để phục vụ cho quá trình phân tích. Điều này cho phép các ngân hàng tối ưu hóa quy trình làm việc và tiết
kiệm cả thời gian và chi phí. Big Data cũng cho phép các tổ chức xác định và khắc phục các vấn đề trước khi
khách hàng bị ảnh hưởng.

•Ví dụ: Hợp tác với Temenos vào năm 2004, Sacombank là ngân hàng đầu tiên triển khai một loạt dự án công nghệ
lớn bao gồm Quản lý dòng đời dữ liệu (Data Lifecycle Management) cho nền tảng ngân hàng lõi Temenos T24.
Đây là một hệ thống các ngân hàng các phân hệ nghiệp vụ cơ bản của ngân hàng như tiền gửi, tiền vay, khách
hàng… Thông qua đó ngân hàng phát triển thêm nhiều dịch vụ, sản phẩm và quản lý nội bộ chặt chẽ hiệu quả
hơn.Chỉ trong vòng vài tuần, ứng dụng này đã cho thấy hiệu quả về chi phí trong khi vẫn tập trung cơ sở dữ liệu
của ngân hàng và tận dụng quản lý dữ liệu theo thời gian thực .
2.7. Thứ bảy, phát hiện và ngăn chặn hành vi lừa đảo, vi phạm pháp luật
• Big Data sẽ cho phép các ngân hàng đảm bảo không có giao dịch trái phép nào được thực hiện, cung cấp mức độ
an toàn, nâng cao tiêu chuẩn bảo mật của toàn bộ ngành. Nhờ vào dữ liệu về lịch sử giao dịch và hồ sơ tín dụng
của khách hàng, ngân hàng có thể nhận diện những bất thường trong quá trình cung cấp dịch vụ đến khách hàng.
Ví dụ, khoản rút tiền lớn bất thường từ thẻ ATM có thể do thẻ bị mất cắp, từ đó, ngân hàng có những biện pháp an
ninh để xác minh giao dịch. Ngân hàng khai thác Big Data để phân biệt giữa các giao dịch là hành vi phạm tội với
các giao dịch hợp pháp bằng các thuật toán phân tích dữ liệu và machine learing (học máy). Các hệ thống phân tích
sẽ tự động phát hiện, trích xuất các giao dịch bất hợp pháp ở thời gian thực và đề xuất các hành động ngay lập tức.
• Ví dụ : nếu một nhà đầu tư hay khách hàng thường thanh toán chi tiêu cho sinh hoạt hằng ngày hoặc để tiền trong
tài khoản gửi tiết kiệm lấy lãi nhưng trong một ngày lại cố gắng rút toàn bộ số tiền từ tài khoản của mình qua máy
ATM điều này có nghĩa là thẻ có thể đã bị mất cắp và sử dụng bởi chính những kẻ cắp.Nhân viên ngân hàng sẽ gọi
điện đến chủ tài khoản hoặc thông báo đến khách hàng bằng bất kỳ hình thức nào để xác minh lại giao dịch đó một
cách rõ hơn : giao dịch hợp pháp khách hàng thực hiện hay giao dịch trái phép bởi tội phạm lừa đảo tội phạm đã
trộm được thẻ mà khách hàng không biết ? Cứ thế việc phân tích dữ liệu giao dịch lịch sử và làm cơ sở để kiểm tra
tính hợp pháp an toàn bảo mật của các giao dịch hiện tại sẽ giảm thiểu được hành vi vi phạm pháp luật có thể xảy
ra.
2.8. Thứ tám, kiểm soát rủi ro, tuân thủ luật pháp và minh bạch trong báo cáo tài chính.

• Ngoài phát hiện các hành vi phạm tội, bảo vệ lợi ích người tiêu dùng, các ngân hàng có thể ứng dụng Big Data đo
lường, kiểm soát rủi ro khi thực hiện các giao dịch bằng cổ phiếu với những nhà đầu tư và kiểm tra hồ sơ vay của
khách hàng. Dĩ nhiên tất cả phải dựa trên sự phân tích có kết quả từ mọi dữ liệu lịch sử liên quan.
• Các thuật toán Big Data còn giúp giải quyết các vấn đề về tuân thủ quy định pháp luật về kế toán, kiểm toán và báo
cáo tài chính minh bạch nhằm hợp lý hoá các hoạt động của tổ chức từ đó giảm được chi phí quản lý. Các tổ chức
ngân hàng và tài chính hoạt động trong một khung pháp lý rất nghiêm ngặt, đòi hỏi mức độ cao nhất trong kiểm
soát minh bạch các hoạt động tài chính, tuân thủ các điều luật và báo cáo đầy đủ chi tiết đến các cơ quan nhà nước,
chính phủ Việc phát hiện sớm hành vi gian lận của khách hàng là cực kỳ quan trọng.
• Hệ thống Big Data thu thập và lưu trữ dữ liệu trong một cơ sở dữ liệu có quy mô lớn giúp ngân hàng quản lý, tiến
hành phân tích một cách nhanh nhất bằng cách sử dụng các phần mềm, thuật toán chuyên dụng. Và khi phát hiện
một số lượng lớn rủi ro có thể xảy ra, ngân hàng sẽ dễ dàng kiểm soát. Big Data đóng một vai trò to lớn trong quá
trình tích hợp các chức năng của các bộ phận, phòng ban và yêu cầu xử lý dữ liệu của ngân hàng vào một hệ thống
trung tâm duy nhất. Qua đó hỗ trợ kiểm soát, ngăn chặn vấn đề mất dữ liệu, giảm thiểu rủi ro và gian lận.
2.9. Thứ chín, tham gia vào việc kiểm soát đánh giá và nâng cao hiệu quả làm việc của nhân
viên.
• Quá tập trung vào gia tăng lợi nhuận mà nhiều ngân hàng lại thường quên đi một ứng dụng tiềm năng của Big Data
mà có thể có tác động rất lớn đến quá trình phát triển kinh doanh. Đó chính là nâng cao năng suất làm việc của
nhân viên. Hệ thống Big Data hỗ trợ thu thập, phân tích, đánh giá, truyền tải dữ liệu về hiệu quả làm việc của nhân
viên. Trước đây, để thu thập các thông tin này cần rất nhiều công đoạn mang tính thủ công, thì nay, Big Data sẽ
giúp xử lý các công việc này một cách nhanh chóng và chính xác.
• Kết quả phân tích sẽ giúp các nhà lãnh đạo có cái nhìn về tình hình, thực trạng làm việc hiện tại của nhân viên
mình như những nhân viên nào đang có thành tích tốt nhất, những nhân viên nào không đạt được chỉ tiêu, và đặc
biệt là xem xét mức độ hài lòng của nhân viên về môi trường làm việc, phúc lợi,.. của ngân hàng dành cho họ. Các
công cụ của Big Data khai thác toàn bộ dữ liệu đều ở thời gian thực, do đó lúc giải pháp được đưa ra sẽ mang tính
khả thi cao, và tạo nên những sự thay đổi nhanh chóng.
• Ngoài ra các ngân hàng có thể đo lường nhiều thứ không chỉ mỗi hiệu suất làm việc của cá nhân, mà còn tinh thần
đồng đội, sự tương tác giữa các phòng ban và văn hóa tổng thể của công ty. Nhân viên sẽ giảm thời gian dành cho
các công việc mang tính thủ công gồm nhiều quy trình phức tạp bằng cách dựa vào hệ thống Big Data gồm các
phần mềm đã được lập trình sẵn để giải quyết các công việc ấy một cách nhanh chóng và chính xác. Từ đó nhân
viên dành nhiều thời gian cho các công việc, nhiệm vụ khó hơn, cấp bách hơn từ cấp trên giao xuống.
III.HẠN CHẾ VÀ GIẢI PHÁP KHI ỨNG DỤNG BIG DATA Ở TRONG NGÂN HÀNG
3.1.Các hệ thống kế thừa đang gặp khó khăn trong việc theo kịp
Ngành ngân hàng luôn chậm đổi mới: 92 trong số 100 ngân hàng hàng đầu toàn cầu vẫn điều hành hoạt động của họ trên các
máy tính lớn của IBM. Không có gì ngạc nhiên khi việc áp dụng Fintech (công nghệ tài chính) rất cao. Tuy nhiên, khi nói đến
dữ liệu lớn, mọi thứ thậm chí còn tồi tệ hơn: hầu hết các hệ thống cũ không có khả năng xử lý khối lượng công việc ngày
càng tăng. Việc cố gắng thu thập, lưu trữ và phân tích lượng dữ liệu cần thiết bằng cơ sở hạ tầng lỗi thời có thể gây nguy
hiểm cho sự ổn định của toàn bộ hệ thống. Do đó, các tổ chức phải tăng khả năng xử lý hoặc xây dựng lại hoàn toàn hệ thống
của mình để đáp ứng thách thức.
3.2.Dữ liệu càng nhiều thì rủi ro càng lớn.
Ở đâu có dữ liệu, ở đó có rủi ro. Rõ ràng là các nhà cung cấp dịch vụ ngân hàng phải đảm bảo rằng dữ liệu người dùng mà họ
thu thập và xử lý luôn được bảo mật. Hơn nữa, các quy định bảo mật dữ liệu đang trở nên nghiêm ngặt hơn. GDPR (quy
định bảo vệ giữ liệu chung) đã áp đặt các hạn chế mới đối với các doanh nghiệp trên toàn thế giới muốn thu thập và sử dụng
dữ liệu người dùng.
 3.3.Dữ liệu lớn đang trở nên không thể quản lý.
Với rất nhiều loại dữ liệu khác nhau và khối lượng tổng hợp của chúng, không có gì ngạc nhiên khi các doanh nghiệp
phải vật lộn để theo kịp. Điều này càng trở nên rõ ràng hơn khi cố gắng tách dữ liệu hữu ích khỏi dữ liệu vô ích.
Mặc dù tỷ lệ dữ liệu có khả năng hữu ích đang tăng lên, nhưng vẫn còn rất nhiều dữ liệu không liên quan cần sắp xếp. Điều
này có nghĩa là các doanh nghiệp phải chuẩn bị và củng cố các phương pháp của họ để phân tích nhiều dữ liệu hơn nữa và
nếu có thể, hãy tìm một ứng dụng mới cho dữ liệu trước đây được cho là không liên quan.

3.4.Thay đổi tư duy vè dữ liệu và các phương pháp xử lý các dữ liệu hiện đại của đội ngũ ngân hang.
• Hiện tại vẫn còn tồn tại một số quan điểm là quyết định có thể đưa ra dựa trên kinh nghiệm mà không cần dựa trên các kết quả
phân tích dữ liệu lớn. Quan điểm đó không sai ở trong quá khứ, thực tế có nhiều quản lí thâm niên đã đưa ra nhiều quyết định
chính xác. Nhưng đó là khi thị trưởng ngân hàng và các dịch vụ còn đơn giản, nhu cầu khách hàng chưa nhiều và cũng chưa
tiếp cận được công nghệ thông tin hiện đại. Ngày nay khi công nghệ ngày một phát triển, không ngừng thay đổi, nhu cầu khách
hàng ngày một tăng cao thì một số lượng không nhỏ khách hàng của ngân hàng đã và đang chuyển dần sang sử dụng dịch vụ
được cung cấp từ các đối thủ của ngân hàng bởi sự thuận tiện, dịch vụ thanh toán và tốc độ xử lý giao dịch nhanh chóng, an
toàn và đặc biệt chi phí thấp như Ví Momo, ViettelPay,…
• Mạng lưới dũ liệu liên kết và công nghệ nhận diện danh tính khách hàng còn giúp xác định vị trí và mối quan hệ khách hàng.Điều
này giúp quá trình hiệu quả hơn.
• Các ngân hàng cũng áp dụng công nghệ phân tích dữ kiệu lớn để kựa cn=họn vị trí thuận lợi khi mở chi nhánh mới
3.4.Thay đổi tư duy vè dữ liệu và các phương pháp xử lý các dữ liệu hiện đại của đội ngũ ngân hang.
• Hiện tại vẫn còn tồn tại một số quan điểm là quyết định có thể đưa ra dựa trên kinh nghiệm mà không cần dựa trên các kết quả
phân tích dữ liệu lớn. Quan điểm đó không sai ở trong quá khứ, thực tế có nhiều quản lí thâm niên đã đưa ra nhiều quyết định
chính xác. Nhưng đó là khi thị trưởng ngân hàng và các dịch vụ còn đơn giản, nhu cầu khách hàng chưa nhiều và cũng chưa
tiếp cận được công nghệ thông tin hiện đại. Ngày nay khi công nghệ ngày một phát triển, không ngừng thay đổi, nhu cầu khách
hàng ngày một tăng cao thì một số lượng không nhỏ khách hàng của ngân hàng đã và đang chuyển dần sang sử dụng dịch vụ
được cung cấp từ các đối thủ của ngân hàng bởi sự thuận tiện, dịch vụ thanh toán và tốc độ xử lý giao dịch nhanh chóng, an
toàn và đặc biệt chi phí thấp như Ví Momo, ViettelPay,…
• Mạng lưới dũ liệu liên kết và công nghệ nhận diện danh tính khách hàng còn giúp xác định vị trí và mối quan hệ khách hàng.Điều
này giúp quá trình hiệu quả hơn.
• Các ngân hàng cũng áp dụng công nghệ phân tích dữ kiệu lớn để kựa cn=họn vị trí thuận lợi khi mở chi nhánh mới
 3.5.Cần xây dựng được quy trình liên quan đến dữ liệu từ khâu thu nhập đến sử dụng kết quả xử lý dữ liệu.
Ngân hàng cần thiết lập một quy trình: thu nhập, rà sát, làm sạch, tổng hợp và phân loại dữ liệu vào đầu một mối tập trung. Sau đó lại phân phối dữ liệu để những bộ
phận liên quan để đưa ra các thông tin hữu ích. Trong đó bước rà soát là bước quan trọng nhất để nâng cao chất lượng dữ liệu. Ví dụ như, dữ liệu về tài khoản khách
hàng và giao dịch, thường được sử dụng bởi các bộ phận quản lý gian lận, được thu thập từ nhiều nguồn khác nhau ở dưới dạng thô. Quá trình sàng lọc và rà soát sẽ giúp
giảm đáng kể số lượng các giao dịch sai, nhờ đó làm giảm thời gian và công sức để xử lý.
• Quá trình xây dựng dữ liệu cho Big Data gồm:
- Bước 1: Xác định nguồn dữ liệu (từ website, ứng dụng, thiết bị thông minh, mạng xã hội, truyền thông, chính phủ…). Ngân hàng cần phải nắm rõ nguồn dữ liệu
cần tìm và cách thức thu thập.
- Bước 2: Xây dựng các hệ thống thu thập Big Data: xây dựng các phần mềm, ứng dụng hay các thiết bị có thể kết nối với máy chủ để truyển tải thông tin, dữ liệu.
Dữ liệu của Big Data thuộc nhiều định dạng khác nhau nên hệ thống thu thập cần phải tiên tiến, tích hợp các công nghệ mới.
- Bước 3: Xây dựng hệ thống lưu trữ và quản lý để phục vụ cho việc phân tích sau này. Dữ liệu Big Data cần một hệ thống máy chủ lưu trữ. Hệ thống lữu trữ hiện tại
gồm 2 loại lưu trữ trên đám mây (cloud) và lưu trữ tại công ty. Để lựa chọn phù hợp thì ngân hàng cần dự báo được khối lượng thông tin cần lưu trữ và các biện
pháp bảo mật.
- Bước 4: Xây dựng hệ thống sàng lọc, làm sạch, phân tích dữ liệu và hệ thống phục vụ báo cáo. Bước này đòi hỏi chất lượng của đội ngũ nhân sự trong việc xây
dựng các thuật toán khai thác dữ liệu, ứng dụng các mô hình định lượng thông minh để phân tích đa chiều và đưa ra các dự báo.
- Bước 5: Sử dụng kết quả phân tích để đưa ra các quyết định.
•
1. Xây dựng một đội ngũ chuyên viên khoa học dữ liệu.

•Hiện nay, có một thực tế về nhân sự trong ngành ngân hàng là cán bộ ngân hàng thì không hiểu rõ về công nghệ thông tin, còn người làm công nghệ thông tin thì không
hiểu rõ về nghiệp vụ ngân hàng. Thêm nữa, các mô hình phân tích Big Data tại Việt Nam hiện nay chủ yếu là ứng dụng lại các mô hình có sẵn trên thế giới, phần lớn các chuyên
gia về khoa học dữ liệu của Việt Nam còn hạn chế về khả năng phân tích mô hình. Do vậy, các ngân
•
hàng muốn phát triển công nghệ đều phải thuê nhân lực nước ngoài với chi phí đắt đỏ. Bởi thế, việc đào tạo, quan tâm tới chất lượng nguồn nhân lực công nghệ cao cần được thực
hiện trong toàn hệ thống tài chính - ngân hàng, đảm bảo đủ khả năng ứng dụng công nghệ thong tin, phương thức làm việc tiên tiến trong điều kiện hội nhập quốc tế sâu rộng.