Tầm quan trọng của dữ liệu dẫn đến vai trò ngày càng lớn của khối data trong hỗ trợ khối kinh doanh làm ra tiền và đạt được các mục tiêu kinh doanh.

Ông Nguyễn Quang Huy, Giám đốc Trung tâm dữ liệu và phân tích, Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank) cho rằng, trong một tổ chức, trung tâm dữ liệu phải là một đơn vị cung cấp dịch vụ, xem các khối khác như bán buôn, bán lẻ, vận hành… là khách hàng.

Dù vậy, trong quá trình thu thập, xử lý và sử dụng dữ liệu, ngân hàng đối diện với nhiều khó khăn. Ông Khương chia sẻ, việc hoạch định chiến lược cho khối data là bài toán lớn hơn mà VPBank đặt ra. Trong khi đó, từ kinh nghiệm của mình, ông Huy nhận thấy thách thức hiện nay là ngân hàng thích đầu tư hệ thống mới, song nó đồng nghĩa với sự phức tạp tăng lên, ảnh hưởng đến chất lượng, an ninh thông tin.

Một rào cản khác, theo ông Trần Công Quỳnh Lân, Phó Tổng Giám đốc phụ trách Khối CNTT và Khối Bán lẻ, Ngân hàng TMCP Công Thương Việt Nam (VietinBank), chính là tâm lý “đứng núi này trông núi nọ”, không ai nghĩ dữ liệu của mình đủ và luôn muốn dữ liệu của ngành khác.

Bên cạnh đó, không bao giờ có bức tranh toàn cảnh dữ liệu của khách hàng. Chẳng hạn, một người mở tài khoản khi còn độc thân nhưng data không thể cập nhật tình trạng kết hôn, có con của người đó. Vì vậy, một giám đốc công nghệ thông tin (CTO) hay khối data phải hiểu được đối tượng khách hàng, dữ liệu có và không có gì, từ những gì có suy luận cái không có.

Đồng tình với quan điểm này, ông Khương bổ sung, mỗi mảng hoạt động chỉ thấy được một mảnh ghép của con người. Đối với ngân hàng, thông qua giao dịch tài chính, chúng ta mới thấy được 15-20% khách hàng, CTO hoặc khối data phải dự đoán được 85% còn lại.

Đây chính là thách thức của data, chỉ làm được thông qua xử lý Big Data, phát hiện chân dung của khách hàng. Từ đó, xác định được sản phẩm, khẩu vị rủi ro, hành trình của khách hàng để ngân hàng phục vụ tốt hơn.

Chất lượng của dữ liệu cũng là một thách thức không nhỏ. Dữ liệu là vàng, nhưng nếu đầu vào toàn là sắt, thép sẽ không thể sử dụng được. Ông Nguyễn Bá Diệp, đồng sáng lập MoMo, cho biết điều kiện tiên quyết là phải tổ chức được hệ thống dữ liệu để có thể phân tích được. Sau khi có dữ liệu chính xác, cần bổ nhiệm một nhà khoa học vừa hiểu data, vừa hiểu kinh doanh để nhìn nhận dữ liệu có ý nghĩa.

Để chuyển hóa data thành “dầu”, một yếu tố khác là bên cạnh dạy máy, còn phải đào tạo nhân viên mọi bộ phận về cách sử dụng AI, thu thập, xử lý dữ liệu. Cần xây dựng văn hóa ra quyết định dựa trên dữ liệu để mọi người hiểu đây là trách nhiệm chung để có data chất lượng nhất, tránh đổ lỗi cho nhau do đã có KPI chung. Sự thành công của chiến dịch sẽ phụ thuộc vào cả đội data và kinh doanh.

Ông Lê Hồng Việt, Tổng Giám đốc FPT Smart Cloud, ví người làm dữ liệu giống như người đi lọc dầu. “Sau khi lọc dầu thô ra xăng, dầu, ra giá trị vượt trội, câu hỏi lớn hơn là làm sao đem giá trị đó đến từng khách hàng đúng thời điểm, đúng thứ họ mong muốn”, ông chia sẻ.

Từ giá trị đã tìm ra được cho khách hàng, lại cần tìm cách trao đổi, giải thích cho họ về giá trị đó, truyền tải một cách rõ ràng, hiệu quả, làm cho họ thấu hiểu hơn giá trị tìm ra được từ “nhà máy lọc dầu”.

Trước thực tế khi đẩy dữ liệu xuống chi nhánh, chi nhánh cho rằng bị cho thêm việc và hiệu suất không tốt, tỷ lệ chuyển đổi chưa cao, ông Việt nêu một cách tiếp cận của FPT Smart Cloud, đó là lọc mối quan tâm của khách hàng. Khi gửi tập khách hàng xuống chi nhánh, chỉ có khoảng 5-7% thực sự quan tâm.

Công ty sử dụng trợ lý ảo để gọi tập trung từ hội sở để đánh giá mong muốn của khách hàng có lớn không. Nếu lớn, chuyển về hội sở để xử lý. Thay vì phải xử lý 1 triệu khách hàng, chỉ phải xử lý 70.000 - 80.000 khách hàng. Năng suất lao động tại hội sở sẽ tăng lên nhiều lần. Nó giải quyết được bài toán cho đơn vị làm bán lẻ: Con người tập trung vào danh sách tốt nhất, AI tập trung loại bỏ bớt danh sách không tốt.

AI cũng hỗ trợ VPBank biết được lúc nào nên đề xuất dịch vụ nào, nhưng tỷ lệ chuyển đổi còn tùy thời điểm. AI, AI tạo sinh có thể thu thập thông tin, hiểu khách hàng, chọn được thông điệp phù hợp với khách hàng. Khi đó, trải nghiệm sẽ khác hoàn toàn so với hiện tại, với cả người bán lẫn khách hàng. Ngân hàng sẽ không phải chạy chiến dịch, chương trình nữa mà lồng ghép vào hoạt động của mình.

Nhìn chung, data và AI là công cụ tốt nhưng con người phải biết mình muốn gì để phối hợp, điều phối hiệu quả. Quá tải dữ liệu sẽ gây mất lòng tin. “Chúng ta nên sử dụng dữ liệu với vai trò hỗ trợ, cung cấp thông tin, song dữ liệu không phải là tất cả, còn phải tính đến môi trường, con người, năng lực”, bà Winnie Wong, Giám đốc quốc gia của Mastercard tại Việt Nam, Campuchia và Lào cảnh báo.

Một trong những thất bại trong sử dụng dữ liệu chính là đánh giá quá cao mức độ quan trọng của data mà quên đi việc thay đổi quy trình. Tổ chức phải thay đổi để thích ứng với giá trị mà data mang lại. Cuối cùng, con người vẫn là trọng tâm, những gì chúng ta đang làm xoay quanh dữ liệu và công nghệ chính là bảo vệ khách hàng và chính chúng ta.

Đây là vấn đề thu hút quan tâm và bàn luận sôi nổi tại tọa đàm bàn tròn trong khuôn khổ Hội thảo và Triển lãm Smart Banking 2023 chủ đề “Tạo lập, khai thác và kết nối dữ liệu: Định hình tương lai ngành ngân hàng trong kỷ nguyên số”vừa tổ chức tại Hà Nội. Bàn tròn có sự tham gia của đại diện một số ngân hàng thương mại, tổ chức tài chính và hãng công nghệ lớn của Việt Nam.

Bàn về dữ liệu (data) trong ngành ngân hàng, các ý kiến đều cho rằng dữ liệu là tài sản quan trọng nhất nên phải có cách bảo vệ một cách tốt nhất.

Theo ông Phùng Duy Khương, Phó Tổng Giám đốc, kiêm Giám đốc Khối Khách hàng cá nhân, Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank),“để làm được smart banking, việc sử dụng nguồn data hợp pháp, hiệu quả là quan trọng nhất”.

Tầm quan trọng của dữ liệu dẫn đến vai trò ngày càng lớn của khối data trong hỗ trợ khối kinh doanh làm ra tiền và đạt được các mục tiêu kinh doanh.

Ông Nguyễn Quang Huy, Giám đốc Trung tâm dữ liệu và phân tích, Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank) cho rằng, trong một tổ chức, trung tâm dữ liệu phải là một đơn vị cung cấp dịch vụ, xem các khối khác như bán buôn, bán lẻ, vận hành… là khách hàng.

Dù vậy, trong quá trình thu thập, xử lý và sử dụng dữ liệu, ngân hàng đối diện với nhiều khó khăn. Ông Khương chia sẻ, việc hoạch định chiến lược cho khối data là bài toán lớn hơn mà VPBank đặt ra. Trong khi đó, từ kinh nghiệm của mình, ông Huy nhận thấy thách thức hiện nay là ngân hàng thích đầu tư hệ thống mới, song nó đồng nghĩa với sự phức tạp tăng lên, ảnh hưởng đến chất lượng, an ninh thông tin.

Một rào cản khác, theo ông Trần Công Quỳnh Lân, Phó Tổng Giám đốc phụ trách Khối CNTT và Khối Bán lẻ, Ngân hàng TMCP Công Thương Việt Nam (VietinBank), chính là tâm lý “đứng núi này trông núi nọ”, không ai nghĩ dữ liệu của mình đủ và luôn muốn dữ liệu của ngành khác.

Bên cạnh đó, không bao giờ có bức tranh toàn cảnh dữ liệu của khách hàng. Chẳng hạn, một người mở tài khoản khi còn độc thân nhưng data không thể cập nhật tình trạng kết hôn, có con của người đó. Vì vậy, một giám đốc công nghệ thông tin (CTO) hay khối data phải hiểu được đối tượng khách hàng, dữ liệu có và không có gì, từ những gì có suy luận cái không có.

Đồng tình với quan điểm này, ông Khương bổ sung, mỗi mảng hoạt động chỉ thấy được một mảnh ghép của con người. Đối với ngân hàng, thông qua giao dịch tài chính, chúng ta mới thấy được 15-20% khách hàng, CTO hoặc khối data phải dự đoán được 85% còn lại.

Đây chính là thách thức của data, chỉ làm được thông qua xử lý Big Data, phát hiện chân dung của khách hàng. Từ đó, xác định được sản phẩm, khẩu vị rủi ro, hành trình của khách hàng để ngân hàng phục vụ tốt hơn.

Chất lượng của dữ liệu cũng là một thách thức không nhỏ. Dữ liệu là vàng, nhưng nếu đầu vào toàn là sắt, thép sẽ không thể sử dụng được. Ông Nguyễn Bá Diệp, đồng sáng lập MoMo, cho biết điều kiện tiên quyết là phải tổ chức được hệ thống dữ liệu để có thể phân tích được. Sau khi có dữ liệu chính xác, cần bổ nhiệm một nhà khoa học vừa hiểu data, vừa hiểu kinh doanh để nhìn nhận dữ liệu có ý nghĩa.

Để chuyển hóa data thành “dầu”, một yếu tố khác là bên cạnh dạy máy, còn phải đào tạo nhân viên mọi bộ phận về cách sử dụng AI, thu thập, xử lý dữ liệu. Cần xây dựng văn hóa ra quyết định dựa trên dữ liệu để mọi người hiểu đây là trách nhiệm chung để có data chất lượng nhất, tránh đổ lỗi cho nhau do đã có KPI chung. Sự thành công của chiến dịch sẽ phụ thuộc vào cả đội data và kinh doanh.

Ông Lê Hồng Việt, Tổng Giám đốc FPT Smart Cloud, ví người làm dữ liệu giống như người đi lọc dầu. “Sau khi lọc dầu thô ra xăng, dầu, ra giá trị vượt trội, câu hỏi lớn hơn là làm sao đem giá trị đó đến từng khách hàng đúng thời điểm, đúng thứ họ mong muốn”, ông chia sẻ.

Từ giá trị đã tìm ra được cho khách hàng, lại cần tìm cách trao đổi, giải thích cho họ về giá trị đó, truyền tải một cách rõ ràng, hiệu quả, làm cho họ thấu hiểu hơn giá trị tìm ra được từ “nhà máy lọc dầu”.

Trước thực tế khi đẩy dữ liệu xuống chi nhánh, chi nhánh cho rằng bị cho thêm việc và hiệu suất không tốt, tỷ lệ chuyển đổi chưa cao, ông Việt nêu một cách tiếp cận của FPT Smart Cloud, đó là lọc mối quan tâm của khách hàng. Khi gửi tập khách hàng xuống chi nhánh, chỉ có khoảng 5-7% thực sự quan tâm.

Công ty sử dụng trợ lý ảo để gọi tập trung từ hội sở để đánh giá mong muốn của khách hàng có lớn không. Nếu lớn, chuyển về hội sở để xử lý. Thay vì phải xử lý 1 triệu khách hàng, chỉ phải xử lý 70.000 - 80.000 khách hàng. Năng suất lao động tại hội sở sẽ tăng lên nhiều lần. Nó giải quyết được bài toán cho đơn vị làm bán lẻ: Con người tập trung vào danh sách tốt nhất, AI tập trung loại bỏ bớt danh sách không tốt.

AI cũng hỗ trợ VPBank biết được lúc nào nên đề xuất dịch vụ nào, nhưng tỷ lệ chuyển đổi còn tùy thời điểm. AI, AI tạo sinh có thể thu thập thông tin, hiểu khách hàng, chọn được thông điệp phù hợp với khách hàng. Khi đó, trải nghiệm sẽ khác hoàn toàn so với hiện tại, với cả người bán lẫn khách hàng. Ngân hàng sẽ không phải chạy chiến dịch, chương trình nữa mà lồng ghép vào hoạt động của mình.

Nhìn chung, data và AI là công cụ tốt nhưng con người phải biết mình muốn gì để phối hợp, điều phối hiệu quả. Quá tải dữ liệu sẽ gây mất lòng tin. “Chúng ta nên sử dụng dữ liệu với vai trò hỗ trợ, cung cấp thông tin, song dữ liệu không phải là tất cả, còn phải tính đến môi trường, con người, năng lực”, bà Winnie Wong, Giám đốc quốc gia của Mastercard tại Việt Nam, Campuchia và Lào cảnh báo.

Một trong những thất bại trong sử dụng dữ liệu chính là đánh giá quá cao mức độ quan trọng của data mà quên đi việc thay đổi quy trình. Tổ chức phải thay đổi để thích ứng với giá trị mà data mang lại. Cuối cùng, con người vẫn là trọng tâm, những gì chúng ta đang làm xoay quanh dữ liệu và công nghệ chính là bảo vệ khách hàng và chính chúng ta.