Ứng dụng BI hỗ trợ ra quyết định kinh doanh ngân hàng

(Banker.vn) Bài viết tìm hiểu khái niệm, cấu trúc hệ thống, vai trò và ứng dụng của BI trong hoạt động ngân hàng cũng như những khó khăn, thách thức trong ứng dụng BI đối với hoạt động kinh doanh ngân hàng; đồng thời chia sẻ một số kinh nghiệm khi triển khai ứng dụng BI.

Tóm tắt: Trong một môi trường thông tin điện tử phát triển mạnh mẽ như ngày nay, các tổ chức đang hàng ngày thiết lập các bộ dữ liệu, tìm hiểu và kết hợp chúng để đưa ra những quyết định hiệu quả, thiết thực, cải thiện hoạt động kinh doanh. Business Intelligence (BI) là mô hình tập hợp các giải pháp đáp ứng nhu cầu này. BI đem lại những lợi thế cạnh tranh cao cho các doanh nghiệp có khả năng ứng dụng những công cụ khai thác các nguồn dữ liệu khác nhau. Bài viết tìm hiểu khái niệm, cấu trúc hệ thống, vai trò và ứng dụng của BI trong hoạt động ngân hàng cũng như những khó khăn, thách thức trong ứng dụng BI đối với hoạt động kinh doanh ngân hàng; đồng thời chia sẻ một số kinh nghiệm khi triển khai ứng dụng BI.

BI application supports better business decision - making in banking

Abstract: In today's rapidly evolving hi-tech information environment, organizations are daily establishing sets of data, understanding and combining them to make effective, practical, and effective decisions in order to improve business operations. Business Intelligence (BI) is a set of solutions that meet this need. BI offers high competitive advantages for businesses that have capacity to apply tools to exploit different data sources. The article looks into the concept, system structure, role and application of BI in banking  as well as difficulties and challenges in the application of BI to banking operations; at the same time shares experiences when implementing BI solutions.

I.Tổng quan về BI

Các nhà quản lý cấp cao đòi hỏi ngày càng nhiều khối lượng thông tin chính xác để có thể đưa ra quyết định một cách đúng đắn và tức thì (Kaula, 2015). Cho tới hiện nay, nhiều hệ thống chưa thể hỗ trợ quá trình đưa ra các quyết định trong thời gian thực và phân tích một khối lượng lớn dữ liệu được lưu trữ tại các địa điểm khác nhau, phân tán tại nhiều nơi. Theo Xu (2010),  Business Intelligence (BI) là mô hình tập hợp các giải pháp đáp ứng nhu cầu này.

Các mô hình kinh doanh trực tuyến trong thời kì chuyển giao công nghệ số cung cấp nhiều nguồn dữ liệu giá trị, có thể khai thác giải đáp đối với nhiều quy trình nghiệp vụ khác nhau mà đa số các nhà quản lý chưa tìm hiểu và ít biết về quy trình hoạt động của một mô hình BI (Panda, 2012).

Để cải thiện hoạt động kinh doanh, các doanh nghiệp cần liên tục thu thập, xử lý và phân tích dữ liệu của họ. Hơn nữa, trong một thời điểm mà các yếu tố về công nghệ đi kèm với lượng dữ liệu dồi dào đóng một vai trò then chốt thì khả năng đưa ra được những quyết định nhanh chóng và chuẩn xác là một lợi thế cạnh tranh vô cùng quan trọng, vì vòng đời của một sản phẩm hay dịch vụ ngày một ngắn hơn. Mô hình BI là một hướng tiếp cận rất tốt, theo đó các doanh nghiệp thu thập, cấu trúc lại và khai thác những nguồn thông tin có được nhằm hỗ trợ các lớp quản lý đưa ra những quyết định đúng đắn, gia tăng giá trị của doanh nghiệp nói chung.

Là một tổ chức cung ứng dịch vụ tài chính cho hầu hết các chủ thể trong nền kinh tế, các ngân hàng không thể đứng ngoài xu thế ứng dụng BI trong hoạt động thường nhật của mình.

1. Khái niệm BI

BI là một khái niệm mang nhiều màu sắc khác nhau tùy thuộc vào mỗi trường phái học thuật.

Theo Moss và Atre (2003), BI “không phải là một sản phẩm hay hệ thống. Đây là một tổ hợp những ứng dụng và cơ sở dữ liệu được tích hợp vào hoạt động của chủ thể theo một kiến trúc hỗ trợ việc đưa ra quyết định và truy cập vào tập dữ liệu này”.

Trong khi, Thomas Jr. (2001) lại cho rằng đây là một quy trình có hệ thống nhằm thu thập, phân tích và tổ chức những luồng thông tin quan trọng. Theo đó hệ thống này tập trung vào các vấn đề chiến lược và hoạt động chủ chốt.

Còn Pirttimaki (2007) cho thấy khái niệm BI mang hai ý nghĩa chính:

(i) Những thông tin qua xử lý hình thành một số nhận định sâu sắc về chủ thể đó đối với môi trường kinh doanh, thực trạng của tổ chức trên thị trường, quan hệ đối với khách hàng và những đối thủ cạnh tranh cũng như các vấn đề kinh tế khác.

(ii) Quá trình thu thập, xử lý và phân tích thông tin thành dữ liệu thông minh hình thành nên những nhận định cụ thể về chủ thể được phân tích, đưa ra những gợi ý và đề xuất, hỗ trợ khối quản lý đưa ra quyết định kinh doanh.

Quá trình nghiên cứu và phát triển rộng rãi của BI đã bắt nguồn từ 40 năm trở lại đây (DSSResources, 2007), thuật ngữ BI mặc dù mang hơi hướng rất hiện đại (Negash, 2004), nhưng những hoạt động cốt lõi của BI không hề có gì mới mẻ (Mendell, 1997). Tyson (1986) cho rằng BI đơn thuần là một tổ hợp các tập dữ liệu thông minh sau đây: (i) khách hàng; (ii) đối thủ; (iii) thị trường; (iv) công nghệ; (v) sản phẩm; và (vi) môi trường xung quanh.

Theo một khía cạnh khác, Ponniah (2010) cho rằng BI bao gồm hai môi trường có chức năng tương hỗ nhau như Hình 1 dưới đây.

- Môi trường kho dữ liệu: dữ liệu được thu thập từ nhiều nguồn thông qua một chu trình như trích xuất, tích hợp, làm sạch và chuyển đổi thành những thông tin có giá trị.

- Môi trường phân tích: các công cụ phân tích được ứng dụng một cách phù hợp để biến dữ liệu thành những “thông tin biết nói”.

Hình 1. BI : Môi trường kho dữ liệu và  môi trường phân tích (Ponniah, 2010)

2. Cấu trúc hệ thống BI

Niu (2009) phân chia một hệ thống BI thành 4 cấu phần chính và một mô-dun quản lý dữ liệu. Kiến trúc căn bản của một hệ thống BI được mô tả dưới đây.

Hình 2. Kiến trúc cơ bản của một hệ thống BI

Các thành phần trong hệ thống trong Hình 2 tương tác với nhau để tạo ra những chức năng cốt lõi của một hệ thống BI. Trước tiên, dữ liệu được trích xuất từ hệ thống lữu trữ những thông tin về tình hình hoạt động của  doanh nghiệp,  dữ liệu được trích xuất vào kho dữ liệu rồi đưa các dữ liệu này cho các ứng dụng phân tích hoạt động kinh doanh khác nhau.

- Tầng hệ thống vận hành chứa nguồn dữ liệu BI, đồng thời là nguồn dữ liệu đầu vào cho hệ thống tiếp tục xử lý. Hệ thống vận hành ở một doanh nghiệp thường sử dụng hệ thống xử lý giao dịch trực tuyến (OLTP)1 để có thể hỗ trợ các hoạt động kinh doanh hàng ngày.

- Tầng thu thập dữ liệu được chia thành ba giai đoạn chính: trích xuất, chuyển đổi và tải (ETL). Một chủ thể thường xuyên sử dụng rất nhiều hệ thống OLTP sản sinh ra khối lượng dữ liệu lớn. Khối lượng dữ liệu này sẽ được trích xuất từ các hệ thống OLTP và chuyển đổi sang một định dạng nhất định, theo những quy luật khác nhau và sẽ được lưu trữ lên Kho dữ liệu. Cũng có nhiều kho dữ liệu kết hợp các tệp dữ liệu từ các hệ thống khác không phải là OLTP như các tệp văn bản, các hệ thống kế thừa và bảng tính.

- Tầng phân tích dữ liệu: dựa trên kho dữ liệu mà rất nhiều ứng dụng phân tích đã được phát triển. Hệ thống BI hỗ trợ hai chức năng cơ bản là: báo cáo và xử lý phân tích trực tuyến OLAP2. Chức năng báo cáo cung cấp cho các nhà quản lý một số loại hình báo cáo phổ biến như báo cáo bán hàng, báo cáo sản phẩm và báo cáo nguồn nhân lực. Các loại báo cáo này thường có định dạng tĩnh và chứa các dữ liệu chính xác. Ngoài các chức năng báo cáo và OLAP thì còn có nhiều loại hình phân tích dữ liệu khác nhau có thể được thực hiện dựa trên hệ thống kho dữ liệu mà chủ thể sở hữu như data mining, theo dõi bảng giám sát, quản lý quan hệ khách hàng và quản lý hiệu quả hoạt động kinh doanh.

Trong cơ sở dữ liệu, metadata là các sửa đổi dạng biểu diễn khác nhau của các đối tượng trong cơ sở dữ liệu. Trong cơ sở dữ liệu quan hệ thì metadata là các định nghĩa của bảng, cột, cơ sở dữ liệu, view và nhiều đối tượng khác. Trong kho dữ liệu, metadata là dạng định nghĩa dữ liệu như: bảng, cột, một báo cáo, các luật doanh nghiệp hay những quy tắc biến đổi. Metadata bao quát tất cả các phương diện của kho dữ liệu.

Metadata phải chứa những thông tin:

- Cấu trúc của dữ liệu

- Thuật toán sử dụng để tổng hợp dữ liệu

- Ánh xạ xác định sự tương ứng dữ liệu từ môi trường tác nghiệp sang kho dữ liệu

Metadata là dữ liệu để mô tả dữ liệu. Khi dữ liệu được cung cấp cho người dùng cuối, thông tin metadata sẽ cung cấp những thông tin cho phép họ hiểu rõ hơn bản chất về dữ liệu mà họ đang có. Những thông tin này sẽ giúp cho người dùng có được những quyết định sử dụng đúng đắn và phù hợp về dữ liệu mà họ có.

Tuỳ thuộc vào từng mục đích sử dụng khác nhau, từng loại dữ liệu khác nhau mà cấu trúc và nội dung dữ liệu metadata có thể có những sự khác biệt. Song, nhìn chung sẽ bao gồm một số loại thông tin cơ bản sau:

- Thông tin mô tả về bản thân dữ liệu metadata

- Thông tin về dữ liệu mà metadata mô tả

- Thông tin về cá nhân, tổ chức liên quan đến dữ liệu metadata và dữ liệu

II. BI trong hoạt động ngân hàng

1. Vai trò và ứng dụng của BI trong lĩnh vực ngân hàng

Các giải pháp BI mang lại  rất có giá trị trong việc hỗ trợ hoạt động ra quyết định từ tất cả các bộ phận kinh doanh của ngân hàng với khả năng quản lý và khai thác tiềm năng thông tin của nhiều nguồn dữ liệu cục bộ và ngoại vi.

BI được ứng dụng trong nhiều lĩnh vực kinh doanh của ngân hàng bao gồm: Phân tích quan hệ khách hàng; Quản lý hiệu quả kinh doanh; Quản lý rủi ro ngân hàng; Khai thác tài sản và quản lý nợ; Chính sách và pháp lý, có thể mô phỏng theo hình 3.

Hình 3. Một số lĩnh vực trọng yếu mà BI được nhiều ngân hàng ứng dụng

Kiểm tra và phân tích quan hệ khách hàng mang tính sống còn cho các hoạt động ngân hàng trong điều kiện cạnh tranh ngày càng gay gắt. Hầu hết các giải pháp phần mềm trong lĩnh vực BI được tập trung vào phân khúc thị trường, phác họa một bức tranh cụ thể cùng với những nhận định sâu sắc về hành vi cũng như mối quan hệ của khách hàng đó đối với ngân hàng. Đồng thời BI cũng phân tích đánh giá tiềm năng thị trường và khả năng của ngân hàng để sử dụng tiềm năng này (Mosimann & Connelly, 2007):

- Phân nhóm khách hàng: tạo các nhóm khách hàng riêng biệt dựa trên các đặc trưng cụ thể.

- Lợi nhuận của khách hàng (CP): phân tích lợi nhuận mà một khách hàng mang lại nhằm xem xét, đánh giá để phù hợp với các dự kiến ​​lợi nhuận của ngân hàng. Sự phân tích dựa trên chỉ số ROE, tỷ số lợi nhuận ròng trên vốn chủ sở hữu.

- Cross-selling và up-selling: các phân tích cho phép đánh giá khách hàng để từ đó có  khả năng  bán chéo một số sản phẩm và lên kế hoạch bán đồng thời các gói dịch vụ (cho vay, tiền gửi, thẻ, ví điện tử…).

- Hiệu quả của kênh giao tiếp: cho phép xác định và phân tích của các kênh khác nhau để giao tiếp với khách hàng cũng như phân phối sản phẩm thông qua các kênh đó.

- Quản lý chiến lược kinh doanh: mục tiêu chính là để phân tích và so sánh một số tác động chiến dịch tiếp thị về sự gia tăng số lượng khách hàng, gia tăng về doanh số và tần suất bán sản phẩm, gia tăng doanh thu,...

Khai thác tài sản và quản lý nợ (ALM)3 – BI trong ALM hỗ trợ việc tạo ra một bộ hoàn chỉnh những báo cáo nội bộ như bảng cân đối tài chính, phân tích khả năng thanh khoản và lưu chuyển tiền tệ, cơ cấu lãi suất. Thêm vào đó, BI còn có khả năng phân tích cơ cấu thu nhập và phân tích thỏa thuận cho vay dài hạn.

Quản lý rủi ro – BI hỗ trợ trong toàn bộ quy trình xác định, phân tích, đo lường, kiểm soát và báo cáo, nhằm đưa ra mức cảnh báo, đảm bảo hoạt động ổn định của ngân hàng. Một số các rủi ro mà ngân hàng thường mắc phải bao gồm rủi ro tín dụng, rủi ro thị trường, rủi ro lãi suất, rủi ro biến đổi nước ngoài, rủi ro thanh khoản, rủi ro hoạt động, rủi ro về uy tín…

Một vài báo cáo phân tích đặc trưng mà các giải pháp BI mang lại để hỗ trợ quản trị rủi ro tín dụng bao gồm (Ćirić & Mirčetić, 2008):

- Tổng hợp phân tích

- Đánh giá rủi ro tín dụng

- Đánh giá giảm thiểu rủi ro tín dụng

- Rủi ro tín dụng khách hàng cá nhân

- Phân tích cơ cấu lại nợ

- Phân tích phát sinh giao tiếp

- Phân tích cho vay không hiệu quả

- Phân tích hiệu quả đột biến

- Danh mục đầu tư tín dụng

- Phân tích an ninh.

Với nghiệp vụ quản lý hiệu quả kinh doanh, các nhà quản trị ngân hàng sẽ giám sát chỉ số hiệu quả kinh doanh trọng yếu thông qua bảng điểm cân bằng (balance scorecard). Bảng điểm cân bằng dùng để giám sát liên tục sự cân bằng giữa hiện tại với mục tiêu đã hoạch định. Các giải pháp hỗ trợ bảng điểm cân bằng cần hỗ trợ người dùng (đặc biệt là các nhà quản trị) có quyền truy cập nhanh chóng và hiệu quả vào bảng điểm để biết các chỉ số hoạt động quan trọng, cảnh báo họ khi những giá trị vượt quá giới hạn cho phép. Ngoài các hệ thống báo cáo đề cập ở trên, quản lý hiệu quả kinh doanh cũng đòi hỏi cung cấp một cơ sở hạ tầng để hỗ trợ việc lập kế hoạch và ngân sách. Điều này có nghĩa rằng hệ thống phải hỗ trợ khả năng xác định các giá trị mục tiêu trên một phương diện đa chiều (Mossimann & Conelly, 2007).

2. Khó khăn, thách thức trong việc ứng dụng BI đối với hoạt động kinh doanh ngân hàng

Thứ nhất, việc ứng dụng BI vào hoạt động kinh doanh của ngân hàng hay tổ chức tài chính là một quá trình phức tạp so với một số hoạt động công nghệ thông tin khác, đòi hỏi một lượng lớn tài nguyên (dữ liệu, con người, tài chính) cũng như những nỗ lực cải tiến phải được nhất quán (Ivan & Mihaela-Laura, 2014).

Thứ hai, dữ liệu thông minh đóng một vai trò quan trọng trong hầu hết các tổ chức, tuy nhiên ngân hàng là một trong những ngành nghề kinh doanh đặc biệt với chức năng trung gian tài chính rất cần thu thập nguồn dữ liệu này nhanh hơn và chính xác hơn để có thể đưa vào phân tích khối dữ liệu khổng lồ từ nhiều nguồn khác nhau dưới nhiều định dạng.

Thứ ba, trong một môi trường kinh doanh trực tuyến, tính bảo mật, riêng tư của dữ liệu lại đóng một vai trò hết sức quan trọng trong khi những quy định về pháp lý thường đi rất chậm.

Thứ tư, rất khó để phân tích yếu tố về niềm tin vì tính phức tạp và rủi ro liên quan trong một môi trường điện tử (Cheng, 2009). Tất cả những khía cạnh này sẽ là yếu tố quyết định sự thành công hay thất bại của một hệ thống BI.

Tóm lại, một số vấn đề khiến các nhà quản trị còn quan ngại bao gồm:

Chưa có một định hướng mang tính chiến lược lâu dài;

Thiếu kinh nghiệm trong việc ứng dụng BI;

Thực trạng công nghệ BI;

Những thiếu sót của các mô hình BI hiện nay;

Thách thức về pháp lý và tính minh bạch của thông tin.

Vấn đề được đưa ra ở đây là các tổ chức ngân hàng đang xử lý một lượng dữ liệu khổng lồ hàng ngày, nhưng chỉ có số khá ít trong các ngân hàng thực sự quen thuộc với khái niệm BI và khả năng chuyển đổi dữ liệu thành những “thông tin biết nói”. Thêm nữa, đối với các ngân hàng đã và đang sử dụng hệ thống BI thì lại chưa thực sự rõ mình đang triển khai tới đâu, ở cấp độ nào vì chính bản thân ngân hàng không có một chiến lược đo lường mức độ sử dụng BI.

Ngoài ra, nguồn dữ liệu chưa qua xử lý không đủ lợi ích đối với việc đưa ra các quyết định kinh doanh. Thực tế cho thấy giá trị của chúng phụ thuộc rất nhiều vào khả năng phân tích những dữ liệu đó của ngân hàng. Do đó nhu cầu trang bị hệ thống phần mềm ứng dụng để phục hồi, diễn giải và thể hiện ý nghĩa của khối dữ liệu đó cho người dùng cuối như các cấp lãnh đạo của ngân hàng ngày một tăng. Hiểu được nhu cầu này, sự sản sinh của rất nhiều doanh nghiệp chuyên cung cấp hệ thống và dịch vụ BI chuyển hóa từ dữ liệu thô thành những thông tin có giá trị ngày một nhiều. Nguồn dữ liệu thông minh đóng một vai trò hết sức quan trọng đối với sinh tồn của một ngân hàng.

Trên bình diện quốc tế, các tổ chức đang nỗ lực phát triển một hệ quy chuẩn trong việc ứng dụng BI. Tại Ấn Độ, không hề có một hệ thống đo lường nào tồn tại đối với BI mặc dù BI tại đây đã phát triển một cách rộng rãi. Vì vậy, mô hình đánh giá BI tồn tại song song, có mối quan hệ tương hỗ với hệ thống ứng dụng BI. Không có mô hình, chúng ta không thể xác định các biến cần đo lường, thuộc tính nào cần quan sát, dữ liệu gì cần thu thập, câu hỏi gì cần đặt, mối quan hệ nào cần khám phá và quy mô lớn ra sao để sử dụng phù hợp.

III. Kinh nghiệm cho ngân hàng khi triển khai, ứng dụng BI

Để áp dụng và triển khai BI vào quá trình hoạt động kinh doanh của một ngân hàng cần chuẩn bị một số bước sau:

- Đo lường BI

- Hiệu quả hệ thống BI.

1. Đo lường

Đây là một hoạt động cần thiết và tối quan trọng khi ứng dụng BI vào hoạt động hàng ngày. Toàn bộ quá trình cần được đánh giá để có thể hiểu được hệ thống cần được cải thiện ở khâu nào. Người chịu trách nhiệm vận hành hệ thống BI của một ngân hàng là người dùng cuối của bản báo cáo đo lường và đánh giá hệ thống này. Các chuyên gia cho rằng, có ba khía cạnh quan trọng cần được đo lường đó là (i) khả năng triển khai; (ii) khả năng mở rộng và (iii) khả năng sử dụng đối với dữ liệu thông minh.

Phương pháp đánh giá tính sẵn sàng được sử dụng nhằm xác minh các cấu phần liên quan của một ngân hàng đã đủ khả năng để ứng dụng BI tại thời điểm đó hay chưa. Một trong số những khía cạnh được đánh giá bao gồm văn hóa liên tục muốn cải tiến, văn hóa thu thập dữ liệu thông tin và phân tích cũng như tính sẵn sàng của hạ tầng cơ sở kỹ thuật công nghệ sẵn có. Việc đo lường các vấn đề trên nhằm (1) Xác định giá trị mà BI mang lại; (2) Quản lý và vận hành BI.

2. Hiệu quả hệ thống BI

Hiệu quả của một hệ thống BI được đảm bảo và đánh giá bởi một mô hình bao gồm 4 bước:

Xác định loại hình dữ liệu: Giai đoạn này, các lãnh đạo cấp cao ngân hàng cần xác định được loại hình dữ liệu nào là cần thiết và có giá trị đối với việc góp phần vào quá trình đưa ra quyết định kinh doanh. Phân loại được các dữ liệu phục vụ trực tiếp tới việc đưa ra được giải pháp cho các vấn đề tồn đọng của ngân hàng.

Thu thập dữ liệu: Các ngân hàng cần thiết kế, xây dựng một phương thức để có thể thu thập các dữ liệu cần thiết vì có nhiều luồng và định dạng dữ liệu khác nhau, cục bộ và ngoại vi.

Phân tích dữ liệu: Dữ liệu tại giai đoạn này được phân tích và tiếp tục gắn liền với các sản phẩm và dịch vụ khác nhau. Mục đích của BI là trích xuất được những dữ liệu thông minh, có giá trị trong việc đưa ra quyết định cho các cấp quản lý của ngân hàng. Trước khi dữ liệu đã qua xử lý được sử dụng thì chúng cần được phân phối tới người dùng vào đúng thời điểm và qua những công cụ và hình thức phù hợp.

Lữu trữ và sử dụng dữ liệu: Mục tiêu cuối cùng của giai đoạn này hướng tới việc chia sẻ những dữ liệu đã qua quá trình phân tích và xử lý của BI. Giá trị của khối lượng dữ liệu này sẽ không có chất lượng nếu như các khâu bên trên không được vận hành và triển khai một cách hợp lý.

Vì vậy, quy trình rà soát và đánh giá chất lượng qua từng khâu trong mô hình BI là vô cùng cần thiết đối với các ngân hàng hay bất kì tổ chức nào khi ứng dụng mô hình này.

IV. Kết luận

Hoạt động kinh doanh ngân hàng ngày càng trở nên tinh vi, hiện đại, cạnh tranh ngày càng gay gắt và được đặt trong môi trường đầy biến động, kể cả công nghệ cũng thay đổi với tốc độ chóng mặt. Vì vậy, việc sở hữu một hệ thống thu thập, xử lý, phân tích một khối lượng dữ liệu khổng lồ được sinh ra hàng ngày để đảm bảo quá trình hoạt động kinh doanh xuyên suốt, quản lý hiệu quả với mức độ kiểm soát phù hợp trong một thị trường tài chính của Việt Nam ngày càng phát triển là hết sức cần thiết. Hệ thống thông tin trong ngân hàng không ngừng phát triển và liên tục được cải tiến. Tuy nhiên, để tận dụng tối đa các tiềm năng to lớn mà thị trường đang có, thì một trong những yêu cầu cấp bách là các ngân hàng Việt Nam cần sớm triển khai, ứng dụng những hệ thống công nghệ dữ liệu thông minh – BI trong quản trị doanh nghiệp. Hệ thống BI cũng cho phép các ngân hàng dự đoán hành vi tương lai trong các hoạt động nghiệp vụ và hầu hết các chỉ tiêu kinh doanh của bản thân mình. Nó cũng cho phép mô hình hóa hành vi khách hàng - không chỉ ở xác định tiềm năng đối với những danh mục sản phẩm và dịch vụ mới mà còn trong các hoạt động quản trị rủi ro của ngân hàng.

 CHÚ THÍCH:

(1) OLTP là viết tắt của On-line transactional processing, là các hẹ thống “cổ điển” xử lý giao dịch dữ liệu như máy ATM hoặc hệ thống máy tính được nhân viên ngân hàng sử dụng để ghi lại các giao dịch là một hệ thống OLTP, thường là một cơ sở dữ liệu.

(2) Kỹ thuật OLAP thể hiện dữ liệu đa chiều cho các người dùng từ nhà kho dữ liệu mà không cần xem xét đến cách thức tổ chức cũng như lưu trữ của dữ liệu.

(3) ALM là một quá trình quản lý nợ phải trả và các khoản phải thu của ngân hàng, nhằm thiết lập sự cân bằng giữa lợi nhuận và rủi ro, thiết lập một mối quan hệ giữa các khoản nợ và các khoản phải thu, và kiểm soát các tác động của rủi ro đến hoạt động và tài chính của ngân hàng.

Tài liệu tham khảo

- Bouthillier, F. and K. Shearer (2003). Assessing Competitive Intelligence Software: A Guide to Evaluating Ci Technology, Information Today.

- Brar T. (2018). Business intelligence in banking: A study of BI technology implementation and challenges.

CGC International Journal of Contemporary Technology and Research – Vol. 1 Issue 1 (November 2018)

- Cheng, H., Lu, Y.-C., & Sheu, C. (2009). An ontology-based business intelligence application in a financial knowledge management system. Expert Syst. Appl., 36(2), 3614-3622

- Choo, C. W. (2002). Information Management For The Intelligent Organization: The Art Of Scanning The Environment, Information Today.

- Ćirić, B., & Mirčetić, M. (2008). Tezauri – Enterprise Banking BI/DW Solution Proposal for Banca Intesa BIH. Rzeszów: Asseco South Eastern Europe SA.

- Ćurčić, U. (1999). Strategijsko planiranje u bankarstvu. Subotica: Ekonomski fakultet Subotica

- DSSResources (2007). “A Brief History of Decision Support Systems.” version 4.0. Retrieved 25.07.2012, 2012, from http://dssresources.com/history/dsshistory.html

- Freeman, O. (1999). “Competitor intelligence: information or intelligence?” Business Information Review 16(2): 71-77.

- IFPO (2005). “Intelligence as an Investigative Function.” Retrieved 04.11.2012, 2012, from http://ifpo.org/articlebank/intelligence.pdf.

- Ivan And Mihaela-Laura (2014). Characteristics Of In-Memory Business Intelligence ,Informatica Economica 18.3: 17-25

- Kaula, R. (2015). Business Intelligence Rationalization: A Business Rules Approach, International Journal Of Information, Business And Management 7.1: 129-143

- Marren, P. (2004). “The father of business intelligence.” The Journal of Business Strategy 25(6): 5-7.

-  Mendell, R. (1997). “Using Intelligence Wisely.” Security Management 9: 115-118.

- Moss, L. T. and S. Atre (2003). Business intelligence roadmap: the complete project lifecycle for decision-support applications, Addison-Wesley Professional.

- Mosimann, R., & Connelly, R. (2007). The Performance Manager (for Banking). Ottawa: Cognos Press.

- Negash, S. (2004). “Business intelligence.” Communications of the Association for Information Systems 13(1): 177-195.

- L. Niu, J. Lu, and G. Zhang, Cognition-Driven Decision Support for Business Intelligence, German: Springer-Verlag Gmbh, 2009

- Panda, B. (2012). Problems of Bank for Different Data source and its solution through Business Intelligence. Truy cập qua http://www.slideshare.net/pandabishnu/problemsof-bank-for-different-data-source-and-itssolution-through-business-intelligence, May 2016

- Pirttimäki, V. (2007). “Business intelligence as a managerial tool in large Finnish companies.” Tampereen teknillinen yliopisto. Julkaisu-Tampere University of Technology. Publication; 646.

- Ponniah, P. (2010). Data warehousing fundamentals for IT professionals, Wiley.

- Thomas Jr, J. H. (2001). “Business Intelligence–Why.” eAI Journal, July: 47-49.

- Tyson, K. W. M. (1986). Business intelligence— putting it all together, Leading Edge Publications.

-  Xu, Xi (2010). Developing a Framework for Business Intelligence Systems Integration based on Ontology, ICNDS,’09, International Conference networking and digital society.

Bài đăng trên Tạp chí Thị trường Tài chính Tiền tệ số 19/2020

THS. PHẠM XUÂN HÒE - PHẠM XUÂN LÂM

Theo Tạp chí Thị trường Tài chính - Tiền tệ (link gốc)

Theo: