Trang Chủ
Hệ thống phần mềm về chi trả BHTG của BHTGVN đã được thiết kế và xây dựng từ cách đây hơn 10 năm, đến nay cũng đã bộc lộ một số hạn chế nhất định. Điều này dẫn tới yêu cầu trước mắt là tìm ra các giải pháp tạm thời có thể đáp ứng những đòi hỏi về tính toán và xử lý dữ liệu trong bối cảnh thực tế mới và để nâng cao hiệu quả hoạt động nghiệp vụ.
Công cụ phân tích, xử lý dữ liệu là một giải pháp khả thi
Ngày nay, phân tích, xử lý dữ liệu không còn quá xa lạ trong đời sống hiện đại. Với sự phát triển nhanh chóng của công nghệ, việc thu thập và xử lý dữ liệu đã trở thành một yếu tố quan trọng đối với các doanh nghiệp, tổ chức đồng thời đây sẽ tiếp tục là xu hướng phát triển mạnh mẽ trong tương lai.
Về cơ bản, công việc phân tích, xử lý dữ liệu nói chung đều trải qua một số bước như thu thập dữ liệu, làm sạch dữ liệu, khám phá dữ liệu, phân tích và xử lý dữ liệu, báo cáo kết quả, lưu trữ dữ liệu. Ngoài ra, việc phân tích dữ liệu nói chung cũng cần lưu ý tới một số nội dung cơ bản như: tính toàn vẹn của dữ liệu, độ tin cậy của dữ liệu, tính tức thời/cập nhật của dữ liệu, việc quản lý và bảo mật của dữ liệu. Về bản chất, việc xử lý dữ liệu trong hoạt động chi trả BHTG cũng không nằm ngoài các quy trình hay nguyên tắc trên.
Hiện tại trên thế giới có nhiều phần mềm, công cụ ứng dụng trong việc phân tích, xử lý dữ liệu, điển hình như: R, Python, Excel, SAS, Power BI, Tableau, SPSS, vv… Mỗi phần mềm, công cụ này dều có những đặc điểm riêng, một số phần mềm còn có thế mạnh chuyên biệt riêng. Do vậy, tùy vào bối cảnh, nhu cầu và mục đích mà người sử dụng cần lựa chọn các phần mềm, công cụ phù hợp.
Qua nghiên cứu nhận thấy các công cụ xử lý dữ liệu hiên nay đã rất mạnh mẽ, thuận tiện, linh hoạt và hỗ trợ rất nhiều cho người sử dụng. Người sử dụng ngày nay không cần thiết phải có chuyên môn chuyên sâu về lập trình, thiết kế cơ sở dữ liệu, chuyên môn về khoa học dữ liệu, vv… mà vẫn có thể tiếp cận nhanh chóng và sử dụng được những công cụ này một cách hiệu quả trong công việc. Do vậy, việc áp dụng các công cụ xử lý dữ liệu vào trong hoạt động chi trả BHTG là rất khả thi. Ngoài ra, khả năng tính toán mạnh mẽ, xử lý được khối lượng dữ liệu tương đối lớn cộng thêm tính linh hoạt và thuận tiện của các công cụ này có thể giảm bớt các bước, quy trình phức tạp của một hệ thống phần mềm lớn từ việc thu thập, tiếp nhận tới việc xử lý để cho ra kết quả, báo cáo mong muốn. Chính vì vậy, việc ứng dụng công cụ xử lý dữ liệu có thể nâng cao hiệu quả và góp phần rút ngắn thời gian trong hoạt động chi trả.
Áp dụng công cụ xử lý dữ liệu vào hoạt động nghiệp vụ chi trả
Từ những nhận định về khả năng ứng dụng công cụ xử lý dữ liệu trong hoạt động chi trả, nhóm nghiên cứu đã tiến hành áp dụng các công cụ này trong mô phỏng chi trả BHTG đối với hai loại hình tổ chức tín dụng (TCTD) chính ở Việt Nam là quỹ tín dụng nhân dân (QTDND) và ngân hàng thương mại (NHTM).
QTDND là loại hình tổ chức tín dung nhỏ với hoạt động chính là nhận tiền gửi và cho vay trong phạm vi địa bàn nhỏ (xã hoặc liên xã). Chính vì vậy, mà lượng khách hàng của QTDND và tổng số dư tiền gửi thường rất nhỏ so với một NHTM. Quy mô người gửi tiền tại QTDND từ vài chục người cho tới trên 4 nghìn người, trong đó 90% số lượng quỹ tín dụng có số lượng người gửi tiền từ 100 đến 1.500 người gửi tiền và số lượng tài khoản tiền gửi lớn hơn số lượng người gửi tiền từ 1,3 đến hơn 3 lần tùy vào từng quỹ.
Khác với QTDND, NHTM có hoạt động rất đa dạng, phức tạp với địa bàn trải rộng trên nhiều tỉnh, thành trong cả nước. Số lượng khách hàng lên tới hàng triệu người gửi tiền với lượng tài khoản tiền gửi, tiền vay rất lớn. Các NHTM của Việt Nam phần lớn có lượng khách hàng từ trên 500 nghìn tới gần 18 triệu người gửi tiền và theo đà phát triển hiện nay, các con số này sẽ tiếp tục tăng trong tương lai. Việc xử lý dữ liệu khối dữ liệu có quy mô lớn như vậy cũng sẽ tạo ra những khó khăn nhất định cho phần mềm chi trả hiện tại của BHTGVN, một hệ thống đã được thiết kế cách đây hơn 10 năm. Chính vì vậy, việc xử lý dữ liệu trong hoạt động chi trả đối với loại hình NHTM cần công cụ đủ mạnh, đủ linh hoạt, thuận tiện và phù hợp.
Một số công cụ có thể áp dụng để xử lý dữ liệu trong hoạt động chi trả BHTG như: Python, R, Excel, Power BI, vv…. Trong phạm vi nghiên cứu lần này, chúng tôi lựa chọn công cụ Excel, Power Query và Power BI với lý do các công cụ này đủ mạnh mẽ, thuận tiện, linh hoạt, dễ tiếp cận (dễ học, dễ sử dụng, tích hợp rất tốt với Excel) và có thể đáp ứng được yêu cầu công việc.
Xử lý dữ liệu trong quá trình mô phỏng chi trả tại NHTM:
Việc mô phỏng chi trả tại NHTM với kịch bản được lập đầy đủ các quy trình, thủ tục theo quy định pháp luật cũng như quy chế và hướng dẫn về chi trả của BHTGVN. Kịch bản mô phỏng chi trả BHTG cho người gửi tiền tại một ngân hàng cỡ trung bình của Việt Nam với quy mô trên 1 triệu người gửi tiền và trên 3 triệu tài khoản tiền gửi, cùng với các dữ liệu khác có liên quan. Với quy mô dữ liệu như vậy, việc áp dụng Excel sẽ sẽ mất rất nhiều thời gian để xử lý dữ liệu. Trong trường hợp này, việc áp dụng công cụ như Power BI để tính toán và xử lý dữ liệu là một lựa chọn có tính khả thi cao.
Các công cụ xử lý dữ liệu nói chung và Power BI nói riêng đều có những tính năng cơ bản như: i) Hỗ trợ nhập/xuất dữ liệu với các định dang cơ bản hoặc cho phép kết nối trực tiếp vào cơ sở dữ liệu có sẵn; ii) Hỗ trợ biến đổi, định dạng dữ liệu theo đúng yêu cầu; iii) Hỗ trợ gộp, tách dữ liệu giữa các bảng dữ liệu để tạo bảng dữ liệu mới nhằm phục vụ xử lý và tính toán; iv) Hỗ trợ lập mối quan hệ, liên kết giữa các bảng dữ liệu để truy xuất và tính toán dữ liệu; vv… Chính nhờ những tính năng này, việc xử lý và tính toán dữ liệu để tính ra số tiền chi trả BH cho từng người gửi tiền và những báo cáo đã đạt được kết quả tốt như: tính chính xác cao, giảm được thời gian tính toán, tăng sự chủ động cho cán bộ nghiệp vụ, giảm bớt sự lệ thuộc vào các hệ thống phần mềm phức tạp.
Xử lý dữ liệu trong quá trình mô phỏng chi trả tại QTDND:
Đối với QTDND, việc xử lý dữ liệu đơn giản hơn rất nhiều so với các NHTM. Trường hợp này, với những tính năng có sẵn của Excel truyền thống cũng có thể đáp ứng nhu cầu công việc. Tuy nhiên, hiện tại Excel đã được Microsoft bổ sung những tính năng mới hỗ trợ sâu hơn cho việc xử lý dữ liệu, đó là Power Query. Power Query được thiết kế giúp người dùng kết nối, trích xuất và biến đổi dữ liệu từ nhiều nguồn khác nhau một cách thuận tiện, linh hoạt và trực quan. Thử nghiệm đã cho thấy, việc sử dụng kết hợp giữa các công cụ truyền thống của Excel (Hàm excel, VBA, vv…) với Power Query là một cách làm mới đem lại hiệu quả cao.
Kết quả từ việc áp dụng công cụ xử lý dữ liệu vào quá trình mô phỏng chi trả BHTG đã cho thấy Công cụ xử lý dữ liệu có thể áp dụng để xử lý và tính toán dữ liệu trong hoạt động chi trả từ việc mô phỏng, diễn tập cho tới chi trả thực tế. Việc có thêm giải pháp cũng đồng nghĩa với việc tăng sự chủ động và linh hoạt trong việc xử lý dữ liệu chi trả. Ngoài ra, công cụ xử lý dữ liệu có thể ứng dụng trong việc nghiên cứu cải tiến, nâng cấp phần mềm chi trả và các vấn đề về dữ liệu khác có liên quan. Đồng thời việc nghiên cứu, ứng dụng công cụ xử lý dữ liệu giúp nâng cao kiến thức và kỹ năng xử lý dữ liệu cho cán bộ nghiệp vụ.
Tóm lại, tốc độ phát triển nhanh chóng của ngành ngân hàng hiện nay đã đặt ra những bài toán mới, những đòi hỏi mới liên quan tới xử lý dữ liệu cần những giải pháp hiệu quả và phù hợp. Cũng chính từ những nhu cầu thực tế đó mà thế giới đã hình thành nên những giải pháp rất đa dạng từ đơn giản tới phức tạp; từ những hệ thống công nghệ khổng lồ tới những công cụ phù hợp cho các cá nhân sử dụng. Đối với nghiệp vụ chi trả BHTG, việc xử lý dữ liệu là một công việc cốt lõi. Chính vì vậy, trong thời gian trước mắt, BHTGVN có thể nghiên cứu và xem xét việc áp dụng công cụ xử lý dữ liệu vào các hoạt động của nghiệp vụ chi trả như một giải pháp bổ sung nhằm nâng cao hiệu quả công việc. Về dài hạn, BHTGVN cần tiếp tục nghiên cứu, cải tiến, nâng cấp, chỉnh sửa hệ thống phần mềm chi trả để đáp ứng đầy đủ, toàn diện hơn đối với những yêu cầu mới đặt ra trong chiến lược phát triển BHTG và phù hợp với thực tế.
TS. Vũ Văn Long – Phó Tổng Giám đốc BHTGVN
