Mô hình chấm điểm lựa chọn ngành trọng tâm cho ngân hàng thương mại: Kết hợp đa tiêu chí và phân tích dữ liệu

Vũ Thị Phương

Giám đốc Phân khúc Khách hàng Doanh nghiệp

Ngân hàng TMCP Hàng Hải Việt Nam

Email: [email protected]

Tô Minh Hương

Khoa Kế toán và Kinh doanh, Trường Đại học Thủy Lợi

Email: [email protected]

Tóm tắt

Nghiên cứu đề xuất mô hình chấm điểm lựa chọn ngành trọng tâm cho các ngân hàng thương mại Việt Nam trong bối cảnh cạnh tranh, chuyển đổi số và yêu cầu quản trị rủi ro ngày càng cao. Thông qua nghiên cứu trường hợp tại Ngân hàng thương mại cổ phần Hàng Hải Việt Nam (MSB), nghiên cứu xây dựng khung hỗ trợ ra quyết định dựa trên phương pháp đa tiêu chí kết hợp phân tích dữ liệu hiệu quả hoạt động. Hệ thống tiêu chí bao gồm đặc điểm thị trường, rủi ro ngành, mức độ phù hợp với năng lực nội tại và hiệu quả bền vững. Kết quả cho thấy mô hình góp phần nâng cao tính minh bạch, nhất quán và khả năng chuẩn hóa trong lựa chọn ngành trọng tâm, đồng thời hỗ trợ hoạch định chiến lược tín dụng và phân bổ nguồn lực hiệu quả hơn. Nghiên cứu cũng chỉ ra rằng hiệu quả của chiến lược tập trung ngành phụ thuộc lớn vào năng lực quản trị dữ liệu, khả năng chuyên môn hóa và khẩu vị rủi ro của từng ngân hàng.

Từ khóa: Ngân hàng thương mại, lựa chọn ngành trọng tâm, hiệu quả hoạt động ngân hàng

Abstract

This study proposes a scoring model for selecting priority industries for Vietnamese commercial banks in the context of increasing competition, digital transformation, and rising requirements for risk management. Through a case study of Vietnam Maritime Commercial Joint Stock Bank (MSB), the research develops a decision-support framework based on a multi-criteria approach combined with operational performance data analysis. The evaluation criteria include market characteristics, industry risk, compatibility with internal capabilities, and sustainable performance efficiency. The findings indicate that the model enhances transparency, consistency, and standardization in the process of selecting priority industries, while also supporting credit strategy formulation and more effective resource allocation. The study further reveals that the effectiveness of an industry-focused strategy largely depends on each bank's data governance capacity, level of specialization, and risk appetite.

Keywords: Commercial banks, priority industry selection, banking performance efficiency

GIỚI THIỆU

Trong bối cảnh ngành ngân hàng Việt Nam chịu áp lực cạnh tranh, chuyển đổi số và yêu cầu nâng cao quản trị rủi ro, việc cải thiện hiệu quả hoạt động đã trở thành mục tiêu trọng tâm của các ngân hàng thương mại. Nhiều ngân hàng chuyển hướng tập trung vào các ngành trọng điểm nhằm tối ưu phân bổ nguồn lực, nâng cao hiệu quả tín dụng và tăng cường quản trị rủi ro. Tuy nhiên, việc lựa chọn ngành trọng tâm trong thực tiễn vẫn chủ yếu dựa trên kinh nghiệm và đánh giá cảm tính, thiếu các công cụ hỗ trợ ra quyết định có tính hệ thống và chuẩn hóa.

Sự phát triển của dữ liệu lớn và các phương pháp ra quyết định đa tiêu chí (MCDM) tạo điều kiện nâng cao chất lượng quyết định chiến lược trong lĩnh vực ngân hàng nhờ khả năng kết hợp đánh giá định tính và định lượng. Tuy vậy, tại Việt Nam, các nghiên cứu hiện nay chủ yếu tập trung vào mối quan hệ giữa đa dạng hóa, hiệu quả hoạt động và rủi ro ngân hàng, trong khi còn thiếu nghiên cứu về quy trình lựa chọn ngành trọng tâm trong quản trị chiến lược.

Trên cơ sở đó, nghiên cứu tập trung trả lời 2 câu hỏi: (i) những tiêu chí nào cần được ưu tiên trong lựa chọn ngành trọng tâm của ngân hàng thương mại (NHTM); và (ii) liệu mô hình chấm điểm đa tiêu chí có thể nâng cao tính minh bạch và hiệu quả của quyết định chiến lược hay không. Nghiên cứu đồng thời đề xuất khung lựa chọn ngành trọng tâm và cung cấp bằng chứng thực tiễn thông qua trường hợp của MSB.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Các nghiên cứu về hiệu quả hoạt động ngân hàng cho thấy chiến lược đa dạng hóa thu nhập, đặc biệt là mở rộng thu nhập ngoài lãi, có thể cải thiện hiệu quả hoạt động của NHTM, nhưng tác động còn phụ thuộc vào năng lực quản trị và kiểm soát rủi ro (Phạm, Nguyễn & Hoàng, 2022; Luân, Lê & Le, 2024). Ở chiều ngược lại, nhiều nghiên cứu nhấn mạnh vai trò của chuyên môn hóa và tập trung theo ngành, giúp ngân hàng nâng cao chất lượng thẩm định và quản lý rủi ro, dù cũng tiềm ẩn nguy cơ rủi ro tập trung.

Trong bối cảnh chuyển đổi số, các quyết định chiến lược như lựa chọn ngành trọng tâm ngày càng cần được hỗ trợ bởi dữ liệu và công cụ phân tích. Các nghiên cứu gần đây cho thấy chuyển đổi số góp phần nâng cao hiệu quả hoạt động và chất lượng ra quyết định của ngân hàng (Sơn, 2025; Khoát, 2025). Đồng thời, việc kết hợp các phương pháp ra quyết định đa tiêu chí với trí tuệ nhân tạo có thể nâng cao tính minh bạch và độ tin cậy trong quản trị (Černevičienė & Kabašinskas, 2022).

Tuy nhiên, phần lớn nghiên cứu hiện nay vẫn tập trung vào đánh giá hiệu quả hoạt động hoặc tác động của đa dạng hóa danh mục tín dụng, trong khi còn thiếu các nghiên cứu xây dựng công cụ hỗ trợ lựa chọn ngành trọng tâm từ góc độ quản trị chiến lược ngân hàng. Đây là khoảng trống mà nghiên cứu này hướng tới bổ sung.

Phương pháp nghiên cứu

Nghiên cứu được thực hiện theo phương pháp nghiên cứu trường hợp (case study) kết hợp cách tiếp cận định tính và thống kê mô tả, phù hợp với mục tiêu làm rõ quy trình quản trị và ứng dụng mô hình chấm điểm lựa chọn ngành trọng tâm trong thực tiễn ngân hàng.

Lựa chọn MSB là trường hợp nghiên cứu do đã triển khai mô hình kinh doanh theo ngành trọng tâm và có dữ liệu hoạt động tương đối đầy đủ. Dữ liệu sơ cấp được thu thập thông qua phỏng vấn bán cấu trúc với các nhà quản lý và cán bộ chủ chốt nhằm khai thác kinh nghiệm trong lựa chọn và quản lý ngành trọng tâm. Dữ liệu thứ cấp được lấy từ báo cáo thường niên và báo cáo tài chính của ngân hàng, sử dụng các chỉ tiêu như ROA, ROE, NIM và lợi nhuận để phân tích xu hướng hiệu quả hoạt động.

Dữ liệu định tính được xử lý bằng phương pháp phân tích chủ đề để nhận diện các tiêu chí và logic quản trị trong lựa chọn ngành trọng tâm. Đồng thời, nghiên cứu sử dụng thống kê mô tả và phân tích xu hướng dữ liệu nhằm hỗ trợ diễn giải kết quả. Trong nghiên cứu này, phân tích dữ liệu đóng vai trò hỗ trợ quá trình ra quyết định, chưa thay thế hoàn toàn đánh giá của nhà quản lý.

KHUNG NGHIÊN CỨU VÀ MÔ HÌNH CHẤM ĐIỂM ĐỀ XUẤT

Dựa trên lý thuyết chuyên môn hóa ngành, phương pháp ra quyết định đa tiêu chí (MCDM) và vai trò của phân tích dữ liệu trong quản trị ngân hàng, nghiên cứu đề xuất khung lựa chọn ngành trọng tâm cho các NHTM Việt Nam. Khung nghiên cứu kết hợp đánh giá định tính và phân tích dữ liệu định lượng nhằm hạn chế sự phụ thuộc vào kinh nghiệm và đánh giá cảm tính.

Khung gồm 3 giai đoạn chính: (1) xác định khẩu vị rủi ro, định hướng chiến lược và nguồn lực hiện có; (2) đánh giá và chấm điểm các ngành theo hệ thống tiêu chí đa chiều; và (3) xếp hạng, lựa chọn ngành trọng tâm, đồng thời giám sát và điều chỉnh định kỳ theo biến động thực tiễn. Mô hình được thiết kế linh hoạt, cho phép điều chỉnh trọng số tiêu chí theo chiến lược và điều kiện kinh tế của từng ngân hàng.

Hệ thống tiêu chí gồm 4 nhóm chính được thể hiện tại Bảng 1.

Bảng 1: Hệ thống tiêu chí chấm điểm lựa chọn ngành trọng tâm tại MSB

Nguồn: MSB

Mô hình sử dụng thang Likert 5 mức (1 = rất thấp/không phù hợp; 5 = rất cao/rất phù hợp), trong đó tổng điểm ngành được tính bằng trung bình có trọng số của 4 nhóm tiêu chí. Quy trình chấm điểm được thực hiện theo các bước: thu thập dữ liệu đa nguồn, đánh giá độc lập, tổ chức thảo luận nhằm giảm thiên kiến, tính toán kết quả và rà soát định kỳ mỗi 6–12 tháng. Phân tích dữ liệu đóng vai trò hỗ trợ quan trọng thông qua các chỉ số như dư nợ, nợ xấu, tỷ suất lợi nhuận trên tài sản (ROA), Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) và biên lãi ròng (NIM) theo ngành, giúp kiểm chứng và điều chỉnh điểm số một cách khách quan hơn.

ĐÁNH GIÁ KHẢ NĂNG ỨNG DỤNG

Nghiên cứu tại MSB cho thấy mô hình chấm điểm lựa chọn ngành trọng tâm đã được triển khai thí điểm trong thực tiễn quản trị khách hàng doanh nghiệp. Từ tháng 6/2025, MSB áp dụng mô hình tại một số đơn vị kinh doanh ở Hà Nội và TP. Hồ Chí Minh, trước khi mở rộng cho toàn bộ đơn vị khách hàng doanh nghiệp tại hai địa bàn này vào đầu năm 2026.

Quá trình triển khai tập trung chuẩn hóa quy trình lựa chọn ngành thông qua kết hợp dữ liệu thị trường, dữ liệu nội bộ và đánh giá quản trị chuyên môn. Dữ liệu thị trường bao gồm quy mô doanh nghiệp, xu hướng tăng trưởng, mức độ cạnh tranh và triển vọng ngành; trong khi dữ liệu nội bộ gồm cơ cấu khách hàng, dư nợ, huy động vốn, doanh thu và chất lượng tín dụng theo ngành. Nghiên cứu cũng sử dụng phỏng vấn bán cấu trúc với lãnh đạo và cán bộ quản lý khách hàng để đánh giá mức độ phù hợp với năng lực vận hành và khẩu vị rủi ro của ngân hàng.

Kết quả bước đầu cho thấy các ngành thương mại – phân phối và sản xuất – chế biến đạt điểm cao nhờ triển vọng thị trường tích cực, phù hợp với năng lực khách hàng doanh nghiệp của MSB và hiệu quả hoạt động ổn định. Trong khi đó, ngành bất động sản có điểm thấp hơn do tính chu kỳ cao và áp lực quản trị rủi ro lớn (Bảng 2).

Bảng 2: Minh họa chấm điểm và xếp hạng một số ngành tại MSB

Nguồn: Tổng hợp và tính toán của tác giả

Việc triển khai thí điểm tại MSB cho thấy mô hình giúp nâng cao tính minh bạch và nhất quán trong lựa chọn ngành giữa các đơn vị kinh doanh, đồng thời hỗ trợ tập trung nguồn lực vào các ngành có khả năng tạo doanh thu ổn định và kiểm soát rủi ro tốt hơn. Mô hình cũng góp phần thúc đẩy chuyên môn hóa đội ngũ quản lý khách hàng doanh nghiệp thông qua yêu cầu hiểu biết sâu hơn về ngành và chuỗi giá trị khách hàng.

Tuy nhiên, quá trình triển khai vẫn bộc lộ một số hạn chế. Một số đơn vị chưa thoát khỏi cách tiếp cận phát triển khách hàng dàn trải; năng lực phân tích ngành và quản trị rủi ro còn chưa đồng đều; chất lượng dữ liệu đầu vào cũng có sự chênh lệch đáng kể. Ngoài ra, mô hình hiện mới dừng ở mức hỗ trợ ra quyết định dựa trên dữ liệu và đánh giá quản trị, chưa tích hợp các thuật toán học máy để dự báo xu hướng ngành và tối ưu hóa trọng số tiêu chí.

THẢO LUẬN VÀ GỢI MỞ NGHIÊN CỨU

Kết quả nghiên cứu bước đầu cho thấy việc áp dụng mô hình chấm điểm đa tiêu chí có thể mở ra một cách tiếp cận cân bằng và có hệ thống hơn trong lựa chọn ngành trọng tâm cho các NHTM. Thay vì tập trung chủ yếu vào tăng trưởng ngắn hạn, mô hình khuyến khích các nhà quản lý xem xét đồng thời nhiều khía cạnh, từ triển vọng thị trường đến rủi ro, sự phù hợp nội tại và khả năng tạo giá trị bền vững.

So với các nghiên cứu trước đây thường dừng lại ở việc kiểm định mối quan hệ giữa đa dạng hóa hay chuyên môn hóa với hiệu quả hoạt động, nghiên cứu này gợi mở một hướng tiếp cận thực tiễn hơn bằng cách xây dựng và thí điểm một khung hỗ trợ ra quyết định cụ thể. Trường hợp tại MSB cho thấy những ngành được đánh giá cao thường không chỉ hấp dẫn về mặt thị trường mà còn thể hiện sự “khớp nối” tốt với năng lực và khẩu vị rủi ro của ngân hàng. Ngược lại, việc không ưu tiên một số ngành dù có tiềm năng tăng trưởng mạnh dường như phản ánh định hướng quản trị thận trọng – một lựa chọn đáng để các ngân hàng khác tham khảo và thảo luận.

Quá trình thí điểm cũng đặt ra nhiều vấn đề cần suy ngẫm. Mặc dù mô hình góp phần nâng cao tính nhất quán và giảm bớt quyết định cảm tính, hiệu quả thực tế dường như vẫn phụ thuộc rất lớn vào chất lượng dữ liệu, năng lực phân tích ngành và sự sẵn sàng thay đổi của tổ chức. Điều này gợi ý rằng mô hình chấm điểm không nên được coi là giải pháp hoàn hảo mà chỉ là một công cụ hỗ trợ, cần được điều chỉnh linh hoạt theo bối cảnh cụ thể của từng ngân hàng. Từ góc độ nghiên cứu, kết quả bước đầu mở ra nhiều hướng khám phá thú vị trong tương lai. Các nhà nghiên cứu có thể đi sâu hơn vào việc tích hợp dữ liệu động và mô hình dự báo dựa trên học máy, sử dụng dữ liệu bảng để đánh giá tác động dài hạn, hoặc mở rộng so sánh giữa nhiều ngân hàng có quy mô và chiến lược khác nhau. Những hướng nghiên cứu này không chỉ giúp hoàn thiện mô hình mà còn góp phần làm rõ hơn vai trò của quản trị chiến lược dựa trên dữ liệu trong ngành ngân hàng Việt Nam.

Tài liệu tham khảo:

Černevičienė, J., & Kabašinskas, A. (2022). Review of multi-criteria decision-making methods in finance using explainable artificial intelligence. Frontiers in Artificial Intelligence, 5, 827584. https://doi.org/10.3389/frai.2022.827584.

Khoát, N. (2025). Xu hướng chuyển đổi số trong ngành ngân hàng Việt Nam: Tác động đến hiệu quả kinh doanh và năng lực cạnh tranh. Tạp chí Khoa học Trường Đại học Mở Hà Nội, 61. https://doi.org/10.59266/houjs.2025.682,

Luân, L., Lê, Đ., & Le, A. (2024). Tác động của đa dạng hóa đến hiệu quả hoạt động ngân hàng: Bằng chứng toàn diện từ các NHTM Việt Nam. Tạp chí Nghiên cứu Tài chính – Marketing, 31–45. https://doi.org/10.52932/jfm.v15i7.576.

Ntumba, J., Pascal, K., Ulungu, B., & Mukendi, P. (2024). Benchmark portfolio selection and efficient diversification of Congolese Bank. International Journal of Applied Mathematical Research, 13, 26–33. https://doi.org/10.14419/ka8jk962.

Phạm, T. D., Nguyễn, T. M. N., & Hoàng, T. T. H. (2022). Impact of income diversification on the business performance of Vietnamese commercial banks. Cogent Business & Management, 9(1), Article 2132592. https://doi.org/10.1080/23311975.2022.2132592.

Sơn, B. (2025). Sự phát triển của ngân hàng số trên thế giới và một số khuyến nghị. Tạp chí Khoa học Trường Đại học Mở Hà Nội, 11. https://doi.org/10.59266/houjs.2025.678.