Tác động của chuyển đổi số đến hiệu quả hoạt động của ngân hàng thương mại Việt Nam

Phạm Long Giang

Khối Dịch vụ Ngân hàng số (DBS), Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank)

Email: giang.pham.long@gmail.com

Tóm tắt

Nghiên cứu phân tích tác động của chuyển đổi số đến hiệu quả hoạt động của 23 ngân hàng thương mại Việt Nam giai đoạn 2010-2022 trong bối cảnh trí tuệ nhân tạo ngày càng được tích hợp vào hoạt động ngân hàng. Hiệu quả hoạt động được đo bằng ROA, trong khi chuyển đổi số được đo lường thông qua chỉ số ICT tổng hợp, chỉ số hạ tầng kỹ thuật công nghệ thông tin (ITI) và chỉ số ứng dụng công nghệ thông tin (IAT). Nghiên cứu sử dụng các mô hình Pooled OLS, FEM, REM và FGLS để kiểm định độ bền vững. Kết quả cho thấy, ITI có tác động tích cực đến ROA, trong khi ICT tổng hợp và IAT chưa có tác động rõ rệt. Quy mô ngân hàng và tỷ lệ vốn chủ sở hữu tác động tích cực, còn nợ xấu tác động tiêu cực đến hiệu quả hoạt động. Kết quả hàm ý các ngân hàng cần ưu tiên phát triển hạ tầng số, dữ liệu và ứng dụng AI gắn với quản trị rủi ro, kiểm soát nợ xấu và tối ưu hóa vận hành.

Từ khóa: Chuyển đổi số, hiệu quả kinh doanh, ngân hàng thương mại, ROA

Abstract

This study analyzes the impact of digital transformation on the operational efficiency of 23 Vietnamese commercial banks during the 2010-2022 period, amid the increasing integration of artificial intelligence into banking operations. ROA measures operational efficiency, while digital transformation is measured using the composite ICT index, Information Technology Infrastructure (ITI) index, and Information Technology Application (IAT) index. The study employs Pooled OLS, FEM, REM, and FGLS models to test the robustness of the results. The findings show that ITI has a positive effect on ROA, while the composite ICT and IAT indices do not exhibit clear effects. Bank size and the equity-to-assets ratio have positive effects, whereas non-performing loans have a negative effect on operational efficiency. The findings imply that banks should prioritize developing digital infrastructure and data systems, and applying AI in conjunction with risk management, non-performing loan control, and operational optimization.

Keywords: Digital transformation, business performance, commercial banks, ROA

GIỚI THIỆU

Các nghiên cứu cho thấy, số hóa giúp ngân hàng mở rộng tiếp cận khách hàng, tăng tốc độ giao dịch, giảm chi phí và tái cấu trúc dịch vụ tài chính, nhưng đồng thời làm gia tăng chi phí đầu tư, duy trì hệ thống và áp lực cạnh tranh công nghệ (Ho và Mallick, 2010; Alt và cộng sự, 2018). Trí tuệ nhân tạo (AI) cũng có tiềm năng nâng cao hoạt động, quản trị và tối ưu chi phí ngân hàng, song hiệu quả phụ thuộc vào hạ tầng công nghệ, nguồn nhân lực và mức độ sẵn sàng của từng ngân hàng (Tang và Tien, 2020).

Tại Việt Nam, Quyết định số 810/QĐ-NHNN ngày 11/5/2021 của Ngân hàng Nhà nước Việt Nam phê duyệt “Kế hoạch chuyển đổi số ngành ngân hàng đến năm 2025, định hướng đến năm 2030”, Nghị quyết số 57-NQ/TW ngày 22/12/2024 của Ban Chấp hành Trung ương về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia, Luật Các tổ chức tín dụng năm 2024 và Luật sửa đổi, bổ sung năm 2025 đã tạo nền tảng pháp lý thúc đẩy chuyển đổi số (CĐS), khai thác dữ liệu, tự động hóa và ứng dụng AI trong ngân hàng. Một số nghiên cứu tại Việt Nam cho thấy, CĐS tác động tích cực đến hiệu quả, khả năng sinh lời và kiểm soát chi phí ngân hàng (Do và cộng sự, 2022; Huong và cộng sự, 2025). Tuy nhiên, hiệu quả của ngân hàng số, học máy và AI vẫn phụ thuộc vào khung pháp lý, hạ tầng dữ liệu, an ninh mạng và năng lực quản trị công nghệ (Ha và Nguyen, 2022). Do đó, tác động của CĐS và AI không đồng đều, mà còn phụ thuộc vào quy mô, nhân lực và mức độ phát triển hạ tầng số của từng ngân hàng.

Trên cơ sở đó, nghiên cứu phân tích tác động của CĐS đến hiệu quả hoạt động của các ngân hàng thương mại (NHTM) Việt Nam giai đoạn 2010-2022, sử dụng dữ liệu bảng và các chỉ số công nghệ thông tin và truyền thông (ICT), hạ tầng kỹ thuật và ứng dụng công nghệ thông tin (CNTT). Hiệu quả hoạt động được đo bằng tỷ suất sinh lời trên tổng tài sản (ROA), cùng các biến kiểm soát về quy mô, vốn, nợ xấu, tăng trưởng GDP và lạm phát. Nghiên cứu cung cấp thêm bằng chứng thực nghiệm về mối quan hệ giữa CĐS và hiệu quả ngân hàng tại một nền kinh tế mới nổi.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Chuyển đổi số trong ngân hàng

Matt và cộng sự (2015) cho rằng, CĐS gắn với những thay đổi do công nghệ số tạo ra trong mô hình kinh doanh, sản phẩm, quy trình và cấu trúc tổ chức. Trong khi Nadkarni và Prügl (2021) nhấn mạnh đây là sự thay đổi tổ chức được kích hoạt bởi công nghệ số. Trên cơ sở đó, trong lĩnh vực ngân hàng, CĐS có thể được hiểu là quá trình các ngân hàng ứng dụng công nghệ số để tái cấu trúc mô hình kinh doanh, đổi mới phương thức quản trị, số hóa quy trình nghiệp vụ và nâng cao chất lượng cung ứng dịch vụ tài chính nhằm đạt hiệu quả hoạt động cao hơn. Theo Siebel (2019), mục tiêu cuối cùng của CĐS trong tổ chức là nâng cao hiệu quả. Do đó, đối với ngân hàng, CĐS không chỉ là việc phát triển dịch vụ lên môi trường trực tuyến, mà còn hướng tới tối ưu chi phí, cải thiện tốc độ xử lý, nâng cao năng suất lao động, tăng khả năng kiểm soát rủi ro và củng cố năng lực cạnh tranh.

Hiệu quả hoạt động của ngân hàng

Theo Fare và cộng sự (1994), hiệu quả có thể được tiếp cận dưới góc độ hiệu quả kỹ thuật, trong khi Berger và cộng sự (1993) nhấn mạnh đến hiệu quả như một thước đo phản ánh mức độ tối ưu trong quản trị và vận hành. Do đó có thể nhận định, hiệu quả hoạt động trong ngân hàng là khả năng ngân hàng sử dụng tài sản, vốn và các nguồn lực công nghệ, con người để tạo ra lợi nhuận và duy trì hoạt động ổn định trong môi trường cạnh tranh.

Về các phương pháp đo lường, hiệu quả hoạt động ngân hàng có thể được tiếp cận theo nhiều cách khác nhau. Coelli và cộng sự (2005) cho rằng, hiệu quả có thể được đánh giá theo hướng đầu vào hoặc hướng đầu ra, tùy thuộc vào khả năng tiết giảm nguồn lực hay khả năng tối đa hóa kết quả. Trong nghiên cứu ngân hàng, các phương pháp phổ biến gồm cách tiếp cận tham số và phi tham số, tiêu biểu là SFA và DEA.

Tác động của chuyển đổi số và hiệu quả của NHTM

Theo DiMaggio và Powell (1983), hành vi của tổ chức chịu ảnh hưởng đồng thời bởi áp lực cưỡng chế từ pháp luật và chính sách, áp lực bắt chước trong điều kiện bất định và áp lực chuẩn mực từ môi trường nghề nghiệp. Theo Adner (2006), giá trị của đổi mới phụ thuộc rất lớn vào mức độ sẵn sàng của các thành tố bổ trợ trong hệ sinh thái. Barney (1991) cho rằng, lợi thế cạnh tranh bền vững xuất phát từ các nguồn lực có giá trị, khan hiếm, khó sao chép và khó thay thế. Theo Teece và cộng sự (1997), tổ chức còn cần năng lực động để tích hợp, tái cấu hình và nâng cấp các nguồn lực đó nhằm thích ứng với thay đổi.

Qua đó có thể thấy rằng, tác động của CĐS và AI đến hiệu quả hoạt động ngân hàng không chỉ phụ thuộc vào mức đầu tư công nghệ, mà còn phụ thuộc vào khả năng ngân hàng biến đầu tư đó thành năng lực vận hành, năng lực ra quyết định và năng lực đổi mới dịch vụ. Nghiên cứu của Do và cộng sự (2022) cho thấy, CĐS có tác động tích cực đến hiệu quả hoạt động của NHTM Việt Nam, đặc biệt ở các ngân hàng quy mô lớn. Trong khi đó, Xie và Wang (2023) cũng chỉ ra rằng, CĐS giúp cải thiện hiệu quả hoạt động của các NHTM Trung Quốc và hỗ trợ điều chỉnh mô hình kênh phân phối theo hướng hiện đại hơn.

Giả thuyết nghiên cứu

Các nghiên cứu gần đây tại các NHTM Việt Nam cho thấy, CĐS tổng thể có tác động tích cực đến hiệu quả hoạt động, đồng thời các chiến lược CĐS và đầu tư công nghệ có thể cải thiện lợi nhuận và khả năng cạnh tranh của ngân hàng trong bối cảnh mới (Do và cộng sự, 2022; Huong và cộng sự, 2025). Trên cơ sở đó, nghiên cứu đề xuất rằng, CĐS sẽ tác động tích cực đến hiệu quả hoạt động NHTM thông qua 3 kênh chính là: mức độ sẵn sàng số tổng thể, hạ tầng kỹ thuật CNTT và mức độ ứng dụng CNTT. Từ đó, nghiên cứu đề xuất các giả thuyết như sau:

H1a: Chỉ số ICT có ảnh hưởng tích cực đến Hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam.

H1b: Chỉ số hạ tầng kỹ thuật CNTT có ảnh hưởng tích cực đến Hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam.

H1c: Chỉ số ứng dụng CNTT có ảnh hưởng tích cực đến Hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam.

Bên cạnh yếu tố công nghệ, quy mô ngân hàng cũng là một nhân tố quan trọng quyết định hiệu quả hoạt động. Theo lợi thế kinh tế theo quy mô, ngân hàng có quy mô lớn hơn thường có khả năng phân bổ chi phí cố định tốt hơn, đa dạng hóa hoạt động, đầu tư công nghệ hiệu quả hơn và mở rộng mạng lưới khách hàng thuận lợi hơn. Một số nghiên cứu đã cho thấy, quy mô tài sản có tương quan tích cực với khả năng sinh lời, đặc biệt khi ngân hàng tận dụng được lợi thế về vốn, thị phần và quy mô trung gian tài chính (Nguyen, 2024). Do đó, nghiên cứu đề xuất giả thuyết:

H2: Quy mô ngân hàng có ảnh hưởng tích cực đến Hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam.

Trong khi đó, nợ xấu là biến phản ánh chất lượng tài sản và rủi ro tín dụng, được xem là một trong những yếu tố làm suy giảm lợi nhuận ngân hàng. Khi tỷ lệ nợ xấu tăng, ngân hàng phải gia tăng chi phí dự phòng, giảm khả năng quay vòng vốn và đối mặt với áp lực suy giảm lợi nhuận. Các nghiên cứu tại Việt Nam cho thấy, nợ xấu có mối quan hệ âm với hiệu quả sinh lời của ngân hàng, đồng thời là nhân tố làm hạn chế khả năng mở rộng tín dụng và cải thiện hiệu quả hoạt động trong dài hạn (Nguyen, 2024). Do đó, nghiên cứu đề xuất giả thuyết:

H3: Tỷ lệ nợ xấu có ảnh hưởng tiêu cực đến Hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam.

Ở góc độ kinh tế vĩ mô, tăng trưởng GDP tạo ra môi trường thuận lợi cho hoạt động ngân hàng. Khi nền kinh tế tăng trưởng tốt, nhu cầu tín dụng, đầu tư và thanh toán tăng lên, trong khi khả năng trả nợ của khách hàng được cải thiện, qua đó hỗ trợ lợi nhuận ngân hàng. Nhiều nghiên cứu về khả năng sinh lời của ngân hàng Việt Nam đều chỉ ra rằng tăng trưởng kinh tế là một nhân tố thuận chiều với hiệu quả hoạt động của ngân hàng, đặc biệt trong những giai đoạn kinh tế ổn định và mở rộng (Ha và Nguyen, 2022). Do đó, nghiên cứu đề xuất giả thuyết:

H4: Tăng trưởng GDP có ảnh hưởng tích cực đến Hiệu quả hoạt động của các ngân hàng thương mại tại Việt Nam.

Mô hình nghiên cứu

Trên cơ sở lý thuyết và các giả thuyết nghiên cứu, mô hình nghiên cứu được đề xuất như Hình.

Hình 1: Mô hình nghiên cứu

Nguồn: Đề xuất của tác giả

Dữ liệu và phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu bảng của 23 NHTM Việt Nam giai đoạn 2010-2022, loại năm 2021 do không có số liệu ICT Index chính thức. Giai đoạn này cho phép khai thác chuỗi dữ liệu dài từ các báo cáo ICT Index và phản ánh quá trình hình thành năng lực CNTT của ngân hàng, đặc biệt trước và trong giai đoạn CĐS rõ nét từ khoảng 2014-2015.

Biến phụ thuộc là ROA, đại diện cho hiệu quả hoạt động của ngân hàng. Các biến chính gồm ICT, ITI và IAT, được thu thập từ Vietnam ICT Index do Bộ Khoa học và Công nghệ công bố. ICT phản ánh mức độ sẵn sàng phát triển và ứng dụng CNTT; ITI phản ánh hạ tầng kỹ thuật CNTT; IAT phản ánh mức độ ứng dụng CNTT trong hoạt động và cung ứng dịch vụ ngân hàng. Việc sử dụng đồng thời 3 chỉ số giúp đánh giá cả tác động tổng thể và các kênh tác động thông qua hạ tầng và ứng dụng công nghệ. Do cấu trúc ICT Index thay đổi theo thời gian, nghiên cứu sử dụng ICT tổng hợp, ITI và IAT để bảo đảm tính nhất quán của dữ liệu.

Nhóm biến kiểm soát gồm: SIZE, đo bằng logarit tự nhiên của tổng tài sản; ETA, tỷ lệ vốn chủ sở hữu trên tổng tài sản; NPL, tỷ lệ nợ xấu; GDPG, tốc độ tăng trưởng GDP; và INF, tỷ lệ lạm phát. Từ đó, mô hình nghiên cứu được xác định như sau:

ROA_it = α + β₁ICT_it + β₂ITI_it + β₃IAT_it + β₄SIZE_it + β₅ETA_it + β₆NPL_it + β₇GDPG_t + β₈INF_t + µ_i + ε_it

Trong đó, i là ngân hàng và t là năm nghiên cứu; µ_i phản ánh các đặc điểm riêng không quan sát được của từng ngân hàng, còn ε_it là sai số ngẫu nhiên.

Sau khi hoàn thiện bộ dữ liệu, nghiên cứu sử dụng Stata 17.0 để thực hiện phân tích dữ liệu bảng. Trước hết, nghiên cứu tiến hành thống kê mô tả, ma trận tương quan và kiểm định VIF để xem xét đặc điểm dữ liệu cũng như khả năng xuất hiện đa cộng tuyến giữa các biến độc lập.

Bảng 1: Mô tả các biến nghiên cứu

Nguồn: Tác giả tổng hợp

KẾT QUẢ NGHIÊN CỨU

Kết quả thống kê mô tả đối với các biến trong mô hình theo Bảng 2 cho thấy, đối với các biến đại diện cho CĐS, ICT có giá trị trung bình 0,5324, ITI đạt 0,4923 và IAT đạt 0,5384, cho thấy nhìn chung các NHTM Việt Nam đã có mức độ sẵn sàng và ứng dụng công nghệ thông tin tương đối khá. Tuy nhiên, khoảng dao động lớn của các chỉ số này, với ICT từ 0,2527 đến 0,8114, ITI từ 0,2349 đến 0,8561, và IAT từ 0 đến 1, cho thấy mức độ đầu tư và ứng dụng công nghệ còn chưa đồng đều giữa các ngân hàng. Ở góc độ vĩ mô, GDPG trung bình đạt 6,17% và INF ở mức 5,50%, phản ánh bối cảnh kinh tế vĩ mô Việt Nam trong giai đoạn nghiên cứu có nhiều biến động, qua đó có thể ảnh hưởng đến hiệu quả hoạt động của hệ thống ngân hàng.

Bảng 2: Thống kê mô tả các biến trong mô hình

Nguồn: Tính toán của tác giả trên Stata

Kết quả của Bảng 3 cho thấy, phần lớn các hệ số tương quan giữa các biến giải thích đều ở mức thấp, hàm ý rằng, mối liên hệ tuyến tính giữa các biến độc lập không quá lớn, qua đó không gây rủi ro đa cộng tuyến trong mô hình hồi quy. Kết quả cho thấy, giá trị VIF của các biến độc lập đều nhỏ hơn ngưỡng 5, cho thấy hiện tượng đa cộng tuyến không đáng kể và không ảnh hưởng nghiêm trọng đến độ tin cậy của các ước lượng trong mô hình (Hair Jr và cộng sự, 2010).

Bảng 3: Ma trận hệ số tương quan

Nguồn: Tính toán của tác giả trên Stata

Bảng 4 trình bày kết quả hồi quy mô hình ROA bằng các phương pháp OLS, FEM và REM. Trước khi lựa chọn mô hình phù hợp, nghiên cứu đã thực hiện các kiểm định cần thiết nhằm bảo đảm độ tin cậy của các ước lượng. Kiểm định Modified Wald và Wooldridge đều chỉ ra sự hiện diện của phương sai sai số thay đổi và tự tương quan, do đó nghiên cứu sử dụng sai số chuẩn robust và bổ sung FGLS là một bước kiểm định độ bền của kết quả (Wooldridge, 2010).

Kết quả phù hợp với lập luận về nghịch lý lợi nhuận trong đầu tư công nghệ, theo đó, chi phí đầu tư, chi phí duy trì hệ thống và các rủi ro vận hành có thể khiến lợi ích tài chính từ số hóa chưa thể hiện ngay trong ngắn hạn (Alt và cộng sự, 2018). Trong khi đó, biến ITI thể hiện cho hạ tầng kỹ thuật CNTT có tác động tích cực trong mô hình OLS và đặc biệt rõ hơn trong mô hình REM, cho thấy đầu tư vào nền tảng công nghệ là yếu tố gắn trực tiếp hơn với hiệu quả sinh lời của ngân hàng. Trong khi đó, biến IAT không có ý nghĩa thống kê trong các mô hình. Kết quả này tương đồng với nghiên cứu của Hasan và cộng sự (2012) khi tác giả cũng nhấn mạnh vai trò của hạ tầng công nghệ như một nguồn lực chiến lược có khả năng cải thiện hiệu quả hoạt động và năng lực cạnh tranh của ngân hàng.

Kết quả kiểm định độ bền bằng FGLS tiếp tục củng cố vai trò tích cực của SIZE và ETA, đồng thời cho thấy tác động âm rõ hơn của NPL, qua đó khẳng định rằng ngoài CĐS, quy mô, năng lực tài chính và chất lượng tài sản vẫn là các nhân tố quan trọng quyết định hiệu quả hoạt động ngân hàng (Rosalina và Nugraha, 2019).

Bảng 4: Kết quả hồi quy OLS, FE and RE

Nguồn: Tính toán của tác giả trên Stata

Bảng 5 trình bày kết quả lựa chọn mô hình phù hợp cho phân tích dữ liệu bảng. Kiểm định Breusch-Pagan LM cho giá trị p = 0,0000, cho thấy mô hình dữ liệu bảng phù hợp hơn so với mô hình OLS gộp. Đồng thời, kiểm định Hausman cho giá trị p = 0,3202, hàm ý không bác bỏ giả thuyết , từ đó cho thấy mô hình tác động ngẫu nhiên (REM) là lựa chọn phù hợp hơn so với mô hình tác động cố định (FEM) trong nghiên cứu này. Các kiểm định cũng cho thấy, mô hình tồn tại hiện tượng phương sai sai số thay đổi và tự tương quan, do đó nghiên cứu sử dụng sai số chuẩn robust trong mô hình REM và áp dụng FGLS nhằm kiểm định độ bền của kết quả (Hair Jr và cộng sự, 2010; Wooldridge, 2010).

Bảng 5: Lựa chọn mô hình

Nguồn: Tính toán của tác giả trên Stata

Bảng 6 cho thấy trong mô hình REM được lựa chọn là mô hình chính với biến ICT mang dấu âm nhưng không có ý nghĩa thống kê, trong khi ITI có tác động dương và có ý nghĩa ở mức 5%, còn IAT không có ý nghĩa thống kê. Kết quả này cho thấy rằng mức độ CĐS tổng hợp chưa tạo ra tác động rõ rệt đến khả năng sinh lời trên tài sản của ngân hàng, trong khi đầu tư vào hạ tầng kỹ thuật CNTT lại là yếu tố có tác động trực tiếp và rõ ràng hơn tới ROA.

Kết quả phù hợp với các nghiên cứu cho rằng, ngân hàng lớn thường có lợi thế về chi phí và công nghệ, trong khi nợ xấu cao làm xói mòn lợi nhuận thông qua chi phí dự phòng và suy giảm hiệu quả sử dụng tài sản (Rosalina và Nugraha, 2019). Ở góc độ vĩ mô, GDPG mang dấu dương và có ý nghĩa thống kê trong mô hình REM, với ý nghĩa ở mức 5% trong mô hình FGLS, cho thấy tăng trưởng kinh tế có tác động hỗ trợ tương đối ổn định đối với hiệu quả hoạt động ngân hàng.

Bảng 6: Hồi quy và kiểm định độ bền vững

Nguồn: Tính toán của tác giả trên Stata

KẾT LUẬN

Nghiên cứu đánh giá tác động của CĐS đến hiệu quả hoạt động của 23 NHTM Việt Nam giai đoạn 2010-2022. Kết quả cho thấy ITI có tác động tích cực đến ROA, trong khi ICT tổng hợp và IAT chưa có tác động rõ rệt. Quy mô ngân hàng (SIZE), vốn chủ sở hữu (ETA) và tăng trưởng GDP có tác động tích cực, còn nợ xấu (NPL) làm giảm hiệu quả hoạt động. Kết quả nhấn mạnh vai trò của hạ tầng số trong việc chuyển hóa đầu tư công nghệ thành hiệu quả tài chính.

Về chính sách, các ngân hàng cần ưu tiên đầu tư hạ tầng số, AI và tự động hóa gắn với quản trị rủi ro, kiểm soát nợ xấu và nâng cao hiệu quả vận hành. Cơ quan quản lý cần hoàn thiện khung pháp lý về ngân hàng số và AI, đồng thời hỗ trợ các ngân hàng, đặc biệt là ngân hàng vừa và nhỏ, nâng cấp hạ tầng công nghệ.

Nghiên cứu còn hạn chế về phạm vi dữ liệu, tần suất quan sát và khả năng đo lường toàn diện CĐS. Các nghiên cứu tiếp theo có thể mở rộng mẫu, sử dụng dữ liệu quý hoặc bán niên, bổ sung các chỉ tiêu như ROE, NIM, CIR, Z-score và đo lường cụ thể hơn mức độ ứng dụng AI, eKYC, RPA, blockchain và dữ liệu lớn.

Tài liệu tham khảo:

1. Adner, R. (2006). Match your innovation strategy to your innovation ecosystem. Harvard Business Review, 84(4), 98.

2. Alt, R., Beck, R., & Smits, M. T. (2018). FinTech and the transformation of the financial industry. Electronic Markets, 28(3), 235-243.

3. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99-120.

4. Berger, A. N., Hancock, D., & Humphrey, D. B. (1993). Bank efficiency derived from the profit function. Journal of Banking & Finance, 17(2-3), 317-347.

5. Coelli, T. J., Prasada Rao, D. S., O’donnell, C. J., & Battese, G. E. (2005). An introduction to efficiency and productivity analysis. Springer.

6. DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147-160.

7. Do, T. D., Pham, H. A. T., Thalassinos, E. I., & Le, H. A. (2022). The impact of digital transformation on performance: Evidence from Vietnamese commercial banks. Journal of Risk and Financial Management, 15(1), 21.

8. Fare, R., Grosskopf, S., Norris, M., & Zhang, Z. (1994). Productivity growth, technical progress, and efficiency change in industrialized countries. American Economic Review, 84(1), 66-83.

9. Ha, M. S., & Nguyen, T. L. (2022). Digital transformation in banking: A case from Vietnam. In Smart Cities in Asia (103-114). Springer.

10. Hair Jr, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis. In Multivariate data analysis (785-785).

11. Hasan, I., Schmiedel, H., & Song, L. (2012). Returns to retail banking and payments. Journal of Financial Services Research, 41(3), 163-195.

12. Ho, S. J., & Mallick, S. K. (2010). The impact of information technology on the banking industry. Journal of the Operational Research Society, 61(2), 211-221.

13. Huong, N. M., Huyen, P. T. N., Khue, T. M., Mai, N. T. T., & Yen, N. T. H. (2025). Digital Transformation in Vietnam Commerical Banks: Moderating Effect of COVID-19 Pandemic. Journal of Organizational Behavior Research, 10(1-2025), 83-96.

14. Matt, C., Hess, T., & Benlian, A. (2015). Digital transformation strategies. Business & Information Systems Engineering, 57(5), 339-343.

15. Nadkarni, S., & Prügl, R. (2021). Digital transformation: A review, synthesis and opportunities for future research: S. Nadkarni, R. Prügl. Management Review Quarterly, 71(2), 233-341.

16. Nguyen, P. D. (2024). Determinants of bank profitability in Vietnam: A focus on financial and COVID-19 crises. Business Economics and Management (JBEM), 25(4), 709-730.

17. Rosalina, D. A., & Nugraha, N. (2019). The effects of ownership structure on bank profitability. 42-46.

18. Siebel, T. M. (2019). Digital transformation: Survive and thrive in an era of mass extinction. RosettaBooks.

19. Tang, S., & Tien, H. (2020). Impact of artificial intelligence on vietnam commercial bank operations. International Journal of Social Science and Economics Invention, 6(07), 296-303.

20. Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.

21. Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data. MIT press.

22. Xie, X., & Wang, S. (2023). Digital transformation of commercial banks in China: Measurement, progress and impact. China Economic Quarterly International, 3(1), 35-45.