Ứng dụng khoa học dữ liệu trong ngân hàng tài chính

Khoa học dữ liệu (KHDL) đang được ứng dụng vào rất nhiều lĩnh vực của nền kinh tế số, tạo những chuyển biến ấn tượng, giúp tăng hiệu quả và năng suất của doanh nghiệp. Bài viết này đi sâu vào phân tích những ứng dụng của KHDL trong một số ngành như ngân hàng, tài chính.
Nội dung trích xuất từ tài liệu:
Ứng dụng khoa học dữ liệu trong ngân hàng tài chính 179 ỨNG DỤNG KHOA HỌC DỮ LIỆU TRONG NGÂN HÀNG TÀI CHÍNH ThS. Cao Thị Thu Hương, ThS. Tống Minh Ngọc Viện Công nghệ thông tin và Kinh tế số, Trường Đại học Kinh tế Quốc dân TÓM TẮT Khoa học dữ liệu (KHDL) đang được ứng dụng vào rất nhiều lĩnh vực của nền kinh tế số, tạo những chuyển biến ấn tượng, giúp tăng hiệu quả và năng suất của doanh nghiệp. Bài viết này đi sâu vào phân tích những ứng dụng của KHDL trong một số ngành như ngân hàng, tài chính. Từ khóa: Khoa học dữ liệu, Kinh tế số, Tài chính, Ngân hàng 1. GIỚI THIỆU Kể từ đầu thập niên 2000, số hóa và kinh tế số đã phát triển với tốc độ cao và làm thay đổi nhanh mọi mặt của đời sống xã hội. Một mặt, kinh tế số là một khu vực kinh tế đóng góp rất đáng kể vào tổng thu nhập quốc dân của nhiều nước với các ước tính khác nhau. Mặt khác, kinh tế số tạo ra các loại hình kinh doanh đa dạng và cải tiến không ngừng, đồng thời tạo thêm các loại hình việc làm hoàn toàn mới, thu hút được đông đảo nguồn lao động trong xã hội. Hơn nữa, kinh tế số còn cung cấp các giá trị bổ sung cho người tiêu dùng và xã hội, làm phong phú thêm đời sống tinh thần của con người. Kinh tế số đã trở thành xu thế tất yếu đối với mọi quốc gia trên thế giới (Hà Quang Thụy, 2020). Sự xuất hiện của Internet vạn vật (Internet of Things - IoT) đánh dấu sự phát triển vượt bậc việc sử dụng dữ liệu vào hoạt động kinh doanh và mọi hoạt động khác của doanh nghiệp. Sự tăng trưởng với tốc độ cao dữ liệu số, một mặt, là nguồn tài nguyên quý giá giúp doanh nghiệp hiểu biết sâu sắc hơn không chỉ khách hàng và thị trường của mình mà còn đối với nhân viên và quy trình nội tại trong doanh nghiệp, và hơn thế nữa, dữ liệu số còn trở thành một tài sản “bán được” để tăng doanh thu cho doanh nghiệp (Hà Quang Thụy, 2020). Ngày nay, hầu hết các công ty và tập đoàn lớn đều đã có những đội ngũ, chuyên gia phân tích dữ liệu của riêng họ. Một ví dụ tiêu biểu là đội ngũ KHDL của các hãng công nghệ lớn như: Google, Amazon, Facebook, Microsoft, Youtube, LinkedIn, Instagram, Twitter... Họ không ngừng tham gia vào quá trình thu thập, phân tích, dự đoán các tri thức có từ dữ liệu để hỗ trợ cho doanh nghiệp của mình. Sự thành công của các công ty và tổ chức trên thế giới ngày nay đều ít nhiều có liên quan tới KHDL. KHDL đang lan rộng ảnh hưởng của nó và mang lại ý nghĩa ngày càng quan trọng hơn đối với đời sống con người nói chung và với nền kinh tế số nói riêng. 180 2. TỔNG QUAN VỀ KHOA HỌC DỮ LIỆU Hiện nay, vẫn còn nhiều tranh cãi về định nghĩa chính thức của ngành KHDL (Data Science). Theo Wikipedia “KHDL là một lĩnh vực liên ngành về các quá trình và các hệ thống rút trích tri thức hoặc hiểu biết từ dữ liệu ở các dạng khác nhau, kể ở dạng cấu trúc hay phi cấu trúc, là sự tiếp nối của một số lĩnh vực phân tích dữ liệu như khoa học thống kê, khai phá dữ liệu, tương tự như khám phá tri thức ở các cơ sở dữ liệu (KDD-Knowledge Discovery in Databases)”. NIST (National Institute of Standards and Technology) định nghĩa “KHDL trực tiếp trích rút tri thức hành động từ dữ liệu qua quá trình phát hiện, thiết lập và kiểm nghiệm các giả thiết”. Microsoft đã định nghĩa “KHDL là dùng dữ liệu tạo quyết định dẫn dắt hành động”. Slaltz và cộng sự định nghĩa “KHDL là trích xuất, sắp xếp, phân tích, trực quan hóa và duy trì thông tin. Đây là một lĩnh vực đa ngành sử dụng các phương pháp và quy trình khoa học để rút ra những hiểu biết sâu sắc từ dữ liệu” (Saltz & Stanton, 2017) . Nhìn vào ở một khía cạnh nào đó, có thể xem KHDL như một thể mới của một tập hợp gồm các ngành khác nhau trong sự vận động phát triển không ngừng của khoa học máy tính, mô phỏng, thống kê, phân tích và toán học. Trọng tâm của nó nằm ở việc áp dụng các phương pháp tự động hóa cho việc phân tích một lượng lớn dữ liệu và từ đó rút ra các tri thức. Hình 1: Sơ đồ Venn về Data Science Nguồn: (Conway, 2011) 181 KHDL là nơi giao thoa của nhiều lĩnh vực khác nhau. Những trụ cột của KHDL bao gồm: tính toán, thống kê, toán học, các môn học định lượng và kiến thức khoa học chuyên ngành kết hợp để phân tích dữ liệu và cho ra quyết định tốt hơn. Theo sơ đồ Venn về KHDLcủa Drew Conway, chúng ta có thể thấy được ba nội dung chính của KHDL là: các kỹ năng thâm nhập (hacking skills), các kiến thức toán học và thống kê (math & statistics knowledge) và các khoa học chuyên ngành (domain science) (Trí, 2018) Với sự xuất hiện của các công nghệ mới, dữ liệu đã tăng lên theo cấp số nhân. Điều này đã tạo cơ hội để phân tích và rút ra những hiểu biết sâu sắc có ý nghĩa từ dữ liệu. Nó đòi hỏi kiến thức chuyên môn đặc biệt của một ‘Nhà khoa học dữ liệu’, người có thể sử dụng c ...