Original Title: CHUYỂN ĐỔI SỐ ĐỂ BÁN HÀNG VÀ CHĂM SÓC KHÁCH HÀNG TRONG HỆ THỐNG NGÂN HÀNG BÁN LẺ VIỆT NAM
Source: scholar.dlu.edu.vn
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការផ្លាស់ប្តូរឌីជីថលសម្រាប់ការលក់ និងការថែទាំអតិថិជននៅក្នុងប្រព័ន្ធធនាគារលក់រាយនៅប្រទេសវៀតណាម

ចំណងជើងដើម៖ CHUYỂN ĐỔI SỐ ĐỂ BÁN HÀNG VÀ CHĂM SÓC KHÁCH HÀNG TRONG HỆ THỐNG NGÂN HÀNG BÁN LẺ VIỆT NAM

អ្នកនិពន្ធ៖ Ths. Trần Hoàng Trung (Trường đào tạo và PTNNL VietinBank)

ឆ្នាំបោះពុម្ព៖ 2023, Tạp chí Tài chính doanh nghiệp

វិស័យសិក្សា៖ Finance and Banking

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះបង្ហាញពីការវិវឌ្ឍនៃការផ្លាស់ប្តូរឌីជីថលនៅក្នុងប្រព័ន្ធធនាគារលក់រាយនៅប្រទេសវៀតណាម ដែលត្រូវបានជំរុញដោយជំងឺរាតត្បាតកូវីដ-១៩ ការផ្លាស់ប្តូរអាកប្បកិរិយារបស់អតិថិជន និងតម្រូវការប្រកួតប្រជែង។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកនិពន្ធធ្វើការវិភាគ និងវាយតម្លៃលើកម្មវិធីបច្ចេកវិទ្យាសំខាន់ៗចំនួន ៤ ដែលធនាគារពាណិជ្ជវៀតណាមកំពុងប្រើប្រាស់យ៉ាងទូលំទូលាយ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Traditional Retail Banking
សេវាធនាគារលក់រាយបែបប្រពៃណី
ផ្តល់ទំនុកចិត្តខ្ពស់ដល់អតិថិជនតាមរយៈការប្រាស្រ័យទាក់ទងដោយផ្ទាល់ និងស័ក្តិសមសម្រាប់ប្រតិបត្តិការស្មុគស្មាញ។ ចំណាយពេលវេលាយូរ តម្រូវឱ្យអតិថិជនធ្វើដំណើរទៅកាន់សាខា និងទាមទារធនធានមនុស្សច្រើនក្នុងការគ្រប់គ្រង។ ដំណើរការអនុម័តឥណទាន ឬកាតឥណទានត្រូវចំណាយពេលយូរ (ច្រើនថ្ងៃ ឬសប្តាហ៍)។
Mobile Banking & eKYC
សេវាធនាគារតាមទូរស័ព្ទ និងការកំណត់អត្តសញ្ញាណអេឡិចត្រូនិក
អនុញ្ញាតឱ្យអតិថិជនបើកគណនីពីចម្ងាយ (គណនី ០ ដុល្លារ) និងធ្វើប្រតិបត្តិការ ២៤/៧ ដោយងាយស្រួល។ ទាមទារឱ្យអតិថិជនមានស្មាតហ្វូន អ៊ីនធឺណិត និងចំណេះដឹងផ្នែកឌីជីថលមូលដ្ឋាន។ ក្លាយជាបណ្តាញលក់ដ៏សំខាន់ ដោយជំនួសសាខាធនាគារផ្ទាល់សម្រាប់ប្រតិបត្តិការទូទៅប្រចាំថ្ងៃ។
AI Chatbot
កម្មវិធីសន្ទនាស្វ័យប្រវត្តិដោយបញ្ញាសិប្បនិម្មិត
ផ្តល់សេវាកម្មអតិថិជន ២៤/៧ ឆ្លើយតបលឿន និងជួយកាត់បន្ថយបន្ទុកបុគ្គលិកផ្នែកបម្រើអតិថិជនយ៉ាងច្រើន។ មិនទាន់អាចដោះស្រាយបញ្ហាដែលមានភាពស្មុគស្មាញខ្លាំង ឬទាមទារការយល់ចិត្តផ្នែកអារម្មណ៍បានល្អឥតខ្ចោះនោះទេ។ Chatbot របស់ធនាគារ ACB (ACB A Bot) អាចឆ្លើយតបសំណួរអតិថិជនក្នុងរយៈពេលតិចជាង ០.៥ វិនាទី។
Big Data & Biometrics
ការវិភាគទិន្នន័យធំ និងការផ្ទៀងផ្ទាត់ជីវមាត្រ
បង្កើនល្បឿននៃការអនុម័តឥណទាន យល់ច្បាស់ពីតម្រូវការអតិថិជន (Cross-selling) និងបង្កើនសុវត្ថិភាពប្រតិបត្តិការដោយមិនប្រើកាត។ ទាមទារការវិនិយោគទុនខ្ពស់លើហេដ្ឋារចនាសម្ព័ន្ធបច្ចេកវិទ្យា និងទាមទារការការពារឯកជនភាពទិន្នន័យយ៉ាងតឹងរ៉ឹង។ ធនាគារ VIB កាត់បន្ថយពេលអនុម័តកាតឥណទានមកត្រឹម ១៥-៣០ នាទី (លឿនជាងមុន ៥០០ ដង); ប្រព័ន្ធ Livebank ស្កេនមុខត្រឹម ៣ វិនាទី។

ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់ពីតួលេខនៃការចំណាយជាក់លាក់ ប៉ុន្តែការអនុវត្តបច្ចេកវិទ្យាទាំងនេះទាមទារការវិនិយោគទុនយ៉ាងធំសន្ធឹកសន្ធាប់លើហេដ្ឋារចនាសម្ព័ន្ធព័ត៌មានវិទ្យា។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តោតទាំងស្រុងលើប្រព័ន្ធធនាគារលក់រាយនៅប្រទេសវៀតណាម ដោយផ្អែកលើទិន្នន័យអ្នកប្រើប្រាស់ស្មាតហ្វូននៅទីនោះ (៧៣.៥%) និងធនាគារធំៗដូចជា VietinBank, VIB, និង ACB។ សម្រាប់ប្រទេសកម្ពុជា ការសិក្សានេះមានសារៈសំខាន់ណាស់ ព្រោះប្រជាជនកម្ពុជាមានអត្រាប្រើប្រាស់ទូរស័ព្ទចល័តខ្ពស់ដូចគ្នា ប៉ុន្តែអាចមានបញ្ហាប្រឈមទាក់ទងនឹងអក្ខរកម្មឌីជីថល (Digital Literacy) នៅតំបន់ជនបទ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការផ្លាស់ប្តូរឌីជីថលទាំងនេះ គឺពិតជាអាចអនុវត្តបាន និងមានសក្តានុពលខ្ពស់ក្នុងការផ្លាស់ប្តូរមុខមាត់វិស័យហិរញ្ញវត្ថុនៅកម្ពុជា។

ការទាញយកប្រយោជន៍ពីបច្ចេកវិទ្យាទាំងនេះនឹងជួយពន្លឿនបរិយាបន្នហិរញ្ញវត្ថុ (Financial Inclusion) និងបង្កើនភាពប្រកួតប្រជែងរបស់ធនាគារកម្ពុជាក្នុងតំបន់។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះទិន្នន័យ និង AI: និស្សិតត្រូវចាប់ផ្តើមរៀនភាសាកូដិង Python និងប្រព័ន្ធគ្រប់គ្រងទិន្នន័យ SQL ដោយប្រើប្រាស់វេទិកាសិក្សាដូចជា DataCampCoursera ដើម្បីយល់ពីរបៀបប្រមូល និងរៀបចំទិន្នន័យ (Data Preprocessing)។
  2. ស្រាវជ្រាវពីបច្ចេកវិទ្យាជីវមាត្រ (Biometrics): អនុវត្តការសរសេរកូដសម្គាល់ផ្ទៃមុខដោយប្រើ OpenCV ឬសាកល្បងប្រើប្រាស់ AWS Rekognition API ដើម្បីយល់ពីយន្តការនៅពីក្រោយប្រព័ន្ធ eKYC របស់ធនាគារ។
  3. អភិវឌ្ឍគំរូ Chatbot ជាភាសាខ្មែរ: ប្រើប្រាស់ឧបករណ៍ដូចជា Google DialogflowRasa Framework ដោយសហការជាមួយគំរូភាសាខ្មែរ (Khmer NLP) ដើម្បីបង្កើតជំនួយការនិម្មិតដែលអាចឆ្លើយសំណួរធនាគារមូលដ្ឋាន។
  4. វិភាគទិន្នន័យវាយតម្លៃឥណទាន (Credit Scoring): ទាញយកទិន្នន័យហិរញ្ញវត្ថុគំរូពី Kaggle ដើម្បីហ្វឹកហាត់បង្កើតម៉ូដែល Machine Learning (ឧទាហរណ៍ Random Forest ឫ XGBoost) ដែលអាចទស្សន៍ទាយពីលទ្ធភាពសងបំណុលរបស់អតិថិជន។
  5. សិក្សាពីបទប្បញ្ញត្តិ និងសន្តិសុខសាយប័រ: ត្រូវអាន និងស្វែងយល់ពីគោលការណ៍ណែនាំរបស់ ធនាគារជាតិហិរញ្ញវត្ថុកម្ពុជា (NBC) ទាក់ទងនឹងការគ្រប់គ្រងហានិភ័យបច្ចេកវិទ្យា និងច្បាប់ការពារទិន្នន័យឯកជន (Data Privacy) មុននឹងដាក់ឱ្យដំណើរការប្រព័ន្ធណាមួយ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
eKYC eKYC (Electronic Know Your Customer) គឺជាដំណើរការដែលធនាគារប្រើប្រាស់បច្ចេកវិទ្យាដើម្បីផ្ទៀងផ្ទាត់អត្តសញ្ញាណរបស់អតិថិជនតាមប្រព័ន្ធឌីជីថល (ដូចជាការថតរូបអត្តសញ្ញាណប័ណ្ណ និងស្កេនមុខ) ដោយមិនតម្រូវឱ្យអតិថិជនធ្វើដំណើរទៅកាន់សាខាធនាគារផ្ទាល់នោះទេ។ ដូចជាអ្នកយាមទ្វារដែលឆែកមើលអត្តសញ្ញាណប័ណ្ណ និងមុខរបស់អ្នកតាមរយៈកាមេរ៉ាវីដេអូ ដើម្បីអនុញ្ញាតឱ្យអ្នកចូលក្នុងអគារដោយសុវត្ថិភាពពីចម្ងាយ។
Big data ទិន្នន័យដែលមានទំហំធំមហិមា និងមានភាពស្មុគស្មាញ ដែលធនាគារប្រមូលបានពីប្រវត្តិប្រតិបត្តិការ អាកប្បកិរិយា និងទម្លាប់ទិញទំនិញរបស់អតិថិជន ដើម្បីយកមកវិភាគរកតម្រូវការ និងវាយតម្លៃហានិភ័យឥណទាន (Credit Scoring) បានយ៉ាងជាក់លាក់។ ដូចជាបណ្ណាល័យដ៏ធំមួយដែលមានសៀវភៅរាប់លានក្បាល ដែលបណ្ណារក្សប្រើប្រាស់ប្រព័ន្ធកុំព្យូទ័រដ៏ឆ្លាតវៃដើម្បីស្វែងរកព័ត៌មានជាក់លាក់ណាមួយក្នុងរយៈពេលត្រឹមប៉ុន្មានវិនាទី។
Biometrics Authentication ការផ្ទៀងផ្ទាត់ជីវមាត្រ គឺជាបច្ចេកវិទ្យាដែលប្រើប្រាស់លក្ខណៈរូបសាស្ត្រពិសេសរបស់មនុស្សម្នាក់ៗ ដូចជា ក្រយៅដៃ ផ្ទៃមុខ ឬប្រស្រីភ្នែក ដើម្បីកំណត់អត្តសញ្ញាណ និងអនុញ្ញាតការចូលប្រើប្រាស់គណនី ឬធ្វើប្រតិបត្តិការហិរញ្ញវត្ថុប្រកបដោយសុវត្ថិភាព។ ដូចជាការប្រើប្រាស់រូបរាងរាងកាយរបស់អ្នកផ្ទាល់ធ្វើជាកូនសោរដែលអាចបើកបានតែអ្នកម្នាក់គត់ ដោយមិនចាំបាច់ទន្ទេញលេខកូដសម្ងាត់។
Chatbot កម្មវិធីកុំព្យូទ័រដែលត្រូវបានបង្កើតឡើងដើម្បីធ្វើការសន្ទនាជាមួយមនុស្សដោយស្វ័យប្រវត្តិ តាមរយៈអក្សរ ឬសំឡេង ដោយប្រើប្រាស់បញ្ញាសិប្បនិម្មិតដើម្បីវិភាគសំណួរ និងផ្តល់ចម្លើយត្រឡប់ទៅអតិថិជនវិញភ្លាមៗ។ ដូចជាអ្នកបម្រើអតិថិជនរ៉ូបូតដែលមិនចេះហត់នឿយ និងអាចឆ្លើយសំណួររបស់អតិថិជនរាប់ពាន់នាក់ក្នុងពេលតែមួយបាន ២៤ ម៉ោងលើ ២៤ ម៉ោង។
deep learning អនុវិស័យមួយនៃបញ្ញាសិប្បនិម្មិត (AI) ដែលព្យាយាមចម្លងតាមរបៀបដែលខួរក្បាលមនុស្សដំណើរការ ដោយប្រើប្រាស់បណ្តាញសរសៃប្រសាទសិប្បនិម្មិត (Neural Networks) ដើម្បីរៀនសូត្រពីទិន្នន័យ និងអាចធ្វើការសម្រេចចិត្តដោយខ្លួនឯង ដូចជាការសម្គាល់ភាសា ឬការយល់ន័យរបស់អតិថិជនក្នុង Chatbot។ ដូចជាក្មេងតូចម្នាក់ដែលរៀនស្គាល់រូបរាងសត្វឆ្មាដោយការមើលរូបភាពឆ្មាជាច្រើនដង រហូតដល់អាចចំណាំបានដោយខ្លួនឯងដោយមិនបាច់មានអ្នកប្រាប់។
mobile banking កម្មវិធីសេវាកម្មហិរញ្ញវត្ថុដែលធនាគារបង្កើតឡើង ដើម្បីអនុញ្ញាតឱ្យអតិថិជនអាចធ្វើប្រតិបត្តិការ ដូចជាផ្ទេរប្រាក់ បង់វិក្កយបត្រ បើកគណនី ឬពិនិត្យសមតុល្យ តាមរយៈទូរស័ព្ទដៃស្មាតហ្វូនរបស់ពួកគេគ្រប់ពេលវេលា និងគ្រប់ទីកន្លែង ដោយមិនចាំបាច់ទៅបញ្ជរធនាគារ។ ដូចជាការយកសាខាធនាគារទាំងមូលបង្រួមទំហំដាក់ចូលទៅក្នុងហោប៉ៅរបស់អ្នក ដែលអាចយកចេញមកប្រើប្រាស់ពេលណាក៏បាន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖