Một ngân hàng ghi nhận 2 triệu hồ sơ khách hàng trên các hệ thống. Nhưng sau khi đối chiếu, số khách hàng duy nhất chỉ còn 1,65 triệu. Điều gì xảy ra nếu ngân hàng vẫn sử dụng 2 triệu hồ sơ để phân tích và ra quyết định?
Trong ngân hàng, cùng một khách hàng có thể xuất hiện trên nhiều hệ thống với những mã định danh khác nhau.
Core Banking quản lý tài khoản và khoản vay. CRM lưu thông tin quan hệ khách hàng. LOS quản lý hồ sơ cấp tín dụng. Hệ thống thẻ và ngân hàng số tiếp tục tạo ra những bản ghi riêng.
Nếu thiếu cơ chế liên kết định danh và quản lý dữ liệu chuẩn, ngân hàng có thể đếm trùng khách hàng, phân tích sai hiệu quả kinh doanh hoặc không tổng hợp đầy đủ mức độ tiếp xúc rủi ro với một khách hàng.
Đây là bài toán của Master Data Management (MDM) – Quản lý dữ liệu chủ.
1. Master Data Management là gì?
Master Data Management là tập hợp các phương pháp, quy trình quản trị và công nghệ nhằm tạo lập, duy trì và phân phối dữ liệu chủ nhất quán giữa các hệ thống.
Trong ngân hàng, dữ liệu chủ thường bao gồm:
- Customer Master: Khách hàng cá nhân và tổ chức.
- Product Master: Danh mục sản phẩm, dịch vụ ngân hàng.
- Organization Master: Đơn vị, chi nhánh và cơ cấu tổ chức.
- Counterparty Master: Đối tác và bên đối ứng.
- Reference Data: Các danh mục mã và giá trị chuẩn dùng chung, thường được quản lý phối hợp với MDM.
Một mục tiêu quan trọng của MDM là xây dựng Golden Record – hồ sơ dữ liệu chuẩn được tạo từ các nguồn đáng tin cậy theo những quy tắc đã được phê duyệt.
Golden Record không có nghĩa tất cả hệ thống phải lưu một bản ghi vật lý duy nhất. Tùy kiến trúc, MDM có thể duy trì hồ sơ chuẩn tập trung hoặc liên kết các hồ sơ ở nhiều hệ thống.
2. Vì sao dữ liệu khách hàng ngân hàng thường bị phân mảnh?
Giả sử một khách hàng có các hồ sơ:
| Hệ thống | Customer ID | Thông tin |
|---|---|---|
| Core Banking | CIF00125 | Nguyễn Văn A |
| CRM | CRM00891 | Nguyen Van A |
| LOS | LOS12045 | Nguyễn V. A |
| Cards | CARD07721 | NGUYEN VAN A |
Bốn mã hồ sơ không nhất thiết là bốn khách hàng khác nhau.
Sự khác biệt có thể xuất phát từ:
- Mỗi hệ thống sử dụng một cơ chế định danh.
- Dữ liệu được nhập ở những thời điểm khác nhau.
- Tên và địa chỉ chưa được chuẩn hóa.
- Hồ sơ thiếu thông tin nhận diện.
- Hệ thống chưa đồng bộ thay đổi.
- Quá trình chuyển đổi dữ liệu từ hệ thống cũ tạo bản ghi trùng.
Nếu chỉ sử dụng Customer ID riêng của từng hệ thống để đếm khách hàng, kết quả có thể cao hơn số khách hàng thực tế.
Tuy nhiên, không thể tự động gộp hai hồ sơ chỉ vì tên hoặc số điện thoại giống nhau. Việc liên kết phải dựa trên quy tắc định danh, mức độ tin cậy và kiểm soát nghiệp vụ phù hợp.
3. Case Study: 2 triệu hồ sơ nhưng chỉ có 1,65 triệu khách hàng duy nhất
Giả sử một ngân hàng tổng hợp hồ sơ từ nhiều hệ thống.
Số liệu hoàn toàn giả lập, dùng để minh họa phương pháp phân tích.
| Chỉ tiêu | Giá trị |
|---|---|
| Tổng hồ sơ nguồn | 2.000.000 |
| Khách hàng duy nhất sau đối chiếu | 1.650.000 |
| Số hồ sơ vượt số khách hàng duy nhất | 350.000 |
| Tỷ lệ hồ sơ vượt | 17,5% |
Công thức:
Excess Record Rate = (2.000.000 − 1.650.000) / 2.000.000 × 100% = 17,5%
Cần lưu ý: 350.000 là số hồ sơ vượt so với số thực thể khách hàng duy nhất, không nhất thiết tương ứng với 350.000 khách hàng bị trùng.
Một khách hàng có thể sở hữu hai, ba hoặc nhiều hồ sơ nguồn.
Phân tích theo hệ thống
| Hệ thống | Số hồ sơ nguồn |
|---|---|
| Core Banking | 900.000 |
| CRM | 500.000 |
| LOS | 350.000 |
| Cards | 250.000 |
| Tổng | 2.000.000 |
Sau quá trình chuẩn hóa và liên kết định danh, các hồ sơ này được phân thành 1.650.000 nhóm khách hàng duy nhất.
Business Insight: Số lượng hồ sơ trong hệ thống không đồng nghĩa với số lượng khách hàng thực tế.
4. Hồ sơ trùng ảnh hưởng thế nào đến Customer Analytics?
Giả sử ngân hàng có 825.000 khách hàng thực sự đang sử dụng một sản phẩm được xác định trong kỳ phân tích.
Nếu sử dụng tổng hồ sơ nguồn làm mẫu số:
Product Penetration = 825.000 / 2.000.000 = 41,25%
Nếu sử dụng số khách hàng duy nhất đã được xác minh:
Product Penetration = 825.000 / 1.650.000 = 50,00%
| Chỉ tiêu | Trước MDM | Sau MDM |
|---|---|---|
| Số khách hàng làm mẫu số | 2.000.000 | 1.650.000 |
| Khách hàng sử dụng sản phẩm | 825.000 | 825.000 |
| Product Penetration | 41,25% | 50,00% |
Trong ví dụ này, giả định 825.000 khách hàng sử dụng sản phẩm đã được xác định duy nhất và phạm vi khách hàng đủ điều kiện giống nhau.
Chênh lệch 8,75 điểm phần trăm không đến từ thay đổi hành vi khách hàng, mà đến từ việc điều chỉnh mẫu số.
Nếu ngân hàng không nhận diện được vấn đề, bộ phận kinh doanh có thể đánh giá thấp mức độ thâm nhập sản phẩm và đưa ra những quyết định marketing không phù hợp.
5. MDM ảnh hưởng thế nào đến Credit Risk?
Một khách hàng có thể có nhiều khoản vay, thẻ tín dụng và nghĩa vụ tại những hệ thống khác nhau.
Giả sử một khách hàng doanh nghiệp có:
| Sản phẩm | Dư nợ |
|---|---|
| Vay vốn lưu động | 30 tỷ |
| Vay đầu tư | 20 tỷ |
| Thẻ tín dụng doanh nghiệp | 2 tỷ |
| Tổng dư nợ | 52 tỷ |
Nếu các sản phẩm sử dụng những Customer ID khác nhau và không được liên kết, hệ thống quản trị rủi ro có thể không tổng hợp đầy đủ mức độ tiếp xúc tín dụng của khách hàng.
MDM giúp hình thành quan hệ giữa các hồ sơ và một định danh khách hàng chuẩn.
Tuy nhiên, tổng dư nợ 52 tỷ không tự động tương đương với toàn bộ Exposure at Default (EAD). EAD có thể cần xét thêm cam kết chưa sử dụng, các yếu tố chuyển đổi và quy tắc đo lường rủi ro.
Ngoài ra, MDM cấp khách hàng chưa đủ để xác định rủi ro ở cấp nhóm khách hàng liên quan. Ngân hàng còn cần quản lý quan hệ sở hữu, kiểm soát và các liên kết có liên quan theo quy định và chính sách áp dụng.
Insight: Customer MDM hỗ trợ xây dựng góc nhìn khách hàng nhất quán, tạo nền tảng cho việc tổng hợp và phân tích rủi ro chính xác hơn.
6. Golden Record được xây dựng như thế nào?
Một quy trình MDM thường có những hoạt động chính:
Data Standardization: Chuẩn hóa tên, địa chỉ, định dạng ngày tháng và các trường định danh.
Data Matching: So khớp hồ sơ bằng những quy tắc xác định hoặc phương pháp xác suất.
Entity Resolution: Xác định những hồ sơ thuộc cùng một thực thể khách hàng.
Survivorship Rules: Lựa chọn giá trị chuẩn từ các nguồn theo quy tắc được phê duyệt.
Golden Record Creation: Tạo hoặc duy trì hồ sơ khách hàng chuẩn.
Synchronization: Phân phối định danh và dữ liệu chuẩn đến các hệ thống sử dụng.
Ví dụ:
| Thuộc tính | Core Banking | CRM | Golden Record |
|---|---|---|---|
| Họ tên | Nguyễn Văn A | Nguyen Van A | Nguyễn Văn A |
| Số điện thoại | 09xx123456 | 09xx123456 | 09xx123456 |
| Địa chỉ | Địa chỉ cũ | Địa chỉ mới | Giá trị được xác minh theo quy tắc |
| Customer ID | CIF00125 | CRM00891 | MDM00001 |
Hồ sơ chuẩn cần duy trì khả năng truy vết đến các hồ sơ nguồn.
Không nên mặc định rằng dữ liệu cập nhật gần nhất luôn chính xác nhất. Quy tắc lựa chọn phải xét đến nguồn đáng tin cậy, thời điểm xác minh và yêu cầu nghiệp vụ.
7. Data Quality và Data Governance trong MDM
MDM không chỉ là bài toán triển khai một phần mềm.
Để vận hành hiệu quả, ngân hàng cần xác định:
| Thành phần | Yêu cầu |
|---|---|
| Data Owner | Chịu trách nhiệm nghiệp vụ về dữ liệu chủ |
| Data Steward | Quản lý quy tắc và xử lý ngoại lệ |
| Matching Rules | Tiêu chí liên kết hồ sơ |
| Survivorship Rules | Quy tắc lựa chọn dữ liệu chuẩn |
| Data Quality Controls | Kiểm tra tính đầy đủ, hợp lệ và nhất quán |
| Access Controls | Kiểm soát quyền truy cập dữ liệu nhạy cảm |
| Audit Trail | Ghi nhận lịch sử gộp, tách và thay đổi hồ sơ |
Đặc biệt, việc gộp sai hai khách hàng khác nhau có thể nghiêm trọng hơn việc chưa gộp được hai hồ sơ thuộc cùng một khách hàng.
Vì vậy, những trường hợp có độ tin cậy thấp cần được đưa vào quy trình rà soát thủ công.
8. KPI đánh giá hiệu quả Master Data Management
Ngân hàng có thể sử dụng các KPI:
| KPI | Ý nghĩa |
|---|---|
| Duplicate Record Rate | Tỷ lệ hồ sơ trùng theo định nghĩa kiểm soát |
| Match Precision | Tỷ lệ liên kết được xác định là đúng trong số liên kết được tạo |
| Match Recall | Tỷ lệ liên kết đúng được phát hiện trong số liên kết đúng thực tế |
| Golden Record Completeness | Tỷ lệ hồ sơ chuẩn đáp ứng trường bắt buộc |
| Unresolved Match Rate | Tỷ lệ trường hợp liên kết chưa được giải quyết |
| Master Data Synchronization Lag | Độ trễ đồng bộ dữ liệu chủ |
| MDM Coverage | Tỷ lệ thực thể thuộc phạm vi được quản lý bằng MDM |
Không nên sử dụng duy nhất tỷ lệ giảm số bản ghi làm KPI thành công, bởi việc gộp quá mức có thể gây ra liên kết sai.
Dashboard minh họa
| Chỉ tiêu | Giá trị giả định |
|---|---|
| Hồ sơ nguồn | 2.000.000 |
| Khách hàng duy nhất | 1.650.000 |
| Excess Record Rate | 17,5% |
| Golden Record Completeness | 96% |
| Match Precision | 99% |
| Unresolved Match Rate | 2% |
Các KPI về độ chính xác liên kết cần được đánh giá trên tập dữ liệu kiểm định có nhãn hoặc phương pháp xác minh phù hợp.
9. Lộ trình triển khai Banking MDM
Một chương trình MDM có thể bắt đầu theo sáu giai đoạn.
Giai đoạn 1 – Prioritize Master Data Domains
Ưu tiên Customer Master, Product Master hoặc những dữ liệu chủ có tác động lớn đến kinh doanh và rủi ro.
Giai đoạn 2 – Assess Data Quality
Đánh giá mức độ đầy đủ, trùng lặp và nhất quán của dữ liệu nguồn.
Giai đoạn 3 – Define Identity & Matching Rules
Thiết lập tiêu chí định danh và liên kết hồ sơ.
Giai đoạn 4 – Establish Golden Records
Xây dựng quy tắc lựa chọn dữ liệu chuẩn và xử lý ngoại lệ.
Giai đoạn 5 – Integrate with Banking Systems
Kết nối MDM với Core Banking, CRM, LOS, Cards và các nền tảng phân tích.
Giai đoạn 6 – Monitor & Improve
Giám sát chất lượng liên kết, đồng bộ, thay đổi và mức độ sử dụng dữ liệu chuẩn.
10. Management Decision: Ngân hàng nên làm gì?
Quay lại case study 2 triệu hồ sơ và 1,65 triệu khách hàng duy nhất.
Ban điều hành cần xem xét năm ưu tiên.
Thứ nhất – Chuẩn hóa định nghĩa khách hàng.
Phân biệt hồ sơ nguồn, khách hàng duy nhất, khách hàng hoạt động và các phạm vi khác nhau trong báo cáo.
Thứ hai – Xác định dữ liệu chủ trọng yếu.
Ưu tiên những dữ liệu phục vụ quản trị khách hàng, phân tích tín dụng và tổng hợp rủi ro.
Thứ ba – Thiết lập quy tắc liên kết an toàn.
Sử dụng các trường định danh phù hợp và quy trình kiểm tra để hạn chế gộp sai.
Thứ tư – Tích hợp MDM với Analytics.
Sử dụng định danh khách hàng chuẩn để xây dựng các KPI có mẫu số và phạm vi nhất quán.
Thứ năm – Giám sát liên tục.
Theo dõi tỷ lệ trùng, độ chính xác liên kết, chất lượng hồ sơ chuẩn và các ngoại lệ.
MDM không chỉ giúp giảm hồ sơ trùng lặp.
Mục tiêu lớn hơn là tạo ra một nền tảng định danh nhất quán để ngân hàng hiểu đúng khách hàng và các mối quan hệ nghiệp vụ liên quan.
Kết luận
Khi dữ liệu khách hàng được lưu trữ phân tán, một khách hàng có thể xuất hiện dưới nhiều mã định danh khác nhau.
Nếu không quản lý dữ liệu chủ, ngân hàng có nguy cơ đếm trùng khách hàng, phân tích sai hiệu quả sản phẩm và không tổng hợp đầy đủ thông tin phục vụ quản trị rủi ro.
Case study 2 triệu hồ sơ nhưng chỉ có 1,65 triệu khách hàng duy nhất cho thấy:
Nhiều hồ sơ không đồng nghĩa với nhiều khách hàng. Và một hệ thống có nhiều dữ liệu chưa chắc đã có một góc nhìn khách hàng đáng tin cậy.
Master Data Management giúp ngân hàng xây dựng định danh nhất quán, quản lý Golden Record và nâng cao khả năng sử dụng dữ liệu xuyên hệ thống.
Phát triển tư duy phân tích dữ liệu cùng MDtech
Một Data Analyst không chỉ cần biết tính KPI mà còn phải hiểu đơn vị phân tích, khóa định danh, chất lượng dữ liệu và phạm vi mẫu số.
Khóa học Nền tảng tư duy phân tích dữ liệu giúp xây dựng phương pháp:
BUSINESS QUESTION → DATA → DATA QUALITY → ANALYSIS → INSIGHT → DECISION
Khám phá các khóa học tại https://hoconlines.com.
Đọc thêm các bài viết Banking Data Catalog, Banking Data Governance và Customer 360 trên Hoconlines.com.
