Nội dung ôn tập Bài giảng Quản trị dữ liệu tài chính PDF

HỌC PHẦN QUẢN TRỊ DỮ LIỆU TÀI CHÍNH 1 NỘI DUNG HỌC PHẦN Chương 1: Tổng quan về quản trị dữ liệu tài chính Chương 2: Khai thác dữ liệu trong tài chính Chương 3: Quản trị dữ liệu tài chính và quyết định tài chính Chương 4: Công cụ quản trị dữ liệu tài chính STATA 2 CHƯƠNG 1 TỔNG QUAN VỀ QUẢN TRỊ DỮ LIỆU TÀI CHÍNH 3 Nội dung 1 Dữ liệu tài chính 2 Quản trị dữ liệu tài chính Dữ liệu tài chính 1.1 Một số khái niệm cơ bản 1.2 Phân loại dữ liệu tài chính 1.3 Quy trình tạo lập dữ liệu và vòng đời của thông tin 1.4 Mô hình hóa dữ liệu tài chính 1.5 Ứng dụng dữ liệu tài chính trong thực tiễn DN và một số khuyến nghị 1.1. Một số khái niệm cơ bản Biểu hiện Cơ sở dữ liệu các dạng như hình ảnh, âm thanh, màu sắc, mùi vị.... Ưu điểm: giảm trùng lặp 1. Chữ viết 2. Chữ số Hệ QT CSDL 3. Tiếng nói “Dữ liệu (data) là một phần tử hoặc một tập hợp các phẩn tử mà ta gọi là tín hiệu.” 1.1. Một số khái niệm cơ bản Dữ liệu tài chính (financial data) là thông tin liên quan đến các hoạt động tài chính của một tổ chức, cá nhân hoặc một thực thể kinh tế khác Dữ liệu tài chính bao gồm: Báo cáo tài chính: Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh, Báo cáo lưu chuyển tiền tệ Chỉ số tài chính: Chỉ số thanh khoản, Chỉ số khả năng sinh lời, Chỉ số nợ Dữ liệu thị trường tài chính: Giá cổ phiếu, Lãi suất, Tỷ giá hối đoái Dữ liệu kinh tế vĩ mô: Tăng trưởng GDP, Lạm phát, Tỷ lệ thất nghiệp Dữ liệu quản lý nội bộ: Ngân sách, Dự báo tài chính 7 1.1. Một số khái niệm cơ bản 8 1.2. Phân loại dữ liệu tài chính Theo nguồn gốc Dữ liệu tài chính nội bộ: Báo cáo tài chính, Ngân sách và dự báo, Sổ sách kế toán, Dữ liệu quản lý chi phí Dữ liệu tài chính bên ngoài: Giá cổ phiếu và chứng khoán, Lãi suất và tỷ giá hối đoái, Chỉ số kinh tế vĩ mô, Báo cáo tài chính của đối thủ cạnh tranh Theo loại hình tài sản và nợ phải trả Tài sản: Tài sản ngắn hạn, Tài sản dài hạn Nợ phải trả: Nợ ngắn hạn, Nợ dài hạn 9 1.2. Phân loại dữ liệu tài chính Theo tính chất tài chính: Dữ liệu định lượng: Doanh thu,Chi phí, Lợi nhuận, Dòng tiền Dữ liệu định tính: Thông tin về quản lý, Môi trường kinh doanh, Yếu tố pháp lý và quy định Theo thời gian: Dữ liệu tài chính lịch sử Dữ liệu tài chính hiện tại Dữ liệu tài chính dự báo Theo mục đích sử dụng: Dữ liệu tài chính kế toán Dữ liệu tài chính quản lý Dữ liệu tài chính đầu tư 10 1.3. Quy trình tạo lập dữ liệu và vòng đời của thông tin 1.3.1.Nguồn gốc dữ liệu Các sản phẩm mới được tạo ra: danh sách công ty, chính phủ và doanh nghiệp phát hành nợ, và các sàn giao dịch phái sinh tạo ra các hợp đồng mới theo lịch được xác định trước. Khách hàng mới xuất hiện; công ty mới được thành lập. Động thái của doanh nghiệp: các công ty bị mua lại, chia tách cổ phiếu và các công ty bị phá sản. Tin tức và báo cáo nghiên cứu được xuất bản, báo cáo tài chính được công bố, các công ty hợp nhất hoặc chia tách Dữ liệu được cung cấp miễn phí như một phần của chiến lược tiếp thị Cung cấp dữ liệu kết hợp với cung cấp công nghệ 11 1.3. Quy trình tạo lập dữ liệu và vòng đời của thông tin 1.3.2.Nhà cung cấp và cấp phép dữ liệu Quản trị hợp đồng và cấp phép Với quy mô của thị trường dữ liệu, việc cấp phép phù hợp và quản lý bản quyền kỹ thuật số là rất quan trọng. Thỏa thuận bản quyền là một cách để các nhà cung cấp dữ liệu bảo vệ doanh thu và tài sản trí tuệ, đồng thời đảm bảo lợi nhuận trong tương lai Quyền lợi và Cơ sở dữ liệu Hợp đồng: Quyền lợi đề cập đến việc quản lý các quyền đối với nội dung và báo cáo về việc sử dụng dữ liệu Quyền sở hữu dữ liệu: đảm bảo khả năng truy nhập, mô tả, bảo vệ và kiểm soát chất lượng dữ liệu 12 1.3. Quy trình tạo lập dữ liệu và vòng đời của thông tin 1.3.2. Nhà cung cấp và cấp phép dữ liệu Công cụ chứa dữ liệu Mô hình cấp phép: Định giá theo từng sản phẩm Định giá dựa trên tệp Giới hạn số lượng người dùng Định giá dựa trên trường hợp sử dụng 13 Định giá theo từng sản Định giá hàng loạt Giới hạn số lượng Định giá dựa trên phẩm người dùng trường hợp sử dụng Dữ liệu vật lý, ví dụ Mỗi danh mục, mỗi thị Định giá gắn với tên Cấp phép gắn liền với như báo cáo, công cụ, trường, mỗi loại tài sản. người dùng cụ thể, số các hoạt động, ví dụ: danh mục đầu tư. Bị Trên cơ sở địa lý hoặc lượng người dùng đồng định giá, rủi ro, chứng ràng buộc với một mô địa điểm. thời và giấy phép giới khoán, báo cáo khách hình dịch vụ. Hấp dẫn hạn việc sử dụng cho hàng, báo cáo tài chính khi bắt đầu các dịch vụ các hệ thống hoặc bộ mới vì nó mở rộng theo phận tiêu thụ. mức sử dụng 14 1.4. Mô hình hóa dữ liệu tài chính Mô hình hóa dữ liệu là quá trình biểu diễn dữ liệu theo một cấu trúc hoặc mô hình nhất định để phân tích, dự đoán hoặc đưa ra quyết định Mô hình hóa dữ liệu tài chính là quá trình sử dụng các phương pháp và công cụ để biểu diễn dữ liệu tài chính một cách hợp lý và dễ hiểu Mục tiêu của mô hình hóa dữ liệu tài chính là đưa ra các dự đoán chính xác về các biến tài chính, phân tích rủi ro và cơ hội đầu tư, đánh giá hiệu suất tài chính của các tài sản, và tối ưu hóa các quyết định đầu tư 15 1.4. Mô hình hóa dữ liệu tài chính 1.4.1.Quá trình mô hình hóa dữ liệu tài chính: Biểu diễn dữ liệu Chọn biến quan trọng Xác định mục tiêu Chọn mô hình Huấn luyện và kiểm định Tinh chỉnh và đánh giá 16 1.4.2.Các yếu tố cần xem xét Chất lượng dữ Nguồn dữ liệu liệu Giả định mô hình Mô hình hóa Tính biến động của dữ liệu dữ liệu tài chính Đánh giá và kiểm tra Lựa chọn mô hình mô hình Triển khai và bảo trì mô Đạo đức và tuân thủ hình 1.4. Mô hình hóa dữ liệu tài chính 1.4.3.Các phương pháp mô hình hóa dữ liệu tài chính. Hồi quy Tài chính Mạng Nơ-ron và Học Máy Phân Tích Chuỗi Thời Gian Mô hình Phân Tích Rủi Ro Mô hình Định Giá Tài Sản 18 1.5. Ứng dụng dữ liệu tài chính trong thực tiễn doanh nghiệp và một số khuyến nghị 1.5.1.Ứng dụng dữ liệu tài chính trong thực tiễn doanh nghiệp Phân bổ ngân sách Quyết định đầu tư Quản lý rủi ro Dự báo Sắp xếp phân khúc khách hàng Giảm rủi ro đầu tư 19 1.5. Ứng dụng dữ liệu tài chính trong thực tiễn doanh nghiệp và một số khuyến nghị 1.5.2.Một số khuyến nghị khi xây dựng hệ thống dữ liệu tài chính Chuyển trọng tâm từ tự động hóa cấp thấp sang tự động hóa cao cấp 20 1.5. Ứng dụng dữ liệu tài chính trong thực tiễn doanh nghiệp và một số khuyến nghị 1.5.2.Một số khuyến nghị khi xây dựng hệ thống dữ liệu tài chính Tận dụng tốt hơn thời gian của nhân viên dành cho các hoạt động có giá trị gia tăng Trang bị cho nhân viên ở những vị trí quan trọng mức độ kinh nghiệm cần thiết, tư duy lãnh đạo và quyền hạn để tác động đến doanh nghiệp Ưu tiên chất lượng và tính nhất quán của dữ liệu Giúp dẫn dắt sự liên kết tiêu chuẩn giữa các phòng ban 21 Nội dung 1 Dữ liệu tài chính 2 Quản trị dữ liệu tài chính Quản trị dữ liệu tài chính 1 Quản trị dữ liệu 2 Quản trị dữ liệu tài chính 2.1. Quản trị dữ liệu 2.1.1.Khái niệm Quản trị dữ liệu là một hệ thống để xác định ai trong tổ chức có quyền và quyền kiểm soát đối với các tài sản dữ liệu và cách các tài sản dữ liệu đó có thể được sử dụng. Nó bao gồm con người, quy trình và công nghệ cần thiết để quản lý và bảo vệ tài sản dữ liệu Hiệp hội Quản lý Dữ liệu Quốc tế (DAMA): “Quản trị dữ liệu là việc lập kế hoạch, giám sát và kiểm soát việc quản lý dữ liệu cũng như việc sử dụng dữ liệu và các nguồn liên quan đến dữ liệu” Quản trị dữ liệu có thể được định nghĩa là “đảm bảo rằng thông tin được quản lý đúng cách” (Ladley, 2012, trang 10). 24 2.1. Quản trị dữ liệu 2.1.2.Mục tiêu và nguyên tắc của quản trị dữ liệu Mục tiêu của quản trị dữ liệu Tối thiểu hóa rủ ro về dữ liệu cho tổ chức Thiết lập các quy tắc nội bộ để sử dụng dữ liệu Cải thiện giao tiếp bên trong và bên ngoài Nâng cao giá trị của dữ liệu Tạo điều kiện thuận lợi cho việc quản lý Giảm chi phí vận hành Giúp đảm bảo sự tồn tại liên tục của công ty thông qua quản lý rủi ro và tối ưu hóa 25 2.1. Quản trị dữ liệu 2.1.2.Mục tiêu và nguyên tắc của quản trị dữ liệu Nguyên tắc của quản trị dữ liệu Tất cả những người tham gia phải có sự trung thực trong việc trao đổi thông tin với nhau Các quy trình quản lý và quản lý dữ liệu yêu cầu tính minh bạch Các quyết định, quy trình và kiểm soát liên quan đến dữ liệu chịu sự quản lý dữ liệu phải kiểm soát được Phải xác định ai chịu trách nhiệm về các quyết định, quy trình và kiểm soát liên quan đến dữ liệu chức năng chéo. Phải xác định ai chịu trách nhiệm về các hoạt động quản lý là trách nhiệm của từng người đối với việc quản lý dữ liệu Các chương trình phải xác định trách nhiệm giải trình theo cách giới thiệu việc kiểm tra và cân bằng giữa các nhóm kinh doanh và công nghệ, và giữa những người tạo / thu thập thông tin, những người quản lý thông tin, những người sử dụng thông tin và những người đưa ra các tiêu chuẩn và yêu cầu tuân thủ 26 2.1. Quản trị dữ liệu 2.1.3.Tầm quan trọng của quản trị dữ liệu Cho phép nhân viên truy cập thông tin trong tức khắc Tiết kiệm chi phí, nguồn lực “Bôi trơn” hoạt động kinh doanh Giảm thiểu rủi ro bảo mật Tránh tình trạng thất lạc thông tin, dữ liệu Tiết kiệm được các chi phí khắc phục vấn đề và quản lý dữ liệu 27 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Các luồng quyết định và quản trị từ trên xuống: Các luồng quyết định và quản trị từ dưới lên: Chỉ huy và kiểm soát Một số quyết định của các cá nhân và thông qua các sáng Liên kết rõ ràng giữa quản trị dữ liệu cấp điều hành và các kiến cấp cơ sở bộ phận vận hành, thể hiện qua các ví dụ tình huống Tiêu chuẩn đặt tên dữ liệu do người dùng định hướng Khả năng tổ chức để hỗ trợ các sáng kiến cấp cơ sở Các quản lý, nhân viên quản trị dữ liệu cần phải dễ nhìn và dễ tiếp cận Luồng quyết định và quản trị Silo-in: Các luồng quyết định và quản trị tập trung: Thu hút đại diện từ nhiều nhóm để cùng thống nhất hành CDO hoặc CIO yêu cầu các chuyên gia chỉ định các mô hình động và quy trình dữ liệu Hội đồng quản trị và quản lý Một hoặc nhiều tài nguyên tập trung quyết định Mô hình liên kết có thể đưa ra các quyết định cố định nhưng Đào tạo tất cả các bên liên quan; cân nhắc đủ các lựa chọn cần được trao quyền quyết định về các mô hình và quy trình Các đại diện cần có thẩm quyền trong khu vực bầu cử của riêng họ Các phương pháp tiếp cận quản trị dữ liệu khác nhau 28 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Một chương trình quản trị dữ liệu tốt cung cấp (từ Stockdale, 2014): - Các chính sách và quy trình rõ ràng để quản lý các mô hình dữ liệu; - Quyền sở hữu miền dữ liệu doanh nghiệp được xác định với trách nhiệm rõ ràng đối với dữ liệu trong hệ thống nguồn và kho dữ liệu; - Thiết lập và triển khai từ điển dữ liệu doanh nghiệp để nắm bắt và thực hiện các tiêu chuẩn dữ liệu; - Các chính sách và quy trình hỗ trợ tiêu chuẩn hóa công cụ; - Xác định và gán nguồn cho các tập dữ liệu chính; - KPIs thích hợp để đo lường chất lượng dữ liệu; - Thiết lập cơ chế chất lượng dữ liệu để đo lường và báo cáo chất lượng trong suốt vòng đời của dữ liệu. 29 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Các bước quản lý vòng đời dữ liệu cấp cao 30 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Mô hình quản trị dữ liệu hiệu quả: tiếp cận và quản lý dữ liệu như một “sản phẩm” 31 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Mô hình quản trị dữ liệu hiệu quả: tiếp cận và quản lý dữ liệu như một “sản phẩm” 32 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Lợi ích khi xây dựng mô hình quản trị dữ liệu dựa trên quan điểm: dữ liệu là một sản phẩm Quản trị dữ liệu như một “sản phẩm” sẽ giúp doanh nghiệp nhận được dữ liệu thực nhanh chóng và toàn diện, tốc độ nhanh và hiệu quả cao 33 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Lợi ích khi xây dựng mô hình quản trị dữ liệu dựa trên quan điểm: dữ liệu là một sản phẩm Dữ liệu cho các trường hợp sử dụng kinh doanh mới có thể được phân phối nhanh hơn tới 90%. Tổng chi phí sở hữu, bao gồm chi phí công nghệ, phát triển và bảo trì, có thể giảm 30%. Rủi ro và gánh nặng quản trị dữ liệu có thể được giảm bớt. 34 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Dữ liệu cho những mục tiêu kinh doanh "tiêu biểu" - "nguyên mẫu tiêu dùng" 35 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Xây dựng mô hình quản trị dữ liệu như một “sản phẩm” cần: Quản lý và tài trợ chuyên dụng: Mỗi sản phẩm dữ liệu phải có người quản lý sản phẩm và một nhóm bao gồm kỹ sư dữ liệu, kiến trúc sư dữ liệu, người lập mô hình dữ liệu, kỹ sư nền tảng dữ liệu và kỹ sư về độ tin cậy của trang web, những người được tài trợ để xây dựng và liên tục cải tiến sản phẩm cũng như hỗ trợ các trường hợp sử dụng mới Tiêu chuẩn và thực hành tốt nhất: đưa ra các tiêu chuẩn và phương pháp thực hành tốt nhất để xây dựng các sản phẩm dữ liệu trong toàn tổ chức Theo dõi hiệu suất:nhóm sản phẩm dữ liệu nên đo lường giá trị công việc Đảm bảo chất lượng: xác nhận tính toàn vẹn của dữ liệu phải hợp tác chặt chẽ với người quản lý dữ liệu sở hữu hệ thống nguồn dữ liệu Trách nghiệm quản trị dữ liệu: do đội ngũ IT đảm nhận và thực hiện 36 2.1. Quản trị dữ liệu 2.1.4. Các mô hình quản trị dữ liệu Xây dựng mô hình quản trị dữ liệu như một “sản phẩm” cần: 37 2.1. Quản trị dữ liệu 2.1.5. Quản trị dữ liệu và phân bổ chi phí Chi phí cung cấp dữ liệu có thể được tính cho người tiêu dùng theo nhiều cách khác nhau, bao gồm: - Số lượng người dùng cuối; - Số lượng nguồn chính được sử dụng (tương quan trực tiếp với chi tiêu nội dung); - Số lượng ứng dụng đang sử dụng (tương quan với công việc tích hợp hệ thống nội bộ); - Số lượng tệp (tương quan với nỗ lực tìm nguồn cung cấp dữ liệu). 38 2.2. Quản trị dữ liệu tài chính 2.2.1. Khái niệm Quản trị dữ liệu tài chính bao gồm việc tổ chức, xử lý, lưu trữ, và sử dụng thông tin tài chính để hỗ trợ quyết định chiến lược và tài chính. Mục tiêu của quản trị dữ liệu tài chính là đảm bảo rằng dữ liệu được thu thập, lưu trữ và sử dụng một cách hiệu quả và an toàn. 39 2.2. Quản trị dữ liệu tài chính 2.2.2 Công nghệ BIG DATA trong các tổ chức tài chính Volume: Khối lượng dữ liệu được tạo và lưu trữ Variety: Loại và bản chất của dữ liệu Velocity: Tốc độ dữ liệu được tạo và xử lý Variability: Sự không nhất quán của tập dữ liệu Veracity: Chất lượng của dữ liệu thu được Visualization: Sử dụng biểu đồ và đồ thị để trực quan hóa một lượng lớn dữ liệu Value: Xác định giá trị của các dữ liệu sử dụng 40 2.2. Quản trị dữ liệu tài chính Sự phát triển của năng lực phân tích: Tiềm năng cho các công cụ AI là rất lớn và bao gồm: Cải tiến hoạt động nhờ giảm chi phí vận hành (tự động hóa làm sạch dữ liệu, loại bỏ những legacy data); Dịch vụ khách hàng (giảm tỷ lệ khách hàng rời đi, tìm cách phân bổ tài sản tối ưu nhờ robot tư vấn); Đại lý và trung gian: cơ hội kinh doanh chênh lệch giá và quyết định đầu tư; Rủi ro và tuân thủ: loại bỏ rủi ro thông qua tự động hóa, chủ động theo dõi và giám sát. 41 2.2. Quản trị dữ liệu tài chính Các trường hợp ứng dụng công nghệ Big Data trong các dịch vụ tài chính: Sự biến chuyển để mỗi khách hàng bán lẻ có thể trở thành nhà huấn luyện tài chính kỹ thuật số: Theo dõi tất cả các hoạt động liên quan đến từng khách hàng Nhật ký thị trường để nghiên cứu và chiến lược đầu tư: Tạo ra các giải pháp đầu tư được cá nhân hóa. Đánh giá rủi ro tín dụng cho mọi khách hàng trên thị trường vốn: Tiến trình hoạt động của đối tác sẽ được lưu giữ khi tổng hợp thông qua hệ thống phân cấp pháp lý từ các cá nhân cho đến công ty mẹ Kiểm kê nguồn dữ liệu để quản lý chi phí và tuân thủ:mạng lưới an toàn để có dữ liệu do khách hàng cung cấp trong trường hợp có tranh chấp về phí 42 CHƯƠNG 2 KHAI THÁC DỮ LIỆU TRONG TÀI CHÍNH 1 Nội dung 2.1 Quy trình khai thác dữ liệu 2.2 Các phương pháp khai thác dữ liệu 2.3 Các công cụ khai thác dữ liệu 2.4 Một số ứng dụng khai thác dữ liệu trong tài chính 2.1. Quy trình khai thác dữ liệu Bước 1: Hiểu về nhu cầu của doanh nghiệp (Business Understanding): xác định mục tiêu kinh doanh (business objective) của dự án và đánh giá tiềm năng của các giải pháp khai thác dữ liệu Bước 2: Hiểu về dữ liệu (Data Understanding): tìm kiếm và đánh giá xem dữ liệu có phù hợp cho giải pháp được đề ra hay không Bước 3: Chuẩn bị dữ liệu (Data Preparation): chuyển đổi và tổng hợp các dữ liệu liên quan để dùng cho việc xây dựng mô hình ở bước tiếp theo Bước 4: Xây dựng mô hình (Modelling): áp dụng các phương pháp và kỹ thuật phân tích lên dữ liệu (được chuẩn bị ở bước trước đó) để xây dựng mô hình phục vụ cho mục tiêu đặt ra Bước 5: Đánh giá chất lượng mô hình (Evaluation): đánh giá xem có đạt được mục tiêu đề ra ban đầu hay không Bước 6: Triển khai giải pháp (Deployment) 3 2.2.Các phương pháp khai thác dữ liệu 2.2.1 Phân tích mô tả (Descriptive analysis) Nhằm mục đích trả lời câu hỏi “điều gì đã xảy ra?” bằng cách sắp xếp, thao tác và diễn giải dữ liệu thô từ nhiều nguồn khác nhau để biến nó thành các giá trị cho doanh nghiệp Giúp doanh nghiệp tìm ra nguyên nhân của vấn đề để đưa ra hướng giải quyết chính xác hơn Hai kỹ thuật thường dùng trong phân tích mô tả là: - Thống kê tóm tắt mô tả một tập hợp dữ liệu về vị trí của chúng, phạm vi, hình dạng và kích thước - Lọc dữ liệu được sử dụng để giảm số lượng quan sát để tập trung vào các đặc trưng (như là chi phí cao nhất, rủi ro cao nhất, tác động lớn nhất, v.v.). 4 2.2.Các phương pháp khai thác dữ liệu 2.2.2 Phân tích chẩn đoán (Diagnostic Analysis) Nhằm khai thác dữ liệu để trả lời câu hỏi: Tại sao điều này lại xảy ra? Phân tích chuẩn đoán tìm hiểu sâu vào dữ liệu để tìm kiếm thông tin chi tiết có giá trị Các kỹ thuật sau thường dùng trong phân tích chẩn đoán: - Hồ sơ (Profiling ) xác định hành vi “điển hình” của một cá thể, nhóm hoặc tổng thể bằng cách biên soạn thống kê tóm tắt về dữ liệu (bao gồm giá trị trung bình, độ lệch chuẩn, v.v.) và so sánh các cá nhân với tổng số - Phân cụm (Clustering) giúp xác định các nhóm (hoặc cụm) của các cá thể (chẳng hạn như khách hàng) có chung các đặc điểm cơ bản - Kết hợp tương tự (Similarity matching) là một kỹ thuật nhóm được sử dụng để xác định các cá thể tương tự dựa trên dữ liệu đã biết về cá thể đó. - Nhóm đồng xuất hiện (Co-occurrence grouping) khám phá mối liên hệ giữa các cá thể dựa trên các sự kiện phổ biến, chẳng hạn như các giao dịch mà cá thể đó tham gia. 5 2.2.Các phương pháp khai thác dữ liệu 2.2.3 Phân tích dự đoán (Predictive Analysis) Trả lời câu hỏi: điều gì sẽ xảy ra? Phương pháp dự đoán sử dụng kết quả của phân tích mô tả và chẩn đoán đã đề cập trước đó, sử dụng kết hợp nhiều kỹ thuật xác suất thống kê và học máy Các kỹ thuật phổ biến thường dùng trong phân tích dự đoán: - Hồi quy (Regression) ước lượng hoặc dự đoán giá trị số của một biến phụ thuộc dựa trên hệ số góc và giá trị của một biến độc lập - Phân loại (Classification) dự đoán một lớp hoặc loại mà một quan sát mới thuộc về dựa trên việc xác định thủ công các lớp từ các quan sát trước đó - Dự đoán liên kết (Link prediction) dự đoán mối quan hệ giữa hai mục dữ liệu, chẳng hạn như các thành viên của nền tảng truyền thông xã hội. 6 2.2.Các phương pháp khai thác dữ liệu 2.2.4 Phân tích đề xuất (Prescriptive Analysis) Phân tích đề xuất nhằm trả lời cho câu hỏi “Nó sẽ diễn ra như thế nào?” và “Nên làm gì tiếp theo?”. Phân tích đề xuất là một quy trình phân tích dữ liệu và đưa ra các đề xuất tức thì về cách tối ưu hóa các phương thức kinh doanh để phù hợp với nhiều kết quả dự đoán. Các kỹ thuật phổ biến thường dùng trong phân tích đề xuất: - Các hệ thống hỗ trợ quyết định (Decision support systems) là các hệ thống dựa trên quy tắc thu thập dữ liệu và đề xuất các hành động dựa trên đầu vào - Học máy và trí tuệ nhân tạo (Machine learning and artificial intelligence) là các mô hình học tập hoặc tác nhân thông minh thích ứng với dữ liệu bên ngoài mới để đề xuất một hướng hành động 7 2.3.Các công cụ khai thác dữ liệu 2.3.1. Micrsoft Excel Công cụ này giúp người dùng phân tích, khám phá và khai thác các mẫu và xu hướng trong tập dữ liệu lớn Tính năng chính: PivotTables và PivotCharts: Giúp tóm tắt, phân loại và trực quan hóa dữ liệu từ các bảng lớn. Data Sorting and Filtering: Cho phép sắp xếp và lọc dữ liệu dựa trên nhiều tiêu chí khác nhau. Data Validation: Đảm bảo rằng dữ liệu nhập vào là chính xác và phù hợp với các quy tắc xác định trước. Conditional Formatting: Giúp làm nổi bật các mẫu dữ liệu và xu hướng thông qua việc áp dụng các định dạng đặc biệt. What-If Analysis: Bao gồm các công cụ như Goal Seek, Scenario Manager, và Data Tables để dự đoán và phân tích các kịch bản khác nhau. Forecasting: Excel cung cấp các công cụ dự đoán dựa trên dữ liệu lịch sử để dự đoán xu hướng tương lai. Solver Add-In: Giúp giải quyết các bài toán tối ưu hóa bằng cách tìm ra giá trị tối ưu cho một tập hợp biến số dưới các ràng buộc nhất định. Power Query: Một công cụ mạnh mẽ để kết nối, kết hợp và làm sạch dữ liệu từ nhiều nguồn khác nhau. Power Pivot: Cho phép tạo ra các mô hình dữ liệu phức tạp, thực hiện phân tích dữ liệu tiên tiến và tạo các báo cáo tóm tắt mạnh mẽ. 8 2.3.Các công cụ khai thác dữ liệu 2.3.2. Các công cụ BI 2.3.2.1 Tableau Tableau là một công cụ trực quan hóa dữ liệu mạnh mẽ và phổ biến, được thiết kế để giúp người dùng dễ dàng phân tích, trực quan hóa và chia sẻ dữ liệu. Tableau hỗ trợ kết nối với nhiều nguồn dữ liệu khác nhau và cung cấp các công cụ mạnh mẽ để tạo ra các biểu đồ, báo cáo, và bảng điều khiển tương tác Đặc điểm chính của Tableau: - Giao diện kéo-thả - Kết nối với nhiều nguồn dữ liệu - Khả năng xử lý dữ liệu lớn - Biểu đồ và hình ảnh đa dạng - Tương tác và bảng điều khiển - Chia sẻ và cộng tác 9 2.3.Các công cụ khai thác dữ liệu 2.3.2. Các công cụ BI 2.3.2.2 Power BI Các tính năng chính của Power BI Kết nối dữ liệu Trực quan hóa dữ liệu Tạo báo cáo và bảng điều khiển Tích hợp với các công cụ khác Chia sẻ và cộng tác Tự động cập nhật dữ liệu DAX (Data Analysis Expressions) 10 2.3.Các công cụ khai thác dữ liệu 2.3.2. Các công cụ BI 2.3.2.3 FineReport Công cụ này được thiết kế để hỗ trợ doanh nghiệp tạo ra các báo cáo phức tạp và trực quan hóa dữ liệu một cách hiệu quả. Tính năng chính của FineReport Tạo báo cáo linh hoạt Trực quan hóa dữ liệu Kết nối dữ liệu đa dạng Chức năng báo cáo động Triển khai và chia sẻ Bảo mật và quyền truy cập 11 2.3.Các công cụ khai thác dữ liệu 2.3.3. R & Python 2.3.3.1.Ngôn ngữ R - R là một ngôn ngữ lập trình và môi trường phần mềm chuyên dùng cho thống kê và đồ họa - Một số công cụ và thư viện phổ biến của R: + tidyverse: Một tập hợp các gói cho việc xử lý dữ liệu như dplyr, tidyr, ggplot2. + caret: Hỗ trợ xây dựng và đánh giá các mô hình học máy. + shiny: Tạo ra các ứng dụng web tương tác. + data.table: Xử lý dữ liệu lớn một cách hiệu quả và nhanh chóng. + xts và zoo: Phân tích chuỗi thời gian. 12 2.3.Các công cụ khai thác dữ liệu 2.3.3. R & Python 2.3.3.2. Ngôn ngữ Python - Python là một ngôn ngữ lập trình phổ biến và đa năng, được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm khai thác dữ liệu, học máy, phát triển web và tự động hóa. - Một số công cụ và thư viện phổ biến của Python: + pandas: Xử lý dữ liệu dạng bảng (DataFrame) một cách hiệu quả. + NumPy: Hỗ trợ tính toán khoa học với các mảng số. + Matplotlib và Seaborn: Tạo các biểu đồ và đồ thị. + scikit-learn: Thư viện học máy với nhiều công cụ và thuật toán. + TensorFlow và PyTorch: Phát triển và huấn luyện các mô hình học sâu (deep learning). + Jupyter Notebook: Môi trường tương tác để viết và chạy mã Python, rất phổ biến trong cộng đồng khoa học dữ liệu. 13 2.3.Các công cụ khai thác dữ liệu 2.3.4. SQL Công cụ khai thác dữ liệu SQL là các phần mềm hoặc hệ thống cho phép người dùng truy vấn, phân tích và xử lý dữ liệu từ các cơ sở dữ liệu quan hệ (RDBMS) bằng ngôn ngữ SQL (Structured Query Language). Các công cụ này giúp người dùng dễ dàng truy xuất thông tin từ các bảng dữ liệu, tạo các báo cáo, và thực hiện các phân tích dữ liệu phức tạp Các chức năng chính của công cụ khai thác dữ liệu SQL - Truy vấn dữ liệu - Kết nối và quản lý cơ sở dữ liệu - Phân tích và xử lý dữ liệu - Tạo báo cáo và trực quan hóa dữ liệu - Tối ưu hóa truy vấn 14 2.3.Các công cụ khai thác dữ liệu 2.3.5. STATA - STATA là một phần mềm thống kê và phân tích dữ liệu mạnh mẽ, phổ biến trong nghiên cứu khoa học xã hội, y tế và các lĩnh vực khác - Đặc điểm chính của STATA: + Ngôn ngữ lập trình và giao diện + Các tính năng thống kê và học máy + Xử lý dữ liệu + Trình bày kết quả và trực quan hóa + Hỗ trợ và cộng đồng người dùng - Ứng dụng của STATA: Nghiên cứu y tế, Khoa học xã hội, Nghiên cứu thị trường, Giáo dục, Kinh tế học 15 2.3.Các công cụ khai thác dữ liệu 2.3.6.SAS - SAS là một nền tảng phân tích dữ liệu và khai thác dữ liệu tổng hợp được sử dụng rộng rãi trong nhiều lĩnh vực như kinh doanh, tài chính, y tế, và nghiên cứu khoa học - Các Đặc Điểm Chính: + Ngôn ngữ lập trình SAS + Phân tích thống kê và khai thác dữ liệu + Làm việc với dữ liệu lớn + Giao diện trực quan và báo cáo + Hỗ trợ phân tích dự đoán và học máy 16 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.1. Ứng dụng khai thác dữ liệu trong kinh doanh 2.4.1.1. Phân tích hành vi tiêu dùng của khách hàng Khai thác dữ liệu là rất hữu ích trong tất cả ba giai đoạn trong chu kỳ mối quan hệ khách hàng: Tìm kiếm khách hàng, chăm sóc khách hàng và duy trì khách hang Các tổ chức tài chính phải đáp ứng nhu cầu của khách hàng bằng cách cung cấp các sản phẩm và dịch vụ mà họ ưa thích. Các kỹ thuật khai thác dữ liệu giúp doanh nghiệp phân tích và nhận định được đâu là các khách hàng trung thành và đâu là các khách hàng có xu hướng chuyển sang tổ chức khác với mong muốn dịch vụ tốt hơn 17 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.1. Ứng dụng khai thác dữ liệu trong kinh doanh 2.4.1.2. Phân đoạn khách hàng và thẩm định hồ sơ Phân đoạn khách hàng là quá trình phân chia khách hàng thành các nhóm dựa trên các đặc điểm khách hàng mục tiêu chung để các công ty có thể tiếp thị cho từng nhóm một cách hiệu quả và phù hợp Hai đặc điểm và yếu tố để việc phân đoạn khách hàng trở nên hiệu quả: - Nhân khẩu học: Nhân khẩu học là nhóm được chia dựa theo các yếu tố: độ tuổi, giới tính, vị trí địa lý, thu nhập, nghề nghiệp, trình độ học vấn và tình trạng hôn nhân. Tùy theo sản phẩm hoặc dịch vụ mà chúng ta có thể thêm hoặc bớt các yếu tố sao cho phù hợp. - Tâm lý học: Dữ liệu về tâm lý học hiểu sâu hơn đằng sau những quyết định mua hàng. Tâm lý học liên quan tới hành vi, sở thích, tính cách cá nhân, giá trị, quan điểm và phong cách sống. 18 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.1. Ứng dụng khai thác dữ liệu trong kinh doanh 2.4.1.2. Phân đoạn khách hàng và thẩm định hồ sơ Trong tài chính, các tổ chức tài chính cũng đặc biệt chú trong phân đoạn khách hàng khi thẩm định hồ sơ tín dụng Ngoài việc sử dụng các phương pháp truyền thống để phân đoạn khách hàng như xem xét các hồ sơ giấy, việc phân tích thông tin khách hàng dựa trên dữ liệu số cũng rất quan trọng Các tổ chức tín dụng đều xây dựng cho mình mô hình phân tích dữ liệu để phân đoạn khách hàng sau đó là mô hình xếp hạng tín dụng và đưa ra quyết đình. Khi sử dụng các mô hình phân cụm như Kmean, khách hàng được phân đoạn và sau đó đưa vào mô hình PD xếp hạng tín dụng với mô hình Logistic là mô hình chính để đưa ra quyết định có phê duyệt cho khách hàng vay tín dụng hay không. 19 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.1. Ứng dụng khai thác dữ liệu trong kinh doanh 2.4.1.3. Phân tích chiến lược kinh doanh Để đưa ra được quyết định, người lãnh đạo cần tham khảo và xem xét từ nhiều góc độ vì mỗi quyết định mang tính chiến lược có thể thay đổi cả một tổ chức trong trung và dài hạn. Việc đưa ra các quyết định dựa trên cơ sở dữ liệu giúp cho các quy trình kinh doanh hiệu quả hơn, kịp thời và đơn giản hơn Hiệu quả của việc phân tích dữ liệu còn được thể hiện qua số liệu đo lường. Khi phân tích dữ liệu, những điểm yếu, những thế mạnh sẽ được nhìn nhận và có những điều chỉnh kịp thời trong các kế hoạch tiếp theo 20 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2. Ứng dụng khai thác dữ liệu trong vận hành 2.4.2.1. Giám sát và đánh giá hiệu quả làm việc của nhân viên Các cấp quản lý và điều hành có một cách nhìn tổng quan và trực quan nhất về thông tin nhân viên, tình trạng thời gian làm việc, lương, vị trí của nhân viên từ đó đưa ra những đánh giá về hiệu quả và năng suất làm việc của nhân viên. 21 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2. Ứng dụng khai thác dữ liệu trong vận hành 2.4.2.1. Giám sát và đánh giá hiệu quả làm việc của nhân viên Báo cáo về việc xếp hạng hiệu suất làm việc theo từng đơn vị. Từ việc theo dõi từng nhân viên cho đến theo dõi hiệu suất đơn vị. Người quản lý cũng có thể đánh giá sơ bộ được sự ảnh hưởng của nhân viên đó đến hiệu quả của đơn vị trực thuộc nói riêng và công ty nói chung 22 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.2. Kiểm soát rủi ro 2.4.2.2.1 Tầm quan trọng của công nghệ trong quản trị rủi ro trong tài chính Khủng hoảng tài chính toàn cầu và tăng trưởng kinh tế chậm ảnh hưởng mạnh đến các tổ chức tài chính.Quản trị rủi ro trở nên cấp thiết và quan trọng hơn đối với các tổ chức tài chính, đặc biệt trong bối cảnh hiện tại Phân tích dữ liệu được ứng dụng để quản trị rủi ro tín dụng và các hoạt động khác nhằm kiểm soát rủi ro phát sinh.Tăng cường phân tích dữ liệu để phòng ngừa và kiểm soát các loại rủi ro như rủi ro thị trường, rủi ro tín dụng, rủi ro vận hành Lợi ích của quản trị rủi ro hiệu quả: Giảm thiểu tổn thất, đảm bảo hoạt động bình thường và liên tục của tổ chức tài chính. Giảm thiểu chi phí, tối đa hóa doanh thu, bảo toàn vốn và tăng niềm tin cho khách hàng và nhà đầu tư. Mở rộng thị trường, gia tăng thị phần và nâng cao vị thế cạnh tranh trên thị trường tài chính. Tác động tích cực đến nền kinh tế:Kiểm soát rủi ro tín dụng hiệu quả góp phần ổn định và an toàn cho thị trường tài chính.Đảm bảo sự ổn định lâu dài cho nền kinh tế 23 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.2. Kiểm soát rủi ro 2.4.2.2.2 Các ứng dụng của khai thác dữ liệu trong quản trị rủi ro trong tài chính (1) Quản trị rủi ro thị trường - Rủi ro thị trường là khả năng thua lỗ do biến động thị trường ngược với dự đoán của tổ chức tài chính. Các yếu tố chính gây rủi ro bao gồm lãi suất, tỷ giá, chứng khoán, và giá cả hàng hóa. - Mục tiêu: Giảm thiểu mất mát và tăng lợi nhuận từ hoạt động kinh doanh. Hạn chế tác động bất lợi của biến động tỷ giá và lãi suất. Đạt được thu nhập dự kiến ổn định dù có biến động thị trường - Quản trị rủi ro thị trường không chỉ giúp giảm thiểu những mất mát do rủi ro thị trường gây ra, ngoài ra tổ chức còn có thể ứng dụng công nghệ Predictiveanalytics (Phân tích dự đoán) trong quản trị rủi ro thị trường để tối đa hóa lợi nhuận dựa vào những dự đoán đúng về biến động của tỷ giá, lãi suất trong tương lai 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.2. Kiểm soát rủi ro 2.4.2.2.2 Các ứng dụng của khai thác dữ liệu trong quản trị rủi ro trong tài chính (2) Quản trị rủi ro tín dụng Rủi ro tín dụng là rủi ro phát sinh do khách hàng vay không thực hiện đúng các điều khoản của hợp đồng tín dụng gây tổn thất tài chính và khó khăn cho tổ chức tài chính Bản chất của quản trị rủi ro tín dụng là hạn chế rủi ro phát sinh từ các khoản vay tín dụng có vấn đề, nợ quá hạn và nợ khó đòi Sử dụng công nghệ phân tích dự đoán (Predictive analytics) để xác định mức độ rủi ro của các khoản vay dựa trên dữ liệu chi tiêu, lịch sử truy cập, giao dịch, và hành vi trên mạng xã hội. Lợi ích của quản trị rủi ro tín dụng: Đảm bảo an toàn hoạt động kinh doanh, tối đa hóa lợi nhuận, nâng cao uy tín và chất lượng dịch vụ, đồng thời góp phần ổn định và phát triển nền kinh tế. 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.2. Kiểm soát rủi ro 2.4.2.2.2 Các ứng dụng của khai thác dữ liệu trong quản trị rủi ro trong tài chính (3) Quản trị rủi ro vận hành Rủi ro vận hành là rủi ro xảy ra tổn thất do các quy trình, hệ thống hay nhân viên trong nội bộ tổ chức vận hành không tốt hoặc do các nguyên nhân khách quan bên ngoài Mục tiêu của quản trị rủi ro vận hành: Giảm thiểu tối đa tổn thất phát sinh Đảm bảo khả năng phục vụ khách hàng liên tục khi gặp tình huống bất lợi như thất lạc tài liệu, mất dữ liệu, sự cố công nghệ thông tin, chiến tranh, thiên tai, v.v. Hệ quả của rủi ro vận hành: Hệ quả tài chính: Tổn thất tiền bạc, bị phạt do không tuân thủ, trách nhiệm pháp lý, mất hoặc hủy hoại tài sản Hệ quả phi tài chính: Ảnh hưởng đến uy tín, vấn đề truyền thông báo chí, gián đoạn hoạt động, mất niềm tin từ khách hàng 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.2. Kiểm soát rủi ro 2.4.2.2.2 Các ứng dụng của khai thác dữ liệu trong quản trị rủi ro trong tài chính (3) Quản trị rủi ro vận hành Công cụ đo lường rủi ro hoạt động được sử dụng để tính toán tổn thất: Sử dụng các phát hiện của kiểm toán nội bộ và kiểm toán độc lập Thu thập và phân tích số liệu tổn thất nội bộ và bên ngoài Tự đánh giá kiểm soát rủi ro hoạt động Sơ đồ hóa các quy trình nghiệp vụ Sử dụng chỉ số kết quả kinh doanh và chỉ số rủi ro trọng yếu Phân tích kịch bản 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.3. Phát hiện gian lận 2.4.2.3.1 Phát hiện, ngăn chặn gian lận trong hoạt động ngân hàng theo cách truyền thống Các ngân hàng thương mại (NHTM) phải nhận diện, đo lường, theo dõi và kiểm soát đầy đủ rủi ro hoạt động, bao gồm rủi ro gian lận trong tất cả các sản phẩm, hoạt động kinh doanh, quy trình nghiệp vụ, hệ thống công nghệ thông tin và các hệ thống quản lý. Cơ chế trao đổi thông tin: Các ngân hàng cần có cơ chế trao đổi thông tin về gian lận và nguy cơ gian lận cho bộ phận quản lý rủi ro, kiểm toán nội bộ và các bộ phận liên quan khác. Cơ chế báo cáo các hành vi vi phạm cho cấp có thẩm quyền. Phản ứng khi xảy ra rủi ro, gian lận: Khi có rủi ro hoặc gian lận xảy ra, ngân hàng phải báo cáo ngay cho NHNN. Phối hợp với khách hàng và các cơ quan bảo vệ pháp luật để xử lý nhanh, chính xác, đúng quy định. Sớm thông tin cho khách hàng và đảm bảo quyền lợi của họ theo đúng quy định 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.3. Phát hiện gian lận 2.4.2.3.1 Phát hiện, ngăn chặn gian lận trong hoạt động ngân hàng theo cách truyền thống Các ngân hàng thương mại (NHTM) phải nhận diện, đo lường, theo dõi và kiểm soát đầy đủ rủi ro hoạt động, bao gồm rủi ro gian lận trong tất cả các sản phẩm, hoạt động kinh doanh, quy trình nghiệp vụ, hệ thống công nghệ thông tin và các hệ thống quản lý. Cơ chế trao đổi thông tin: Các ngân hàng cần có cơ chế trao đổi thông tin về gian lận và nguy cơ gian lận cho bộ phận quản lý rủi ro, kiểm toán nội bộ và các bộ phận liên quan khác. Cơ chế báo cáo các hành vi vi phạm cho cấp có thẩm quyền. Phản ứng khi xảy ra rủi ro, gian lận: Khi có rủi ro hoặc gian lận xảy ra, ngân hàng phải báo cáo ngay cho NHNN. Phối hợp với khách hàng và các cơ quan bảo vệ pháp luật để xử lý nhanh, chính xác, đúng quy định. Sớm thông tin cho khách hàng và đảm bảo quyền lợi của họ theo đúng quy định 2.4. Một số ứng dụng khai thác dữ liệu trong tài chính 2.4.2.3. Phát hiện gian lận 2.4.2.3.2 Phát hiện và ngăn chặn gian lận trong hoạt động ngân hàng thông qua AI Tập hợp và phân tích dữ liệu lớn: AI thu thập dữ liệu lớn từ các trường hợp gian lận, phát hiện các hành vi đáng ngờ dựa trên tương tác với máy chủ. Phát hiện gian lận: AI sử dụng thông tin như vị trí đăng nhập, tốc độ nhấp chuột, hành vi người dùng để xác định hành động gian lận. Công nghệ mới còn xử lý dữ liệu bên thứ ba như dấu vân tay thiết bị, địa chỉ IP, phân tích hành vi. Các mô hình thuật toán AI: AI sử dụng các mô hình như Random Forest, Neural Networks, Decision Tree, Support Vector Machine, Hidden Markov Model, K-Nearest Neighbor, Genetic Algorithm để đánh giá giao dịch hợp pháp hay gian lận Hiệu quả của AI so với phương pháp truyền thống: Nhanh và nhạy bén hơn: AI phát hiện gian lận nhanh chóng, yêu cầu xác nhận bảo mật cao hơn khi có nghi ngờ. Bảo vệ hệ thống: AI giúp bảo vệ hệ thống khỏi phần mềm độc hại và hình thành các lớp bảo mật hiệu quả. Phân tích dòng tiền thời gian thực: AI có thể dừng giao dịch ngay khi phát hiện gian lận. CHƯƠNG 3 QUẢN TRỊ DỮ LIỆU TÀI CHÍNH VÀ QUYẾT ĐỊNH TÀI CHÍNH 1 Nội dung 3.1 Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.2 Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính 3.3 Ứng dụng của quản trị dữ liệu tài chính trong quyết định đầu tư và quản lý danh mục 3.4 Xu hướng quản trị dữ liệu trong tài chính 3.1. Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.1.1. Chất lượng thông tin tài chính Việc quản trị dữ liệu tài chính hiệu quả giúp đảm bảo tính chính xác, đầy đủ và nhất quán của thông tin tài chính Độ chính xác: Các quyết định tài chính dựa trên thông tin không chính xác có thể dẫn đến những hệ quả nghiêm trọng Đầy đủ: Thông tin tài chính phải được thu thập đầy đủ để cung cấp một cái nhìn toàn diện về tình hình tài chính của doanh nghiệp Nhất quán: Dữ liệu tài chính phải được duy trì một cách nhất quán qua các kỳ báo cáo để có thể so sánh và phân tích xu hướng 3 3.1. Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.1.2. Dự báo và lập kế hoạch tài chính Lập kế hoạch tài chính: Lập kế hoạch tài chính liên quan đến việc xác định các mục tiêu tài chính dài hạn và ngắn hạn, và thiết lập các chiến lược để đạt được những mục tiêu đó Dự báo tài chính: Dự báo tài chính dựa trên các mô hình phân tích dữ liệu để dự đoán tình hình tài chính trong tương lai 4 3.1. Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.1.3. Kiểm soát tài chính Theo dõi dòng tiền: Quản trị dữ liệu tài chính giúp theo dõi dòng tiền vào và ra của doanh nghiệp, đảm bảo rằng luôn có đủ tiền mặt để đáp ứng các nhu cầu ngắn hạn và đầu tư dài hạn Kiểm soát chi phí: Thông qua phân tích dữ liệu tài chính, doanh nghiệp có thể xác định các khoản chi phí không cần thiết hoặc các khu vực hoạt động kém hiệu quả, từ đó đưa ra các biện pháp cắt giảm chi phí và tối ưu hóa quy trình Quản lý rủi ro: Quản trị dữ liệu tài chính cung cấp thông tin để nhận diện và đánh giá các rủi ro tài chính, chẳng hạn như rủi ro tín dụng, rủi ro lãi suất, và rủi ro tỷ giá 5 3.1. Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.1.4. Tối ưu hóa chi phí Cắt giảm chi phí không cần thiết: Phân tích dữ liệu tài chính giúp xác định các khoản chi phí không mang lại giá trị gia tăng Tối ưu hóa quy trình sản xuất: Dữ liệu tài chính cung cấp thông tin chi tiết về chi phí sản xuất, giúp doanh nghiệp xác định các khu vực có thể cải thiện hiệu quả Đàm phán lại hợp đồng: Thông qua phân tích dữ liệu tài chính, doanh nghiệp có thể đàm phán lại các hợp đồng với nhà cung cấp để có được giá cả tốt hơn hoặc điều kiện thanh toán linh hoạt hơn 6 3.1. Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.1.5. Đáp ứng yêu cầu pháp lý và tuân thủ Tuân thủ quy định pháp lý: Các doanh nghiệp phải tuân thủ nhiều quy định pháp lý liên quan đến tài chính Bảo vệ uy tín doanh nghiệp: Việc tuân thủ các quy định pháp lý và tiêu chuẩn kế toán không chỉ giúp tránh các rủi ro pháp lý mà còn bảo vệ uy tín và danh tiếng của doanh nghiệp 7 3.1. Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.1.6. Cải thiện hiệu quả hoạt động Đánh giá hiệu suất bộ phận: Dữ liệu tài chính giúp đánh giá hiệu suất của từng bộ phận trong doanh nghiệp, từ đó xác định các khu vực cần cải thiện Tối ưu hóa nguồn lực: Quản trị dữ liệu tài chính giúp doanh nghiệp xác định cách sử dụng nguồn lực một cách hiệu quả nhất. Điều này bao gồm việc phân bổ lại nguồn lực cho các dự án hoặc bộ phận có tiềm năng tăng trưởng cao 8 3.1. Mối liên hệ giữa quản trị dữ liệu tài chính và quyết định tài chính 3.1.7. Ra quyết định chiến lược Mở rộng thị trường: Dữ liệu tài chính giúp đánh giá tính khả thi của việc mở rộng thị trường mới, bao gồm việc phân tích chi phí, doanh thu dự kiến, và rủi ro Sáp nhập và mua lại: Quản trị dữ liệu tài chính cung cấp thông tin để đánh giá các cơ hội sáp nhập và mua lại. Điều này bao gồm việc phân tích giá trị doanh nghiệp mục tiêu, đánh giá lợi ích kinh tế và rủi ro, từ đó đưa ra quyết định đúng đắn Thoái vốn: Trong một số trường hợp, doanh nghiệp có thể quyết định thoái vốn từ các bộ phận hoặc dự án không hiệu quả để tập trung nguồn lực vào các lĩnh vực có tiềm năng tăng trưởng cao hơn 9 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 3.2.1. Quản trị dữ liệu tài chính trong việc dự báo tài chính - Dự báo tài chính là quá trình sử dụng dữ liệu lịch sử và các phương pháp phân tích để dự đoán các giá trị tài chính quan trọng như doanh thu, lợi nhuận, chi phí, dòng tiền, và các chỉ số tài chính khác trong tương lai - Mục đích của Dự báo tài chính: + Quản lý tài chính + Lập kế hoạch chiến lược + Đánh giá hiệu suất 10 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 3.2.1. Quản trị dữ liệu tài chính trong việc dự báo tài chính - Công cụ và phương pháp dự báo tài chính + Mô hình Hồi quy + Dự báo chuỗi thời gian + Mô hình Học máy - Ứng dụng của Dự báo Tài chính: + Dự báo Doanh thu và Lợi nhuận + Dự báo Dòng tiền + Dự báo Chi phí + Dự báo Rủi ro 11 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 3.2.1. Quản trị dữ liệu tài chính trong việc dự báo tài chính - Các bước tiến hành Dự báo Tài chính: + Thu thập Dữ liệu: Xác định và thu thập các dữ liệu kinh doanh và tài chính từ các nguồn như hệ thống kế toán, CRM, và thị trường. + Chuẩn bị Dữ liệu: Làm sạch, chuyển đổi dữ liệu để phù hợp với mô hình dự báo sử dụng. + Xây dựng Mô hình: Áp dụng các phương pháp dự báo như mô hình hồi quy, mô hình ARIMA (AutoRegressive Integrated Moving Average), hoặc mạng nơ- ron để dự đoán tương lai + Đánh giá và Tối ưu hóa: Đánh giá hiệu quả của mô hình dự báo bằng các chỉ số như sai số dự báo, độ chính xác, và độ tin cậy của dự báo 12 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 3.2.1. Quản trị dữ liệu tài chính trong việc dự báo tài chính Ví dụ: Một công ty sản xuất muốn dự báo doanh thu trong năm tiếp theo để lập kế hoạch sản xuất và tiêu thụ nguyên vật liệu. Họ sử dụng dữ liệu lịch sử của mình và áp dụng mô hình hồi quy tuyến tính để dự đoán doanh thu dự kiến dựa trên các yếu tố như xu hướng thị trường và chiến lược tiếp thị của họ 13 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 3.2.2. Quản trị dữ liệu tài chính trong việc đánh giá rủi ro và quản lý tài chính Rủi ro tài chính là rủi ro liên quan đến sự giảm giá tài chính (còn gọi là rủi ro giảm giá tài chính) và rủi ro từ việc thực hiện các quyết định tài chính làm ảnh hưởng đến lợi nhuận của DN Các rủi ro tài chính rất đa dạng, nhưng mức độ nguy hại, tần suất xuất hiện lại rất khác nhau tùy thuộc vào từng ngành kinh doanh và đặc thù quản lý kinh doanh của từng DN 14 15 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 3.2.2. Quản trị dữ liệu tài chính trong việc đánh giá rủi ro và quản lý tài chính Về lý thuyết: Việc phân tích rủi ro tài chính DN là phân tích, đánh giá nguy cơ, khả năng xuất hiện và mức độ nguy hại của các rủi ro. Để phân tích rủi ro tài chính, nhà quản trị DN có thể sử dụng các công cụ cơ bản như: Cây phân tích, sơ đồ xương cá, biểu đồ Pareto... Về quy trình: Việc phân tích rủi ro tài chính DN được thực hiện như sau: Thu thập dữ liệu, xác định chỉ tiêu phân tích, so sánh các chỉ tiêu giữa kỳ phân tích với kỳ gốc hoặc so với chỉ tiêu trung bình ngành hoặc so với chỉ tiêu các công ty cổ phần (CTCP) trong cùng ngành, căn cứ vào độ lớn của từng chỉ tiêu, vào kết quả so sánh, tình hình thực tế của CTCP để đánh giá mức độ, xu hướng rủi ro tài chính của CTCP 16 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 17 3.2. Quản trị dữ liệu tài chính trong việc dự báo, đánh giá rủi ro và quản lý tài chính. 3.2.2. Quản trị dữ liệu tài chính trong việc đánh giá rủi ro và quản lý tài chính Để công tác quản trị tài chính DN nói chung và phân tích rủi ro tại DN đạt hiệu quả, cần chú trọng : Nâng cao nhận thức về rủi ro tài chính DN Nắm vững các quy trình và các tiêu chí khi phân tích rủi ro tài chính DN DN chủ động trong các kế hoạch tài chính, kế hoạch sản xuất kinh doanh của mình 18 3.3. Ứng dụng của quản trị dữ liệu tài chính trong quyết định đầu tư và quản lý danh mục Phân Tích Dữ Liệu Lớn: Cho phép nhà đầu tư thu thập và phân tích khối lượng dữ liệu khổng lồ từ nhiều nguồn khác nhau, bao gồm dữ liệu thị trường, báo cáo tài chính, tin tức, và dữ liệu mạng xã hội Sử Dụng AI và Học Máy: Được sử dụng để phát triển các mô hình dự báo phức tạp, giúp nhận diện các cơ hội đầu tư tiềm năng và quản lý rủi ro Đo Lường và Quản Lý Rủi Ro: Đo lường và quản lý rủi ro một cách hiệu quả hơn thông qua các mô hình định lượng rủi ro như Value at Risk (VaR), Stress Testing, và Scenario Analysis Đánh Giá Hiệu Suất và Điều Chỉnh Danh Mục: Việc theo dõi và đánh giá hiệu suất của danh mục đầu tư dựa trên dữ liệu tài chính giúp nhà đầu tư đưa ra các điều chỉnh cần thiết để duy trì hoặc cải thiện hiệu suất Phân Bổ Tài Sản Đa Dạng Hóa: Tối ưu hóa phân bổ tài sản bằng cách phân tích hiệu suất lịch sử, biến động giá và mối tương quan giữa các loại tài sản, giúp giảm rủi ro và tăng cường khả năng sinh lời của danh mục đầu tư 19 3.3. Ứng dụng của quản trị dữ liệu tài chính trong quyết định đầu tư và quản lý danh mục Sử dụng công cụ phân tích tài chính: Cung cấp dữ liệu phong phú và các công cụ phân tích mạnh mẽ, giúp nhà đầu tư thực hiện các phân tích phức tạp và đưa ra các quyết định phân bổ tài sản thông minh Phát hiện các cơ hội đầu tư tiềm năng: Quản trị dữ liệu tài chính giúp nhà đầu tư phát hiện các cơ hội đầu tư tiềm năng bằng cách phân tích các xu hướng và tín hiệu thị trường Phân tích các yếu tố kinh tế vĩ mô: như GDP, lạm phát, tỷ lệ thất nghiệp, và chính sách tiền tệ. Việc này giúp nhà đầu tư hiểu rõ hơn về bối cảnh kinh tế và đưa ra các quyết định đầu tư phù hợp 20 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.1 Thay đổi về cơ cấu trong ngành dịch vụ tài chính Hợp nhất ngành dịch vụ tài chính: Các tổ chức tài chính phải khai thác toàn bộ tiềm năng của dữ liệu để tồn tại và phát triển. Dữ liệu phải rõ ràng, dễ truy cập, và kết nối. Chất lượng dữ liệu và khả năng truy cập: Nhiều công ty gặp khó khăn với dữ liệu kém chất lượng, truy cập hạn chế, và phân tích không hiệu quả, dẫn đến phát sinh chi phí và rủi ro cao. Giải pháp là từ điển dữ liệu và quy trình quản trị dữ liệu rõ ràng 21 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.1 Thay đổi về cơ cấu trong ngành dịch vụ tài chính Các tiêu chuẩn cần được nâng cao trong cơ sở hạ tầng dữ liệu dựa trên xu hướng chung: Hàng hóa hóa sản phẩm tài chính và giảm rủi ro ngân hàng. Tăng minh bạch cho khách hàng. Tìm kiếm lợi thế thông tin từ dữ liệu phi truyền thống và phi cấu trúc. Tìm nguồn cung cấp dữ liệu theo thời gian thực. Đo lường và báo cáo về các KPI chất lượng thông tin. Thay đổi trong quy định và chi phí hạ tầng: Công nghệ từng là rào cản nhưng giờ đây các công ty mới có thể cung cấp sự khác biệt và trải nghiệm cho khách hàng thông qua các kênh kỹ thuật số Thương hiệu các công ty dịch vụ tài chính bị tổn hại do khủng hoảng tài chính. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.2 Thay đổi nhu cầu của các công ty dịch vụ tài chính (1) Các chỉ số thông tin chính Các loại chỉ số: Chỉ số về chi phí: Như Tỷ lệ Tổng chi phí (TER) của các quỹ tương hỗ, giúp nhà đầu tư so sánh các dịch vụ. Chỉ số về danh mục rủi ro: Để cơ quan quản lý có cái nhìn nhanh về khả năng thanh toán của ngân hàng, ví dụ như Vốn chủ sở hữu chung Cấp 1, Tỷ lệ bao phủ thanh khoản (LCR), và Tỷ lệ ổn định ròng tài trợ (NSFR). Chỉ số về lợi nhuận và đánh đổi rủi ro/lợi nhuận: Giúp nhà đầu tư chọn các khoản đầu tư phù hợp với khả năng rủi ro và so sánh các dịch vụ khác nhau. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.2 Thay đổi nhu cầu của các công ty dịch vụ tài chính (1) Các chỉ số thông tin chính Ứng dụng của các chỉ số: Các chỉ số này được sử dụng trong các công ty tài chính để phân bổ vốn và so sánh hiệu quả của các bộ phận trong việc sử dụng vốn để tạo ra lợi nhuận. Là thang đo rủi ro giúp các nhà đầu tư hiểu rõ hơn về rủi ro của các sản phẩm khác nhau. Giá trị của các chỉ số: Cung cấp cái nhìn có giá trị về tổ chức, phát hiện các khía cạnh chất lượng của dịch vụ, dòng sản phẩm, hoặc công ty tài chính. Rất quan trọng đối với quản lý kinh doanh, khách hàng, nhà đầu tư, và cơ quan quản lý để so sánh các dịch vụ và công ty, đánh giá liệu giá trị tối thiểu có được đáp ứng hay không 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.2 Thay đổi nhu cầu của các công ty dịch vụ tài chính (2) Vai trò thay đổi của các bộ phận tìm nguồn cung ứng Quan trọng trong việc tìm ra sự kết hợp tối ưu giữa công nghệ và mô hình kinh doanh. Liên kết và tích hợp các giải pháp nội bộ và do bên thứ ba triển khai. Cụ thể chuyển sang các bộ phận tìm nguồn cung ứng để liên kết phần mềm đã triển khai, giải pháp lưu trữ, dịch vụ và các hoạt động trong nước / nước ngoài / thuê ngoài với nội bộ 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.3 Thay đổi nhu cầu của khách hàng Nhu cầu khách hàng Khách hàng hiện nay yêu cầu khả năng truy cập thông tin và dễ dàng trong giao dịch. Khách hàng cần ứng dụng dễ sử dụng, có khả năng phân tích và so sánh các sản phẩm tài chính. Có nhu cầu tích hợp dữ liệu từ các công ty dịch vụ tài chính. Tích hợp dữ liệu: Giá trị nằm ở việc kết hợp các nguồn dữ liệu khác nhau và thể hiện sự phụ thuộc lẫn nhau. Đầu tư và rủi ro đòi hỏi dữ liệu thị trường và mối tương quan giữa các công cụ tài chính. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.3 Thay đổi nhu cầu của khách hàng Yêu cầu từ khách hàng lẻ: Cái nhìn sâu sắc về lịch sử giao dịch và phân bổ chi tiêu. Tổng quan về sản phẩm tài chính dài hạn và mục tiêu. Phân tích chi phí cố định và lập kế hoạch tài chính Công cụ lập kế hoạch tài chính và phân tích các tình huống thay đổi. Khách hàng lớn: Yêu cầu thông tin về cổ phiếu, tương tác, cấu trúc pháp lý, báo cáo tài chính, dự báo, và tin tức liên quan. Đòi hỏi sự kết hợp các loại dữ liệu khác nhau để đưa ra quyết định đầu tư 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.4 Thay đổi yêu cầu của quy định Phức tạp trong dịch vụ tài chính: Sự gia tăng phức tạp do việc kết nối các loại tiền tệ, rủi ro, thị trường, địa điểm giao dịch và các quy định tài chính khác nhau. Các thị trường và nhà đầu tư có yêu cầu về rủi ro và lợi tức khác nhau. Các quốc gia áp dụng các hệ thống tài khóa và chế độ quản lý khác nhau. Các bộ phận trong ngành dịch vụ tài chính có quy định khác nhau, tạo ra sự chênh lệch giá. Các cơ quan quản lý và ngành tài chính đã nỗ lực tiêu chuẩn hóa các sản phẩm tài chính. Mục tiêu điều tiết bao gồm: cải thiện giám sát an toàn, thấm nhuần văn hóa tuân thủ, giảm rủi ro hệ thống, hài hòa khung toàn cầu và tăng thu thuế từ hoạt động thị trường vốn 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.1 Những thay đổi trong ngành dịch vụ tài chính 3.4.1.4 Thay đổi yêu cầu của quy định Tác động của quy định: Quy định đặt ra gánh nặng về báo cáo và hoạt động để đổi lấy giấy phép kinh doanh. Quy định cũng bảo vệ ngành tài chính khỏi sự cạnh tranh từ các lĩnh vực mới. Quy định dẫn đến việc tạo ra dữ liệu mới, yêu cầu các công cụ hoặc mã định danh khách hàng, mã phân loại và cờ báo cáo riêng. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.1 Chuỗi cung ứng trong quản lý thông tin Tính chất của chuỗi cung ứng thông tin: Chuỗi cung ứng thông tin tập trung vào sở hữu trí tuệ thay vì tài sản vật chất. Thời gian xử lý và phân tích thông tin ngắn, và sản phẩm thông tin lỗi thời nhanh Các mốc thời gian trong chuỗi cung ứng thông tin có thể thay đổi từng giây Sự thay đổi trong chuỗi cung ứng: Dữ liệu thô được thu thập nhiều nguồn hơn và nhiều nguồn dữ liệu phi truyền thống, phi cấu trúc hơn có thể được khai thác và đưa vào quá trình ra quyết định. Các công cụ và quy trình tạo ra một băng chuyền thông tin, nhu cầu về các thỏa thuận mức dịch vụ (SLA) ngày càng tăng với các chỉ số dịch vụ được xác định rõ ràng 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.1 Chuỗi cung ứng trong quản lý thông tin Quản lý dữ liệu: Các công ty dịch vụ tài chính nên xem dữ liệu như một tài sản độc lập. Xem xét việc tích hợp và chia nhỏ cơ sở hạ tầng thành các thành phần độc lập linh hoạt hơn để tăng tính linh hoạt và đáp ứng nhanh chóng Thước đo năng suất và thành công cho chuỗi cung ứng thông tin: Back office tập trung vào hiệu quả hoạt động và chi phí mỗi giao dịch. Front office liên quan tới đánh giá chất lượng sản phẩm, đáp ứng nhu cầu khách hàng nhanh chóng và tạo ra các ý tưởng sản phẩm mới. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.1 Chuỗi cung ứng trong quản lý thông tin Chiến lược và tùy chọn chuỗi cung ứng: Tổ chức có thể xem xét chuyển giao (outsourcing) một phần của chuỗi cung ứng thông tin như tích hợp, hợp nhất và xác thực nội dung hoặc một phần của vòng đời giao dịch hoặc thay thế đối tác bên thứ ba trong vòng đời giao dịch. Quản lý dữ liệu tốt giúp định giá chính xác các tùy chọn tìm nguồn cung ứng khác nhau. Các đặc điểm chính của chức năng quản lý dữ liệu: Mức độ liên quan, tính kịp thời, hiệu quả về chi phí và chất lượng dữ liệu. Hiểu sâu về chuỗi cung ứng dữ liệu để xác định các chỉ số và quản lý dữ liệu hiệu quả. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.1 Chuỗi cung ứng trong quản lý thông tin Chiến lược và tùy chọn chuỗi cung ứng: Tổ chức có thể xem xét chuyển giao (outsourcing) một phần của chuỗi cung ứng thông tin như tích hợp, hợp nhất và xác thực nội dung hoặc một phần của vòng đời giao dịch hoặc thay thế đối tác bên thứ ba trong vòng đời giao dịch. Quản lý dữ liệu tốt giúp định giá chính xác các tùy chọn tìm nguồn cung ứng khác nhau. Các đặc điểm chính của chức năng quản lý dữ liệu: Mức độ liên quan, tính kịp thời, hiệu quả về chi phí và chất lượng dữ liệu. Hiểu sâu về chuỗi cung ứng dữ liệu để xác định các chỉ số và quản lý dữ liệu hiệu quả. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.1 Chuỗi cung ứng trong quản lý thông tin Đổi mới trong các công ty dịch vụ tài chính: Hợp tác với các nhà cung cấp fintech để tận dụng phương pháp tiếp cận mới và chu kỳ phát triển nhanh hơn. Tạo môi trường thử nghiệm (sandbox) để kiểm tra sự đổi mới trong các quy trình cụ thể hoặc nhóm khách hàng mục tiêu. Phương tiện truyền thông xã hội và tài chính: Phương tiện truyền thông xã hội có thể giúp loại bỏ khâu trung gian và thay thế các công ty dịch vụ tài chính. Các nền tảng truyền thông xã hội giúp huy động những người cùng chí hướng và xây dựng cộng đồng, hỗ trợ tài trợ mạo hiểm hoặc vay tiền theo mô hình nguồn cung ứng cộng đồng. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.2 Phát triển chuỗi cung ứng Lưu trữ dữ liệu trên đám mây- điện toán dựa trên internet sử dụng các tài nguyên xử lý được chia sẻ và cung cấp các tài nguyên này theo yêu cầu Đám mây công cộng: Dịch vụ hiển thị trên mạng mở cho mục đích sử dụng công cộng. Đám mây riêng: Hạ tầng được vận hành cho một tổ chức, quản lý nội bộ hoặc bởi bên thứ ba, lưu trữ nội bộ hoặc bên ngoài. Đám mây lai: Kết hợp các đám mây riêng và công cộng, cung cấp lợi ích của các mô hình triển khai khác nhau phục vụ cho các nhu cầu khác nhau 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.2 Phát triển chuỗi cung ứng Khối lượng dữ liệu trong đám mây tăng lên: Tùy chọn tìm nguồn cung ứng: Dữ liệu chuyển qua nhiều khâu và lưu trữ ở nhiều nơi, dẫn đến chuỗi cung ứng thông tin phức tạp. Gia công phần mềm và thuê ngoài, sử dụng dịch vụ lưu trữ và các mô hình đám mây khác nhau 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.2 Phát triển chuỗi cung ứng Thách thức trong chuỗi cung ứng thông tin: Cấp phép nội dung: Thỏa thuận cần bên thứ ba xử lý, không cho phép nội dung rời khỏi cơ sở khách hàng. Bảo mật dữ liệu: Dữ liệu qua mạng có thể bị tấn công, yêu cầu lưu trữ dữ liệu cùng quốc gia với khách hàng. Chuỗi cung ứng dài hơn: Nhiều điểm bàn giao, dễ sai sót hơn, yêu cầu kiểm soát bổ sung để đảm bảo chất lượng dữ liệu. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.2 Phát triển chuỗi cung ứng Thách thức trong chuỗi cung ứng thông tin: Cấp phép nội dung: Thỏa thuận cần bên thứ ba xử lý, không cho phép nội dung rời khỏi cơ sở khách hàng. Bảo mật dữ liệu: Dữ liệu qua mạng có thể bị tấn công, yêu cầu lưu trữ dữ liệu cùng quốc gia với khách hàng. Chuỗi cung ứng dài hơn: Nhiều điểm bàn giao, dễ sai sót hơn, yêu cầu kiểm soát bổ sung để đảm bảo chất lượng dữ liệu. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.2 Phát triển chuỗi cung ứng trên góc độ quản lý thông tin dữ liệu 3.4.2.2 Phát triển chuỗi cung ứng Xu hướng tích hợp CNTT với các chức năng kinh doanh: Tích hợp CNTT và vận hành: Tạo ra các tổ chức công nghệ và vận hành ("TOPS"). Phong trào DevOps: Tạo văn hóa và môi trường phát triển và sản xuất phần mềm nhanh chóng, đáng tin cậy. Thách thức cho CIO và CDO: Giữ chuỗi cung ứng trong tầm kiểm soát: Sử dụng công nghệ mới để vận hành hiệu quả và thực hiện phân tích dữ liệu bổ sung. Áp lực chi phí: Mô hình CNTT hai phương thức, khám phá công nghệ mới đồng thời giữ hoạt động kinh doanh ổn định. Công nghệ dữ liệu lớn: Sử dụng tất cả dữ liệu, không cần lấy mẫu, phân biệt giữa tín hiệu nhiễu và tín hiệu có ý nghĩa, khai thác tối đa giá trị của dữ liệu. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.3 Triển vọng quản lý dữ liệu 3.4.3.1 Những xu hướng về quy trình quản lý dữ liệu Tầm quan trọng của dữ liệu: Cần có sự công nhận và truy cập dễ dàng đến các tập dữ liệu ngành và dữ liệu toàn công ty. Tính thanh khoản và linh hoạt của dữ liệu: Cần có thông tin nhanh chóng và với chi phí thấp. Đòi hỏi tích hợp dữ liệu và mô hình dữ liệu chung Chuyển đổi quản lý thông tin: Tạo ra cái nhìn sâu sắc hơn về chuỗi cung ứng thông tin. Các sản phẩm và dịch vụ thông tin cần thân thiện và phù hợp với quy trình làm việc của người dùng cuối. Các tiêu chuẩn dữ liệu cơ bản và nhận dạng duy nhất là điều kiện tiên quyết. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.3 Triển vọng quản lý dữ liệu 3.4.3.1 Những xu hướng về quy trình quản lý dữ liệu Tăng trưởng và đổi mới: Các tổ chức tài chính cần hiểu và quản lý chuỗi cung ứng thông tin để tăng trưởng. Quan hệ đối tác với các công ty fintech để cải thiện dịch vụ khách hàng và tận dụng công nghệ mới. Đầu tư và cơ sở hạ tầng: Cần đầu tư liên tục để có cái nhìn toàn cảnh về thông tin tài chính và chuỗi cung ứng. Quản lý nội dung doanh nghiệp là yếu tố quan trọng cho sự thành công của các sáng kiến cải tiến quy trình. Cải thiện quản lý dữ liệu: Sản phẩm tài chính minh bạch và phù hợp hơn với nhu cầu của khách hàng. Kết hợp dữ liệu và logic kinh doanh trong hợp đồng thông minh. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.3 Triển vọng quản lý dữ liệu 3.4.3.1 Những xu hướng về quy trình quản lý dữ liệu Nhân viên và năng suất: Nhân viên cần truy cập kịp thời thông tin tốt để tăng năng suất. Tập trung vào sản xuất thông tin mới thay vì tìm kiếm và kiểm tra thông tin. Lợi thế cạnh tranh: Chuỗi cung ứng thông tin cải thiện là cơ sở cho hoạt động hiệu quả và có thể mở rộng. Cải tiến trong cung cấp thông tin dẫn đến lợi thế cạnh tranh qua tương tác với khách hàng. Quản lý dữ liệu hiệu quả là điều kiện tiên quyết cho lợi thế cạnh tranh về chi phí và sự khác biệt. 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.3 Triển vọng quản lý dữ liệu 3.4.3.2 Những xu hướng về tổ chức quản lý dữ liệu (1) Các điểm tương đồng trong các nhu cầu của Khách hàng, Doanh nghiệp và Quy định Yêu cầu chung về kết nối dữ liệu: Cả khách hàng, doanh nghiệp, và quy định đều yêu cầu sự kết nối và tích hợp dữ liệu.Dữ liệu kết hợp giúp đưa ra quyết định hiệu quả hơn. Mở rộng phạm vi dữ liệu tích hợp:Dữ liệu trước đây được xem là “dữ liệu tối” (không được xử lý tự động) hiện cũng được tích hợp vào các quy trình ra quyết định. Lợi thế cạnh tranh từ dữ liệu kết hợp: Khai thác các mối quan hệ và sự phụ thuộc giữa các tập dữ liệu khác nhau mang lại lợi thế cạnh tranh. Phức tạp hóa chuỗi cung ứng và dịch vụ:Chuỗi cung ứng và cấu hình của các nhà cung cấp phần mềm, dữ liệu và dịch vụ trở nên phức tạp hơn.Các công ty tài chính cần hợp lý hóa hoạt động để quản lý dữ liệu hiệu quả về chi phí 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.3 Triển vọng quản lý dữ liệu 3.4.3.2 Những xu hướng về tổ chức quản lý dữ liệu (1) Các điểm tương đồng trong các nhu cầu của Khách hàng, Doanh nghiệp và Quy định Chất lượng và hiệu quả của dữ liệu:Chú trọng đến chất lượng dữ liệu, tốc độ cung cấp và theo dõi các số liệu chất lượng.Dữ liệu chính xác định các nút, đối tượng, và điều kiện biên trong mô hình dữ liệu của công ty. Phức tạp hóa trong xử lý và lưu trữ dữ liệu:Lưu lượng truy cập và xử lý dữ liệu trở nên phức tạp hơn với các điểm lưu trữ trên toàn cầu 3.4. Xu hướng quản trị dữ liệu trong tài chính 3.4.3 Triển vọng quản lý dữ liệu 3.4.3.2 Những xu hướng về tổ chức quản lý dữ liệu (2) Hướng tới một mô hình tổ chức CNTT mới Mô hình tổ chức CNTT mới: Công ty cần nắm bắt công nghệ và quy trình mới. CNTT hai phương thức: Xác định và thử nghiệm các lĩnh vực đổi mới trên các quy trình độc lập trước khi triển khai cho các chức năng kinh doanh chính để giảm thiểu rủi ro. Mức độ đầu tư công nghệ: Câu hỏi đặt ra là mức độ sẵn sàng của các công ty để đầu tư lớn vào công nghệ. Đầu tư cho đổi mới: Các công ty có thể phải chi nhiều hơn cho việc đổi mới để tạo sự khác biệt trong thị trường đã bão hòa. Cạnh tranh trong dịch vụ tài chính: Sự cạnh tranh ngày càng gia tăng và phạm vi cạnh tranh là toàn cầu. CHƯƠNG 4 CÔNG CỤ QUẢN TRỊ DỮ LIỆU TÀI CHÍNH STATA 1 Nội dung 4.1 Giới thiệu chung về chương trình STATA 4.2 Tổ chức và quản lý dữ liệu 4.3 Tổng hợp số liệu 4.4 Vẽ đồ thị 4.5 Kiểm định giả thiết và phân tích hồi quy 4.1. Giới thiệu chung về chương trình STATA 4.1.1 Một số khái niệm 4.1.2 Làm quen với STATA 4.1.3 Các dạng tệp dữ liệu cơ bản của STATA 4.1.4 Cấu trúc lệnh, các toán tử và hàm số 4.1.5 Hệ thống trợ giúp của STATA 4.1. Giới thiệu chung về chương trình STATA Giới thiệu STATA là phần mềm thống kê được phát triển từ năm 1985 bởi StataCorp STATA cung cấp một hệ thống quản lý dữ liệu và khả năng phân tích thống kê với giao diện đồ họa thân thiện bao gồm trình đơn mô tả và các hộp thoại đơn giản STATA là một chương trình thống kê mạnh, với sự hỗ trợ của công cụ lập trình. Phần mềm được viết bằng C, có thể chạy trên Windows, Mac OS X, Unix, Linux Được sử dụng bởi nhiều doanh nghiệp và tổ chức học thuật trên thế giới 4 4.1. Giới thiệu chung về chương trình STATA 4.1.1. Một số khái niệm Stata cho phép lưu trữ thông tin về các đặc điểm của các đối tượng nghiên cứu. Year ID SIZE LEVERAGE GROWTH ROE 2019 1 28.658 0.645801493 -0.273280425 -0.142 2020 1 28.519 0.583923985 -0.211319129 0.021 2021 1 28.266 0.436058168 -0.303393986 0.0527 2022 1 28.493 0.615115353 0.167849461 -0.167 5 4.1. Giới thiệu chung về chương trình STATA 4.1.1. Một số khái niệm Quan sát ( bản ghi): Mỗi một hàng ngang của bảng số liệu được gọi là một quan sát (observation), hay một bản ghi (record) lưu trữ số liệu về một đối tượng nghiên cứu Biến (trường, thuộc tính): Thông tin về đối tượng nghiên cứu được thu thập và lưu trữ theo các đặc điểm của chúng Biến xác định (identifying variables): Thông thường trong các biến sẽ có các biến dùng để nhận dạng quan sát, được gọi là biến xác định 6 4.1. Giới thiệu chung về chương trình STATA 4.1.1. Một số khái niệm Quy tắc đặt tên biến: Tên biến dài từ 1 đến 32 ký tự, được bắt đầu bằng chữ hoặc dấu gạch dưới (_). Tên biến chỉ bao gồm chữ, số và dấu gạch dưới. Các ký tự đặc biệt khác không thể dùng để đặt tên cho biến Các đặc điểm của biến Các biến có thể được gán nhãn ( chú thích). Biến có thể được định dạng (format) là biến số và biến ký tự với các loại lưu trữ khác nhau 7 4.1. Giới thiệu chung về chương trình STATA 4.1.1. Một số khái niệm Các biến số có thể bao gồm các biến rời rạc và liên tục Kiểu lưu Dung lượng Giá trị nhỏ nhất Giá trị lớn nhất Kiểu trữ dạng (Byte) số byte 1 -127 126 Số nguyên int 2 -32,767 32,766 Số nguyên long 4 -2,147,483,647 2,147,483,646 Số nguyên float 4 -10^36 10^36 Số thực double 8 -10^308 10^308 Số thực 8 4.1. Giới thiệu chung về chương trình STATA 4.1.1. Một số khái niệm Biến ký tự (string) dùng để lưu trữ các loại ký tự Kiểu lưu trữ dạng chữ Byte Độ dài lớn nhất str1 1

Nội dung ôn tập Bài giảng Quản trị dữ liệu tài chính PDF

Document Details

Tags

Related

Summary

Full Transcript

Upgrade to continue