Ông Đào Hồng Giang, Phó chủ tịch điều hành kiêm Giám đốc Khối Tài chính - Ngân hàng, FPT IS (Tập đoàn FPT)
Dù từng ngân hàng đã đầu tư mạnh vào DWH, Data Lake hay Lakehouse, nhưng trên bình diện toàn ngành, một cấu trúc dữ liệu liên thông thực chất vẫn chưa hình thành. Theo ông, đâu là “điểm nghẽn” mang tính hệ thống khiến bài toán dữ liệu của ngành ngân hàng chậm tiến độ?
Ngành ngân hàng Việt Nam đang đứng trước một bước ngoặt mang tính lịch sử. Sự hội tụ của hai làn sóng lớn - nhu cầu nội tại trong việc thấu hiểu khách hàng để cạnh tranh trong kỷ nguyên số, cùng động lực mạnh mẽ từ Chiến lược Chuyển đổi số quốc gia - đang mở ra cơ hội hiếm có để tái định hình toàn diện ngành ngân hàng. Trong bối cảnh đó, các ngân hàng đã và đang nâng cao nhận thức, coi dữ liệu là lợi thế cạnh tranh cốt lõi của dịch vụ tài chính thông minh, hướng đích. Tuy nhiên, thực tiễn triển khai cho thấy, quá trình này vẫn đối mặt với không ít khó khăn, cả từ bên trong lẫn bên ngoài hệ thống.
Quan sát thực tế tại các ngân hàng thương mại cho thấy một số “điểm nghẽn” mang tính phổ biến. Trước hết là tình trạng dữ liệu bị phân mảnh ngay trong nội bộ từng ngân hàng. Thông tin khách hàng thường nằm rải rác ở nhiều hệ thống như Core Banking, thẻ, tín dụng hay ngân hàng số, khiến việc xây dựng một bức tranh khách hàng 360 độ là thách thức không nhỏ.
Bên cạnh đó, không ít ngân hàng vẫn vận hành trên các hệ thống công nghệ lõi mang tính di sản. Những hệ thống này thiếu linh hoạt, khó tích hợp và hạn chế khả năng trích xuất dữ liệu theo thời gian thực, qua đó làm chậm quá trình khai thác và phân tích. Một vấn đề khác là chất lượng dữ liệu chưa đồng đều, thiếu chuẩn hóa, thậm chí sai lệch hoặc không đầy đủ, làm suy giảm đáng kể giá trị của các mô hình phân tích. Trong khi đó, phần lớn hoạt động phân tích hiện nay vẫn mang tính “phản ứng”, tập trung vào báo cáo những gì đã xảy ra, thay vì hướng tới phân tích, dự đoán nhằm hỗ trợ ra quyết định.
Bài toán dữ liệu của ngành ngân hàng không chỉ là câu chuyện công nghệ, mà là vấn đề thể chế và niềm tin.
Khi mở rộng ra phạm vi toàn ngành, các rào cản này càng trở nên phức tạp. Về mặt kỹ thuật và dữ liệu, bài toán lớn nhất vẫn là thiếu chuẩn hóa. Hiện chưa có một mô hình dữ liệu chung cho toàn ngành, khiến mỗi ngân hàng sử dụng một “ngôn ngữ” dữ liệu khác nhau. Dù Ngân hàng Nhà nước đã ban hành Thông tư 64/2024/TT-NHNN về Open API nhằm tạo ra định dạng chung và bảo đảm an toàn, bảo mật trong chia sẻ thông tin, nhưng việc triển khai trên thực tế vẫn cần được thúc đẩy mạnh mẽ hơn. Khả năng tương tác giữa các hệ thống công nghệ thông tin của các ngân hàng cũng còn hạn chế, khi chưa được thiết kế để “nói chuyện” với nhau một cách an toàn và hiệu quả.
Ngoài ra, rào cản còn đến từ yếu tố tổ chức và cạnh tranh, gắn với tư duy “sở hữu dữ liệu”. Dữ liệu khách hàng lâu nay được xem là tài sản cạnh tranh cốt lõi, khiến nhiều ngân hàng lo ngại việc chia sẻ sẽ làm suy giảm lợi thế của mình. Thực tế này càng trở nên phức tạp khi ngành chưa có một thực thể trung gian đủ tin cậy để đứng ra điều phối việc chia sẻ dữ liệu một cách công bằng, minh bạch và an toàn.
Cuối cùng là những ràng buộc pháp lý và yêu cầu tuân thủ. Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân đặt ra các quy định rất chặt chẽ đối với việc thu thập, xử lý và chia sẻ dữ liệu, đặc biệt liên quan đến sự đồng ý của khách hàng. Cùng với đó, các quy định trong Luật Các tổ chức tín dụng và các văn bản liên quan về bảo mật thông tin khách hàng, dù cần thiết, nhưng cũng đang tạo ra những giới hạn nhất định đối với việc chia sẻ dữ liệu khi chưa có một cơ quan nhà nước có thẩm quyền đứng ra tổ chức và điều phối hoạt động này trên phạm vi toàn ngành.
Những rào cản đó cho thấy, bài toán dữ liệu không chỉ là vấn đề công nghệ, mà còn là câu chuyện của thể chế và niềm tin.
Trong bối cảnh nhu cầu chuẩn hóa và chia sẻ dữ liệu ngày càng cấp thiết, theo ông, Ngân hàng Nhà nước cần đóng vai trò như thế nào - kiến tạo, điều phối hay bắt buộc tuân thủ - để định hình một kiến trúc dữ liệu ngành đủ tầm cho kỷ nguyên AI?
Như đã đề cập, thách thức cốt lõi mà phần lớn các ngân hàng hiện nay đang phải đối mặt vẫn là tình trạng dữ liệu bị phân mảnh. Mỗi ngân hàng chỉ nhìn thấy một “mảnh ghép” của khách hàng, bị giới hạn trong những “vùng trũng dữ liệu” (data silo) của riêng mình. Hệ quả là quản trị rủi ro chưa toàn diện, trải nghiệm khách hàng rời rạc và nguồn lực xã hội chưa được sử dụng hiệu quả. Tuy nhiên, trong bức tranh đó, ngành ngân hàng Việt Nam đang đứng trước một cơ hội lớn chưa từng có để tháo gỡ bài toán này.
Cơ hội đến từ những sáng kiến chiến lược mà Chính phủ đang triển khai, tạo ra “cú huých” mạnh mẽ cả về hạ tầng lẫn hành lang pháp lý, buộc ngành ngân hàng phải thay đổi cách tiếp cận với dữ liệu. Những quyết sách này đang từng bước hình thành một nền tảng dữ liệu “vàng” cho quá trình liên thông, chia sẻ và khai thác dữ liệu ở quy mô toàn ngành.
Một trong những trụ cột quan trọng nhất là Đề án 06 và Cơ sở dữ liệu quốc gia về dân cư. Đây có thể xem là “chìa khóa vàng” của chuyển đổi số, khi cung cấp một nguồn dữ liệu định danh duy nhất, sạch và đã được xác thực. Điều này giúp giải quyết căn cơ bài toán eKYC, tăng cường phòng chống gian lận, làm sạch dữ liệu khách hàng hiện hữu, đồng thời tạo nền tảng cho việc hình thành một “ID khách hàng” thống nhất trên toàn hệ thống ngân hàng, gắn với mã định danh cá nhân.
Song song với đó là Trung tâm Dữ liệu quốc gia (National Data Center), được định hướng là “bộ não” tích hợp dữ liệu từ nhiều nguồn như dân cư, doanh nghiệp, bảo hiểm hay thuế. Khi các ngân hàng kết nối với trung tâm này, họ không chỉ xác thực được danh tính khách hàng mà còn có thể, trên cơ sở sự đồng ý của khách hàng, tiếp cận thêm các thông tin phi tài chính như thu nhập hay lịch sử đóng bảo hiểm, qua đó làm giàu và hoàn thiện bức tranh khách hàng.
Bên cạnh hạ tầng dữ liệu, các khung kiến trúc và nghị quyết, kế hoạch lớn như Nghị quyết 57-NQ/TW, Nghị quyết 68-NQ/TW, Nghị quyết 71/NQ-CP, hay Kế hoạch 02-KH/BCĐTW cũng đóng vai trò định hướng quan trọng. Các văn bản này đặt ra mục tiêu, lộ trình và kiến trúc tổng thể cho phát triển hạ tầng số, nền tảng số và yêu cầu chia sẻ dữ liệu, tạo nền móng cho một hệ sinh thái dữ liệu thống nhất.
Trong bối cảnh đó, vai trò của Ngân hàng Nhà nước mang tính then chốt. Với các quyết sách bám sát tinh thần Nghị quyết 57-NQ/TW về đổi mới sáng tạo, cùng các chương trình hành động hướng tới xây dựng Chiến lược dữ liệu và các cơ sở dữ liệu chuyên ngành dùng chung, Ngân hàng Nhà nước không chỉ là cơ quan quản lý, mà còn giữ vai trò kiến tạo và điều phối, dẫn dắt quá trình hình thành kiến trúc dữ liệu ngành ngân hàng đủ tầm cho kỷ nguyên AI.
Chia sẻ dữ liệu giữa Ngân hàng Nhà nước, các tổ chức tín dụng và các nguồn dữ liệu làm giàu đang đặt ra nhiều áp lực về pháp lý, tiêu chuẩn kỹ thuật và quản trị rủi ro. Theo ông, mô hình chia sẻ dữ liệu nào - tập trung, liên minh hay phân tán có kiểm soát - là khả thi để tạo cú huých cho bài toán AI của ngành ngân hàng?
Việt Nam không đơn độc trên hành trình này. Kinh nghiệm quốc tế cho thấy, các quốc gia đi trước đã lựa chọn những mô hình khác nhau, tùy thuộc vào thể chế, mức độ phát triển của thị trường và vai trò của nhà nước.
Tại châu Âu, với khuôn khổ PSD2 và Open Banking, mô hình chia sẻ dữ liệu được thúc đẩy theo hướng “bắt buộc bởi quy định”. Cơ quan quản lý yêu cầu các ngân hàng mở API cho bên thứ ba, trên cơ sở sự đồng ý của khách hàng, trong khi quyền riêng tư được đặt ở vị trí tối thượng theo chuẩn GDPR. Ngược lại, tại Mỹ, quá trình này chủ yếu được “dẫn dắt bởi thị trường”, khi không có quy định bắt buộc, mà các công ty công nghệ trung gian như Plaid phát triển mạnh, đóng vai trò cầu nối dữ liệu giữa hàng nghìn ngân hàng và các ứng dụng Fintech.
Một cách tiếp cận khác được ghi nhận tại Ấn Độ và Singapore, nơi mô hình “hợp tác công - tư” hoặc “tiện ích do chính phủ dẫn dắt” được lựa chọn. Ở Ấn Độ, các hạ tầng số quốc gia như Aadhaar (định danh) và UPI (thanh toán) được xây dựng như những “đường ray” công cộng, cho phép khu vực tư nhân đổi mới sáng tạo trên nền tảng chung. Tại Singapore, Cơ quan Quản lý tiền tệ (MAS) bảo trợ SGFinDex - một nền tảng tiện ích cho phép người dân, với sự đồng ý của mình, tổng hợp thông tin tài chính từ nhiều tổ chức vào một nơi duy nhất. Điểm quan trọng là nền tảng này không lưu trữ dữ liệu, mà chỉ đóng vai trò điều phối các truy vấn.
Từ những kinh nghiệm đó, có thể thấy mô hình phù hợp nhất cho Việt Nam nhiều khả năng là “mô hình tiện ích điều phối” (Coordinated Utility Model). Việt Nam có nhiều điểm tương đồng với Ấn Độ và Singapore, thể hiện ở vai trò dẫn dắt mạnh mẽ của Chính phủ, quyết tâm xây dựng nền tảng định danh số quốc gia thông qua Đề án 06, cũng như vị thế và uy tín của cơ quan quản lý ngành là Ngân hàng Nhà nước. Trong bối cảnh đó, mô hình “chợ” thuần túy như Mỹ hay mô hình “ép buộc” như châu Âu đều khó tối ưu bằng một cách tiếp cận trung dung, có điều phối.
Theo mô hình này, Chính phủ và Ngân hàng Nhà nước giữ vai trò kiến tạo, thông qua việc xây dựng khung pháp lý cho chia sẻ dữ liệu, quy định về API và cơ chế đồng ý của khách hàng, đồng thời cung cấp các hạ tầng lõi như Cơ sở dữ liệu quốc gia về dân cư để phục vụ xác thực. Trên nền tảng đó, có thể hình thành một thực thể trung gian điều phối - chẳng hạn một trung tâm do Ngân hàng Nhà nước bảo trợ, hoặc nâng cấp vai trò của Napas hay CIC - hoạt động tương tự SGFinDex của Singapore. Thực thể này cung cấp cổng API chuẩn, quản lý cơ chế đồng ý của khách hàng và điều phối các truy vấn dữ liệu, theo nguyên tắc không sao chép hay lưu trữ dữ liệu, mà chỉ đóng vai trò như một “bưu điện” chuyển các yêu cầu đã được mã hóa và cấp phép.
Với các ngân hàng thương mại, việc tham gia “tiện ích ngành” đòi hỏi tuân thủ các chuẩn API chung. Khi đó, cạnh tranh không còn nằm ở việc “giữ” dữ liệu, mà ở khả năng “sử dụng” dữ liệu - từ chính ngân hàng và từ hệ thống, trong phạm vi được cho phép - để tạo ra các sản phẩm, dịch vụ khác biệt và có giá trị gia tăng cao hơn.
Giả sử trong 3-5 năm tới, ngành ngân hàng vẫn vận hành trên nền dữ liệu phân mảnh như hiện nay, theo ông, điều gì có thể xảy ra? Và đâu là những việc cần bắt tay thực hiện ngay để không bỏ lỡ cơ hội chuyển đổi?
Nguy cơ lớn nhất là ngành ngân hàng sẽ bỏ lỡ cơ hội tạo ra những bước nhảy vọt thực chất trong ứng dụng AI. Khi đó, AI khó vượt qua vai trò hỗ trợ mang tính trình diễn, trong khi quản trị rủi ro vẫn thiếu toàn diện, trải nghiệm khách hàng khó liền mạch và nguồn lực xã hội tiếp tục bị phân tán. Quan trọng hơn, ngành ngân hàng có thể bị chậm nhịp so với các lĩnh vực và hệ sinh thái tài chính - công nghệ khác đang tiến rất nhanh trên nền tảng dữ liệu liên thông.
Để tránh kịch bản đó và hiện thực hóa mô hình chia sẻ dữ liệu đã nêu, điều cốt lõi là phải có một lộ trình đồng bộ, với các hành động đủ nhanh, đủ rõ và phù hợp với thực tiễn Việt Nam, nhằm tận dụng quyết tâm chính sách ở cấp cao nhất.
Trước hết, đối với Ngân hàng Nhà nước, ưu tiên hàng đầu vẫn là tiếp tục hoàn thiện khung pháp lý cho chia sẻ dữ liệu trong ngành ngân hàng. Điều này bao gồm việc nghiên cứu, đề xuất và ban hành các cơ chế mới, làm rõ phạm vi dữ liệu được và không được chia sẻ, trách nhiệm của các bên tham gia, cũng như cơ chế lấy và quản lý sự đồng ý của khách hàng, trên nguyên tắc tuân thủ tuyệt đối Luật Bảo vệ dữ liệu cá nhân và các quy định pháp luật liên quan. Dù Nghị định số 94/2025/NĐ-CP về cơ chế thử nghiệm có kiểm soát trong lĩnh vực ngân hàng, trong đó có sandbox cho Open API, đã được ban hành, nhưng vẫn cần thêm các văn bản hướng dẫn và cơ chế khuyến khích để thúc đẩy triển khai trên thực tế.
Song song với đó, vai trò dẫn dắt tiêu chuẩn hóa của Ngân hàng Nhà nước cần tiếp tục được phát huy. Việc ban hành Thông tư 64/2024/TT-NHNN và bộ tiêu chuẩn Open API toàn ngành đã tạo ra một “ngôn ngữ chung” cho chia sẻ dữ liệu về mặt kỹ thuật, bảo mật và cấu trúc thông tin. Tuy nhiên, bộ tiêu chuẩn này cũng cần được thường xuyên rà soát, cập nhật và bổ sung để bám sát yêu cầu vận hành và đổi mới trong thực tiễn.
Về phía các ngân hàng thương mại, yêu cầu cấp thiết là hiện đại hóa công nghệ lõi. Không thể kết nối và chia sẻ dữ liệu hiệu quả nếu hệ thống lõi vẫn lạc hậu. Các ngân hàng cần đầu tư nâng cấp hoặc thay thế Core Banking, xây dựng các nền tảng và kho dữ liệu theo kiến trúc API-first, sẵn sàng cho việc “mở” dữ liệu một cách có kiểm soát. Cùng với hạ tầng công nghệ, đầu tư cho con người và quy trình quản trị dữ liệu cũng là điều kiện tiên quyết để dữ liệu thực sự trở thành tài sản chiến lược. Trong kỷ nguyên AI, dữ liệu không còn là tài sản để cất giữ, mà là năng lực để dẫn dắt.
