Ứng dụng dữ liệu lớn trong hoạt động quản trị quan hệ khách hàng tại các Ngân hàng thương mại Việt Nam

50
© Học viện Ngân hàng
ISSN 1859 - 011X 
Tạp chí Khoa học & Đào tạo Ngân hàng
Số 203- Tháng 4. 2019
Ứng dụng dữ liệu lớn trong hoạt động quản 
trị quan hệ khách hàng tại các Ngân hàng 
thương mại Việt Nam
 QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP 
Phan Thanh Đức
Chu Thị Hồng Hải
Đình Trọng Hiếu 
Chu Văn Huy
Ngô Thùy Linh
Ngày nhận: 21/03/2019 Ngày nhận bản sửa: 01/04/2019 Ngày duyệt đăng: 26/04/2019
Sự xuất hiện của dữ liệu lớn (Big Data) trong bối cảnh hiện nay đang 
được các doanh nghiệp kỳ vọng như nguồn tài nguyên khổng lồ. Tuy 
nhiên việc ứng dụng Big Data ở đâu và như thế nào vẫn đang là bài 
toán chưa được giải quyết tại các ngân hàng thương mại (NHTM) 
Việt Nam hiện nay. Bài báo đề cập đến việc ứng dụng Big Data vào 
hoạt động quản trị quan hệ khách hàng (CRM) tại các NHTM bằng 
việc đề xuất mô hình kiến trúc tổng thể cho hệ thống CRM-Big Data 
và đề cập việc sử dụng các phương pháp, kỹ thuật MDM, CDP, DMP 
nhằm giải quyết bài toán tích hợp dữ liệu có cấu trúc bên trong ngân 
hàng và dữ liệu phi cấu trúc trên Big Data. 
Từ khoá: Dữ liệu lớn (Big Data), quản trị quan hệ khách hàng (CRM), 
quản lý dữ liệu chủ (MDM), nền tảng dữ liệu khách hàng (CDP), nền 
tảng quản lý dữ liệu (DMP).
1. Đặt vấn đề
heo “Báo cáo nghiên cứu về thị 
trường phần mềm CRM- Dự 
báo toàn cầu đến 2023” của 
Market Research Future (Market 
Research Future, 2019), giá trị thị 
trường CRM trên toàn thế giới đã đạt 27,16 tỷ 
đô la năm 2017 và được dự báo sẽ đạt khoảng 
35 tỷ USD vào năm 2023, với tốc độ tăng 
trưởng kép hàng năm (CAGR) trung bình xấp 
xỉ 6% trong khoảng 2017- 2023. Các doanh 
nghiệp hướng tới việc triển khai các hệ thống 
CRM với hy vọng chăm sóc và quản lý khách 
hàng tốt hơn, bán hàng nhanh hơn, xây dựng 
trải nghiệm khách hàng hấp dẫn hơn... Rõ ràng, 
quản trị mối quan hệ với khách hàng luôn là 
vấn đề được quan tâm đối với các doanh nghiệp 
 QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP
51Tạp chí Khoa học & Đào tạo Ngân hàng Số 203- Tháng 4. 2019
và đặc biệt là đối với các NHTM. Các hệ thống 
CRM đã giúp các NHTM tạo chiến lược cạnh 
tranh, đưa ra quyết định nhanh chóng, thiết 
lập mối quan hệ khách hàng, tối ưu hiệu quả 
kinh doanh trên nền tảng các dữ liệu thu thập 
được. Tuy nhiên, các hoạt động CRM trong các 
NHTM hiện nay liệu đã thực sự giúp NHTM 
hiểu đúng khách hàng của mình? Dữ liệu khách 
hàng là những thông tin và giao dịch nội bộ 
hay bao gồm cả các dữ liệu bên ngoài ngân 
hàng? Làm thế nào để có được các dữ liệu bên 
trong và bên ngoài chính xác, cập nhật và liên 
tục? Liệu ngân hàng đã có biện pháp tiếp cận 
đúng khách hàng, qua đúng kênh, đúng nhu 
cầu, đúng thời điểm để cải thiện trải nghiệm 
của khách hàng, nâng cao thương hiệu và tăng 
lợi nhuận? 
Kết quả khảo sát về hoạt động quản trị quan hệ 
khách hàng (CRM) tại 36 NHTM Việt Nam1 
năm 2018 của Nhóm nghiên cứu cho thấy rằng, 
các hoạt động CRM mặc dù đã có những thay 
đổi vượt bậc nhưng vẫn chưa giải quyết triệt 
để được vấn đề đã nêu ở trên. Trong thập kỷ 
qua, ngành Ngân hàng đã phát triển theo bước 
nhảy vọt từ hoạt động vận hành kinh doanh đến 
cung cấp dịch vụ. Nhưng thực tế, hầu hết các 
ngân hàng vẫn đang gặp khó khăn trong việc sử 
dụng, khai thác thông tin, dữ liệu từ các nguồn 
dữ liệu mà họ có được từ khách hàng và từ các 
chi nhánh, bộ phận của ngân hàng. Hiển nhiên, 
khi các ngân hàng ngày càng mở rộng dịch vụ, 
các tiện ích, hay phát triển thêm thị trường, thu 
hút thêm khách hàng thì cũng phải xây dựng 
một hệ thống hạ tầng để thu thập dữ liệu và tiến 
hành phân tích giúp tìm giải pháp nâng cao hiệu 
quả kinh doanh. Vậy ngân hàng có thể có được 
những lợi ích gì từ sự phát triển công nghệ trên 
thế giới hiện nay như Big Data?
Cuộc cách mạng 4.0 với nền tảng IoT, công 
nghệ tự động hóa và trí tuệ nhân tạo đã đưa Big 
Data lên vai trò trung tâm của xã hội và doanh 
nghiệp. Dữ liệu trong Big Data đến từ nhiều 
nguồn: Giao dịch của khách hàng trên các kênh 
dịch vụ, tương tác khách hàng trên mạng viễn 
thông, sự di chuyển khách hàng, hành vi của 
khách hàng trên mạng xã hội Nhờ các dữ 
1 36 là toàn bộ các Ngân hàng thương mại Nhà nước & Cổ 
phần Việt Nam
liệu này trên Big Data, các NHTM có thể cá 
nhân hóa dịch vụ đến từng khách hàng, đáp ứng 
mong muốn khách hàng, hay xác định rủi ro ở 
mọi thời điểm. Các ngân hàng đều kỳ vọng từ 
nguồn Big Data có thể tạo ra các doanh thu mới 
và cung cấp những hệ sinh thái ứng dụng, dịch 
vụ và sản phẩm kỹ thuật số mới. Tuy nhiên, 
việc khai thác Big Data vẫn đặt ra nhiều thách 
thức cho mỗi nhà quản trị ngân hàng. Làm thế 
nào để có thể khai thác được các giá trị mới từ 
Big Data? Big Data có các đặc tính là không 
có cấu trúc, có dung lượng rất lớn, lưu trữ phân 
tán, yêu cầu tốc độ xử lý rất cao và thường 
xuyên thay đổi, vậy làm thế nào để tích hợp 
với các phân hệ nghiệp vụ vốn rất ổn định của 
ngân hàng. Và thực trạng dữ liệu tại các ngân 
hàng đang ở đâu, đã đủ lớn và có phù hợp để 
nghĩ đến việc tích hợp với Big Data?
2. Thực trạng dữ liệu lớn và hoạt động CRM 
tại các ngân hàng thương mại Việt Nam
2.1. Mức độ trưởng thành Dữ liệu lớn tại các 
ngân hàng thương mại
Để xác định chính xác tính sẵn sàng, mức độ 
ứng dụng dữ liệu lớn, nhóm nghiên cứu sử 
dụng phương pháp BDMM (Big Data Maturity 
Model) và mô hình Hortonworks (Hortonworks, 
2019) để đo lường và giám sát trạng thái dữ 
liệu, xác định mức độ trưởng thành Big Data 
của các NHTM. Đối tượng được lựa chọn để 
tiến hành điều tra trong đề tài này là cán bộ 
quản lý bộ phận Nghiệp vụ, Công nghệ thông 
tin, Dữ liệu, Hạ tầng Công nghệ, tại 36 
NHTM. Từ các kết quả thu được, nhóm đưa 
ra đánh giá về thực trạng và khái quát thành 
những vấn đề còn vướng mắc trong quá trình 
triển khai Big Data tại các NHTM, từ đó đề 
xuất các hoạt động cần thiết để hoàn thành 
mức độ hiện tại và để chuyển sang mức độ tiếp 
theo. Bộ câu hỏi được nhóm nghiên cứu sử 
dụng nhằm xác định mức độ trưởng thành dữ 
liệu lớn tại các NHTM Việt Nam gồm 5 phần 
chính: (1) Định hướng chiến lược, (2) Dữ liệu 
và Phân tích dữ liệu, (3) Công nghệ và Cơ sở 
hạ tầng, (4) Tổ chức và Kỹ năng & (5) Quản lý 
và Quy trình. Mỗi phân vùng là một tập các câu 
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP 
52 Tạp chí Khoa học & Đào tạo Ngân hàngSố 203- Tháng 4. 2019
hỏi, với tổng số lượng 16 câu chia thành 5 phân 
vùng được thiết kế và xây dựng trên giao diện 
Web tại địa chỉ 
bigdata_question.
Dựa trên phương pháp tính điểm trung bình, mô 
hình Hortonworks đưa ra sự đánh giá mức độ 
trưởng thành từng khía cạnh và tổng thể về ứng 
dụng dữ liệu lớn ở cả hai giai đoạn hiện tại và 
tương lai (trong hai năm tới). Kết quả được quy 
thành mức độ căn cứ theo điểm đánh giá cụ thể 
như sau:
Mức độ 1- Nhận thức (0-1 điểm): Ngân hàng 
thể hiện sự quan tâm đến ứng dụng Big Data, 
bắt đầu có những nghiên cứu về phân tích dữ 
liệu, phân tích Big Data.
Mức độ 2- Khai phá (1-2 điểm): Ngân hàng có 
những khám phá về hiệu quả những dự án thử 
nghiệm đầu tiên liên quan đến Big Data.
Mức độ 3- Tối ưu (2-3 điểm): Ngân hàng đã 
từng bước tổ chức tối ưu hóa hiệu quả hoạt 
động, khả năng hỗ trợ gia quyết định ở các bộ 
phận nghiệp vụ thông qua Big Data,.
Mức độ 4- Chuyển đổi (3-4 điểm): Big Data 
cho phép có được các thông tin dự đoán đáng 
tin cậy, được ngân hàng xem là nhân tố chính 
đem lại lợi thế cạnh tranh.
Qua tổng hợp kết quả khảo sát thực hiện bởi 36 
NHTM, 72% các NHTM (26 ngân hàng) đang 
dừng lại ở mức độ 1, 25% NHTM (9 ngân hàng) 
đã có mức độ trưởng thành dữ liệu lớn ở mức độ 2, 
3% NHTM (1 ngân hàng) được đánh giá ở mức độ 
3, mức độ 4 hiện chưa có NHTM nào đạt được. 
Bảng 1. Số lượng câu hỏi từng phân vùng đánh giá theo mô hình Hortonworks
Phân vùng đánh giá Số lượng câu hỏi liên quan mức 
độ triển khai ở thời điểm hiện tại
Số lượng câu hỏi liên quan mức 
độ triển khai ở thời điểm tương lai 
(2 năm tới)
Định hướng chiến lược 4 4
Dữ liệu và Phân tích dữ liệu 4 4
Công nghệ và Cơ sở hạ tầng 4 4
Tổ chức và Kỹ năng 4 4
Quản lý và Quy trình 4 4
Tổng 16 16
Nguồn: Hortonworks, 2019
Hình 1. Mức độ trưởng thành Big Data tại các ngân hàng thương mại 
Việt Nam
Nguồn: Kết quả khảo sát của Nhóm nghiên cứu
 QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP
53Tạp chí Khoa học & Đào tạo Ngân hàng Số 203- Tháng 4. 2019
Dựa trên kết quả khảo sát về mức độ trưởng 
thành, mức độ sẵn sàng triển khai dữ liệu lớn 
tại các NHTM Việt Nam, nhóm nghiên cứu đưa 
ra một số nhận định chủ quan về mức độ sẵn 
sàng sử dụng dữ liệu lớn của các NHTM:
Vấn đề 1. Chưa có chiến lược tổng thể trong 
thu thập, xử lý, quản trị và sử dụng các nguồn 
dữ liệu khác nhau; Thiếu những hướng dẫn cụ 
thể trong việc thực hiện thu thập, xử lý, quản trị 
và sử dụng các nguồn dữ liệu bán cấu trúc và 
phi cấu trúc tại các NHTM.
Vấn đề 2. Chưa có một phương pháp tiếp cận 
phù hợp và toàn diện trong hoạt động điều 
hành, quản trị để duy trì quan hệ lâu dài với 
khách hàng; Chưa có giải pháp tổng thể cho 
việc kết hợp Big Data với bài toán CRM.
Vấn đề 3. Các yếu tố pháp lý liên quan đến sở 
hữu, sử dụng các nguồn dữ liệu ngoài ngân hàng 
(từ các mạng xã hội, từ các bên thứ 3) chưa rõ 
ràng. Thiếu các hướng dẫn cụ thể về việc triển 
khai các hoạt động thuê ngoài dịch vụ, ứng dụng 
điện toán đám mây, mua bán dữ liệu 
2.2. Thực trạng hoạt động CRM tại các ngân 
hàng thương mại
Nhóm nghiên cứu sử dụng phương pháp nghiên 
cứu định tính và dựa trên cây vấn đề trình bày 
trong Hình 2 để phát triển các bảng hỏi phỏng 
vấn nhằm đánh giá thực tế hoạt động quản trị 
mối quan hệ khách hàng (CRM) tại các ngân 
hàng. Nhóm nghiên cứu đã tiếp cận để phỏng 
vấn đối với lãnh đạo và nhân viên trực tiếp phụ 
trách công nghệ CRM của 25 NHTM Việt Nam. 
Căn cứ vào dữ liệu thu thập từ các cuộc phỏng 
vấn sâu với các đối tượng lựa chọn, Nhóm 
nghiên cứu đưa ra nhận định về 6 vấn đề đang 
tồn tại trong hoạt động CRM như sau:
Vấn đề 1: Nguồn dữ liệu khách hàng chưa đầy 
đủ
Các NHTM chưa quan tâm thích đáng đến dữ 
liệu và hành vi khách hàng trên các mạng xã 
hội. Các nguồn dữ liệu chính vẫn chủ yếu dựa 
trên các dữ liệu nội bộ, có cấu trúc từ các giao 
dịch của khách hàng. Một số ngân hàng đã bắt 
đầu thu thập dữ liệu hành vi người dùng trên 
mạng xã hội nhưng đang dừng ở mức độ xử lý 
khủng hoảng truyền thông, cải thiện và nâng 
cao hoạt động chăm sóc khách hàng. 
Hình 2.
Cây vấn đề về CRM tại các Ngân hàng thương mại Việt Nam
Nguồn: Đề xuất của Nhóm nghiên cứu
Thực trạng quản trị quan hệ khách hàng
tại các NHTM Việt Nam
 Dữ liệu
khách hàng
 Nguồn dữ liệu Quy trình hoạt động 
quản trị khách hàng
 Tổ chức lưu trữ dữ liệu Hệ thống phần mềm
 Khai thác dữ liệu Kênh tương tác
 Hoạt động quản trị
quan hệ khách hàng
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP 
54 Tạp chí Khoa học & Đào tạo Ngân hàngSố 203- Tháng 4. 2019
Vấn đề 2: Chưa có phương pháp đảm bảo tính 
nhất quán dữ liệu thông qua việc triển khai 
hệ thống Quản trị Dữ liệu chủ (Master Data 
Management-MDM)
Các ngân hàng mặc dù bắt đầu ý thức đến việc 
đảm bảo chất lượng của một số dữ liệu quan 
trọng như khách hàng, sản phẩm, dịch vụ, kênh 
bán hàng Tuy nhiên, trong số các NHTM 
được phỏng vấn, chỉ có 20% bắt đầu chú ý và 
quan tâm đến “Master Data- Dữ liệu chủ” và 
cũng mới chỉ có 10% có kế hoạch xây dựng giải 
pháp MDM. 
Vấn đề 3: Thiếu công cụ, cách thức tổ chức để 
xây dựng hình ảnh 3600 khách hàng
Phần lớn các ngân hàng đang thiếu phương 
pháp tổ chức và công cụ để xây dựng được hồ 
sơ 3600 về khách hàng. 
Vấn đề 4: Các phân hệ CRM đang triển khai 
tại ngân hàng còn thiếu phân hệ “Phân tích dữ 
liệu” (Data Analytics)
Một số ngân hàng đã và đang triển khai CRM, 
tuy nhiên có đến 80% các ngân hàng chưa triển 
khai được các phân hệ liên quan đến phân tích 
dữ liệu (Data Analytics) để tiếp cận khách hàng, 
tư vấn bán chéo cho khách hàng mua sản phẩm. 
Vấn đề 5: Chưa có quy trình chuẩn cho việc 
tích hợp dữ liệu giữa CRM và các hệ thống 
khác trong ngân hàng
Với các ngân hàng đã triển khai hệ thống CRM 
(có thể đầy đủ các phân hệ hoặc chưa đầy đủ) 
thì vẫn thiếu quy trình chuẩn cho việc tích hợp 
với các phân hệ nghiệp vụ và hệ thống Core 
banking nhằm thu thập, lưu trữ đến quản trị dữ 
liệu khách hàng.
Vấn đề 6: Cách thức lưu trữ tổ chức dữ liệu 
chưa đáp ứng cho việc kinh doanh đặc biệt là 
hoạt động marketing
20% các ngân hàng đã xây dựng kho dữ liệu, 
số còn lại thì vẫn đang lưu trữ dữ liệu trong hệ 
thống Core, do đó khả năng truy xuất của các 
nghiệp vụ làm marketing rất hạn chế, thậm chí 
là không truy cập được. 80% các câu trả lời 
xác nhận việc chưa có dữ liệu phục vụ riêng 
cho nghiệp vụ kinh doanh, đặc biệt là nghiệp 
vụ marketing. Bên cạnh đó, đại đa số các ngân 
hàng đã có quy định cho việc phân khúc, phân 
hạng khách hàng doanh nghiệp. Các quy định 
này về cơ bản đáp ứng đủ cho việc thiết kế 
sản phẩm và xây dựng chính sách giá cho từng 
loại hình doanh nghiệp. Tuy nhiên, 60% các 
ngân hàng được phỏng vấn chưa có quy định 
chính thức về việc phân khúc khách hàng bán 
lẻ. Điều này gây nhiều khó khăn cho hoạt động 
marketing đối với khách hàng cá nhân.
Kết hợp kết quả khảo sát về mức độ trưởng 
thành dữ liệu lớn và hoạt động quản trị quan hệ 
khách hàng tại các NHTM, Nhóm nghiên cứu 
nhận định một số bài toán cần giải quyết để có 
thể ứng dụng, phát huy hiệu quả của Big Data 
cho hoạt động quản trị quan hệ khách hàng tại 
các NHTM. 
Bài toán 1: Cần có một kiến trúc tổng thể cho 
việc ứng dụng Big Data vào hoạt động CRM tại 
các NHTM
Kiến trúc tổng thể cần thể hiện được phương 
pháp nào để thu thập và tích hợp các nguồn dữ 
liệu bên ngoài vào mối quan hệ giữa các hệ thống 
thông tin ngân hàng, đầu vào và đầu ra của mỗi 
hệ thống thông tin. Đặc biệt cần làm rõ mối quan 
hệ giữa các hệ thống CRM truyền thống của các 
ngân hàng với Big Data. Bài toán này sẽ giải 
quyết được các vấn đề 1, 5 và 6 đối với hoạt động 
quản trị hoạt động quan hệ khách hàng.
Bài toán 2: Cần có các phương pháp, kỹ thuật 
cho việc thu thập và xử lý dữ liệu
Để có được các chính sách khách hàng phù 
hợp, ngân hàng cần có được hồ sơ đầy đủ 360o 
về khách hàng. Muốn vậy ngoài dữ liệu về các 
giao dịch của khách hàng, cần có các dữ liệu 
tương tác, hành vi và cảm xúc của khách hàng 
để có thể kịp thời đáp ứng đúng yêu cầu của 
khách hàng vào đúng thời điểm. Do vậy cần có 
các kỹ thuật và phương pháp:
Thu thập dữ liệu không cấu trúc và bán cấu trúc 
từ các nguồn dữ liệu bên ngoài ngân hàng.
Cần có một nền tảng dữ liệu khách hàng thống 
nhất tích hợp và lưu trữ các dữ liệu bên trong 
và bên ngoài nhằm cung cấp một hồ sơ khách 
hàng 360o. 
Bài toán này nhằm giải quyết các vấn đề 2, 3 và 
là cơ sở giải quyết vấn đề số 4. 
 QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP
55Tạp chí Khoa học & Đào tạo Ngân hàng Số 203- Tháng 4. 2019
Bài toán 3: Cần có một khung pháp lý đầy đủ 
cho việc sở hữu, sử dụng các nguồn dữ liệu 
ngoài ngân hàng (từ các mạng xã hội, từ các 
bên thứ 3) 
Trên thực tế, các bài toán công nghệ không đủ 
để có thể giải quyết được những tồn tại trong 
thực tế hoạt động kinh doanh ngân hàng. Ở Việt 
Nam, yếu tố pháp lý liên quan đến sở hữu, sử 
dụng các ng ... t 
tất cả các khía cạnh về họ- hành vi, cảm xúc, 
thói quen, sở thích. Các ngân hàng phải có đầy 
đủ dữ liệu, không chỉ các dữ liệu định danh, 
có cấu trúc mà còn cả các dữ liệu về hành vi, 
cảm xúc để có thể tiếp cận đúng khách hàng, 
qua đúng kênh, đúng nội dung, đúng thời điểm 
để cải thiện trải nghiệm của khách hàng, nâng 
cao lòng trung thành thương hiệu và tăng giá 
trị khách hàng. Lý thuyết khách hàng làm trung 
tâm nghe có vẻ đơn giản, nhưng cũng rất khó để 
hình dung. Và trong trường hợp này, một kiến 
trúc tổng thể biểu diễn ngữ cảnh là cần thiết để 
xác định các mối quan hệ giữa các giải pháp 
công nghệ MDM, CDP, DMP và CRM. Trong 
đó CDP- nền tảng dữ liệu khách hàng đóng vai 
trò trung tâm của kiến trúc.
Kiến trúc tổng thể được đề xuất là mô hình 
tham chiếu cho việc triển khai các dự án Big 
Data dành các hoạt động kinh doanh, tiếp thị 
dựa trên dữ liệu khách hàng. Kiến trúc tổng 
thể được chia thành 4 khối, tương tác với nhau 
thông qua các web services. Các ngân hàng lựa 
chọn việc triển khai khi cần một kho lưu trữ dữ 
liệu 360° hoạt động nhằm quản lý và phục vụ 
một số lượng đáng kể các thuộc tính căn cứ trên 
nhiều dữ liệu chi tiết của khách hàng trong các 
trường hợp:
Xử lý khối lượng công việc tương tác lớn (ví 
dụ> 200 truy vấn/giây) trong khi vẫn phải 
thường xuyên cập nhật hồ sơ dựa trên các tương 
tác thường xuyên với từng khách hàng. 
Khi ngân hàng có các tập dữ liệu lớn dùng 
chung trong toàn hệ thống (100 nghìn đến hàng 
triệu khách hàng và có mỗi khách hàng có trung 
bình 10-20 tương tác hàng tuần).
Khi ngân hàng muốn triển khai các mô hình 
tính điểm theo thời gian thực để phản ánh chính 
xác hiện trạng theo thời gian thực của khách 
Hình 4. Kiến trúc MDM
Nguồn: Dan Wolfson, 2014
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP 
58 Tạp chí Khoa học & Đào tạo Ngân hàngSố 203- Tháng 4. 2019
hàng.
3.2.1. Quản lý dữ liệu chủ (MDM)
Hệ thống MDM sẽ cung cấp công cụ và quy 
trình quản lý dữ liệu chủ, cho phép ngân hàng 
đạt được mục tiêu hoạt động chính như: Dữ liệu 
chủ không chỉ nhất quán mà còn chính xác đảm 
bảo rằng mỗi bộ phận sử dụng cùng một tên gọi 
thống nhất về khách hàng hoặc cùng một mô tả 
về sản phẩm. Dữ liệu chủ được điều chỉnh để 
được cập nhật hoặc thay đổi theo chính sách 
kinh doanh và có sẵn, đồng nhất ở bất cứ bộ 
phận phòng ban nào cần đến dữ liệu đó. Ngoài 
việc quản lý dữ liệu từ các miền: khách hàng, 
sản phẩm, các đại lý, MDM còn quản lý 
thông tin về mối quan hệ giữa các miền này. 
Hệ thống MDM sử dụng một tập các dịch vụ, 
các thành phần và kho lưu trữ để nhận dữ liệu 
chủ từ các hệ thống khác nhau và sau đó chuẩn 
hóa dữ liệu để cung cấp dữ liệu nhất quán cho 
các ứng dụng. Một số thành phần của MDM 
bao gồm (Dan Wolfson, 2014):
Giao diện dịch vụ (Interface Service): Sử dụng 
các giao thức và giao diện lập trình để truy vấn 
và cập nhật vào hệ thống MDM như: các dịch 
vụ web, các RESTful, các giao diện nhắn tin, 
các quy trình xử lý hàng loạt, cũng như các giao 
thức tùy chỉnh để cho phép truy cập nhất quán 
vào MDM. 
Các dịch vụ quản lý vòng đời (Lifecycle 
Management Services): Dịch vụ quản lý vòng 
đời kiểm soát cách thức dữ liệu chủ được phát 
triển theo thời gian. Cụ thể thông qua các dịch 
vụ này các đối tượng dữ liệu chủ được tạo ra, 
được hợp nhất, được cập nhật, được xác nhận 
tính đúng đắn, được phân phối, được tạo ra các 
phiên bản và được huỷ bỏ.
Quản lý các mối quan hệ và phân cấp 
(Hierarchy and Relationship Management): 
Các dịch vụ phân cấp và mối quan hệ được sử 
dụng để tổ chức dữ liệu chủ trong các mối quan 
hệ khác nhau. Chẳng hạn, nhân viên thuộc về 
các phòng ban, các phòng ban thuộc về các tổ 
chức... Đó là một hệ thống phân cấp điển hình. 
Các loại mối quan hệ khác có thể được phân 
lớp trên dữ liệu chủ: ví dụ mô tả ở trên cho thấy 
ông An là chồng của bà Mai. Tất cả điều này 
được quản lý thông qua Dịch vụ phân cấp và 
mối quan hệ.
Các dịch vụ quản lý sự kiện (Event 
Management Services): Dịch vụ quản lý sự kiện 
cho phép hệ thống MDM và người dùng nhận 
thông tin về những thay đổi trong dữ liệu chủ 
và cập nhật theo thông tin đó. Hệ thống có thể 
đăng ký cập nhật dữ liệu cá nhân (một người 
cụ thể), các kiểu dữ liệu (người, sản phẩm, tài 
khoản...) và nhận thông báo khi các mục đó 
được cập nhật. Điều này thường được sử dụng 
cho các sự kiện quản trị (như hạn chế thay đổi 
tài khoản hoặc các báo cáo cho một đối tượng 
bị trùng lặp) hoặc các sự kiện dựa trên một số 
quy tắc kinh doanh hoặc hoạt động khác và cho 
phép người nhận thực thi chính sách hoặc thông 
báo cho người quản trị dữ liệu.
Các dịch vụ uỷ quyền (Authoring Services): 
Dịch vụ uỷ quyền là một trong các dịch vụ của 
“Dịch vụ quản lý vòng đời” được sử dụng bởi 
một hệ cộng tác tạo ra dữ liệu chủ, chẳng hạn 
hệ thống cho phép tạo ra các dữ liệu chủ về sản 
phẩm và các phân cấp của nó.
Các dịch vụ quản lý chất lượng (Data Quality 
Management Services): Dịch vụ quản lý chất 
lượng là những dịch vụ được sử dụng để chuẩn 
hoá (ví dụ viết “Phố Chùa Bộc” thay vì viết 
“Chùa Bộc”), định dạng, hợp nhất dữ liệu chủ 
và những quy định phải có những thuộc tính 
quan trọng. Ví dụ tất cả các khách hàng phải 
khai báo “Họ” khi khai báo “Tên” của mình. Vũ 
Văn An và An Vũ Văn đều là một khách hàng 
với hai cách gọi tên khác nhau, dịch vụ này sẽ 
cho phép tích hợp hai thông tin này vào một 
bản ghi duy nhất trong MDM với một cách gọi 
duy nhất và chính xác nhất.
Các dịch vụ cơ bản (Base Services): Các dịch 
vụ cơ bản bao gồm bảo mật, quyền riêng tư, lưu 
trữ và truy xuất dữ liệu, quy tắc kinh doanh và 
các dịch vụ khác mà MDM sử dụng để cung cấp 
dữ liệu chủ nhất quán, an toàn.
3.2.2. Nền tảng dữ liệu khách hàng CDP
Để quản lý được “dữ liệu chủ về khách hàng” 
cần thu thập được tất cả các nguồn dữ liệu liên 
quan đến khách hàng vào MDM. Để thực hiện 
nhiệm vụ đó cần đến “nền tảng quản lý dữ liệu 
khách hàng” CDP (Customer Data Platform). 
CDP cho phép tạo ra cơ sở dữ liệu về khách 
 QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP
59Tạp chí Khoa học & Đào tạo Ngân hàng Số 203- Tháng 4. 2019
hàng, bao gồm dữ liệu về lịch sử giao dịch và 
dữ liệu hành vi của khách hàng. Với cách thức 
này CDP cho phép hình thành một cái nhìn toàn 
diện về khách hàng, để hiểu rõ hơn và đáp ứng 
nhu cầu của khách hàng theo thời gian thực. 
CDP là nền tảng cho phép thu thập dữ liệu 
khách hàng từ các nguồn bên trong và bên 
ngoài của tổ chức, dữ liệu có cấu trúc, bán cấu 
trúc, dữ liệu phi cấu trúc, dữ liệu trực tuyến. 
Cụ thể được lấy từ cơ sở dữ liệu trong các phân 
hệ nghiệp vụ của các hệ thống, CRM, các hành 
vi, các giao dịch trên website liên quan đến 
thương mại điện tử, trên các ứng dụng hoặc hệ 
thống giao dịch, các điểm bán hàng... Sau khi 
tích hợp các nguồn dữ liệu này vào “một nền 
tảng” (platform) hay “một cơ sở dữ liệu duy 
nhất” (a single database) với một “thông tin 
định danh khách hàng” (personally identifiable 
information), ngân hàng có thể sử dụng thông 
tin đó để lên kế hoạch quảng cáo, khuyến mãi, 
gửi tin nhắn và tùy chỉnh email gửi tới khách 
hàng. CDP cũng có thể được sử dụng để tuỳ 
chỉnh nội dung tương tác với khách hàng trên 
web khi khách hàng đăng nhập vào website.
3.2.3. Nền tảng quản lý dữ liệu DMP
DMP (Data Management Platform) là một nền 
tảng thu thập dữ liệu từ nhiều nguồn khác nhau 
cho phép lưu trữ, xử lý, phân tích, phân loại dữ 
liệu để hỗ trợ các nhà tiếp thị và quảng cáo có 
thể hướng tới các nhóm khách hàng mục tiêu.
DMP không chỉ theo dõi các đối tượng, khách 
hàng đã đăng ký thông tin của họ trên các 
“phương tiện truyền thông và quảng cáo kỹ 
thuật số” (thư điện tử quảng cáo, quảng cáo 
trả cho mỗi lần nhấp, tối ưu hóa công cụ tìm 
kiếm, quảng cáo hiển thị, tiếp thị truyền thông 
xã hội, tiếp thị nội dung, tiếp thị liên kết) 
mà còn theo dõi cả các khách hàng chưa đăng 
ký. Chính vì vậy DMP có thể tạo ra bộ hồ sơ 
người dùng lớn hơn CRM. Cụ thể DMP thu 
thập khách hàng “chưa đăng ký” hay còn gọi 
là “khách hàng ẩn danh” qua các “thẻ ẩn danh” 
như địa chỉ IP2, thiết bị và cookie3. DMP gắn 
thẻ các website để theo dõi thông tin về người 
dùng đã truy cập vào website đó và thời gian 
họ truy cập là bao nhiêu lâu. Sau đó DMP cho 
phép phân nhóm khách hàng dựa vào các đặc 
điểm hành vi của họ (A.Cross, 2018). 
Mối quan hệ giữa CDP - DMP và CRM
2 Địa chỉ IP (IP là viết tắt của từ tiếng Anh: Internet 
Protocol- giao thức Internet) là một địa chỉ mà những thiết 
bị điện tử hiện nay đang sử dụng để nhận diện và liên lạc 
với nhau trên mạng máy tính bằng cách sử dụng giao thức 
Internet.
3 Cookie là một dạng bản ghi được tạo ra và lưu lại trên trình 
duyệt khi người dùng truy cập một website.
Hình 5. Kiến trúc CDP
Nguồn: Garry Lee, 2018
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP 
60 Tạp chí Khoa học & Đào tạo Ngân hàngSố 203- Tháng 4. 2019
Khi CDP thu thập và tích hợp dữ liệu từ DMP, 
CRM, đã tạo ra một hồ sơ khách hàng liên 
tục và cung cấp cái nhìn toàn diện 3600 khách 
hàng. Mục đích của CDP là tập hợp tất cả dữ 
liệu khách hàng và gắn dữ liệu lại với nhau 
thành hồ sơ khách hàng thống nhất. Vì vậy, bộ 
phận tiếp thị có thể dễ dàng làm việc với hệ 
thống này. Có thể hình dung sự phát triển của 
CRM, DMP, CDP qua hình vẽ dưới đây: 
4. Minh họa và kết luận
4.1. Minh họa
Để minh hoạ rõ nét về cách thức thu thập sử 
dụng phương pháp DMP và lưu trữ dữ liệu 
của nền tảng dữ liệu khách hàng CDP, Nhóm 
nghiên cứu đã phối hợp với Công ty Mobio 
( triển khai hoạt động mô 
phỏng lấy dữ liệu khách hàng từ các kênh khác 
nhau và kết hợp với dữ liệu của khách hàng đã 
được lưu trữ trong CRM để tạo ra “cơ sở dữ 
liệu tổng thể về khách hàng”. Giải pháp CDP 
trên thực tế được thể hiện ở mô hình vật lý dưới 
đây (Hình 7).
Mô hình CDP ở đây không chỉ lấy dữ liệu trong 
(Inside) các phân hệ nghiệp vụ và hệ thống 
Core của ngân hàng mà còn thu thập từ bên thứ 
3 (Outside) như: Telco, các website thương mại 
điện tử
Sau khi thu thập dữ liệu từ bên thứ 3 và các 
chiến dịch marketing thì dữ liệu sẽ được đổ về 
Cassandra, đây là cơ sở dữ liệu lưu trữ các sự 
kiện, mọi tương tác và dữ liệu phi cấu trúc. Dữ 
liệu ở cơ sở dữ liệu Cassandra sẽ được tổng hợp 
phân tích thành dữ liệu có ý nghĩa được đưa về 
MongoDB, nơi lưu trữ Profiles, dữ liệu chắt lọc 
và có ý nghĩa trong việc phân tích dữ liệu. Còn 
các dữ liệu báo cáo, phục vụ nhanh truy vấn 
cho các lãnh đạo của ngân hàng sẽ được ghi lại 
trong My SQL.
Các khách hàng sau khi được chấm điểm sẽ 
được phân loại và gửi thông tin sang hệ thống 
CRM để chăm sóc khách hàng. Kết quả của quá 
trình này sẽ được gửi ngược lại cho DMP để 
làm báo cáo, chạy tiếp thị lại (remarketing) và 
tinh chỉnh lại mô hình. Các báo cáo sẽ được tự 
động lưu trữ vào cơ sở dữ liệu MySQL, phục vụ 
báo cáo theo từng nghiệp vụ của ngân hàng.
Như vậy với mô hình CDP như triển khai ở 
trên sẽ hợp nhất hồ sơ khách hàng thành một cơ 
sở dữ liệu khách hàng duy nhất. CDP có tính 
linh hoạt khi thu thập dữ liệu mức độ sự kiện 
thô mà không cần xác định trước các trường. 
Điều này cho phép truy vấn dữ liệu đã xác định 
trước. Thực nghiệm đã khằng định CDP là một 
hệ thống cho phép tạo ra cơ sở dữ liệu khách 
hàng bền vững và thống nhất. Hệ thống này có 
thể tiếp nhận dữ liệu từ các nguồn dữ liệu khác 
nhau và cung cấp quyền truy cập tới các hệ 
thống khác trong khi vẫn là trung tâm tiếp thị 
(marketer-centric).
4.2. Kết luận
CRM là hệ thống thông tin đóng vai trò quyết 
định trong hoạt động quản trị mối quan hệ 
khách hàng đối với các NHTM. Để có thể phát 
Hình 6: Quá trình phát triển CRM, DMP, CDP
Nguồn: Safa, 2018
 QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP
61Tạp chí Khoa học & Đào tạo Ngân hàng Số 203- Tháng 4. 2019
huy được vai trò CRM, các dữ liệu cần được 
tổ chức theo định hướng khách hàng với các 
nguồn dữ liệu được tích hợp, phân tích, tổ chức 
và lưu trữ từ nhiều nguồn dữ liệu khác nhau 
Hình 7: Mô hình thu thập và lưu trữ dữ liệu của CDP
Nguồn: Mobio, 2019
từ bên trong và bên ngoài ngân hàng. Các dữ 
liệu bên trong thường là những dữ liệu có cấu 
trúc đến từ các hệ thống Core-banking và các 
phân hệ nghiệp vụ khác. Các dữ liệu bên ngoài 
QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP 
62 Tạp chí Khoa học & Đào tạo Ngân hàngSố 203- Tháng 4. 2019
thường là các dữ liệu bán cấu trúc hoặc phi 
cấu trúc đến từ các mạng xã hội, các thiết bị 
IoT, mạng viễn thông hoặc các nhà cung cấp 
dịch vụ. Để tích hợp và tổ chức lại được các 
nguồn dữ liệu này, các ngân hàng cần có: (1) 
một phương pháp luận phù hợp với việc quản 
trị dữ liệu khách hàng; (2) một kiến trúc tổng 
thể cho hệ thống thông tin có khả năng tích hợp 
Tài liệu tham khảo
1. A.Cross, 2018, “CDP vs. DMP: What’s the Difference?”, NGDATA.
2. Dan Wolfson, Scott Schumacher, Ivan Milman, Eberhard Hechler, Martin Oberhofer, 2014, “Beyond Big Data: Using Social 
MDM to Drive Deep Customer Insight, IBM Press”.
3. Garry Lee, 2018, “Why a Customer Data Platform (CDP) Will Be the Next Evolution of Your Marketing Automation”, truy 
cập từ: https://www.emailvendorselection.com/customer-data-platform-cdp-evolution-marketing-automation
4. Hortonworks, 2019, “Data Strategy Scorecard Survey”
5. Mobio, 2019, “Mô hình thu thập và lưu trữ dữ liệu của CDP”
6. Market Research Future, 2019, “CRM Software Market Research Report - Global Forecast to 2023”, MRFR/ICT/3512-
HCRR
7. R.Safa, 2018, “The evolution of customer data management: DMP vs. CDP”, TREASURE DATA
Thông tin tác giả
Phan Thanh Đức, Tiến sĩ
Email: ducpt@hvnh.edu.vn
Chu Thị Hồng Hải, Tiến sĩ
Email: haict@hvnh.edu.vn
Đinh Trọng Hiếu, Tiến sĩ
Email: hieudt@hvnh.edu.vn
Chu Văn Huy, Thạc sĩ 
Email: huycv@hvnh.edu.vn
Ngô Thùy Linh, Thạc sĩ
Email: linhnt@hvnh.edu.vn
Khoa Hệ thống thông tin quản lý, Học viện Ngân hàng
Summary
Application of big data in customer relationship management for Vienamese Commercial Banks
“Data is the new oil” and big data is expected as a huge resource for business. But how to take advantage of big 
data is still an problem for many Vietnamese commercial banks today. In this article, we consider the application 
of Big Data in customer relationship management (CRM) activities. We propose an architectural model of “Big 
Data - CRM” system in using a combination of MDM, CDP and DMP to integrate the unstructured data from multi 
chanels like social networks, mobile applications, webs... with structured data in banking information systems.
Keywords: Big data, Customer relationship management (CRM), Master Data Management (MDM), Customer 
Data Platform (CDP), Data Management Platform (DMP)
Duc Thanh Phan, PhD.
Hai Thi Hong Chu, PhD.
Hieu Trong Dinh, PhD.
Huy Van Chu, MEc.
Linh Thuy Ngo, MEc.
Organization of all: Banking Academy of Vietnam
với Big Data; và (3) các công cụ, phương pháp 
cách thức tổ chức để xây dựng hồ sơ 360o khách 
hàng. Tuy nhiên, để có thể ứng dụng Big Data 
vào CRM, cần phải các hướng dẫn cụ thể trong 
hoạt động triển khai trên nền tảng điện toán 
đám mây, và đặc biệt, cần hoàn thiện các khung 
pháp lý trong việc đảm bảo an toàn dữ liệu và 
tính riêng tư dữ liệu khách hàng ■