[Download] Tải Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương – Tải về File Word, PDF

Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương

Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương
Nội dung Text: Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương

Download


Bài viết bàn về việc áp dụng Big Data tại một số Ngân hàng Trung ương trên thế giới cũng được phân tích, từ đó đưa ra các khuyến nghị cho việc phát triển áp dụng Big Data tại Ngân hàng Nhà nước (NHNN) Việt Nam. Mời các bạn cùng tham khảo!

Bạn đang xem: [Download] Tải Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương – Tải về File Word, PDF

*Ghi chú: Có 2 link để tải biểu mẫu, Nếu Link này không download được, các bạn kéo xuống dưới cùng, dùng link 2 để tải tài liệu về máy nhé!
Download tài liệu Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương File Word, PDF về máy

Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương

Mô tả tài liệu

Nội dung Text: Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương

  1. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    ỨNG DỤNG Dữ liệu lớn
    TRONG HOẠT ĐỘNG CỦA NGÂN HÀNG TRUNG ƯƠNG
    ThS. Lê Vân Chi1
    Viện Ngân hàng – Tài chính, Trường Đại học Kinh tế Quốc dân
    ThS. Đỗ Tuấn Anh
    Khối khách hàng Doanh nghiệp vừa và nhỏ, NHTMCP Quân đội

    Tóm tắt
    Dữ liệu lớn (Big Data) là một trong những nội dung chính của Cách mạng công
    nghiệp 4.0. Việc áp dụng Big Data trong quá trình hoạch định chính sách có thể giúp
    các Ngân hàng trung ương (NHTW) phát hiện các xu hướng cũng như điểm chuyển
    đổi giữa các giai đoạn trong nền kinh tế, đánh giá được những chỉ tiêu mà không thể đo
    lường được bằng các phương trình kinh tế thông thường, nâng cao hiệu quả hoạt động
    và chính sách của NHTW. Tuy nhiên, việc áp dụng Big Data cũng gặp những thách thức
    liên quan đến vấn đề thu thập và xử lý dữ liệu, các yêu cầu đối với hệ thống công nghệ
    thông tin của NHTW và vấn đề quản trị dữ liệu. Trong bài viết này, việc áp dụng Big
    Data tại một số NHTW trên thế giới cũng được phân tích, từ đó đưa ra các khuyến nghị
    cho việc phát triển áp dụng Big Data tại Ngân hàng Nhà nước (NHNN) Việt Nam.
    Từ khoá: Ngân hàng trung ương, Cách mạng công nghiệp 4.0, Big Data

    Abstract
    Big Data is one of the main pillars of the Fourth Industrial Revolution. The application
    of Big Data in the policy-making process can help central banks detect economic trends as
    well as the turning points of business cycles, assess indicators which can not be measured
    by normal economic equations, improve central banks’ operational efficiency. However,
    the application of Big Data also faces challenges related to data collecting and processing,
    the central banks’ required information technology system, and data governance. In this
    study, the application of Big Data in several central banks in the world will be analysed,
    thus providing recommendations for the development of Big Data in the State bank of
    Vietnam.
    Key words: Central banks, Industry 4.0, Big Data

    1
    Email của tác giả chính: vanchi.le88@gmail.com

    242

  2. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    1. Đặt vấn đề
    Cuộc Cách mạng công nghiệp 4.0 là cuộc cách mạng gắn liền với những tiến bộ
    trong công nghệ, kết nối vạn vật, kết nối con người. Cuộc Cách mạng công nghiệp 4.0
    với những sự phát triển của công nghệ mà nó mang lại đã đem tới cho lĩnh vực Tài chính
    ngân hàng những cơ hội cũng như thách thức mới. Một trong những nội dung lớn của
    Cách mạng 4.0 là Dữ liệu lớn. Trong một nghiên cứu được đăng tải trên website của
    Ngân hàng Nhà nước (NHNN) Việt Nam (2015), Big Data được định nghĩa là thuật ngữ
    dùng để chỉ một tập hợp dữ liệu rất lớn và rất phức tạp đến nỗi những công cụ, ứng dụng
    xử lý dữ liệu truyền thống không thể nào đảm đương được. Kích cỡ của Big Data đang
    từng ngày tăng lên, và tính đến nay thì nó có thể nằm trong khoảng vài chục terabyte cho
    đến nhiều petabyte chỉ cho một tập hợp dữ liệu mà thôi. 
    Theo Bholat (2015), Big Data có thể được định nghĩa là những dữ liệu có một hoặc
    hơn những đặc điểm sau:
    1. Những dữ liệu có khối lượng lớn, vì chúng thường là những dữ liệu được báo cáo
    dựa trên các cơ sở rất chi tiết, ví dụ tập hợp dữ liệu của từng khoản vay, của từng tài
    khoản chứng khoán.
    2. Những dữ liệu này có tính chuyển động liên tục, bởi vì chúng được cập nhật thường
    xuyên, được thu thập và phân tích tại thời gian thực tế, có nghĩa là được phân tích
    ngay tại thời điểm nảy sinh dữ liệu.
    3. Những dữ liệu này khác nhau về chất lượng, có nghĩa là chúng vừa có thể không
    phải là số, ví dụ như các văn bản hoặc video, vừa có thể được trích xuất từ các nguồn
    mới như phương tiện truyền thông xã hội, lịch sử tìm kiếm trên Internet hoặc cảm
    biến sinh trắc học.
    Như vậy Big Data chứa trong mình rất nhiều thông tin quý giá mà nếu trích xuất
    thành công, nó sẽ giúp rất nhiều cho việc kinh doanh, nghiên cứu khoa học, dự đoán các
    dịch bệnh sắp phát sinh và thậm chí là cả việc xác định điều kiện giao thông theo thời
    gian thực,…
    Trong lĩnh vực Tài chính ngân hàng, việc sử dụng Big Data để hỗ trợ cho các hoạt
    động của Ngân hàng trung ương (NHTW) cũng đang là xu hướng được nhiều NHTW
    trên thế giới áp dụng. Theo kết quả nghiên cứu do Tạp chí điện tử Central Banking hợp
    tác với BearingPoint tiền hành, về cách các NHTW kiểm soát, quản lý và ứng dụng Big
    Data tiến hành trong năm 2017, Dữ liệu lớn đã trở thành một phần quan trọng trong
    quá trình hoạch định chính sách của các NHTW. Hơn một nửa các NHTW tham gia vào

    243

  3. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    cuộc khảo sát cho biết Dữ liệu lớn là một trong yếu tố đầu vào của quá trình hoạch định
    chính sách, và 1/3 NHTW trả lời rằng Dữ liệu lớn là một thành phần cốt lõi. Trong bài
    viết này, những tiềm năng cũng như thách thức của việc ứng dụng Big Data trong hoạt
    động của các NHTW sẽ được nghiên cứu, từ đó đưa ra các đề xuất và khuyến nghị để
    ứng dụng trong hoạt động của NHNN Việt Nam.

    2. Ứng dụng Big Data trong hoạt động của NHTW
    2.1. Một số tiềm năng ứng dụng của Big Data trong hoạt động của NHTW
    Theo Piechocki (2016), tính khả dụng và khả năng tiếp cận của các nguồn Dữ liệu
    lớn là một lĩnh vực mới và phong phú cho các nhà thống kê, các nhà kinh tế học, các nhà
    dự báo và các nhà kinh tế lượng. Tuy nhiên, nó chưa được khai thác hiệu quả cho các
    mục đích liên quan tới NHTW. Tiềm năng ứng dụng của Big Data vào các hoạt động của
    NHTW là rất lớn, và các kết quả nghiên cứu cho thấy Big Data có thể được NHTW các
    quốc gia ứng dụng trên một số phương diện chính như sau:
    Thứ nhất, Big Data có thể giúp NHTW phát hiện các xu hướng cũng như điểm
    chuyển đổi giữa các giai đoạn trong nền kinh tế, từ đó cung cấp thông tin bổ sung và kịp
    thời hơn so với các bộ công cụ truyền thống của NHTW. Khi NHTW đã có quyền truy
    cập vào một số lượng lớn các số liệu thống kê, dữ liệu và thông tin được hệ thống có thể
    được đưa vào quy trình ra quyết định của NHTW. Điều đó cũng đồng nghĩa với việc các
    NHTW sẽ có vị thế tốt để áp dụng các mô hình và kỹ thuật kinh tế hiện có của họ vào
    các tập dữ liệu mới và phát triển các phương pháp sáng tạo để thu thập số liệu thống kê
    hoặc chỉ số mới. Các số liệu thống kê bổ sung này có thể cung cấp thêm thông tin chi tiết
    hỗ trợ các quy trình ra quyết định của các NHTW và đánh giá tác động tiếp theo và các
    rủi ro liên quan đến các quyết định về hệ thống tài chính và nền kinh tế thực. Big Data có
    thể giúp các NHTW có được cái nhìn gần với thời gian thực của nền kinh tế, cũng như
    cung cấp các chỉ báo cảnh báo sớm để xác định các bước ngoặt trong một chu kỳ kinh tế.
    Thứ hai, những phương pháp và kỹ thuật mới được sử dụng để khai thác với các
    nguồn Dữ liệu lớn mới có thể giúp NHTW đánh giá được những chỉ tiêu mà không thể
    đo lường được bằng các phương trình kinh tế thông thường. Ví dụ, kỹ thuật khai thác
    văn bản mở ra những khả năng mới để đánh giá về cái mà nhà kinh tế học John Maynard
    Keynes gọi là “tâm lý bầy đàn – animal spirits”. Đây là điều mà các phương trình kinh
    tế tiêu chuẩn và các biến định lượng không thể nắm bắt được. Chỉ số về cảm xúc được
    thu thập từ các bài báo trên Internet, các phương tiện truyền thông xã hội và công cụ
    tìm kiếm Internet, sẽ được áp dụng các thuật toán thống kê để từ đó cung cấp thông tin

    244

  4. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    chi tiết, hữu ích và kịp thời đối với tâm lý người tiêu dùng, sự không chắc chắn của thị
    trường hoặc đánh giá rủi ro hệ thống.
    Thứ ba, liên quan tới việc giám sát và quản lý của NHTW, các nhà quản lý sẽ có động
    lực rõ ràng cho việc thu thập nhiều dữ liệu vi mô hơn vì việc khai thác Dữ liệu lớn các
    thông tin vi mô có thể giúp NHTW cải thiện hiệu quả hoạt động của mình, từ đó đạt
    được mục tiêu cuối cùng là duy trì ổn định kinh tế vĩ mô, tiền tệ và tài chính (Afshin,
    2017). Kể từ cuộc khủng hoảng tài chính năm 2007, các nhà quản lý đã quan tâm đến
    việc mở rộng các bộ dữ liệu của họ để cải thiện khả năng giám sát các rủi ro tài chính và
    các lỗ hổng bảo mật. Ví dụ, các thông tin về hệ thống thanh toán chính là nguồn dữ liệu
    thời gian thực (Real-time Big Data source) để giám sát rủi ro hoạt động. Bằng việc xem
    xét những dữ liệu này, các NHTW có thể giám sát việc có hay không hệ thống giám sát
    quá phụ thuộc vào một nhóm nhỏ các ngân hàng, từ đó NHTW có thể giải quyết vấn đề
    tập trung hoá này. Ngoài ra, dữ liệu về hệ thống thanh toán cũng có thể hữu dụng cho
    việc giám sát hành vi của các doanh nghiệp riêng lẻ vì nó có thể cung cấp chỉ tiêu về tình
    trạng thanh khoản của doanh nghiệp có tính kịp thời hơn so với số liệu về tài sản thanh
    khoản. Các nguồn Dữ liệu lớn Big Data mới có thể hỗ trợ các nhiệm vụ giám sát này có
    thể bao gồm các hoạt động trực tuyến trên các sàn giao dịch, giao dịch thanh toán qua
    thẻ tín dụng, dữ liệu ngân hàng di động, hồ sơ liên quan đến thanh toán chứng khoán và
    hệ thống thanh toán tiền mặt, thanh toán bù trừ giao dịch bán lẻ. Việc thu thập và khai
    thác Dữ liệu lớn của các NHTW đã được Afshin cụ thể hoá trong mô hình dưới đây:

    245

  5. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    Mô hình 1: Sơ đồ thu thập và khai thác Big Data của NHTW

    Nguồn: Afshin (2017)

    246

  6. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    2.2. Những vấn đề gặp phải khi ứng dụng Big Data
    Mặc dù tiềm năng của Big Data là vô cùng lớn, việc áp dụng Big Data trong hoạt
    động của NHTW vẫn có những thách thức sau:
    Thứ nhất, việc sử dụng Big Data đòi hỏi phải có những phương thức phân tích thông
    kê thích hợp.
    Mặc dù khối lượng thông tin là vô cùng lớn nhưng vẫn tồn tại tính thiên vị và tính
    đại diện trong những dữ liệu thu thập được. Điều này có thể làm giảm chất lượng của dữ
    liệu. Ví dụ, một lượng rất lớn thông tin được thu thập thông qua các mạng xã hội. Tuy
    nhiên các thông tin này chỉ tập trung vào phản ánh đặc điểm của các cá nhân hay tổ chức
    có sử dụng mạng xã hội, trong khi những người không sử dụng mạng xã hội lại có thể
    có những đặc điểm khác hẳn. Vì vậy các dữ liệu được thu thập thông qua mạng xã hội
    có thể mang tính thiên vị và không mang tính đại diện. Điều này đòi hỏi phải có những
    thông tin bổ sung để điều chỉnh các số liệu thống kê, và gộp các thông tin bổ sung này
    vào phần dữ liệu tổng thể để đảm bảo chất lượng của nguồn số liệu.
    Ngoài ra, việc sửa lỗi thống kê vẫn phải được tiến hành do một thông tin có thể được
    đăng tải hay lặp lại rất nhiều lần. Đặc biệt khi có một sự kiện xảy ra, khối lượng thông
    tin liên quan đến sự kiện đó sẽ rất lớn. Việc tăng khối lượng thông tin này không nhất
    thiết chỉ báo về một sự thay đổi trong nhu cầu của nền kinh tế. Ví dụ, khi vụ bê bối khí
    thải trong ngành công nghiệp ô tô xảy ra, dân chúng sẽ tìm kiếm các thông tin liên quan
    tới ô tô nhiều hơn. Điều này xuất phát từ tâm lý lo ngại và nhu cầu quan sát tác động của
    cuộc bê bối này tới thị trường ô tô, và không có nghĩa là dân chúng tăng nhu cầu mua xe.
    Như vậy, nếu được sử dụng làm chỉ báo cho nền kinh tế, dữ liệu phải được điều chỉnh.
    Một điều quan trọng khác liên quan đến chất lượng thống kê. Chất lượng thống kê
    cần phải được xem xét nghiêm túc bởi vì việc thống kê sẽ phản ánh chính xác cấu trúc và
    động lực của nền kinh tế. Thêm vào đó, các nguồn Dữ liệu lớn mới phải được minh bạch
    về phương pháp và cách thức nguồn dữ liệu đó được tạo ra, nếu không, Dữ liệu lớn sẽ bị
    mất giá trị trong việc tư vấn chính sách và dự báo tương lai.
    Thứ hai, NHTW phải có đủ khả năng xử lý với nguồn Dữ liệu lớn
    Trước hết, hệ thống Công nghệ thông tin của NHTW phải linh hoạt hơn để chứa và
    quản lý nguồn Dữ liệu lớn và cung cấp các công cụ cần thiết để phân tích dữ liệu. Hơn
    thế nữa, thu hút và phát triển đội ngũ các nhà khoa học có khả năng cấu trúc, xử lý và
    phân tích dữ liệu cũng là việc các NHTW cần phải làm nếu muốn sử dụng tốt tiềm năng

    247

  7. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    của Big Data. Bản thân đội ngũ nhân viên đang làm việc tại các NHTW cũng cần được
    tập huấn, đào tạo để có những kỹ năng cơ bản liên quan tới Big Data.
    Thứ ba, vấn đề quản trị dữ liệu.
    Khi dữ liệu thu thập được chuyển từ dữ liệu vĩ mô như trước đây sang dữ liệu ở cấp
    độ vi mô, vấn đề quản trị dữ liệu phải xem xét cẩn trọng. Điều này có nghĩa là NHTW
    phải tìm ra được những phương thức linh hoạt để xác định rõ vai trò và trách nhiệm của
    mỗi thành viên, xác định được ai là người có quyền truy cập vào những dữ liệu với mức
    độ nào, đặc biệt khi đó là các nguồn dữ liệu cá nhân. Các NHTW cũng cần phải xem xét
    những Dữ liệu lớn của mình có nên được thương mại hoá hay trở thành các hàng hoá
    công cộng, tuân thủ theo các quy tắc bảo mật và riêng tư của thống kê hay không.

    3. Ứng dụng Big Data tại một số NHTW trên thế giới
    NHTW tại một số quốc gia trên thế giới như Nhật Bản, Anh, Ấn Độ, Singapore,…
    đã bắt đầu ứng dụng Big Data với những mức độ khác nhau. Theo Rodrigues và Speciale
    (2017), NHTW của Nhật Bản đã bắt đầu tiến hành ứng dụng Big Data từ năm 2013 để
    phân tích các số liệu thống kê kinh tế, ngay lập tức đã làm tăng độ chính xác trong các
    dự đoán về GDP của NHTW và phát triển chỉ số thực nghiệm riêng của NHTW. Tương
    tự như NHTW Nhật Bản, NHTW châu Âu (ECB) đã khai thác Dữ liệu lớn từ năm 2013.
    Thông tin về khoảng 40.000 giao dịch trên thị trường tiền tệ hàng ngày đã tạo cơ sở cho
    một tỷ lệ tham chiếu thay thế do các tiêu chuẩn truyền thống trở nên không đáng tin cậy.
    Nó cũng đã mang thông tin về giá cả mua hàng tiêu dùng thực tế để đo lường lạm phát.
    Trong tháng 5 năm 2017, Ngân hàng Nhân dân Trung Quốc cũng đã tuyên bố rằng
    ngân hàng này sẽ tăng cường sử dụng Big Data, trí thông minh nhân tạo và điện toán
    đám mây để tăng khả năng nhận biết, ngăn chặn và giảm rủi ro tài chính giữa các ngành
    và các thị trường. Ở Ấn Độ, năm 2016 đã thành lập một đơn vị công nghệ riêng để xem
    xét an ninh mạng cũng như nghiên cứu và đổi mới. Hội đồng quản trị của nó bao gồm
    Viral Acharya, Phó Thống đốc phụ trách chính sách tiền tệ tại Ngân hàng Dự trữ Ấn Độ.
    Cũng theo Rodrigues và Speciale (2017), tại Indonesia trong hai tuần trước khi có
    thông báo chính sách, bộ phận thống kê của Ngân hàng Indonesia sẽ rà soát các phương
    tiện truyền thông xã hội, các trang tin tức và các nội dung khác để theo dõi nhận thức
    của công chúng và kỳ vọng về tỷ lệ. Sự tăng trưởng trong mua sắm trực tuyến cũng đồng
    nghĩa với việc là NHTW Indonesia cũng đang nhận được thông tin từ những người chơi
    lớn trong thị trường thương mại điện tử. Còn tại một quốc gia Đông Nam Á khác là Thái
    Lan, do các dữ liệu hiện tại luôn cho thấy Thái Lan có tỷ lệ thất nghiệp thấp nhất trên

    248

  8. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    thế giới ngay cả trong bối cảnh nước này đang có tăng trưởng kinh tế, NHTW Thái Lan
    đã quyết định xây dựng chỉ số việc làm dựa trên dữ liệu từ các cổng tìm kiếm việc làm
    trực tuyến, đồng thời NHTW Thái Lan cũng tạo ra một chỉ số về đất đai để cung cấp cho
    NHTW cảm nhận tốt hơn về cung và cầu trong thị trường nhà đất.
    Cục dự trữ Liên bang Mỹ (FED) lại có cách tiếp cận Big Data một cách thận trọng.
    Hiện tại, Dữ liệu lớn đã được các nhà kinh tế học của Fed sử dụng rất tốt trong việc
    nghiên cứu các vấn đề cụ thể, ví dụ như hoạt động chi tiêu của người tiêu dùng sau
    bão. Tuy nhiên, Fed thấy rất nhiều thiếu sót trong Big Data, đặc biệt là thiếu sót vì
    khoảng thời gian giới hạn mà chuỗi Dữ liệu lớn bao quát. Điều đó làm giảm đáng kể
    sức mạnh dự báo của nó. Hơn nữa, các bộ dữ liệu thường được sản xuất bởi các công ty
    tư nhân tập trung vào mục đích khác hơn là phân tích kinh tế. Điều đó có thể làm cho
    nó ít đáng tin cậy hơn và đã khiến Fed cảnh giác với việc áp dụng nó để hoạch định
    chính sách. Năm 2016, Tiểu ban về Nghiên cứu và Phát triển Công nghệ thông tin và
    Mạng lưới (Subcommittee on Networking and Information Technology Research and
    Development) của Mỹ đã công bố Kế hoạch chiến lược Liên bang về nghiên cứu và phát
    triển Big Data. Kế hoạch này được xây dựng để giúp kết hợp các tập dữ liệu phân tán
    khổng lồ và phân tích chúng, từ đó đưa ra các dự đoán và quyết định chính sách hợp lý.
    Bản kế hoạch này đưa ra 7 chiến lược để phát triển và ứng dụng Big Data, bao gồm:
    (1) Tạo ra những khả năng mới bằng cách tận dụng các nền tảng, kỹ thuật và công
    nghệ Big Data,
    (2) Hỗ trợ R&D (nghiên cứu và phát triển) để khám phá và hiểu sự tin cậy của dữ
    liệu, từ đó tạo ra kiến ​​thức, đưa ra những quyết định tốt hơn, cho phép những khám phá
    đột phá và tự tin hành động,
    (3) Xây dựng và tăng cường cơ sở hạ tầng mạng nghiên cứu cho phép đổi mới Dữ
    liệu lớn nhằm hỗ trợ nhiệm vụ của các cơ quan Chính phủ,
    (4) Tăng giá trị của dữ liệu thông qua các chính sách khuyến khích chia sẻ và quản
    lý dữ liệu,
    (5) Hiểu các vấn đề về quyền riêng tư, bảo mật và đạo đức liên quan đến việc thu
    thập, chia sẻ và sử dụng Big Data,
    (6) Nâng cao giáo dục và đào tạo về Big Data nhằm đáp ứng nhu cầu ngày càng cao,
    (7) Tạo và tăng cường các kết nối trong hệ sinh thái đổi mới Big Data quốc gia.
    Afshin (2017) đã chỉ ra các bước hợp lý để áp dụng Big Data vào hoạt động của

    249

  9. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    NHTW. Cụ thể, theo Afshin, việc áp dụng Big Data vào hoạt động của NHTW cần trải
    qua một quá trình gồm 7 bước như sau:
    – Bước 1: “Nghiên cứu về bản thể học và phương pháp khai thác Dữ liệu lớn trong
    hệ thống thống kê của NHTW”. Đây là bước để các NHTW hiểu các yếu tố cơ bản
    và sử dụng các phương pháp khai thác Dữ liệu lớn trong những hoạt động cốt lõi
    của mình.
    – Bước 2: “Các hoạt động chủ đạo của NHTW mà dự kiến sẽ khai thác Dữ liệu lớn
    trong tương lai”. Bước này mô tả việc sử dụng các phương pháp khai thác Dữ liệu
    lớn trong các hoạt động cốt lõi của NHTW, bao gồm hai bộ phận: Cục Thống kê và
    hệ thống thanh toán. Bước này cũng sẽ bao gồm việc nghiên cứu về các yếu tố công
    nghệ cần được xem xét trong tương lai.
    – Bước 3: “Phương pháp và khung pháp lý quản trị Dữ liệu lớn”. Đây là bước liên quan
    đến những vấn đề có thể gặp phải của các NHTW trong cơ cấu quản trị của các hoạt
    động Dữ liệu lớn của ngân hàng. Thêm vào đó, trong bước này, NHTW cũng cần
    nghiên cứu và cung cấp các nguyên tắc quản trị Dữ liệu lớn và các khuyến nghị về
    cơ cấu quản trị nội bộ trong NHTW và bên ngoài NHTW.
    – Bước 4: “Các kỹ thuật thống kê chính và phương pháp khai thác Dữ liệu lớn trong
    NHTW”. Bước này vạch ra các phương pháp thống kê cần thiết trong khai thác Dữ
    liệu lớn của các hoạt động cốt lõi được đề xuất trong phần 2.
    – Bước 5: “Vai trò và trách nhiệm của Cục Thống kê trong mô hình tương lai”. Bước
    này liên quan đến vai trò và trách nhiệm được đề xuất của NHTW trong tương lai
    theo việc sử dụng các quy trình khai thác Dữ liệu lớn trong phần 4.
    – Bước 6: “Những hệ thống cần thiết” là danh sách các hệ thống dữ liệu công nghệ
    thông tin và Dữ liệu lớn, các phương pháp phân tích cần có cho các hệ thống trong
    tương lai.
    Đây là những gợi ý để các NHTW trên thế giới nói chung và NHNN Việt Nam nói
    riêng có thể tham khảo áp dụng.

    4. Khuyến nghị và kết luận
    Những nghiên cứu về Big Data cho thấy, việc áp dụng Dữ liệu lớn vào hoạt động của
    NHTW có những tiềm năng rất lớn, đồng thời cũng tạo nên những thách thức không
    nhỏ cho các NHTW. Vì vậy, NHNN Việt Nam cần sớm nghiên cứu và bắt kịp với xu thế
    mới của thời đại Cách mạng công nghiệp 4.0. Hiện nay NHNN Việt Nam cũng đang

    250

  10. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    từng bước áp dụng các công nghệ mới trong đó có Big Data vào hoạt động của mình
    với việc thành lập Ban chỉ đạo về lĩnh vực Công nghệ tài chính. NHNN cũng đang tiến
    hành xem xét để xây dựng cơ sở hạ tầng pháp lý cho các hoạt động liên quan đến những
    công nghệ ngân hàng mới. Dựa trên kinh nghiệm của một số NHTW trên thế giới, một
    số khuyến nghị dành cho NHNN Việt Nam để áp dụng hiệu quả Dữ liệu lớn trong hoạt
    động của mình:
    Thứ nhất, hiện nay NHNN Việt Nam đã thành lập Ban chỉ đạo về Công nghệ tài
    chính. Tuy nhiên đây mới là bước khởi đầu và để có thể áp dụng Dữ liệu lớn một cách
    sâu rộng, hiệu quả, NHNN Việt Nam cần xây dựng một lộ trình phát triển với các bước,
    các giai đoạn cụ thể, chi tiết. Trong đó, quy trình thu thập và xử lý Dữ liệu lớn phải được
    xây dựng chi tiết để thấy rõ nguồn dữ liệu này được thu thập từ nguồn nào, sử dụng cho
    bộ phận nào của NHNN, giúp đưa ra quyết định cho vấn đề gì,…
    Thứ hai, NHNN Việt Nam cần xây dựng được đội ngũ cán bộ nhân viên và chuyên
    gia có đủ năng lực và trình độ để áp dụng các thành tựu của Cách mạng công nghiệp 4.0
    như Big Data, Trí tuệ nhân tạo hay điện toán đám mây. Bên cạnh việc tuyển dụng mới
    các chuyên gia về công nghệ, bản thân đội ngũ nhân viên hiện tại của NHNN cũng cần
    được đào tạo, bồi dưỡng cập nhật các kiến thức mới về Dữ liệu lớn để thực hành trong
    các hoạt động quản lý và ra quyết định hàng ngày.
    Thứ ba, về quản trị thông tin. NHNN cần xây dựng các quy định, quy tắc về quản
    trị thông tin. Điều này không chỉ giúp cho dữ liệu trở thành các tài sản có giá trị hơn,
    mà nó còn đảm bảo tính bảo mật cũng như quyền riêng tư của những cá nhân, tổ chức
    có thông tin liên quan.
    Thứ tư, về hệ thống cơ sở hạ tầng. NHNN Việt Nam cần thiết lập các hệ thống dữ
    liệu công nghệ thông tin và Dữ liệu lớn, xây dựng các phương pháp phân tích cần có cho
    các hệ thống và đảm bảo được chất lượng của nguồn dữ liệu và tính phù hợp của công
    cụ và phương pháp phân tích.

    251

  11. Kỷ yếu HộI THảO KHOA HọC QUốC GIA
    “CÁCH MạNG CÔNG NGHIệP 4.0 VÀ NHữNG ĐổI MớI TRONG LĨNH VựC TÀI CHÍNH – NGÂN HÀNG”

    Tài liệu tham khảo
    1. Afshin, A. (2017), Big Data Mining for Central Banks’ Statistics, truy cập ngày 29
    tháng 4 năm 2018 từ https://www.linkedin.com/pulse/big-data-mining-central-
    banks-statistics-afshin-ashofteh.
    2. BearingPoint and Central Banking (2018), Big Data in Central Banks 2017.
    3. Bholat, D. (2015), ‘Big Data and central banks’,  Big Data & Society,  2(1),
    2053951715579469.
    4. Ngân hàng Nhà nước Việt Nam (2015), Big Data và các công nghiệp liên quan, truy
    cập ngày 29 tháng 4 năm 2018 từ https://www.sbv.gov.vn/webcenter/portal/vi/menu/
    trangchu/hdk/cntt/udptcntt/udptcntt_chitiet?leftWidth=20%25&showFooter=-
    false&showHeader=false&dDocName=SBVWEBAPP01SBV074634&right-
    Width=0%25&centerWidth=80%25&_afrLoop=1400706925309000#%40%3F_
    afrLoop%3D1400706925309000%26centerWidth%3D80%2525%26dDocNa
    me%3DSBVWEBAPP01SBV074634%26leftWidth%3D20%2525%26right-
    Width%3D0%2525%26showFooter%3Dfalse%26showHeader%3Dfalse%26_adf.
    ctrl-state%3Dng3mzx0k2_9
    5. Piechocki, M. (2016), ‘Data as a critical factor for central banks’, document prepared
    for Eighth IFC Conference on Statistical implications of the new financial landscape,
    Basel, 8-9 September 2016.
    6. Rodrigues, J. and Speciale, A. (2017), How Central Banks Are Using Big Data to Help
    Shape Policy, truy cập ngày 26 tháng 3 năm 2018, từ https://www.bloomberg.com/
    news/articles/2017-12-18/central-banks-are-turning-to-big-data-to-help-them-
    craft-policy.
    7. Subcommittee on Networking and Information Technology Research and Develop-
    ment (2016), Federal Big Data Research and Development Strategic Plan, USA.

    Ngày gửi bài: 17/5/2018
    Ngày gửi lại bài: 27/5/2018
    Ngày duyệt đăng: 02/06/2018

    252

Download tài liệu Ứng dụng dữ liệu lớn trong hoạt động của Ngân hàng Trung ương File Word, PDF về máy