Dùng AI phân tích dữ liệu, theo dõi nhu cầu và hành vi mỗi người

Nhiều rào cản

Không chỉ dừng ở việc cung cấp các dịch vụ tài chính cơ bản nữa, nhà đầu tư ngày nay yêu cầu một trải nghiệm đa dạng, linh hoạt và được tùy chỉnh theo nhu cầu cá nhân của họ. Trong bối cảnh này, khái niệm “cá nhân hóa trải nghiệm khách hàng” đã trở thành mục tiêu hướng đến của nhiều công ty chứng khoán. Từ việc cải thiện giao diện người dùng đến việc cung cấp các giải pháp đầu tư được tùy chỉnh, các công ty chứng khoán đang tìm cách tận dụng sức mạnh của công nghệ để mang lại trải nghiệm tối ưu nhất cho khách hàng của họ.

Bà Văn Thị Minh Hoàng, Phó Giám đốc khối Vận hành Công nghệ thông tin của Công ty Chứng khoán ACB (ACBS), bày tỏ lạc quan về triển vọng ứng dụng dữ liệu để cá nhân hóa trải nghiệm của khách hàng bởi dữ liệu giao dịch của khách hàng trên thị trường chứng khoán Việt Nam là cực kỳ lớn.

Tuy nhiên, theo bà Hoàng, việc khai thác dữ liệu này nhằm gợi ý các sản phẩm đầu tư phù hợp cho nhà đầu tư sẽ vướng phải nhiều vấn đề bảo mật thông tin, đặc biệt là những sản phẩm dịch vụ có liên quan đến đối tác thứ ba. Vì vậy, công ty chứng khoán phải cực kỳ cẩn trọng trong việc chia sẻ dữ liệu cá nhân của khách hàng cho đối tác trong cùng mạng lưới và tuyệt đối tuân thủ các quy định trong Nghị định số 13/2023/NĐ-CP của Chính phủ về việc về bảo vệ dữ liệu cá nhân.

Còn theo ông Nguyễn Phúc Nguyên, Giám đốc Công nghệ thông tin của Công ty Chứng khoán Bảo Việt (BVSC), việc cá nhân hóa trải nghiệm khách hàng không chỉ đơn thuần phụ thuộc vào lượng dữ liệu, mà còn phụ thuộc vào nhiều yếu tố khác.

Để cá nhân hóa trải nghiệm khách hàng, cần phải có dữ liệu chất lượng cao và đa dạng về hành vi, sở thích và nhu cầu đầu tư của khách hàng. Điều này không chỉ bao gồm dữ liệu giao dịch mà còn cả dữ liệu tương tác trên các kênh số. Ngoài ra, để có thể cá nhân hóa trải nghiệm một cách phù hợp cũng cần có sự hiểu biết sâu sắc về nhu cầu và hành vi của khách hàng, cũng như xu hướng thị trường chứng khoán.

Cuối cùng, theo ông Nguyên, cần phải có công nghệ và năng lực cần thiết để phân tích và xử lý lượng dữ liệu lớn một cách hiệu quả. Việc này đòi hỏi sự đầu tư vào hệ thống, trí tuệ nhân tạo (AI), máy học cũng như các nền tảng phân tích dữ liệu nâng cao.

“Mặc dù lượng dữ liệu có thể đã đủ lớn, nhưng việc cá nhân hóa trải nghiệm khách hàng trong ngành chứng khoán Việt Nam vẫn là một hành trình dài. Các công ty cần không chỉ tập trung vào việc thu thập và phân tích dữ liệu, mà còn phải đầu tư vào công nghệ, phát triển năng lực nhân sự, và hiểu rõ hơn về nhu cầu cũng như hành vi của khách hàng từ đó mới có thể có sự am hiểu và năng lực cá nhân hóa thực sự”, đại diện BVSC nêu quan điểm.

Tìm giải pháp

Chia sẻ với Đầu tư Tài chính, ông Nguyễn Xuân Minh, Chủ tịch HĐQT Công ty Chứng khoán Kỹ Thương (TCBS), nhận định một hệ sinh thái tài chính tốt là đáp ứng được đầy đủ nhu cầu và “cá nhân hóa” nhất cho từng khách hàng. Ông Minh cho biết nhu cầu cá nhân của khách hàng thì “không ai giống ai”, và để “số hoá” từng nhu cầu thì hiệu ứng tất yếu xảy ra sẽ là “rất nhiều dữ liệu” cần phải xử lý, phân tích, lưu trữ và quản trị.

“Với 2 điểm trên, Ban lãnh đạo cùng đội ngũ nhân sự TCBS trong nhiều năm nay luôn đặt ra câu hỏi là “Làm thế nào để tận dụng được dữ liệu thô” mà chúng tôi có trong hoạt động hàng ngày của mình, và làm thế nào để một cơ sở dữ liệu khổng lồ này trở thành thông tin thông minh phục vụ trở lại được cho khách hàng, giúp họ có trải nghiệm đầu tư tích luỹ, quản lý gia sản một cách tối ưu và hiệu quả nhất; đồng thời trở thành nguồn thông tin đầu vào giúp cho nhà cung cấp dịch vụ như TCBS thực hiện phân tích, triển khai điều hành hiệu quả nhất với chi phí thấp nhất nhưng vẫn đảm bảo tuân thủ và bảo mật thông tin theo quy định của pháp luật”, Chủ tịch TCBS trăn trở.

Ông Minh cho biết dữ liệu là tài sản quý giá của doanh nghiệp và để biến những con số khô khan thành giá trị kinh doanh, TCBS đã xây các Datamart (kho dữ liệu cục bộ) riêng biệt cho mỗi nghiệp vụ kinh doanh. Các Datamart này lưu trữ những dữ liệu sạch, được phân tích và tổng hợp chuyên sâu, đặc tính hoá để luôn sẵn sàng phục vụ tối ưu cho từng mảng kinh doanh. Điều này giúp tạo ra những báo cáo phân tích chính xác, sắc bén, phục vụ cho chiến lược và định hướng cung cấp các sản phẩm “cá nhân hóa” theo nhu cầu của từng khách hàng.

Theo Chủ tịch TCBS, dữ liệu xuất sắc là chìa khóa để hiện thực hóa tiềm năng trí tuệ nhân tạo (AI). TCBS đã dần nghiên cứu việc sử dụng khoa học dữ liệu, phân tích dữ liệu, máy học nhiều năm qua và gần đây là AI tạo sinh (Generative AI) cho hoạt động của mình. Dữ liệu sẽ ngày càng nhiều, việc triển khai sớm với chất lượng tốt, bảo mật cao sẽ giúp công ty hoạt động ngày càng hiệu quả hơn trong tương lai.

Cũng đánh giá cao vai trò của AI trong phân tích dữ liệu và cá nhân hóa trải nghiệm của khách hàng, bà Văn Thị Minh Hoàng, Phó Giám đốc khối Vận hành Công nghệ thông tin của ACBS, cho biết AI có thể giúp thiết kế các nội dung tư vấn tự động theo chân dung của từng khách hàng, giúp nhà đầu tư có lợi thế trong việc nắm bắt các cơ hội của thị trường kịp thời, chính xác và tự động.

Lấy ví dụ tại ACBS, bà Hoàng cho biết hiện công ty đang triển khai giai đoạn 01 cho việc xây dựng nền tảng năng lực phân tích dữ liệu lớn (big data analytics) kết hợp với nền tảng chăm sóc khách hàng tập trung (CRM). Sau khi chuẩn hóa việc thu thập, lưu trữ, và hệ thống CRM cơ bản của giai đoạn 1 và hoàn thành giai đoạn 2, ACBS kỳ vọng có thể khai thác AI trong việc đưa ra các mô hình (pattern) và xu hướng thị trường (market trends) dựa trên dữ liệu quá khứ, từ đó đưa ra các khuyến nghị cho danh mục đầu tư theo nhu cầu riêng của từng khách hàng theo thời gian thực với độ chính xác cao.

Tuy nhiên, việc ứng dụng AI hiện vẫn gặp phải nhiều rào cản, theo bà Hoàng. Đó là chưa có hành lang pháp lý và quy chế về quyền riêng tư, việc sử dụng bot để trading, cơ chế quản lý cho việc thao túng thị trường. Bên cạnh đó là sự khan hiếm nguồn nhân lực AI có hiểu biết về thị trường giao dịch chứng khoán. Ngoài ra, AI hiện nay vẫn có hạn chế trong việc dự đoán các biến động cực đoan của thị trường (sự kiện thiên nga đen) bởi vì AI được huấn luyện dựa trên dữ kiện lịch sử cũng như hạn chế về tính đúng đắn của dự đoán xu hướng thị trường và khuyến nghị danh mục.