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

- ỨNG DỤNG DỮ LIệU LỚN.
- 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.
- 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:.
- 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..
- 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,....
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- chi tiết, hữu ích và kịp thời đối với tâm lý người tiêu dùng, sự không chắc chắn của thị.
- 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).
- 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.
- 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.
- Việc thu thập và khai thác Dữ liệu lớn của các NHTW đã được Afshin cụ thể hoá trong mô hình dưới đây:.
- 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.
- 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.
- 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..
- 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..
- 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.
- 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.
- Thứ ba, vấn đề quản trị dữ liệu..
- 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..
- 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..
- 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.
- 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.
- 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..
- 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.
- 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.
- 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.
- 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..
- 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.
- 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.
- 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:.
- 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..
- 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..
- 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.

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt