Bài viết liên quan
Tín dụng
Data Scientist Tín dụng
Credit Data Scientist
Xây dựng và triển khai các mô hình học máy (machine learning) để chấm điểm tín dụng cá nhân, doanh nghiệp dựa trên dữ liệu lịch sử giao dịch, dữ liệu thay thế (alternative data) từ CIC và hệ thống core banking. Phối hợp với bộ phận tín dụng và quản trị rủi ro nhằm phát hiện sớm khách hàng có dấu hiệu nợ xấu tuân thủ Thông tư 11/2021/TT-NHNN quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro.
Data Scientist Tín dụng là gì?
Data Scientist Tín dụng (Credit Data Scientist) là chuyên gia xây dựng các mô hình phân tích dữ liệu và học máy để chấm điểm tín dụng (credit scoring), dự báo khả năng trả nợ (probability of default - PD) và phát hiện sớm khách hàng có dấu hiệu nợ xấu. Đây là vị trí cốt lõi trong hệ thống quản trị rủi ro tín dụng hiện đại của ngân hàng Việt Nam.
Đặc điểm và cơ chế
- Nguồn dữ liệu: Lịch sử giao dịch từ core banking, dữ liệu từ CIC (Trung tâm Thông tin Tín dụng Quốc gia), alternative data (hành vi mua sắm, viễn thông, e-commerce).
- Mô hình phổ biến: Logistic Regression, Random Forest, XGBoost, LightGBM cho scorecard; Neural Network cho dữ liệu phi cấu trúc.
- Ứng dụng: Chấm điểm tín dụng cá nhân (consumer), SME, doanh nghiệp lớn; phát hiện early warning indicator (EWI) khi nợ nhóm 1 chuyển sang nhóm 2.
Quy định pháp luật liên quan
Hoạt động phải tuân thủ Thông tư 11/2021/TT-NHNN quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro. Mô hình PD ước tính phải được kiểm chứng định kỳ, đảm bảo Basel II/III. Dữ liệu khách hàng phải tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
Ví dụ thực tế
Tại FE Credit, Data Scientist triển khai mô hình gradient boosting trên 200 biến, giúp Gini coefficient đạt 68% (so với 52% của scorecard truyền thống), từ đó phê duyệt thêm 18% khách hàng có khả năng trả nợ tốt mà trước đây bị từ chối.