Dự đoán khả năng vỡ nợ của khách hàng trong tương lai sử dụng các công nghệ hiện đại đang là xu hướng phát triển trong các tổ chức tài chính nói chung và ngân hàng nói riêng. Điều này là cần thiết để các tổ chức tài chính có các hướng xử lý kịp thời như giảm thiểu rủi ro tín dụng, phân tích quy trình tín dụng, và tối ưu hóa danh mục tín dụng... Bài báo sử dụng các dữ liệu liên quan đến thông tin tín dụng, tài chính và đặc điểm của khách hàng doanh nghiệp tại ngân hàng để xây dựng mô hình máy học, từ đó tiến hành thử nghiệm đánh giá và lựa chọn ra một mô hình tốt nhất. Với kết quả này, ngân hàng có thể áp dụng mô hình vào thực tế để hỗ trợ quyết định kinh doanh, giúp tăng cường khả năng dự báo rủi ro tín dụng, nâng cao hiệu suất hoạt động của ngân hàng và giảm thiểu các tổn thất không mong muốn. <br><br>Abstract <br> Predicting the probability of customer default in the future using modern technologies is a growing trend in the overall financial industry, specifically in the banking sector. It is necessary for financial institutions to have timely solutions such as credit risk reduction, credit process analysis, and credit portfolio optimization. The paper utilizes data related to credit information, financial indicators, and corporate customer characteristics from the bank, employing quantitative research methods to collect and process data to build a machine-learning model. The result shows that the XGBoost model achieved the highest accuracy with an F1-score of 0.84, and the ROC curve had an AUC of 0.97. By utilizing these findings, the bank can implement the model into practice to facilitate business decision-making, enhance credit risk forecasting capabilities, improve operational efficiency, and mitigate undesirable losses.

Download

Vấn đề chia sẻ thông tin đã nhận được rất nhiều sự quan tâm trong chuỗi cung ứng, nhưng các nghiên cứu định lượng chưa nhiều. Bài báo này nghiên cứu tác động của chia sẻ thông tin đối với khả năng hiển thị, cộng tác và linh hoạt của chuỗi cung ứng vận tải, đồng thời xem xét việc chia sẻ thông tin, khả năng hiển thị, cộng tác và linh hoạt của chuỗi cung ứng ảnh hưởng trực tiếp và gián tiếp ra sao đến hiệu suất của nó. Nghiên cứu áp dụng mô hình PLS-SEM với 220 doanh nghiệp là các bên thuộc chuỗi cung ứng vận tải hàng hoá xuất nhập khẩu khu vực đông nam bộ. Kết quả định lượng cho thấy việc chia sẻ thông tin ảnh hưởng tích cực và đáng kể đến khả năng hiển thị, hợp tác, linh hoạt cũng như hiệu suất của chuỗi cung ứng. Khả năng hiển thị của chuỗi cung ứng tác động tích cực đến khả năng hợp tác, linh hoạt và hiệu suất; khả năng hợp tác và linh hoạt tác động đáng kể đến hiệu suất của chuỗi cung ứng. Theo đó, nghiên cứu cho rằng chia sẻ thông tin là chìa khóa để gia tăng hiệu suất và khả năng cạnh tranh chuỗi cung ứng vận tải hàng hoá xuất nhập khẩu, đặc biệt trong bối cảnh thị trường vận tải đang khủng hoảng sau COVID-19 như hiện nay. <br><br>Abstract <br> The issue of information sharing has received a lot of attention in the supply chain but quantitative studies regards to this issue have not been much explored. This paper investigates the impact of information sharing on visibility, collaboration, and flexibility of the transportation supply chain, and examines how information sharing, visibility, collaboration, and flexibility directly and indirectly affect supply chain performance. This research used PLS-SEM model with 220 enterprises that are stakesholders in the import and export cargo transport supply chain in the Southeast region. Quantitative results show that information sharing positively and significantly influences supply chain visibility, collaboration, flexibility, and performance. Supply chain visibility positively impacts collaboration, flexibility, and performance while collaboration and flexibility significantly impact supply chain performance. Accordingly, the study argues that information sharing is the key to increasing the efficiency and competitiveness of the import and export cargo transport supply chain, especially in the context of the transport market's crisis after the COVID-19 as it is today.

Download

Nghiên cứu này khảo sát 730 người dân miền Bắc để đề xuất kiến nghị thúc đẩy ý định mua sắm nông sản hữu cơ trực tuyến của người tiêu dùng. Dựa trên mô hình TAM, TPB, sử dụng các phương pháp phân tích thông kê như EFA và phân tích hồi quy tuyến tính bằng SPSS 26.0 đã cho thấy có 6 nhân tố ảnh hưởng đến ý định mua sắm nông sản hữu cơ trực tuyến của người tiêu dùng gồm mong đợi về giá cả, an toàn thực phẩm, chất lượng sản phẩm, ảnh hưởng xã hội, niềm tin và chất lượng dịch vụ hậu cần. Kết quả này là căn cứ cho việc đề xuất các kiến nghị để nâng cao năng lực sản xuất, bán hàng và đưa ra các quyết định, hành động đúng đắn cho doanh nghiệp, người tiêu dùng và các cơ quan quản lý liên quan đến nông sản hữu cơ. <br><br> Abstract <br> This study surveyed 730 residents in the Northside of Vietnam to propose recommendations for promoting the intention to purchase organic agricultural products online among consumers. Based on the TAM and TPB models, using statistical analysis methods such as EFA and linear regression analysis with SPSS 26.0, six factors affecting the intention to purchase organic agricultural products online of consumers were identified, including expectations of price, food safety, product quality, social influence, trust, and quality of after-sales service. These results provide a basis for proposing recommendations to enhance production capacity, sales, make appropriate decisions, actions for businesses, consumers, and relevant management agencies regarding organic agricultural products.

Download

Kinh doanh thông minh là tập hợp giải pháp về thu thập, quản lý và khai thác dữ liệu hỗ trợ ra quyết định trong doanh nghiệp. Ngày nay, giải pháp này đã trở nên phổ biến và được nhiều doanh nghiệp áp dụng dựa trên sự “tích lũy” dữ liệu theo thời gian. Tuy nhiên, các giải pháp kinh doanh thông minh hiện tại mới dừng lại ở mức thống kê mô tả, các mô hình dự báo còn hạn chế được sử dụng do sự khó khăn trong việc tích hợp, chi phí, cũng như năng lực chuyên môn liên quan đến các mô hình học máy. Từ đó, nghiên cứu này hình thành giải pháp tích hợp mô hình dự báo vào giải pháp kinh doanh thông minh, thực nghiệm trên tập dữ liệu bán lẻ, tập trung vào các công ty vừa và nhỏ nhằm tối ưu chi phí, dễ dàng triển khai. Kết quả từ nghiên cứu có 4 đóng góp chính, bao gồm (1) Giúp nhà quản trị cấu trúc, sắp xếp và tổ chức dữ liệu theo từng chủ đề nghiệp vụ; (2) Giúp nhà quản trị có cái nhìn toàn cảnh về tình hình hoạt động của doanh nghiệp từ chi tiết đến tổng quát; (3) Giúp nhà quản trị đưa ra các quyết định, chiến lược kinh doanh đúng đắn, nhanh chóng, kịp thời và chính xác; (4) Giúp nhà quản trị dễ dàng tích hợp mô hình dự báo vào giải pháp kinh doanh thông minh. Giải pháp này hoàn toàn có thể ứng dụng vào các doanh nghiệp để theo dõi và dự báo dữ liệu bán hàng. <br><br>Abstract <br> Business Intelligence (BI) is a collection of solutions for collecting, managing, and exploiting data to support decision-making in enterprises. In recent years, this solution is gradually becoming popular and applied by many businesses based on the “accumulation” of data over time. However, current business intelligence solutions are restricted to descriptive statistics, the use of forecasting models are still limited due to the complexity of integration, cost, as well as specialized capacity. subjects related to machine learning models. Since then, this study has formed a solution to integrate predictive models into business intelligence solutions, experimenting on retail data sets, and focusing on small and medium-sized companies to optimize costs and ease. deployment. The results from the study have four main contributions, including (1) Helping administrators to structure, arrange and organize data according to Business Functions; (2) Helping administrators have an overview of the operation of the business from detailed to overview; (3) Helping managers make the right decisions, business strategies, quickly, timely and accurately; (4) Helping administrators easily integrate predictive models into business intelligence solutions. This solution is completely suitable and can be applied to businesses with sales data tracking.

Download

Nghiên cứu này đề xuất ứng dụng phương pháp máy học để đo lường sự hài lòng (SHL) của khách hàng dựa trên các bình luận trực tuyến. Dữ liệu nghiên cứu là các bình luận của khách du lịch trên trang Agoda.com về các khách sạn tại Việt Nam. Nghiên cứu tiến hành huấn luyện bằng các mô hình máy học: Neural Network (NN), Decision Tree (DT), Naïve Bayes (NB), Support Vector Machines (SVM), Logistic Regression (LR) và Random Forest (RF) để tìm ra mô hình phân loại tốt nhất, sau đó ứng dụng mô hình này để dự báo SHL của khách hàng trên toàn bộ tập dữ liệu. Tiếp đến, nghiên cứu sử dụng phương pháp tổng hợp và xếp hạng mức độ hài lòng của khách hàng. Kết quả của nghiên cứu có giá trị tham khảo cho việc đánh giá SHL của khách hàng ở các lĩnh vực khác. <br><br>Abstract<br> This study proposes the application of a machine learning method to measure customer satisfaction based on online comments. Research data is the reviews of travelers on Agoda.com about hotels in Vietnam. The study conducts training using machine learning models: Neural Network (NN), Decision Tree (DT), Naïve Bayes (NB), Support Vector Machines (SVM), Logistic Regression (LR), and Random Forest (RF) to find the best classification model, then apply this model to predict the customer satisfaction classification across the entire dataset. Next, the study uses the method of aggregating and ranking customer satisfaction. This study has reference value for measuring customer satisfaction in business fields.

Download