# AI Principal Component Analysis PCA giảm chiều dữ liệu

Tiếng Anh: Principal Component Analysis

Kỹ thuật giảm số chiều biến, giúp trực quan hóa và tăng hiệu quả mô hình chấm điểm tín dụng doanh nghiệp.

Nguồn: https://vieclam.nganhang.com/thuat-ngu/ai-principal-component-analysis-pca-giam-chieu-du-lieu-la-gi
Danh mục: AI & Machine Learning trong ngân hàng
Cập nhật: 13/09/2026

## AI Principal Component Analysis PCA giảm chiều dữ liệu là gì?

**Phân tích thành phần chính** (***Principal Component Analysis - PCA***) là một kỹ thuật thống kê và học máy không giám sát thuộc nhóm **giảm chiều dữ liệu** (***dimensionality reduction***), được sử dụng rộng rãi trong lĩnh vực trí tuệ nhân tạo và khai phá dữ liệu. Mục tiêu cốt lõi của PCA là biến đổi một tập hợp các biến ban đầu có thể tương quan với nhau thành một tập hợp biến mới gọi là **các thành phần chính** (***principal components***), trong đó thành phần đầu tiên giải thích được phương sai lớn nhất của dữ liệu, các thành phần tiếp theo có phương sai giảm dần và tất cả đều trực giao với nhau. Nhờ cơ chế này, PCA cho phép các nhà khoa học dữ liệu nén thông tin từ hàng trăm, thậm chí hàng nghìn biến đầu vào xuống chỉ còn vài chục biến tổng hợp mà vẫn bảo toàn được phần lớn cấu trúc quan trọng của tập dữ liệu gốc.

Về mặt toán học, PCA hoạt động bằng cách xây dựng ma trận hiệp phương sai (***covariance matrix***) của dữ liệu đã được chuẩn hóa, sau đó trích xuất các **giá trị riêng** (***eigenvalues***) và **vector riêng** (***eigenvectors***) tương ứng. Các vector riêng chính là hướng của các trục tọa độ mới, còn giá trị riêng biểu thị mức độ phương sai mà mỗi trục giải thích được. Số lượng thành phần chính được giữ lại thường được quyết định dựa trên **tỷ lệ phương sai tích lũy** (***cumulative explained variance ratio***) — phổ biến nhất là ngưỡng 80% đến 95% — hoặc theo **tiêu chí Kaiser** (chỉ giữ lại các thành phần có giá trị riêng lớn hơn 1). Quy trình này không chỉ giúp giảm tải tính toán cho các mô hình học máy phía sau mà còn khắc phục hiện tượng **đa cộng tuyến** (***multicollinearity***), loại bỏ nhiễu và cải thiện khả năng tổng quát hóa của mô hình, đặc biệt quan trọng trong bối cảnh dữ liệu tài chính ngân hàng thường có số chiều rất lớn.

Trong ngành ngân hàng, PCA được xem là một trong những **kỹ thuật nền tảng** trong quy trình tiền xử lý dữ liệu và xây dựng mô hình rủi ro. Khi kết hợp với các thuật toán phân loại như **hồi quy logistic** (***logistic regression***), **cây quyết định** (***decision tree***) hay **máy vector hỗ trợ** (***Support Vector Machine - SVM***), PCA giúp tạo ra các pipeline mô hình vừa gọn nhẹ vừa có độ chính xác cao, đáp ứng yêu cầu ngày càng khắt khe của **quản trị rủi ro mô hình** (***Model Risk Management - MRM***) theo chuẩn Basel II/III.

**Thuật ngữ tiếng Anh:** Principal Component Analysis (PCA)
**Lĩnh vực:** AI & Machine Learning trong ngân hàng

## Đặc điểm và phân loại

Để hiểu rõ hơn về PCA, chúng ta cần nắm vững các đặc điểm kỹ thuật cốt lõi và phân loại các biến thể của nó trong thực tiễn ứng dụng ngân hàng.

### Đặc điểm kỹ thuật chính

| Đặc điểm | Mô tả chi tiết |
|---|---|
| **Loại học máy** | Không giám sát (***unsupervised learning***) — không cần nhãn đầu ra |
| **Yêu cầu dữ liệu đầu vào** | Biến liên tục, có tương quan tuyến tính, đã được chuẩn hóa (thường theo **Z-score**) |
| **Đầu ra** | Tập hợp các thành phần chính trực giao, xếp hạng theo phương sai giảm dần |
| **Phương pháp trích xuất** | Phân tích giá trị riêng (***eigen-decomposition***) hoặc **SVD** (***Singular Value Decomposition***) |
| **Tiêu chí chọn số thành phần** | Ngưỡng phương sai tích lũy (80-95%), tiêu chí Kaiser, biểu đồ **scree plot** |
| **Khả năng diễn giải** | Trung bình — các thành phần chính thường khó liên hệ trực tiếp với biến kinh tế cụ thể |
| **Độ phức tạp tính toán** | O(p²n + p³) với p là số biến và n là số quan sát |
| **Hạn chế** | Nhạy cảm với outlier, chỉ bắt được quan hệ tuyến tính, giả định phân phối chuẩn |

### Phân loại các biến thể PCA trong ứng dụng ngân hàng

| Biến thể | Đặc điểm | Ứng dụng điển hình |
|---|---|---|
| **PCA chuẩn (Standard PCA)** | Áp dụng trên dữ liệu đã chuẩn hóa Z-score | Chấm điểm tín dụng doanh nghiệp |
| **Kernel PCA** | Sử dụng **kernel trick** để bắt quan hệ phi tuyến | Phát hiện gian lận giao dịch phức tạp |
| **Sparse PCA** | Thêm điều kiện ràng buộc L1 để tăng tính diễn giải | Xây dựng chỉ số rủi ro tổng hợp |
| **Incremental PCA** | Xử lý dữ liệu theo lô, phù hợp big data | Phân tích hành vi khách hàng real-time |
| **Robust PCA** | Sử dụng M-estimator ít nhạy với outlier | Phân tích dữ liệu thị trường có biến động cực trị |
| **PCA kết hợp (Hybrid PCA)** | Kết hợp PCA với mạng neural hoặc autoencoder | Trực quan hóa portfolio tín dụng đa chiều |

## Ví dụ thực tế trong ngành ngân hàng

### Ví dụ 1: Xây dựng mô hình chấm điểm tín dụng doanh nghiệp tại Ngân hàng A

Ngân hàng A đang triển khai hệ thống **chấm điểm tín dụng doanh nghiệp** (***corporate credit scoring***) với tập dữ liệu gồm 47 chỉ tiêu tài chính được trích xuất từ báo cáo tài chính 5 năm gần nhất của hơn 12.000 khách hàng doanh nghiệp. Các chỉ tiêu bao gồm ROE, ROA, tỷ lệ nợ trên vốn chủ sở hữu, hệ số thanh toán hiện hành, vòng quay hàng tồn kho, kỳ thu tiền bình quân, dòng tiền từ hoạt động kinh doanh, tốc độ tăng trưởng doanh thu và hàng loạt chỉ tiêu khác. Đội ngũ data scientist của ngân hàng áp dụng PCA lên ma trận dữ liệu đã chuẩn hóa và thu được kết quả: 6 thành phần chính đầu tiên giải thích được **82,4% tổng phương sai** của toàn bộ tập biến. Trong đó, thành phần chính thứ nhất (PC1) chủ yếu phản ánh **năng lực sinh lời và hiệu quả sử dụng vốn** (với trọng số cao ở ROE, ROA, biên lợi nhuận ròng), thành phần thứ hai (PC2) đại diện cho **cơ cấu đòn bẩy tài chính** (nợ phải trả, tỷ lệ nợ/vốn chủ sở hữu), các thành phần tiếp theo phản ánh thanh khoản, hiệu quả hoạt động và tăng trưởng. Nhờ giảm từ 47 biến xuống còn 6 thành phần, thời gian huấn luyện mô hình hồi quy logistic phía sau giảm từ 38 phút xuống còn 4 phút, đồng thời chỉ số **AUC** (***Area Under the Curve***) tăng từ 0,78 lên 0,84 nhờ khắc phục được hiện tượng đa cộng tuyến giữa các biến tài chính.

### Ví dụ 2: Hệ thống phát hiện gian lận thẻ tín dụng tại Ngân hàng B

Ngân hàng B triển khai hệ thống **phát hiện gian lận thẻ** (***fraud detection***) xử lý trung bình 2,3 triệu giao dịch mỗi ngày với 78 thuộc tính cho mỗi giao dịch, bao gồm: giá trị giao dịch, loại hình merchant, vị trí địa lý, thời gian trong ngày, tần suất giao dịch trong 24 giờ qua, số lần nhập sai PIN, thiết bị sử dụng, lịch sử merchant của khách hàng, v.v. Khi áp dụng **Incremental PCA** để xử lý dữ liệu theo lô theo thời gian thực, hệ thống chỉ cần giữ lại 12 thành phần chính để đạt ngưỡng phương sai tích lũy **89,7%**. Điều này cho phép mô hình phân loại gian lận (sử dụng thuật toán **Random Forest** phía sau) đạt độ chính xác **97,2%** với tỷ lệ cảnh báo sai (false positive) chỉ 0,8%, trong khi tốc độ xử lý tăng gấp 2,3 lần so với khi đưa toàn bộ 78 biến vào mô hình. Đặc biệt, việc giảm chiều giúp hệ thống dễ dàng trực quan hóa các giao dịch bất thường trên không gian 2 chiều (PC1-PC2) phục vụ công tác điều tra của đội ngũ an ninh thông tin.

### Ví dụ 3: Phân khúc khách hàng bán lẻ tại Ngân hàng C

Ngân hàng C muốn nâng cấp hệ thống **phân khúc khách hàng** (***customer segmentation***) cho hơn 4,5 triệu khách hàng cá nhân. Tập dữ liệu hành vi gồm 34 biến: số dư tài khoản, tần suất sử dụng thẻ, sản phẩm sở hữu, lịch sử tiết kiệm, khoản vay, tương tác trên app mobile, đặc điểm nhân khẩu học, v.v. Sau khi áp dụng PCA kết hợp với thuật toán **K-means clustering**, ngân hàng xác định được 7 cụm khách hàng rõ ràng thay vì 3 cụm như phương pháp cũ. Các cụm mới phát hiện bao gồm: "Khách hàng số hóa cao thu nhập trung bình", "Khách hàng truyền thống ít giao dịch", "Khách hàng trẻ đầu tư mạo hiểm"... Nhờ đó, chiến dịch marketing nhắm mục tiêu tăng **tỷ lệ chuyển đổi** (***conversion rate***) từ 4,2% lên 11,8%, đồng thời ngân hàng tiết kiệm được khoảng 8,5 tỷ đồng chi phí quảng cáo mỗi năm nhờ loại bỏ các đối tượng không tiềm năng.

## AI Principal Component Analysis PCA giảm chiều dữ liệu trong các ngôn ngữ khác

| Ngôn ngữ | Thuật ngữ | Phiên âm |
|---|---|---|
| Tiếng Anh | Principal Component Analysis (PCA) | /ˈprɪnsəpəl kəmˈpoʊnənt əˈnæləsɪs/ |
| Tiếng Nhật | 主成分分析 (Shuseibun Bunseki) | しゅせいぶんぶんせき — *Shuseibun Bunseki* |
| Tiếng Hàn | 주성분 분석 (Juseongbun Bunseok) | 주성분 분석 — *Juseongbun Bunseok* |
| Tiếng Trung | 主成分分析 (Zhǔ chéngfèn fēnxī) | 主成分分析 — *Zhǔ chéngfèn fēnxī* |
| Tiếng Tây Ban Nha | Análisis de Componentes Principales (ACP) | /aˈnalisis ðe komˈponentes prinˈsipales/ |

## Câu hỏi thường gặp

### PCA khác gì LDA (Linear Discriminant Analysis)?

PCA là phương pháp **không giám sát** (***unsupervised***) chỉ tìm cách tối đa hóa phương sai tổng thể của dữ liệu mà không cần biết nhãn lớp, trong khi LDA là phương pháp **có giám sát** (***supervised***) tận dụng thông tin nhãn để tối đa hóa khoảng cách giữa các lớp và tối thiểu hóa phương sai trong cùng lớp. Trong bài toán chấm điểm tín dụng, nếu mục tiêu chỉ là nén biến đầu vào và khử tương quan, PCA là lựa chọn phù hợp; nhưng nếu mục tiêu là phân loại khách hàng thành nhóm tốt/xấu với khả năng phân tách tối ưu, LDA thường cho kết quả vượt trội hơn, đặc biệt khi số lớp nhỏ và dữ liệu có nhãn rõ ràng.

### Khi nào cần biết về PCA trong công việc ngân hàng?

Bạn cần nắm vững PCA khi tham gia vào các dự án xây dựng **mô hình rủi ro tín dụng** (***credit risk modeling***), hệ thống **phát hiện gian lận** (***fraud detection***), **phân khúc khách hàng** (***customer segmentation***), hoặc bất kỳ bài toán nào có số lượng biến đầu vào lớn (thường trên 30 biến) và cần tối ưu hóa hiệu suất tính toán. Đặc biệt, trong kỳ thi tuyển dụng ngân hàng ở vị trí chuyên viên phân tích dữ liệu, quản trị rủi ro mô hình hay data scientist, các câu hỏi về PCA thường xuất hiện dưới dạng tình huống: "Làm thế nào để xử lý 200 biến tài chính trong mô hình xếp hạng tín dụng?" hoặc "Cách diễn giải biểu đồ scree plot và chọn số thành phần chính tối ưu?".

### PCA ảnh hưởng thế nào đến khách hàng ngân hàng?

Mặc dù khách hàng cuối không trực tiếp tương tác với PCA, nhưng kỹ thuật này gián tiếp ảnh hưởng đến trải nghiệm của họ thông qua nhiều khía cạnh: **thời gian phê duyệt khoản vay** được rút ngắn từ 5-7 ngày xuống còn vài giờ nhờ mô hình chấm điểm tín dụng tối ưu; **tỷ lệ gian lận thẻ** giảm đáng kể giúp bảo vệ tài sản khách hàng; các **sản phẩm cá nhân hóa** (thẻ tín dụng, gói tiết kiệm, bảo hiểm) phù hợp hơn với nhu cầu thực tế nhờ phân khúc khách hàng chính xác hơn. Tuy nhiên, ngân hàng cần đảm bảo tính minh bạch và khả năng giải thích (***explainability***) khi sử dụng PCA trong các quyết định ảnh hưởng đến khách hàng, tuân thủ quy định về **bảo vệ dữ liệu cá nhân** theo Luật Bảo vệ dữ liệu cá nhân 2023 của Việt Nam.

## Tổng kết

**Phân tích thành phần chính (PCA)** là một công cụ không thể thiếu trong bộ kỹ năng của chuyên viên phân tích dữ liệu và quản trị rủi ro tại ngân hàng hiện đại. Với khả năng giảm chiều dữ liệu mạnh mẽ, PCA không chỉ tối ưu hóa hiệu suất tính toán và nâng cao độ chính xác của mô hình, mà còn là nền tảng cho nhiều kỹ thuật nâng cao như Kernel PCA, Sparse PCA hay Incremental PCA. Đối với thí sinh ôn thi tuyển dụng ngân hàng, việc nắm vững nguyên lý toán học, khả năng diễn giải các thành phần chính, tiêu chí chọn số thành phần tối ưu, cùng phân biệt rõ ràng PCA với các phương pháp giảm chiều khác như LDA, t-SNE hay autoencoder sẽ là lợi thế cạnh tranh đáng kể. Trong bối cảnh ngân hàng Việt Nam đang đẩy mạnh chuyển đổi số và áp dụng AI vào hoạt động vận hành, PCA sẽ tiếp tục giữ vai trò chiến lược trong việc xây dựng các hệ thống quản trị rủi ro thông minh, hiệu quả và tuân thủ chuẩn quốc tế.

## Thuật ngữ liên quan

- [Bảo mật thông tin khách hàng](https://vieclam.nganhang.com/thuat-ngu/bao-mat-thong-tin-khach-hang-la-gi) — Tập hợp các biện pháp kỹ thuật và quy trình bảo vệ dữ liệu khách hàng ngân hàng khỏi truy cập trái phép, là yêu cầu pháp lý và đạo đức trong hoạt động CRM.
- [Bảo vệ dữ liệu cá nhân](https://vieclam.nganhang.com/thuat-ngu/bao-ve-du-lieu-ca-nhan-la-gi) — Yêu cầu pháp lý ngân hàng phải thu thập, lưu trữ và xử lý dữ liệu cá nhân khách hàng theo Nghị định 13/2023/NĐ-CP và các quy định liên quan.
- [Dòng tiền từ hoạt động kinh doanh](https://vieclam.nganhang.com/thuat-ngu/dong-tien-tu-hoat-dong-kinh-doanh-la-gi) — Lưu chuyển tiền từ các hoạt động sản xuất kinh doanh chính của doanh nghiệp, là chỉ tiêu quan trọng đánh giá chất lượng dòng tiền.
- [Mô hình chấm điểm tín dụng](https://vieclam.nganhang.com/thuat-ngu/mo-hinh-cham-diem-tin-dung-la-gi) — Mô hình thống kê (hồi quy logistic, cây quyết định, machine learning) gán điểm cho khách hàng dựa trên dữ liệu tài chính và phi tài chính để quyết định cấp tín…
- [Phát hiện gian lận thẻ](https://vieclam.nganhang.com/thuat-ngu/phat-hien-gian-lan-the-la-gi) — Hệ thống phân tích real-time các giao dịch thẻ tín dụng/ghi nợ dựa trên địa điểm, thiết bị, số tiền để chặn giao dịch gian lận trong vòng milisecond.
- [Phân tích thành phần chính](https://vieclam.nganhang.com/thuat-ngu/phan-tich-thanh-phan-chinh-la-gi) — Kỹ thuật giảm chiều dữ liệu, trích xuất các thành phần quan trọng nhất giúp tăng tốc và cải thiện hiệu quả mô hình đánh giá rủi ro tín dụng.
- [Quản trị rủi ro mô hình](https://vieclam.nganhang.com/thuat-ngu/quan-tri-rui-ro-mo-hinh-la-gi) — Khung quy trình quản lý vòng đời mô hình phân tích nhằm đảm bảo độ chính xác và tuân thủ theo quy định NHNN.
- [Tỷ lệ nợ trên vốn chủ sở hữu](https://vieclam.nganhang.com/thuat-ngu/ty-le-no-tren-von-chu-so-huu-la-gi) — Hệ số tài chính so sánh tổng nợ phải trả với vốn chủ sở hữu, phản ánh mức độ sử dụng đòn bẩy tài chính của doanh nghiệp.