Các nhân tố ảnh hưởng đến mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh chuyển đổi số

Nguyễn Hồng Sâm

Vụ Tổ chức cán bộ - Bộ Tài chính

Email: nguyenhongsam@mof.gov.vn

Tóm tắt

Với dữ liệu được thu thập từ khảo sát các nhà quản lý và nhân sự trong ngành Tài chính, bài viết đã xác định và đánh giá các nhân tố chính tác động đến mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh chuyển đổi số. Kết quả phân tích cho thấy, có 7 nhân tố chính ảnh hưởng tới mức độ phù hợp của nhân lực đối với việc chuyển đổi số ngành Tài chính gồm: Mức độ quan tâm của người đứng đầu đơn vị đối với chuyển đổi số; Mức độ phù hợp cơ cấu tổ chức của đơn vị trong bối cảnh chuyển đổi số; Công tác tuyển dụng nhân lực trong bối cảnh chuyển đổi số; Hoạt động đào tạo, bồi dưỡng nhân lực tại đơn vị trong bối cảnh chuyển đổi số; Việc đánh giá nhân lực tại đơn vị trong bối cảnh chuyển đổi số; Thù lao lao động trong bối cảnh chuyển đổi số tại đơn vị; Văn hoá tổ chức về chuyển đổi số. Trong đó, hoạt động đào tạo, bồi dưỡng nhân lực là nhân tố có tác động mạnh nhất.

Từ khóa: Các nhân tố đánh giá, nhân lực ngành Tài chính, chuyển đổi số

Summary

Based on data collected from surveys of managers and personnel in the financial sector, this paper identifies and evaluates the key factors influencing the suitability of the financial workforce in the context of digital transformation. The analysis reveals seven main factors that affect the workforce’s adaptability to digital transformation in the financial sector: the attention of the unit leaders to digital transformation, the organizational structure’s suitability, recruitment practices, training and professional development activities, employee performance evaluation, and labor compensation in the digital transformation context, and the organizational culture regarding digital transformation. Among these, training and professional development activities have the most significant impact.

Keywords: Evaluation factors, financial workforce, digital transformation

GIỚI THIỆU

Chuyển đổi số (CĐS) đang làm thay đổi căn bản phương thức tổ chức và vận hành của khu vực công, đòi hỏi nguồn nhân lực không chỉ có trình độ chuyên môn mà còn phải thích ứng nhanh với công nghệ, tư duy đổi mới và văn hóa số. Ngành Tài chính với vai trò là một trong những trụ cột điều hành nền kinh tế không nằm ngoài xu thế đó. Tuy nhiên, mức độ sẵn sàng và phù hợp của đội ngũ nhân lực hiện tại đối với yêu cầu của CĐS vẫn là một câu hỏi cần được nghiên cứu toàn diện. Trên cơ sở khảo sát và phân tích định lượng, bài viết tập trung nhận diện các nhân tố ảnh hưởng đến mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS, từ đó cung cấp luận cứ thực tiễn cho việc hoạch định chính sách phát triển nguồn nhân lực chất lượng cao, thích ứng với tiến trình số hóa đang diễn ra mạnh mẽ.

PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU SỬ DỤNG

Mô hình lý thuyết

Dựa trên một số lý thuyết nền tảng của Wernerfelt (1984), Teece và cộng sự (1997) và Kristof (1996), nghiên cứu đề xuất khung lý thuyết đánh giá mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh chuyển đổi số (CĐS) dựa trên tác động tuyến tính của 7 nhóm nhân tố tới mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS như nhiều nghiên cứu được thực hiện trước đây. Và sự gia tăng của điềm nhân tố bất kỳ đều tạo ra sự gia tăng về mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS. (Bài viết sử dụng cách viết số thập phân theo chuẩn quốc tế).

Hình 1: Các nhân tố ảnh hưởng đến mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh chuyển đổi số

Nguồn: Tổng hợp của tác giả

Phương pháp nghiên cứu

Nghiên cứu sử dụng kết hợp phương pháp phân tích nhân tố khám phá và mô hình hồi quy tuyến tính nhằm đưa ra bức tranh rõ ràng và toàn diện hơn về các yếu tố ảnh hưởng đến chất lượng nhân lực và mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS. Quy trình thực hiện gồm các bước sau:

Bước 1: Sử dụng hệ số Cronbach's Alpha để kiểm định độ tin cậy của thang đo. Cronbach's Alpha là chỉ số đo lường tính nhất quán nội tại (internal consistency) của một thang đo hoặc cụm câu hỏi, hệ số này cho biết các câu hỏi trong thang đo có đo lường cùng một khái niệm hay không. Một số nghiên cứu đã chỉ ra các ngưỡng đối với ý nghĩa của Cronbach's Alpha, tiêu biểu là George, D., và Mallery, P. (2010) cho rằng: α > 0.9 (rất tốt), 0.8 ≤ α ≤ 0.9 (tốt), 0.7 ≤ α ≤ 0.8 (chấp nhận được), 0.6 ≤ α ≤ 0.7 (khá thấp), 0.5 ≤ α ≤ 0.6 (kém), α

Bước 2: Phân tích nhân tố EFA

Bước 2.1: Kiểm tra tính phù hợp sử dụng phương pháp EFA của dữ liệu thông qua hệ số KMO và kiểm định Bartlett’s Test of Sphericity.

Chỉ số Kaiser-Meyer-Olkin (KMO) là một thước đo thống kê xác định mức độ tương quan giữa các biến có phù hợp với phương pháp phân tích EFA hay không. Công thức:

Theo Hair và cộng sự (2010), giá trị KMO > 0.7 là tốt, 0.5-0.7 là chấp nhận được,

Kiểm định Bartlett’s Test là một bước đánh giá tính phù hợp của dữ liệu trước khi tiến hành phân tích EFA thông qua việc kiểm định ma trận tương quan là ma trận đơn vị không (nếu là ma trận đơn vị thì có nghĩa là không có mối tương quan đáng kể giữa các biến cũng đồng nghĩa là dữ liệu không phù hợp áp dụng phương pháp EFA). Kiểm định này thường được sử dụng cùng với chỉ số KMO để đưa ra kết luận tổng thể về tính phù hợp của dữ liệu.

Bước 2.2: Trích xuất nhân tố

Có nhiều phương pháp trích xuất nhân tố trong EFA, trong đó phổ biến nhất là Principal Component Analysis (PCA) và Principal Axis Factoring (PAF). PCA trích xuất nhân tố tiềm ẩn bằng cách tối ưu hóa tổng phương sai, trong khi PAF tập trung vào phân tích các nhân tố tiềm ẩn, chỉ giải thích phần phương sai chung… Với mục tiêu sử dụng các nhân tố sau khi trích xuất cho hồi quy tuyến tính để xác định mối quan hệ của các nhân tố này với mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS, PCA là lựa chọn phù hợp vì các nhân tố được tạo ra là các thành phần trực giao (đồng nghĩa với các nhân tố này độc lập tuyến tính) tối đa hóa khả năng giải thích phương sai của dữ liệu, từ đó hỗ trợ hiệu quả trong phân tích tiếp theo.

Các tiêu chí lựa chọn số nhân tố được trích xuất:

+ Eigenvalue: Chỉ giữ các nhân tố có Eigenvalue > 1.

+ Scree Plot: Tìm điểm "gãy" trên biểu đồ để xác định số lượng nhân tố.

+ Tỷ lệ phương sai giải thích: Đảm bảo tổng phương sai giải thích (Total Variance Explained) > 50%.

Bước 2.3: Xoay nhân tố (Factor Rotation)

Trong EFA, các phương pháp xoay nhân tố phổ biến được chia thành hai nhóm chính: Orthogonal Rotation (xoay vuông góc) và Oblique Rotation (xoay chéo). Mỗi nhóm có những phương pháp cụ thể phù hợp với từng tình huống. Orthogonal Rotation là phép xoay giữ nguyên mối quan hệ vuông góc giữa các nhân tố, phù hợp khi các nhân tố được giả định độc lập vì vậy phù hợp với phương pháp trích xuất nhân tố PCA. Nghiên cứu sử dụng phép xoay Varimax là phương pháp phổ biến nhất của nhóm Orthogonal Rotation giúp tối đa hóa phương sai của các hệ số tải bình phương, làm rõ cấu trúc nhân tố, giúp các biến đo lường chủ yếu tải cao trên một nhân tố duy nhất.

Dữ liệu sử dụng

Nhằm thu thập thông tin để phân tích và đánh giá thực trạng và mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS. Nghiên cứu sử dụng phương pháp điều tra bằng bảng hỏi thông qua việc tiến hành khảo sát chính thức với 500 phiếu bằng phương pháp chọn mẫu ngẫu nhiên phân tầng trên 2 nhóm đối tượng gồm cán bộ lãnh đạo các vụ, các phòng và công chức tại các phòng chức năng của các Vụ, Cục, Thanh tra Bộ, Văn phòng Bộ thuộc cơ quan Bộ Tài chính và một số đơn vị trực thuộc Bộ Tài chính với 26 câu hỏi được phân thành 8 nhóm để đo lường mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS và các nhân tố tác động. Thời gian khảo sát được thực hiện từ tháng 6/2024-12/2024.

Kiểm định độ tin cậy thang đo

Kết quả điều tra đã được kiểm định thang đo bằng hệ số Cronbach's Alpha cho thấy, tất cả các cụm câu hỏi đều được thiết kế phù hợp có độ nhất quán nội tại cao với Cronbach's Alpha > 0.9, có nghĩa là các câu hỏi trong một nhóm đo lường cùng một khái niệm. Cụ thể như sau:

Bảng 1: Nội dung bảng hỏi, nhân tố đo lường và hệ số Cronbach's Alpha

Hầu hết các biến đều có khoảng giá trị (Range) = 4, nghĩa là giá trị trả lời trải dài toàn bộ thang đo, đảm bảo tính đa dạng và khả năng phân biệt của dữ liệu. Độ lệch chuẩn (Std. Deviation) nhỏ cho thấy dữ liệu có mức độ biến thiên ổn định với mức độ tập trung cao xung quanh giá trị trung bình và không có biến nào quá khác biệt. Độ lệch (Skewness) khá gần 0, giá trị dao động từ -0.2 đến 0.17 cho thấy dữ liệu khá cân đối, phù hợp cho EFA; Độ nhọn (Kurtosis) đều âm, phạm vi độ nhọn dao động từ -1.08 đến -0.67, cho thấy phân phối dẹt hơn so với phân phối chuẩn, tuy nhiên, đây là một mức dẹt nhẹ, nằm trong ngưỡng có thể chấp nhận được cho EFA (dựa trên George và Mallery, 2010).

KẾT QUẢ NGHIÊN CỨU

Kết quả EFA

Kiểm tra sự phù hợp sử dụng phương pháp EFA của dữ liệu:

Nhóm câu hỏi đo lường biến phụ thuộc có KMO = 0.9217 và nhóm câu hỏi đo lường các biến độc lập có KMO = 0.753, kết hợp với các kiểm định Bartlett's Test of Sphericity đều có Sig. = 0.000

Bảng 2: Tóm tắt kết quả kiểm định sự phù hợp với phương pháp EFA

Nguồn: Tác giả tính toán

Trích xuất nhân tố:

Nhóm của biến phụ thuộc có một nhân tố được trích suất lượng phương sai giải thích được của nhân tố này là 92.307% tổng phương sai của nhóm.

Với nhóm câu hỏi còn lại, có 7 nhân tố được trích xuất với Eigenvalues > 1 và giải thích được 87.9% phương sai của bảng dữ liệu.

Bảng 3: Tổng lượng phương sai được giải thích bởi các nhân tố

Nguồn: Tổng hợp từ phương pháp EFA

Xem xét ma trận hệ số tải: Với mẫu lớn (500 quan sát) và chấp nhận ngưỡng hệ số tải nhân tố từ 0.3 trở lên, kết quả cho thấy hầu hết các biến quan sát đều có hệ số tải nhân tố ≥ 0.3 trên ít nhất một nhân tố, điều này đáp ứng được yêu cầu tối thiểu để các biến có thể giữ lại trong mô hình. Tuy nhiên, một số biến có hệ số tải cao trên nhiều nhân tố, nhưng chênh lệch giữa các hệ số tải chưa đủ lớn (

Xoay nhân tố

Sau khi xoay nhân tố bằng phương pháp Varimax, mỗi biến quan sát có hệ số tải cao trên một nhân tố duy nhất, với hệ số tải đều lớn hơn 0.9. Điều này cho thấy quá trình xoay đã giúp phân nhóm các biến quan sát một cách rõ ràng và dễ diễn giải. Các biến quan sát được phân thành 7 nhân tố riêng biệt và phù hợp với mục tiêu thiết kế bảng hỏi ban đầu.

Bảng 4: Kết quả ma trận hệ số tải trước và sau khi thực hiện phép xoay

Nguồn: Tổng hợp từ phương pháp EFA

Kết quả cho thấy ma trận này là ma trận trực giao, điều đó cho thấy quá trình xoay trực giao thành công và tổng phương sai được bảo toàn. Như vậy, có thể tiếp tục sử dụng ma trận xoay nhân tố đã thu được để diễn giải ý nghĩa các nhóm biến quan sát.

Mặc dù được sắp thứ tự về độ quan trọng với hoạt động đào tạo, bồi dưỡng đứng đầu, tiếp theo là mức độ quan tâm của người đứng đầu đơn vị… cuối cùng là mức độ phù hợp cơ cấu tổ chức của đơn vị, nhưng lượng phương sai được giải thích sai lệch không quá lớn chỉ dao động từ 12.35% đến 12.71%, vì vậy việc thực hiện hồi quy tuyến tính làm rõ hơn các tác động của từng nhân tố là cần thiết

Kết quả hồi quy tuyến tính

Với giả định rằng mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS có mối quan hệ tuyến tính với 7 nhân tố được trích xuất từ phương pháp EFA trên các nhóm biến độc lập, mô hình hồi quy tổng quát được xây dựng như sau:

Trong đó:

- Y: Biến phụ thuộc, đại diện cho mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS.

Điểm số nhân tố này được xác định thông qua EFA từ nhóm biến độc lập liên quan đến đánh giá nhân lực (bao gồm các tiêu chí về trình độ chuyên môn, phẩm chất đạo đức, khả năng sử dụng công nghệ…).

- PCA_i: Các điểm số nhân tố độc lập, tương ứng với 7 nhân tố được trích xuất từ EFA trên 7 nhóm biến độc lập (bao gồm mức độ quan tâm của người đứng đầu, công tác tuyển dụng, hoạt động đào tạo, văn hóa tổ chức…), với I = 0; 1;…; 7.

- βi​: Các hệ số hồi quy, biểu thị mức độ ảnh hưởng của từng nhân tố PCA_i đến biến phụ thuộc Y, với i = 0; 1;…;7

- Ɛ: Sai số ngẫu nhiên, đại diện cho các yếu tố khác không được đưa vào mô hình nhưng có thể ảnh hưởng đến biến phụ thuộc.

Bảng 5: Kết quả ước lượng hệ số hồi quy tuyến tính

a. Dependent Variable: Y

Nguồn: Tổng hợp từ mô hình

Kết quả nghiên cứu cho thấy, tất cả các hệ số của 7 nhân tố độc lập PAC_1, PAC_2, PAC_3, PAC_4, PAC_5, PAC_6, PAC_7 đều có Sig. 0 lại có sig. =1.0 >0.05 cho thấy, hệ số chặn không có ý nghĩa về mặt thống kê trong mô hình.

Tolerance = 1.00 và VIF = 1.00 đối với tất cả các biến độc lập, cho thấy không có hiện tượng đa cộng tuyến giữa các biến. Điều này hoàn toàn phù hợp bởi các nhân tố được trích xuất bằng PCA và sử dụng phép xoay trực giao là độc lập với nhau.

Bảng 6: Tóm tắt kết quả mô hình

Nguồn: Tổng hợp từ mô hình

Hệ số Durbin-Watson = 1.757 nằm trong khoảng từ 1.5 đến 2.5 cho thấy, không có hiện tượng tự tương quan trong phần dư , tức là các sai số trong mô hình là độc lập với nhau.

Hình 2: Biểu đồ kiểm định tính chuẩn của phần dư

Nguồn: Tổng hợp từ mô hình

Điều kiện về phân phối chuẩn của phần dư và phương sai sai số không đổi đều được kiểm định và thỏa mãn, vì vậy kết quả ước lượng mô hình là ước lượng không chệch, vững và tốt nhất về mối quan hệ giữa các biến.

Phương trình hồi quy thu được là:

R2 = 0.75 nghĩa là 75% phương sai của biến phụ thuộc Y được giải thích bởi 7 nhân tố độc lập PAC_1, PAC_2, PAC_3, PAC_4, PAC_5, PAC_6, PAC_7.

β1 = 0.565 cho biết khi PAC_1 tăng thêm 1 đơn vị, Y sẽ tăng trung bình 0.565 đơn vị khi giữ các biến khác không đổi. Đây là hệ số lớn nhất, cho thấy PAC_1 có tác động mạnh nhất đến biến phụ thuộc Y. Khẳng định 1 sự thay đổi làm tăng về hoạt động đào tạo, bồi dưỡng nhân lực tạo ra sự thay đổi lớn nhất về sự phù hợp của nhân lực với bối cảnh CĐS.

β2 = 0.433 cho biết khi PAC_2 tăng thêm 1 đơn vị, Y sẽ tăng trung bình 0.433 đơn vị khi giữ các biến khác không đổi. Có nghĩa là tác động của mức độ quan tâm của người đứng đầu đơn vị đối với CĐS đứng thứ hai và cũng có tác động mạnh tới sự phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS.

β3= 0.379 cho biết khi PAC_3 tăng thêm 1 đơn vị, Y sẽ tăng trung bình 0.378 đơn vị khi giữ các biến khác không đổi. Điều này cho thấy tác động của văn hoá tổ chức về CĐS yếu hơn so với PAC_1 và PAC_2 nhưng vẫn có tác động đáng kể.

β4 = 0.22 cho biết khi PAC_4 tăng thêm 1 đơn vị, Y sẽ tăng trung bình 0.233 đơn vị khi giữ các biến khác không đổi. Cho thấy nhận định của các đối tượng khảo sát cho rằng tác động của công tác tuyển dụng nhân lực đến sự phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS yếu hơn đáng kể so với các biến trên.

β5 = 0.168 và β7 = 0.154 cho biết PAC_5, PCA_7 có tác động tương đồng tới Y hay việc đánh giá nhân lực tại đơn vị và cơ cấu tổ chức của đơn vị đều có tác động nhỏ tới sự phù hợp của NNL ngành Tài chính trong bối cảnh CĐS.

β6 = 0.055 cho biết khi PAC_6 có tác động yếu tới biến phụ thuộc Y, khi các yếu tố khác không đổi, PCA_6 tăng 1 đơn vị chỉ tác động làm Y tăng trung bình 0.055 đơn vị. Có nghĩa là thù lao lao động được đánh giá có tác động không đáng kể đến sự phù hợp của NNL ngành Tài chính trong bối cảnh CĐS.

KẾT LUẬN VÀ KHUYẾN NGHỊ

Kết quả hồi quy tuyến tính cho thấy, cả 7 nhân tố được trích xuất từ phương pháp phân tích nhân tố khám phá (EFA) đều có ảnh hưởng đến mức độ phù hợp của nhân lực ngành Tài chính trong bối cảnh CĐS, trong đó các yếu tố liên quan đến đào tạo, sự quan tâm của lãnh đạo và văn hóa tổ chức có tác động mạnh mẽ hơn cả. Trên cơ sở đó, một số khuyến nghị chính sách sau đây được đề xuất nhằm nâng cao sự thích ứng và phát triển của đội ngũ nhân lực ngành Tài chính trong tiến trình CĐS.

Việc nâng cao chất lượng nhân lực ngành Tài chính là yếu tố then chốt thúc đẩy chuyển đổi số (CĐS), trong đó đào tạo và bồi dưỡng nhân lực đóng vai trò quan trọng nhất (β = 0.565). Các chương trình đào tạo cần tập trung vào công nghệ trọng điểm như FinTech, AI, Big Data, blockchain và an ninh mạng, với hình thức linh hoạt và sát thực tiễn. Đồng thời, cần hợp tác với các tổ chức đào tạo và doanh nghiệp để cập nhật nội dung theo xu thế công nghệ.

Bên cạnh đó, vai trò lãnh đạo có ảnh hưởng lớn (β = 0.433), đòi hỏi tổ chức các khóa đào tạo riêng cho lãnh đạo về tư duy số và quản trị thay đổi. Cần xây dựng cơ chế khen thưởng để thúc đẩy tinh thần đổi mới, tạo điều kiện cho việc ứng dụng công nghệ trong điều hành.

Văn hóa tổ chức hướng đến đổi mới cũng là yếu tố cần thiết (β = 0.379). Việc truyền thông nội bộ, khuyến khích sáng kiến và xây dựng môi trường học hỏi sẽ củng cố tinh thần CĐS trong toàn bộ đội ngũ.

Tuyển dụng nhân lực cần đổi mới để đáp ứng yêu cầu công nghệ (β = 0.22), thông qua việc xác lập tiêu chí mới, liên kết với cơ sở đào tạo và áp dụng chính sách đãi ngộ hấp dẫn nhằm thu hút nhân tài.

Dù có tác động thấp hơn, đánh giá nhân lực (β = 0.168) và tổ chức bộ máy (β = 0.154) vẫn quan trọng để nâng cao hiệu quả vận hành. Cần triển khai hệ thống đánh giá dựa trên năng lực số và điều chỉnh cơ cấu tổ chức theo hướng linh hoạt, phù hợp với môi trường số hóa.

Cuối cùng, yếu tố thù lao lao động tuy có ảnh hưởng hạn chế (β = 0.055), nhưng vẫn cần được quan tâm nhằm giữ chân nhân lực chất lượng cao, nhất là trong các vị trí công nghệ và sáng tạo.

Tài liệu tham khảo:

1. Lê Xuân Sang (2020). Rủi ro tài chính - ngân sách: Lý luận, thực tiễn và giải pháp chính sách cho Việt Nam, Nxb Khoa học xã hội.

2. Wernerfelt, B. (1984). A resource‐based view of the firm, Strategic Management Journal, 5(2), 171-180. https://doi.org/10.1002/smj.4250050207.

3. Teece, D. J., Pisano. G., & Shuen, A. (1997), Dynamic capabilities and strategic management, Strategic Management Journal, 18(7), 509-533. https://doi.org/10.1002/(SICI)1097-0266(199708)18:73.0.CO;2-Z.

4. Kristof, A. L. (1996). Person-organization fit: An integrative review of its conceptualizations, measurement, and implications, Personnel Psychology, 49(1), 1-49. https://doi.org/10.1111/j.1744-6570.1996.tb01790.x

5. George, D., & Mallery. P. (2010). SPSS for Windows step by step: A simple guide and reference, 17.0 update (10th ed.). Pearson.

6. Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.

7. Hair. J. F., Black, W.C., Babin, B. J and Anderson, R. E (2010), Multivariate data analysis (7th ed.), Pearson Education.

8. Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach’s alpha, International Journal of Medical Education, 2, 53-55. https://doi.org/10.5116/ijme.4dfb.8dfd