Nguồn: Tổng hợp kết quả từ phân tích SPSS và Amos 22

Đối tượng khảo sát cho nghiên cứu định tính là các chuyên gia, các nhà quản lý tại Ngân hàng TMCP Công Thương Việt Nam, Ngân hàng TMCP Đầu tư và phát triển Việt Nam, Ngân hàng TMCP Sài Gòn-Hà Nội, Ngân hàng TMCP Kỹ Thương Việt Nam, NHTM Cổ phần Hàng Hải Việt Nam. Đối tượng khảo sát của nghiên cứu định lượng là những nhà quản lý và người lao động. Theo Hair và các cộng sự (1998), quy tắc thông thường, kích thước mẫu phải lớn hơn hoặc bằng 100 và mẫu nhỏ nhất phải có tỷ lệ mong muốn và n = 5*k.

Trong nghiên cứu có 36 quan sát, do đó, mẫu tối thiểu là 36*5 = 168. Nghiên cứu định lượng tiến hành khảo sát 770 từ những nhà quản lý và người lao động. Tiếp cận đối tượng điều tra theo 2 cách: (i) Gửi phiếu khảo sát đã thiết kế trên Google doc; (ii) Gửi phiếu khảo sát. Sau khi thu về 689 phiếu, tác giả sàng lọc các phiếu trả lời, loại bỏ 51 phiếu không hợp lệ (do điền thiếu thông tin) còn lại 638 phiếu hợp lệ được sử dụng để nhập và xử lý dữ liệu.

Kết quả nghiên cứu

Đặc điểm của mẫu nghiên cứu

Trong 638 phiếu điều tra thu được từ 5 ngân hàng TMCP, điều tra có 60,65% là nữ giới 39,34% là nam giới; Về độ tuổi, đối tượng điều tra, chủ yếu có độ tuổi từ 35 - 45 tuổi chiếm 55,03%, còn độ tuổi từ 23 - 35 tuổi chiếm 36,28% còn lại và trên 45 tuổi. Về trình độ của đối tượng điều tra chủ yếu là đại học và trên đại học là 83,11%. Như vậy, phần lớn các đối tượng điều tra có trình độ để am hiểu sâu năng lực đổi mới sáng tạo của nhân viên trong môi trường số tại các ngân hàng TMCP Việt Nam; Về ví trí làm việc, kết quả điều tra cho thấy có 20,97% đối tượng trả lời là nhà quản lý và 79,03% trả lời là người lao động.

Kiểm định độ tin cậy của thang đo, EFA và CFA

Khi thực hiện đánh giá độ tin cậy của thang đo, cần thỏa mãn: Chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (dẫn theo Thọ và Trang, 2011); Độ tin cậy của các thang đo NLS, TK, DT, TC, CT, BV thỏa mãn yêu cầu sử dụng để phân tích nhân tố EFA sau khi loại bỏ NLS6, CT5, BV4 vì không thỏa mãn yêu cầu.

Hệ số KMO = 0,865> 0.5, Mức ý nghĩa sig = 0,000 < 0,05, Dữ liệu phù hợp phân tích nhân tố EFA, mức ý nghĩa sig <0,05 nên có thể nhận định rằng các biến quan sát có tương quan với nhau. Bên cạnh đó, các nhân tố đề xuất giải thích được 58,465% các biến với điểm dừng phương pháp được sử dụng với Eigenvalues đạt 3,176.

Kết quả phân tích CFA lần 2 cho thấy mô hình này có 270 bậc tự do. Kết quả cho thấy giá trị của các chỉ số Chi-bình phương = 537.254 với giá trị p=.000. Các chỉ tiêu khác: Chi-bình phương/df = 2.149, GFI, TLI, CFI đều cao hơn 0,9 (Bentler và Bonett, 1980), RMSEA = 0,047< 0,08 (Steiger, 1998), điều này có thể suy ra mô hình được xem là phù hợp với dữ liệu thị trường.

Kết quả phân tích mô hình SEM về trọng số hồi quy cho các yếu tố NLS, DT, TC, TK, BV, đều có ý nghĩa thống kê 5%. Tuy nhiên, trọng số hồi quy của CT lớn hơn 10% không thoả mãn yêu cầu. Như vậy, kết quả phân tích mô hình SEM cho thấy, có 3 nhân tố của trong quản trị nhân lực tác động đến năng lực đổi mới sáng tạo của nhân viên trong đó đào tạo và phát triển nhân lực có tác động mạnh nhất. Các yếu tố này đều có ý nghĩa thống kê ở độ tin cậy 95%. Bên cạnh đó, các nhân tố này đã giải thích được 58% biến thiên của biến phụ thuộc.

Thảo luận kết quả nghiên cứu và hàm ý một số giải pháp

Từ phương trình hồi quy tuyến tính tác động của chuyển đổi số trong quản trị nhân lực đến năng lực đổi mới sáng tạo của nhân viên có thể thấy, chuyển đổi số trong đào tạo và phát triển nhân lực, chuyển đổi số trong đánh giá và đãi ngộ nhân lực, chuyển đổi số trong thiết kế công việc và tuyển dụng nhân lực là các nhân tố ảnh hưởng có ý nghĩa tới năng lực đổi mới sáng tạo của nhân viên trong môi trường số tại các ngân hàng TMCP Việt Nam. Trong đó, nhân tố đào tạo và phát triển nhân lực có tác động mạnh nhất với trọng số hồi quy chuẩn hóa là 0,453, kế đến là 2 nhân tố trong đánh giá và đãi ngộ nhân lực, tuyển dụng nhân lực với trọng số hồi chuẩn hóa lần lượt là 0,367; 0,249. 05 giả thuyết từ đến H5 được chấp nhận còn H6 bị loại bỏ. Một số giải pháp hàng thúc đẩy quản trị nhân lực, đi đôi với nâng cao năng lực đổi mới sáng tạo của nhân viên trong môi trường số như:

Chuyển đổi số trong thiết kế công việc và tuyển dụng nhân lực

Thiết kế công việc dựa trên khung năng lực đổi mới sáng tạo trong môi trường số: Chuyển đổi số trong thiết kế công việc theo khung năng lực đổi mới sáng tạo gồm 7 nhóm năng lực: (i) Cải tiến hiệu quả vận hành thiết bị và phần mềm; (ii) Tối ưu hoá khai thác thông tin và dữ liệu; (iii) Đổi mới giao tiếp và hợp tác trong môi trường số; (iv) Cải tiến an toàn và an sinh số; (v) Sáng tạo nội dung số; (vi) Sáng tạo cách thức tập và phát triển kỹ năng; (vii) Giải pháp sử dụng năng lực số cho nghề nghiệp.

Ứng dụng Bigdata và gamification trong tuyển dụng nhân lực: Big Data cung cấp cho tuyển dụng viên tại các ngân hàng TMCP Việt Nam thấy được bức tranh toàn cảnh về nhu cầu, và định hướng phát triển của những ứng viên cả trước và sau tuyển dụng.

Chuyển đổi số trong đào tạo và phát triển nhân lực

Kết quả mô hình SEM cho thấy, đào tạo và phát triển nhân lực có tác động mạnh nhất (0,453) đến năng lực đổi mới sáng tạo của nhân viên trong môi trường số. Do đó, các ngân hàng TMCP cần xây dựng hệ thống đào tạo trực tuyến mở về kỹ năng chuyển đổi số; Đa dạng hoá các phương pháp đào tạo làm cho người học có trải nghiệm thú vị trong học tập.

Chuyển đổi số trong đánh giá và đãi ngộ nhân lực hiệu quả

Chuyển đổi số trong đánh giá thực hiện công việc: Với lợi thế hạ tầng và công nghệ cao sẵn có và chiến lược chuyển đổi số toàn diện, một số ngân hàng nên áp dụng mô hình chuyển đổi linh hoạt tổ chức Agile trong chiến lược để chuyển đổi số thành công và khẳng định thương hiệu trên thị trường. Cụ thể như như Jira, Confluence, Msteam, Bitrix 24...

Chấm công bảng Face ID: Phần mềm sẽ tự động chấm điểm trùng khớp gương mặt trên hệ thống máy chủ và gương mặt selfie qua hệ thống máy học hiện đại, hệ thống AI.

Thúc đẩy năng lực đổi mới sáng tạo trong sử dụng AI nhằm tăng cường lợi thế cạnh tranh và phát triển bền vững

Các ngân hàng TMCP ở Việt Nam cần khai thác sức mạnh của AI để xử lý và phân tích khối lượng dữ liệu lớn khổng lồ này nhằm trích xuất thông tin chi tiết có thể hành động và cung cấp trải nghiệm khách hàng tốt hơn, cải thiện hoạt động và tăng doanh thu thông qua các sản phẩm và dịch vụ mới gia tăng lợi thế cạnh tranh. Với khả năng giúp quản lý, tối ưu hóa, trợ lý ảo và Robot tự động hoá quy trình (RPA) là những minh chứng về các trường hợp sử dụng mà AI đã tác động đến Ngành, nâng cao trải nghiệm khách hàng và giá trị gia tăng cho ngân hàng.

Tài liệu tham khảo:

1. Ali et al (2017). Mediating role of employee relations climate between strategic-HRM and organizational performance: An empirical study of Chinese banking sector. Journal of Innovation và Knowledge;
2. Asif, M., Zhiyong, D., Faiz Rasool, S., và Aftab Madni, M. (2019). Analysis of Motivation Level of L2 Learners in Enhancing Speaking Skill. European Online Journal of Natural and Social Sciences, 8(3),pp. 584-593;
3. Boselie, P., Dietz, G., và Boon, C. (2005). Commonalities and contradictions in HRM and performance research. Human resource management journal, 15(3), 67-94;
4. Samma Faiz Rasool et al (2019), Pharmaceutical Lemons: Innovation and Regulation in the Drug Industry, Michigan Telecommunications and Technology Law Review, Vol. 14, No. 1, pp. 1-41, 2007;
5. Sarah Talal Saleem và Ahmad Adeel (2016), Strategic Human Resource Management and Employee Creativity: The Role of Leadership Style and Knowledge Management Capacity, Information and Knowledge Management www.iiste.org.