📅 22/03/2026 ✍️ Triều Đặng · Middle Data Analyst ⏱ 20 phút đọc
Bài viết này hướng dẫn xây Power BI Wealth Management Dashboard từ thực tế. Không phải tutorial kéo thả. Đây là góc nhìn của người đã làm việc thật với Wealth Management team.
Bạn sẽ học được 4 thứ cụ thể. Thứ nhất là Star Schema cho Financial Data. Thứ hai là DAX measures cốt lõi. Thứ ba là cách đọc dashboard đúng cách. Thứ tư là 5 insight ẩn mà số liệu không tự nói ra.
- Wealth Management cần gì từ một DA?
- Data Model — Star Schema cho Financial Data
- Các KPI cốt lõi trong Wealth Management
- DAX — Ngôn ngữ của Power BI Financial Dashboard
- Dashboard thực tế — KPIs & Visualizations
- Đọc dashboard: 5 insight không hiển thị trên màn hình
- Khi nào dashboard tốt vẫn vô dụng?
- Insights thực chiến từ dữ liệu
- Kết luận
1. Wealth Management cần gì từ một DA?
Trước khi mở Power BI, hãy đặt câu hỏi đúng trước. Business đang cần biết điều gì?
Wealth Management là ngành quản lý tài sản. Mỗi con số gắn với tiền thật của khách hàng. Vì vậy, một Relationship Manager cần trả lời 4 câu hỏi cụ thể.
Câu hỏi 1: Tài sản tăng hay giảm vì lý do gì? AUM tăng vì thị trường lên khác hoàn toàn với AUM tăng vì thu hút tiền mới. Hai trường hợp này cần giải pháp khác nhau.
Câu hỏi 2: Portfolio có đang outperform không? Return cao chưa đủ. Return đó phải xứng đáng với rủi ro đã chấp nhận.
Câu hỏi 3: Khách hàng nào sắp rời bỏ? Mất một Ultra HNW client là mất $180K+ revenue mỗi năm. Phát hiện sớm là yếu tố sống còn.
Câu hỏi 4: Revenue đến từ đâu? Nếu 80% revenue phụ thuộc AUM thì bear market là rủi ro kinh doanh nghiêm trọng.
2. Data Model — Star Schema cho Financial Data
Data Model sai thì mọi thứ về sau đều sai. Đây là bước hầu hết tutorial bỏ qua. Trong thực tế, 60% thời gian DA nằm ở đây.
Vì vậy, đây là cấu trúc Star Schema chuẩn cho Power BI Wealth Management Dashboard.
| Table | Loại | Mô tả | Key Fields |
|---|---|---|---|
| FactTransaction | Fact | Mọi giao dịch tài chính | TransactionID, ClientID, AssetID, DateID, Amount, TxType |
| DimClient | Dim | Thông tin khách hàng | ClientID, Segment, RiskProfile, RM_ID, Region |
| DimAsset | Dim | Danh mục tài sản | AssetID, AssetClass, Sector, Currency, LiquidityTier |
| DimDate | Dim | Bảng lịch | DateID, Date, Month, Quarter, Year, IsMarketDay |
| DimRiskProfile | Dim | Hồ sơ rủi ro | ProfileID, MaxEquityPct, TargetReturn, MaxDrawdown |
3. Các KPI cốt lõi trong Wealth Management
AUM — Assets Under Management
Đây là KPI số một. AUM dùng để tính management fee từ 0.5 đến 2% mỗi năm. Quan trọng là phải tách AUM growth thành Net New Money và Market Return. Hai con số này kể hai câu chuyện khác nhau.
Sharpe Ratio
Metric này quan trọng hơn raw return. Nó đo lường chất lượng của return, không chỉ số lượng.
- Sharpe > 1.0 là tốt
- Sharpe > 2.0 là xuất sắc
- Rf = Risk-free rate
- σp = Độ lệch chuẩn của portfolio
CÔNG THỨC
S = (Rp − Rf) / σp
“Return cao chưa đủ — phải xứng đáng với rủi ro.”
Alpha
Alpha là phần return vượt trội so với kỳ vọng CAPM. Alpha dương nghĩa là portfolio manager tạo ra giá trị thực. Không phải chỉ chịu thêm rủi ro.
- Alpha > 0: Manager tạo ra giá trị thực
- Alpha = 0: Đúng theo kỳ vọng thị trường
- Alpha < 0: Underperform sau khi điều chỉnh rủi ro
CÔNG THỨC
α = Rp − [Rf + β(Rm − Rf)]
“Alpha dương = skill thật, không phải may mắn.”
Maximum Drawdown
Đây là phần trăm sụt giảm lớn nhất từ đỉnh xuống đáy. Với HNW clients, đây là metric downside risk quan trọng nhất.
- Cần giữ < 15% với hầu hết risk profiles
- Ultra HNW thường yêu cầu < 10%
- Breach ngưỡng = trigger review ngay
CÔNG THỨC
MDD = (Trough − Peak) / Peak
“Đo lường nỗi đau tệ nhất mà investor phải chịu.”
Net New Money & CLV
NNM cho biết tiền thật đang vào hay ra. CLV cho biết giá trị lâu dài của từng client segment.
- NNM dương = đang thu hút tiền mới
- NNM âm = đang mất tiền dù AUM tăng
- Ultra HNW CLV gấp 100 lần Mass Market
CÔNG THỨC
NNM = Inflows − Outflows
CLV = (AUM × Fee) / Churn
“Không tính market return trong NNM.”
| Segment | AUM | Clients | Revenue/yr | Churn | CLV |
|---|---|---|---|---|---|
| Ultra HNW | $890M | 42 | $17.8M | 8% | $445K |
| HNW | $654M | 187 | $9.8M | 14% | $74K |
| Affluent | $423M | 531 | $4.2M | 22% | $11K |
| Mass Market | $233M | 1,240 | $1.2M | 31% | $2K |
| TOTAL | $2,200M | 2,000 | $33M | — | — |
4. DAX — Ngôn ngữ của Power BI Financial Dashboard
DAX là thứ phân biệt Power BI report bình thường với Financial Analytics Dashboard thực sự. Dưới đây là 4 measure nền tảng nhất.
AUM Growth Month-over-Month
Total AUM = SUMX(FactTransaction, FactTransaction[Amount])
AUM Growth MoM % =
VAR CurrentAUM = [Total AUM]
VAR PrevAUM =
CALCULATE([Total AUM], DATEADD(DimDate[Date], -1, MONTH))
RETURN
DIVIDE(CurrentAUM - PrevAUM, PrevAUM, 0)
Sharpe Ratio (DAX)
Sharpe Ratio =
VAR Rf = LOOKUPVALUE(DimParameters[Value], DimParameters[Key], "RiskFreeRate")
VAR Volatility =
STDEVX.P(ADDCOLUMNS(VALUES(DimDate[Date]),"R",[Daily Return]),[R]) * SQRT(252)
RETURN DIVIDE([Annualized Return %] - Rf, Volatility, BLANK())
Max Drawdown & Net New Money (DAX)
Max Drawdown =
VAR Peak = CALCULATE(MAX([Total AUM]),
FILTER(ALL(DimDate), DimDate[Date] <= MAX(DimDate[Date])))
RETURN DIVIDE([Total AUM] - Peak, Peak, 0)
Net New Money =
VAR In = CALCULATE([Total AUM], FactTransaction[TxType]="DEPOSIT")
VAR Out = CALCULATE([Total AUM], FactTransaction[TxType]="WITHDRAWAL")
RETURN In - Out
5. Dashboard thực tế — KPIs & Visualizations
Đây là cấu trúc Power BI Wealth Management Dashboard thực tế, tổ chức theo 3 tầng.
💼 WEALTH ANALYTICS DASHBOARD — FY 2025
Last updated: 31 Dec 2025
▌ TẦNG 1 — KPI OVERVIEW
▌ TẦNG 2 — RISK METRICS
| METRIC | VALUE | TARGET | STATUS |
|---|---|---|---|
| Sharpe Ratio | 1.42 | > 1.0 | ✓ Good |
| Alpha (Ann.) | +5.8% | > 0% | ✓ Good |
| Beta | 0.87 | 0.7–1.1 | ✓ Good |
| Volatility | 11.2% | < 15% | ● Watch |
| Max Drawdown | −8.4% | < −15% | ✓ Safe |
| Info Ratio | 0.68 | > 0.5 | ● Watch |
6. Đọc dashboard: 5 insight không hiển thị trên màn hình
Dashboard đang hiển thị kết quả tốt. AUM tăng, Sharpe ổn, alpha dương. Tuy nhiên, người biết đọc sẽ thấy 5 điều ẩn phía sau.
INSIGHT 01 — AUM tăng 81.7% nhưng tháng 8 kể câu chuyện khác
Tháng 8, AUM giảm từ $1.74B xuống $1.69B. Net Inflow vẫn dương (+$20M). Tuy nhiên, market correction kéo danh mục xuống ~$70M. Kết quả là thị trường lấy đi nhiều hơn khách hàng mang vào.
💼 Recommendation: Build AUM Waterfall Chart. Dùng cột xanh = NNM, cột xám = Market Return, cột đỏ = Withdrawals.
INSIGHT 02 — Asset Allocation: hai deviation nhỏ, một quyết định lớn
Portfolio underweight Equities −5% và overweight Real Estate +5%. Đây là kết quả của tactical allocation chủ động. Ngoài ra, overweight Real Estate trong năm lãi suất ổn định có thể là nguồn chính của excess return.
💼 Recommendation: Dùng Brinson-Hood-Beebower Attribution để tách alpha thành Allocation Effect, Selection Effect và Interaction Effect.
INSIGHT 03 — Tháng 2 underperform: dấu hiệu tốt bị đọc sai
Tháng 2 là tháng duy nhất portfolio underperform (−1.2% vs −0.9%). Beta = 0.87 nghĩa là portfolio được thiết kế để bảo vệ downside. Tháng 2 xảy ra correlation breakdown. Cả equities lẫn bonds giảm đồng thời. Do đó, đây là giới hạn cấu trúc, không phải lỗi quản lý.
💼 Recommendation: Thêm Correlation Heatmap theo tháng. Tự động flag khi correlation breakdown xảy ra.
INSIGHT 04 — Revenue: stress test ẩn trong con số 80%
Management fee (62%) cộng Performance fee (18%) = 80% revenue phụ thuộc AUM. Giả sử market drawdown 30%, management fee giảm 30% và performance fee về $0. Tổng revenue giảm ~38%.
Advisory fee (12%) là phần duy nhất ổn định. Vì vậy, tăng tỷ trọng fee-for-advice là hướng đi đúng.
💼 Recommendation: Thêm What-If Parameter ‘Market Decline %’ từ 0% đến −50%.
INSIGHT 05 — Q2 churn cao nhất: đừng đọc headcount một mình
Q2 có 11 clients churned. Q3 chỉ có 6. Tuy nhiên, headcount churn là metric nguy hiểm nếu dùng một mình. 11 Mass Market clients mất ~$2M AUM. Ngược lại, 2 Ultra HNW clients mất có thể là $40M+.
💼 Recommendation: Tính Churn Risk Score 0–100 per client. Alert RM khi score > 70.
7. Khi nào dashboard tốt vẫn vô dụng?
Nhiều DA rơi vào cái bẫy này. Họ build dashboard hoàn hảo về kỹ thuật. Nhưng không ai dùng.
Nguyên nhân 1: Dashboard trả lời câu hỏi business không hỏi. RM chỉ cần biết client nào sắp churn. Nhưng dashboard show mọi thứ từ Sharpe Ratio đến Herfindahl Index. Kết quả là họ không mở nó.
Nguyên nhân 2: Dashboard đúng nhưng đến trễ. Báo cáo monthly AUM trong thế giới market move hàng ngày là báo cáo lịch sử. Nó không phải công cụ ra quyết định.
Nguyên nhân 3: Dashboard không có action trigger. Một Power BI dashboard tốt phải có conditional formatting, alert threshold và recommendation rõ ràng.
Dashboard không phải nơi chứa dữ liệu. Nó là nơi kích hoạt hành động.
8. Insights thực chiến từ dữ liệu
DA giỏi không chỉ build Power BI Wealth Management Dashboard. Họ đọc được câu chuyện trong số liệu. Sau đó chuyển nó thành quyết định kinh doanh.
AUM tăng không có nghĩa là kinh doanh tốt
AUM tăng 20% nhưng toàn bộ từ market appreciation và NNM âm. Khi đó firm đang mất khách hàng ròng. Thị trường đang che khuất vấn đề. Vì vậy, luôn tách hai components này trước khi báo cáo.
Concentration risk thường bị underestimate
Hầu hết firms có 20–30% AUM tập trung ở top 5–10 clients. Mất một client lớn gây thiệt hại hơn toàn bộ Mass Market churn trong cả năm. Ngoài ra, dashboard cần HHI để đo concentration risk.
Alpha cần kiểm định thống kê
Portfolio outperform 8/12 tháng. Alpha này có phải skill không? Câu trả lời nằm ở p-value của t-test. Với dưới 24 tháng data, hầu hết alpha claims chưa đủ statistical significance.
Revenue mix là risk indicator bị bỏ qua
80% revenue từ management fee gây double impact trong bear market. Do đó, stress test với AUM giảm 30–40% là bài toán FP&A quan trọng. DA có thể giúp CFO bằng What-If Parameter trong Power BI.
Xem thêm các bài viết về Power BI và Data Analytics tại MCNA để nắm thêm kiến thức thực chiến.
Tham khảo thêm tại Microsoft DAX Reference để hiểu sâu hơn các hàm DAX trong Power BI.
9. Kết luận
Financial Analytics Dashboard không phải bài toán Power BI.
Nó là bài toán hiểu domain đủ sâu. Phải biết câu hỏi đúng cần trả lời. Sau đó mới dùng Power BI để trả lời nó.
Star Schema, DAX measures và visualization technique đều là công cụ. Công cụ tốt trong tay người không hiểu business vẫn cho ra dashboard vô dụng.
DA làm Financial domain không hỏi: “Tôi nên dùng chart gì?”
Mà hỏi: “Quyết định nào sẽ được đưa ra từ dashboard này?”
Đó là điểm khởi đầu đúng.
Bài tiếp theo: Advanced DAX Patterns — Running totals, High-Water Mark, Rolling Windows và RANKX cho client ranking.
👉 Author: Trieu Dang
Middle Data Analyst · MCNA Technology School
👉 Để học Machine Learning thực tế (feature engineering, regularization, deployment), tham khảo:
Khóa học Python & Machine Learning – Từ Zero đến Hero tại MCNA
Tập trung vào xây dựng và vận hành mô hình ML trong production.
🎓 MCNA Technology School
Tiên phong đào tạo AI, Big Data, Business Intelligence, Power BI, Python, SQL, Excel, VBA, RPA tại Việt Nam.
💼 Đối tác đào tạo 300+ doanh nghiệp: Viettel Global, Masan Group, Techcombank, VPBank, Daikin, VTV, VinUni, ĐH Ngoại Thương…
🌐 Tìm hiểu thêm
🔗 https://mcna.vn
📘 facebook.com/mcnatechnologyschool
👥 facebook.com/groups/DataAnalyticsVietnam
▶️ youtube.com/@mcna.technology.school
💼 linkedin.com/company/mcna-vn
📞 Hotline
0939.866.825 (Mr. Minh Khang)
🏢 Cơ sở
📍 30 Trung Liệt, Đống Đa, Hà Nội
📍 Liền kề 44B, TT2, Văn Quán, Hà Đông, Hà Nội
📍 The BIB Space, 50B Phan Tây Hồ, Cầu Kiệu, HCMC
📌 Theo dõi MCNA để không bỏ lỡ tài liệu, sự kiện & khóa học về Data & AI.
🔗 Bài viết liên quan
