Biểu Diễn Trực Quan Dữ Liệu Kinh Doanh Cửa Hàng Bán Lẻ Trực Tuyến

Khám phá cách biểu diễn trực quan dữ liệu kinh doanh hiệu quả cho cửa hàng bán lẻ trực tuyến, tối ưu hóa quyết định và tăng trưởng doanh thu.

• Đề tài: Biểu Diễn Trực Quan Dữ Liệu Kinh Doanh Cho Cửa Hàng Bán Lẻ Trực Tuyến

Mục lục chi tiết

• MỤC LỤC HÌNH ẢNH
• LỜI CẢM ƠN
• 1. Chương 1: Tổng Quan Đề Tài
• 1.1. Giới thiệu đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Phương pháp nghiên cứu
• 1.4. Tài nguyên sử dụng
• 2. Chương 2: Tổng Quan Bộ Dữ Liệu
• 2.1. Tổng quan bộ dữ liệu thu thập
• 2.2. Các thuộc tính của bộ dữ liệu
• 3. Chương 3: Tiền xử lý dữ liệu
• 3.1. Exploratory Data Analysis (EDA)
• 3.1.1. Tổng quan bộ dữ liệu nguyên bản
• 3.1.2. Biểu diễn dữ liệu nguyên bản
• 3.2. Xử lý dữ liệu bị thiếu (Missing Values)
• 3.3. Xử lý outliers của các biến định lượng
• 3.3.1. Xử lý biến Description
• 4. Chương 4: Phân Tích Dữ Liệu
• 5. Chương 5: Machine Learning
• 6. CHƯƠNG 6: KIỂM ĐỊNH VÀ GIẢM CHIỀU DỮ LIỆU
• 7. CHƯƠNG 7: KẾT LUẬN
• Tài Liệu Tham Khảo
• Bảng phân công

Tóm tắt

I. Cách biểu diễn trực quan dữ liệu thay đổi bán lẻ trực tuyến

Trong bối cảnh cách mạng công nghiệp 4.0, trực quan hóa dữ liệu đã trở thành một công cụ không thể thiếu, đặc biệt với các cửa hàng bán lẻ trực tuyến. Việc chuyển đổi các tập số liệu thương mại điện tử thô thành các biểu đồ, đồ thị và dashboard báo cáo kinh doanh sinh động giúp doanh nghiệp nắm bắt thông tin nhanh chóng và chính xác. Thay vì đọc qua hàng ngàn dòng dữ liệu, các nhà quản lý có thể nhìn thấy ngay các xu hướng, mẫu hình và những điểm bất thường. Điều này tạo nền tảng cho việc ra quyết định dựa trên dữ liệu (data-driven decision making), một yếu tố sống còn trong môi trường cạnh tranh khốc liệt. Nghiên cứu của Đại học Kinh tế TP.HCM về bộ dữ liệu "Online Retails Sale Data" đã khẳng định mục tiêu của việc này là "giúp các nhà đầu tư, khách hàng nhìn nhận, thấy được đúng các vấn đề, các insight". Quá trình này không chỉ đơn thuần là vẽ biểu đồ, mà là một phương pháp khoa học để khai thác tri thức ẩn sâu trong dữ liệu, từ đó tối ưu hóa tỷ lệ chuyển đổi và nâng cao hiệu quả hoạt động. Năng lực biến dữ liệu thành câu chuyện trực quan chính là lợi thế cạnh tranh, giúp doanh nghiệp phản ứng linh hoạt với sự thay đổi của thị trường và nhu cầu của khách hàng.

1.1. Khai phá sức mạnh của trực quan hóa dữ liệu kinh doanh

Trực quan hóa dữ liệu kinh doanh là quá trình sử dụng các yếu tố hình ảnh như biểu đồ, đồ thị và bản đồ để cung cấp một cách dễ hiểu về các xu hướng, các điểm ngoại lai và các mẫu trong dữ liệu. Trong lĩnh vực bán lẻ trực tuyến, nơi dữ liệu được tạo ra liên tục từ mỗi cú nhấp chuột, mỗi giao dịch, thì đây là một công cụ cực kỳ mạnh mẽ. Nó giúp chuyển hóa các bảng tính phức tạp về doanh thu, tồn kho, và hành vi người dùng thành những insight hành động được. Ví dụ, một biểu đồ đường có thể cho thấy xu hướng phân tích doanh thu theo thời gian, trong khi bản đồ nhiệt có thể chỉ ra các khu vực địa lý có lượng mua hàng cao nhất. Việc này giúp doanh nghiệp không bị "ngộp" trong biển dữ liệu mà có thể tập trung vào những thông tin quan trọng nhất để cải thiện chiến lược.

1.2. Mục tiêu cốt lõi của việc phân tích dữ liệu bán lẻ

Mục tiêu chính của phân tích dữ liệu bán lẻ là tìm ra các insight có giá trị để cải thiện hiệu quả kinh doanh. Theo đề tài nghiên cứu được phân tích, các mục tiêu cụ thể bao gồm: "tìm ra các sản phẩm có khả năng thường xuyên được bán cùng nhau, chuỗi thời gian bán hàng tiềm năng, phân khúc khách hàng theo vị trí địa lý và hành vi mua hàng". Việc xác định các sản phẩm thường được mua chung (thông qua phân tích giỏ hàng) có thể thúc đẩy chiến lược bán chéo (cross-selling). Hiểu được chuỗi thời gian bán hàng giúp tối ưu hóa các chiến dịch quảng cáo theo mùa. Phân khúc khách hàng cho phép các hoạt động marketing được cá nhân hóa, từ đó tăng cường sự gắn kết và tối ưu hóa tỷ lệ chuyển đổi. Cuối cùng, tất cả các mục tiêu này đều hướng đến việc tăng doanh thu và lợi nhuận một cách bền vững.

II. Thách thức khi phân tích số liệu thương mại điện tử thô

Dữ liệu thô, dù là tài sản quý giá, nhưng cũng ẩn chứa nhiều thách thức lớn. Trước khi có thể tiến hành trực quan hóa dữ liệu, doanh nghiệp phải đối mặt với các vấn đề về chất lượng và tính toàn vẹn của dữ liệu. Dữ liệu có thể bị thiếu, không nhất quán, hoặc chứa các giá trị ngoại lai (outliers) làm sai lệch kết quả phân tích. Ví dụ, một lỗi nhập liệu có thể tạo ra một đơn hàng với số lượng sản phẩm cao bất thường, nếu không được xử lý, nó sẽ làm méo mó các chỉ số trung bình và tổng hợp. Theo nghiên cứu trên bộ dữ liệu bán lẻ, quá trình tiền xử lý dữ liệu là cực kỳ quan trọng, bao gồm "Xử lý dữ liệu bị thiếu (Missing Values)" và "Xử lý outliers của các biến định lượng". Việc bỏ qua giai đoạn này có thể dẫn đến những kết luận sai lầm, khiến các chiến lược kinh doanh được xây dựng trên một nền tảng không vững chắc. Do đó, việc làm sạch và chuẩn hóa dữ liệu là bước đầu tiên và bắt buộc để đảm bảo mọi báo cáo hiệu suất kinh doanh sau này đều chính xác và đáng tin cậy.

2.1. Rủi ro từ giá trị thiếu và dữ liệu ngoại lai outliers

Giá trị thiếu và dữ liệu ngoại lai là hai trong số những vấn đề phổ biến nhất. Nghiên cứu điển hình trên bộ dữ liệu "Online Retails Sale Data" cho thấy cột CustomerID có tới 135,080 giá trị thiếu, chiếm gần 25% tổng dữ liệu. Nếu không xử lý, doanh nghiệp sẽ không thể thực hiện các phân tích sâu về phân tích hành vi khách hàng trung thành. Tương tự, dữ liệu ngoại lai, như được minh họa qua các biểu đồ Box Plot cho biến TotalSale và Quantity trong tài liệu, có thể ảnh hưởng nghiêm trọng đến các giá trị thống kê như trung bình và độ lệch chuẩn. Việc loại bỏ hoặc điều chỉnh các điểm dữ liệu này là cần thiết để có được một cái nhìn chính xác về hoạt động kinh doanh thông thường, tránh để những trường hợp cá biệt ảnh hưởng đến quyết định chung.

2.2. Khó khăn trong việc xác định các chỉ số KPI bán lẻ phù hợp

Một thách thức khác là lựa chọn đúng các chỉ số KPI cho bán lẻ trực tuyến để theo dõi. Doanh nghiệp có thể bị choáng ngợp trước vô số chỉ số có thể đo lường: tỷ lệ chuyển đổi, giá trị đơn hàng trung bình (AOV), chi phí thu hút khách hàng (CAC), tỷ lệ khách hàng quay lại, v.v. Việc lựa chọn sai KPI có thể dẫn đến việc tập trung nguồn lực vào những lĩnh vực không mang lại hiệu quả cao nhất. Ví dụ, chỉ tập trung vào tổng doanh thu mà bỏ qua lợi nhuận ròng hoặc chi phí marketing có thể vẽ nên một bức tranh không hoàn chỉnh về sức khỏe tài chính của doanh nghiệp. Do đó, việc xác định một bộ KPI phù hợp với mục tiêu kinh doanh cụ thể là một bước chiến lược quan trọng trước khi xây dựng bất kỳ dashboard báo cáo kinh doanh nào.

III. Hướng dẫn phân tích dữ liệu khám phá EDA cho E commerce

Phân tích dữ liệu khám phá (Exploratory Data Analysis - EDA) là bước nền tảng để thấu hiểu bộ dữ liệu trước khi đi vào mô hình hóa phức tạp. Mục tiêu của EDA, như được mô tả trong tài liệu nghiên cứu, là "sử dụng các biểu đồ vẽ nhằm tương quan cũng như làm rõ mục đích nghiên cứu đề tài". Đây là quá trình "trò chuyện" với dữ liệu, đặt ra các câu hỏi và tìm kiếm câu trả lời thông qua các phương pháp trực quan. Bằng cách sử dụng các biểu đồ như Scatter plot, Heat map hay Box plot, các nhà phân tích có thể nhanh chóng nhận diện mối quan hệ giữa các biến số, ví dụ như mối tương quan giữa giá sản phẩm (UnitPrice) và số lượng bán ra (Quantity). Quá trình này giúp phát hiện sớm các vấn đề như dữ liệu ngoại lai đã đề cập, đồng thời định hình các giả thuyết ban đầu cho việc phân tích sâu hơn. EDA không chỉ là một bước kỹ thuật, mà còn là một nghệ thuật khám phá, giúp biến dữ liệu thô thành những câu chuyện có ý nghĩa, làm tiền đề cho một hệ thống Business Intelligence cho E-commerce vững chắc.

3.1. Sử dụng biểu đồ để nhận diện tương quan và xu hướng

Các loại biểu đồ khác nhau phục vụ các mục đích khác nhau trong EDA. Tài liệu nghiên cứu đã ứng dụng hiệu quả nhiều loại biểu đồ. Biểu đồ Scatter plot và Heat map được dùng để "biểu diễn mối tương quan giữa các biến". Chẳng hạn, một Heat map có thể nhanh chóng chỉ ra rằng TotalSale có tương quan dương mạnh mẽ với Quantity, một điều hiển nhiên nhưng cần được xác nhận bằng dữ liệu. Biểu đồ thanh (Bar chart) được dùng để so sánh số lượng đơn hàng theo tháng hoặc theo mùa, giúp nhận diện tính thời vụ của sản phẩm. Biểu đồ đường (Line chart) lại rất hữu ích trong việc theo dõi xu hướng phân tích doanh thu qua các năm. Việc lựa chọn và sử dụng đúng loại biểu đồ là chìa khóa để khai thác tối đa thông tin từ dữ liệu.

3.2. Tiền xử lý dữ liệu Nền tảng cho báo cáo chính xác

Tiền xử lý là một phần không thể tách rời của EDA. Sau khi khám phá và phát hiện các vấn đề, bước tiếp theo là làm sạch chúng. Như đã phân tích, việc xử lý các giá trị thiếu ở cột CustomerID và các giá trị ngoại lai ở Quantity và TotalSale là bắt buộc. Phương pháp xử lý có thể là loại bỏ các dòng dữ liệu không hợp lệ, hoặc thay thế các giá trị thiếu bằng một giá trị ước tính (ví dụ: trung bình, trung vị). Đối với outliers, có thể giới hạn giá trị của chúng trong một khoảng tin cậy nhất định. Quá trình này đảm bảo rằng bộ dữ liệu được sử dụng cho các phân tích và báo cáo hiệu suất kinh doanh sau này là sạch sẽ, nhất quán và phản ánh đúng thực tế, từ đó giúp việc ra quyết định dựa trên dữ liệu trở nên đáng tin cậy hơn.

IV. Bí quyết xây dựng Dashboard báo cáo kinh doanh hiệu quả nhất

Một dashboard báo cáo kinh doanh hiệu quả không chỉ là một tập hợp các biểu đồ đẹp mắt. Nó phải là một công cụ chiến lược, cung cấp cái nhìn tổng quan 360 độ về hoạt động của cửa hàng bán lẻ trực tuyến. Bí quyết nằm ở việc thiết kế dashboard tập trung vào các chỉ số KPI cho bán lẻ trực tuyến quan trọng nhất và trình bày chúng một cách logic, dễ hiểu. Dashboard nên được cấu trúc để trả lời các câu hỏi kinh doanh cốt lõi: Tình hình doanh thu ra sao? Kênh marketing nào hiệu quả nhất? Khách hàng đang mua gì? Một dashboard tốt phải có khả năng tương tác, cho phép người dùng lọc dữ liệu theo thời gian, theo sản phẩm, hoặc theo phân khúc khách hàng để tự mình khám phá sâu hơn. Việc tích hợp các phân tích nâng cao như phân tích giỏ hàng hay phân tích RFM (Recency, Frequency, Monetary) ngay trên dashboard sẽ cung cấp những insight đắt giá, hỗ trợ tối ưu hóa tỷ lệ chuyển đổi và các chiến dịch marketing một cách trực tiếp. Đây chính là bản chất của một hệ thống data-driven retail hiện đại.

4.1. Lựa chọn biểu đồ phù hợp cho phân tích doanh thu

Việc lựa chọn biểu đồ quyết định tính hiệu quả của dashboard. Đối với phân tích doanh thu, biểu đồ đường (Line chart) là lựa chọn lý tưởng để thể hiện xu hướng theo thời gian (ngày, tháng, quý). Biểu đồ cột (Bar chart) rất tốt để so sánh doanh thu giữa các danh mục sản phẩm hoặc các khu vực địa lý. Biểu đồ tròn (Pie chart) hoặc biểu đồ cây (Treemap) có thể được sử dụng để hiển thị tỷ trọng đóng góp doanh thu của từng sản phẩm. Trong nghiên cứu, biểu đồ thanh kết hợp đường được sử dụng thông minh để "biểu diễn tổng doanh thu và tổng lượng hàng bán ra theo các tháng", cho phép so sánh hai chỉ số quan trọng trên cùng một chế độ xem.

4.2. Trực quan hóa dữ liệu tồn kho và hành vi khách hàng

Bên cạnh doanh thu, một dashboard toàn diện cần có các khu vực dành riêng cho quản lý kho và phân tích hành vi khách hàng. Một dashboard quản lý kho có thể sử dụng các chỉ báo (gauges) hoặc thẻ điểm (scorecards) để hiển thị mức tồn kho hiện tại, các sản phẩm sắp hết hàng, và tốc độ vòng quay hàng tồn kho. Để phân tích hành vi khách hàng, có thể sử dụng biểu đồ phân tán (Scatter plot) để phân nhóm khách hàng dựa trên tần suất mua và giá trị đơn hàng, hoặc biểu đồ Sankey để trực quan hóa hành trình của khách hàng trên trang web. Những biểu đồ này cung cấp thông tin quan trọng để cá nhân hóa trải nghiệm và giữ chân khách hàng.

V. Top công cụ BI và ứng dụng trong ngành bán lẻ trực tuyến

Để hiện thực hóa các ý tưởng về trực quan hóa dữ liệu, doanh nghiệp cần đến các công cụ BI (Business Intelligence) mạnh mẽ. Các công cụ này cho phép kết nối với nhiều nguồn dữ liệu khác nhau (website, CRM, bảng tính), thực hiện các phép tính phức tạp, và tạo ra các dashboard tương tác chuyên nghiệp. Ba công cụ nổi bật nhất hiện nay là Microsoft Power BI, Tableau, và Google Data Studio (nay là Looker Studio). Mỗi công cụ có điểm mạnh riêng: Power BI tích hợp sâu với hệ sinh thái của Microsoft, Tableau nổi tiếng với khả năng trực quan hóa linh hoạt và đẹp mắt, trong khi Looker Studio lại miễn phí và dễ dàng kết nối với các sản phẩm của Google như Google Analytics và Google Sheets. Việc lựa chọn công cụ BI phù hợp phụ thuộc vào quy mô, ngân sách và hạ tầng công nghệ của doanh nghiệp. Áp dụng các công cụ này vào thực tế giúp doanh nghiệp tự động hóa việc tạo báo cáo marketing e-commerce và theo dõi hiệu suất kinh doanh theo thời gian thực.

5.1. So sánh Power BI Tableau và Google Data Studio Looker

Microsoft Power BI là một lựa chọn mạnh mẽ cho các doanh nghiệp đã sử dụng các sản phẩm của Microsoft, với khả năng tích hợp liền mạch và mức giá cạnh tranh. Tableau được coi là tiêu chuẩn vàng về khả năng trực quan hóa, cho phép tạo ra những biểu đồ phức tạp và có tính thẩm mỹ cao, phù hợp cho các nhà phân tích dữ liệu chuyên sâu. Google Data Studio (Looker Studio) là điểm khởi đầu tuyệt vời cho các doanh nghiệp nhỏ và vừa nhờ tính miễn phí, giao diện thân thiện và khả năng kết nối dễ dàng với các dịch vụ của Google. Dù lựa chọn công cụ nào, mục tiêu cuối cùng vẫn là biến dữ liệu thành công cụ hỗ trợ ra quyết định dựa trên dữ liệu.

5.2. Case study Ứng dụng từ bộ dữ liệu bán lẻ thực tế

Nghiên cứu của nhóm sinh viên Đại học Kinh tế TP.HCM chính là một case study điển hình về việc ứng dụng phân tích dữ liệu. Mặc dù tài liệu tập trung vào phân tích bằng mã lệnh Python, nhưng tất cả các biểu đồ và kết quả phân tích đều có thể được tái tạo và tự động hóa trên một công cụ BI. Ví dụ, kết quả phân tích các mặt hàng bán chạy nhất theo tháng hoặc theo mùa (Hình 13, 14, 15) có thể được hiển thị trên một dashboard, tự động cập nhật khi có dữ liệu mới. Tương tự, kết quả từ các thuật toán phức tạp hơn như phân cụm khách hàng hay phân tích giỏ hàng (FP-Growth) cũng có thể được trực quan hóa để các nhà quản lý dễ dàng nắm bắt và đưa ra chiến lược phù hợp, hiện thực hóa mục tiêu trở thành một tổ chức data-driven retail.

VI. Tương lai của Business Intelligence trong ngành E commerce

Tương lai của ngành bán lẻ trực tuyến gắn liền với sự phát triển của Business Intelligence cho E-commerce. Các hệ thống BI sẽ ngày càng thông minh hơn, tích hợp trí tuệ nhân tạo (AI) và học máy (Machine Learning) để không chỉ hiển thị những gì đã xảy ra, mà còn dự đoán những gì sắp xảy ra. Thay vì chỉ phân tích doanh thu quá khứ, các công cụ BI tương lai có thể dự báo nhu cầu sản phẩm, gợi ý các chiến lược giá động, và tự động phân khúc khách hàng tiềm năng. Xu hướng ra quyết định dựa trên dữ liệu sẽ không còn là một lựa chọn mà là một yêu cầu bắt buộc. Doanh nghiệp nào tận dụng tốt nhất sức mạnh của dữ liệu và công nghệ BI sẽ có khả năng thấu hiểu khách hàng sâu sắc hơn, cá nhân hóa trải nghiệm mua sắm và tạo ra lợi thế cạnh tranh bền vững. Quá trình chuyển đổi sang mô hình data-driven retail sẽ tiếp tục tăng tốc, định hình lại toàn bộ cục diện của ngành thương mại điện tử trong những năm tới.

6.1. Xu hướng ra quyết định dựa trên dữ liệu Data Driven

Văn hóa ra quyết định dựa trên dữ liệu đang trở thành tiêu chuẩn vàng. Điều này có nghĩa là mọi quyết định, từ việc lựa chọn sản phẩm mới, thiết kế chiến dịch marketing, đến tối ưu hóa chuỗi cung ứng, đều phải được hậu thuẫn bởi các bằng chứng dữ liệu cụ thể thay vì cảm tính. Các dashboard báo cáo kinh doanh sẽ đóng vai trò trung tâm, cung cấp thông tin cập nhật liên tục cho mọi phòng ban. Việc dân chủ hóa dữ liệu, tức là làm cho dữ liệu trở nên dễ tiếp cận và dễ hiểu với mọi nhân viên, sẽ là chìa khóa để xây dựng một văn hóa data-driven thành công trong toàn tổ chức.

6.2. Nâng cao trải nghiệm khách hàng nhờ phân tích hành vi

Trong tương lai, phân tích hành vi khách hàng sẽ ngày càng tinh vi hơn. Các hệ thống BI sẽ có khả năng phân tích dữ liệu phi cấu trúc như bình luận sản phẩm, các cuộc hội thoại trên mạng xã hội để hiểu rõ hơn về cảm xúc và mong muốn của khách hàng. Từ đó, doanh nghiệp có thể cá nhân hóa các đề xuất sản phẩm, nội dung marketing và dịch vụ hỗ trợ ở mức độ chi tiết chưa từng có. Việc trực quan hóa dữ liệu hành trình khách hàng (customer journey) sẽ giúp xác định các điểm nghẽn và cơ hội để cải thiện, cuối cùng là mang lại một trải nghiệm mua sắm liền mạch và thú vị, giúp tăng cường lòng trung thành và giá trị vòng đời của khách hàng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và sự phổ biến của mạng Internet toàn cầu, thương mại điện tử đã trở thành phương thức kinh doanh mang lại bước chuyển biến lớn cho công tác quản lý và vận hành bán hàng. Nền tảng Internet cho phép các tổ chức kinh doanh nhanh chóng thu thập và lưu trữ khối lượng lớn dữ liệu liên quan đến giao dịch, đơn đặt hàng, danh mục hàng hóa và thông tin người tiêu dùng. Mặc dù các công cụ trí tuệ nhân tạo ngày càng phát triển nhằm hỗ trợ dự báo và tối ưu hóa doanh thu, vai trò của chuyên viên phân tích dữ liệu vẫn giữ vị trí trọng tâm trong việc khai thác thông tin chuyên sâu và chuyển hóa các tập dữ liệu thô thành tri thức trực quan, dễ hiểu, phục vụ trực tiếp cho các nhà quản lý và nhà đầu tư.

Đồ án môn học "Biểu diễn trực quan dữ liệu kinh doanh của cửa hàng bán lẻ trực tuyến" do nhóm sinh viên Khoa Công nghệ thông tin kinh doanh, Trường Đại học Kinh tế TP. Hồ Chí Minh thực hiện dưới sự hướng dẫn của TS. Nguyễn An Tế, tập trung giải quyết các bài toán cốt lõi trong khai thác dữ liệu bán lẻ trực tuyến.

Nhiệm vụ và mục tiêu nghiên cứu của đề tài được xác định cụ thể như sau:

1. Phân tích bộ dữ liệu bán hàng nhằm tìm ra các sản phẩm có khả năng thường xuyên được mua cùng nhau (bán theo gói/combo) trong cùng một hóa đơn và xác định chuỗi thời gian bán hàng tiềm năng nhất.
2. Phân khúc khách hàng dựa trên vị trí địa lý và hành vi mua hàng nhằm hỗ trợ doanh nghiệp xây dựng các chiến lược quảng cáo, phát triển sản phẩm phù hợp theo từng khu vực, thúc đẩy bán chéo (cross-selling) và triển khai các chiến dịch tiếp thị theo mùa.
3. Hình ảnh hóa (trực quan hóa) toàn bộ dữ liệu kinh doanh nhằm phục vụ việc so sánh trực quan, tính toán tỷ trọng, nhận diện xu hướng biến động (trend), phát hiện các điểm dữ liệu ngoại lai (outliers), cũng như đánh giá đặc điểm phân phối của các biến số kinh doanh.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các giao dịch bán hàng trực tuyến và hành vi mua sắm của khách hàng thông qua tập dữ liệu bán lẻ.
• Phạm vi không gian: Hoạt động kinh doanh của một công ty bán lẻ trực tuyến có trụ sở tại Vương quốc Anh (United Kingdom) với mạng lưới khách hàng quốc tế.
• Phạm vi thời gian: Tập trung vào chuỗi giao dịch phát sinh từ ngày 12/01/2010 đến ngày 10/12/2011 (trong đó dữ liệu giao dịch chi tiết phân tích sâu giai đoạn từ 12/01/2010 đến 12/09/2011).

Cơ sở lý thuyết và phương pháp

Đề tài kết hợp giữa các nguyên lý thống kê mô tả, thống kê suy diễn, kỹ thuật giảm chiều dữ liệu và các thuật toán học máy nhằm khai thác triệt để các khía cạnh thông tin trong bộ dữ liệu bán lẻ.

Nguồn dữ liệu

Bộ dữ liệu được sử dụng trong nghiên cứu là "Online Retails Sale Dataset" được thu thập từ nền tảng Kaggle. Dữ liệu ghi nhận chi tiết các giao dịch bán lẻ trực tuyến của công ty có trụ sở tại Vương quốc Anh với tổng quy mô 541.909 dòng dữ liệu và 10 thuộc tính đặc trưng.

Công cụ và phương pháp nghiên cứu

Nghiên cứu sử dụng ngôn ngữ lập trình Python làm môi trường tính toán và xử lý dữ liệu. Các phương pháp chuyên sâu bao gồm:

• Khám phá và trực quan hóa dữ liệu (Exploratory Data Analysis - EDA): Sử dụng các dạng biểu đồ chuyên dụng như biểu đồ phân tán (Scatter plot), biểu đồ nhiệt (Heat map), biểu đồ hộp (Box plot), biểu đồ thanh (Bar chart), biểu đồ đường (Line chart), biểu đồ kết hợp và biểu đồ cây (Tree chart) để khảo sát đặc trưng phân phối, tương quan giữa các biến và phát hiện ngoại lai.
• Thuật toán FP-Growth: Thuật toán khai phá tập mục phổ biến được áp dụng để trích xuất các quy tắc kết hợp, tìm ra các mặt hàng thường xuyên xuất hiện cùng nhau trong một đơn hàng và xác định khoảng thời gian sản phẩm đạt lượng tiêu thụ cao nhất.
• Kiểm định Chi-Squared ($\chi^2$): Phương pháp kiểm định phi tham số dùng để kiểm tra tính độc lập giữa hai biến phân loại (categorical variables), xác định xem có tồn tại mối quan hệ có ý nghĩa thống kê giữa các thuộc tính định tính hay không.
• Phân tích phương sai ANOVA (Analysis of Variance): Kỹ thuật thống kê tham số được sử dụng để phân tích và so sánh sự khác biệt về giá trị trung bình của các biến phụ thuộc giữa hai hoặc nhiều nhóm đối tượng nghiên cứu.
• Kỹ thuật phân tích suy biến ma trận SVD (Singular Value Decomposition): Phương pháp giảm chiều dữ liệu dựa trên phép chiếu tuyến tính, tận dụng mối tương quan giữa các chiều không gian để thu gọn số chiều biểu diễn dữ liệu mà không làm mất mát quá nhiều thông tin hay gây sai số lớn.
• Phân cụm dữ liệu (Clustering): Phương pháp gom cụm nhằm phân khúc khách hàng theo yếu tố địa lý và hành vi tiêu dùng.

Nội dung chính theo từng chương

Chương I: Tổng Quan Đề Tài

Chương I thiết lập nền tảng nghiên cứu thông qua việc giới thiệu bối cảnh phát triển của thương mại điện tử và vai trò của việc phân tích dữ liệu đối với công tác quản trị kinh doanh. Tác giả trình bày rõ ràng 3 mục tiêu nghiên cứu trọng tâm, xác định hệ thống các phương pháp thực hiện (EDA, FP-Growth, Chi-Squared, ANOVA, SVD) và nêu rõ nguồn tài nguyên sử dụng bao gồm ngôn ngữ lập trình Python và bộ dữ liệu bán lẻ trực tuyến từ Kaggle.

Chương II: Tổng Quan Bộ Dữ Liệu

Chương này cung cấp cái nhìn chi tiết về cấu trúc của tập dữ liệu "Online Retails Sale Dataset". Dữ liệu gồm 541.909 bản ghi với 10 thuộc tính kinh doanh được mô tả chi tiết trong bảng sau:

Tên thuộc tính	Mô tả thuộc tính	Ghi chú từ dữ liệu
InvoiceNo	Mã đơn hàng cho mỗi giao dịch thành công	Bao gồm 25.900 mã đơn hàng khác nhau
InvoiceDate	Ngày đặt hàng	Giao dịch từ ngày 12/01/2010 đến ngày 10/12/2011
InvoiceTime	Thời gian đặt hàng	Phụ thuộc vào vị trí địa lý của từng khách hàng
StockCode	Mã sản phẩm	Bao gồm 4.070 mã sản phẩm khác nhau
Description	Mô tả chi tiết sản phẩm	Bao gồm 4.224 mô tả (chứa cả các bản ghi về hàng lỗi, hư hỏng, trả về, thất lạc)
Quantity	Số lượng của mỗi sản phẩm bán ra	Số lượng đơn vị hàng hóa trong một đơn hàng
UnitPrice	Giá bán cho mỗi đơn vị sản phẩm	Mức giá đơn vị của từng loại mặt hàng
Totalsale	Doanh thu từ mỗi sản phẩm trong đơn hàng	Được tính toán theo công thức: $\text{Totalsale} = \text{Quantity} \times \text{UnitPrice}$
CustomerID	Mã định danh khách hàng	Mã duy nhất được cấp cho từng khách hàng
Country	Quốc gia của khách đặt hàng	Xác định căn cứ vào vị trí địa lý của khách hàng

Chương III: Tiền Xử Lý Dữ Liệu

Nội dung chương III tập trung vào quy trình làm sạch và chuẩn hóa dữ liệu trước khi đưa vào mô hình:

• Khảo sát dữ liệu khuyết thiếu (Missing Values): Kiểm tra toàn bộ 541.909 dòng dữ liệu, phát hiện thuộc tính CustomerID bị thiếu 135.080 giá trị (chiếm xấp xỉ 25% tổng số dòng của bộ dữ liệu). Nhóm tác giả ghi nhận và thiết lập quy trình xử lý giá trị thiếu cho các bước phân tích tiếp theo.
• Khám phá phân bố địa lý: Phân tích số lượng đơn hàng theo quốc gia cho thấy khách hàng tại Vương quốc Anh (United Kingdom) chiếm hơn 90% tổng số đơn hàng toàn cầu. Từ phát hiện này, nhóm định hướng gán nhãn thuộc tính Country thành hai nhóm chính phục vụ phân cụm: United Kingdom và các quốc gia khác.
• Khảo sát tương quan và trực quan hóa ban đầu: Sử dụng biểu đồ phân tán (Scatter plot) và biểu đồ nhiệt (Heat map) để đánh giá mối liên kết giữa Quantity với các biến Totalsale, UnitPrice, Country, CustomerID. Trong quá trình thực hiện, nhóm nhận diện lỗi khách quan khi biểu đồ bị hiện tượng "đen đặc" và dính tên cột do mật độ dữ liệu lớn; nhóm đã khắc phục bằng cách tái cấu trúc kích thước subplot từ ma trận $(6, 4)$ sang ma trận $(4, 3)$, giúp các nhãn hiển thị rõ ràng.
• Xử lý giá trị ngoại lai (Outliers): Sử dụng biểu đồ hộp (Box plot) để phân tích phân phối trước và sau xử lý ngoại lai đối với hai biến định lượng trọng yếu là Totalsale và Quantity.
• Xử lý biến định tính: Tiến hành tiền xử lý và chuẩn hóa chuỗi ký tự đối với thuộc tính Description.

Chương IV: Phân Tích Dữ Liệu

Chương IV trình bày hệ thống các kết quả phân tích trực quan về hiệu quả kinh doanh thông qua nhiều dạng biểu đồ chuyên biệt:

• Phân tích biến động theo thời gian: Đánh giá số lượng đơn đặt hàng theo mùa và theo từng tháng; so sánh tỷ lệ đặt hàng giữa năm 2010 và 2011 qua biểu đồ thanh.
• Phân tích diễn biến doanh thu: Khảo sát tổng doanh thu theo tháng của hai năm 2010 và 2011 qua biểu đồ đường; kết hợp biểu đồ thanh và biểu đồ đường để đối sánh đồng thời tổng doanh thu và tổng lượng hàng bán ra theo từng tháng trong năm 2011.
• Phân tích cơ cấu mặt hàng trọng điểm:
  • Xác định Top 5 mặt hàng bán chạy nhất năm 2011 về số lượng thông qua biểu đồ thanh ngang.
  • Phân tích biến động doanh thu của Top 5 mặt hàng bán chạy nhất năm 2011 theo các tháng chẵn qua biểu đồ đường.
  • Phân tích doanh số bán hàng theo mùa của 4 mặt hàng tiêu biểu bằng biểu đồ thanh dọc.
• Phân loại nhóm hàng hóa: Sử dụng biểu đồ cây (Tree chart) để phân nhóm sản phẩm; phân tích và so sánh Top 5 loại hàng bán chạy nhất dựa trên 3 tiêu chí riêng biệt: tổng số lượng bán ra, tổng số đơn đặt hàng phát sinh, và tổng doanh thu mang lại.

Chương V: Machine Learning

Chương V triển khai các thuật toán học máy và khai phá mẫu:

• Ứng dụng thuật toán FP-Growth: Khai thác các tập mục dữ liệu phổ biến để nhận diện danh mục các sản phẩm thường xuyên được khách hàng đặt mua cùng nhau trong một hóa đơn (combo sản phẩm), đồng thời xác định các khung thời gian có lượng tiêu thụ cao nhất nhằm tối ưu hóa chiến lược định giá và đóng gói sản phẩm.
• Phân cụm khách hàng (Clustering): Gom nhóm dữ liệu khách hàng theo các chiều đặc trưng để xác định các phân khúc khách hàng tiềm năng.

Chương VI: Kiểm Định Và Giảm Chiều Dữ Liệu

Chương VI áp dụng các phương pháp thống kê nâng cao và kỹ thuật giảm chiều:

• Kiểm định giả thuyết thống kê: Sử dụng kiểm định Chi-Squared để đánh giá tính độc lập của các biến phân loại và phân tích phương sai ANOVA để kiểm tra sự khác biệt có ý nghĩa thống kê giữa các nhóm đối tượng nghiên cứu.
• Giảm chiều dữ liệu bằng SVD: Chiếu ma trận dữ liệu sang không gian chiều thấp hơn nhằm tối ưu hóa quá trình tính toán và trực quan hóa.
• Biểu diễn phân cụm nâng cao: Trực quan hóa kết quả phân cụm dựa trên mối quan hệ giữa biến quốc gia và hành vi khách hàng (Country và Customer Behaviour) thông qua biểu đồ cặp (Paired plot) và biểu đồ phân tán (Scatter plot) sau khi đã giảm chiều dữ liệu.

Chương VI (tiếp theo): Kết Luận

Chương kết luận tổng hợp lại toàn bộ quá trình thực hiện đồ án, đánh giá mức độ hoàn thành so với các mục tiêu đã đề ra ban đầu và khẳng định giá trị thực tiễn của việc trực quan hóa dữ liệu trong quản trị bán lẻ trực tuyến.

Kết quả và đóng góp

Nghiên cứu đã đạt được các kết quả cụ thể dựa trên việc phân tích dữ liệu thực nghiệm:

• Xử lý và làm sạch thành công tập dữ liệu lớn với 541.909 dòng giao dịch; giải quyết hiện tượng khuyết thiếu 135.080 giá trị tại biến CustomerID và xử lý triệt để ngoại lai trên các biến định lượng Totalsale, Quantity.
• Xác định được đặc điểm phân bố thị trường với hơn 90% lượng giao dịch tập trung tại Vương quốc Anh, tạo cơ sở phân chia nhóm địa lý (UK và non-UK) cho các bài toán phân tích hành vi tiếp theo.
• Xây dựng hệ thống trực quan hóa đa chiều bao gồm hơn 22 biểu đồ chuyên biệt, phản ánh toàn diện các chỉ số kinh doanh từ tổng quan doanh thu theo tháng/mùa, đối sánh tỷ lệ đơn hàng 2010-2011, cho đến phân tích chi tiết Top 5 mặt hàng/loại hàng bán chạy nhất theo số lượng, đơn hàng và doanh thu.
• Tối ưu hóa kỹ thuật hiển thị biểu đồ trong Python thông qua việc hiệu chỉnh kích thước ma trận subplot từ $(6, 4)$ sang $(4, 3)$, khắc phục lỗi dính nhãn và chồng lấp điểm dữ liệu.
• Ứng dụng thành công thuật toán FP-Growth trong việc phát hiện các combo sản phẩm bán kèm và áp dụng kỹ thuật SVD cùng các kiểm định Chi-Squared, ANOVA để phân khúc khách hàng theo hành vi và vị trí địa lý một cách khoa học.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Nhóm tác giả tự nhìn nhận báo cáo đồ án vẫn còn tồn tại một số điểm hạn chế và sai sót nhất định về mặt kiến thức chuyên sâu và kỹ thuật tối ưu hóa mô hình; quá trình xử lý trực quan ban đầu gặp trở ngại do dữ liệu quá lớn dẫn đến hiện tượng biểu đồ bị đen đặc trên trục tọa độ.
• Hướng phát triển: Tiếp tục cải thiện và tối ưu hóa các kỹ thuật xử lý dữ liệu, nâng cao độ chính xác của các mô hình phân cụm và mở rộng việc áp dụng các mô hình học máy nâng cao trong dự báo doanh thu thương mại điện tử.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên các ngành Công nghệ thông tin kinh doanh, Hệ thống thông tin quản lý, Khoa học dữ liệu và Phân tích kinh doanh (Business Analytics).

Nội dung đồ án mang lại giá trị thực hành cao ở các phần:

• Quy trình tiền xử lý dữ liệu giao dịch thực tế (xử lý dữ liệu thiếu quy mô lớn và khử nhiễu ngoại lai bằng Box plot).
• Phương pháp phối hợp linh hoạt giữa các kỹ thuật biểu diễn trực quan (Scatter plot, Heat map, Box plot, Tree chart, Paired plot) để truyền tải insight kinh doanh.
• Cách thức tích hợp các kiểm định thống kê cổ điển (Chi-Squared, ANOVA) với các thuật toán hiện đại (FP-Growth, SVD) trong cùng một bài toán phân tích kinh doanh.

Câu hỏi thường gặp

1. Bộ dữ liệu "Online Retails Sale Dataset" trong đồ án có quy mô và đặc điểm thời gian như thế nào? Bộ dữ liệu gồm 541.909 dòng và 10 thuộc tính, ghi nhận các giao dịch bán lẻ trực tuyến của một công ty tại Vương quốc Anh phát sinh từ ngày 12/01/2010 đến ngày 10/12/2011 (trong đó khoảng thời gian phân tích chi tiết từ ngày 12/01/2010 đến 12/09/2011).

2. Tỷ lệ khuyết thiếu dữ liệu ở thuộc tính CustomerID là bao nhiêu và tác giả đã đưa ra định hướng phân nhóm địa lý ra sao? Thuộc tính CustomerID bị khuyết 135.080 giá trị, chiếm xấp xỉ 25% tổng số dòng dữ liệu. Về mặt địa lý, do thị trường Vương quốc Anh chiếm trên 90% tổng số đơn hàng, nhóm nghiên cứu đã gán nhãn thuộc tính Country thành hai nhóm chính: United Kingdom và các quốc gia khác để phục vụ việc phân cụm.

3. Đồ án đã áp dụng những phương pháp thống kê và thuật toán học máy nào? Đồ án sử dụng thuật toán FP-Growth để khai phá tập mục phổ biến tìm combo hàng hóa, áp dụng kiểm định Chi-Squared để kiểm tra tính độc lập giữa hai biến định loại, phân tích phương sai ANOVA để so sánh giá trị trung bình giữa các nhóm, và kỹ thuật phân tích suy biến ma trận SVD để giảm chiều dữ liệu.

4. Nhóm nghiên cứu đã xử lý sự cố kỹ thuật nào trong quá trình vẽ biểu đồ tương quan? Do lượng dữ liệu quá lớn khiến trục tọa độ bị đen đặc và tên các cột ở trục tung bị dính vào nhau gây khó nhìn, nhóm tác giả đã điều chỉnh cấu hình ma trận subplot từ kích thước $(6, 4)$ thành $(4, 3)$, giúp các biểu đồ trở nên rõ ràng và dễ quan sát hơn.

5. Thuộc tính Totalsale được tính toán như thế nào và thuộc tính Description chứa những thông tin gì đặc biệt? Biến Totalsale được tính toán theo công thức $\text{Totalsale} = \text{Quantity} \times \text{UnitPrice}$. Thuộc tính Description gồm 4.224 mô tả khác nhau, bao gồm cả các mô tả phản ánh tình trạng sản phẩm bị lỗi, hư hỏng, bị trả về hoặc thất lạc.

Kết luận

Đồ án môn học "Biểu diễn trực quan dữ liệu kinh doanh của cửa hàng bán lẻ trực tuyến" của nhóm sinh viên Trường Đại học Kinh tế TP. Hồ Chí Minh đã triển khai một quy trình phân tích và trực quan hóa dữ liệu toàn diện trên tập dữ liệu thương mại điện tử quy mô hơn 540.000 dòng. Báo cáo kết hợp chặt chẽ giữa các bước tiền xử lý, trực quan hóa khám phá (EDA), kiểm định thống kê (Chi-Squared, ANOVA), giảm chiều dữ liệu (SVD) và học máy (FP-Growth). Các kết quả phân tích cung cấp những góc nhìn trực quan rõ nét về xu hướng doanh thu, cơ cấu sản phẩm bán chạy và phân khúc khách hàng, tạo cơ sở khoa học hỗ trợ cho công tác ra quyết định kinh doanh bán lẻ.

Trích đoạn nội dung tài liệu

Chương I: Tổng Quan Đề Tài 1 1. Giới thiệu đề tài 1 2. Mục tiêu nghiên cứu 1 3. Phương pháp nghiên cứu: 1 4.

Tài nguyên sử dụng: 2 Chương II: Tổng Quan Bộ Dữ Liệu 2 1. Tổng quan bộ dữ liệu thu thập 2 2. Các thuộc tính của bộ dữ liệu 2 Chương III: Tiền xử lý dữ liệu 4 1. Exploratory Data Analysis (EDA) 4 a.

Tổng quan bộ dữ liệu nguyên bản 4 b. Biểu diễn dữ liệu nguyên bản: 6 2. Xử lý dữ liệu bị thiếu (Missing Values) 10 4. Xử lý outliers của các biến định lượng 12 a.

Xử lý biến Description 19 Chương IV: Phân Tích Dữ Liệu 20 1. 25 Chương V: Machine Learning 33 1. 42 CHƯƠNG VI: KIỂM ĐỊNH VÀ GIẢM CHIỀU DỮ LIỆU 47 1. 53 CHƯƠNG VI: KẾT LUẬN 57 Tài Liệu Tham Khảo 58 Bảng phân công: 59 MỤC LỤC HÌNH ẢNH HÌNH 1: BIỂU ĐỒ SCATTER PLOT TƯƠNG QUAN GIỮA QUANTITY VÀ CÁC BIẾN KHÁC.

7 HÌNH 2: HEAT MAP BIỂU DIỄN TƯƠNG QUAN GIỮA CÁC CỘT DỮ LIỆU 8 HÌNH 3: SCATTER PLOT BIỂU DIỄN SỐ LƯỢNG HÀNG BÁN RA Ở MỖI QUỐC GIA. 9 HÌNH 4: BOX PLOT CỦA BIẾN TOTALSALE TRƯỚC KHI XỬ LÝ OUTLIERS. 12 HÌNH 5: BOX PLOT CỦA BIẾN TOTALSALE SAU KHI XỬ LÝ OUTLIERS. 15 HÌNH 6: BOX PLOT CỦA BIẾN QUANTITY TRƯỚC KHI XỬ LÝ OUTLIERS.

16 HÌNH 7: BOX PLOT CỦA BIẾN QUANTITY SAU KHI XỬ LÝ OUTLIERS. 19 HÌNH 8: BIỂU ĐỒ THANH THỂ HIỆN SỐ LƯỢNG ĐẶT HÀNG THEO MÙA 21 HÌNH 9: BIỂU ĐỒ THANH THỂ HIỆN SỐ LƯỢNG ĐƠN HÀNG THEO THÁNG. 22 HÌNH 10: BIỂU ĐỒ THANH BIỂU DIỄN TỶ LỆ ĐẶT HÀNG CỦA NĂM 2010 VÀ 2011. 22 HÌNH 11: BIỂU ĐỒ ĐƯỜNG THỂ HIỆN TỔNG DOANH THU THEO THÁNG CỦA NĂM 2010 VÀ 2011.

23 HÌNH 12: BIỂU ĐỒ THANH KẾT HỢP VỚI ĐƯỜNG BIỂU DIỄN TỔNG DOANH THU VÀ TỔNG LƯỢNG HÀNG BÁN RA THEO CÁC THÁNG CỦA NĂM 2011. 24 HÌNH 13: BIỂU ĐỒ THANH NGANG BIỂU DIỄN SỐ LƯỢNG SẢN PHẨM BÁN RA CỦA 5 MẶT HÀNG BÁN CHẠY NHẤT NĂM 2011. 24 HÌNH 14: BIỂU ĐỒ ĐƯỜNG BIỂU DIỄN DOANH THU BÁN HÀNG CỦA 5 MẶT HÀNG BÁN CHẠY NHẤT NĂM 2011 THEO CÁC THÁNG CHẴN. 25 HÌNH 15: BIỂU ĐỒ THANH DỌC THỂ HIỆN DOANH SỐ BÁN HÀNG THEO MÙA CỦA 4 MẶT HÀNG.

33 HÌNH 16 36 HÌNH 17: BIỂU ĐỒ CÂY THỂ HIỆN CÁC NHÓM SẢN PHẨM. 39 HÌNH 18: BIỂU ĐỒ THANH DỌC BIỂU DIỄN TỔNG SỐ LƯỢNG HÀNG BÁN RA CỦA 5 LOẠI HÀNG BÁN CHẠY NHẤT. 40 HÌNH 19: BIỂU ĐỒ THANH DỌC BIỂU DIỄN TỔNG SỐ ĐƠN ĐẶT HÀNG CHO 5 LOẠI HÀNG BÁN CHẠY NHẤT. 41 HÌNH 20: BIỂU ĐỒ THANH DỌC BIỂU DIỄN TỔNG DOANH THU CỦA 5 LOẠI HÀNG BÁN CHẠY NHẤT MANG LẠI.

41 HÌNH 21: BIỂU ĐỒ PAIRED PLOT PHÂN CỤM THEO COUNTRY VÀ CUSTOMER BEHAVIOUR. 54 HÌNH 22: BIỂU ĐỒ PHÂN TÁN SAU KHI GIẢM CHIỀU DỮ LIỆU. 56 LỜI CẢM ƠN Hiện nay, trong thời đại 4.0, mặc dù đã có sự xuất hiện của trí tuệ nhân tạo giúp hỗ trợ cho công việc phân tích kết quả kinh doanh nhằm dự báo, đưa ra các quyết định kinh doanh giúp tối ưu hóa doanh thu cho doanh nghiệp nhưng sự cần thiết của những người làm công việc phân tích dữ liệu vẫn là rất cần thiết đối với các doanh nghiệp. Ngoài công việc khai thác các thông tin, các vấn đề từ những dữ liệu kinh doanh, người làm phân tích dữ liệu còn phải biết thể hiện, truyền tải các thông tin đó một cách đầy đủ, chính xác, và dễ hiểu, dễ nhận thấy cho các đối tượng mình muốn truyền tải, các nhà đầu tư, các doanh nghiệp, khách hàng.

Chính vì vậy, nhóm đã quyết định chọn bộ dữ liệu “Online Retails Sale Dataset” làm bộ dữ liệu để làm báo cáo cho môn học “Biểu diễn trực quan dữ liệu”.