Chương 1: GIỚI THIỆU VỀ KHOA HỌC DỮ LIỆU VÀ GIỚI THIỆU ĐỀ TÀI 1.1 GIỚI THIỆU VỀ KHOA HỌC DỮ LIỆU 1.1 Khái niệm dữ liệu Dữ liệu là tập hợp thông tin được thu thập bằng quan sát, đo lường, nghiên cứu hoặc phân tích. Chúng có thể bao gồm các sự kiện, con số, tên, số liệu hoặc thậm chí 16 Báo cáo đồ án học phần Khoa học dữ liệu (DS) mô tả sự vật. Dữ liệu được tổ chức dưới dạng đồ thị, biểu đồ hoặc bảng. Các nhà khoa học dữ liệu, phân tích viên sẽ thực hiện khai thác dữ liệu và với sự trợ giúp của dữ liệu đó sẽ giúp doanh nghiệp, tổ chức khám phá ra những “insight” thú vị, mà trước nay họ chưa bao giờ nghĩ đến.2 Sự phát triển của Khoa học dữ liệu Trong khoảng hơn 30 năm (1960-1996), thuật ngữ “Khoa học dữ liệu” (data science) đã được sử dụng trong nhiều tài liệu nói về các phương pháp tính toán.
Đến tháng 11/1997, thuật ngữ Khoa học dữ liệu mới được dùng chính thức bởi một nhà nghiên cứu tên là Chien-Fu Jeff Wu. Trong bài thuyết trình mang tên “Statistics = Data Science?” tại Đại học Michigan, Chien-Fu Jeff Wu đã phổ biến thuật ngữ "Khoa học dữ liệu" và nói rằng thống kê nên được đổi tên thành Khoa học dữ liệu và nhà thống kê thành nhà Khoa học dữ liệu vì họ đã dành phần lớn thời gian của mình để thao tác và thử nghiệm với dữ liệu [4]. Cleveland đã giới thiệu Khoa học dữ liệu như là một ngành độc lập [5]. Cùng năm này, mô hình sử dụng các ứng dụng đám mây - Softwareas-a-Service (SaaS) được tạo ra.
Đến tháng 4/2002, International Council for Science cho ra đời Tạp chí Khoa học dữ liệu, một ấn phẩm tập trung vào các vấn đề như mô tả hệ thống dữ liệu, ấn phẩm của họ trên internet, các ứng dụng và các vấn đề pháp lý. Vào tháng 01/2003, Đại học Columbia bắt đầu xuất bản Tạp chí Khoa học dữ liệu, nhằm cung cấp một công cụ cho tất cả nhân viên dữ liệu trình bày quan điểm của mình và trao đổi ý kiến. Năm 2006, cơ sở dữ liệu mã nguồn mở không quan hệ- Hadoop được phát hành. Dựa trên một cơ sở dữ liệu mã nguồn mở khác là Nutch.
Hai vấn đề đối với việc xử lý dữ liệu lớn là lưu trữ một lượng lớn dữ liệu và sau đó xử lý dữ liệu được lưu trữ đó. Đến năm 2008, DJ Patil và Jeff Hammerbacher mới sử dụng thuật ngữ “nhà Khoa học dữ liệu” để xác định công việc của họ tại LinkedIn và Facebook. Tương ứng với vai trò này, một lĩnh vực khoa học - công nghệ mới được hình thành, đó là lĩnh vực khoa học dữ liệu. Năm 2013, Nhóm công tác của IEEE về Khoa học dữ liệu và Phân tích nâng cao đã được đưa ra, và hội nghị quốc tế đầu tiên về Khoa học dữ liệu và Phân tích nâng cao của IEEE đã được tổ chức vào năm 2014.
Năm 2015, Tạp chí Quốc tế về 17 Báo cáo đồ án học phần Khoa học dữ liệu (DS) Khoa học dữ liệu và Phân tích đã được lập bởi Springer để xuất bản tác phẩm ban đầu về Khoa học dữ liệu và phân tích dữ liệu lớn. Khoa học dữ liệu vẫn còn được xem là một khái niệm mới, và nó chỉ mới thật sự xuất hiện vào những thập niên đầu thế kỷ 21.3 Ứng dụng tiêu biểu của Khoa học dữ liệu Về công cụ tìm kiếm: Đây là ứng dụng hữu ích nhất của khoa học dữ liệu. Chúng ta có thể sử dụng các công cụ tìm kiếm tiêu biểu như: Google, Safari, Firefox,. để tìm kiếm thông tin trên Internet một cách dễ dàng, nhanh chóng và thuận tiện Ứng dụng trong thương mại điện tử và dịch vụ số: Nhiều gã khổng lồ công nghệ trong lĩnh vực thương mại điện tử và dịch vụ số như Amazon, Twitter, Google Play, Netflix, Linkedin,.
đã sử dụng các công cụ đề xuất để quảng bá sản phẩm phù hợp với sở thích người dùng và mức độ liên quan của thông tin. Các đề xuất được đưa ra dựa trên kết quả tìm kiếm trước đó của người dùng Giao thông vận tải: Khoa học dữ liệu cũng tham gia vào lĩnh vực này với sản phẩm tiêu biểu là Ô tô không người lái – hạn chế rủi ro xảy ra tai nạn giao thông.Với ngành hàng không thì khoa học dữ liệu còn giúp vạch ra lộ trình bay, dự đoán trễ chuyến bay, tỷ lệ hủy và phân tích các rủi ro,. Không chỉ vậy, các công ty như Grab, Gojeck, Be,. đang ứng dụng khoa học dữ liệu để tối ưu hóa giá cả bằng cách sử dụng công cụ dự đoán giá dựa trên khoảng cách, thời tiết,., tạo ứng dụng để người dùng có thể đặt xe, đánh giá tài xế,.
Cung cấp các trải nghiệm tốt nhất cho người dùng. Tài chính, ngân hàng: Khoa học dữ liệu đóng một vai trò đặc biệt quan trọng trong lĩnh vực tài chính và ngân hàng. Giúp cho các doanh nghiệp, ngân hàng: - Phân tích rủi ro tổn thất, vỡ nợ. - Dự đoán tương lai doanh nghiệp, thị trường chứng khoán - Dự đoán giá trị trọn đời, dự đoán các động thái trên thị trường chứng khoán của khách hàng, dự đoán xu hướng thay đổi giá trị của chứng khoán,.
- Phát hiện hành vi gian lận của người sử dụng dịch vụ - Quản lý dữ liệu của khách hàng, các hạng mục đầu tư bên ngoài,.2 GIỚI THIỆU ĐỀ TÀI “Chiến lược giữ chân khách hàng trong lĩnh vực viễn thông dựa trên việc phân tích, dự đoán bộ dữ liệu Telco Customer Churn” 18 Báo cáo đồ án học phần Khoa học dữ liệu (DS) 1.1 Lý do chọn đề tài: Trong bối cảnh kinh tế - xã hội đang phát triển nhanh chóng, mối quan tâm hàng đầu của các nhà kinh tế không chỉ dừng lại ở việc phát triển thị trường hay thu hút khách hàng, mà còn là làm sao để duy trì sự bền vững trong mối quan hệ với khách hàng. Vấn đề cốt lõi hiện nay là tìm cách giữ chân khách hàng và đảm bảo họ trung thành với dịch vụ của doanh nghiệp. Thực tế cho thấy, hiện tượng khách hàng rời bỏ dịch vụ đang trở thành một trong những mối quan tâm lớn không chỉ của các doanh nghiệp, người cung cấp dịch vụ, mà còn của cả những nhà kinh tế, nhà hoạch hoạch định chính sách phát triển. Tỷ lệ rời bỏ của khách hàng có thể bị ảnh hưởng bởi nhiều yếu tố như chi phí dịch vụ hàng tháng, phương thức thanh toán, hay loại hình dịch vụ được cung cấp.
Nếu công ty đang phải đối mặt với tình trạng thiếu hụt khách hàng chất lượng cũng như tỷ lệ khách hàng bỏ đi cao, thì công ty có thể sẽ gặp rắc rối lớn. Nhận thấy được độ nhức nhối của vấn đề, tổ nhóm đã dựa vào những nhóm yếu tố trên và quyết định thực hiện đề tài “Phân tích dữ liệu khả năng rời bỏ dịch vụ của khách hàng dựa trên bộ dữ liệu Telco Customer Churn bằng phần mềm Orange”. Qua đó, nhóm sẽ sử dụng các biến liên quan đến hành vi tiêu dùng của khách hàng để đánh giá mức độ và khả năng họ rời bỏ dịch vụ của doanh nghiệp. Hơn nữa, với tư cách là sinh viên trong khối ngành kinh tế, tài chính - chúng em phải thường xuyên phải tiếp cận các môn học cũng như số liệu liên quan chặt chẽ đến lĩnh vực này như doanh số bán hàng, thị trường, thu nhập và thông tin cung cấp cho các nhà đầu tư.
Chính sự tiếp xúc thường xuyên với những vấn đề kinh tế này đã phần nào thúc đẩy nhóm 6 lựa chọn đề tài có mối liên hệ mật thiết với ngành học của mình.2 Mục tiêu nghiên cứu: Đề tài được đưa vào nghiên cứu nhằm mục tiêu mang lại càng nhiều giá trị thực tiễn cho các doanh nghiệp viễn thông càng tốt, nhất là trong việc tối ưu hóa tài nguyên và duy trì tệp khách hàng lâu dài. Cụ thể hóa mục tiêu qua từng giai đoạn, đầu tiên là xác định rõ các yếu tố chính ảnh hưởng đến việc khách hàng rời bỏ dịch vụ, từ đó xây dựng hồ sơ khách hàng có nguy cơ rời bỏ dịch vụ cao dựa trên các đặc điểm cụ thể. Tiếp đến, xây dựng thành công mô hình dự đoán, trong đó sử dụng hiệu quả các thuật toán và đánh giá thành công hiệu suất mô hình dự đoán thông qua các chỉ số. Để đo lường hiệu quả chiến 19 Báo cáo đồ án học phần Khoa học dữ liệu (DS) lược, mục tiêu tiếp theo là có thể tính toán được chi phí tốn kém và lợi ích của việc giữ chân khách hàng so với chi phí marketing thu hút khách hàng mới.
Mục tiêu cuối cùng mà tổ nhóm muốn hướng đến nhằm rút ra được đề xuất hữu ích về các biện pháp cùng chiến lược giảm thiểu tỷ lệ khách hàng rời bỏ dịch vụ, sau đó tùy chỉnh các chiến lược cho từng phân khúc khách hàng theo hướng tối ưu cá nhân hóa dựa trên kết quả phân tích và dự đoán.3 Đối tượng và phạm vị nghiên cứu: - Nhóm đối tượng nghiên cứu: Thứ nhất chính là khách hàng của các doanh nghiệp viễn thông: bao gồm tất cả các khách hàng sử dụng dịch vụ viễn thông (dịch vụ Internet, dịch vụ bảo mật trực tuyến, dịch vụ hỗ trợ kỹ thuật,. Đặc biệt nhất là tập trung vào tệp khách hàng có nguy cơ không sử dụng thêm bất kỳ dịch vụ nào nữa (Churn). Thứ hai, nghiên cứu bộ dữ liệu Telco Customer Churn, bao gồm thông tin về đặc điểm cá nhân, dịch vụ sử dụng, thời hạn hợp đồng, hành vi thanh toán, phí hàng tháng và các yếu tố khác liên quan đến việc khách hàng tiếp tục sử dụng hay rời bỏ dịch vụ. - Phạm vi nghiên cứu: Nghiên cứu dữ liệu của khách hàng nằm trong một khoảng thời gian cố định thường kéo dài từ một đến hai năm, có khi hàng tháng.
Dựa trên thông tin của bộ dữ liệu tiêu chuẩn không nói rõ, nghiên cứu có thể dựa trên dữ liệu giả lập hoặc thực tế từ thị trường California và chỉ giới hạn trong một quốc gia. Phụ thuộc vào dữ liệu có sẵn và mục tiêu nghiên cứu chính, cần khoanh vùng tập trung phạm vi trong cột churn của Telco , có thể thấy có mười mã bưu chính thể hiện rõ ràng tỷ lệ churn cao nhất. Tất cả các mã bưu chính này đều tập trung ở miền Nam California trong khu vực San Diego. mục đích khoanh vùng phạm vi này có thể hiểu là để hiểu rõ hơn về sự khác biệt trong tỷ lệ churn giữa các địa phương.