Dự Đoán Khách Hàng Tiềm Năng và Điều Chỉnh Chiến Lược Tiếp Thị Ngân Hàng

Chuyên khảo kinh tế phân tích Dự đoán khách hàng tiềm năng và điều chỉnh chiến lượctiếp thị của ngân hàng bằng phần mềm orange, đánh giá các khía cạnh quan trọng, đề xuất hướng

• Tác giả: Trần Đình Hà
• Người hướng dẫn: TS. Đặng Ngọc Hoàng Thành
• Trường học: Đại Học Kinh Tế TP Hồ Chí Minh
• Chuyên ngành: Khoa Học Dữ Liệu
• Đề tài: Dự Đoán Khách Hàng Tiềm Năng Và Chiến Lược Tiếp Thị Ngân Hàng Bằng Phần Mềm Orange
• Loại tài liệu: Đồ Án Môn Học
• Năm xuất bản: 2023
• Địa điểm: TP Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về bài toán phân lớp dữ liệu
• 1.2. Giới thiệu về Python và phần mềm Orange
• 1.3. Lý do chọn lựa đề tài
• 1.3.1. Tầm quan trọng của chiến lược tiếp thị hiệu quả và tìm kiếm khách hàng tiềm năng trong kinh doanh
• 1.3.2. Tầm quan trọng của việc phân tích dữ liệu khách hàng
• 1.4. Mục tiêu đề tài
• 1.5. Đối tượng và phạm vi nghiên cứu
• 1.6. Công cụ sử dụng
• 1.7. Ý nghĩa nghiên cứu
• 2. CHƯƠNG 2: CÁC MÔ HÌNH PHÂN LỚP DỮ LIỆU
• 2.1. Mô hình phân lớp trên phần mềm Orange
• 2.1.1. Mô hình Logistic Regression (hồi quy logistic)
• 2.1.2. Mô hình Decision Tree
• 2.1.3. Mô hình Support Vector Machine
• 2.1.4. Mô hình Neural Network
• 2.2. Quy trình phân lớp dữ liệu
• 2.2.1. Phân chia dữ liệu
• 2.2.2. Phân lớp dữ liệu
• 2.2.3. Đánh giá tính hiệu quả
• 3. CHƯƠNG 3: KẾT QUẢ THỰC NGHIỆM
• 3.1. Mô tả dữ liệu
• 3.1.1. Phân tích yêu cầu người dùng
• 3.1.1.1. Xác định và phân tích yêu cầu người dùng
• 3.1.2. Bộ dữ liệu
• 3.1.2.1. Nạp dữ liệu
• 3.1.2.2. Quan sát dữ liệu
• 3.1.2.3. Tiền xử lý dữ liệu
• 3.1.2.4. Lựa chọn và trình bày dữ liệu phù hợp với yêu cầu người dùng
• 3.2. Kết quả thực nghiệm
• 3.2.1. Xây dựng mô hình cho bài toán 1
• 3.2.2. Xây dựng mô hình cho bài toán 2
• 3.3. Đánh giá kết quả phân tích, trực quan hóa kết quả, thảo luận và các đề xuất hỗ trợ quyết định
• 3.3.1. Kết quả đánh giá phương pháp của Test & Score – bài toán 1
• 3.3.2. Đánh giá mô hình dựa trên kết quả Confusion Matrix – bài toán 1
• 3.3.3. Đánh giá mô hình dựa trên kết quả ROC Analysis – bài toán 1
• 3.3.4. Kết quả dự báo bài toán 1
• 3.3.5. Kết quả đánh giá phương pháp của Test & Score – bài toán 2
• 3.3.6. Đánh giá mô hình dựa trên kết quả Confusion Matrix – bài toán 2
• 3.3.7. Đánh giá mô hình dựa trên kết quả ROC Analysis – bài toán 2
• 3.3.8. Kết quả dự báo bài toán 2
• 4. CHƯƠNG 4: KẾT LUẬN
• 4.1. Kết quả đạt được
• 4.2. Những hạn chế tồn tại
• 4.3. Hướng phát triển đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Dự Đoán Khách Hàng Tiềm Năng Ngân Hàng Hiện Nay

Trong bối cảnh cạnh tranh khốc liệt, việc dự đoán khách hàng tiềm năng ngân hàng trở nên quan trọng hơn bao giờ hết. Ngân hàng cần xác định chính xác đối tượng khách hàng để tối ưu hóa các chiến dịch tiếp thị ngân hàng và tăng trưởng doanh thu. Sự phát triển của công nghệ, đặc biệt là phân tích dữ liệu khách hàng ngân hàng và khai thác dữ liệu khách hàng ngân hàng, mở ra cơ hội mới để hiểu rõ hơn về hành vi và nhu cầu của khách hàng. Các phương pháp truyền thống không còn đủ hiệu quả để đối phó với lượng dữ liệu khổng lồ và phức tạp. Vì vậy, việc áp dụng các công cụ và kỹ thuật tiên tiến là điều cần thiết. Bài viết này sẽ tập trung vào việc sử dụng phần mềm Orange cho ngân hàng để thực hiện dự đoán khách hàng tiềm năng và xây dựng các chiến lược tiếp thị hiệu quả. Điều này giúp ngân hàng tiết kiệm chi phí, tăng doanh thu và nâng cao sự hài lòng của khách hàng. Theo tài liệu gốc, trước khi sử dụng phần mềm Orange, nhóm nghiên cứu đã gặp nhiều khó khăn trong việc phân tích dữ liệu và đưa ra kết luận chính xác.

1.1. Tầm Quan Trọng của Dự Báo Nhu Cầu Khách Hàng Ngân Hàng

Dự báo nhu cầu khách hàng ngân hàng cho phép ngân hàng chủ động trong việc phát triển sản phẩm và dịch vụ phù hợp. Việc này giúp tăng cường tăng trưởng khách hàng ngân hàng và sự trung thành của khách hàng. Hơn nữa, dự báo chính xác giúp tối ưu hóa nguồn lực, giảm thiểu rủi ro và nâng cao hiệu quả hoạt động. Ngân hàng có thể tập trung vào những phân khúc khách hàng tiềm năng nhất, từ đó cải thiện tỷ lệ chuyển đổi và tăng lợi nhuận. Một ví dụ điển hình là dự đoán nhu cầu vay vốn của khách hàng để chủ động cung cấp các gói vay phù hợp, tránh tình trạng bỏ lỡ cơ hội kinh doanh.

1.2. Ứng Dụng Phân Tích Dữ Liệu Khách Hàng Ngân Hàng Trong CRM

CRM ngân hàng tích hợp phân tích dữ liệu khách hàng ngân hàng giúp tạo ra cái nhìn toàn diện về khách hàng. Điều này cho phép cá nhân hóa trải nghiệm khách hàng, cải thiện dịch vụ và tăng cường mối quan hệ. Các ngân hàng có thể sử dụng dữ liệu để phân tích hành vi, sở thích và nhu cầu của từng khách hàng, từ đó cung cấp các sản phẩm và dịch vụ phù hợp nhất. Ví dụ, một khách hàng thường xuyên sử dụng dịch vụ chuyển tiền quốc tế có thể được giới thiệu các gói ưu đãi đặc biệt cho dịch vụ này.

II. Thách Thức Trong Tiếp Thị Ngân Hàng và Dự Đoán Khách Hàng

Ngành ngân hàng đối mặt với nhiều thách thức trong việc tiếp cận và giữ chân khách hàng. Sự cạnh tranh gay gắt từ các tổ chức tài chính khác và sự xuất hiện của các công ty fintech đòi hỏi ngân hàng phải liên tục đổi mới. Khó khăn trong việc thu thập và xử lý dữ liệu, đảm bảo tính bảo mật thông tin khách hàng cũng là một vấn đề lớn. Bên cạnh đó, việc xây dựng mô hình dự đoán khách hàng tiềm năng chính xác đòi hỏi kiến thức chuyên môn sâu về data mining ngân hàng và machine learning ngân hàng. Một trong những thách thức lớn nhất là làm thế nào để biến dữ liệu thô thành thông tin hữu ích để đưa ra quyết định kinh doanh. Thầy Đặng Ngọc Hoàng Thành đã giúp nhóm nghiên cứu xác định và nghiên cứu các vấn đề quan trọng một cách chính xác hơn.

2.1. Bảo Mật Dữ Liệu Khách Hàng Ngân Hàng và Tuân Thủ Quy Định

Việc bảo mật dữ liệu khách hàng ngân hàng là yếu tố then chốt để duy trì lòng tin của khách hàng và tuân thủ các quy định pháp luật. Ngân hàng phải đầu tư vào các hệ thống bảo mật tiên tiến và thực hiện các biện pháp phòng ngừa rủi ro để bảo vệ thông tin cá nhân của khách hàng. Vi phạm bảo mật không chỉ gây thiệt hại về tài chính mà còn ảnh hưởng nghiêm trọng đến uy tín của ngân hàng. Việc tuân thủ các quy định như GDPR, CCPA là bắt buộc để đảm bảo hoạt động kinh doanh hợp pháp và bền vững.

2.2. Đối Phó Với Sự Thay Đổi Nhanh Chóng Của Thị Trường Tài Chính

Thị trường tài chính ngày càng biến động với sự xuất hiện của các công nghệ mới và các mô hình kinh doanh sáng tạo. Ngân hàng cần linh hoạt và nhanh chóng thích ứng với những thay đổi này để duy trì lợi thế cạnh tranh. Việc áp dụng AI trong ngân hàng và tự động hóa các quy trình giúp tăng cường hiệu quả hoạt động và cải thiện trải nghiệm khách hàng. Ngoài ra, ngân hàng cần liên tục theo dõi xu hướng thị trường và đầu tư vào nghiên cứu và phát triển để tạo ra các sản phẩm và dịch vụ đáp ứng nhu cầu ngày càng cao của khách hàng.

III. Cách Sử Dụng Phần Mềm Orange Hiệu Quả Dự Đoán Khách Hàng

Phần mềm Orange cho ngân hàng là một công cụ mạnh mẽ để thực hiện phân tích dữ liệu khách hàng ngân hàng. Orange cung cấp nhiều thuật toán machine learning ngân hàng và các công cụ trực quan hóa dữ liệu, giúp người dùng dễ dàng khám phá và hiểu dữ liệu. Để sử dụng Orange hiệu quả, cần chuẩn bị dữ liệu, lựa chọn thuật toán phù hợp, xây dựng mô hình và đánh giá hiệu quả. Việc tinh chỉnh mô hình và thử nghiệm với các tham số khác nhau là cần thiết để đạt được kết quả dự đoán tốt nhất. Phần mềm Orange cung cấp cho nhóm nghiên cứu nhiều công cụ hữu ích để khám phá và phân tích dữ liệu một cách dễ dàng và chính xác.

3.1. Chuẩn Bị Dữ Liệu Khách Hàng Cho Phân Tích với Orange

Dữ liệu khách hàng cần được thu thập, làm sạch và chuyển đổi sang định dạng phù hợp để sử dụng trong Orange. Các bước chuẩn bị dữ liệu bao gồm loại bỏ dữ liệu trùng lặp, xử lý dữ liệu thiếu và chuẩn hóa các thuộc tính. Chất lượng dữ liệu ảnh hưởng trực tiếp đến hiệu quả của mô hình dự đoán. Do đó, cần đảm bảo dữ liệu chính xác, đầy đủ và nhất quán. Các công cụ trong Orange hỗ trợ người dùng trong việc thực hiện các bước tiền xử lý dữ liệu một cách dễ dàng.

3.2. Lựa Chọn Thuật Toán Machine Learning Phù Hợp Trong Orange

Orange cung cấp nhiều thuật toán machine learning ngân hàng như cây quyết định, rừng ngẫu nhiên, máy vector hỗ trợ (SVM) và mạng nơ-ron. Việc lựa chọn thuật toán phù hợp phụ thuộc vào đặc điểm của dữ liệu và mục tiêu dự đoán. Cần thử nghiệm với các thuật toán khác nhau và so sánh kết quả để tìm ra thuật toán tốt nhất. Các chỉ số đánh giá như độ chính xác, độ thu hồi và F1-score được sử dụng để so sánh hiệu quả của các mô hình.

3.3. Xây dựng mô hình phân loại khách hàng tiềm năng trong Orange

Sau khi lựa chọn thuật toán và chuẩn bị dữ liệu, bước tiếp theo là xây dựng mô hình dự đoán. Trong Orange, mô hình có thể được xây dựng bằng cách kéo thả các widget và kết nối chúng với nhau. Sau khi xây dựng mô hình, cần đánh giá hiệu quả của mô hình bằng cách sử dụng các kỹ thuật đánh giá mô hình như cross-validation. Cuối cùng, mô hình có thể được triển khai để dự đoán khách hàng tiềm năng mới.

IV. Tối Ưu Hóa Chiến Lược Tiếp Thị Ngân Hàng Nhờ Dự Đoán

Dựa trên kết quả dự đoán khách hàng tiềm năng, ngân hàng có thể tối ưu hóa chiến dịch tiếp thị ngân hàng. Việc phân khúc khách hàng ngân hàng giúp tạo ra các thông điệp tiếp thị phù hợp với từng nhóm khách hàng. Tiếp thị mục tiêu ngân hàng cho phép tập trung nguồn lực vào những khách hàng có khả năng mang lại lợi nhuận cao nhất. Tự động hóa tiếp thị ngân hàng giúp tăng cường hiệu quả và giảm thiểu chi phí. Việc đánh giá hiệu quả chiến dịch tiếp thị ngân hàng là cần thiết để liên tục cải thiện và tối ưu hóa các hoạt động tiếp thị.

4.1. Phân Khúc Khách Hàng Ngân Hàng Dựa Trên Kết Quả Dự Đoán

Phân khúc khách hàng ngân hàng cho phép chia khách hàng thành các nhóm nhỏ hơn dựa trên các đặc điểm chung. Các tiêu chí phân khúc có thể bao gồm độ tuổi, thu nhập, hành vi giao dịch và nhu cầu tài chính. Việc phân khúc giúp ngân hàng hiểu rõ hơn về khách hàng và tạo ra các thông điệp tiếp thị phù hợp với từng nhóm. Ví dụ, khách hàng trẻ tuổi có thể quan tâm đến các sản phẩm tài chính trực tuyến, trong khi khách hàng lớn tuổi có thể ưa thích các dịch vụ tư vấn cá nhân.

4.2. Tiếp Thị Mục Tiêu Ngân Hàng và Cá Nhân Hóa Trải Nghiệm Khách Hàng

Tiếp thị mục tiêu ngân hàng tập trung vào việc tiếp cận những khách hàng có khả năng cao nhất trở thành khách hàng tiềm năng. Việc này giúp tăng cường hiệu quả của các chiến dịch tiếp thị và giảm thiểu chi phí. Cá nhân hóa trải nghiệm khách hàng là yếu tố quan trọng để xây dựng mối quan hệ lâu dài với khách hàng. Ngân hàng có thể sử dụng dữ liệu để cung cấp các sản phẩm và dịch vụ phù hợp với nhu cầu của từng khách hàng, từ đó tăng cường sự hài lòng và trung thành của khách hàng.

4.3. Tự động hoá chiến dịch tiếp thị dựa trên phần mềm Orange

Việc tích hợp kết quả dự đoán khách hàng tiềm năng từ phần mềm Orange vào các hệ thống tự động hóa tiếp thị (marketing automation) có thể giúp ngân hàng tối ưu hóa hoạt động tiếp thị. Ngân hàng có thể tự động gửi email marketing, tin nhắn SMS hoặc thông báo đẩy đến khách hàng dựa trên hành vi và sở thích của họ. Việc này giúp tăng cường hiệu quả của chiến dịch tiếp thị và giảm thiểu chi phí.

V. Kết Quả Nghiên Cứu Ứng Dụng Orange và Đánh Giá Hiệu Quả

Nghiên cứu này đánh giá hiệu quả của việc sử dụng phần mềm Orange cho ngân hàng trong việc dự đoán khách hàng tiềm năng và tối ưu hóa chiến dịch tiếp thị ngân hàng. Kết quả cho thấy việc áp dụng Orange giúp cải thiện đáng kể độ chính xác của dự đoán và tăng cường hiệu quả của các hoạt động tiếp thị. Việc đánh giá hiệu quả chiến dịch tiếp thị ngân hàng cho phép ngân hàng đo lường ROI (Return on Investment) và liên tục cải thiện các chiến lược tiếp thị. Kết quả nghiên cứu này cung cấp bằng chứng thực tế về lợi ích của việc áp dụng công nghệ trong ngành ngân hàng.

5.1. Đo Lường Lợi Nhuận Từ Dự Đoán Khách Hàng Tiềm Năng Ngân Hàng

Lợi nhuận từ dự đoán khách hàng tiềm năng được đo lường bằng cách so sánh doanh thu và chi phí trước và sau khi áp dụng mô hình dự đoán. Các chỉ số như tăng trưởng doanh thu, giảm chi phí tiếp thị và tăng tỷ lệ chuyển đổi được sử dụng để đánh giá hiệu quả. Việc đo lường ROI giúp ngân hàng chứng minh giá trị của việc đầu tư vào công nghệ và tối ưu hóa các hoạt động kinh doanh.

5.2. Cải Thiện Tỷ Lệ Giữ Chân Khách Hàng Ngân Hàng Nhờ Dự Đoán

Việc giữ chân khách hàng ngân hàng là yếu tố quan trọng để đảm bảo sự phát triển bền vững của ngân hàng. Mô hình dự đoán có thể giúp xác định những khách hàng có nguy cơ rời bỏ ngân hàng và đưa ra các biện pháp can thiệp kịp thời. Các biện pháp này có thể bao gồm cung cấp các ưu đãi đặc biệt, cải thiện dịch vụ và tăng cường tương tác với khách hàng. Việc giảm tỷ lệ churn rate giúp ngân hàng tiết kiệm chi phí và tăng cường doanh thu.

VI. Triển Vọng và Hướng Phát Triển Ứng Dụng Orange trong Ngân Hàng

Ứng dụng phần mềm Orange cho ngân hàng có nhiều triển vọng phát triển trong tương lai. Sự phát triển của AI trong ngân hàng và tự động hóa tiếp thị ngân hàng sẽ mở ra nhiều cơ hội mới để cải thiện hiệu quả hoạt động và nâng cao trải nghiệm khách hàng. Việc tích hợp Orange với các hệ thống khác và phát triển các ứng dụng chuyên biệt sẽ giúp ngân hàng tận dụng tối đa tiềm năng của công nghệ. Việc đào tạo nhân viên về data mining ngân hàng và machine learning ngân hàng là cần thiết để đảm bảo việc áp dụng công nghệ thành công.

6.1. Ứng Dụng AI và Machine Learning Nâng Cao Hiệu Quả

Việc ứng dụng AI trong ngân hàng và machine learning ngân hàng vào Orange giúp tự động hóa các quy trình phức tạp và đưa ra các quyết định thông minh hơn. Các thuật toán AI có thể được sử dụng để phân tích dữ liệu, dự đoán rủi ro và phát hiện gian lận. Việc tự động hóa giúp giảm thiểu chi phí, tăng cường hiệu quả và cải thiện độ chính xác.

6.2. Tích Hợp Orange Với Các Hệ Thống CRM và ERP Của Ngân Hàng

Việc tích hợp Orange với các hệ thống CRM và ERP của ngân hàng giúp tạo ra một hệ thống quản lý thông tin toàn diện. Điều này cho phép các bộ phận khác nhau trong ngân hàng chia sẻ thông tin và phối hợp hoạt động một cách hiệu quả. Việc tích hợp cũng giúp cải thiện trải nghiệm khách hàng và tăng cường hiệu quả kinh doanh.

Nội dung chính

Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và cuộc cách mạng công nghiệp 4.0, ngành tài chính - ngân hàng đang đối mặt với sự cạnh tranh gay gắt trong việc thu hút nguồn vốn huy động. Hoạt động tiếp thị qua điện thoại (Telemarketing) truyền thống thường tiêu tốn nguồn lực lớn với tỷ lệ chuyển đổi trung bình toàn ngành chỉ dao động từ 8% đến 12%. Việc thực hiện các cuộc gọi diện rộng không có định hướng dẫn đến lãng phí chi phí nhân sự, gia tăng tỷ lệ từ chối và ảnh hưởng tiêu cực đến trải nghiệm khách hàng.

Đề tài "Dự đoán khách hàng tiềm năng và điều chỉnh chiến lược tiếp thị của ngân hàng bằng phần mềm Orange" giải quyết bài toán tối ưu hóa chiến dịch tiếp thị tiền gửi có kỳ hạn (term deposit) thông qua việc phân tích dữ liệu và xây dựng mô hình học máy phân lớp (Classification Machine Learning). Bằng cách khai thác tập dữ liệu thực nghiệm gồm 4.119 quan sát với 20 thuộc tính đa chiều (nhân khẩu học, lịch sử chiến dịch và các chỉ số kinh tế vĩ mô), nghiên cứu giải quyết cụ thể hai bài toán:

1. Dự đoán xác suất khách hàng đồng ý đăng ký mở tiền gửi có kỳ hạn.
2. Dự đoán mức độ thành công của chiến dịch đối với nhóm khách hàng đã từng được tiếp cận trong quá khứ.

Mục tiêu dự án

1. Tiền xử lý và chuẩn hóa dữ liệu: Xử lý triệt để 4,8% dữ liệu bị khuyết và loại bỏ các bản ghi không xác định (unknown) để đảm bảo chất lượng mẫu.
2. Xây dựng và tối ưu hóa mô hình: Triển khai, huấn luyện và so sánh hiệu năng của các thuật toán phân lớp phổ biến (Hồi quy Logistic, Cây quyết định, Rừng ngẫu nhiên, Mạng nơ-ron nhân tạo, Máy vectơ hỗ trợ).
3. Định lượng hiệu năng dự báo: Đánh giá độ chính xác qua kiểm chuẩn chéo (K-fold Cross-Validation với $k=5$), Ma trận nhầm lẫn (Confusion Matrix) và Đường cong đặc trưng hoạt động của bộ thu (ROC/AUC).
4. Hỗ trợ ra quyết định kinh doanh: Chuyển đổi kết quả phân lớp thành xác suất cụ thể (Scoring Model) nhằm giúp bộ phận kinh doanh phân loại danh sách khách hàng ưu tiên, cá nhân hóa thông điệp tiếp thị và tối ưu hóa ngân sách.

Phạm vi và giới hạn

• Phạm vi dữ liệu: Khai thác bộ dữ liệu Bank Marketing (Moro et al., 2014) thu thập từ các chiến dịch tiếp thị qua điện thoại của ngân hàng Bồ Đào Nha.
• Giới hạn kỹ thuật: Tập dữ liệu tập trung vào các cuộc gọi trực tiếp, chưa bao gồm các kênh kỹ thuật số hiện đại như Mobile App, Email Marketing hay Social Ads.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi áp dụng phương pháp tiếp cận dựa trên dữ liệu, các tổ chức tài chính thường dựa vào phương pháp tiếp thị đại trà (Mass Marketing) hoặc các tập luật tĩnh (Rule-based heuristics).

Tiêu chí	Tiếp thị đại trà (Cold Calling)	Hệ thống luật tĩnh (Rule-based CRM)	Mô hình Học máy (Orange/Python)
Chi phí vận hành	Rất cao (chi phí nhân sự/cuộc gọi lớn)	Trung bình (cần bảo trì tập luật thủ công)	Thấp (tập trung vào nhóm tiềm năng cao)
Tỷ lệ chuyển đổi	Thấp (~5% - 10%)	Trung bình (~12% - 18%)	Cao (>30% trên tập khách hàng chọn lọc)
Khả năng thích ứng	Kém, không có cơ chế học tự động	Chậm, phụ thuộc vào kinh nghiệm chuyên gia	Linh hoạt, tự động cập nhật theo dữ liệu mới
Độ chính xác phân lớp	Không định lượng được	60% - 70%	90.7% - 96.5%

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

• Must have (Bắt buộc): Pipeline tiền xử lý dữ liệu (Imputation & Selection), module huấn luyện phân lớp nhị phân, bộ chỉ số đánh giá chuẩn xác (AUC, CA, F1-Score).
• Should have (Nên có): Giao diện trực quan hóa phân tích ROC Curve, mô hình chấm điểm xác suất (Probability Scoring) cho từng khách hàng dự báo.
• Could have (Có thể có): Khả năng xuất tự động tập dữ liệu đã phân loại sang định dạng bảng tính phục vụ trực tiếp cho đội ngũ Telesales.
• Won't have (Chưa hỗ trợ): Tự động hóa gọi điện qua tổng đài VoIP thời gian thực trong khuôn khổ đồ án môn học.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình luồng dữ liệu 3 tầng tích hợp trên môi trường Orange Data Mining (Python-based Engine):

+-----------------------------------------------------------------------+
|                           TẦNG DỮ LIỆU GỐC                            |
|  - 4.119 bản ghi, 20 thuộc tính (Demographics, Campaign, Macro-econ) |
+-----------------------------------+-----------------------------------+
                                    |
                                    v
+-----------------------------------------------------------------------+
|                       TẦNG TIỀN XỬ LÝ (PREPROCESSING)                 |
|  - Impute Missing Values: Average / Most Frequent                     |
|  - Select Rows: Loại bỏ 'unknown' & 'nonexistent'                     |
|  - Select Columns: Phân định Feature Variables & Target Variable      |
|  - Data Sampler: Phân chia 70% Training Data - 30% Forecast Data      |
+-----------------------------------+-----------------------------------+
                                    |
                                    v
+-----------------------------------------------------------------------+
|                   TẦNG HUẤN LUYỆN & ĐÁNH GIÁ (LEARNING)               |
|  - Thuật toán: Logistic Regression, Decision Tree, Random Forest, NN  |
|  - Đánh giá: 5-Fold Cross-Validation, Confusion Matrix, ROC Analysis  |
|  - Lựa chọn: Mô hình tối ưu nhất cho từng bài toán cụ thể             |
+-----------------------------------+-----------------------------------+
                                    |
                                    v
+-----------------------------------------------------------------------+
|                      TẦNG DỰ BÁO & ỨNG DỤNG (OUTPUT)                  |
|  - Scoring Engine: Tính toán xác suất chuyển đổi từng bản ghi         |
|  - Export Data Forecast: Cung cấp danh sách hành động cho Telesales   |
+-----------------------------------------------------------------------+

Ngăn xếp công nghệ (Technology Stack)

• Nền tảng khai phá: Orange Data Mining Framework v3.34+
• Ngôn ngữ cốt lõi: Python v3.9+
• Thư viện tính toán & Học máy: Scikit-Learn v1.2+, NumPy v1.23+, Pandas v1.5+
• Cơ sở dữ liệu lưu trữ: Tabular Data / CSV / Excel format

Mô tả cấu trúc dữ liệu chính

Tập dữ liệu chứa 20 biến độc lập thuộc 4 nhóm đặc trưng:

1. Thông tin nhân khẩu học: age (numeric), job (categorical), marital (categorical), education (categorical), default (tín dụng xấu), housing (vay mua nhà), loan (vay cá nhân).
2. Thông tin liên lạc chiến dịch hiện tại: contact (hình thức liên lạc), month (tháng), day_of_week (ngày trong tuần), duration (thời lượng cuộc gọi tính bằng giây).
3. Lịch sử chiến dịch trước: campaign (số lần liên hệ chiến dịch này), pdays (số ngày từ lần liên hệ trước, 999 = chưa liên hệ), previous (số lần liên hệ trước đây), poutcome (kết quả chiến dịch trước).
4. Chỉ số kinh tế vĩ mô: emp.var.rate (tỷ lệ biến động việc làm), cons.price.idx (chỉ số giá tiêu dùng), cons.conf.idx (chỉ số niềm tin tiêu dùng), euribor3m (lãi suất liên ngân hàng kỳ hạn 3 tháng), nr.employed (số lượng nhân viên).
5. Biến mục tiêu (Target): y (Đăng ký tiền gửi có kỳ hạn: 'yes'/'no') cho Bài toán 1; poutcome ('success'/'failure') cho Bài toán 2.

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình tiêu chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining):

1. Phân chia dữ liệu (Data Sampling): Sử dụng phương pháp lấy mẫu phân tầng chia tách 70% tập huấn luyện (Data Train) và 30% tập kiểm tra độc lập (Data Forecast).
2. Kỹ thuật kiểm chuẩn chéo (5-Fold Cross-Validation): Tập dữ liệu huấn luyện được chia đều thành 5 phần không trùng lặp. Mô hình thực hiện 5 lần lặp, mỗi lần sử dụng 4 phần để huấn luyện và 1 phần để kiểm định nhằm triệt tiêu hiện tượng Overfitting (quá khớp) và Underfitting (chưa khớp).

---

Triển khai thực nghiệm và kết quả

Quy trình triển khai (Implementation Process)

Quy trình triển khai trên môi trường phân tích dữ liệu được mô phỏng chi tiết thông qua các module thuật toán:

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split, cross_validate, StratifiedKFold
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import roc_auc_score, accuracy_score, precision_score, confusion_matrix

# 1. Pipeline Tiền xử lý dữ liệu
def preprocess_pipeline(file_path):
    df = pd.read_csv(file_path)
    
    # Thay thế giá trị thiếu bằng giá trị xuất hiện nhiều nhất / trung bình
    for col in df.columns:
        if df[col].dtype == 'object':
            df[col] = df[col].fillna(df[col].mode()[0])
        else:
            df[col] = df[col].fillna(df[col].mean())
            
    # Lọc bỏ các giá trị không xác định 'unknown'
    filter_cols = ['job', 'marital', 'education', 'default', 'housing', 'loan']
    for col in filter_cols:
        df = df[df[col] != 'unknown']
        
    return df

# 2. Xây dựng và đánh giá mô hình cho Bài toán 1
def train_problem_1(df):
    X = pd.get_dummies(df.drop(columns=['y']), drop_first=True)
    y = df['y'].apply(lambda x: 1 if x == 'yes' else 0)
    
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.30, random_state=42, stratify=y
    )
    
    cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
    model_lr = LogisticRegression(max_iter=1000, solver='lbfgs')
    
    scoring = ['roc_auc', 'accuracy', 'precision', 'recall', 'f1']
    scores = cross_validate(model_lr, X_train, y_train, cv=cv, scoring=scoring)
    
    model_lr.fit(X_train, y_train)
    predictions_proba = model_lr.predict_proba(X_test)
    
    return model_lr, scores, predictions_proba

Kiểm định và đánh giá mô hình

Bài toán 1: Dự đoán khách hàng đăng ký tiền gửi có kỳ hạn (y)

• Tập dữ liệu: Toàn bộ 21 trường thuộc tính (20 biến độc lập và biến mục tiêu y).
• Thuật toán so sánh: Hồi quy Logistic (Logistic Regression), Rừng ngẫu nhiên (Random Forest), Mạng nơ-ron (Neural Network).

Thuật toán	AUC (Area Under Curve)	CA (Độ chính xác phân lớp)	Precision (Độ chuẩn xác)	Recall (Độ thu hồi)	F1-Score
Logistic Regression	0.921	0.907	0.895	0.907	0.898
Neural Network	0.898	0.895	0.881	0.895	0.886
Random Forest	0.912	0.901	0.889	0.901	0.892

Đánh giá Ma trận nhầm lẫn của Logistic Regression:

• Sai lầm loại 1 (False Positive - Type 1 Error): 36.0% (Dự đoán khách hàng đăng ký nhưng thực tế từ chối).
• Sai lầm loại 2 (False Negative - Type 2 Error): 7.2% (Dự đoán khách hàng từ chối nhưng thực tế có nhu cầu). Tỷ lệ này đặc biệt thấp giúp ngân hàng không bỏ sót các khách hàng tiềm năng thực sự.
• Đường cong ROC: ROC tiệm cận sát góc trên bên trái $(0, 1)$ với chỉ số AUC đạt $0.921$, minh chứng cho khả năng phân tách vượt trội của mô hình.

Bài toán 2: Dự đoán thành công của chiến dịch đối với khách hàng đã liên hệ

• Tiền xử lý đặc thù: Lọc bỏ các bản ghi có poutcome = 'nonexistent', chỉ giữ lại các khách hàng có lịch sử phản hồi (success hoặc failure). Sử dụng 15 biến độc lập có độ tương quan cao.
• Thuật toán so sánh: Cây quyết định (Decision Tree), Hồi quy Logistic, Mạng nơ-ron.

Thuật toán	AUC	CA (Accuracy)	Precision	Recall	F1-Score
Decision Tree	0.954	0.965	0.965	0.965	0.965
Logistic Regression	0.941	0.932	0.928	0.932	0.929
Neural Network	0.948	0.947	0.945	0.947	0.946

Đánh giá Ma trận nhầm lẫn của Decision Tree:

• Sai lầm loại 1: 6.2%.
• Sai lầm loại 2: 2.4%.
• Độ chính xác đạt đỉnh $96.5%$ nhờ cấu trúc phân nhánh rõ ràng dựa trên các ngưỡng quyết định tối ưu của pdays, previous và duration.

Kết quả đạt được

Hệ thống cho phép xuất bảng xác suất dự báo chi tiết cho từng cá nhân trong tập kiểm tra (Data Forecast). Ví dụ mẫu định lượng từ kết quả dự báo:

[Bản ghi #001]: P(y = 'yes') = 98.433%  |  P(y = 'no') = 1.567%  ==> Nhóm Tiềm năng Đặc biệt Cao
[Bản ghi #002]: P(y = 'yes') = 12.105%  |  P(y = 'no') = 87.895% ==> Nhóm Không tiếp cận (Bỏ qua)
[Bản ghi #003]: P(y = 'yes') = 76.820%  |  P(y = 'no') = 23.180% ==> Nhóm Tiềm năng Cao (Ưu tiên)

---

Đổi mới và đóng góp

1. Kết hợp yếu tố hành vi vi mô và kinh tế vĩ mô: Đồ án không chỉ dựa trên thông tin nhân khẩu học đơn thuần mà đưa vào các chỉ số kinh tế quan trọng (euribor3m, cons.price.idx, emp.var.rate), giúp mô hình phản ánh sát thực tế biến động lãi suất và tâm lý thị trường.
2. Giảm thiểu tối đa chi phí cơ hội: Tỷ lệ sai lầm loại 2 (False Negative) được kiểm soát ở mức cực thấp ($7.2%$ ở bài toán 1 và $2.4%$ ở bài toán 2), ngăn chặn nguy cơ bỏ lỡ khách hàng sinh lời cao cho ngân hàng.
3. Quy trình trực quan hóa Low-Code / High-Accuracy: Sử dụng Orange kết hợp nền tảng Python cho phép chuyển giao giải pháp trực tiếp cho chuyên viên nghiệp vụ ngân hàng mà không đòi hỏi kỹ năng lập trình phức tạp.
4. Hiệu quả tối ưu vượt trội: So với phương pháp tiếp cận ngẫu nhiên, mô hình giúp tăng tỷ lệ phản hồi tích cực lên hơn 3,5 lần trên cùng một tập số lượng cuộc gọi thực hiện.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng nghiệp vụ (Use Cases)

• Hệ thống chấm điểm khách hàng tiềm năng (Lead Scoring): Tự động phân loại danh sách dữ liệu đầu vào mỗi ngày thành 3 phân khúc: Ưu tiên gọi ngay (Xác suất > 70%), Nuôi dưỡng qua Email/SMS (Xác suất 30% - 70%), và Không liên hệ (Xác suất < 30%).
• Tối ưu hóa thời lượng và thời điểm tư vấn: Phân tích cho thấy thuộc tính duration kết hợp với các ngày giữa tuần (day_of_week) có tỷ lệ thành công cao nhất, định hướng cho tư vấn viên sắp xếp lịch gọi khoa học.

Kiến trúc tích hợp hạ tầng ngân hàng

+-------------------+      REST API      +-----------------------+
|  Core Banking /   | -----------------> |   Machine Learning    |
|   CRM Database    |                    |    Scoring Engine     |
+-------------------+                    +-----------------------+
          ^                                          |
          |                                          |
          +------------------------------------------+
                  Cập nhật điểm Lead Score

Phân tích hiệu quả đầu tư (Cost-Benefit & ROI)

• Tiết kiệm chi phí: Giảm $50% - 60%$ số lượng cuộc gọi không hiệu quả, tiết kiệm hàng nghìn giờ làm việc của tổng đài viên.
• Gia tăng doanh thu huy động vốn: Với tỷ lệ chính xác dự báo $>90%$, ngân hàng tối đa hóa dòng tiền gửi tiết kiệm trong các giai đoạn biến động lãi suất.
• Thời gian hoàn vốn (ROI Timeline): Ước tính từ 3 đến 6 tháng sau khi tích hợp toàn diện vào hệ thống CRM tiếp thị tự động.

---

Hạn chế và hướng phát triển

Hạn chế tồn tại

• Phụ thuộc vào biến thời lượng cuộc gọi (duration): Biến này chỉ được ghi nhận sau khi cuộc gọi kết thúc, do đó đóng vai trò kiểm chuẩn hơn là biến dự báo thời gian thực trước cuộc gọi.
• Kích thước mẫu thử nghiệm: Bộ dữ liệu gồm 4.119 quan sát là đủ cho quy mô nghiên cứu môn học, nhưng cần mở rộng lên hàng triệu bản ghi trong môi trường sản xuất của ngân hàng thương mại lớn.

Hướng phát triển

• Kỹ thuật Feature Engineering nâng cao: Xây dựng thêm các biến phái sinh về biến động số dư tài khoản và tần suất sử dụng ứng dụng ngân hàng số (Digital Banking).
• Mở rộng thuật toán nâng cao: Triển khai thử nghiệm các thuật toán Boosting hiện đại như XGBoost, LightGBM và CatBoost để nâng cao chỉ số AUC.
• Tự động hóa MLOps: Thiết lập đường ống CI/CD cho mô hình, tự động huấn luyện lại (Retrain) hàng tháng khi phát hiện hiện tượng trôi dữ liệu (Data Drift).

---

Đối tượng hưởng lợi

• Sinh viên & Học viên ngành Khoa học dữ liệu: Nắm vững phương pháp luận chuẩn chỉnh từ tiền xử lý, kiểm chuẩn chéo K-fold đến đánh giá mô hình phân lớp trên công cụ Orange và Python.
• Lập trình viên & Kỹ sư dữ liệu: Nhận được mẫu kiến trúc pipeline xử lý dữ liệu tabular và mã nguồn mẫu tích hợp học máy vào bài toán nghiệp vụ thực tế.
• Nhà quản trị ngân hàng & Giám đốc tiếp thị: Sở hữu giải pháp định lượng đã được chứng minh hiệu quả, giúp cắt giảm chi phí và nâng cao tỷ lệ huy động vốn.
• Các nhà nghiên cứu ứng dụng: Có cơ sở dữ liệu tham khảo về hiệu năng so sánh giữa các mô hình tuyến tính (Logistic Regression) và phi tuyến (Decision Tree, Neural Network) trên dữ liệu tài chính vĩ mô.

---

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật phần cứng và môi trường để triển khai mô hình là gì?

Hệ thống yêu cầu máy chủ tối thiểu 4 Core CPU, 8GB RAM, hệ điều hành Linux/Windows Server, cài đặt Python 3.9+ hoặc phần mềm Orange Data Mining v3.34+. Mô hình nhẹ và có thể chạy suy luận (Inference) thời gian thực với độ trễ dưới 50ms cho mỗi bản ghi.

2. Mô hình xử lý thế nào khi dữ liệu khách hàng mở rộng lên hàng triệu bản ghi?

Khi mở rộng quy mô dữ liệu lớn (Big Data), pipeline tiền xử lý có thể chuyển dịch từ Orange sang xử lý phân tán với Apache Spark (PySpark) hoặc thư viện Dask. Thuật toán Hồi quy Logistic và Cây quyết định hoàn toàn hỗ trợ xử lý song song với độ phức tạp tính toán tuyến tính $\mathcal{O}(n \cdot d)$.

3. Làm thế nào để tích hợp kết quả dự báo từ Orange vào hệ thống CRM hiện tại của ngân hàng?

Quy trình được thực hiện bằng cách đóng gói mô hình đã huấn luyện thành tệp nhị phân (.pkcls trên Orange hoặc .joblib/.onnx trong Python), sau đó triển khai một dịch vụ Web Microservice (sử dụng FastAPI/Flask) tiếp nhận yêu cầu JSON từ CRM và trả về điểm số xác suất.

4. Chi phí bảo trì và phương án giám sát mô hình ra sao?

Cần thiết lập hệ thống giám sát định kỳ để kiểm tra chỉ số PSI (Population Stability Index). Khi chỉ số phân phối khách hàng thay đổi do biến động kinh tế vĩ mô, hệ thống sẽ kích hoạt quy trình huấn luyện lại mô hình với dữ liệu của 3 tháng gần nhất.

5. Dự toán chi phí và thời gian thu hồi vốn (ROI) khi triển khai thực tế?

Chi phí triển khai mô hình học máy dạng Low-code/Open-source gần như chỉ tiêu tốn chi phí kỹ thuật ban đầu. Với mức tăng trưởng $20% - 30%$ tỷ lệ thành công của các chiến dịch huy động tiền gửi, tổ chức tài chính có thể đạt điểm hòa vốn và sinh lời trong vòng 1 đến 2 quý hoạt động.

---

Kết luận

Đồ án môn học "Dự đoán khách hàng tiềm năng và điều chỉnh chiến lược tiếp thị của ngân hàng bằng phần mềm Orange" đã giải quyết xuất sắc bài toán tối ưu hóa chiến dịch tiếp thị ngân hàng thông qua khoa học dữ liệu. Bằng việc áp dụng phương pháp luận khoa học, kiểm định nghiêm ngặt qua 5-Fold Cross-Validation và đánh giá đa chiều trên Ma trận nhầm lẫn cùng đường cong ROC:

• Bài toán 1 khẳng định sự vượt trội của Hồi quy Logistic với chỉ số $\text{AUC} = 0.921$ và độ chính xác $\text{CA} = 90.7%$.
• Bài toán 2 chứng minh hiệu quả tối ưu của Cây quyết định (Decision Tree) với độ chính xác đạt tới $\text{CA} = 96.5%$ và $\text{Precision} = 96.5%$.

Nghiên cứu mang lại giá trị thực tiễn cao, giúp các nhà quản trị chuyển đổi từ mô hình tiếp thị cảm tính sang chiến lược tiếp thị dựa trên dữ liệu định lượng (Data-Driven Marketing), tối ưu hóa nguồn lực và gia tăng lợi thế cạnh tranh bền vững trong lĩnh vực tài chính - ngân hàng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1.1 Tổng quan về bài toán phân lớp dữ liệu. Giới Thiệu Về Python và Phần Mềm Orange.3 Lý do chọn lựa đề tài. Tẫầm quan tr ng ọ c aủchiếến l ược tếếp th ị hi ệu qu ả và tm kiếếm khách hàng tếầm năng trong kinh doanh. Tẫầm quan trọ ng củ a việ c phẫn tch dữ liệu khách hàng.

Mụ c tếu đếầ tài. Đốếi tượng và phạm vi nghiến cứu. Cống cụ sử dụng. Ý nghĩa nghiến cứu.10 CHƯƠNG 2: CÁC MÔ HiNH PHÂN LkP Dl LIÊnU.1 Mô hình phân lớp trên phần mềm Orange.

Mố h5nh Logistc Regression (hốầi quy logistc). Mố h5nh Decision Tree. Mố H5nh Support Vector Machine. Mố h5nh Neural Network.

Quy Trình Phân Lớp Dữ Liệu. Phẫn Chia Dữ Liệu. Phẫn Lớp D ữ Liệu. Đánh Giá Tính Hiệu Quả.16 CHƯƠNG 3: KẾT QUẢ THỰC NGHIỆM.

Mô tả dữ liệu. Phân tích yêu cầu người dùng. Xác đị nh và phẫn tch yếu cẫầu người dùng. Bộ dữ liệu.

Nạp dữ liệu. Quan sát dữ liệu. Tiếần xử lý dữ liệu. L ựa ch ọn và tr5nh bày dữ liệu phù hợp v ới yếu cẫầu người dùng:.

Kết quả thực nghiệm. Xẫy d ựng mố h5nh cho bài toán 1:. Xẫy d ựng mố h5nh cho bài toán 2:. Đánh giá kết quả phân tích, trực quan hóa kết quả, thảo luận và các đề xuất hỗ trợ quyết định.

Kếết quả đánh giá phương pháp của Test & Score – bài toán 1:. Đánh giá mố h5nh d ự a trến kếết qu ả Confusion Matrix – bài toán 1:. Đánh giá mố h5nh d ự a trến kếết quả ROC Analysis – bài toán 1:. Kếết quả dự báo bài toán 1:.

Kếết quả đánh giá phương pháp của Test & Score – bài toán 2:. Đánh giá mố h5nh d ự a trến kếết qu ả Confusion Matrix – bài toán 2:. Đánh giá mố h5nh d ự a trến kếết quả ROC Analysis – bài toán 2:. Kếết quả dự báo bài toán 2:.51 CHƯƠNG 4: KẾT LUẬN.

Kết quả đạt được.2 Những hạn chế tồn tại.3 Hướng phát triển đề tài.53 TÀI LIỆU THAM KHẢO. 55 Danh m甃⌀c hình ảnh H5nh anh 1: Các mô hình phân lớp trên phần mềm Orange. 13 H5nh anh 2: Mô hnh Logistic Regression (hi quy logistic) 13 H5nh anh 3: Mô hình Decision Tree. 14 H5nh anh 4: Mô Hình Support Vector Machine.

15 H5nh anh 5: Mô hình Neural Network 17 H5nh anh 6: Quy trình phân lớp dữ liệu 17 H5nh anh 7: Ví dụ về K-fold cross Validation 18 3 H5nh anh 8: Ví dụ về mô hnh Underfitting 19 H5nh anh 9: : Ví dụ về mô hnh overfitting 20 H5nh anh 10 : Ví dụ về mô hnh Good fitting 20 H5nh anh 11 : Ma trận nhầm lẫn 21 H5nh anh 12 : Ví dụ về ROC 22 H5nh anh 13 : Ví dụ về AUC 23 H5nh anh 14: : Bộ dữ liệu Bank Marketing 28 H5nh anh 15 : Mô hnh quan sát dữ liệu 28 H5nh anh 16 : Mô hình tiền xử lý dữ liệu 29 H5nh anh 17 : Hộp thoại Preprocess 30 H5nh anh 18 : Mô hình tiền xử lý dữ liệu 31 H5nh anh 19 : Hộp thoại Select Rows 31 H5nh anh 20 : Hộp thoại Select Rows 33 H5nh anh 21 : Bộ dữ liệu Bank Marketing 35 H5nh anh 22 : Mô hình quan sát dữ liệu 35 H5nh anh 23 : Mô hnh chia mẫu dữ liệu 36 H5nh anh 24 : Hộp thoại Data sample 36 H5nh anh 25 : Mô hnh đánh giá các thuật toán 38 H5nh anh 26 : Mô hnh tính điểm số các thuật toán 39 H5nh anh 27 : Mô hnh chia mẫu dữ liệu 39 H5nh anh 28 : Hộp thoại Data Sampler 40 H5nh anh 29 : Mô hnh đánh giá các thuật toán 42 H5nh anh 30 : Mô hnh tính điểm các thuật toán 43 H5nh anh 31 : Hộp thoại Test and Score và kết quả định lượng 44 H5nh anh 32 : Kết quả thuật toán Neural Network 45 H5nh anh 33 : Kết quả thuật toán Random Forest 45 H5nh anh 34 : Kết quả thuật toán Logistic Regression 46 H5nh anh 35 : Đường cong ROC Analysis - Target “nono” 47 H5nh anh 36 : Đường cong ROC Analysis - Target “yes” 47 H5nh anh 37 : Mô hình sử dụng thuật toán Logistic Regeression để dự báo dữ liệu bài toán 1 48 H5nh anh 38 : Hộp thoại Test and Score và kết quả định lượng 49 H5nh anh 39 : Kết quả thuật toán Neural Network 50 H5nh anh 40 : Kết quả thuật toán Logistic Regression 51 H5nh anh 41 : Kết quả thuật toán Decision Tree 51 H5nh anh 42 : Đường cong ROC Analysis - Target “failure” 52 H5nh anh 43 : Đường cong ROC Analysis - Target “success” 53 H5nh anh 44 : Mô hnh sử dụng thuật toán Decision Tree để dự báo dữ liệu bài toán 2 53 4 Danh m甃⌀c bảng biểu Bang 1: Tóm tắt dữ liệu.21 Bang 2: Dữ liệu gốc.26 Bang 3: Dữ liệu sau khi được tiền xử lý.28 Bang 4: Dữ liệu sau khi được điều chỉnh phù hợp.29 Bang 5: Dữ liệu sau khi lọc.32 Bang 6: Quan sát dữ liệu Data Train.35 Bang 7: Quan sát dữ liệu Data Forecast.35 Bang 8: Quan sát dữ liệu Data Train.39 Bang 9: Quan sát dữ liệu Data Forecast.39 Bang 10: Kết quả dự báo bài toán 1.46 Bang 11: Kết quả dự báo bài toán 2.1 Tổng quan về bài toán phân lớp dữ liệu 1. Định nghĩa Phân lớp dữ liệu là quá trình phân một đối tượng dữ liệu vào một hay nhiều lớp (loại) đã cho trước nhờ một mô hình phân lớp. Mô hình này được xây dựng dựa trên một tập dữ liệu đã được gán nhãn trước đó (thuộc về lớp nào). Quá trình gán nhãn (thuộc về lớp nào) cho đối tượng dữ liệu chính là quá trình phân lớp dữ liệu.

Một trong những hướng nghiên cứu chính của khai phá dữ liệu đó là phân lớp dữ liệu (Classification). Việc phân tích dữ liệu bao gồm: phân lớp và dự đoán với mục đích tạo ra một mô hình mô tả lớp dữ liệu có vai trò quan trọng hay dự đoán xu thế tương lai của dữ liệu. Quá trình phân lớp dự đoán giá trị của những nhãn xác định(categorical label) hay những giá trị rời rạc (discrete value). Đối với khái niệm về thuật ngữ “Phân lớp dữ liệu” chúng ta có thể hiểu đó là quá trình phân bổ một đối tượng dữ liệu vào một hay nhiều lớp (loại) đã cho trước nhờ một mô hình phân lớp.

Mô hình này được xây dựng dựa trên một tập dữ liệu đã được gán nhãn trước đó (thuộc về lớp nào). Quá trình gán nhãn (thuộc lớp nào) cho đối tượng dữ liệu chính là quá trình phân lớp dữ liệu. Ứng d甃⌀ng Trong những năm gần đây, phân lớp dữ liệu đã thực sự thu hút được một lượng lớn các nhà nghiên cứu trong nhiều lĩnh vực đa dạng khác nhau: học máy (Machine Learning), hệ chuyên gia (Expert System), thống kê (Statistics),. Ngoài ra, việc phân lớp dữ liệu còn có vai trò quan trọng trong một số ngành.

Đối với ngành Tài chính -Ngân hàng thì phân lớp dữ liệu được ứng dụng để dự báo giá chứng khoán, xếp hạng tín dụng cá nhân, đánh giá rủi ro tài chính. Với ngành Sale & Marketing thì được ứng dụng vào 5 việc dự báo doanh thu, dự báo khách hàng trung thành. Còn đối với ngành Kinh tế thì được ứng dụng để xem xét những dự báo khủng hoảng kinh tế, dự báo cung cầu. Giới Thiệu Về Python và Phần Mềm Orange Python là một ngôn ngữ lập trình thông dịch, được tạo ra vào những năm 1980 bởi Guido van Rossum.

Nó là một ngôn ngữ lập trình đa năng và được sử dụng rộng rãi trong nhiều lĩnh vực như khoa học dữ liệu, máy học, trí tuệ nhân tạo, phát triển web, và nhiều ứng dụng khác. Python có cú pháp đơn giản, dễ đọc và dễ hiểu, và có một cộng đồng lớn với rất nhiều thư viện hỗ trợ cho việc phát triển các ứng dụng. Orange là một phần mềm mã nguồn mở được sử dụng để thực hiện các tác vụ phân tích dữ liệu và học máy. Nó cung cấp cho người dùng một giao diện đồ họa thân thiện để xử lý dữ liệu, mô hình hóa, đánh giá và trực quan hóa các kết quả.

Orange được viết bằng Python và có rất nhiều tính năng hữu ích như tạo biểu đồ, xây dựng mô hình, kiểm tra độ chính xác, và tìm kiếm các mô hình phù hợp nhất cho dữ liệu của bạn. Nó cũng cung cấp nhiều công cụ hỗ trợ cho việc khai phá dữ liệu và phân tích dữ liệu trong thời gian thực. Orange rất phổ biến trong cộng đồng khoa học dữ liệu và học máy, và được sử dụng rộng rãi trong các nghiên cứu và ứng dụng thương mại. Python và Orange đều là các công cụ được sử dụng trong lĩnh vực phân tích dữ liệu và học máy, tuy nhiên, chúng có những đặc điểm riêng biệt như sau: Đặc điểm của Python: - Ngôn ngữ lập trình phổ biến: Python là một ngôn ngữ lập trình phổ biến với cú pháp đơn giản, dễ đọc và dễ hiểu, thuận tiện cho người mới bắt đầu học lập trình.

- Cộng đồng phát triển lớn: Python có một cộng đồng phát triển đông đảo, với nhiều thư viện mở rộng phong phú như NumPy, Pandas, Scikit-learn, v. Hỗ trợ cho việc xử lý dữ liệu và học máy. - Đa năng: Python là một ngôn ngữ đa năng, có thể được sử dụng trong nhiều lĩnh vực khác nhau, không chỉ trong phân tích dữ liệu mà còn trong web development, machine learning, data science, artificial intelligence, và nhiều lĩnh vực khác. - Tính nhất quán: Python là ngôn ngữ lập trình có tính nhất quán cao, có cấu trúc rõ ràng và chuẩn mực.

Điều này giúp cho việc phát triển và duy trì mã nguồn dễ dàng, đồng thời cũng tạo điều kiện cho việc hợp tác trong nhóm. Đặc điểm của Orange: - Giao diện đồ họa: Orange cung cấp giao diện đồ họa trực quan, cho phép người dùng thực hiện các tác vụ phân tích dữ liệu một cách trực quan, không cần viết mã lệnh. Điều này làm cho Orange dễ tiếp cận và sử dụng đối với người dùng không có kỹ năng lập trình. - Công c甃⌀ đa nhiệm: Orange cung cấp nhiều công cụ phân tích dữ liệu và học máy tích hợp sẵn, cho phép người dùng thực hiện nhiều tác vụ khác nhau như xử lý dữ liệu, 6 trực quan hóa, phân tích thống kê, huấn luyện mô hình học máy trong một môi trường duy nhất.

- Tính linh hoạt: Orange cho phép người dùng tích hợp các công cụ mở rộng và thư viện của Python, tận dụng tính linh hoạt của Python để mở rộng tính năng và khả năng của Orange.