Hướng dẫn chi tiết xây dựng ứng dụng mobile bán các sản phẩm chăm sóc sức khỏe

Khám phá cách xây dựng ứng dụng mobile hiệu quả để bán sản phẩm chăm sóc sức khỏe, tối ưu hóa trải nghiệm người dùng và tăng doanh thu.

• Tác giả: Nguyễn Đình Thiện
• Người hướng dẫn: TS. Trần Nhật Quang
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Xây dựng ứng dụng mobile bán các sản phẩm chăm sóc sức khỏe
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• ĐỀ CƯƠNG KHÓA LUẬN TỐT NGHIỆP
• MỤC LỤC
• 1. PHẦN MỞ ĐẦU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục đích của đề tài
• 1.3. Phương pháp thực hiện
• 1.4. Kết quả dự kiến đạt được:
• 2. PHẦN NỘI DUNG
• 3. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT
• 3.1. Tìm hiểu công nghệ
• 3.2. Giới thiệu Flutter
• 3.3. Các thành phần trong Flutter
• 3.4. Giới thiệu Node
• 3.5. Kiến trúc và các thành phần chính của Node
• 3.6. Ứng dụng và sử dụng Node
• 3.7. Giới thiệu React
• 3.8. Kiến trúc và các thành phần chính của React
• 3.9. Các thư viện và công cụ hỗ trợ React
• 3.10. Elasticsearch và Kibana
• 3.11. TF - Term Frequency
• 3.12. IDF - Inverse Document Frequency
• 3.13. Natural Language Processing – NLP
• 3.14. Neighborhood-base Collaborative Filtering
• 3.15. Định hướng phát triển
• 3.16. Hệ thống đề xuất
• 3.17. Phân tích công nghệ
• 3.18. Vấn đề truyền tải
• 3.19. Hiệu suất xử lý
• 3.20. Độ chính xác của thuật toán
• 3.21. Kiến trúc hệ thống
• 4. CHƯƠNG 2: KHẢO SÁT VÀ PHÂN TÍCH HIỆN TRẠNG
• 4.1. Khảo sát hiện trạng:
• 4.2. Nhu cầu mua sắm trực tuyến
• 4.3. Các sàn thương mại phổ biến
• 4.4. Xác định yêu cầu chức năng hệ thống:
• 5. CHƯƠNG 3: MÔ HÌNH HOÁ YÊU CẦU
• 5.1. Cơ sở dữ liệu
• 5.2. Sơ đồ ERD - Entity Relationship Diagram
• 5.3. Mô hình lưu trữ sản phẩm (Product)
• 5.4. Mô hình lưu trữ dữ liệu người dùng (User)
• 5.5. Mô hình lưu trữ dữ liệu giỏ hàng
• 5.6. Mô hình lưu trữ dữ liệu đơn hàng
• 5.7. Mô hình lưu trữ dữ liệu đánh giá
• 5.8. Đặc tả Usecase
• 5.9. Tìm kiếm sản phẩm
• 5.10. Xem danh sách sản phẩm
• 5.11. Xem chi tiết sản phẩm
• 5.12. Thêm sản phẩm vào mục yêu thích
• 5.13. Thêm sản phẩm vào giỏ hàng
• 5.14. Cập nhật số lượng sản phẩm trong giỏ hàng
• 5.15. Xóa sản phẩm khỏi giỏ hàng
• 5.16. Thêm địa chỉ email
• 5.17. Xóa địa chỉ email
• 5.18. Thêm địa chỉ nhận hàng
• 5.19. Cập nhật địa chỉ nhận hàng
• 5.20. Xóa địa chỉ nhận hàng
• 5.21. Thanh toán momo
• 5.22. Xem danh sách đơn hàng
• 5.23. Đăng nhập admin
• 5.24. Đăng xuất admin
• 5.25. Xem thống kê bán hàng
• 5.26. Xem danh sách đơn hàng
• 5.27. Cập nhật trạng thái đơn hàng
• 5.28. Tạo sản phẩm
• 5.29. Sửa thông tin sản phẩm
• 5.30. Xem danh sách sản phẩm
• 5.31. Người dùng
• 5.32. Cập nhật tên người dùng
• 5.33. Quản lý email nhận hàng
• 5.34. Cập nhật avatar, cover
• 5.35. Quản lý địa chỉ nhận hàng
• 5.36. Xem sản phẩm theo danh mục
• 5.37. Thêm sản phẩm vào giỏ hàng
• 5.38. Quản lý giỏ hàng
• 5.39. Theo dõi trạng thái đơn hàng
• 5.40. Đăng nhập admin
• 5.41. Quản lý sản phẩm
• 5.42. Thêm sản phẩm
• 5.43. Mô hình đề xuất sản phẩm
• 5.44. Thuật toán Content-Base Filtering
• 5.45. Thuật toán Collaborative Filtering
• 6. CHƯƠNG 4: THIẾT KẾ GIAO DIỆN XỬ LÝ
• 6.1. Giao diện tìm kiếm sản phẩm
• 6.2. Giao diện xem chi tiết sản phẩm
• 6.3. Giao diện thêm sản phẩm vào mục yêu thích
• 6.4. Giao diện thêm sản phẩm vào giỏ hàng
• 6.5. Địa chỉ nhận hàng
• 6.6. Quản lý tài khoản
• 6.7. Đặt hàng và thanh toán bằng momo
• 6.8. Xem danh sách đơn hàng
• 6.9. Xem chi tiết đơn hàng (COD)
• 6.10. Xem chi tiết đơn hàng (MOMO)
• 6.11. Theo dõi trạng thái đơn hàng
• 6.12. Hủy đơn hoàn tiền về momo (đơn đã thanh toán)
• 6.13. Đánh giá đơn hàng
• 6.14. Xem đánh giá của đơn hàng
• 6.15. Sửa đánh giá của đơn hàng
• 6.16. Xem lịch sử đánh giá của người dùng
• 6.17. Xem tất cả đánh giá của sản phẩm
• 6.18. Giao diện quản lý đơn hàng của admin
• 6.19. Giao diện quản lý sản phẩm của admin
• 6.20. Thêm sản phẩm
• 6.21. Chỉnh sửa thông tin sản phẩm
• 6.22. Xem danh sách sản phẩm
• 6.23. Giao diện xem thống kê doanh số của admin
• 7. PHẦN KẾT LUẬN
• 7.1. NHỮNG KẾT QUẢ ĐẠT ĐƯỢC
• 7.2. Về kiến thức
• 7.3. Về kinh nghiệm
• 7.4. ƯU ĐIỂM VÀ NHƯỢC ĐIỂM
• 7.5. Nhược điểm
• 7.6. HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG
• KẾ HOẠCH THỰC HIỆN

Tóm tắt

I. Giới thiệu về ứng dụng mobile bán sản phẩm chăm sóc sức khỏe

Việc xây dựng ứng dụng mobile bán sản phẩm chăm sóc sức khỏe đang trở thành xu hướng quan trọng trong thời đại số hóa. Ứng dụng này không chỉ giúp người tiêu dùng dễ dàng tiếp cận các sản phẩm chăm sóc sức khỏe mà còn tạo ra một nền tảng thuận lợi cho các nhà cung cấp. Bán sản phẩm chăm sóc sức khỏe qua ứng dụng di động mang lại nhiều lợi ích, bao gồm khả năng tiếp cận nhanh chóng, tiện lợi và khả năng cá nhân hóa trải nghiệm mua sắm. Theo một nghiên cứu gần đây, người tiêu dùng ngày càng ưa chuộng việc mua sắm trực tuyến, đặc biệt là trong lĩnh vực chăm sóc sức khỏe. Điều này cho thấy tiềm năng lớn cho các ứng dụng di động trong việc bán hàng và phục vụ nhu cầu của người tiêu dùng.

1.1. Tính cấp thiết của ứng dụng

Trong bối cảnh dịch bệnh và nhu cầu chăm sóc sức khỏe ngày càng tăng, việc phát triển một ứng dụng di động chuyên biệt cho bán sản phẩm chăm sóc sức khỏe là rất cần thiết. Ứng dụng này không chỉ giúp người tiêu dùng dễ dàng tìm kiếm và mua sắm các sản phẩm mà còn cung cấp thông tin hữu ích về sức khỏe. Hơn nữa, việc tích hợp các công nghệ mới như trí tuệ nhân tạo và phân tích dữ liệu sẽ giúp tối ưu hóa trải nghiệm người dùng, từ đó tăng cường hiệu quả kinh doanh cho các doanh nghiệp. Việc quản lý sản phẩm chăm sóc sức khỏe qua ứng dụng cũng giúp các nhà cung cấp dễ dàng theo dõi và điều chỉnh chiến lược kinh doanh của mình.

II. Thiết kế và phát triển ứng dụng

Quá trình thiết kế ứng dụng mobile cần được thực hiện một cách cẩn thận để đảm bảo tính khả thi và hiệu quả. Các yếu tố như giao diện người dùng (UI) và trải nghiệm người dùng (UX) cần được chú trọng. Phát triển ứng dụng di động yêu cầu sự kết hợp giữa nhiều công nghệ khác nhau, bao gồm Flutter cho giao diện, Node.js cho backend và các công nghệ khác như Firebase cho lưu trữ dữ liệu. Việc sử dụng các công nghệ này không chỉ giúp tăng tốc độ phát triển mà còn đảm bảo tính ổn định và bảo mật cho ứng dụng. Hệ thống cần được thiết kế theo kiến trúc sạch (Clean Architecture) để dễ dàng bảo trì và nâng cấp trong tương lai.

2.1. Các công nghệ sử dụng

Để xây dựng ứng dụng, các công nghệ như Flutter, Node.js, và React.js sẽ được sử dụng. Flutter cho phép phát triển ứng dụng đa nền tảng với giao diện đẹp mắt và mượt mà. Node.js sẽ đảm nhận vai trò backend, xử lý các yêu cầu từ người dùng và tương tác với cơ sở dữ liệu. Việc tích hợp các API như MOMO cho thanh toán và Elasticsearch cho tìm kiếm sản phẩm sẽ giúp nâng cao trải nghiệm người dùng. Hệ thống cũng cần được tối ưu hóa để xử lý nhanh chóng các yêu cầu từ người dùng, đảm bảo rằng mọi thao tác đều diễn ra một cách mượt mà và hiệu quả.

III. Chiến lược marketing và quảng cáo

Để tăng trưởng doanh số bán hàng, một chiến lược marketing hiệu quả là rất cần thiết. Việc sử dụng các kênh quảng cáo trực tuyến như mạng xã hội, Google Ads và email marketing sẽ giúp tiếp cận đúng đối tượng khách hàng. Marketing di động cũng đóng vai trò quan trọng trong việc thu hút người dùng mới và giữ chân khách hàng cũ. Các chương trình khuyến mãi, giảm giá và ưu đãi đặc biệt sẽ tạo động lực cho người tiêu dùng thử nghiệm ứng dụng. Hơn nữa, việc thu thập và phân tích dữ liệu từ người dùng sẽ giúp điều chỉnh chiến lược marketing một cách linh hoạt và hiệu quả.

3.1. Phân tích hiệu quả quảng cáo

Phân tích hiệu quả của các chiến dịch quảng cáo là rất quan trọng để đánh giá mức độ thành công của ứng dụng. Các chỉ số như tỷ lệ nhấp chuột (CTR), tỷ lệ chuyển đổi và doanh thu từ quảng cáo sẽ được theo dõi thường xuyên. Việc sử dụng các công cụ phân tích như Google Analytics sẽ giúp hiểu rõ hơn về hành vi người dùng và điều chỉnh chiến lược marketing cho phù hợp. Ngoài ra, việc thu thập phản hồi từ người dùng cũng sẽ giúp cải thiện chất lượng dịch vụ và sản phẩm, từ đó nâng cao sự hài lòng của khách hàng.

IV. Đánh giá và cải tiến ứng dụng

Sau khi ứng dụng được phát triển và ra mắt, việc đánh giá hiệu quả ứng dụng là rất cần thiết. Các chỉ số như số lượng tải về, mức độ tương tác của người dùng và doanh thu sẽ được theo dõi để đánh giá hiệu quả hoạt động của ứng dụng. Dựa trên các phản hồi từ người dùng, các cải tiến sẽ được thực hiện để nâng cao trải nghiệm người dùng. Việc thường xuyên cập nhật và nâng cấp ứng dụng sẽ giúp duy trì sự quan tâm của người dùng và giữ vững vị thế cạnh tranh trên thị trường.

4.1. Cải tiến dựa trên phản hồi

Phản hồi từ người dùng là nguồn thông tin quý giá để cải tiến ứng dụng. Các vấn đề như lỗi kỹ thuật, giao diện không thân thiện hay thiếu tính năng sẽ được ghi nhận và xử lý kịp thời. Việc lắng nghe ý kiến của người dùng không chỉ giúp cải thiện chất lượng sản phẩm mà còn tạo dựng lòng tin và sự trung thành từ phía khách hàng. Hệ thống cũng cần có cơ chế để người dùng dễ dàng gửi phản hồi và đề xuất, từ đó tạo ra một môi trường tương tác tích cực giữa nhà phát triển và người dùng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh chuyển đổi số và sự phát triển mạnh mẽ của thương mại điện tử, hành vi tiêu dùng của người dân có sự thay đổi rõ rệt. Việc mua sắm trực tuyến các mặt hàng chăm sóc sức khỏe ngày càng trở nên phổ biến và đóng vai trò thiết yếu. Tuy nhiên, sự đa dạng của các dòng sản phẩm khiến người tiêu dùng gặp khó khăn trong việc lựa chọn sản phẩm phù hợp với nhu cầu và đặc điểm cá nhân. Do đó, việc xây dựng một hệ thống thương mại điện tử chuyên biệt tích hợp công nghệ trí tuệ nhân tạo và máy học nhằm phân tích hành vi, cá nhân hóa trải nghiệm người dùng và tối ưu hóa hoạt động bán hàng là yêu cầu cấp thiết.

Khóa luận xác định mục tiêu nghiên cứu và hệ thống các nhiệm vụ cụ thể:

1. Mục tiêu nghiên cứu:

   • Xây dựng sàn thương mại điện tử trên nền tảng di động có khả năng gợi ý sản phẩm thông minh cho người dùng.
   • Cung cấp các phương thức thanh toán tiện lợi (COD, MOMO với tính năng tự động hoàn tiền khi hủy đơn) và theo dõi trạng thái đơn hàng qua ứng dụng và email.
   • Xây dựng hệ thống phân tích dữ liệu đơn hàng và đánh giá sản phẩm nhằm tối ưu hóa quy trình mua sắm, hỗ trợ nhà cung cấp quản lý tồn kho và thống kê doanh số.

2. Nhiệm vụ lý thuyết:

   • Nghiên cứu mô hình kiến trúc MVC, Clean Architecture và lập trình hướng đối tượng (OOP).
   • Nghiên cứu bộ công cụ phát triển ứng dụng di động Flutter cùng các thư viện quản lý trạng thái và định tuyến: Bloc, Cubit, GetIt, Auto_router, Retrofit, Dio, Json_serializable, VelocityX, Freeze.
   • Nghiên cứu nền tảng Node.js, Express.js để xây dựng hệ thống RESTful API.
   • Nghiên cứu ngôn ngữ Python, micro-framework Flask phục vụ thu thập dữ liệu và xử lý mô hình học máy.
   • Nghiên cứu hệ quản trị cơ sở dữ liệu Microsoft SQL Server, hệ thống lưu trữ bộ nhớ đệm Redis và dịch vụ Firebase.
   • Nghiên cứu xây dựng giao diện web quản trị bằng JavaScript, ReactJS, Redux Toolkit, Tailwind CSS, Ant Design và Axios.
   • Nghiên cứu giải pháp tìm kiếm phân tán Elasticsearch và trực quan hóa Kibana.
   • Nghiên cứu thuật toán gợi ý sản phẩm: Gợi ý dựa trên nội dung (Content-based Recommendation System) và Lọc cộng tác (Collaborative Filtering).
   • Nghiên cứu kỹ thuật xử lý ngôn ngữ tự nhiên (NLP), thuật toán vector hóa dữ liệu văn bản TF-IDF (Term Frequency – Inverse Document Frequency) và độ đo tương đồng Cosine Similarity.

3. Nhiệm vụ thực hành:

   • Thu thập và tiền xử lý dữ liệu từ sàn thương mại điện tử Shopee bằng các thư viện Python.
   • Xây dựng mô hình máy học kết hợp giữa Content-based và Collaborative Filtering.
   • Xây dựng ứng dụng di động đa nền tảng bằng Flutter và giao diện web quản trị bằng ReactJS.
   • Xây dựng backend với Express.js, tối ưu hóa tốc độ xử lý API, tích hợp cổng thanh toán MOMO và dịch vụ vận chuyển Giao Hàng Nhanh.
   • Áp dụng Redis cache và Elasticsearch để tăng tốc độ truy vấn, tìm kiếm sản phẩm.
   • Thiết lập các giải pháp bảo mật: kiểm thực dữ liệu đầu vào (validation) và ngăn chặn tấn công SQL Injection.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Ứng dụng di động thương mại điện tử bán sản phẩm chăm sóc sức khỏe và các thuật toán gợi ý sản phẩm cá nhân hóa.
• Phạm vi không gian: Đề tài được thực hiện tại Khoa Công nghệ Thông tin, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.
• Phạm vi thời gian: Thời gian triển khai từ ngày 26/02/2024 đến ngày 12/07/2024.

---

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng trên nền tảng lý thuyết về hệ thống khuyến nghị và kiến trúc phần mềm phân tán hiện đại:

• Khung lý thuyết và mô hình giải thuật:

  • Xử lý ngôn ngữ tự nhiên (NLP) & TF-IDF: Đánh giá tầm quan trọng của từ khóa trong mô tả sản phẩm thông qua tích số giữa tần suất xuất hiện của từ ($TF$) và nghịch đảo tần suất văn bản ($IDF$).
  • Cosine Similarity: Đo lường góc giữa hai vector đặc trưng nhằm xác định độ tương đồng giữa các sản phẩm hoặc giữa các hồ sơ người dùng.
  • Content-based Filtering: Đề xuất sản phẩm dựa trên sự tương đồng về thuộc tính (tên, mô tả, thành phần, nguồn gốc) sau khi tiền xử lý (loại bỏ ký tự đặc biệt, stop words, lemmatization).
  • Neighborhood-based Collaborative Filtering: Gồm hai tiếp cận User-User Collaborative Filtering (uuCF) và Item-Item Collaborative Filtering (iiCF), dựa trên ma trận đánh giá người dùng - sản phẩm để tìm láng giềng tương đồng và dự đoán mức độ quan tâm.
  • Matrix Factorization: Kỹ thuật phân rã ma trận đánh giá thưa $R$ thành hai ma trận đặc trưng người dùng ($U$) và sản phẩm ($P$) theo công thức $R \approx U \times P^T$.
  • Độ đo đánh giá: Sử dụng chỉ số F1-Score để đánh giá độ chính xác của mô hình phân loại và đề xuất.

• Phương pháp nghiên cứu:

  • Phương pháp phân tích - tổng hợp: Nghiên cứu tài liệu chuyên khảo về thuật toán đề xuất, kiến trúc Clean Architecture và các công nghệ phần mềm liên quan.
  • Phương pháp thu thập dữ liệu (Web Scraping): Sử dụng các thư viện cào dữ liệu của Python để thu thập dữ liệu thực tế từ sàn thương mại điện tử Shopee.
  • Phương pháp mô hình hóa hệ thống: Sử dụng sơ đồ quan hệ thực thể (ERD), sơ đồ ca sử dụng (Use Case Diagram) và sơ đồ tuần tự (Sequence Diagram) để chuẩn hóa quy trình nghiệp vụ.
  • Phương pháp thực nghiệm phần mềm: Triển khai mã nguồn, kiểm thử API bằng công cụ Postman, đo lường tốc độ phản hồi và độ trễ của hệ thống.

• Nguồn dữ liệu: Tập dữ liệu phục vụ nghiên cứu và kiểm thử được thu thập thực tế từ Shopee với quy mô:

  • Hơn 200 sản phẩm chăm sóc sức khỏe.
  • Hơn 17.000 bản ghi đánh giá từ người dùng.
  • Khoảng 14.000 đến 16.000 đơn hàng thực tế đã được xử lý và chuẩn hóa vào cơ sở dữ liệu.

---

Thiết kế và triển khai

Hệ thống được thiết kế theo kiến trúc phân tầng, tích hợp đa dịch vụ nhằm đảm bảo tính sẵn sàng cao, hiệu suất xử lý nhanh và khả năng bảo trì linh hoạt:

[Mobile Client: Flutter] <--> [RESTful API: Node.js / Express.js] <--> [SQL Server]
[Admin Web: ReactJS]     <--> [Recommendation Service: Python Flask] <--> [Redis Cache]
                              [Search Engine: Elasticsearch / Kibana]

Kiến trúc phân tầng và công nghệ triển khai

Tầng hệ thống	Công nghệ / Thư viện chính	Vai trò và chức năng
Mobile Client	Flutter, Dart, Bloc, Cubit, Auto_router, Retrofit, Dio, Json_serializable, VelocityX, Freezed	Ứng dụng di động đa nền tảng (Android, iOS) cho người dùng cuối; giao diện người dùng, xử lý trạng thái tách biệt qua Bloc/Cubit.
Admin Web	ReactJS, Redux Toolkit, Ant Design, Tailwind CSS, Axios, React Router, React Toastify, NProgress	Trang quản trị dành cho người quản lý; duyệt đơn hàng, cập nhật/khóa sản phẩm, theo dõi biểu đồ doanh số.
Backend Services	Node.js, Express.js, RESTful API, Nodemailer	Xử lý logic nghiệp vụ chính, quản lý phiên, xác thực, gửi email thông báo trạng thái đơn hàng.
Machine Learning Service	Python, Flask, Pandas, Scikit-learn	Xử lý cào dữ liệu, tính toán TF-IDF, Cosine Similarity và giải thuật lọc cộng tác (Collaborative Filtering).
Cơ sở dữ liệu chính	Microsoft SQL Server (T-SQL)	Lưu trữ có cấu trúc các bảng Product, User, Cart, Order, Review; đảm bảo tính toàn vẹn dữ liệu và giao dịch.
Bộ nhớ đệm & Tìm kiếm	Redis Cache, Elasticsearch, Kibana	Caching kết quả đề xuất và truy vấn thường xuyên; cung cấp công cụ tìm kiếm toàn văn (full-text search) tốc độ cao.
Lưu trữ tệp & Tích hợp ngoài	Firebase Cloud Storage, MoMo API, Giao Hàng Nhanh API	Lưu trữ hình ảnh sản phẩm/avatar; hỗ trợ thanh toán trực tuyến, hoàn tiền tự động và tính phí vận chuyển.

Quy trình xử lý của mô hình đề xuất lai (Hybrid Recommendation)

1. Xử lý tương tác thời gian thực: Khi người dùng xem hoặc thêm sản phẩm vào giỏ hàng, thuật toán Content-based (Python Flask) trích xuất vector TF-IDF của sản phẩm hiện tại, tính Cosine Similarity và trả về danh sách các mặt hàng tương đồng.
2. Xử lý dữ liệu đánh giá lịch sử: Thuật toán User-User/Item-Item Collaborative Filtering xây dựng ma trận đánh giá. Để giải quyết hiện tượng thiên vị đánh giá giữa người dùng khắt khe và người dùng dễ tính, hệ thống điền giá trị trung bình của từng người dùng vào các ô chưa đánh giá, sau đó trừ mỗi hàng cho chính giá trị trung bình đó (mean-centering).
3. Lưu trữ đệm: Kết quả dự đoán được đẩy vào Redis Cache để giảm tải tính toán cho backend và giảm thời gian phản hồi cho client.

---

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết

Chương này tập trung trình bày tổng quan và phân tích chuyên sâu về các công nghệ, giải thuật được ứng dụng trong đề tài:

• Công nghệ phát triển: Phân tích nguyên lý hoạt động của Flutter (Dart, Widget, Engine, mô hình Reactive với Bloc/Cubit); kiến trúc bất đồng bộ đơn luồng (Event Loop, non-blocking I/O) của Node.js và Express.js; cấu trúc Component, Virtual DOM, Hooks của ReactJS; tính gọn nhẹ của microframework Flask.
• Lưu trữ và tìm kiếm: Phân tích hệ quản trị SQL Server trong quản lý dữ liệu quan hệ phức tạp; nguyên lý lưu trữ in-memory dạng key-value của Redis; cơ chế đánh chỉ mục phân tán của Elasticsearch kết hợp giao diện phân tích Kibana; các dịch vụ Firebase (Cloud Storage, Realtime Database, Firestore).
• Lý thuyết giải thuật đề xuất: Trình bày chi tiết công thức toán học tính $TF$, $IDF$, vector hóa $TF-IDF$, độ đo Cosine Similarity trong Content-based Filtering; phân tích cấu trúc User-User và Item-Item trong Neighborhood-based Collaborative Filtering; mô hình phân rã ma trận Matrix Factorization ($R \approx U \times P^T$).
• Phân tích giải pháp kỹ thuật: Đưa ra các giải pháp giải quyết bài toán hiệu suất như đánh chỉ mục CSDL, Stored Procedure, tối ưu hóa câu truy vấn, xử lý bất đồng bộ (Future/Isolates trên Flutter; Async/Await trên Node.js) và kiểm soát độ chính xác thuật toán.

Chương 2: Khảo sát và phân tích hiện trạng

Chương 2 cung cấp số liệu thực tế về thị trường thương mại điện tử và khảo sát hệ thống:

• Khảo sát thị trường: Dẫn chứng số liệu thực tế tại Việt Nam: 81% người được hỏi xem mua sắm trực tuyến là thói quen hàng ngày; 59% mua sắm ít nhất một lần mỗi tuần; 85% người tiêu dùng gia tăng chi tiêu mua hàng trực tuyến kể từ khi đại dịch Covid-19 bùng phát.
• Khảo sát các sàn thương mại điện tử tiêu biểu:
  • Shopee: Nền tảng thành lập năm 2015 bởi Sea Group; dẫn đầu thị phần về lượt tải và sử dụng năm 2020; sở hữu hệ thống khuyến nghị mạnh dựa trên phân tích hành vi và lịch sử mua sắm.
  • Lazada: Thuộc Rocket Internet (thành lập 2007 tại Berlin); nằm trong top 20.000 website toàn cầu theo Alexa; quy mô cung cấp đa dạng từ điện tử tiêu dùng đến thiết bị thể thao.
• Xác định yêu cầu hệ thống: Thiết lập bảng tiêu chuẩn chức năng và phi chức năng gồm 3 tiêu chí cốt lõi: Tốc độ xử lý (nhanh, tối ưu hóa độ trễ), Giao diện (rõ ràng, tối giản, phù hợp thói quen người dùng) và Độ bảo mật (bảo vệ thông tin khách hàng, chống tấn công SQL Injection).

Chương 3: Mô hình hoá yêu cầu

Chương này thực hiện thiết kế chi tiết cơ sở dữ liệu và hành vi hệ thống:

• Mô hình dữ liệu quan hệ (ERD): Thiết kế chi tiết các bảng thực thể gồm Product (sản phẩm và phân loại), User (người dùng, thông tin cá nhân, quyền hạn), Cart (giỏ hàng), Order (đơn hàng, chi tiết đơn hàng, trạng thái) và Review (đánh giá, điểm số sao).
• Đặc tả ca sử dụng (Use Case): Xây dựng và đặc tả chi tiết 25 ca sử dụng chính của hệ thống: Đăng nhập, Đăng ký, Đăng xuất, Tìm kiếm sản phẩm, Xem danh sách sản phẩm, Xem chi tiết sản phẩm, Thêm vào mục yêu thích, Thêm vào giỏ hàng, Cập nhật số lượng giỏ hàng, Xóa sản phẩm khỏi giỏ hàng, Thêm/Xóa địa chỉ email, Thêm/Cập nhật/Xóa địa chỉ nhận hàng, Thanh toán MOMO, Xem danh sách đơn hàng, Hủy đơn hàng, Đăng nhập/Đăng xuất admin, Xem thống kê bán hàng, Cập nhật trạng thái đơn hàng, Tạo/Sửa sản phẩm, Xem danh sách sản phẩm admin.
• Mô hình hóa động: Xây dựng 17 sơ đồ tuần tự (Sequence Diagram) mô tả luồng thông điệp giữa Actor, Client, Controller/API, Service và Database cho từng chức năng chính.
• Hiện thực hóa thuật toán đề xuất: Mô hình hóa quy trình tiền xử lý văn bản tiếng Việt cho Content-based và thuật toán chuẩn hóa ma trận thưa cho Collaborative Filtering.

Chương 4: Thiết kế giao diện xử lý

Chương 4 mô tả chi tiết kết quả xây dựng giao diện trên hai nền tảng:

• Giao diện ứng dụng di động (Flutter):
  • Màn hình tìm kiếm và lọc sản phẩm tích hợp Elasticsearch.
  • Màn hình chi tiết sản phẩm, thêm vào danh sách yêu thích và giỏ hàng.
  • Màn hình quản lý thông tin tài khoản, danh sách địa chỉ nhận hàng và email.
  • Giao diện đặt hàng và cổng thanh toán MOMO; giao diện theo dõi trạng thái đơn hàng chi tiết (phân biệt đơn COD và MOMO).
  • Giao diện hủy đơn hàng và hoàn tiền tự động về ví MOMO cho các đơn đã thanh toán trước.
  • Giao diện đánh giá đơn hàng, xem/sửa đánh giá và xem lịch sử đánh giá của người dùng cũng như toàn bộ đánh giá của sản phẩm.
• Giao diện web quản trị (ReactJS / Ant Design):
  • Dashboard thống kê doanh số bán hàng theo từng tháng, có biểu đồ so sánh với tháng trước.
  • Giao diện quản lý, duyệt và chuyển trạng thái đơn hàng.
  • Giao diện quản lý danh mục sản phẩm: thêm mới sản phẩm có nhiều phân loại, chỉnh sửa thông tin chi tiết và khóa/mở bán sản phẩm.

---

Kết quả và đóng góp

Kết quả đạt được

• Về mặt kỹ thuật và sản phẩm:

  • Xây dựng thành công ứng dụng di động hoàn chỉnh bằng Flutter, hoạt động đa nền tảng (Android và iOS) với giao diện trực quan, quản lý trạng thái hiệu quả thông qua Bloc và Cubit.
  • Xây dựng hệ thống web quản trị trên nền ReactJS kết hợp Redux Toolkit và Ant Design, đáp ứng đầy đủ các nghiệp vụ quản lý sản phẩm, đơn hàng và thống kê doanh số theo tháng.
  • Xây dựng backend RESTful API vững chắc trên Node.js/Express.js và Python Flask, kết nối an toàn với cơ sở dữ liệu SQL Server.
  • Tích hợp thành công các dịch vụ bên thứ ba: Cổng thanh toán MOMO (hỗ trợ cả thanh toán trước và tự động hoàn tiền khi hủy đơn), đơn vị vận chuyển Giao Hàng Nhanh và dịch vụ gửi email thông báo trạng thái đơn hàng qua Nodemailer.
  • Tối ưu hóa hiệu năng hệ thống bằng Redis cache để lưu kết quả gợi ý và Elasticsearch để tăng tốc độ tìm kiếm sản phẩm.

• Về mặt dữ liệu và giải thuật đề xuất:

  • Thu thập, làm sạch và chuẩn hóa tập dữ liệu mẫu từ Shopee với hơn 200 sản phẩm, hơn 17.000 đánh giá và khoảng 14.000 - 16.000 đơn hàng.
  • Triển khai thành công hệ thống gợi ý lai (Hybrid Recommendation System): sử dụng Content-based (TF-IDF + Cosine Similarity) cho các trường hợp xem chi tiết sản phẩm/người dùng mới và Collaborative Filtering (uuCF, iiCF, Matrix Factorization) dựa trên dữ liệu đánh giá lịch sử.

Đóng góp của đề tài

• Đề xuất một quy trình xây dựng ứng dụng thương mại điện tử chuyên biệt cho ngành hàng chăm sóc sức khỏe có tích hợp công nghệ học máy từ khâu thu thập dữ liệu thực tế đến triển khai mô hình.
• Ứng dụng phương pháp chuẩn hóa ma trận (trừ điểm trung bình của từng user) trong thuật toán Lọc cộng tác, giúp triệt tiêu sự sai lệch giữa thói quen đánh giá khắt khe và dễ tính của người dùng.
• Cung cấp một kiến trúc hệ thống phân tán kết hợp giữa Node.js, Python Flask, Redis, Elasticsearch và SQL Server, giải quyết đồng thời bài toán hiệu năng xử lý, khả năng tìm kiếm và độ trễ phản hồi của hệ thống gợi ý.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế:

  • Thời gian thực hiện đồ án có giới hạn (khoảng 5 tháng) nên việc tối ưu hóa hiệu năng cho các kịch bản tải cực lớn (high concurrency) chưa được kiểm thử toàn diện.
  • Dữ liệu thu thập ban đầu chủ yếu tập trung từ một sàn thương mại điện tử (Shopee), do đó ma trận người dùng - đánh giá vẫn còn tồn tại độ thưa nhất định (Data Sparsity).
  • Thuật toán Matrix Factorization và Deep Learning trong hệ thống gợi ý mới dừng lại ở mức độ nghiên cứu lý thuyết và thử nghiệm bước đầu, chưa khai thác hết các yếu tố ngữ cảnh (Context-Aware Recommendation).

• Hướng nghiên cứu tiếp:

  • Nâng cấp và tối ưu hóa chuyên sâu các thuật toán học máy, nghiên cứu tích hợp mạng nơ-ron sâu (Deep Learning) vào hệ thống đề xuất nhằm tăng độ chính xác.
  • Mở rộng thu thập và phân tích dữ liệu hành vi người dùng theo thời gian thực (real-time tracking) để cải thiện khả năng thích ứng của gợi ý.
  • Phát triển thêm các tính năng tương tác cộng đồng, chia sẻ kinh nghiệm sử dụng sản phẩm chăm sóc sức khỏe trực tiếp trên ứng dụng.

---

Giá trị tham khảo

• Đối tượng tham khảo:

  • Sinh viên chuyên ngành Công nghệ thông tin, Kỹ thuật phần mềm, Hệ thống thông tin đang thực hiện đồ án tốt nghiệp hoặc dự án nghiên cứu về ứng dụng di động thương mại điện tử.
  • Các lập trình viên muốn tìm hiểu giải pháp tích hợp đa nền tảng giữa Flutter (Clean Architecture, Bloc), Node.js (RESTful API), Python (Flask Microservice) và ReactJS.
  • Người nghiên cứu về hệ thống khuyến nghị (Recommender Systems) ứng dụng các kỹ thuật xử lý ngôn ngữ tự nhiên (TF-IDF, Cosine Similarity) và lọc cộng tác trong môi trường thực tế.

• Nội dung giá trị:

  • Cung cấp tài liệu chi tiết về thiết kế hệ thống phần mềm: từ bảng phân tích 25 ca sử dụng, hệ thống sơ đồ tuần tự (17 Sequence Diagrams) đến sơ đồ cơ sở dữ liệu quan hệ (ERD).
  • Cung cấp phương pháp thu thập, làm sạch và xử lý dữ liệu thương mại điện tử phục vụ huấn luyện mô hình gợi ý sản phẩm.
  • Cung cấp giải pháp kỹ thuật tích hợp thanh toán trực tuyến MoMo kèm cơ chế hoàn tiền tự động và tích hợp công cụ tìm kiếm toàn văn Elasticsearch.

---

Câu hỏi thường gặp

1. Khóa luận sử dụng nguồn dữ liệu nào để kiểm thử hệ thống và huấn luyện mô hình đề xuất?
Tác giả đã sử dụng các thư viện cào dữ liệu của Python để thu thập tập dữ liệu thực tế từ sàn thương mại điện tử Shopee, bao gồm hơn 200 sản phẩm chăm sóc sức khỏe, hơn 17.000 bản ghi đánh giá của người dùng và từ 14.000 đến 16.000 đơn hàng.

2. Hệ thống đề xuất trong đồ án kết hợp những thuật toán cụ thể nào?
Hệ thống sử dụng mô hình đề xuất lai (Hybrid), kết hợp giữa thuật toán Content-based Filtering (sử dụng kỹ thuật NLP, vector hóa văn bản bằng TF-IDF và tính độ tương đồng bằng Cosine Similarity) và thuật toán Neighborhood-based Collaborative Filtering (gồm User-User và Item-Item Collaborative Filtering, cùng nguyên lý phân rã ma trận Matrix Factorization).

3. Kiến trúc kỹ thuật của hệ thống được phân chia như thế nào?
Hệ thống gồm 4 thành phần chính: Ứng dụng di động (Flutter áp dụng Bloc/Cubit); Trang web quản trị (ReactJS áp dụng Redux Toolkit và Ant Design); Backend chính (Node.js/Express.js cung cấp RESTful API); Microservice máy học (Python/Flask xử lý thuật toán đề xuất). Dữ liệu được lưu trữ trên SQL Server, kết hợp Redis làm bộ nhớ đệm và Elasticsearch phục vụ tìm kiếm.

4. Chức năng thanh toán MoMo trong ứng dụng có điểm gì đặc biệt?
Bên cạnh việc hỗ trợ thanh toán trực tuyến trước cho đơn hàng thông qua tích hợp API của ví MoMo, hệ thống còn xây dựng hoàn chỉnh luồng xử lý hoàn tiền tự động về tài khoản MoMo của khách hàng trong trường hợp người dùng thực hiện hủy đơn hàng đã thanh toán.

5. Tác giả đã xử lý vấn đề sai lệch do người dùng dễ tính hoặc khó tính trong thuật toán Lọc cộng tác (Collaborative Filtering) như thế nào?
Để triệt tiêu độ lệch khi người dùng khó tính chấm điểm thấp và người dùng dễ tính chấm điểm cao cho cùng mức độ hài lòng, hệ thống áp dụng kỹ thuật chuẩn hóa: điền giá trị trung bình đánh giá của chính người dùng đó vào các ô chưa đánh giá, sau đó trừ toàn bộ các giá trị trong mỗi hàng cho chính điểm đánh giá trung bình tương ứng.

---

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Đình Thiện đã hoàn thành trọn vẹn mục tiêu xây dựng ứng dụng di động thương mại điện tử chuyên biệt cho các sản phẩm chăm sóc sức khỏe. Công trình kết hợp thành công kiến trúc đa tầng hiện đại giữa Flutter, ReactJS, Node.js và Python Flask, đồng thời giải quyết hiệu quả bài toán gợi ý sản phẩm cá nhân hóa thông qua mô hình lai giữa Content-based và Collaborative Filtering. Hệ thống được hoàn thiện từ khâu phân tích yêu cầu, thiết kế cơ sở dữ liệu, tích hợp các dịch vụ thanh toán/tìm kiếm tiên tiến đến xây dựng giao diện người dùng hoàn chỉnh. Đây là tài liệu tham khảo có giá trị cao về mặt kỹ thuật và phương pháp luận cho các nghiên cứu, phát triển ứng dụng thương mại điện tử thông minh.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1. TÌM HIỂU CÔNG NGHỆ 1. Giới thiệu Flutter Flutter là một bộ công cụ phát triển giao diện người dùng mã nguồn mở do Google phát triển. Được sử dụng để phát triển các ứng dụng cho nhiều nền tảng khác nhau bao gồm Android, iOS, Windows, Mac, Linux, Google Fuchsia và web từ một mã nguồn duy nhất.

Các đặc điểm nổi bật của Flutter bao gồm: + Hiệu suất cao: Flutter sử dụng engine đồ họa hiệu suất cao và biên dịch mã nguồn sang mã máy (native code) giúp ứng dụng chạy nhanh chóng và mượt mà. + Tùy biến linh hoạt: Với Flutter, bạn có thể dễ dàng tạo ra các giao diện tùy biến phức tạp nhờ vào hệ thống widget phong phú và khả năng kết hợp chúng một cách linh hoạt. + Thời gian phát triển nhanh chóng: Tính năng Hot Reload của Flutter giúp nhà phát triển có thể thấy ngay lập tức các thay đổi trong mã nguồn mà không cần phải khởi động lại ứng dụng, tiết kiệm thời gian đáng kể. Các thành phần trong Flutter Dart Programming Language: Flutter sử dụng ngôn ngữ lập trình Dart, cũng được phát triển bởi Google.

Dart được thiết kế để dễ học và có hiệu suất cao, hỗ trợ cả biên dịch Just-In-Time (JIT) và Ahead-Of-Time (AOT). Widget: Mọi thứ trong Flutter là một widget. Từ layout đến các yếu tố giao diện người dùng đều được xây dựng dưới dạng widget, giúp việc tái sử dụng và tùy biến giao diện trở nên dễ dàng. 19 Flutter Engine: Flutter có một engine đồ họa hiệu suất cao, cung cấp các API cho đồ họa 2D, xử lý văn bản, và khả năng kết nối với hệ thống gốc của từng nền tảng (platform- specific APIs).

Bloc - Cubit Bloc (Business Logic Component): + Bloc là một thư viện quản lý trạng thái phổ biến trong Flutter, giúp tách biệt logic xử lý ra khỏi giao diện người dùng. + Bloc tuân theo mô hình lập trình Reactive Programming, nơi dữ liệu và sự kiện được quản lý dưới dạng các stream (luồng). + Các thành phần chính của Bloc:  Event: Định nghĩa các hành động mà người dùng có thể thực hiện, ví dụ như nhấn nút, kéo xuống để làm mới, v.  State: Đại diện cho trạng thái hiện tại của giao diện người dùng.

 Bloc: Nhận các event và chuyển đổi chúng thành các state mới thông qua các phương thức xử lý logic. + Bloc giúp quản lý trạng thái phức tạp của ứng dụng một cách rõ ràng và dễ dàng bảo trì. Cubit: + Cubit là một thư viện quản lý trạng thái đơn giản hơn Bloc nhưng vẫn tuân theo các nguyên tắc tương tự. + Cubit không sử dụng event mà thay vào đó cung cấp các phương thức để trực tiếp thay đổi state.

+ Các thành phần chính của Cubit:  State: Đại diện cho trạng thái hiện tại của giao diện người dùng.  Cubit: Chứa logic để thay đổi state và cung cấp các phương thức để cập nhật state dựa trên hành động của người dùng. + Cubit thích hợp cho các ứng dụng có trạng thái đơn giản hơn, nơi việc quản lý event không cần thiết phức tạp. Giới thiệu Node.js là một môi trường runtime mã nguồn mở, đa nền tảng, cho phép thực thi mã JavaScript ở phía server.

Được xây dựng trên V8 JavaScript engine của Google, Node.js cung cấp hiệu suất cao và khả năng mở rộng tuyệt vời. Các đặc điểm nổi bật của Node.js bao gồm: + I/O không đồng bộ và event-driven: Node.js sử dụng mô hình I/O không đồng bộ và event-driven, giúp xử lý hàng nghìn kết nối đồng thời một cách hiệu quả mà không làm tắc nghẽn hệ thống. + Single-threaded: Node.js hoạt động trên một luồng đơn (single-threaded) nhưng có khả năng xử lý nhiều yêu cầu đồng thời thông qua event loop. + NPM (Node Package Manager): NPM là hệ thống quản lý gói đi kèm với Node.js, cung cấp hàng ngàn thư viện và module giúp phát triển ứng dụng nhanh chóng và hiệu quả.

Kiến trúc và các thành phần chính của Node.js Event Loop: Event Loop là thành phần quan trọng trong Node.js, giúp quản lý và xử lý các sự kiện không đồng bộ. Nó cho phép Node.js xử lý nhiều yêu cầu cùng lúc mà không cần phải tạo ra nhiều luồng.js sử dụng hệ thống module để tổ chức và tái sử dụng mã nguồn. Các module có thể được import và export dễ dàng, giúp mã nguồn trở nên rõ ràng và dễ bảo trì. Middleware: Trong các ứng dụng web sử dụng Node.js, middleware là các hàm trung gian xử lý yêu cầu HTTP.

Middleware giúp quản lý các nhiệm vụ như xác thực, ghi log, và xử lý lỗi. Ứng dụng và sử dụng Node.js Ứng dụng Web: Node.js được sử dụng rộng rãi để phát triển các ứng dụng web nhờ vào hiệu suất cao và khả năng xử lý nhiều yêu cầu đồng thời. API Backend: Node.js là lựa chọn phổ biến để xây dựng các API backend do khả năng mở rộng và tính năng xử lý không đồng bộ của nó.js thích hợp cho kiến trúc microservices, nơi các dịch vụ nhỏ, độc lập có thể giao tiếp với nhau thông qua các API.js Giới thiệu: Express.js, hay đơn giản là Express, là một framework web nhẹ và mạnh mẽ cho Node. Nó cung cấp một bộ công cụ mạnh mẽ để xây dựng các ứng dụng web và API.

Đặc điểm nổi bật: + Tối giản và linh hoạt: Express có thiết kế tối giản, cho phép nhà phát triển tự do quyết định cách tổ chức mã nguồn và lựa chọn các middleware cần thiết. + Middleware: Hệ thống middleware của Express rất mạnh mẽ, giúp xử lý yêu cầu và phản hồi HTTP dễ dàng thông qua các hàm trung gian. + Routing: Express cung cấp hệ thống routing linh hoạt, cho phép định nghĩa các đường dẫn và phương thức HTTP (GET, POST, PUT, DELETE) một cách dễ dàng. + Khả năng mở rộng: Express dễ dàng tích hợp với nhiều module và thư viện khác từ NPM, giúp mở rộng chức năng và tính năng của ứng dụng.

Giới thiệu React.js là một thư viện JavaScript mã nguồn mở do Facebook phát triển, được sử dụng để xây dựng các giao diện người dùng (UI). React giúp phát triển các ứng dụng web động và tương tác thông qua việc quản lý hiệu quả trạng thái (state) và DOM (Document Object Model). Các đặc điểm nổi bật của React.js bao gồm: + Component-Based: React sử dụng kiến trúc dựa trên component, cho phép nhà phát triển tạo ra các thành phần UI tái sử dụng và dễ quản lý. + Virtual DOM: React sử dụng Virtual DOM để cải thiện hiệu suất.

Khi có thay đổi trong UI, Virtual DOM sẽ tính toán sự khác biệt và cập nhật DOM thực tế một cách tối ưu. + JSX: React sử dụng JSX, một cú pháp mở rộng của JavaScript, cho phép viết code HTML trực tiếp trong JavaScript, làm cho mã nguồn trở nên rõ ràng và dễ hiểu. Kiến trúc và các thành phần chính của React.js Components: Thành phần cơ bản của React là components. Các components có thể là stateful (có trạng thái) hoặc stateless (không có trạng thái) và có thể được lồng vào nhau để tạo ra các giao diện phức tạp.

State and Props: State là dữ liệu cục bộ của component, trong khi props là dữ liệu truyền từ component cha xuống component con. State có thể thay đổi theo thời gian, còn props là không thay đổi (immutable). Lifecycle Methods: React cung cấp các phương thức vòng đời để quản lý các giai đoạn khác nhau của một component, từ khi được tạo ra đến khi bị hủy bỏ. Hooks: Hooks là các hàm đặc biệt trong React cho phép sử dụng state và các tính năng khác của React trong functional components.

Một số hooks phổ biến gồm useState, useEffect, và useContext. Các thư viện và công cụ hỗ trợ React.js Ant Design (antd): Là một thư viện component UI toàn diện, cung cấp các thành phần giao diện phong phú và chuyên nghiệp, giúp phát triển ứng dụng một cách nhanh chóng và dễ dàng. Redux: Sử dụng thư viện @reduxjs/toolkit, Redux cung cấp các công cụ để quản lý trạng thái của ứng dụng một cách hiệu quả và dễ dàng. React Router: react-router-dom giúp quản lý điều hướng và routing trong các ứng dụng React, hỗ trợ tạo ra các đường dẫn URL động và nested routing.

Axios: Thư viện axios giúp thực hiện các yêu cầu HTTP, dễ dàng tương tác với các API từ phía client. React Testing Library: Các thư viện @testing-library/react và @testing-library/jest- dom hỗ trợ việc kiểm thử các component React một cách dễ dàng và trực quan. React Toastify: Thư viện react-toastify giúp tạo thông báo (toast) đẹp mắt và dễ sử dụng trong ứng dụng React. NProgress: Thư viện nprogress giúp hiển thị tiến trình tải (loading) của các yêu cầu HTTP, tạo ra trải nghiệm người dùng tốt hơn.

Flask Flask là một micro web framework viết bằng Python. Flask được thiết kế để dễ học và sử dụng, đồng thời cung cấp sự linh hoạt để mở rộng cho các ứng dụng web phức tạp. Các đặc điểm nổi bật của Flask bao gồm: + Microframework: Flask nhẹ và đơn giản, không có quá nhiều thành phần tích hợp sẵn, giúp nhà phát triển tự do lựa chọn các thành phần bổ sung theo nhu cầu. + Modular and Extensible: Flask có cấu trúc mô-đun, dễ dàng mở rộng thông qua các extension (mở rộng) để bổ sung các chức năng như authentication, ORM (Object Relational Mapper), form validation, và nhiều hơn nữa.

+ Werkzeug and Jinja2: Flask sử dụng Werkzeug làm bộ công cụ WSGI (Web Server Gateway Interface) và Jinja2 làm hệ thống template, giúp xây dựng các ứng dụng web mạnh mẽ và dễ dàng. SQL Server Microsoft SQL Server là một hệ quản trị cơ sở dữ liệu quan hệ (RDBMS) do Microsoft phát triển. SQL Server được thiết kế để lưu trữ và quản lý dữ liệu đồng thời hỗ trợ các yêu cầu xử lý giao dịch, phân tích và báo cáo dữ liệu. Các đặc điểm nổi bật của SQL Server bao gồm: + Relational Database Management System (RDBMS): SQL Server sử dụng mô hình quan hệ để lưu trữ dữ liệu dưới dạng các bảng, cho phép dễ dàng tổ chức và truy vấn dữ liệu.

+ Transact-SQL (T-SQL): SQL Server sử dụng ngôn ngữ truy vấn T-SQL, một biến thể mở rộng của SQL, cung cấp các khả năng lập trình nâng cao cho việc truy vấn và quản lý dữ liệu. + Security: SQL Server cung cấp các tính năng bảo mật mạnh mẽ như xác thực người dùng, mã hóa dữ liệu và quản lý quyền truy cập. Ứng dụng và sử dụng SQL Server: + Transaction Processing: SQL Server thường được sử dụng để quản lý các giao dịch trong các hệ thống quản lý doanh nghiệp như ERP, CRM và các ứng dụng tài chính. 24 + Business Intelligence: SQL Server hỗ trợ các công cụ BI để phân tích dữ liệu, tạo báo cáo và cung cấp các thông tin kinh doanh quan trọng.