đặt vấn đề - giải quyết bài toán, từ đó phân tích dữ liệu, xây dựng mô hình dự báo để đƣa ra một số giải pháp dựa trên dữ liệu nghiên cứu giúp cải thiện chính sách thu hút khách hàng và tăng lợi nhuận mang về cho ngân hàng. Ý nghĩa đóng góp của đề tài Đối với nhiều doanh nghiệp, quá trình này dần đóng vai trò chủ chốt trong sự thành bại của doanh nghiệp. Bởi việc phân tích và thấu hiểu những dữ liệu sẵn có sẽ giúp doanh nghiệp hiểu đƣợc các sai lầm trong quá khứ và tìm ra phƣơng hƣớng giải quyết, đồng thời khám phá ra những cơ hội mới để phát triển doanh nghiệp. Và thay vì chỉ đƣa ra quyết định dựa trên cảm tính hay kinh nghiệm phán đoán, doanh nghiệp sẽ có thêm cơ sở rất trực quan và khoa học để đƣa ra các quyết định đúng đắn hơn.
Data Analytics cung cấp công cụ, phần mềm, thuật toán,… giúp doanh nghiệp có thể phân tích dữ liệu về nhân khẩu học (độ tuổi, giới tính, thu nhập…), về hành vi mua hàng, lịch sử giao dịch… Từ kết quả đƣợc thể hiện trên các bảng biểu, đồ thị, doanh nghiệp có đƣợc bức tranh toàn cảnh về khách hàng, từ đó xây dựng quan hệ khách hàng với không chỉ khách hàng cũ mà khách hàng tiềm năng. Nói phân tích dữ liệu giúp doanh nghiệp xây dựng đƣợc mối quan hệ bền vững vì phân tích dữ liệu giúp doanh nghiệp dự báo, ngăn chặn các vấn đề từ phía khách hàng trƣớc khi chúng xảy ra, từ đó xây dựng mối quan hệ khách hàng bền vững. Bố cục bài luận Bố cục của đề tài gồm 3 chƣơng: CHƢƠNG 1: TỔNG QUAN VỀ PHÂN LỚP DỮ LIỆU CHƢƠNG 2: XÂY DỰNG MÔ HÌNH PHÂN LỚP DỮ LIỆU VỚI PHẦN MỀM KNIME CHƢƠNG 3: KẾT LUẬN VÀ KHUYẾN NGHỊ 5 CHƢƠNG 1: TỔNG QUAN VỀ PHÂN LỚP DỮ LIỆU 1.1 Khám phá tri thức và Khai phá dữ liệu Khai phá tri thức là một lĩnh vực nghiên cứu mới, mở ra một thời kỳ trong việc tìm ra thông tin hữu ích. Nhiệm vụ cơ bản của lĩnh vực này là khai phá tri thức trong cơ sở dữ liệu, khai phá dữ liệu trong cơ sở dữ liệu không phải là một hệ thống phân tích tự động mà là một quá trình tƣơng tác thƣờng xuyên giữa con ngƣời với cơ sở dữ liệu đƣợc sự trợ giúp của nhiều phƣơng pháp và công cụ tin học.
Khai phá dữ liệu (Data Mining) là một khái niệm ra đời vào những năm cuối của thập kỷ 1980. Nó là quá trình trích xuất các thông tin có giá trị tiềm ẩn bên trong lƣợng lớn dữ liệu đƣợc lƣu trữ trong các CSDL , kho dữ liệu … Hiện nay, ngoài thuật ngữ khai phá dữ liệu, ngƣời ta còn dùng một số thuật ngữ khác có ý nghĩa tƣơng tự nhƣ : khai phá tri thức từ CSDL , trích lọc dữ liệu , phân tích dữ liệu /mẫu, khảo cổ dữ liệu, nạo vét dữ liệu. Nhiều ngƣời coi Khai phá dữ liệu và một thuật ngữ thông dụng khác là Phát hiện tri thức trong CSDL ( Knowlegde Discorery in Databases – KDD) là nhƣ nhau. Tuy nhiên trên thực tế , khai phá dữ liệu là một bƣớc thiết yếu trong quá trình Phát hiện tri thức từ cơ sở dữ liệu, cac tri thức này hỗ trợ trong việc ra quyết định trong khoa học và kinh doanh.
Khai phá dữ liệu bao gồm các hoạt động khám phá và phân tích các khối thông tin lớn để tìm ra các mẫu hìn(pattern) và xu hƣớng có ý nghĩa. Nó có thế đƣợc sử dụng theo nhiều cách khác nhau nhƣ quản lý rủi ro tín dụng, phát hiện gian lận, lọc email rác , hoặc thậm chí để nhận dạng cảm xúc hoặc ý kiến của ngƣời dùng. Hình 1 Các bước Data Mining 6 Các bƣớc quan trọng khi Data Mining bao gồm: Bƣớc 1: Làm sạch dữ liệu – Trong bƣớc này, dữ liệu đƣợc làm sạch sao cho không có tạp âm hay bất thƣờng trong dữ liệu. Bƣớc 2: Tích hợp dữ liệu – Trong quá trình tích hợp dữ liệu, nhiều nguồn dữ liệu sẽ kết hợp lại thành một.
Bƣớc 3: Lựa chọn dữ liệu – Trong bƣớc này, dữ liệu đƣợc trích xuất từ cơ sở dữ liệu. Bƣớc 4: Chuyển đổi dữ liệu – Trong bƣớc này, dữ liệu sẽ đƣợc chuyển đổi để thực hiện phân tích tóm tắt cũng nhƣ các hoạt động tổng hợp. Bƣớc 5: Khai phá dữ liệu – Trong bƣớc này, chúng tôi trích xuất dữ liệu hữu ích từ nhóm dữ liệu hiện có. Bƣớc 6: Đánh giá mẫu – Chúng tôi phân tích một số mẫu có trong dữ liệu.
Bƣớc 7: Trình bày thông tin – Trong bƣớc cuối cùng, thông tin sẽ đƣợc thể hiện dƣới dạng cây, bảng, biểu đồ và ma trận. Mục đích việc phát hiện tri thức từ dữ liệu KPDL là cốt lõi của quá trình khám phá tri thức gồm có các giải thuật KPDL chuyên dùng, dƣới một số quy định về hiệu quả tính toán chấp nhận đƣợc. KPDL nhằm tìm ra những mẫu mới, những thông tin tiềm ẩn mang tính dự đoán chƣa đƣợc biết đến, có khả năng mang lại lợi ích cho ngƣời sử dụng và KPDL là tìm ra các mẫu đƣợc quan tâm nhất tồn tại trong CSDL, nhƣng chúng lại bị che giấu bởi một số lƣợng lớn dữ liệu. Ngày nay, công nghệ thông tin phát triển đồng nghĩa với việc phát triển các phần mềm ứng dụng.
Phần mềm KPDL là một công cụ phân tích dùng để phân tích dữ liệu. Nó cho phép ngƣời sử dụng phân tích dữ liệu theo nhiều góc nhìn khác nhau, phân loại dữ liệu theo những quan điểm riêng biệt và tổng kết các mối quan hệ đã đƣợc bóc tách. Hiện kỹ thuật KPDL đang đƣợc áp dụng một cách rộng rãi trong nhiều lĩnh vực kinh doanh và đời sống khác nhau, nhƣ: Thƣơng mại (phân tích dữ liệu bán hàng và thị trƣờng, phân tích đầu tƣ, quyết định cho vay, phát hiện 7 gian lận,.); Thông tin sản xuất (điều khiển và lập kế hoạch, hệ thống quản lý, phân tích kết quả thử nghiệm…); Thông tin khoa học (dự báo thời tiết,.); CSDL sinh học (ngân hàng gen,…); Khoa học địa lý (dự báo động đất,…); Trong y tế, marketing, ngân hàng, viễn thông, du lịch, internet… 1. Các ứng dụng của khai phá dữ liệu trong các lĩnh vực Khai phá dữ liệu đƣợc ứng dụng trong nhiều lĩnh vực của đời sống, là công nghệ căn bản trong triển khai các giải pháp chuyển đổi số, hỗ trợ ra quyết định.
Có 7 lĩnh vực đƣợc ứng dụng khai phá dữ liệu nhiều nhất bao gồm: kinh doanh; viễn thông; ngân hàng; thƣơng mại điện tử và bán lẻ; tài chính; y tế và chăm sóc sức khỏe; an ninh, bảo mật mạng. - Ứng dụng khai thác dữ liệu trong lĩnh vực chăm sóc sức khỏe: Ngành chăm sóc sức khỏe ngày nay tạo ra một lƣợng lớn dữ liệu phức tạp về bệnh nhân, tài nguyên bệnh viện, chẩn đoán bệnh, hồ sơ bệnh nhân điện tử và các loại thiết bị y tế khác nhau. Lƣợng dữ liệu lớn hơn là nguồn tài nguyên quan trọng cần đƣợc xử lý và phân tích để sản sinh ra kiến thức hoặc khai thác thông tin cho phép hỗ trợ nghiệp vụ mang lại lợi ích tiết kiệm chi phí và ra quyết định. Một số lợi ích có thể kể đến là: + Nâng cao hiệu quả điều trị: Các ứng dụng khai thác dữ liệu có thể phát triển để đánh giá hiệu quả của các phƣơng pháp điều trị y tế trong bệnh viện.
Khai thác dữ liệu có thể đƣa ra phân tích về quá trình hành động nào đó chứng tỏ hiệu quả bằng cách so sánh và đối chiếu các nguyên nhân, triệu chứng và các phƣơng pháp điều trị khác nhau. + Quản lý chăm sóc sức khỏe: Các ứng dụng khai thác dữ liệu có thể đƣợc phát triển để tìm ra và theo dõi tốt hơn các trạng thái bệnh mãn tính và những bệnh nhân có nguy cơ cao, thiết kế các biện pháp can thiệp phù hợp và giảm thiểu số lần nhập viện và yêu cầu hỗ trợ quản lý chăm sóc sức khỏe. + Quản trị quan hệ khách hàng: Quản lý quan hệ khách hàng là một quy trình cốt lõi để duy trì sự tƣơng tác giữa các tổ chức và khách hàng, hoạt động này có mặt ở nhiều ngành nghề nhƣ ngân hàng, bán lẻ nhƣng quan trọng hơn trong quản lý chăm sóc sức khỏe. Tƣơng tác của khách hàng có thực hiện 8 thông qua trung tâm cuộc gọi chăm sóc bệnh nhân, tại các văn phòng bác sĩ, bộ phận thanh toán, cơ sở nội trú và cơ sở chăm sóc sức khỏe.
+ Xử lý lạm dụng quỹ bảo hiểm: Lạm dụng, trục lợi quỹ bảo hiểm thƣờng diễn ra khi quản lý khám chữa bệnh bảo hiểm y tế dựa trên thẻ giấy. Các vụ việc nhận diện đƣợc nhƣ một ngƣời khám nhiều lần trong khoảng thời gian ngắn hoặc cùng một ngƣời khám tại nhiều bệnh viện tại cùng một thời điểm. Khai phá dữ liệu sẽ giúp giảm, hạn chế tình trạng này. Ví dụ cụ thể Bảo hiểm xã hội Việt Nam triển khai hệ thống giám định trên cơ sở khai phá dữ liệu khám chữa bệnh đã cải thiện rõ rệt tình trạng lạm dụng quỹ bảo hiểm y tế và giúp tiết kiệm ngân sách hàng trăm tỉ đồng mỗi năm.
- Ứng dụng khai phá dữ liệu trong ngành bán lẻ trực tuyến Ngành bán lẻ trong những năm qua đã có sự tăng trƣởng vƣợt bậc. So với mua sắm truyền thống tại cửa hàng, mua sắm trực tuyến có một số đặc điểm riêng: quá trình mua sắm của khách hàng có thể theo dõi ngay lập tức, đơn hàng gắn liền với địa chỉ giao và thanh toán. Mỗi khách hàng có phƣơng thức thanh toán cụ thể. Các thông tin này cho phép ngƣời bán hàng phân biệt các khách hàng khác nhau và tối ƣu hóa, cá thể hóa sự phục vụ cho từng khách hàng.
Để làm đƣợc điều này, các nền tảng bán hàng trực tuyến phải dựa trên trí tuệ nhân tạo và khai phá dữ liệu. Khai phá dữ liệu bán lẻ có thể giúp xác định hành vi mua hàng của ngƣời dùng, tìm ra các xu hƣớng và xu hƣớng mua sắm của ngƣời dùng, nâng cao chất lƣợng dịch vụ ngƣời dùng, đạt đƣợc sự hài lòng và duy trì ngƣời dùng tốt hơn, tăng tỷ lệ tiêu thụ hàng hóa, thiết kế các chính sách vận chuyển và phân phối hàng hóa hiệu quả hơn, đồng thời giảm chi phí việc kinh doanh. Một số ứng dụng về khai thác dữ liệu trong ngành bán lẻ: + Thiết kế và xây dựng kho hàng dựa trên lợi ích của việc khai thác dữ liệu – Hàng hóa phân phối bán lẻ có phạm vi rộng.