CHƯƠNG I: CƠ SỞ LÝ THUYÊTT.- 2 2 25 E+£E££E££E£E££EE£EE+Exerxerxered 3 1.1 Tổng quan về Học Máy.1 Định nghĩa và PNan ÏOQÌ.2 Bài toán tONG qHÁI.-e-csescc<ce<cecseesEseEsetestsEtstsetsetsstsrsesesrssrsrssse 4 1.3 Mô hình HỒi quy LogiSfÏ€.2 Vấn đề rời bỏ của khách hàng .1 Một số khái niệm CO DEN esessrecssscrecssecressnecrsssnscssssnsssssensessssnsessseneesses 11 1.2 Uu điểm của việc tinh toán tỉ lệ rời bỏ của khách hàng.3 Tính toán tỉ lệ rời bỏ bằng cách phân tích dữ liệu khách hàng.13 CHƯƠNG II: TRUC QUAN HOA VÀ KHAI PHA DU LIỆU.1 Tổng quan về bộ dữ liệu.--- 2 2 2 SE £E££Et2E2EE2EEerxrrxrrkree 18 2.1 Mô tả bộ dit liỆu .------ees©ee©ces+esetseEeeetseEteetsertesreertssrssersee 18 2.2 Tương quan giữa các ĐÏỄH.2 Khám phá dữ liệu. 2-2 2© £+SE+EEE£EECEEEEEEEEEEEEEEEEErkerrkrrkrrrkee 21 2.1 Dữ liệu về thông tin cá nhân của khách hàng .2 Các thông tin liên quan đến hồ sơ đăng kí dịch vụ của khách hàng ——-.,ôÔỎ 23 CHƯƠNG III: VẬN DỤNG XỬ LY DU LIEU BANG CÁC THUẬT TOAN 30 3.1 Chuẩn bị dit liệu.2 Xây dựng và đánh giá mô hình.1 Mô hình Hồi quy L.2 Mô hình COX.-- se s°sess+seevseSseEvseEseEtetssttsetssersssssersee 36 3.40 TÀI LIEU THAM KHẢO.- 56 t+StSE‡EEEEEEE+EEEEEEEEEEEEEEEEEEESEerkrrerkererkrre 42 MỞ DAU 1. Lý do chọn đề tài Lĩnh vực viễn thông đã trở thành một trong những ngành công nghiệp chính ở không chỉ các nước phát triển nói chung và cả ở Việt Nam nói riêng. Doanh nghiệp viễn thông là những doanh nghiệp cung cấp phương tiện truyền dẫn thông tin liên lạc qua một khoảng cách dia lý (điện tử viễn thông, điện thoại, internet, 4G, vệ tinh,.
Vai trò của ngành đóng góp rất lớn trong cuộc sông xã hội hiện đại, tạo điều kiện cung cấp mọi thông tin cơ bản cần thiết cho sản xuất và thúc đây các hoạt động sản xuất kinh doanh. Bên cạnh làn sóng cách mạng công nghiệp 4.0 đang diễn ra mạnh mẽ, thời gian sắp tới sẽ chứng kiến những bước tiến vượt bậc của những doanh nghiệp trong ngành viễn thông tại Việt Nam khi tận dụng cơ hội từ xu thế chuyền đôi số đang lan rộng khắp toàn cau. Tiến bộ kỹ thuật và số lượng nhà cung cấp ngày càng tăng đã lam tăng mức độ cạnh tranh cho các doanh nghiệp. Các công ty viễn thông đang nỗ lực để tồn tại trong thị trường cạnh tranh này tùy thuộc vào nhiều chiến lược.
Ba chiến lược chính được đề xuất dé tạo thêm doanh thu là: (1) thu hút khách hàng mới, (2) bán thêm cho khách hàng hiện tại và (3) tăng thời gian giữ chân khách hàng. Tuy nhiên, khi so sánh các chiến lược này có tính đến giá trị lợi tức đầu tư (Rol) của từng chiến lược đã chỉ ra rằng chiến lược thứ ba là chiến lược có lợi nhất, chứng tỏ rằng chi phí giữ chân một khách hàng hiện tại thấp hơn nhiều so với việc thu hút thêm một khách hàng mới, bên cạnh đó chiến lược này cũng được coi là đễ dàng hơn rất nhiều so với chiến lược bán thêm các sản phẩm cho khách hàng hiện tại. Dé có thé áp dung được chiến lược thứ ba, các công ty phải ưu tiên giảm khả năng rời bỏ khách hàng, hay nói cách khác là giảm “sự đi chuyên của khách hàng từ nhà cung cấp này sang nhà cung cấp khác”. Cùng với sự phát triển của khoa học đữ liệu, các mô hình dự báo dựa trên phương pháp định lượng đang dan trở thành những công cụ tối ưu thay thé cho con người trong việc đánh giá không chỉ với từng khách hàng mà là trên một tập khách hàng rất lớn.
Các mô hình học máy là một trong các công cụ ấy và đang dan trở thành xu hướng trọng tâm, nồi bật, đã và đang được nghiên cứu, ứng dụng rộng rãi trong ngành tài chính nói chung và lĩnh vực công nghệ tài chính nói riêng, tạo ra những bứt phá mạnh mẽ về tính hiệu quả, kịp thời, chính xác trong công tác giám sát, dự báo. Sức mạnh của một mô hình có tác động rất lớn đến kết quả hoạt động kinh doanh của một doanh nghiệp. Một mô hình có mức độ chuẩn xác cao giúp các tổ chức dự đoán được hành vi rời bỏ của khách hàng, từ đó đề ra những chiến lược phù hợp đề giữ chân khách hàng, đưa ra các chính sách sản phẩm tốt hơn qua thời gian và cải thiện chất lượng dịch vụ, từ đó tối thiểu hóa chỉ phí và tối đa hóa doanh thu. Mục tiêu nghiên cứu e Xác định các yếu tố quyết định tỷ lệ rời bỏ của khách hàng.
e Đánh giá, phân tích ảnh hưởng của các yếu tô đến tỷ lệ rời bỏ của khách hàng. e Du đoán khoảng thời gian rời bỏ của khách hàng. Đối tượng và phương pháp nghiên cứu e_ Các yếu tô có ảnh hưởng đến quyết định rời bỏ dịch vụ của khách hang e_ Mô hình học máy xếp hang (Classification): Logistics Regression và mô hình phân tích sống sót Cox Proportional-Hazards 4. Pham vi nghiên cứu „ Chuyên dé trình bày hai mô hình Logistic và mô hình Cox theo quan điêm của phương pháp học máy.
Từ đó áp dụng xử lý dữ liệu trạng thái khách hàng rời bỏ dịch vụ viễn thông dé thử nghiệm chương trình xử ly dit liệu theo phương pháp học máy. CHUONG I: CƠ SỞ LÝ THUYET 1.1 Tông quan về Học Máy 1.1 Định nghĩa và phân loạt Theo IBM Cloud Education (2020), Học máy hay Machine Learning (ML) là một nhánh của Trí tuệ nhân tạo (AT) và khoa học máy tính, tập trung vào việc sử dụng dữ liệu và thuật toán dé bắt chước cách con người học, dan dan cải thiện độ chính xác của nó. Học máy là một thành phần quan trọng của lĩnh vực khoa học đữ liệu đang phát triển. Thông qua việc sử dụng các phương pháp thống kê, các thuật toán được đảo tạo để đưa ra các phân loại hoặc dự đoán và khám phá những thông tin chỉ tiết chính (key insights) trong các dự án khai thác dit liệu.
Các quyết định được đưa ra là kết quả của những thông tin này này tác động mạnh mẽ đến các chỉ số tăng trưởng chính trong các ứng dụng và doanh nghiệp. Machine learning bao gồm Học có giám sát (Supervised Learning) và Học không giám sát (Unsupervised Learning). Supervised Learning được định nghĩa bằng cách sử dụng các tập dit liệu được gắn nhãn dé huấn luyện các thuật toán phân loại dit liệu hoặc dự đoán kết quả một cách chính xác. Supervised Learning được phân loại thành Regression (Bài toán hồi quy) và Classification (Bài toán phân loại).
Một số phương pháp được sử dụng trong Supervised machine learning bao gồm: logistic regression, neural networks, linear regression, naive bayes, random forest, và support vector machine (SVM). Unsupervised machine learning là phương pháp sử dụng các thuật toán may hoc dé phan tích va phan cụm các tập dữ liệu không được gắn nhãn. Không cần sự can thiệp của con người, các thuật toán này có thể phát hiện ra các mau hoặc nhóm dữ liệu an. Khả năng phát hiện ra những điểm tương đồng và khác biệt trong thông tin của phương pháp này khiến nó trở nên lý tưởng cho việc phân tích dữ liệu khám phá, chiến lược bán chéo (cross-sell), phân khúc khách hàng cũng như nhận dạng hình ảnh và mẫu.
Unsupervised machine learning cũng được sử dụng dé giảm số lượng các tính năng trong một mô hình thông qua quá trình giảm kích thước. Phân tích thành phần chính (PCA) và phân tích giá trị đơn lẻ (SVD) là hai cách tiếp cận phổ biến cho việc này. Unsupervised Learning Algorithm cũng được chia thành 2 nhóm là: e Clustering: hướng dén viéc phân nhóm, phân đoạn dữ liệu từ tap dữ liệu ban đầu. Vi dụ ta có một tập | triệu Gen, cần phải tìm ra cách tự động phân nhóm cho những gen này dựa trên đặc điểm về vòng đời, vị trí, vài trò,.
« Non-clustering: tìm các structure ân trong dữ liệu. Các thuật toán khác được sử dụng trong học tập không giám sát bao gồm: k- means clustering, neural networks, và probabilistic clustering methods.2 Bài toán tong quat Nguyên tac chung cơ sở cho mọi thuật toán hoc máy đó là với biên đâu vào x ta cần dự đoán biến đầu ra y thông qua hàm mục tiêu F sao cho y = F(x). Tuy nhiên trong thực tế, biến đầu vào x thường là dữ liệu nhiều chiều và khó kiểm soát nên rất phức tạp dé có thé nhìn ra mối quan hệ giữa x và y, chính vì vậy ta thường không thé đưa ra một công thức phân tích cụ thé dé biểu diễn x và y, hay chính là dang hàm F. Chính vì vậy, ta chỉ có thé thu thập tập dữ diệu D là tập hợp các cặp quan sát (x!,y') sao choy = F(x)),.
Tuy nhiên do không biết mối quan hệ giữa x! và yÍ nên ta cần mô phỏng hàm ƒ„ sao cho 9 = ƒ„(x,w*) là hàm ước lượng tốt nhất của hàm F và điều chỉnh tham số w* sao cho hàm mat mát £(w) đạt giá trị nhỏ nhất. Hàm mat mát này sẽ khác nhau tùy thuộc vào mỗi mô hình hàm f,,.3 Mô hình Hải quy Logistic Hồi quy tuyến tính được sử dụng dé ước tính mối quan hệ tuyến tính giữa một biến phụ thuộc và một tập hợp các biến độc lập. Tuy nhiên, hồi quy tuyến tính không phù hợp khi biến mục tiêu là biến nhị phân. Đối với các biến phụ thuộc nhị phân, hồi quy Logistic (LR) là một mô hình phù hợp dé đánh giá hồi quy.
LR tương tự như hồi quy tuyến tính tuy nhiên hồi quy tuyến tính cung cấp một dau ra liên tục còn LR cho đầu ra nhị phân (0 hoặc 1).1 Bài toán tổng quát ; Ta có khái nệm Odds: thê hiện khả năng một su kiện có thé xảy ra băng cach lây xác suât biên cô xảy ra chia cho xác suât biên cô không xảy ra. Odds =—F— 1—p Nhu vay, Odds là biến liên tục, khi p=0. Odds(1) Odds ratio = 777500) Lay log của odds ta được Logit. logit(p) = log c—) p-1 Mặt khác, ta có biến Y là biến nhị phân chi nhận hai giá tri 0 hoặc 1.