Luận Văn: Trí Tuệ Nghiệp Vụ và Ứng Dụng trong Ngành Ngân Hàng

Luận văn trí tuệ nghiệp vụ (Business Intelligence) và ứng dụng trong ngành ngân hàng. Tìm hiểu về BI, phân tích dữ liệu, ra quyết định hiệu quả.

• Tác giả: Nguyễn Xuân Thịnh
• Người hướng dẫn: Ts. Vũ Thị Hương Giang
• Trường học: Trường Đại học Bách Khoa Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Trí Tuệ Nghiệp Vụ Và Các Ứng Dụng Ngân Hàng
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2015
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC HỮNH
• DANH MỤC CÁC BẢNG
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Bài toán xét duyệt hồ sơ tín dụng thẻ FLC
• 1.1.1. Giới thiệu sản phẩm thẻ tín dụng FLC
• 1.2. Giải pháp trí tuệ nghiệp vụ và ứng dụng trong lĩnh vực ngân hàng
• 1.2.1. Trí tuệ nghiệp vụ (Business Intelligence – BI)
• 1.2.1.1. Khái niệm BI
• 1.2.1.2. Mục tiêu và nhiệm vụ của BI
• 1.2.1.3. Kiến trúc và thành phần BI
• 1.2.2. Xử lý dữ liệu trực tuyến (OLAP)
• 1.2.3. Khai phá dữ liệu (Data mining)
• 1.3. Ứng dụng BI trong lĩnh vực ngân hàng
• 1.3.1. Môi trường các hoạt động ngân hàng và công nghệ BI
• 1.3.2. Một số ứng dụng BI trong lĩnh vực ngân hàng
• 1.4. Định hướng giải pháp
• 1.4.1. Cách tiếp cận
• 1.4.2. Mô hình ứng dụng BI vào bài toán xét duyệt hồ sơ tín dụng FLC
• 2. CHƯƠNG 2: MÔ HÌNH XÂY DỰNG CÂY QUYẾT ĐỊNH
• 2.1. Mô hình dữ liệu
• 2.1.1. Mô hình khai thác dữ liệu
• 2.1.2. Dữ liệu hồ sơ tín dụng khách hàng FLC
• 2.1.3. Dữ liệu thông tin trễ nợ thẻ
• 2.2. Mô hình xây dựng cây quyết định
• 2.2.1. Mô hình ra quyết định
• 2.2.2. Xây dựng cây quyết định
• 2.2.3. Entropy đo độ thuần nhất của tập huấn luyện
• 2.2.4. Độ lợi thông tin Information Gain(Gain)
• 2.2.5. Đo tỷ suất lợi ích Gain Ratio của thuộc tính
• 2.2.6. Cơ chế xử lý thuộc tính số (thuộc tính liên tục)
• 2.2.7. Triển khai giải thuật C4.5 xây dựng cây quyết định
• 2.2.8. Cắt tỉa cây quyết định
• 2.3. Xây dựng tập luật
• 3. CHƯƠNG 3: XÂY DỰNG ỨNG DỤNG WEB HỖ TRỢ RA QUYẾT ĐỊNH XÉT DUYỆT HỒ SƠ TÍN DỤNG FLC
• 3.1. Phân tích yêu cầu ứng dụng
• 3.2. Thiết kế ứng dụng
• 3.2.1. Thiết kế các bảng dữ liệu
• 3.2.2. Thiết kế các chức năng ứng dụng
• 3.2.2.1. Mô hình chức năng
• 3.3. Cài đặt ứng dụng
• 3.4. Giới thiệu các chức năng ứng dụng
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Luận văn Trí tuệ nghiệp vụ Ngân hàng Tổng quan Lợi ích

Ngành ngân hàng ngày nay đối mặt với lượng dữ liệu khổng lồ, từ thông tin khách hàng đến các giao dịch tài chính phức tạp. Việc xử lý và phân tích hiệu quả lượng dữ liệu này là yếu tố then chốt để đưa ra các quyết định kinh doanh sáng suốt. Luận văn trí tuệ nghiệp vụ ngân hàng (Business Intelligence - BI) ra đời nhằm giải quyết bài toán này. Nó cung cấp một cái nhìn toàn diện, đa chiều về hoạt động của ngân hàng, giúp nhà quản lý nắm bắt xu hướng thị trường, đánh giá rủi ro và tối ưu hóa hiệu quả hoạt động. Theo Nguyễn Xuân Thịnh, luận văn này tập trung vào việc ứng dụng BI để hỗ trợ ra quyết định phê duyệt hồ sơ tín dụng khách hàng tại ngân hàng Liên doanh Việt - Nga (VRB). Giải pháp BI khai thác dữ liệu từ nhiều nguồn khác nhau như Excel, CSDL quan hệ, các hệ thống tác nghiệp (Core Banking, Card System, CRM), sử dụng các mô hình toán học và kỹ thuật khai phá dữ liệu (data mining) để xử lý thành thông tin hữu ích.

1.1. Giới thiệu về Trí tuệ nghiệp vụ Business Intelligence BI

Trí tuệ nghiệp vụ (Business Intelligence) không chỉ là một công cụ, mà là một hệ thống các quy trình, công nghệ và kiến thức được thiết kế để biến dữ liệu thô thành thông tin có giá trị. Nó bao gồm việc thu thập, làm sạch, tích hợp, phân tích và trình bày dữ liệu để hỗ trợ quá trình ra quyết định. Theo tài liệu gốc, BI giúp các ngân hàng hiểu rõ hơn về khách hàng, sản phẩm, thị trường và đối thủ cạnh tranh. Các báo cáo tài chính ngân hàng và báo cáo hiệu quả hoạt động ngân hàng, được xây dựng từ hệ thống BI, đóng vai trò quan trọng trong việc đánh giá và điều chỉnh chiến lược kinh doanh. Khai phá dữ liệu trong ngân hàng (data mining) là một phần quan trọng của hệ thống BI.

1.2. Tầm quan trọng của BI trong hoạt động ngân hàng hiện đại

Trong bối cảnh cạnh tranh ngày càng gay gắt, việc áp dụng BI cho ngân hàng trở nên cấp thiết hơn bao giờ hết. BI giúp ngân hàng nâng cao năng lực cạnh tranh bằng cách cải thiện quy trình, giảm chi phí và tăng doanh thu. Chuyển đổi số ngân hàng (chuyen doi so ngan hang) là xu hướng tất yếu và BI là một phần không thể thiếu của quá trình này. BI giúp ngân hàng tự động hóa các quy trình thủ công, giảm thiểu sai sót và tăng tốc độ xử lý. Quản lý rủi ro ngân hàng (quan ly rui ro ngan hang) cũng được cải thiện đáng kể nhờ khả năng phân tích dữ liệu và dự báo các rủi ro tiềm ẩn của BI.

II. Thách thức ứng dụng BI và Data Analytics trong Ngân hàng

Mặc dù mang lại nhiều lợi ích, việc ứng dụng BI trong ngành ngân hàng cũng đối mặt với không ít thách thức. Một trong những thách thức lớn nhất là việc tích hợp dữ liệu từ nhiều nguồn khác nhau, bao gồm các hệ thống cũ (legacy systems) và các nguồn dữ liệu phi cấu trúc (unstructured data). Chất lượng dữ liệu cũng là một vấn đề quan trọng, dữ liệu không chính xác hoặc không đầy đủ có thể dẫn đến các quyết định sai lầm. Hơn nữa, việc thiếu hụt nhân lực có kỹ năng phân tích dữ liệu (data analytics trong ngân hàng) và hiểu biết về nghiệp vụ ngân hàng cũng là một rào cản lớn. Theo tài liệu gốc, việc triển khai BI thành công đòi hỏi sự đầu tư lớn về công nghệ, nhân lực và quy trình.

2.1. Vấn đề tích hợp dữ liệu từ các hệ thống khác nhau

Ngân hàng thường sử dụng nhiều hệ thống khác nhau để quản lý các hoạt động khác nhau, chẳng hạn như hệ thống quản lý khách hàng (CRM), hệ thống quản lý tài khoản (Core Banking), hệ thống quản lý thẻ tín dụng. Việc tích hợp dữ liệu từ các hệ thống này là một thách thức lớn do sự khác biệt về cấu trúc dữ liệu, định dạng dữ liệu và giao thức kết nối. Việc sử dụng các công cụ ETL (Extract, Transform, Load) là cần thiết để trích xuất, biến đổi và tải dữ liệu vào kho dữ liệu (data warehouse) phục vụ cho mục đích phân tích. Big data trong ngân hàng cũng làm tăng thêm sự phức tạp trong việc tích hợp dữ liệu.

2.2. Đảm bảo chất lượng dữ liệu để ra quyết định chính xác

Chất lượng dữ liệu có ảnh hưởng trực tiếp đến độ tin cậy của các báo cáo và phân tích BI. Dữ liệu không chính xác, không đầy đủ hoặc không nhất quán có thể dẫn đến các quyết định sai lầm, gây thiệt hại cho ngân hàng. Do đó, việc đảm bảo chất lượng dữ liệu là một yếu tố then chốt trong quá trình triển khai BI. Các ngân hàng cần thiết lập các quy trình kiểm soát chất lượng dữ liệu chặt chẽ để đảm bảo dữ liệu được thu thập, lưu trữ và xử lý một cách chính xác. Phân tích hành vi khách hàng ngân hàng (phan tich hanh vi khach hang ngan hang) dựa trên dữ liệu chất lượng cao để đưa ra kết luận chính xác.

III. Phương pháp xây dựng Mô hình BI cho Xét duyệt Tín dụng

Để giải quyết bài toán xét duyệt hồ sơ tín dụng, cần xây dựng một mô hình BI phù hợp. Mô hình này cần xác định rõ các nguồn dữ liệu cần thiết, các chỉ số (KPIs) cần theo dõi và các kỹ thuật phân tích dữ liệu phù hợp. Theo Nguyễn Xuân Thịnh, luận văn này đề xuất sử dụng kỹ thuật khai phá dữ liệu (data mining), cụ thể là thuật toán C4.5 để xây dựng cây quyết định (decision tree) giúp phân loại hồ sơ tín dụng. Cây quyết định sẽ giúp xác định các yếu tố quan trọng nhất ảnh hưởng đến khả năng trả nợ của khách hàng, từ đó đưa ra quyết định phê duyệt hoặc từ chối khoản vay.

3.1. Xác định các nguồn dữ liệu quan trọng cho mô hình BI

Các nguồn dữ liệu quan trọng cho mô hình BI xét duyệt tín dụng bao gồm thông tin cá nhân của khách hàng (tuổi, giới tính, trình độ học vấn, tình trạng hôn nhân), thông tin việc làm (nghề nghiệp, thu nhập, vị trí công tác), thông tin tài chính (lịch sử tín dụng, số dư tài khoản, các khoản vay hiện tại) và thông tin giao dịch (thói quen chi tiêu, tần suất sử dụng thẻ). Các bảng dữ liệu như HoSoKH FACT, ThongTinTraNo_FACT và các bảng chiều (DIM) như ViTriCongTac_DIM, LoaiHinhCongTyLamViec_DIM cần được thu thập và tích hợp. Các nguồn dữ liệu này có thể được trích xuất từ hệ thống Core Banking, CRM, hoặc các nguồn dữ liệu bên ngoài khác.

3.2. Sử dụng thuật toán C4.5 để xây dựng Cây quyết định

Thuật toán C4.5 là một thuật toán phổ biến trong khai phá dữ liệu được sử dụng để xây dựng cây quyết định. Thuật toán này sử dụng độ lợi thông tin (information gain) và tỷ lệ lợi ích (gain ratio) để lựa chọn các thuộc tính tốt nhất để phân chia dữ liệu. Cây quyết định được xây dựng sẽ giúp phân loại hồ sơ tín dụng thành các nhóm khác nhau dựa trên các yếu tố quan trọng nhất ảnh hưởng đến khả năng trả nợ. Từ cây quyết định, có thể xây dựng các luật để hỗ trợ quyết định phê duyệt hoặc từ chối hồ sơ tín dụng. Hệ thống hỗ trợ quyết định ngân hàng (he thong ho tro quyet dinh ngan hang) có thể được xây dựng dựa trên cây quyết định này.

3.3. Đánh giá hiệu quả của mô hình và điều chỉnh

Sau khi xây dựng, mô hình BI cần được đánh giá để đảm bảo tính chính xác và hiệu quả. Các chỉ số đánh giá như độ chính xác (accuracy), độ nhạy (sensitivity) và độ đặc hiệu (specificity) cần được tính toán. Mô hình cần được thử nghiệm với dữ liệu mới để đánh giá khả năng dự đoán. Nếu hiệu quả của mô hình không đạt yêu cầu, cần điều chỉnh các tham số hoặc thay đổi thuật toán để cải thiện. Việc đánh giá và điều chỉnh mô hình cần được thực hiện thường xuyên để đảm bảo mô hình luôn phù hợp với thực tế. Dự báo ngân hàng (du bao ngan hang) cũng cần được điều chỉnh dựa trên kết quả đánh giá mô hình.

IV. Ứng dụng Mô hình BI Xét duyệt Hồ sơ Tín dụng FLC tại VRB

Luận văn của Nguyễn Xuân Thịnh tập trung vào ứng dụng mô hình BI để hỗ trợ ra quyết định xét duyệt hồ sơ tín dụng thẻ FLC (Fix Limit Card) tại ngân hàng Liên doanh Việt - Nga (VRB). Mô hình được xây dựng sử dụng dữ liệu từ các hệ thống của VRB, bao gồm thông tin khách hàng, thông tin giao dịch và lịch sử tín dụng. Cây quyết định được xây dựng giúp xác định các yếu tố quan trọng nhất ảnh hưởng đến khả năng trả nợ của khách hàng FLC, chẳng hạn như tuổi, thu nhập, nghề nghiệp và lịch sử tín dụng. Dựa trên các yếu tố này, mô hình đưa ra khuyến nghị về việc phê duyệt hoặc từ chối hồ sơ tín dụng.

4.1. Quy trình xét duyệt tín dụng thẻ FLC tại Ngân hàng VRB

Quy trình xét duyệt tín dụng thẻ FLC tại VRB bao gồm các bước thu thập hồ sơ, đánh giá hồ sơ, phê duyệt hoặc từ chối và thông báo kết quả cho khách hàng. Trước khi ứng dụng BI, quy trình này chủ yếu dựa vào kinh nghiệm của nhân viên tín dụng và các quy định của ngân hàng. Việc đánh giá hồ sơ thường mất nhiều thời gian và có thể không chính xác do yếu tố chủ quan. Ứng dụng BI giúp tự động hóa quy trình đánh giá hồ sơ, giảm thiểu sai sót và tăng tốc độ xử lý. Mục tiêu là xét duyệt nhanh chóng và chính xác.

4.2. Kết quả ứng dụng BI Tăng tốc độ và độ chính xác xét duyệt

Việc ứng dụng mô hình BI đã giúp VRB tăng tốc độ xét duyệt hồ sơ tín dụng thẻ FLC đáng kể. Thời gian xử lý hồ sơ giảm từ vài ngày xuống còn vài giờ. Độ chính xác của quá trình xét duyệt cũng được cải thiện, giúp giảm thiểu rủi ro nợ xấu. Mô hình BI cũng giúp VRB xác định các phân khúc khách hàng tiềm năng và đưa ra các chương trình marketing ngân hàng dựa trên dữ liệu (marketing ngan hang dua tren du lieu) phù hợp.

V. Kết luận Tiềm năng và Hướng phát triển của BI Ngân hàng

Luận văn của Nguyễn Xuân Thịnh đã chứng minh tiềm năng to lớn của trí tuệ nghiệp vụ trong việc hỗ trợ ra quyết định trong ngành ngân hàng. Việc ứng dụng BI không chỉ giúp cải thiện hiệu quả hoạt động mà còn giúp giảm thiểu rủi ro và tăng cường khả năng cạnh tranh. Trong tương lai, BI sẽ tiếp tục đóng vai trò quan trọng trong quá trình chuyển đổi số của ngành ngân hàng, giúp các ngân hàng trở nên thông minh hơn, linh hoạt hơn và đáp ứng tốt hơn nhu cầu của khách hàng.

5.1. Xu hướng phát triển của BI trong kỷ nguyên số

Trong kỷ nguyên số, BI sẽ tiếp tục phát triển theo hướng tự động hóa, cá nhân hóa và thời gian thực. Các công nghệ mới như trí tuệ nhân tạo (AI) và học máy (machine learning) sẽ được tích hợp vào các hệ thống BI để giúp tự động hóa các quy trình phân tích dữ liệu và đưa ra các dự đoán chính xác hơn. Các báo cáo và phân tích BI sẽ được cá nhân hóa để đáp ứng nhu cầu của từng người dùng. Dữ liệu sẽ được phân tích theo thời gian thực để giúp các nhà quản lý đưa ra các quyết định kịp thời.

5.2. Đề xuất cho các nghiên cứu tiếp theo về BI trong ngân hàng

Các nghiên cứu tiếp theo về BI trong ngân hàng nên tập trung vào việc ứng dụng các công nghệ mới như AI và machine learning để giải quyết các bài toán phức tạp hơn, chẳng hạn như dự báo rủi ro tín dụng, phát hiện gian lận và tối ưu hóa chiến lược marketing. Các nghiên cứu cũng nên tập trung vào việc xây dựng các hệ thống BI dễ sử dụng và phù hợp với nhu cầu của từng người dùng. Kinh doanh thông minh ngân hàng (kinh doanh thong minh ngan hang) là một lĩnh vực đầy tiềm năng để phát triển.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Tin dụng bán lẻ ngày cảng trở nên quan trọng đổi với các Ngân hàng, trang đó sản phẩm thẻ tín dụng lá một trong những sản phẩm bán lẽ dem lại doanh thu, lợi nhuận rất tiêm năng vì nhu câu thanh toán qua thể tín đụng cỏ xu hướng ngày một tăng. Nhưng cùng với đó là vẫn để nợ xâu từ tín dụng thẻ cũng phát sinh nhiều hơn bởi vì những hợp đồng tím dụng này hẳu hết là không có lải sản dim bão, chủ yếu đựa trên chữ “tín” với khách hàng. Mặc dù nợ xấu phát sinh từ hình thức thẻ tín dung ánh hướng lớn tới kết quả kinh đoạnh của Ngân bàng, nhưng Ngân hàng không thể không hoặc ngừng cho vay, cấp tin dụng mới, vỉ đây là một trong những, nghiện vụ chỉnh, cốt yêu của Ngân hàng, Ngân hàng căn tìm kiếm được nhiều khách hàng, lim được rỗi thì phải lựa chọn dược những khách hàng tốt dễ bản sản phẩm thé tin dung. Co thé noi trong quy trình bán hàng thì khâu xét duyệt hỗ sơ khách hàng dé quyết định phê duyệt hoặc từ chối Ap tin dung là một.

yếu tổ then chốt quyết định một sự lựa chọn dúng dắn, mang về một khách hảng tốt, đem lại lợi nhuận cho Ngân hàng. Vậy vấn đề đặt ra 6 đây là gi? Dó là việc phải hoàn thiện hơn quy trình xét đuyệt, lựa chọn khách bàng, để giải ngân, cấp ta dụng. Ngân hàng luôn mong muốn từm được giải pháp dễ giải quyết bài toàn này, trong số đỏ thì giải pháp ủng dụng trí tuệ nghiệp vụ hủa hẹn sẽ đem lại hiệu quả. Trí tuệ nghiệp vụ (Businoss Trtelligenee — BD) là một.

giải pháp công nghệ khai thác dữ liệu từ các nguồn dữ liệu khác nhau (IIxcel, CSDL quan hệ, file text,.), tir các hệ thêng tác nghiệp khác nhan (Core Banking, Card System, CRM.), thông, qua các mỗ hình toán học, các kỹ thuật khai phả dữ liệu (dats mining) dé xit ly thành những thông tin hữu ich nhằm hỗ trợ ra quyết định kinh đoanh hiệu quả Qua những phân tích trên, tác giả đi đến quyết định lựa chọn ứng dụng giải pháp ĐĨ vào giải quyết bài toán hỗ trợ ra quyết định phê duyệt hỗ sơ tin dụng khách hàng, tại ngân hàng Liên doanh Việt - Nga. DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIET TAT Ky higu và viết tắt Điễn giải BI Lusiness Intelligence FLC Fix Limi Card VRB Vietnam - Russia Joint Venture Bank OLAP On-Line Analysis Processing OLTP On-Line Transaction Processing CSDL Cơ Sâ Dữ Liệu BTL Extract — Transform - Load CHUONG 1. TONG QUAN Chương này sẽ trình bày các vẫn đề sau: œ- Bài toán xét duyệt hồ sơ tín dụng thẻ FLC © Giai phap trí tuệ nghiệp vụ vả ứng dụng trong lĩnh vực ngân hàng, © Mục tiêu của luận văn Đình hưởng giải pháp.1 Bài toán xét duyệt hồ sơ tín dung thé FLC 1.1 Giới thiệu sản phẩm thẻ tín dụng FLC FIXED LIMIT CARD RETAIL BANKING & NETWORK MANAGEMENT DEPARTAMENT VIETNAM~ RUSSIA JOINT VENTURE BANK Hình 1: Sản phẩm thẻ FLC - San pham thé tin dung hạn mức thấp (Fix Limit Card — FLC) của Ngân hàng Liên doanh Việt - Nga là một loại trong bộ sản phẩm tin dụng của Ngân hang. Hạn mức tin dụng của sân phâm ELC theo quy định biện tại của Ngân 2 DANH MỤC CÁC BẰNG Bang 1: Tiéu chi tinh diém hé so tin dung khach hang Bang 2: Bang cde thong tin dịnh danh khách hảng,.

Bang 3: Bang théng tin chim diém tin dung. Bang 4: Bang théng tin phan lớp hồ sơ. Bang 5: Bảng thông tin trả nợ thê. re Bang 6: Bang đử liệu mẫu huấn luyện.

Bang 7: Bảng sự kiện đữ liệu HoSoKH FACT Bảng 8: Băng chiêu ViTriCongTas_DIM Bang 9: Bang chigu LoaillinhCongTyLamViec DIM Bang 10: Pang chiéu TinhTrangHonNhan_DIM Bang 11: Bảng chiều LoaiHimhCuTru_DŨM. Bang 12: Bang chiéu NgheNghiep DIM. Bảng 13: Bông chiều TinhTrangCV_DIM. Bảng 14: Bảng chiều LinhVucKihDoanhCty_DĨM.

Bảng 15: lãng chiều TrinhlÖa DIM. coi Bing 16: Pang chiéu HinbThucTral.uong_DIM Bang 17: Bang chiéu Dol woiCon_DIM .eecsecseeseeesieeieseesieee Tổáng 1§: Bảng chiều ThoiGian DIM. Bang 19: Bồng sự kiện đữ liệu ThongTinTraNo_FACT Bảng 20: Háng đữ liệu cây quyết định Nut.àccceeercee Bang 21: Kết quã phân lớp tập huấn lưyện. Tảng 22: Kết quả thờ nghiệm với hỗ sơ khách hàng mới Bảng 23: Kết quả thứ nghiệm phân lớp các khách hàng không đủ điểm tin dung vil DANH MỤC CÁC HÌNH Tĩinh 1: Sản phẩm thẻ FLC nhi2: Quy trình xét đuyệt hỗ sơ tin dụng tại Ngân hàng Việt-Nga.

Hình 3: Kiên trúc của một hệ thông trí tuệ nghiệp vụ. Tlinh 4: Lược đồ hình sao. Hình 5: Lược đỗ hình bông tuyết. Linh6: Khai pha dit hau trong ngũ cảnh D.

con nen Hình 7: Các pha của qui trình khai phá dữ liệu. Tình 8: Các bước trong quy trình xét đuyệt hỗ sơ FLC TIinh 9: Mô bình ứng đựng trí tuệ nghiệp vụ Hình 10: Mô hình khai thác đữ liệu Tùữi 11: Lược đổ hình sao thông tín phát hành thế.- Tlinh 12: Théng tin trả nạ thế. Tình 13: Mô hình xây đựng cy quyét dinh Hình 14: Cây quyết định mức Ì.2222222 c2ttctrrrrrrrreervee linh 15: Cây quyết định mức 2.ooo co 62ccceccttrtrrrrrrrrrcee Tình 16: Triển khai cây quyết định tại nút. Hình 17: Cây quyết dịnh sau khi triển khai tiếp tại nút H.

Tlinh 18: Cây quyết định hoàn chỉnh. co Tình 19: Cây trước khi cắt tia Hình 20: Cây sau khi cắt ta. Tĩinh 31: Lược đỏ dữ liệu hỗ sơ khách hàng.ược để đữ liệu thông tin trả nợ thể linh 23: Mô hình chức năng ứng dựng.--cccco2seiocee Hình 24: Mô hình xây dung img dụng. Hình 25: Mô hình cây quyết định THỉnh 26: Màn hình xét duyệt hỗ sơ tín dụng khách hàng.

Hinh 27: Man hinh tra cửu đanh mục "Hình 28: Màn hình dữ liệu xót duyệt lịch sứ vi DANH MỤC CÁC HÌNH Tĩinh 1: Sản phẩm thẻ FLC nhi2: Quy trình xét đuyệt hỗ sơ tin dụng tại Ngân hàng Việt-Nga. Hình 3: Kiên trúc của một hệ thông trí tuệ nghiệp vụ. Tlinh 4: Lược đồ hình sao. Hình 5: Lược đỗ hình bông tuyết.

Linh6: Khai pha dit hau trong ngũ cảnh D. con nen Hình 7: Các pha của qui trình khai phá dữ liệu. Tình 8: Các bước trong quy trình xét đuyệt hỗ sơ FLC TIinh 9: Mô bình ứng đựng trí tuệ nghiệp vụ Hình 10: Mô hình khai thác đữ liệu Tùữi 11: Lược đổ hình sao thông tín phát hành thế.- Tlinh 12: Théng tin trả nạ thế. Tình 13: Mô hình xây đựng cy quyét dinh Hình 14: Cây quyết định mức Ì.2222222 c2ttctrrrrrrrreervee linh 15: Cây quyết định mức 2.ooo co 62ccceccttrtrrrrrrrrrcee Tình 16: Triển khai cây quyết định tại nút.

Hình 17: Cây quyết dịnh sau khi triển khai tiếp tại nút H. Tlinh 18: Cây quyết định hoàn chỉnh. co Tình 19: Cây trước khi cắt tia Hình 20: Cây sau khi cắt ta. Tĩinh 31: Lược đỏ dữ liệu hỗ sơ khách hàng.ược để đữ liệu thông tin trả nợ thể linh 23: Mô hình chức năng ứng dựng.--cccco2seiocee Hình 24: Mô hình xây dung img dụng.

Hình 25: Mô hình cây quyết định THỉnh 26: Màn hình xét duyệt hỗ sơ tín dụng khách hàng. Hinh 27: Man hinh tra cửu đanh mục "Hình 28: Màn hình dữ liệu xót duyệt lịch sứ vi DANH MỤC CÁC BẰNG Bang 1: Tiéu chi tinh diém hé so tin dung khach hang Bang 2: Bang cde thong tin dịnh danh khách hảng,. Bang 3: Bang théng tin chim diém tin dung. Bang 4: Bang théng tin phan lớp hồ sơ.

Bang 5: Bảng thông tin trả nợ thê. re Bang 6: Bang đử liệu mẫu huấn luyện. Bang 7: Bảng sự kiện đữ liệu HoSoKH FACT Bảng 8: Băng chiêu ViTriCongTas_DIM Bang 9: Bang chigu LoaillinhCongTyLamViec DIM Bang 10: Pang chiéu TinhTrangHonNhan_DIM Bang 11: Bảng chiều LoaiHimhCuTru_DŨM. Bang 12: Bang chiéu NgheNghiep DIM.

Bảng 13: Bông chiều TinhTrangCV_DIM. Bảng 14: Bảng chiều LinhVucKihDoanhCty_DĨM. Bảng 15: lãng chiều TrinhlÖa DIM. coi Bing 16: Pang chiéu HinbThucTral.uong_DIM Bang 17: Bang chiéu Dol woiCon_DIM .eecsecseeseeesieeieseesieee Tổáng 1§: Bảng chiều ThoiGian DIM.

Bang 19: Bồng sự kiện đữ liệu ThongTinTraNo_FACT Bảng 20: Háng đữ liệu cây quyết định Nut.àccceeercee Bang 21: Kết quã phân lớp tập huấn lưyện. Tảng 22: Kết quả thờ nghiệm với hỗ sơ khách hàng mới Bảng 23: Kết quả thứ nghiệm phân lớp các khách hàng không đủ điểm tin dung vil LỜI CAM ĐOAN Tôi là Nguyễn Xuân Thịnh, học viên lớp LZBCNTT2, Trường Dại học Bách khoa Hà nội xin can kết Luận văn này là công trinh nghiên cứu của bản thâu dưới sự hướng dân khoa học của 15. Vũ Thị Hương Giang, Viện Công nghệ thông tin và Truyền thêng, Trường Dại học Bach khoa Ta nội Cáo kết quả trong Luận văn là trung thực và không sao chép từ bắt kỹ công, trình nào khác Hà Nội, ngày 15 tháng Ú9 năm 2015 Học viên : Nguyễn Xuân Thịnh. Lớp :12BCNTT2 ii LỜI CAM ĐOAN Tôi là Nguyễn Xuân Thịnh, học viên lớp LZBCNTT2, Trường Dại học Bách khoa Hà nội xin can kết Luận văn này là công trinh nghiên cứu của bản thâu dưới sự hướng dân khoa học của 15.

Vũ Thị Hương Giang, Viện Công nghệ thông tin và Truyền thêng, Trường Dại học Bach khoa Ta nội Cáo kết quả trong Luận văn là trung thực và không sao chép từ bắt kỹ công, trình nào khác Hà Nội, ngày 15 tháng Ú9 năm 2015 Học viên : Nguyễn Xuân Thịnh. Lớp :12BCNTT2 ii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIET TAT Ky higu và viết tắt Điễn giải BI Lusiness Intelligence FLC Fix Limi Card VRB Vietnam - Russia Joint Venture Bank OLAP On-Line Analysis Processing OLTP On-Line Transaction Processing CSDL Cơ Sâ Dữ Liệu BTL Extract — Transform - Load DANH MỤC CÁC BẰNG Bang 1: Tiéu chi tinh diém hé so tin dung khach hang Bang 2: Bang cde thong tin dịnh danh khách hảng,. Bang 3: Bang théng tin chim diém tin dung. Bang 4: Bang théng tin phan lớp hồ sơ.

Bang 5: Bảng thông tin trả nợ thê. re Bang 6: Bang đử liệu mẫu huấn luyện. Bang 7: Bảng sự kiện đữ liệu HoSoKH FACT Bảng 8: Băng chiêu ViTriCongTas_DIM Bang 9: Bang chigu LoaillinhCongTyLamViec DIM Bang 10: Pang chiéu TinhTrangHonNhan_DIM Bang 11: Bảng chiều LoaiHimhCuTru_DŨM. Bang 12: Bang chiéu NgheNghiep DIM.

Bảng 13: Bông chiều TinhTrangCV_DIM. Bảng 14: Bảng chiều LinhVucKihDoanhCty_DĨM. Bảng 15: lãng chiều TrinhlÖa DIM. coi Bing 16: Pang chiéu HinbThucTral.uong_DIM Bang 17: Bang chiéu Dol woiCon_DIM .eecsecseeseeesieeieseesieee Tổáng 1§: Bảng chiều ThoiGian DIM.

Bang 19: Bồng sự kiện đữ liệu ThongTinTraNo_FACT Bảng 20: Háng đữ liệu cây quyết định Nut.àccceeercee Bang 21: Kết quã phân lớp tập huấn lưyện. Tảng 22: Kết quả thờ nghiệm với hỗ sơ khách hàng mới Bảng 23: Kết quả thứ nghiệm phân lớp các khách hàng không đủ điểm tin dung vil DANH MỤC CÁC HÌNH Tĩinh 1: Sản phẩm thẻ FLC nhi2: Quy trình xét đuyệt hỗ sơ tin dụng tại Ngân hàng Việt-Nga. Hình 3: Kiên trúc của một hệ thông trí tuệ nghiệp vụ. Tlinh 4: Lược đồ hình sao.

Hình 5: Lược đỗ hình bông tuyết. Linh6: Khai pha dit hau trong ngũ cảnh D.