Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và cuộc cách mạng công nghiệp 4.0, ngành ngân hàng thương mại (NHTM) tại Việt Nam đang chứng kiến sự dịch chuyển mạnh mẽ từ mô hình bán hàng truyền thống sang mô hình tiếp cận khách hàng dựa trên dữ liệu (data-driven banking). Theo các báo cáo tài chính ngành ngân hàng, chi phí để thu hút một khách hàng mới (Customer Acquisition Cost - CAC) thường cao gấp 5 đến 7 lần so với chi phí duy trì khách hàng hiện tại. Trong đó, kênh Telemarketing – tiếp thị và tư vấn qua điện thoại – giữ vai trò là một trong những phương thức trực tiếp và linh hoạt nhất để huy động tiền gửi tiết kiệm cá nhân, nguồn vốn cốt lõi bảo đảm thanh khoản cho toàn hệ thống tín dụng.

Tuy nhiên, các chiến dịch Telemarketing truyền thống đang đối mặt với bài toán hiệu quả thấp. Tỷ lệ chuyển đổi thành công (conversion rate) của các cuộc gọi mời gửi tiết kiệm không có định hướng chỉ dao động trong khoảng 8% - 11%, dẫn đến lãng phí tới hơn 85% thời gian làm việc của chuyên viên quan hệ khách hàng cá nhân (RM) và gây tâm lý khó chịu (call fatigue) cho người tiêu dùng. Vấn đề cốt lõi là các tổ chức tín dụng sở hữu khối lượng dữ liệu khổng lồ (nhân khẩu học, lịch sử giao dịch, tương tác tiếp thị) nhưng chưa khai thác tối ưu mối liên kết phi tuyến giữa các thuộc tính để nhận diện chính xác chân dung khách hàng tiềm năng.

Đồ án/Khóa luận tốt nghiệp tập trung giải quyết bài toán trên thông qua việc: "Nghiên cứu mạng Neural Network và ứng dụng trong dự đoán khả năng gửi tiền tiết kiệm của khách hàng cá nhân qua Telemarketing tại ngân hàng".

                           +-----------------------------------------------+
                           |        Hệ thống Dữ liệu Ngân hàng             |
                           |  (11,162 bản ghi: Demographic, Campaign Data) |
                           +-----------------------+-----------------------+
                                                   |
                                                   v
                           +-----------------------------------------------+
                           |      Pipeline Tiền xử lý (KDD Process)        |
                           | (Imputation, Min-Max Normalization, Encoding) |
                           +-----------------------+-----------------------+
                                                   |
                                                   v
                           +-----------------------------------------------+
                           |     Mô hình Phân lớp Đa tầng (MLP / ANN)      |
                           |   (Input Layer -> Dense ReLU -> Sigmoid)      |
                           +-----------------------+-----------------------+
                                                   |
                                                   v
                           +-----------------------------------------------+
                           |     Đánh giá & Dự báo Khách hàng Tiềm năng    |
                           | (Lead Scoring API, CRM Dashboard, Recall: 88%)|
                           +-----------------------------------------------+

Mục tiêu dự án

  1. Nghiên cứu lý thuyết: Tổng quan hóa quy trình phát hiện tri thức từ cơ sở dữ liệu (KDD - Knowledge Discovery in Databases) và cơ chế toán học của mạng nơron nhân tạo (Artificial Neural Network - ANN).
  2. Xây dựng quy trình tiền xử lý: Thiết kế pipeline làm sạch, xử lý giá trị khuyết thiếu (missing values), chuẩn hóa thang đo và mã hóa 16 biến thuộc tính đầu vào từ tập dữ liệu gồm 11,162 bản ghi.
  3. Phát triển và tối ưu mô hình ANN: Xây dựng kiến trúc mạng truyền thẳng đa tầng (Multi-Layer Perceptron - MLP) áp dụng thuật toán lan truyền ngược (Backpropagation) để phân loại nhị phân khả năng gửi tiền (deposit = yes/no).
  4. Đánh giá và so sánh thực nghiệm: Kiểm thử hiệu năng mô hình ANN với các thuật toán phân lớp truyền thống (Logistic Regression, K-Nearest Neighbors, Decision Tree CART) dựa trên Confusion Matrix, Accuracy, Precision, Recall và ROC-AUC.
  5. Xây dựng giao diện ứng dụng mẫu: Thiết kế module tích hợp cho phép chuyên viên nhập liệu trực tiếp hoặc import file Excel để xuất danh sách phân khúc khách hàng tiềm năng theo điểm xác suất (Lead Scoring).

Phương pháp và phạm vi nghiên cứu

  • Phương pháp tiếp cận: Ứng dụng kỹ thuật khai phá dữ liệu có giám sát (Supervised Learning), tận dụng khả năng ánh xạ phi tuyến tùy ý của ANN để phân tích các biến nhân khẩu (tuổi, nghề nghiệp, tình trạng hôn nhân, trình độ học vấn, số dư tài khoản) và biến chiến dịch (tháng liên hệ, thời lượng cuộc gọi, số lần tiếp xúc trước đó).
  • Kết quả kỳ vọng: Đạt độ chính xác (Accuracy) trên 88%, giảm tỷ lệ âm tính giả (False Negative - bỏ sót khách hàng tiềm năng) xuống dưới 12%, nâng cao năng suất cuộc gọi Telemarketing thêm 30% - 40%.
  • Phạm vi và giới hạn: Nghiên cứu thực nghiệm trên tập dữ liệu Bank Marketing gồm 11,162 quan sát. Mô hình tập trung vào sản phẩm tiền gửi tiết kiệm có kỳ hạn của khách hàng cá nhân; chưa tích hợp xử lý ngôn ngữ tự nhiên (NLP) cho giọng nói cuộc gọi theo thời gian thực.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong quản trị quan hệ khách hàng (CRM) tại ngân hàng, việc phân loại khách hàng thường dựa vào hệ thống chấm điểm truyền thống hoặc trực giác của đội ngũ bán hàng. Bảng dưới đây so sánh các hướng tiếp cận hiện nay:

Tiêu chí Tiếp thị đại trà (Cold Calling) Quy tắc nghiệp vụ (Rule-based Scoring) Khai phá dữ liệu ANN (Đề xuất)
Cơ sở phân loại Danh bạ ngẫu nhiên Ngưỡng số dư, thu nhập tĩnh Toàn bộ 16 thuộc tính hành vi & nhân khẩu
Mối quan hệ dữ liệu Tuyến tính/Không xác định Tuyến tính phân đoạn Phi tuyến tính phức tạp (Non-linear mapping)
Khả năng tự thích nghi Không Kém (cần chỉnh sửa rule thủ công) Cao (Tự động tinh chỉnh trọng số qua Backpropagation)
Tỷ lệ chuyển đổi Thấp (5% - 8%) Trung bình (12% - 15%) Cao (> 28% trên tập khách hàng lọc)
Chi phí thời gian/RM Rất cao (> 80% cuộc gọi vô ích) Trung bình Tối ưu (Chỉ tập trung vào nhóm xác suất cao)

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc):
    • Pipeline tiền xử lý dữ liệu tự động (loại bỏ nhiễu, xử lý khuyết thiếu, mã hóa Categorical variables).
    • Thuật toán phân lớp nhị phân ANN với hàm kích hoạt Sigmoid ở lớp đầu ra.
    • Ma trận nhầm lẫn (Confusion Matrix) đánh giá TP, TN, FP, FN.
  • Should-have (Nên có):
    • Module so sánh hiệu năng trực tiếp với Logistic Regression và KNN.
    • Biểu đồ suy giảm hàm mất mát (Model Loss) và đường cong hội tụ độ chính xác (Model Accuracy).
  • Could-have (Có thể có):
    • Chức năng import dữ liệu hàng loạt qua định dạng file .xlsx / .csv.
    • Dashboard trực quan hóa tương quan độ tuổi, số dư tài khoản và tỷ lệ đồng ý gửi tiền.
  • Won't-have (Chưa triển khai đợt này):
    • Tích hợp voicebot tự động thực hiện cuộc gọi.
+-------------------------------------------------------------------------------+
|                            KIẾN TRÚC MẠNG NEURAL NETWORK                      |
|                                                                               |
|  [Input Layer: 16 Features]                                                   |
|  (Age, Job, Balance, Housing, Loan, Duration, Campaign, Pdays, ...)           |
|  [Hidden Layer 1: 32 Neurons]  ---> Activation: ReLU: f(x) = max(0, x)        |
|  [Hidden Layer 2: 16 Neurons]  ---> Activation: ReLU: f(x) = max(0, x)        |
|  [Output Layer: 1 Neuron]      ---> Activation: Sigmoid: σ(v) = 1/(1+e^(-v))  |
|  [Xác suất gửi tiền: P ∈ [0, 1]] ---> Ngưỡng quyết định (Threshold = 0.5)     |
+-------------------------------------------------------------------------------+

Thiết kế hệ thống

Technology Stack và phiên bản chi tiết

  • Ngôn ngữ lập trình: Python v3.8.12.
  • Thư viện Máy học & Khai phá dữ liệu:
    • TensorFlow v2.8.0 / Keras v2.8.0: Xây dựng và huấn luyện mô hình Sequential ANN.
    • Scikit-Learn v1.0.2: Tiền xử lý (MinMaxScaler, LabelEncoder, train_test_split), triển khai mô hình đối chuẩn (LogisticRegression, KNeighborsClassifier).
    • Pandas v1.4.2 & NumPy v1.22.3: Thao tác cấu trúc dữ liệu DataFrame và đại số tuyến tính.
    • Matplotlib v3.5.1 & Seaborn v0.11.2: Trực quan hóa ma trận tương quan và đồ thị huấn luyện.
  • Giao diện & Ứng dụng triển khai:
    • Flask v2.0.3 / Tkinter: Xây dựng module nhận diện khách hàng và nhập xuất file Excel.
    • OpenPyXL v3.0.9: Xử lý định dạng dữ liệu bảng tính.

Cơ sở toán học của nơron nhân tạo

Mỗi nút (neuron) trong mạng ANN thực hiện tính tổng có trọng số của các tín hiệu đầu vào cộng với hệ số điều chỉnh (bias), sau đó chuyển tiếp qua hàm kích hoạt phi tuyến:

$$v = b + \sum_{j=1}^{m} w_{j} x_{j}$$

Với hàm kích hoạt Sigmoid tại lớp đầu ra:

$$\hat{y} = \sigma(v) = \frac{1}{1 + e^{-v}}$$

Hàm mất mát Binary Cross-Entropy sử dụng để tối ưu hóa trọng số thông qua thuật toán lan truyền ngược (Backpropagation):

$$\mathcal{L}(y, \hat{y}) = -\frac{1}{N} \sum_{i=1}^{N} \left[ y_i \log(\hat{y}_i) + (1 - y_i) \log(1 - \hat{y}_i) \right]$$

Phương pháp luận (Methodology)

Nghiên cứu tuân theo quy trình chuẩn KDD và mô hình phát triển phần mềm Agile:

  1. Phân tích yêu cầu & Thấu hiểu dữ liệu (Sprints 1-2): Khám phá phân bố 11,162 bản ghi, nhận diện các đặc trưng quan trọng liên quan đến hành vi gửi tiền.
  2. Kỹ thuật tiền xử lý dữ liệu (Sprints 3-4): Xử lý 100% dữ liệu thiếu (imputation qua mode/median), chuẩn hóa min-max về đoạn $[0, 1]$, xử lý biến ngoại lai qua biểu đồ Boxplot.
  3. Mô hình hóa & Tinh chỉnh siêu tham số (Sprints 5-6): Thiết lập cấu trúc mạng đa tầng, điều chỉnh learning rate, batch size, số epoch và tối ưu bằng Adam.
  4. Kiểm thử & Đóng gói giải pháp (Sprints 7-8): Đánh giá mô hình trên tập kiểm thử độc lập (30% dữ liệu), xây dựng module giao diện nạp tập tin Excel và kết xuất kết quả.

Implementation và kết quả

Quy trình phát triển và tiền xử lý dữ liệu

Tập dữ liệu gốc gồm 11,162 quan sát được phân tách thành tập huấn luyện (70% tương đương 7,813 bản ghi) và tập kiểm thử (30% tương đương 3,349 bản ghi). Pipeline tiền xử lý triển khai các kỹ thuật:

  • Xử lý dữ liệu trùng lặp và khuyết thiếu: Loại bỏ các dòng trùng lặp hoàn toàn; thay thế các giá trị không xác định (unknown) bằng mode (giá trị xuất hiện nhiều nhất) đối với biến phân loại và median đối với biến số thực.
  • Rời rạc hóa và Chuẩn hóa: Áp dụng công thức chuẩn hóa Min-Max:

$$x' = \frac{x - \min(A)}{\max(A) - \min(A)}$$

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler, LabelEncoder
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout

# 1. Đọc và tiền xử lý dữ liệu
df = pd.read_csv('bank_marketing_dataset.csv') # 11,162 records

# Xử lý biến định tính (Categorical Encoding)
categorical_cols = ['job', 'marital', 'education', 'default', 'housing', 'loan', 'contact', 'month', 'poutcome']
label_encoders = {}
for col in categorical_cols:
    le = LabelEncoder()
    df[col] = le.fit_transform(df[col])
    label_encoders[col] = le

# Tách biến độc lập (X) và nhãn mục tiêu (y: deposit)
X = df.drop('deposit', axis=1)
y = df['deposit'].apply(lambda x: 1 if x == 'yes' else 0).values

# Chuẩn hóa Min-Max các biến số thực
scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)

# Phân chia tập dữ liệu 70% Train - 30% Test
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.30, random_state=42, stratify=y)

# 2. Xây dựng cấu trúc Mạng Neural Network (ANN)
model = Sequential([
    Dense(32, input_dim=X_train.shape[1], activation='relu'),
    Dropout(0.2),
    Dense(16, activation='relu'),
    Dense(1, activation='sigmoid')
])

# Biên dịch mô hình với thuật toán tối ưu Adam
model.compile(
    optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
    loss='binary_crossentropy',
    metrics=['accuracy']
)

# 3. Huấn luyện mô hình
history = model.fit(
    X_train, y_train,
    validation_data=(X_test, y_test),
    epochs=100,
    batch_size=64,
    verbose=1
)

=========================================================================================
Layer (type)                Output Shape              Param #   Activation
=========================================================================================
dense (Dense)               (None, 32)                544       relu
dropout (Dropout)           (None, 32)                0         --
dense_1 (Dense)             (None, 16)                528       relu
dense_2 (Dense)             (None, 1)                 17        sigmoid
=========================================================================================
Total params: 1,089 | Trainable params: 1,089 | Non-trainable params: 0
=========================================================================================

Kiểm thử và Đánh giá hiệu năng

Hiệu năng của mô hình được đánh giá trên tập kiểm thử độc lập gồm 3,349 mẫu. Ma trận nhầm lẫn (Confusion Matrix) đạt được như sau:

Giá trị Thực tế \ Dự đoán Dự đoán: Không gửi (Negative) Dự đoán: Gửi tiền (Positive) Tổng cộng
Thực tế: Không gửi (No) TN = 1,560 FP = 210 1,770
Thực tế: Gửi tiền (Yes) FN = 159 TP = 1,420 1,579
Tổng cộng 1,719 1,630 3,349

Các chỉ số định lượng

  • Độ chính xác toàn diện (Accuracy):

$$\text{Accuracy} = \frac{TP + TN}{TP + TN + FP + FN} = \frac{1420 + 1560}{3349} = 88.98%$$

  • Độ chuẩn xác (Precision):

$$\text{Precision} = \frac{TP}{TP + FP} = \frac{1420}{1420 + 210} = 87.12%$$

  • Độ nhạy / Thu hồi (Recall):

$$\text{Recall} = \frac{TP}{TP + FN} = \frac{1420}{1420 + 159} = 89.93%$$

  • F1-Score:

$$\text{F1} = 2 \times \frac{87.12% \times 89.93%}{87.12% + 89.93%} = 88.50%$$

              ĐƯỜNG CONG HUẤN LUYỆN (MODEL LOSS & ACCURACY)
 Loss / Accuracy
  1.0 |                                                --- Accuracy (Train: ~91.2%)
      |                                  . - - - - - - --- Accuracy (Val: ~89.0%)
  0.8 |                            . '
      |                       . '
  0.5 |                   . '
      |               . '
  0.2 |  . ' ' ' ' ' ' ----------------------------------- Loss (Val: ~0.265)
  0.0 +--------------------------------------------------- Loss (Train: ~0.221)
      0           20          40          60          80          100 (Epochs)

Đổi mới và đóng góp

Cải tiến kỹ thuật và So sánh định lượng

Khóa luận chứng minh tính ưu việt của mô hình phân lớp ANN so với các thuật toán học máy phổ biến thông qua việc so sánh trên cùng một tập dữ liệu thử nghiệm chuẩn hóa:

Thuật toán Accuracy (%) Precision (%) Recall (%) F1-Score (%) Thời gian suy luận (ms/sample)
Artificial Neural Network (ANN) 88.98% 87.12% 89.93% 88.50% 0.42 ms
Logistic Regression 81.54% 79.20% 82.10% 80.62% 0.05 ms
K-Nearest Neighbors ($K=5$) 78.65% 76.40% 79.30% 77.82% 1.85 ms
Decision Tree (CART) 82.10% 80.50% 81.20% 80.85% 0.08 ms 
                       SO SÁNH ĐỘ CHÍNH XÁC (ACCURACY)
Mạng Neural Network (ANN) : [====================================] 88.98%
Decision Tree (CART)      : [=================================   ] 82.10%
Logistic Regression       : [================================    ] 81.54%
K-Nearest Neighbors (KNN) : [===============================     ] 78.65%
                            +---------+---------+---------+------->
                            0%       25%       50%       75%    100%

Đóng góp thực tiễn và Quy luật phát hiện

  1. Mức độ cải thiện: ANN nâng cao độ chính xác tổng thể thêm 7.44% so với Logistic Regression và 10.33% so với K-Nearest Neighbors; đặc biệt chỉ số Recall đạt gần 90%, giảm thiểu tối đa tình trạng bỏ sót khách hàng có tiềm năng gửi tiền thực sự.
  2. Khai phá các quy luật quyết định (Decision Insights):
    • Tác động của thời lượng cuộc gọi (duration): Các cuộc gọi kéo dài trên 180 giây có tỷ lệ chuyển đổi tăng gấp 3.2 lần so với cuộc gọi dưới 60 giây.
    • Tác động của mùa vụ (month): Tháng 3, 9, 10 và 11 ghi nhận tỷ lệ phản hồi tích cực cao hơn đáng kể so với tháng 5 (thời điểm cao điểm các chiến dịch đại trà nhưng tỷ lệ thành công thấp).
    • Lịch sử chiến dịch trước (poutcome = success): Khách hàng từng có phản hồi tích cực trong quá khứ có xác suất gửi tiền trên 65% ở chiến dịch hiện tại.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong vận hành ngân hàng

Mô hình được đóng gói thành dịch vụ tính điểm tiềm năng tích hợp vào hệ thống Core CRM của Ngân hàng Bán lẻ:

  1. Lọc danh sách hàng ngày (Batch Scoring): Mỗi buổi sáng, hệ thống tự động quét tập dữ liệu khách hàng đến hạn sổ tiết kiệm hoặc có biến động số dư dương lớn, chạy qua mô hình ANN để gán điểm xác suất $P \in [0, 1]$.
  2. Phân bổ cuộc gọi thông minh (Smart Routing): Chỉ những khách hàng có điểm xác suất $P \ge 0.60$ mới được đưa vào danh sách ưu tiên gọi điện của chuyên viên RM, các nhóm điểm thấp hơn được chuyển sang kênh tiếp thị tự động chi phí thấp (Email Marketing hoặc Zalo Notification Service).
   [Core Banking Database] 
   [ANN Inference Engine (Docker / Flask API)]

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis)

Giả định một chi nhánh ngân hàng thực hiện 10,000 cuộc gọi mỗi quý:

  • Phương pháp cũ: Gọi ngẫu nhiên 10,000 khách $\rightarrow$ Chi phí nhân sự & cước viễn thông khoảng 150 triệu VNĐ $\rightarrow$ Chuyển đổi thành công 900 sổ tiết kiệm (Tỷ lệ 9%). Chi phí/khách hàng thành công = 166,666 VNĐ.
  • Ứng dụng mô hình ANN: Lọc ra 3,500 khách hàng tiềm năng cao ($P \ge 0.60$) $\rightarrow$ Chuyển đổi thành công 1,050 sổ tiết kiệm (Tỷ lệ 30%). Chi phí thực hiện cuộc gọi giảm xuống còn 52.5 triệu VNĐ.
  • Lợi ích kinh tế: Tiết kiệm 65% chi phí vận hành tiếp thị, đồng thời giải phóng hơn 500 giờ làm việc cho đội ngũ chuyên viên để tập trung nâng cao chất lượng tư vấn chuyên sâu. Thời gian hoàn vốn đầu tư phần mềm (ROI) ước tính dưới 4 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Đặc trưng hộp đen (Black-box Model): Mạng nơron nhân tạo khó giải thích trực quan từng trọng số cho cán bộ nghiệp vụ tín dụng vốn quen thuộc với các cây quyết định phân nhánh dạng IF-THEN.
  • Dữ liệu tĩnh: Dữ liệu đầu vào chưa phản ánh các hành vi tức thời (real-time stream) như vừa thực hiện giao dịch lớn trên Internet Banking trong ngày.
  • Độ nhạy với dữ liệu mất cân bằng: Khi tập dữ liệu có tỷ lệ chênh lệch quá cao giữa nhóm gửi và không gửi, mạng ANN có xu hướng thiên vị về nhóm đa số nếu không áp dụng kỹ thuật cân bằng dữ liệu (SMOTE).

Hướng phát triển tương lai

  1. Tích hợp mô hình giải thích (Explainable AI - XAI): Ứng dụng các thuật toán SHAP (SHapley Additive exPlanations) hoặc LIME để tạo báo cáo giải thích lý do vì sao một khách hàng cụ thể được mô hình đánh giá là tiềm năng.
  2. Mở rộng kiến trúc Deep Learning: Nghiên cứu ứng dụng mạng nơron hồi quy (LSTM/GRU) hoặc Transformer để xử lý chuỗi hành vi giao dịch theo dòng thời gian (Time-series transaction logs).
  3. Phân tích âm thanh cuộc gọi (Speech Analytics): Kết hợp mô hình ANN với công nghệ nhận dạng giọng nói và phân tích cảm xúc (Sentiment Analysis) để đánh giá mức độ quan tâm của khách hàng ngay trong thời gian thực của cuộc gọi.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
|                                                                               |
|  [Sinh viên & Người học]     ---> Nắm vững KDD, toán học ANN & code Keras     |
|  [Kỹ sư Dữ liệu / AI Dev]    ---> Tham khảo Pipeline tiền xử lý & Lead Scoring|
|  [Lãnh đạo Ngân hàng & CRM]  ---> Tối ưu 65% chi phí Telemarketing, tăng ROI  |
|  [Nhà nghiên cứu Khoa học]   ---> Dữ liệu thực nghiệm phân lớp tài chính      |
+-------------------------------------------------------------------------------+
  • Sinh viên & Người học ngành Hệ thống thông tin / Khoa học dữ liệu:
    • Tài liệu tham khảo hoàn chỉnh từ quy trình toán học nơron, các bước chuẩn hóa tiền xử lý đến thực nghiệm lập trình mô hình học sâu.
  • Kỹ sư phát triển phần mềm & Chuyên viên AI:
    • Mã nguồn mẫu triển khai mạng phân lớp nhị phân bằng TensorFlow/Keras tối ưu, áp dụng các kỹ thuật xử lý dữ liệu bảng (Tabular data) trong lĩnh vực tài chính.
  • Ban lãnh đạo khối Khách hàng cá nhân & Marketing Ngân hàng:
    • Giải pháp chuyển đổi số có khả năng áp dụng thực tế ngay lập tức giúp tối ưu hóa ngân sách vận hành, cá nhân hóa trải nghiệm khách hàng và tăng trưởng huy động vốn.
  • Nhà nghiên cứu ứng dụng:
    • Bộ số liệu đối chuẩn chi tiết giữa ANN, Logistic Regression, KNN và CART trên tập dữ liệu Telemarketing ngân hàng bán lẻ.

Câu hỏi thường gặp

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

Hệ thống yêu cầu máy chủ tối thiểu 4-core CPU (Intel Xeon hoặc AMD tương đương), 8GB RAM, 20GB dung lượng ổ cứng để huấn luyện và phục vụ mô hình inference. Do mô hình có kiến trúc 3 lớp với 1,089 tham số, việc triển khai suy luận (inference) không bắt buộc cần GPU và có thể chạy mượt mà trên môi trường CPU tiêu chuẩn hoặc các container Docker siêu nhẹ.

2. Mô hình xử lý dữ liệu bị mất cân bằng lớp (Class Imbalance) như thế nào?

Trong bài toán phân loại nhị phân khách hàng, tỷ lệ khách hàng từ chối thường áp đảo số lượng đồng ý. Mô hình giải quyết vấn đề này qua kỹ thuật gán trọng số lớp (class_weight) trong quá trình huấn luyện hàm mất mát hoặc áp dụng phương pháp lấy mẫu nhân tạo nhóm thiểu số SMOTE (Synthetic Minority Over-sampling Technique) trong giai đoạn tiền xử lý.

3. Làm thế nào để tích hợp mô hình này vào phần mềm Core CRM hiện hữu của ngân hàng?

Mô hình sau khi huấn luyện được lưu dưới định dạng chuẩn (model.h5 hoặc SavedModel). Sau đó, mô hình được đóng gói trong một ứng dụng Flask/FastAPI RESTful Web Service chạy trên Docker. Khi CRM cần tính điểm khách hàng, hệ thống chỉ cần gửi payload JSON chứa 16 thông số thuộc tính tới endpoint /api/v1/predict để nhận về xác suất trong vòng chưa đầy 1 millisecond.

POST /api/v1/predict
Content-Type: application/json

{
  "age": 35,
  "job": 4,
  "marital": 1,
  "education": 2,
  "balance": 2500,
  "housing": 0,
  "loan": 0,
  "duration": 240,
  "campaign": 1,
  "pdays": -1,
  "previous": 0,
  "poutcome": 3
}

Response (200 OK):
{
  "prediction": "yes",
  "probability": 0.8421,
  "status": "High Potential Lead"
}

4. Chi phí vận hành và bảo trì mô hình định kỳ như thế nào?

Sau khi triển khai, mô hình cần được theo dõi hiện tượng suy giảm hiệu năng (Data Drift / Model Drift) định kỳ hàng tháng. Khi phân phối nhân khẩu hoặc các chính sách lãi suất của ngân hàng thay đổi, pipeline tự động sẽ nạp thêm dữ liệu của 3 tháng gần nhất để tái huấn luyện (Retrain) mô hình với chi phí vận hành ước tính rất thấp, tương đương dưới 10 giờ làm việc của kỹ sư dữ liệu mỗi quý.

5. Dữ liệu khách hàng ngân hàng có bị rò rỉ khi sử dụng mô hình này không?

Không. Toàn bộ pipeline tiền xử lý và mô hình ANN được triển khai On-Premise nội bộ trong hệ thống mạng Private Cloud / Data Center của ngân hàng, tuân thủ nghiêm ngặt các tiêu chuẩn an toàn thông tin ISO 27001 và quy định bảo vệ dữ liệu cá nhân. Quá trình tiền xử lý chỉ sử dụng các biến số định danh đã mã hóa mà không lưu trữ trực tiếp tên, số CCCD hoặc thông tin thẻ của khách hàng.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra: từ việc hệ thống hóa toàn diện cơ sở lý thuyết về mạng nơron nhân tạo (ANN) và quy trình KDD, đến việc thực nghiệm thành công mô hình dự báo khả năng gửi tiền tiết kiệm của khách hàng cá nhân trên tập dữ liệu 11,162 bản ghi. Kết quả đạt độ chính xác 88.98% cùng độ nhạy 89.93% đã minh chứng sức mạnh vượt trội của kỹ thuật học máy trong việc nhận diện mối liên kết phi tuyến giữa các thuộc tính hành vi và nhân khẩu học.

Giải pháp không chỉ mang giá trị học thuật chuyên sâu mà còn cung cấp một công cụ ứng dụng thực tiễn đắc lực cho các ngân hàng thương mại, giúp cắt giảm hơn 60% chi phí tiếp thị qua điện thoại, nâng cao hiệu suất làm việc của đội ngũ bán hàng và tối ưu hóa trải nghiệm khách hàng. Trong bối cảnh chuyển đổi số ngân hàng, việc khai phá dữ liệu bằng các mô hình học sâu chính là chìa khóa để kiến tạo lợi thế cạnh tranh bền vững cho các tổ chức tài chính hiện đại.