Phân lớp dữ liệu Marketing dịch vụ hàng không dựa trên ứng dụng Orange

Trong kỷ nguyên số, ngành hàng không đối mặt với khối lượng dữ liệu khổng lồ từ khách hàng. 67 trang.

• Đề tài: Phân Lớp Dữ Liệu Marketing Dịch Vụ Hàng Không Bằng Phần Mềm Orange

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: GIỚI THIỆU VỀ KHOA HỌC DỮ LIỆU VÀ GIỚI THIỆU ĐỀ TÀI
• 1.1. Giới thiệu về khoa học dữ liệu
• 1.2. Giới thiệu đề tài
• 1.3. Mục tiêu nghiên cứu
• 2. CHƯƠNG 2: TỔNG QUAN VỀ CHƯƠNG TRÌNH SỬ DỤNG VÀ CÁC PHƯƠNG PHÁP SỬ DỤNG
• 2.1. Các phương pháp của Excel dùng để khai thác dữ liệu
• 2.2. Phần mềm Orange
• 3. CHƯƠNG 3: ỨNG DỤNG PHƯƠNG PHÁP VÀO BÀI TOÁN THỰC TẾ
• 3.1. Phân tích dữ liệu Marketing Hàng không
• 4. CHƯƠNG 4: ĐÁNH GIÁ KẾT QUẢ CỦA MÔ HÌNH
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phân lớp dữ liệu marketing hàng không bằng Orange

Trong kỷ nguyên số, ngành hàng không đối mặt với khối lượng dữ liệu khổng lồ từ khách hàng. Việc khai phá dữ liệu (data mining) để hiểu rõ hành vi người dùng là chìa khóa để tạo lợi thế cạnh tranh. Bài viết này trình bày phương pháp phân lớp dữ liệu Marketing dịch vụ hàng không bằng phần mềm Orange, một công cụ trực quan và mạnh mẽ. Phương pháp này giúp chuyển đổi dữ liệu thô thành thông tin chi tiết, hỗ trợ các hãng bay xây dựng chiến lược marketing cá nhân hóa, nâng cao trải nghiệm khách hàng và tối ưu hóa doanh thu. Việc áp dụng các kỹ thuật học máy (machine learning) không chỉ giúp dự đoán xu hướng mà còn là nền tảng cho các quyết định kinh doanh chiến lược trong một thị trường đầy biến động.

1.1. Tầm quan trọng của khoa học dữ liệu trong ngành hàng không

Khoa học dữ liệu đóng vai trò then chốt trong việc chuyển đổi hoạt động của ngành hàng không. Nó cho phép các hãng bay phân tích và trích xuất giá trị từ Big Data, bao gồm thông tin từ dữ liệu CRM hàng không, lịch sử giao dịch, và phản hồi trên mạng xã hội. Theo nghiên cứu tại Đại học Kinh tế TP.HCM (2023), ứng dụng khoa học dữ liệu giúp giải quyết các bài toán kinh doanh cốt lõi như tối ưu hóa giá vé, quản lý lịch bay, và đặc biệt là phân khúc khách hàng hàng không. Bằng cách hiểu rõ từng nhóm khách hàng, các doanh nghiệp có thể đưa ra các sản phẩm và chương trình khách hàng thân thiết phù hợp, từ đó tăng cường lòng trung thành và tối đa hóa lợi nhuận. Đây là một phương pháp tiếp cận đa ngành, kết hợp thống kê, công nghệ thông tin và kiến thức chuyên môn để đưa ra quyết định dựa trên bằng chứng.

1.2. Giới thiệu phần mềm Orange Data Mining và các ưu điểm nổi bật

Orange Data Mining là một bộ công cụ mã nguồn mở, mạnh mẽ cho khai phá dữ liệu và học máy. Ưu điểm lớn nhất của Orange là giao diện người dùng đồ họa, cho phép xây dựng các quy trình phân tích dữ liệu phức tạp thông qua cơ chế kéo-thả các widget trong Orange. Người dùng không cần có kỹ năng lập trình chuyên sâu vẫn có thể thực hiện các tác vụ từ tiền xử lý dữ liệu, xây dựng mô hình phân lớp, đến trực quan hóa dữ liệu một cách sinh động. Orange hỗ trợ nhiều thuật toán phổ biến, tích hợp sẵn các công cụ đánh giá mô hình, và có khả năng mở rộng thông qua các add-on. Điều này làm cho nó trở thành một lựa chọn lý tưởng cho cả mục đích học thuật và ứng dụng kinh doanh, đặc biệt trong bài toán phân tích dữ liệu marketing dịch vụ hàng không.

II. Thách thức trong việc phân khúc khách hàng dịch vụ hàng không

Việc phân khúc khách hàng hàng không (customer segmentation) truyền thống thường dựa trên các tiêu chí nhân khẩu học cơ bản, dẫn đến việc bỏ lỡ nhiều thông tin giá trị về hành vi. Thách thức lớn nhất là xử lý một tập dữ liệu đa dạng và phức tạp, bao gồm cả dữ liệu có cấu trúc và phi cấu trúc. Các phương pháp thủ công không đủ khả năng để xác định các mẫu hình ẩn sâu trong dữ liệu, dẫn đến các chiến dịch marketing thiếu tính cá nhân hóa. Bài toán dự đoán khách hàng rời bỏ (churn prediction) cũng trở nên khó khăn hơn. Do đó, việc áp dụng một phương pháp khoa học như phân lớp dữ liệu trở thành một yêu cầu cấp thiết để vượt qua những rào cản này và tạo ra các chiến lược marketing hiệu quả hơn.

2.1. Hạn chế của các phương pháp phân tích marketing truyền thống

Các phương pháp marketing truyền thống thường dựa vào khảo sát hoặc các phân tích thống kê mô tả đơn giản. Các phương pháp này có những hạn chế rõ rệt. Thứ nhất, chúng tốn nhiều thời gian và chi phí để thu thập và xử lý. Thứ hai, kết quả thường mang tính tổng hợp, không thể hiện được sự khác biệt tinh vi giữa các nhóm khách hàng nhỏ. Ví dụ, hai khách hàng cùng độ tuổi và giới tính có thể có hành vi bay hoàn toàn khác nhau. Việc thiếu khả năng phân tích hành vi khách hàng một cách sâu sắc khiến các chiến dịch quảng cáo trở nên chung chung, giảm tỷ lệ chuyển đổi và lãng phí ngân sách. Hơn nữa, chúng không cung cấp khả năng dự báo, một yếu tố cực kỳ quan trọng trong môi trường kinh doanh hiện đại.

2.2. Nhu cầu cấp thiết về marketing cá nhân hóa trong ngành hàng không

Trong bối cảnh cạnh tranh gay gắt, marketing cá nhân hóa không còn là một lựa chọn mà là một yêu cầu bắt buộc. Khách hàng ngày nay mong đợi nhận được những ưu đãi, thông điệp và dịch vụ phù hợp với nhu cầu và sở thích cá nhân của họ. Một chiến dịch marketing thành công phải trả lời được câu hỏi: "Làm thế nào để tiếp cận đúng khách hàng, với đúng thông điệp, vào đúng thời điểm?". Để làm được điều này, các hãng hàng không cần một hệ thống có khả năng gom cụm dữ liệu khách hàng thành các phân khúc nhỏ, chi tiết dựa trên hành vi thực tế. Ví dụ, phân loại khách hàng thành các nhóm như "khách hàng doanh nhân bay thường xuyên", "gia đình đi du lịch", hay "khách hàng nhạy cảm về giá". Điều này chỉ có thể thực hiện hiệu quả thông qua các kỹ thuật data mining hiện đại.

III. Hướng dẫn quy trình phân lớp dữ liệu hàng không trên Orange

Để thực hiện phân lớp dữ liệu Marketing dịch vụ hàng không bằng phần mềm Orange, cần tuân thủ một quy trình khoa học và bài bản. Quy trình này bắt đầu từ việc thu thập và chuẩn bị dữ liệu, sau đó xây dựng một luồng xử lý (workflow) logic trên giao diện của Orange. Các bước chính bao gồm nhập liệu, tiền xử lý để làm sạch và chuẩn hóa dữ liệu, áp dụng các thuật toán phân lớp, và cuối cùng là đánh giá hiệu quả của mô hình. Việc tuân thủ quy trình này đảm bảo kết quả phân tích có độ tin cậy cao, là cơ sở vững chắc để đưa ra các quyết định chiến lược. Mỗi bước đều được thực hiện thông qua các widget trong Orange, giúp quá trình trở nên trực quan và dễ kiểm soát.

3.1. Các bước chuẩn bị và tiền xử lý dữ liệu CRM hàng không

Chất lượng của mô hình phân lớp phụ thuộc rất lớn vào giai đoạn chuẩn bị dữ liệu. Dữ liệu đầu vào thường là các file CSV hoặc Excel trích xuất từ hệ thống dữ liệu CRM hàng không. Bước đầu tiên là nhập dữ liệu vào Orange bằng widget 'File'. Sau đó, quá trình tiền xử lý dữ liệu bắt đầu. Quá trình này bao gồm các tác vụ quan trọng như xử lý các giá trị bị thiếu (missing values), loại bỏ các thuộc tính không liên quan bằng widget 'Select Columns', và chuẩn hóa dữ liệu nếu cần. Ví dụ, trong bộ dữ liệu marketing hàng không, các thuộc tính như 'Độ tuổi', 'Số lượng chuyến bay', 'Số lượng hủy chuyến' cần được kiểm tra và làm sạch để đảm bảo tính nhất quán. Giai đoạn này giúp loại bỏ nhiễu và tăng độ chính xác cho các thuật toán học máy ở giai đoạn sau.

3.2. Xây dựng workflow khai phá dữ liệu bằng các widget trong Orange

Điểm mạnh của Orange nằm ở khả năng xây dựng workflow trong Orange một cách trực quan. Một workflow phân lớp cơ bản bắt đầu với widget 'File' để tải dữ liệu. Dữ liệu sau đó được kết nối với widget 'Data Table' để xem và widget 'Distributions' để trực quan hóa dữ liệu ban đầu. Sau bước tiền xử lý, luồng dữ liệu được chia ra. Một phần dữ liệu được đưa vào các widget mô hình như 'Decision Tree', 'Logistic Regression', hoặc 'SVM' trong tab 'Model'. Phần còn lại có thể được dùng để kiểm thử. Các mô hình này sau đó được kết nối với widget 'Test & Score' trong tab 'Evaluate' để so sánh hiệu suất. Toàn bộ quy trình, từ dữ liệu thô đến kết quả đánh giá, được thể hiện rõ ràng trên một canvas duy nhất, giúp người dùng dễ dàng theo dõi, điều chỉnh và thử nghiệm.

IV. Phương pháp xây dựng mô hình phân lớp marketing hàng không

Việc lựa chọn thuật toán phù hợp là yếu tố quyết định thành công của bài toán phân lớp. Phần mềm Orange cung cấp một loạt các mô hình phân lớp mạnh mẽ, trong đó ba phương pháp nổi bật được áp dụng trong nghiên cứu này là Cây quyết định (Decision Tree), Hồi quy Logistic, và Máy Vector Hỗ trợ (SVM). Mỗi thuật toán có ưu và nhược điểm riêng, phù hợp với các loại dữ liệu và mục tiêu phân tích khác nhau. Việc xây dựng và so sánh các mô hình này giúp tìm ra phương pháp tối ưu nhất để phân khúc khách hàng hàng không, từ đó đưa ra những dự báo chính xác và có giá trị ứng dụng thực tiễn cao.

4.1. Áp dụng thuật toán Cây quyết định Decision Tree để phân loại

Thuật toán Cây quyết định (Decision Tree) là một trong những phương pháp phân lớp phổ biến nhất nhờ tính dễ hiểu và dễ diễn giải. Mô hình này hoạt động bằng cách chia tập dữ liệu thành các tập con nhỏ hơn dựa trên các câu hỏi về thuộc tính. Kết quả là một cấu trúc dạng cây, trong đó mỗi nút lá đại diện cho một lớp (ví dụ: 'khách hàng trung thành' hoặc 'khách hàng có nguy cơ rời bỏ'). Ưu điểm của Decision Tree là khả năng xử lý cả dữ liệu số và dữ liệu hạng mục mà không cần chuẩn hóa. Trong Orange Data Mining, người dùng có thể dễ dàng xây dựng và trực quan hóa dữ liệu cây quyết định, giúp hiểu rõ các yếu tố nào ảnh hưởng nhiều nhất đến việc phân loại khách hàng.

4.2. Sử dụng thuật toán K Means cho bài toán phân tích cụm

Trước khi phân lớp, việc thực hiện phân tích cụm (cluster analysis) để khám phá các nhóm tự nhiên trong dữ liệu là một bước hữu ích. Thuật toán K-Means là một phương pháp học không giám sát hiệu quả để gom cụm dữ liệu. Thuật toán này phân chia N quan sát vào K cụm, trong đó mỗi quan sát thuộc về cụm có giá trị trung bình (centroid) gần nhất. Trong bối cảnh marketing hàng không, K-Means có thể giúp xác định các nhóm khách hàng có hành vi tương đồng, ví dụ như nhóm khách hàng bay nhiều nhưng chi tiêu ít, hoặc nhóm khách hàng bay ít nhưng luôn chọn hạng thương gia. Kết quả từ K-Means có thể được sử dụng làm một thuộc tính đầu vào mới cho các mô hình phân lớp, giúp tăng cường độ chính xác.

4.3. So sánh hiệu quả giữa SVM và Hồi quy Logistic

Bên cạnh Decision Tree, SVM (Support Vector Machine) và Hồi quy Logistic cũng là hai thuật toán phân lớp mạnh mẽ. Hồi quy Logistic là một mô hình xác suất, phù hợp cho các bài toán phân loại nhị phân và cung cấp xác suất một đối tượng thuộc về một lớp cụ thể. Ngược lại, SVM hoạt động bằng cách tìm một siêu phẳng tối ưu để phân tách các lớp dữ liệu trong không gian nhiều chiều, đặc biệt hiệu quả với dữ liệu có số chiều lớn. Trong nghiên cứu được trích dẫn, việc so sánh các mô hình này bằng các chỉ số như Accuracy, Precision, Recall và AUC trên widget 'Test & Score' của Orange cho thấy mỗi mô hình có thể hoạt động tốt hơn trong các điều kiện chia mẫu khác nhau, nhấn mạnh tầm quan trọng của việc thử nghiệm và đánh giá đa dạng.

V. Case study Phân tích và đánh giá mô hình phân lớp dữ liệu

Để kiểm chứng hiệu quả của các phương pháp, một case study thực tế đã được thực hiện dựa trên bộ dữ liệu marketing hàng không. Dữ liệu được chia thành tập huấn luyện (training set) và tập kiểm thử (testing set) theo các tỷ lệ khác nhau để đánh giá độ ổn định của mô hình. Kết quả được đánh giá thông qua các chỉ số học máy tiêu chuẩn và trực quan hóa dữ liệu bằng ma trận nhầm lẫn (Confusion Matrix). Phân tích này không chỉ cho thấy mô hình nào hoạt động tốt nhất mà còn cung cấp cái nhìn sâu sắc về các sai lầm mà mô hình mắc phải, từ đó đưa ra hướng cải tiến. Đây là bước quan trọng để đảm bảo mô hình phân lớp có thể ứng dụng vào thực tế.

5.1. Đánh giá mô hình qua các chỉ số AUC F1 Score và Precision

Việc đánh giá mô hình không thể chỉ dựa vào độ chính xác (Accuracy). Các chỉ số khác như AUC (Area Under the ROC Curve), F1-Score, Precision và Recall cung cấp một cái nhìn toàn diện hơn. AUC đo lường khả năng phân biệt giữa các lớp của mô hình, giá trị càng gần 1 càng tốt. F1-Score là trung bình điều hòa của Precision và Recall, rất hữu ích khi tập dữ liệu bị mất cân bằng. Báo cáo nghiên cứu cho thấy, khi thay đổi tỷ lệ lấy mẫu ngẫu nhiên (ví dụ 70-30, 80-20), mô hình Decision Tree liên tục cho các chỉ số F1 và AUC cao và ổn định nhất. Cụ thể, với tỷ lệ chia mẫu 20-70%, mô hình cây quyết định đạt AUC là 0.768, cao nhất trong các thuật toán được so sánh.

5.2. Diễn giải kết quả phân lớp thông qua ma trận nhầm lẫn

Ma trận nhầm lẫn (Confusion Matrix) là một công cụ trực quan hóa dữ liệu mạnh mẽ để hiểu rõ hiệu suất của mô hình. Nó cho biết số lượng dự đoán đúng (True Positives, True Negatives) và sai (False Positives, False Negatives). Trong bài toán phân lớp dữ liệu marketing, việc phân tích ma trận nhầm lẫn giúp xác định xem mô hình có xu hướng dự đoán nhầm một lớp cụ thể nào không. Ví dụ, dự đoán nhầm một khách hàng trung thành thành khách hàng sắp rời bỏ (False Positive) có thể dẫn đến việc lãng phí chi phí chăm sóc không cần thiết. Theo kết quả phân tích, mô hình Decision Tree cho thấy số lượng sai lầm loại 1 (FP) và loại 2 (FN) thấp nhất, chứng tỏ đây là mô hình cân bằng và phù hợp nhất cho bộ dữ liệu này.

VI. Ứng dụng kết quả phân lớp vào chiến lược marketing hàng không

Mục tiêu cuối cùng của việc phân lớp dữ liệu Marketing dịch vụ hàng không bằng phần mềm Orange là tạo ra những giá trị kinh doanh thực tiễn. Kết quả phân tích không chỉ dừng lại ở các con số và biểu đồ, mà phải được chuyển hóa thành các hành động cụ thể. Từ việc xác định chân dung các nhóm khách hàng, các hãng bay có thể thiết kế các chương trình khách hàng thân thiết phù hợp, triển khai các chiến dịch marketing cá nhân hóa với tỷ lệ thành công cao, và chủ động hơn trong việc dự đoán khách hàng rời bỏ. Đây là cách khoa học dữ liệu trực tiếp đóng góp vào việc tăng trưởng doanh thu và xây dựng thương hiệu bền vững trong ngành hàng không.

6.1. Xây dựng chân dung khách hàng cho từng phân khúc đã xác định

Sau khi gom cụm dữ liệu và phân lớp, mỗi nhóm khách hàng sẽ được mô tả bằng một chân dung (persona) chi tiết. Chân dung này không chỉ bao gồm thông tin nhân khẩu học mà còn cả các đặc điểm về phân tích hành vi khách hàng: tần suất bay, điểm đến ưa thích, thời điểm đặt vé, mức chi tiêu trung bình, và kênh tương tác chủ yếu. Ví dụ, một chân dung có thể là "Nhà quản lý cấp trung, 35-45 tuổi, thường xuyên bay các chặng ngắn vào đầu tuần, đặt vé sát ngày bay và ưu tiên sự tiện lợi hơn giá cả". Việc xây dựng các chân dung sống động này giúp đội ngũ marketing và bán hàng hiểu sâu sắc về đối tượng mục tiêu, từ đó tạo ra các thông điệp và sản phẩm thực sự phù hợp.

6.2. Gợi ý các chiến dịch marketing cá nhân hóa và tối ưu hóa

Dựa trên các chân dung khách hàng, các chiến dịch marketing cá nhân hóa có thể được triển khai. Ví dụ, gửi email ưu đãi nâng hạng ghế cho nhóm "khách hàng doanh nhân", cung cấp gói dịch vụ hành lý giá rẻ cho nhóm "gia đình đi du lịch", hoặc gửi voucher giảm giá cho nhóm "khách hàng có nguy cơ rời bỏ". Hơn nữa, kết quả phân lớp cũng giúp tối ưu hóa ngân sách marketing bằng cách tập trung nguồn lực vào các phân khúc có giá trị cao nhất. Việc liên tục theo dõi và phân tích hiệu quả của các chiến dịch này sẽ tạo ra một vòng lặp cải tiến, giúp các hoạt động marketing ngày càng thông minh và hiệu quả hơn, đóng góp trực tiếp vào sự phát triển của doanh nghiệp hàng không.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh hội nhập kinh tế quốc tế và chuyển đổi số, các doanh nghiệp dịch vụ đối mặt với áp lực cạnh tranh ngày càng gay gắt. Ngành dịch vụ hàng không là một trong những ngành kinh tế đặc thù có lượng dữ liệu giao dịch và vận hành phát sinh liên tục với quy mô lớn. Việc thấu hiểu nhu cầu của thị trường và hành vi của hành khách trở thành yếu tố quyết định để tối ưu hóa hiệu quả hoạt động kinh doanh. Marketing dịch vụ hàng không không chỉ dừng lại ở các hoạt động quảng cáo và bán vé thông thường mà bao gồm toàn bộ quá trình quản trị hệ thống: từ việc nhận diện nhu cầu của khách hàng đến việc hiện thực hóa các giải pháp nhằm đáp ứng nhu cầu đó thông qua các chính sách dịch vụ cụ thể.

Khoa học dữ liệu đóng vai trò then chốt trong việc xử lý khối lượng lớn thông tin phi cấu trúc và có cấu trúc, chuyển hóa dữ liệu thô thành các tri thức hành động hỗ trợ lãnh đạo doanh nghiệp đưa ra các quyết định chiến lược. Xuất phát từ bối cảnh thực tiễn của ngành vận chuyển hàng không tại Việt Nam, đề tài "Phân lớp bộ dữ liệu Marketing dịch vụ hàng không dựa trên ứng dụng Orange" được nhóm sinh viên thuộc Khoa Công nghệ thông tin kinh doanh, Trường Công nghệ và Thiết kế - Đại học Kinh tế TP. Hồ Chí Minh thực hiện dưới sự hướng dẫn của TS. Nguyễn Quốc Hùng. Đề tài tập trung khai thác các kỹ thuật khai phá dữ liệu và học máy thông qua phần mềm trực quan Orange để phân lớp tệp khách hàng, từ đó cung cấp cơ sở phân tích khoa học cho hoạt động marketing hàng không.

Văn bản xác định hai mục tiêu nghiên cứu cụ thể:

1. Tìm hiểu các thuộc tính của khách hàng và đánh giá mức độ ảnh hưởng của chiến lược marketing dịch vụ hàng không đến nhu cầu cùng độ thỏa mãn của khách hàng.
2. Dự báo tiềm năng phát triển của thị trường và đề xuất các công cụ số nhằm nâng cao hiệu quả hoạt động marketing trong lĩnh vực dịch vụ hàng không.

Đối tượng nghiên cứu của đồ án là bộ dữ liệu marketing dịch vụ hàng không bao gồm các thuộc tính nhân khẩu học và hành vi vận chuyển của hành khách (độ tuổi, giới tính, mã khách hàng, ngày bay, mã chuyến bay, sân bay đi/đến, thời gian bay/đến, số lượng hành khách, số lượng chuyến bay và số lượng hủy chuyến). Không gian nghiên cứu tập trung vào phạm vi khai thác dữ liệu dịch vụ hàng không tại Việt Nam, được thực hiện và hoàn thành vào tháng 10 năm 2023.

---

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng nền tảng nghiên cứu dựa trên các khái niệm chuẩn mực về khoa học dữ liệu, quy trình khai phá dữ liệu và các thuật toán học máy có giám sát lẫn không giám sát.

Khung lý thuyết và khái niệm cốt lõi

• Phân loại dữ liệu và Dữ liệu lớn (Big Data): Hệ thống hóa dữ liệu thành hai dạng cơ bản: dữ liệu có cấu trúc (lưu trữ trong cơ sở dữ liệu quan hệ, Excel, Google Sheets, dễ truy xuất) và dữ liệu phi cấu trúc (văn bản, nhật ký web, video, âm thanh). Định nghĩa Big Data với đặc trưng khối lượng lớn, biến đổi nhanh và phức tạp, đòi hỏi các công cụ phân tích hiện đại.
• Quy trình Khoa học dữ liệu: Bao gồm 3 thành phần chính: (1) Tạo ra và quản trị dữ liệu; (2) Phân tích dữ liệu (kết hợp toán thống kê, công nghệ thông tin và tri thức chuyên ngành); (3) Chuyển kết quả phân tích thành giá trị hành động. Chu trình thực hiện trải qua 6 bước: Quan sát $\rightarrow$ Đặt câu hỏi $\rightarrow$ Hình thành giả thuyết $\rightarrow$ Thiết kế bài kiểm tra $\rightarrow$ Phân tích kết quả $\rightarrow$ Đưa ra khuyến nghị thực tế.
• Kỹ thuật phân cụm dữ liệu (Unsupervised Learning): Phân tích các kỹ thuật gom nhóm dữ liệu chưa gán nhãn bao gồm phân cụm phân cấp (Hierarchical Clustering với các độ đo khoảng cách: Single-link, Complete-link, Average-link, Centroid) và phân cụm phân hoạch (Partitioning Clustering với thuật toán K-Means).
• Kỹ thuật phân lớp dữ liệu (Supervised Learning): Quá trình xây dựng mô hình dự đoán nhãn mục tiêu rời rạc (target) từ các thuộc tính đầu vào (features). Nghiên cứu phân tích ba thuật toán phân lớp chính:
  • Hồi quy Logistic (Logistic Regression): Mô hình xác suất ước lượng kết quả đầu ra rời rạc hoặc nhị phân.
  • Cây quyết định (Decision Tree): Cấu trúc đồ thị dạng cây biểu diễn các quy tắc rẽ nhánh quyết định, trực quan và không đòi hỏi chuẩn hóa dữ liệu phức tạp.
  • Máy vector hỗ trợ (Support Vector Machine - SVM): Thuật toán tìm kiếm siêu phẳng tối ưu (hyperplane) với biên cực đại (maximum margin) để phân tách các lớp dữ liệu trong không gian đa chiều.
• Phương pháp đánh giá mô hình phân lớp:
  • Ma trận nhầm lẫn (Confusion Matrix): Ghi nhận các giá trị $TP$ (Dương tính thật), $TN$ (Âm tính thật), $FP$ (Dương tính giả - Sai lầm loại 1), $FN$ (Âm tính giả - Sai lầm loại 2).
  • Các chỉ số đo lường hiệu năng: Độ chính xác tổng thể ($\text{Accuracy/CA} = \frac{TP + TN}{P + N}$), Độ chuẩn xác ($\text{Precision} = \frac{TP}{TP + FP}$), Độ phủ/Độ nhạy ($\text{Recall} = \frac{TP}{TP + FN}$), Điểm trung bình điều hòa ($\text{F1-score} = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$).
  • Đường cong ROC (Receiver Operating Characteristic) và diện tích dưới đường cong ROC (AUC - Area Under Curve).

Phương pháp nghiên cứu thực nghiệm

Nghiên cứu sử dụng phương pháp thực nghiệm định lượng kết hợp khai phá dữ liệu trên hai công cụ:

• Microsoft Excel: Sử dụng các công cụ phân tích thống kê mô tả (Descriptive Statistics), tổng hợp nhóm (Subtotal), hợp nhất dữ liệu (Consolidate), tổng hợp đa chiều (PivotTable), phân tích dự báo chuỗi thời gian (Moving Average, Exponential Smoothing), hồi quy tuyến tính (Regression) và tối ưu hóa tuyến tính (Solver).
• Phần mềm Orange Data Mining: Khai thác môi trường lập trình luồng trực quan (visual programming) thông qua các khối chức năng (widgets): Data, Transform, Visualize, Model, Evaluate, Unsupervised và Add-ons.
• Kỹ thuật phân chia dữ liệu: Sử dụng phương pháp chia mẫu kiểm thử Hold-out (chia tách tỷ lệ huấn luyện/thử nghiệm thông qua widget Data Sampler) và kỹ thuật kiểm định chéo $K$-lần (K-fold Cross Validation với $k=6$).

Nguồn dữ liệu

Dữ liệu đầu vào là bộ dữ liệu Marketing Hàng không ghi nhận các biến số hoạt động bay, trong đó có tệp dữ liệu tổng hợp gồm $9.421$ chuyến bay thực hiện và $74$ chuyến bay bị hủy, cùng các tập mẫu con được trích xuất để huấn luyện và kiểm thử mô hình.

---

Nội dung chính theo từng chương

Chương 1: Giới thiệu về khoa học dữ liệu và giới thiệu đề tài

Chương 1 thiết lập khung nhận thức tổng quan về khoa học dữ liệu và bối cảnh ngành hàng không. Tác giả làm rõ khái niệm dữ liệu có cấu trúc và phi cấu trúc, định nghĩa Big Data và phân tích 5 trụ cột của khoa học dữ liệu: Khai thác dữ liệu (Data Mining), Thống kê (Statistics), Học máy (Machine Learning), Phân tích (Analytics) và Lập trình (Programming). Khoa học dữ liệu đóng vai trò giải quyết 6 bài toán cốt lõi của doanh nghiệp: tài chính, khách hàng, bán hàng, thị trường, nhân sự và vận hành sản xuất.

Chương này cũng trích dẫn các trường hợp ứng dụng thực tế thành công từ Google (cá nhân hóa tìm kiếm và quảng cáo), Amazon (hệ thống gợi ý sản phẩm dựa trên lịch sử mua sắm) và Visa (phát hiện gian lận giao dịch thẻ qua học máy). Từ đó, đề tài đi vào lý do lựa chọn bài toán phân lớp dữ liệu marketing ngành hàng không nhằm nâng cao năng lực cạnh tranh và tối ưu hóa chính sách chăm sóc hành khách.

Chương 2: Tổng quan về chương trình sử dụng và các phương pháp sử dụng

Chương 2 trình bày chi tiết về hai công cụ phần mềm cùng nền tảng toán học của các giải thuật khai thác dữ liệu:

• Khai thác dữ liệu trên Excel: Hướng dẫn các thao tác kỹ thuật và cấu hình tham số:
  • Descriptive Statistics: Tính toán các giá trị trung bình (Mean), sai số chuẩn (Standard Error), trung vị (Median), yếu vị (Mode), độ lệch chuẩn (Standard Deviation) với độ tin cậy $95%$.
  • Subtotal & Consolidate: Gom nhóm tính tổng/trung bình và hợp nhất dữ liệu từ nhiều nguồn theo vị trí hoặc hạng mục.
  • PivotTable: Trích xuất báo cáo phân tích đa chiều qua 4 vùng dữ liệu (Filters, Rows, Columns, Values).
  • Dự báo: Thiết lập chu kỳ trượt (Interval = 3) trong Moving Average, hệ số san bằng $\alpha = 0{,}7$ (hệ số giảm chấn $1-\alpha = 0{,}3$) trong Exponential Smoothing, phân tích hồi quy đơn/đa biến và giải bài toán quy hoạch tuyến tính tối đa hóa lợi nhuận nông nghiệp bằng Solver.
• Phần mềm Orange và các thuật toán học máy:
  • Giới thiệu kiến trúc widget trên nền Python/C++, các nhóm chức năng chính (Data, Transform, Visualize, Model, Evaluate, Unsupervised).
  • Phân tích cơ chế hoạt động của thuật toán gom cụm phân cấp và $K$-Means (ưu nhược điểm về độ nhạy ngoại biên, sự phụ thuộc vào điểm khởi tạo tâm cụm).
  • Phân tích chi tiết quy trình phân lớp dữ liệu 2 bước (Xây dựng mô hình huấn luyện $\rightarrow$ Đánh giá mô hình & Gán nhãn dữ liệu mới). Trình bày cơ chế toán học, ưu và nhược điểm của 3 thuật toán: Logistic Regression, Decision Tree, SVM.
  • Định nghĩa chi tiết các độ đo đánh giá: Ma trận nhầm lẫn, $CA$, $\text{Precision}$, $\text{Recall}$, $\text{F1}$, đường cong ROC và chỉ số AUC; phân biệt các trạng thái mô hình (Underfitting, Overfitting, Fit).

Chương 3: Ứng dụng phương pháp vào bài toán thực tế

Chương 3 triển khai quy trình thực nghiệm trên bộ dữ liệu Marketing dịch vụ hàng không thông qua phần mềm Orange:

• Xử lý và nhập dữ liệu: Kết nối luồng dữ liệu từ widget File $\rightarrow$ Data Table $\rightarrow$ Save Data để kiểm tra tính toàn vẹn, xác nhận dữ liệu không bị lỗi cấu trúc.
• Mô tả cấu trúc dữ liệu: Bộ dữ liệu bao gồm 12 biến số:
  • Biến đầu vào: Độ tuổi, Giới tính, Mã khách hàng, Ngày bay, Mã chuyến bay.
  • Biến đầu ra: Sân bay đi, Sân bay đến, Giờ bay, Giờ đến.
  • Biến tổng hợp: Số lượng hành khách, Số lượng chuyến bay, Số lượng hủy chuyến.
• Thống kê mô tả:
  • Phân tích nhân khẩu học: Nhóm khách hàng trong độ tuổi từ 24 đến 60 chiếm tỷ lệ chủ đạo, trong đó hành khách Nam chiếm đa số.
  • Phân tích vận hành: Toàn bộ tập dữ liệu ghi nhận $9.421$ chuyến bay thực hiện thành công (chiếm $99%$) và $74$ chuyến bay bị hủy (chiếm $1%$).
• Quy trình phân lớp thực nghiệm:
  • Thiết lập thuộc tính Giới tính làm biến mục tiêu (target).
  • Sử dụng widget Data Sampler để phân tách dữ liệu thành các tập con: tập mẫu $30%$ (chứa 30 mẫu, 10 biến), tập mẫu $70%$ (chứa 70 mẫu, 10 biến) và tập huấn luyện chi tiết gồm 21 mẫu dữ liệu sạch.
  • Đưa dữ liệu vào widget Test and Score để kiểm thử chéo 3 thuật toán (Logistic Regression, Decision Tree, SVM) dưới hai chế độ: Kiểm định chéo $K$-fold ($k=6$) và Lấy mẫu ngẫu nhiên lặp lại (Random Sampling) theo 3 kịch bản phân chia tỷ lệ (50%-90%, 20%-70%, 50%-66%).
  • Trích xuất Ma trận nhầm lẫn cho từng thuật toán và sử dụng widget Prediction để dự báo nhãn cho 27 mẫu dữ liệu mới.

Chương 4: Đánh giá kết quả của mô hình

Chương 4 thực hiện so sánh đối chuẩn hiệu năng giữa các thuật toán dựa trên các chỉ số định lượng trích xuất từ bảng Evaluation Result và ma trận nhầm lẫn:

• Đánh giá theo K-fold Cross Validation: Kiểm định với 6 thành phần (6 folds) cho thấy diện tích dưới đường cong AUC đạt giá trị phân tách tốt.
• Đánh giá theo Random Sampling: So sánh hiệu năng của mô hình Cây quyết định (Decision Tree) trên 3 phương án chia tỷ lệ lấy mẫu:

Tỷ lệ lấy mẫu (Random Sampling)	Tính chính xác (CA)	Điểm F1 (F1-score)	Độ chuẩn xác (Precision)	Độ phủ (Recall)	Diện tích dưới đường cong (AUC)
50% - 90%	48,0%	44,2%	47,3%	48,0%	0,555
20% - 70%	76,4%	76,3%	76,3%	76,4%	0,768
50% - 66%	76,5%	76,7%	77,3%	76,5%	0,752

• Phân tích Ma trận nhầm lẫn: Mô hình Cây quyết định (Decision Tree) cho tỷ lệ sai lầm loại 1 ($FP$) và sai lầm loại 2 ($FN$) thấp nhất so với Hồi quy Logistic và SVM.
• Lựa chọn mô hình tối ưu: Tác giả kết luận mô hình Cây quyết định (Decision Tree) với phương án chia mẫu $20%-70%$ là giải pháp phù hợp nhất nhờ đạt chỉ số $\text{AUC} = 0{,}768$ cao nhất, đồng thời duy trì độ chính xác $\text{CA} = 76{,}4%$ và $\text{F1} = 76{,}3%$.

---

Kết quả và đóng góp

Kết quả nghiên cứu chính

1. Xác lập đặc trưng khách hàng và vận hành bay: Nhận diện nhóm khách hàng trọng tâm của dịch vụ hàng không nằm trong độ tuổi từ 24 đến 60 tuổi, với ưu thế nghiêng về tệp khách hàng nam giới. Thống kê tỷ lệ hủy chuyến ở mức thấp ($1%$, tương ứng 74 chuyến trên tổng số 9.421 chuyến bay được khảo sát).
2. Xác định mô hình phân lớp tối ưu: Chứng minh thực nghiệm rằng mô hình Cây quyết định (Decision Tree) vượt trội hơn so với Hồi quy Logistic và SVM trên bộ dữ liệu nghiên cứu:
   • Đạt diện tích dưới đường cong $\text{AUC} = 0{,}768$.
   • Tỷ lệ phân lớp chính xác tổng thể $\text{CA} = 76{,}4%$.
   • Điểm trung bình điều hòa $\text{F1} = 76{,}3%$.
   • Độ chuẩn xác $\text{Precision} = 76{,}3%$ và độ nhạy $\text{Recall} = 76{,}4%$.
   • Tối thiểu hóa được cả sai lầm loại 1 ($FP$) và sai lầm loại 2 ($FN$) trên ma trận nhầm lẫn.
3. Triển khai dự báo thực tế: Ứng dụng thành công khối Prediction để gán nhãn dự báo phân lớp cho tập dữ liệu thử nghiệm gồm 27 quan sát mới.

Giải pháp và khuyến nghị quản trị

Từ kết quả phân tích dữ liệu, nhóm tác giả đề xuất các nhóm giải pháp chiến lược cho doanh nghiệp hàng không:

• Thấu hiểu và thích ứng môi trường marketing: Nghiên cứu sâu các biến động của thị trường để cung cấp thông tin chi tiết cho các nhà điều hành bay, giúp chủ động xây dựng chính sách dịch vụ linh hoạt.
• Đánh giá và tạo lập sự khác biệt dịch vụ: Sử dụng kết quả phân tích phân lớp để đánh giá mức độ độc đáo của sản phẩm/dịch vụ so với các đối thủ cạnh tranh, thiết lập rào cản chống sao chép nhằm duy trì ưu thế bền vững.
• Tối ưu hóa chiến lược tiếp thị đa phân khúc: Thiết kế các chương trình marketing cá nhân hóa theo đặc thù nhân khẩu học (độ tuổi 24-60, giới tính) và hành vi bay nhằm gia tăng tỷ lệ lấp đầy chuyến bay và giảm thiểu rủi ro hủy vé.

---

Hạn chế và hướng nghiên cứu tiếp

Văn bản ghi nhận các định hướng mở rộng nghiên cứu tiếp theo bao gồm:

• Mở rộng phạm vi thuộc tính khách hàng: Tích hợp thêm các biến số nhân khẩu học và hành vi chuyên sâu như nghề nghiệp, tình trạng hôn nhân, mức thu nhập, tần suất bay và hạng vé để nâng cao độ chính xác của mô hình dự báo chiến lược.
• Đánh giá hiệu quả chiến lược hiện tại: Mở rộng mô hình để đo lường định lượng hiệu quả của các chiến dịch marketing đang triển khai, phục vụ so sánh đối chuẩn (benchmarking) trực tiếp với các hãng hàng không đối thủ.
• Tích hợp các công cụ dữ liệu lớn và học sâu: Nghiên cứu mở rộng việc kết hợp các add-ons nâng cao trên Orange (như xử lý văn bản, học sâu, phân tích mạng xã hội) để khai thác các nguồn dữ liệu phản hồi phi cấu trúc của hành khách.

---

Giá trị tham khảo

Đồ án là tài liệu tham khảo học thuật và ứng dụng hữu ích dành cho:

• Sinh viên các ngành Hệ thống thông tin quản lý, Khoa học dữ liệu, Công nghệ thông tin kinh doanh: Tham khảo cấu trúc hoàn chỉnh của một đồ án khai phá dữ liệu ứng dụng, phương pháp thực hành trực quan trên phần mềm Orange và kỹ thuật xử lý số liệu thống kê/tối ưu hóa trên Microsoft Excel.
• Chuyên viên phân tích dữ liệu và chuyên viên Marketing ngành dịch vụ - vận tải: Tham khảo quy trình phân lớp khách hàng, phương pháp thiết lập biến mục tiêu, kỹ thuật đánh giá mô hình bằng đường cong ROC/AUC và ma trận nhầm lẫn để ứng dụng vào bài toán phân đoạn thị trường thực tế.

---

Câu hỏi thường gặp

1. Biến mục tiêu (target) được lựa chọn để thực hiện bài toán phân lớp trong đồ án là gì?
Biến mục tiêu được nhóm tác giả lựa chọn để huấn luyện và đánh giá các mô hình phân lớp trên phần mềm Orange là biến Giới tính của hành khách.

2. Bộ dữ liệu nghiên cứu ghi nhận số lượng chuyến bay thực hiện và số lượng chuyến bay bị hủy là bao nhiêu?
Dữ liệu thống kê mô tả ghi nhận tổng cộng $9.421$ chuyến bay thực hiện (chiếm tỷ lệ $99%$) và $74$ chuyến bay bị hủy (chiếm tỷ lệ $1%$).

3. Ba thuật toán phân lớp nào được đưa vào thử nghiệm và so sánh trong đồ án?
Ba thuật toán được thử nghiệm là: Hồi quy Logistic (Logistic Regression), Cây quyết định (Decision Tree) và Máy vector hỗ trợ (Support Vector Machine - SVM).

4. Vì sao mô hình Cây quyết định (Decision Tree) được lựa chọn là mô hình tối ưu nhất?
Mô hình Cây quyết định được lựa chọn vì trong kịch bản phân chia mẫu $20%-70%$, mô hình đạt chỉ số diện tích dưới đường cong lớn nhất ($\text{AUC} = 0{,}768$), độ chính xác $\text{CA} = 76{,}4%$, điểm $\text{F1} = 76{,}3%$, đồng thời cho kết quả sai lầm loại 1 ($FP$) và sai lầm loại 2 ($FN$) trên ma trận nhầm lẫn ở mức thấp nhất.

5. Trong phần tổng quan công cụ Excel ở Chương 2, tác giả đã trình bày những phương pháp phân tích nào?
Chương 2 trình bày các phương pháp khai thác dữ liệu trên Excel gồm: Thống kê mô tả (Descriptive Statistics), Báo cáo tổng hợp nhóm (Subtotal), Hợp nhất dữ liệu (Consolidate), Bảng tổng hợp đa chiều (PivotTable), Dự báo trung bình trượt (Moving Average), Dự báo san bằng mũ (Exponential Smoothing), Phân tích hồi quy (Regression) và Giải bài toán tối ưu hóa tuyến tính bằng công cụ Solver.

---

Kết luận

Đồ án "Phân lớp bộ dữ liệu Marketing dịch vụ hàng không dựa trên ứng dụng Orange" đã hoàn thành các mục tiêu nghiên cứu thông qua việc hệ thống hóa cơ sở lý thuyết khoa học dữ liệu và ứng dụng thành công các giải thuật học máy vào bài toán marketing hàng không. Kết quả thực nghiệm xác định thuật toán Cây quyết định (Decision Tree) kết hợp phân chia mẫu $20%-70%$ đạt hiệu năng tối ưu nhất với chỉ số $\text{AUC} = 0{,}768$ và độ chính xác $76{,}4%$. Nghiên cứu cung cấp góc nhìn thực tiễn và cơ sở định lượng quan trọng giúp các doanh nghiệp hàng không xây dựng chính sách marketing linh hoạt, nâng cao năng lực cạnh tranh và tối ưu hóa trải nghiệm khách hàng.

Trích đoạn nội dung tài liệu

Chương 1: GIỚI THIỆU VỀ KHOA HỌC DỮ LIỆU VÀ GIỚI THIỆU ĐỀ TÀI 1.1 Giới thiệu về khoa học dữ liệu: 1.1 Dữ liệu: Dữ liệu là một tập hợp đa dạng của sự kiện, số liệu, hình ảnh, và từ ngữ nhằm mô tả, đo lường hoặc quan sát về các hiện tượng và đối tượng trong thế giới xung quanh. Sự tiến triển trong lĩnh vực công nghệ, đặc biệt là sự gia tăng của điện thoại thông minh, laptop và máy tính bảng, đã dẫn đến việc tích hợp văn bản, video và âm thanh vào bộ dữ liệu, cùng với sự thu thập thông tin từ nhật ký trang web. Dữ liệu có thể được phân chia thành hai loại chính: dữ liệu có cấu trúc và dữ liệu không có cấu trúc - Dữ liệu có cấu trúc:  Thường được biết đến là dữ liệu định lượng.  Chứa ý kiến chủ quan và đánh giá.

 Thường được biểu diễn ở dạng số hoặc chữ.  Lưu trữ trong các nền tảng như Excel, SQL, hoặc Google Sheet.  Dễ dàng thu nhập, truy xuất, lưu trữ và sắp xếp.  Có khả năng trích xuất thông tin một cách hiệu quả.

- Dữ liệu không có cấu trúc:  Thường được coi là dữ liệu định tính.  Ý kiến chủ quan và đánh giá.  Thường là dạng văn bản.  Lưu trữ trong tài liệu Word, Elasticsearch hoặc Solr.

 Khó thu thập, xuất, lưu trữ và sắp xếp.  Không thể kiểm tra bằng phương pháp và công cụ phân tích cụ thể.2 Big Data Big Data là một tập hợp các dữ liệu có khối lượng lớn, đa dạng, thay đổi nhanh và phức tạp, dẫn đến việc không có một công cụ truyền thống nào có thể hiệu quả lưu trữ và xử lý số lượng dữ liệu khổng lồ được tạo ra hàng phút. Sự phát triển xã hội và kinh tế ngày càng cần đến công nghệ, và thông qua việc thu thập và phân tích thông tin, các tổ chức có cơ hội tạo ra những đột phá mang tính cách mạng, thúc đẩy năng suất và hiệu suất công ty. Ứng dụng của Big Data đa dạng, từ ngành ngân hàng, y tế, thương mại đến lĩnh vực marketing.

Nó đóng vai trò quan trọng như một công cụ hỗ trợ phân tích, đánh giá, lưu trữ, chuẩn đoán và đảm bảo an ninh thông tin trong nhiều lĩnh vực khác nhau. 8 Báo cáo đồ án học phần Khoa học dữ liệu (DS) Nhóm 08 Ths. Nguyễn Quốc Hùng 1.3 Tổng quan về khoa học dữ liệu Khoa học Dữ liệu là một lĩnh vực nghiên cứu chuyên sâu về quản lý và phân tích dữ liệu, nhằm trích xuất giá trị từ thông tin để tạo ra hiểu biết, tri thức hành động, và đưa ra các quyết định hướng dẫn hành động  Khoa học dữ liệu gồm 3 phần chính: - Tạo ra và quản trị dữ liệu  Tập trung vào quá trình thu thập, lưu trữ và duy trì dữ liệu.  Bao gồm các chiến lược quản lý dữ liệu và biện pháp để đảm bảo chất lượng và tính nhất quán của dữ liệu - Phân tích dữ liệu:  Kết hợp kiến thức từ thống kê toán học, công nghệ thông tin và tri thức chuyên ngành.

 Sử dụng công cụ và phương pháp để hiểu rõ hơn về thông tin chứa trong dữ liệu. - Chuyển kết quả phân tích thành giá trị của hành động.  Chuyển đổi các kết quả phân tích thành thông tin có ích để hỗ trợ quyết định và hành động.  Các yêu cầu thực hiện của khoa học dữ liệu: - Quan sát: Thu thập dữ liệu và quan sát các xu hướng, mô hình trong dữ liệu.

- Đặt Câu hỏi: Xác định câu hỏi cụ thể cần được giải quyết thông qua phân tích dữ liệu. - Hình thành Các giả thuyết: Xây dựng các giả thuyết để kiểm tra và đánh giá trong quá trình phân tích. - Tạo Các Bài kiểm tra: Phát triển phương pháp và công cụ để kiểm tra giả thuyết. - Phân tích Kết quả: Áp dụng các kỹ thuật phân tích để đưa ra hiểu biết và thông tin.

- Khuyến nghị Thực tế: Dựa trên kết quả phân tích, đưa ra gợi ý và hướng dẫn hành động thực tế.  Mục đích chính của Khoa học Dữ liệu là biến đổi lượng lớn dữ liệu chưa qua xử lý thành mô hình kinh doanh. Điều này giúp tổ chức: 9 Báo cáo đồ án học phần Khoa học dữ liệu (DS) Nhóm 08 Ths. Nguyễn Quốc Hùng - Tiết giảm chi phí.

- Gia tăng hiệu quả làm việc. - Nhìn nhận cơ hội và rủi ro trên thị trường. - Tăng cường lợi thế cạnh tranh. - Các lĩnh vực của khoa học dữ liệu: Khai thác dữ liệu (Data mining), Thống kê (Statistic), Học máy (Machine learning), Phân tích (Analyze) và Lập trình (Programming).

 Các lĩnh vực của Khoa học Dữ liệu: - Khai thác Dữ liệu (Data mining): Khám phá thông tin tiềm ẩn trong dữ liệu. - Thống kê (Statistic): Sử dụng các phương pháp thống kê để phân tích và hiểu dữ liệu. - Học Máy (Machine learning): Phát triển mô hình có khả năng học từ dữ liệu và thực hiện dự đoán. - Phân tích (Analyze): Sử dụng các công cụ và phương pháp để phân tích chi tiết dữ liệu.

- Lập trình (Programming): Sử dụng kỹ thuật lập trình để xử lý và phân tích dữ liệu.  Vai trò - Khoa học dữ liệu có thể giúp con người mô tả, chuẩn đoán, dự đoán và đề xuất từ đó phân tích đưa ra quyết định và có hành động chính xác, đạt hiệu quả cao nhất. - Khoa học dữ liệu giúp các doanh nghiệp phân tích kinh doanh dựa trên các bảng phân tích dự báo, phân tích khuyến cáo, phân tích mô tả nhằm quản lý nhân sự, hiểu khách hàng, quyết định đầu tư vào thị trường nào và bán sản phẩm gì. - Vai trò của khoa học dữ liệu trong lĩnh vực kinh tế thể hiện cụ thể thông qua 6 bài toán của doanh nghiệp như tài chính, khách hàng, bán hàng, thị trường, nhân sự và vận hành sản xuất.

- Khi nguồn dữ liệu của các doanh nghiệp là rất lớn và cần được xử lý, họ cần áp dụng những ứng dụng của khoa học dữ liệu vào mô hình kinh doanh. 10 Báo cáo đồ án học phần Khoa học dữ liệu (DS) Nhóm 08 Ths. Nguyễn Quốc Hùng 1.4 Ứng dụng tiêu biểu của khoa học dữ liệu: Các công ty hàng đầu trong lĩnh vực Khoa học Dữ liệu như Google, Amazon, Visa đã chứng minh sức mạnh của phân tích dữ liệu trong nhiều lĩnh vực khác nhau. Dưới đây là một số ứng dụng tiêu biểu:  Google: - Tìm kiếm và Quảng cáo: Sử dụng dữ liệu người dùng để cá nhân hóa kết quả tìm kiếm và quảng cáo.

Dựa vào lịch sử tìm kiếm và hành vi trực tuyến để hiển thị quảng cáo chính xác và hấp dẫn.  Amazon: - Gợi ý Sản phẩm: Phân tích lịch sử mua sắm và đánh giá sản phẩm để tạo ra gợi ý sản phẩm cá nhân hóa. Tối ưu hóa trải nghiệm mua sắm và tăng cường khả năng chuyển đổi.  Visa: - Phòng chống Giao dịch Fraud: Sử dụng machine learning để phân tích mô hình hành vi giao dịch và nhận biết bất thường.

Giúp bảo vệ khách hàng khỏi giao dịch gian lận.2 Giới thiệu đề tài: PHÂN LỚP BỘ DỮ LIỆU MARKETING DỊCH VỤ HÀNG KHÔNG DỰA TRÊN ỨNG DỤNG ORANGE 1.1 Lý do chọn đề tài: Trong bối cảnh môi trường kinh doanh ngày càng đa dạng và cạnh tranh, việc hiểu rõ nhu cầu của thị trường là yếu tố quyết định sự thành công của các doanh nghiệp. Lĩnh vực dịch vụ hàng không, đặc biệt là marketing, đóng vai trò quan trọng trong việc xác định và đáp ứng nhu cầu ngày càng tăng của khách hàng.2 Khái niệm về Marketing dịch vụ hàng không. Marketing dịch vụ hàng không không chỉ đơn thuần là việc quảng cáo và bán vé mà còn là quá trình tổ chức và quản lý toàn bộ hệ thống. Từ việc phát hiện nhu cầu của khách hàng đến việc thỏa mãn nhu cầu đó thông qua chính sách và biện pháp cụ thể.

Trong ngữ cảnh này, Khoa học Dữ liệu đóng vai trò quan trọng trong việc hiểu rõ hơn về hành vi của khách hàng và tối ưu hóa chiến lược marketing. 11 Báo cáo đồ án học phần Khoa học dữ liệu (DS) Nhóm 08 Ths. Nguyễn Quốc Hùng Đề tài "Phân Lớp Bộ Dữ Liệu Marketing Dịch Vụ Hàng Không Dựa Trên Ứng Dụng Orange" được chọn nhằm áp dụng phương pháp Khoa học Dữ liệu để phân loại và hiểu rõ hơn về mô hình kinh doanh trong lĩnh vực hàng không. Sự kết hợp giữa công nghệ Orange và dữ liệu marketing sẽ giúp chúng tôi rút ra những thông điệp quan trọng, hỗ trợ quyết định chiến lược và cải thiện hiệu suất trong marketing dịch vụ hàng không.3 Mục tiêu nghiên cứu Mục tiêu chính của nghiên cứu là tìm hiểu các thuộc tính của khách hàng và ảnh hưởng của chiến lược marketing dịch vụ hàng không đến nhu cầu và độ thỏa mãn của khách hàng.

Ngoài ra, nghiên cứu cũng nhằm dự báo tiềm năng phát triển và đề xuất các công cụ số để nâng cao hiệu quả trong lĩnh vực này. 12 Báo cáo đồ án học phần Khoa học dữ liệu (DS) Nhóm 08 Ths. Nguyễn Quốc Hùng Chương 2: TỔNG QUAN VỀ CHƯƠNG TRÌNH SỬ DỤNG VÀ CÁC PHƯƠNG PHÁP SỬ DỤNG 2.1 Các phương pháp của Excel dùng để khai thác dữ liệu - Excel là một phần mềm bảng tính nằm trong bộ Microsoft Office, giúp khai phá, phân tích, thống kế, tính toán các số liệu… Trong học phần Khoa Học Dữ Liệu, Excel được sử dụng để thống kê mô tả, phân tích dự báo các dữ liệu. Phương pháp thống kê mô tả 2.1 Thống kê bằng công cụ Descriptive statistics: Descriptive statistics là thống kê tóm tắt và sắp xếp đặc điểm của một tập dữ liệu.

Tập dữ liệu là tập hợp nhiều câu trả lời và quan sát từ một mẫu hoặc toàn bộ tập hợp. Cách thực hiện thống kê: Bước 1: Chuẩn bị bảng số liệu cần thống kê. Bước 2: Chọn lệnh Data => Data Analysis => Descriptive Statistics, hộp thoại Descriptive Statistics xuất hiện. Bước 3: Khai báo các thông số Input và lựa chọn các thông số Output Options.

Ví dụ: Thống kê mô tả cho lượng thịt Heo (theo kg) bán được trong tháng 03 tại siêu thị ABC Bảng 1.2 Số liệu bán hàng trong tháng 03 tại siêu thị ABC: Trong hộp thoại Descriptive Statistics, 13 Báo cáo đồ án học phần Khoa học dữ liệu (DS) Nhóm 08 Ths. Nguyễn Quốc Hùng + Nhập vào Input Range là cột chứa nguyên phần dữ liệu Heo (kg) + Output range là ô xuất hiện dữ liệu + Confidence Level for Mean: 95% + Bảng kết quả gồm các giá trị trung bình, sai số chuẩn, trung vị, yếu vị, độ lệch chuẩn… Bảng 2.2 Bảng kết quả thống kê bằng công cụ Descriptive statistics 2.