Chuyên Ngành Phân Tích Dữ Liệu Lớn: Ứng Dụng Python Để Dự Đoán Khách Hàng Rời Bỏ Dịch Vụ Ngân Hàng

Phân tích dữ liệu lớn đang trở thành một công cụ quan trọng trong việc ra quyết định trong kinh tế. 90 trang · Học Viện Chính Sách Và Phát Triển · 2023.

• Tác giả: Lê Quang Đức
• Người hướng dẫn: TS. Đàm Thanh Tú
• Trường học: Học Viện Chính Sách Và Phát Triển
• Chuyên ngành: Kinh Tế Số
• Đề tài: Dự Đoán Khách Hàng Rời Bỏ Ngân Hàng Bằng Python
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• MỞ ĐẦU
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ LÝ THUYẾT CHUNG
• 1.1. Giới thiệu ngôn ngữ Python
• 1.2. Lịch sử hình thành
• 1.3. Tại sao nên học lập trình python
• 1.4. Cài đặt môi trường làm việc : PyCharm, Jupyter Notebook, VsCode,…
• 1.5. Cài đặt Python
• 1.6. Tạo file và viết mã trên VSCODE
• 1.7. Cài đặt các gói thư viện cơ bản
• 1.7.1. Cài đặt pip
• 1.7.2. Một số gói thư viện thông dụng
• 1.8. Cấu trúc dữ liệu là gì, các kiểu cấu trúc dữ liệu trong Python
• 1.9. Cấu trúc điều khiển trong Python
• 1.10. Sử dụng hàm trong Python
• 1.10.1. Thông số của Hàm ( Function Parameters)
• 1.10.2. Câu lệnh return trong Python
• 1.10.3. DocStrings trong Python
• 1.10.4. Ví dụ về hàm DocStrings trong Python
• 1.11. Đọc file CSV trong python
• 1.11.1. Tệp CSV là gì ?
• 1.11.2. Các hàm của module CSV trong Python
• 1.11.3. Cách đọc tệp CSV
• 1.11.4. Cách viết tệp CSV
• 1.12. Sử dụng thư viện pandas trong Python
• 1.12.1. Tại sao lại dùng thư viện pandas?
• 1.12.2. Đọc file csv sử dụng thư viện pandas
• 1.12.3. Thao tác với dataframe trong pandas
• 1.13. Vẽ biểu đồ trong python
• 1.13.1. Khái niệm chung
• 1.13.2. Ví dụ tạo một biểu đồ đơn giản
• 2. CHƯƠNG 2: BÀI TOÁN ỨNG DỤNG DỰ ĐOÁN KHÁCH HÀNG RỜI BỎ DỊCH VỤ
• 2.1. Chính xác Churn Prediction là gì ?
• 2.2. Tại sao nên sử dụng Churn Prediction ?
• 2.3. Ngăn chặn khách hàng trước khi họ rời đi như thế nào ?
• 3. CHƯƠNG 3: BÀI TOÁN DỰ ĐOÁN KHÁCH HÀNG RỜI BỎ DỊCH VỤ NGÂN HÀNG
• 3.1. Diễn giải dữ liệu
• 3.2. Xây dựng mô hình
• 3.3. Lựa chọn mô hình
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phân tích dữ liệu lớn trong kinh tế

Phân tích dữ liệu lớn đang trở thành một công cụ quan trọng trong việc ra quyết định trong kinh tế. Ngành ngân hàng cũng không ngoại lệ khi áp dụng các phương pháp phân tích để dự đoán hành vi của khách hàng. Việc hiểu rõ về phân tích dữ liệu lớn giúp các ngân hàng tối ưu hóa dịch vụ và cải thiện trải nghiệm khách hàng.

1.1. Khái niệm về phân tích dữ liệu lớn

Phân tích dữ liệu lớn là quá trình xử lý và phân tích các tập dữ liệu lớn để tìm ra các mẫu và xu hướng. Điều này đặc biệt quan trọng trong lĩnh vực ngân hàng, nơi mà dữ liệu khách hàng rất phong phú.

1.2. Tầm quan trọng của phân tích dữ liệu trong ngân hàng

Ngân hàng sử dụng phân tích dữ liệu lớn để cải thiện dịch vụ, giảm thiểu rủi ro và tăng cường sự hài lòng của khách hàng. Việc dự đoán khách hàng rời bỏ là một trong những ứng dụng quan trọng nhất.

II. Thách thức trong việc dự đoán khách hàng rời bỏ ngân hàng

Dự đoán khách hàng rời bỏ ngân hàng là một thách thức lớn. Các ngân hàng phải đối mặt với nhiều yếu tố ảnh hưởng đến quyết định của khách hàng. Việc hiểu rõ các yếu tố này là rất cần thiết để phát triển các giải pháp hiệu quả.

2.1. Các yếu tố ảnh hưởng đến hành vi khách hàng

Hành vi của khách hàng có thể bị ảnh hưởng bởi nhiều yếu tố như chất lượng dịch vụ, phí dịch vụ, và sự cạnh tranh từ các ngân hàng khác. Việc phân tích các yếu tố này giúp ngân hàng đưa ra các quyết định chính xác.

2.2. Khó khăn trong việc thu thập và xử lý dữ liệu

Việc thu thập và xử lý dữ liệu từ nhiều nguồn khác nhau là một thách thức lớn. Ngân hàng cần có các công cụ và phương pháp hiệu quả để xử lý dữ liệu lớn một cách nhanh chóng và chính xác.

III. Phương pháp dự đoán khách hàng rời bỏ ngân hàng bằng Python

Python là một ngôn ngữ lập trình mạnh mẽ cho việc phân tích dữ liệu lớn. Các thư viện như Pandas, NumPy và Scikit-learn cung cấp các công cụ cần thiết để xây dựng mô hình dự đoán khách hàng rời bỏ ngân hàng.

3.1. Sử dụng thư viện Pandas để xử lý dữ liệu

Pandas cho phép người dùng dễ dàng thao tác với dữ liệu, từ việc đọc file CSV đến việc xử lý và phân tích dữ liệu. Điều này rất quan trọng trong việc chuẩn bị dữ liệu cho mô hình dự đoán.

3.2. Áp dụng machine learning trong dự đoán

Machine learning là một phần quan trọng trong việc dự đoán khách hàng rời bỏ. Các thuật toán như hồi quy logistic và cây quyết định có thể được sử dụng để xây dựng mô hình dự đoán hiệu quả.

IV. Ứng dụng thực tiễn của dự đoán khách hàng rời bỏ ngân hàng

Việc dự đoán khách hàng rời bỏ không chỉ giúp ngân hàng giữ chân khách hàng mà còn tối ưu hóa các chiến lược marketing. Các ngân hàng có thể sử dụng thông tin này để cải thiện dịch vụ và tăng cường sự hài lòng của khách hàng.

4.1. Các chiến lược giữ chân khách hàng

Ngân hàng có thể áp dụng các chiến lược như giảm phí dịch vụ hoặc cải thiện chất lượng dịch vụ để giữ chân khách hàng. Việc phân tích dữ liệu giúp ngân hàng xác định các chiến lược hiệu quả nhất.

4.2. Kết quả từ việc áp dụng dự đoán

Nhiều ngân hàng đã ghi nhận sự cải thiện rõ rệt trong việc giữ chân khách hàng sau khi áp dụng các mô hình dự đoán. Điều này chứng tỏ rằng phân tích dữ liệu lớn có thể mang lại giá trị thực tiễn.

V. Kết luận và tương lai của phân tích dữ liệu trong ngân hàng

Phân tích dữ liệu lớn sẽ tiếp tục đóng vai trò quan trọng trong ngành ngân hàng. Các ngân hàng cần đầu tư vào công nghệ và nhân lực để tối ưu hóa việc sử dụng dữ liệu trong việc dự đoán hành vi khách hàng.

5.1. Xu hướng phát triển trong phân tích dữ liệu

Trong tương lai, việc áp dụng trí tuệ nhân tạo và machine learning sẽ ngày càng phổ biến trong phân tích dữ liệu lớn. Điều này sẽ giúp ngân hàng cải thiện khả năng dự đoán và ra quyết định.

5.2. Tầm quan trọng của việc đào tạo nhân lực

Để tận dụng tối đa các công cụ phân tích dữ liệu, ngân hàng cần chú trọng đến việc đào tạo nhân lực. Việc có đội ngũ chuyên gia có khả năng phân tích dữ liệu sẽ giúp ngân hàng phát triển bền vững.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp với đề tài "Ứng dụng ngôn ngữ Python vào dự đoán khách hàng rời bỏ dịch vụ ngân hàng" được thực hiện bởi sinh viên Lê Quang Đức (Mã sinh viên: 7103101310), thuộc lớp chuyên ngành Phân tích dữ liệu lớn trong Kinh tế và Kinh doanh, Khoa Kinh tế Số, Học viện Chính sách và Phát triển (Bộ Kế hoạch và Đầu tư), dưới sự hướng dẫn khoa học của TS. Đàm Thanh Tú vào năm 2023 tại Hà Nội.

Về bối cảnh thực tiễn, tác giả chỉ ra rằng trong thời đại Cách mạng công nghiệp 4.0 và nền kinh tế số, công nghệ thông tin đã trở thành công cụ hỗ trợ quan trọng trong hầu hết các lĩnh vực từ truyền thông, văn hóa, giáo dục, y tế cho đến quản trị kinh doanh. Phương thức kinh doanh và quản lý truyền thống bộc lộ nhiều điểm hạn chế như công tác thống kê chi tiết thiếu chuẩn xác, quy trình thanh toán chưa tối ưu về tốc độ và tính chặt chẽ. Sự hỗ trợ của các phần mềm quản lý, thanh toán điện tử và hệ thống phân tích dữ liệu lớn cho phép các tổ chức kinh tế theo dõi, kiểm soát hoạt động vận hành chuẩn xác hơn.

Trong lĩnh vực tài chính - ngân hàng, bài toán giữ chân khách hàng đóng vai trò sống còn đối với doanh thu và lợi nhuận. Sự xuất hiện của các đối thủ cạnh tranh mới trên thị trường với mức giá tốt hơn hoặc chất lượng dịch vụ vượt trội tạo ra áp lực lớn về tỷ lệ đào thải khách hàng. Việc tìm kiếm và thu hút một khách hàng mới thường tốn kém chi phí và khó khăn hơn nhiều so với việc duy trì, chăm sóc tệp khách hàng hiện tại. Do đó, nhu cầu dự đoán sớm những khách hàng có nguy cơ rời bỏ dịch vụ là nhiệm vụ cấp thiết trong quản trị kinh doanh hiện đại.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định cụ thể:

1. Nghiên cứu tổng quan lý thuyết về ngôn ngữ lập trình Python, lịch sử phát triển, cú pháp, cấu trúc dữ liệu, cấu trúc điều khiển và các thư viện chuyên dụng phục vụ khoa học dữ liệu.
2. Tìm hiểu cơ chế và phương pháp xử lý dữ liệu bảng (định dạng CSV) thông qua module tích hợp và thư viện chuyên sâu Pandas, cùng kỹ thuật trực quan hóa dữ liệu với Matplotlib.
3. Nghiên cứu bản chất lý thuyết của bài toán dự đoán khách hàng rời bỏ dịch vụ (Churn Prediction) trong hoạt động kinh doanh.
4. Xây dựng chương trình thực nghiệm ứng dụng Python để giải quyết bài toán phân loại và dự đoán khả năng khách hàng rời bỏ dịch vụ trong lĩnh vực ngân hàng.

Đối tượng nghiên cứu của khóa luận là các cấu trúc lập trình Python, các thư viện phân tích dữ liệu lớn và dữ liệu hành vi của khách hàng sử dụng dịch vụ ngân hàng. Phạm vi nghiên cứu tập trung vào môi trường lập trình mã nguồn mở Python (tích hợp trên Visual Studio Code), các gói công cụ phân tích dữ liệu dạng bảng và mô hình dự đoán nhị phân (khách hàng rời bỏ hoặc ở lại) áp dụng cho dữ liệu ngân hàng.

---

Cơ sở lý thuyết và phương pháp

Cơ sở lý thuyết của khóa luận được xây dựng dựa trên nền tảng khoa học máy tính, kỹ thuật lập trình và khoa học dữ liệu ứng dụng trong kinh tế:

• Nền tảng ngôn ngữ Python: Ngôn ngữ do Guido van Rossum bắt đầu xây dựng từ tháng 12/1989 tại CWI (Hà Lan), kế thừa từ ngôn ngữ ABC (lấy cảm hứng từ SETL) với khả năng xử lý ngoại lệ và tương tác hệ điều hành Amoeba. Văn bản nêu rõ các cột mốc: phiên bản 2.0 phát hành ngày 16/10/2000 bổ sung bộ dọn rác và Unicode; phiên bản 3.0 (Python 3000 hay Py3k) phát hành ngày 03/12/2008. Python mang đặc tính đa hình, hỗ trợ lập trình hướng đối tượng, hướng cấu trúc, lập trình theo chức năng, lập trình hướng khía cạnh (Aspect-oriented programming), thiết kế theo hợp đồng (design by contract) và lập trình luận lý.
• Hệ sinh thái thư viện khoa học dữ liệu: Đề tài tổng hợp và khai thác hệ thống các thư viện mã nguồn mở chuyên dụng trong Python:

Tên thư viện	Tác giả / Nguồn gốc	Chức năng chính được nêu trong văn bản
NumPy	Travis Oliphant	Cung cấp đối tượng mảng nhiều chiều (dựa trên vector, ma trận) và tập hợp hàm toán học xử lý tính toán nhanh cho khoa học dữ liệu.
SciPy	Travis Oliphant, Pearu Peterson, Eric Jones	Hoàn thiện tính năng của NumPy, cung cấp thuật toán đại số tuyến tính, không gian ma trận, xử lý tín hiệu, xử lý ảnh, tối ưu hóa và biến đổi Fourier.
Pandas	Python Data Analysis Library	Cung cấp cấu trúc dữ liệu DataFrame và Series; hỗ trợ đọc/ghi dữ liệu (CSV, text, Excel, SQL, HDF5), xử lý dữ liệu thiếu, biến đổi bố cục, trượt, lập chỉ mục, group by, trộn và tổng hợp dữ liệu bảng.
Scikit-learn	Phát triển từ SciKits	Cung cấp công cụ tiền xử lý dữ liệu, các thuật toán học máy có giám sát và không giám sát, lựa chọn mô hình, kiểm định (validation) và đo lường sai số (error metrics).
IPython	Fernando Perez	Môi trường tương tác shell nâng cao, hỗ trợ trình duyệt web, đồ họa tích hợp, lưu trữ lịch sử dưới dạng JSON và tính toán song song.
Matplotlib	Module pyplot	Cung cấp giao diện vẽ đồ thị mở tương tự MATLAB, hỗ trợ biểu diễn dữ liệu thống kê trực quan thông qua các thành phần: Figure, Axes, Axis và Artist.

• Phương pháp nghiên cứu:
  • Phương pháp phân tích - tổng hợp lý thuyết: Hệ thống hóa kiến thức lập trình cơ bản, cấu trúc dữ liệu (List, Dictionary, Set, Tuple), cấu trúc điều khiển (if, for, while), hàm (def, return, DocStrings).
  • Phương pháp xử lý dữ liệu dạng bảng: Sử dụng module csv (với các hàm xử lý dialect, các thiết lập trích dẫn QUOTE_ALL, QUOTE_MINIMAL, QUOTE_NONNUMERIC, QUOTE_NONE) và cấu trúc DataFrame của thư viện Pandas để truy xuất, cắt lát dữ liệu (head, tail, info, shape, trích xuất mảng NumPy qua .values).
  • Phương pháp trực quan hóa thống kê: Thiết lập các biểu đồ đường và biểu đồ phân tích bằng Matplotlib với các tham số định dạng màu sắc (r, g, b, y) và kiểu đường (-, --).
  • Phương pháp học máy dự đoán nhị phân: Thiết lập bài toán phân loại Churn Prediction với đầu ra nhị phân dạng biến giả $Y \in {0, 1}$ tương ứng với trạng thái "ở lại" hoặc "rời bỏ".

Nguồn dữ liệu của nghiên cứu bao gồm các tập dữ liệu thực nghiệm dạng bảng (tệp định dạng .csv), trong đó có ví dụ dữ liệu gồm 2.526 hàng và 14 cột được đưa vào kiểm thử các thao tác đọc, truy vấn và phân tích dữ liệu.

---

Nội dung chính theo từng chương

Chương 1: Khái quát về lý thuyết chung

Chương này tập trung trình bày toàn diện nền tảng kỹ thuật lập trình Python và cách thiết lập môi trường nghiên cứu khoa học dữ liệu:

• Môi trường làm việc và cài đặt: Hướng dẫn chi tiết quy trình thiết lập môi trường lập trình trên các hệ điều hành (Windows, Mac, Linux), cài đặt phần mềm Visual Studio Code (VSCode), cấu hình extension Python của Microsoft (phím tắt Ctrl+Shift+X), tích hợp trình thông dịch và thiết lập biến môi trường qua tùy chọn "Add python.exe to PATH". Giới thiệu công cụ quản lý gói pip và cú pháp nâng cấp python -m pip install --upgrade pip.
• Cú pháp và khái niệm lập trình cơ bản: Khái niệm dòng chú thích (sử dụng ký tự # để giải thích giả định, quyết định và chi tiết thuật toán), hằng số (Literal Constants), chuỗi ký tự (String), biến (Variable) và khái niệm đối tượng (Object).
• Cấu trúc dữ liệu trong Python: Phân loại cấu trúc dữ liệu tích hợp sẵn và cấu trúc dữ liệu nâng cao:
  • List: Dữ liệu lưu trữ tuần tự, có thể thay đổi, truy xuất thông qua chỉ số (Index) bắt đầu từ 0.
  • Dictionary: Cấu trúc lưu trữ theo cặp khóa - giá trị (key - value), cho phép truy xuất dữ liệu thông qua khóa tương tự danh bạ điện thoại.
  • Set: Tập hợp các phần tử không có thứ tự và giá trị là duy nhất (tự động loại bỏ phần tử lặp lại).
  • Tuple: Bộ dữ liệu có thứ tự nhưng có tính bất biến (không thể chỉnh sửa sau khi khởi tạo).
  • Cấu trúc dữ liệu tự tạo: Khái quát các dạng Stack, Queue, Tree, Linked List.
• Cấu trúc điều khiển và hàm: Trình bày chi tiết luồng thực thi của câu lệnh điều kiện if (khối lệnh if-block và else-block), vòng lặp for (duyệt qua tập hợp sequence), vòng lặp while (lặp theo điều kiện logic). Phân tích cấu trúc hàm thông qua từ khóa def, phân biệt rõ ràng giữa tham số (parameters) trong định nghĩa và đối số (arguments) khi gọi hàm; câu lệnh thoát và trả về giá trị return; kỹ thuật viết tài liệu giải thích chức năng hàm DocStrings ngay dưới tiêu đề hàm.
• Xử lý tệp dữ liệu CSV: Trình bày định dạng tệp phân tách bằng dấu phẩy (Comma Separated Values). Phân tích các hàm tích hợp trong module csv (reader, writer, writerow, field_size_limit, get_dialect, list_dialects, register_dialect, unregister_dialect) và các cờ định dạng trích dẫn.
• Thao tác nâng cao với Pandas DataFrame: Giới thiệu hàm pd.read_csv() cùng các tham số điều khiển (encoding='utf-8', sep=',', header, index_col, nrows). Minh họa các thao tác kỹ thuật trên DataFrame: kiểm tra độ dài len(), xem cấu trúc info(), xem kích thước .shape, lấy mẫu bản ghi đầu/cuối (head(), tail()), lọc một hoặc nhiều cột dữ liệu, trượt chỉ số lấy bản ghi liên tiếp df[0:5] và chuyển đổi cột dữ liệu sang mảng mảng số numpy arrays thông qua thuộc tính .values.
• Trực quan hóa với Matplotlib: Phân tích cấu trúc biểu đồ phân cấp gồm 4 đối tượng thành phần (Figure - khung chứa chính; Axes - khung vẽ thành phần; Axis - các trục số xác định giới hạn; Artist - các đối tượng văn bản, đường kẻ hiển thị). Hướng dẫn phương thức plot() để dựng biểu đồ đường kèm theo các tùy biến màu sắc và kiểu nét vẽ.

+-----------------------------------------------------------------------------------+
| BẢNG TỔNG HỢP: CÁC CẤU TRÚC DỮ LIỆU TÍCH HỢP TRONG PYTHON (CHƯƠNG 1)               |
+-------------------+--------------------+--------------------+---------------------+
| Kiểu cấu trúc     | Đặc tính thứ tự    | Khả năng thay đổi  | Cơ chế lưu trữ      |
+-------------------+--------------------+--------------------+---------------------+
| List              | Có thứ tự          | Cho phép chỉnh sửa | Tuần tự theo Index  |
| Tuple             | Có thứ tự          | Bất biến (Không đổi| Tuần tự theo Index  |
| Dictionary        | Không theo thứ tự  | Cho phép chỉnh sửa | Cặp Key - Value     |
| Set               | Không có thứ tự    | Cho phép chỉnh sửa | Duy nhất (Không lặp)|
+-------------------+--------------------+--------------------+---------------------+

Chương 2: Bài toán ứng dụng dự đoán khách hàng rời bỏ dịch vụ

Nội dung chương 2 tập trung luận giải bài toán kinh doanh Churn Prediction dưới góc độ khoa học dữ liệu:

• Bản chất của bài toán Churn Prediction: Định nghĩa bài toán dự đoán hành vi khách hàng quyết định ngừng sử dụng dịch vụ, không gia hạn hợp đồng hoặc chấm dứt giao dịch với doanh nghiệp. Về mặt toán học và học máy, đây là bài toán phân loại nhị phân (Binary Classification) với nhãn mục tiêu mang giá trị rời rạc "Có rời bỏ" (1) hoặc "Không rời bỏ" (0).
• Ý nghĩa kinh tế và quản trị: Doanh nghiệp phải đối mặt với chi phí tìm kiếm khách hàng mới cao hơn nhiều so với việc duy trì khách hàng hiện hữu. Phân loại chuẩn xác nhóm khách hàng có nguy cơ rời bỏ cao giúp các nhà quản trị tập trung nguồn lực tiếp thị, đưa ra các chính sách can thiệp kịp thời để ngăn chặn tình trạng khách hàng ngưng sử dụng dịch vụ.
• Các yếu tố tác động đến sự rời bỏ: Phân tích nguyên nhân khách hàng rời đi xuất phát từ biến động cạnh tranh trên thị trường (đối thủ cung cấp mức giá hấp dẫn hơn hoặc chất lượng dịch vụ tốt hơn) và trải nghiệm sử dụng dịch vụ của người tiêu dùng.

Chương 3: Bài toán dự đoán khách hàng rời bỏ dịch vụ ngân hàng

Chương 3 triển khai bài toán ứng dụng thực tế trên bộ dữ liệu khách hàng ngành ngân hàng với cấu trúc ba nội dung trọng tâm:

• Diễn giải dữ liệu (Data Interpretation): Khảo sát các trường thông tin đặc trưng của khách hàng ngân hàng (hành vi giao dịch, số dư, thông tin nhân khẩu học, việc sử dụng các sản phẩm tài chính).
• Xây dựng mô hình (Model Building): Áp dụng quy trình tiền xử lý dữ liệu và thiết lập các thuật toán phân loại học máy nhằm mô hình hóa xác suất rời bỏ dịch vụ của khách hàng.
• Lựa chọn mô hình (Model Selection): Đánh giá, so sánh hiệu năng của các mô hình phân loại để lựa chọn phương án tối ưu cho bài toán dự báo trong thực tế vận hành ngân hàng.

---

Kết quả và đóng góp

• Kết quả đạt được:

  • Hệ thống hóa đầy đủ khung lý thuyết lập trình Python cơ bản và nâng cao phục vụ trực tiếp cho hoạt động phân tích dữ liệu kinh tế và kinh doanh.
  • Chuẩn hóa quy trình kỹ thuật làm việc với dữ liệu bảng trong Python: từ khâu đọc file qua module csv (kiểm thử thành công tệp dữ liệu mẫu 2.526 hàng và 14 cột), tiền xử lý và lập chỉ mục trên DataFrame của Pandas, đến trích xuất mảng NumPy và trực quan hóa các chiều dữ liệu bằng Matplotlib.
  • Làm rõ bản chất kinh tế và phương pháp luận của bài toán Churn Prediction, chuyển đổi bài toán thực tế của ngành ngân hàng thành bài toán phân loại học máy nhị phân có đầu ra là nhãn rời bỏ ($1$) hoặc ở lại ($0$).
  • Thiết lập quy trình ba bước xử lý dữ liệu ngân hàng tại Chương 3 gồm: Diễn giải dữ liệu $\rightarrow$ Xây dựng mô hình $\rightarrow$ Lựa chọn mô hình tối ưu.

• Giải pháp và kiến nghị của tác giả:

  • Đề xuất doanh nghiệp tài chính - ngân hàng cần chuyển đổi từ phương thức quản lý truyền thống sang ứng dụng các giải pháp phần mềm phân tích dữ liệu lớn nhằm nâng cao tính chính xác và kiểm soát hệ thống.
  • Kiến nghị ứng dụng mô hình dự đoán Churn Prediction như một công cụ phát hiện sớm để ngân hàng kịp thời triển khai các chương trình chăm sóc, tối ưu hóa chi phí vận hành thay vì phụ thuộc vào việc tìm kiếm khách hàng mới.

• Đóng góp của khóa luận:

  • Tự xây dựng một tài liệu hướng dẫn thực hành lập trình Python có tính hệ thống cao, gắn kết chặt chẽ giữa lý thuyết khoa học máy tính với bài toán nghiệp vụ kinh tế số.
  • Cung cấp khung tham chiếu phương pháp luận từ xử lý dữ liệu thô đến xây dựng mô hình dự báo hành vi người tiêu dùng cho sinh viên chuyên ngành Phân tích dữ liệu lớn trong Kinh tế và Kinh doanh.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế:
  • Phạm vi nghiên cứu tại Chương 1 dành dung lượng lớn cho việc mô tả các thao tác cài đặt môi trường, cú pháp căn bản và chức năng của các hàm lập trình, do đó phần ứng dụng chuyên sâu về các thuật toán học máy phức tạp chưa được mở rộng chi tiết ở các khía cạnh toán học nâng cao.
  • Nghiên cứu tập trung chủ yếu vào định dạng dữ liệu có cấu trúc dạng bảng tĩnh (file CSV), chưa bao quát các luồng dữ liệu giao dịch thời gian thực (real-time streaming data) trong hệ thống ngân hàng.
• Hướng nghiên cứu tiếp:
  • Mở rộng triển khai thực nghiệm đa dạng các thuật toán học máy giám sát phức tạp hơn trên thư viện Scikit-learn (như cây quyết định, rừng ngẫu nhiên, mô hình tăng cường độ dốc).
  • Tối ưu hóa quy trình kiểm định mô hình (validation) và đo lường các chỉ số sai số chuyên biệt (error metrics) cho tập dữ liệu mất cân bằng nhãn trong bài toán Churn Prediction.
  • Phát triển hệ thống dự báo tích hợp trực tiếp vào cơ sở dữ liệu vận hành của ngân hàng để đưa ra cảnh báo tự động theo thời gian thực.

---

Giá trị tham khảo

Khóa luận là tài liệu học thuật có giá trị tham khảo thiết thực cho các nhóm đối tượng:

1. Sinh viên chuyên ngành Kinh tế số, Phân tích dữ liệu lớn trong Kinh tế và Kinh doanh: Cung cấp tài liệu tổng hợp đầy đủ từ việc làm quen với cú pháp Python, cài đặt IDE VSCode, cấu trúc dữ liệu đến các thao tác trên Pandas DataFrame và Matplotlib.
2. Người làm nghiên cứu về Marketing và Quản trị quan hệ khách hàng (CRM): Cung cấp góc nhìn thực tiễn về cách tiếp cận bài toán Churn Prediction, lý do kinh tế của việc ngăn chặn khách hàng rời đi và phương pháp biến đổi hành vi khách hàng thành các bài toán phân loại học máy.
3. Học viên bắt đầu học Khoa học dữ liệu: Phần trình bày chi tiết về module csv, các tham số của hàm pd.read_csv() (sep, header, index_col, nrows) và cách truy xuất dữ liệu là tài liệu thực hành hữu ích.

---

Câu hỏi thường gặp

1. Ai là tác giả phát triển ban đầu của ngôn ngữ Python và các thư viện phân tích dữ liệu NumPy, SciPy, Pandas, Scikit-learn, IPython được đề cập trong khóa luận? Theo văn bản, Python được tạo ra vào tháng 12/1989 bởi Guido van Rossum tại CWI (Hà Lan). Thư viện NumPy được tạo bởi Travis Oliphant. Thư viện SciPy là dự án gốc của Travis Oliphant, Pearu Peterson và Eric Jones. IPython được phát triển bởi Fernando Perez. Thư viện Scikit-learn bắt đầu từ dự án SciKits và Pandas là thư viện phân tích dữ liệu cấu trúc bảng của hệ sinh thái Python.

2. Bản chất kỹ thuật của bài toán Churn Prediction trong khóa luận được định nghĩa như thế nào? Churn Prediction được định nghĩa là bài toán dự đoán xác suất khách hàng ngừng sử dụng dịch vụ hoặc không gia hạn hợp đồng với doanh nghiệp dựa trên lịch sử hành vi sử dụng. Về mặt kỹ thuật phân loại, đầu ra của bài toán là biến nhị phân rời rạc mang giá trị $1$ (rời bỏ) hoặc $0$ (ở lại).

3. Module CSV tích hợp trong Python hỗ trợ những cờ thiết lập trích dẫn (quoting) nào? Module csv trong văn bản hỗ trợ 4 cờ trích dẫn chính: QUOTE_ALL (trích dẫn tất cả các trường), QUOTE_MINIMAL (chỉ trích dẫn các trường chứa ký tự đặc biệt như dấu ngoặc kép, dấu phân cách), QUOTE_NONNUMERIC (trích dẫn tất cả các trường không phải là số) và QUOTE_NONE (không bao giờ trích dẫn các trường).

4. Bốn thành phần chính cấu thành một đối tượng biểu đồ trong thư viện Matplotlib là gì? Bốn thành phần cấu thành một Matplotlib figure theo phân tích của tác giả gồm:

• Figure: Khung cửa sổ chính chứa toàn bộ các đối tượng vẽ.
• Axes: Khung vẽ thực tế nằm bên trong Figure, nơi các đường nét và đồ thị được hiển thị.
• Axis: Các trục số xác định giới hạn và tỉ lệ của đồ thị.
• Artist: Mọi đối tượng trực quan nhìn thấy được trên figure (như Text objects, Line2D objects, collection objects).

5. Cấu trúc triển khai bài toán thực nghiệm ở Chương 3 của khóa luận bao gồm những bước nào? Chương 3 của khóa luận được phân chia thành 3 bước triển khai tuần tự: Diễn giải dữ liệu (khảo sát và hiểu cấu trúc dữ liệu khách hàng ngân hàng), Xây dựng mô hình (áp dụng thuật toán phân loại) và Lựa chọn mô hình (so sánh hiệu năng để chọn ra mô hình tối ưu).

---

Kết luận

Khóa luận tốt nghiệp của sinh viên Lê Quang Đức đã hệ thống hóa một cách chi tiết nền tảng lý thuyết lập trình Python và các thư viện khoa học dữ liệu tiêu chuẩn (NumPy, SciPy, Pandas, Matplotlib, Scikit-learn). Công trình luận giải rõ nét bản chất kinh tế và phương pháp kỹ thuật của bài toán dự đoán khách hàng rời bỏ dịch vụ (Churn Prediction) trong lĩnh vực tài chính - ngân hàng. Toàn bộ nội dung khóa luận phản ánh đúng định hướng ứng dụng công nghệ phân tích dữ liệu lớn vào giải quyết các bài toán quản trị kinh doanh thực tiễn trong kỷ nguyên số.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: KHÁI QUÁT VỀ LÝ THUYẾT CHUNG 1. Giới thiệu ngôn ngữ Python 1.1 Lịch sử hình thành Python đã được hình thành vào cuối những năm 1980 và được bắt đầu thực hiện vào tháng 12/1989 bởi Guido van Rossum tại CWI tại Hà Lan như là người kế thừa của ngôn ngữ ABC (tự lấy cảm hứng từ SETL) có khả năng xử lý ngoại lệ và giao tiếp với hệ điều hành Amoeba. Van Rossum là tác giả chính của Python, và vai trò trung tâm của ông tiếp tục trong việc quyết định hướng phát triển của Python được phản ánh trong tiêu đề mà cộng đồng Python dành cho ông “Độc tài nhân từ cho cuộc sống” (benevolent dictator for life)(BDFL). 0 được phát hành vào ngày 16/10/2000, với nhiều tính năng chính mới bao gồm một bộ dọn rác đầy đủ và hỗ trợ Unicode.

Với phiên bản này, quá trình phát triển đã được thay đổi và trở thành minh bạch hơn và được cộng đồng ủng hộ. 0 (còn được gọi là Python 3000 hoặc Py3k), một bản phát hành lớn, không tương thích ngược, được phát hành vào ngày 03/12/2008 sau một thời gian dài thử nghiệm. Nhiều trong số các tính năng chính của nó đã được điều chỉnh để tương thích ngược với Python 2. Các tính năng và triết lý phát triển Python là 1 ngôn ngữ lập trình đa hình: lập trình hướng đối tượng và hướng cấu trúc được hỗ trợ đầy đủ, và có 1 số tính năng của ngôn ngữ hỗ trợ lập trình theo chức năng và lập trình hướng khía cạnh (Aspect-oriented programming).

Nhiều mô hình khác được hỗ trợ bằng việc sử dụng các phần mở rộng, bao gồm thiết kế theo hợp đồng (design by contract) và lập trình luận lý. Các trang như Mozilla, Reddit, Instagram và PBS đều được viết bằng Python. Ngôn ngữ lập trình Python được dùng vào các mục đích: • Phát triển web (trên máy chủ) • Phát triển phần mềm • Tính toán một cách khoa học • Lên kịch bản cho hệ thống 1. Tại sao nên học lập trình python • Python hỗ trợ nhiều nền tảng khác nhau (Windows, Mac, Linux, Raspberry Pi, etc).

• Python có cú pháp đơn giản, dễ đọc hiểu và rất gần gũi với tiếng Anh. • Cú pháp của Python giúp lập trình viên sử dụng ít dòng code để lập trình cùng một thuật toán hơn so với các ngôn ngữ lập trình khác. • Python sử dụng trình thông dịch để thực thi các dòng code. Do đó, những dòng code có thể được thực thi ngay lập tức mà không cần biên dịch toàn bộ chương trình.

Như vậy giúp chúng ta kiểm tra code nhanh hơn. Python cũng hỗ trợ hàm, thủ tục, hay kể cả lập trình hướng đối tượng. Để viết mã nguồn Python, ta có thể sử dụng bất kỳ một trình soạn thảo nào, kể cả những trình soạn thảo đơn giản nhất như NotePad. Tuy nhiên, để phát triển các ứng dụng một cách hiệu quả hơn, ta nên sử dụng một IDE, để có thể tiết kiệm thời gian và công sức viết code.

Trong phần tìm hiểu này, đồ án sử dụng một trong những IDE thông dụng nhất để lập trình ứng dụng Python, đó là VSCode.2 Cài đặt môi trường làm việc : PyCharm, Jupyter Notebook, VsCode,… Để download Pycharm, ta truy cập vào: Download Visual Studio Code - Mac, Linux, Windows và tải về Hình 1.Tải VSCode cho hệ điều hành phù hợp Sau khi đã tải phiên bản VSCode về máy ta tiến hành cài đặt VSCode theo các bước trong hướng dẫn và những tùy chọn cài đặt.2- 2 Cài đặt VSCode Tiếp theo, ta chọn các tùy chọn cho việc cài đặt.2- 3 Chọn cài Tùy chọn Cài đặt Sau đó ta chọn Install trong màn hình tiếp theo, để bắt đầu tiến hành cài đặt VSCode.2- 4 Lựa chọn Install để cài đặt VSCode Sau đó chọn “Finish” để hoàn tất việc cài đặt.2- 5 Hoàn tất việc cài VSCode 1.3 Cài đặt Python Để download Python, ta truy cập địa chỉ trang chủ của python qua địa chỉ Download Python | Python.org và tải python bản mới nhất.3- 1 Tải Python phiên bản mới nhất Sau khi download xong nhấn vào file. exe vừa download và kích hoạt để cài đặt. Tích chọn mục “Add python.exe to PATH” để tạo môi trường trong máy chủ sau đó Install.3- 2 Install Python Sau khi ấn “Install” ta đợi chương trình chạy xong ấn “Close” là xong.3- 3 Install Python thành công 1.4 Tạo file và viết mã trên VSCODE Để lập trình Python với Visual Studio Code, chúng ta cần cài extension Python cho Visual Studio Code. Extension Python được phát hành bởi Microsoft giúp tự động nhận biết trình thông dịch Python, hỗ trợ gợi nhớ code, gợi ý lỗi, debug, format code,… Để cài đặt extension Python trong Visual Studio Code, các bạn tìm đến phần Extensions hoặc nhấn tổ hợp phím Ctrl+Shift+X rồi gõ python và tiến hành cài đặt extension Python.4- 1 Tìm kiếm Python trong VSCode để cài đặt Trong Visual Studio Code, chúng ta muốn tạo file mới hoặc mở file có trước thì cần chọn mục “File” ở trên xong chọn hoặc ấn các tổ hợp phím tắt.4- 2 Tạo file mới Sau đó, ta sẽ nhận được một file có các dòng để viết code trên VSCode.4- 3 Các dòng code trên VSCode 1.5 Cài đặt các gói thư viện cơ bản 1.1 Cài đặt pip Pip là công cụ quản lý các gói thư viện python (Python package manager).

Với việc sử dụng pip, ta sẽ dễ dàng cài đặt các gói thư viện cần thiết trong quá trình làm việc với Python. Đề cập nhật pip hiện thời lên phiên bản mới nhất, ta mở cmd và dung câu lệnh “python -m pip install --upgrade pip” Hình 1.5- 1 Minh họa cài đặt pip Để cài đặt một thư viện python bất kì ta mở cmd trên windows và gõ pip install “tên thư viện”.5- 2 Ví dụ cài đặt thư viện matplotlib Thư viện Matplotlib là một thư viện xây dựng các khối cần thiết để tạo các biểu đồ chất lượng từ mảng và trực quan và tương tác với chúng.2 Một số gói thư viện thông dụng - NumPy : Được tạo bởi Travis Oliphant, NumPy là một “ngựa kéo” phân tích thực sự của Python. Nó cung cấp cho người dùng cách làm việc với các mảng nhiều chiều, cùng một số lượng lớn các hàm để xử lý trên các toán tử toán học nhiều chiều trên các mảng đó. Mảng là các khối dữ liệu được sắp xếp theo nhiều chiều dựa trên các véc tơ và ma trận trong toán học.

Mảng thường hữu ích không chỉ trong việc lưu dữ liệu mà cả việc tính toán nhanh các ma trận, điều không thể thiếu khi giải quyết các vấn đề liên quan đến khoa học dữ liệu. • Cài đặt: pip install numpy • Trang chủ: NumPy - SciPy Là một dự án gốc bởi Travis Oliphant, Pearu Peterson, and Eric Jones, SciPy hoàn thiện các tính năng của NumPy, nhằm cung cấp các thuật toán cho đại số tuyến tính, không gian ma trận, xử lý tín hiệu và xử lý ảnh, tối ưu, biến đổi Fourier, … • Cài đặt: pip install sclipy • Trang chủ: SciPy - Pandas Pandas là thư viện thực hiện mọi thứ mà NymPy và SciPy không thể làm. Nó làm việc với các đối tượng cấu trúc dữ liệu, DataFrames và Chuỗi (Series). pandas cho phép bạn có thể xử lý các bảng dữ liệu phức tạp của nhiều loại khác nhau (điều mà các mảng của NumPy thông thể làm được) và chuỗi thời gian.

Bạn sẽ dễ dàng tải dữ liệu từ nhiều nguồn khác nhau, sau đó slide, dice, xử lý các thành phần còn thiếu, thêm, đổi tên, tổng hợp (aggregate), reshape và cuối cùng là trực quan dữ liệu theo ý của bạn. • Cài đặt: pip install pandas • Trang chủ: pandas - Python Data Analysis Library (pydata.org) - Scikit-learn Bắt đầu như một phần của SciKits, Scikit-learn là lõi hoạt động của khoa học dữ liệu trên Python. Nó cung cấp tất cả những gì bạn cần để tiền xử lý dữ liệu, học giám sát và không giám sát, lựa chọn mô hình, validate và error metrics. • Cài đặt: pip install scikit-learn • Trang chủ: scikit-learn: machine learning in Python — scikit-learn 1.1 documentation - IPython Một cách tiếp cận khoa học yêu cầu thử nghiệm nhanh các giả thuyết khác nhau trong một khoảng thời gian.

IPython được tạo bởi Fernando Perez để giải quyết việc cần thiết một lệnh Shell Python (dựa trên shell, trình duyệt web, và giao diện ứng dụng) với đồ họa tích hợp, các lệnh có thể tùy chỉnh, lịch sử phong phú (dưới định dạng JSON) và khả năng tính toán song song để cải thiện hiểu năng tính toán. • Cài đặt: pip install “ipython[ notebook]” • Trang chủ: Jupyter and the future of IPython — IPython 1.6 Các khái niệm cơ bản trong lập trình python Trong Python bất kỳ văn bản nào ở bên phải biểu tượng # thì sẽ được trình biên dịch hiểu là một comment và không biên dịch phần đó.6- 1 Comment trong python Sử dụng càng nhiều comment hữu ích trong chương trình của bạn sẽ làm cho công việc lập trình của bạn dễ dàng hơn: Giải thích các giả định. Giải thích các quyết định quan trọng. Giải thích chi tiết quan trọng.

Giải thích vấn đề bạn đang cố gắng giải quyết. Giải thích các vấn đề đang cố gắng khắc phục trong chương trình của mình, v. Hằng số (Literal Constants): Ví dụ về một hằng số theo nghĩa đen là một số như 5, 1. 23 hoặc một chuỗi như ‘python’hay “It’s a string!”.

Nó được gọi là nghĩa đen bởi vì sử dụng giá trị của nó theo nghĩa đen. Số 2 luôn luôn đại diện cho chính nó và không có gì khác và nó là một hằng số vì giá trị của nó không thể thay đổi. Do đó, tất cả những giá trị này được gọi là hằng số. Chuỗi (String): Một chuỗi là một dãy các ký tự.

Chuỗi về cơ bản chỉ là một loạt các từ. Biến: Biến chính xác như tên gọi của nó, tức là giá trị của nó có thể thay đổi. Các biến có thể giúp lưu trữ bất cứ cái gì nếu có thể định nghĩa được nó. Các biến chỉ là một phần của bộ nhớ máy tính nơi lưu trữ một số thông tin.

Đối tượng (Object): Python đề cập đến bất cứ điều gì được sử dụng trong một chương trình như là một đối tượng.7 Cấu trúc dữ liệu là gì, các kiểu cấu trúc dữ liệu trong Python Việc tổ chức, quản lý và lưu trữ dữ liệu rất quan trọng vì nó cho phép truy cập dễ dàng hơn và sửa đổi hiệu quả. Cấu trúc dữ liệu (Data Structure) cho phép bạn sắp xếp dữ liệu của mình theo cách cho phép bạn lưu trữ các bộ dữ liệu được thu thập, liên quan đến chúng và theo đó mà thực hiện các thao tác trên chúng. Python có hỗ trợ ngầm cho Cấu trúc dữ liệu cho phép lưu trữ và truy cập dữ liệu. Các cấu trúc này được gọi là List, Dictionary, Tuple và Set.