Phân tích hiệu quả các kênh tương tác trong ngân hàng bidv dựa trên thông tin giao dịch của khách hàng

Phân tích hiệu quả các kênh tương tác tại ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng, giúp tối ưu hóa trải nghiệm dịch vụ.

• Tác giả: Trần Thị Hoàng Yến
• Người hướng dẫn: Th.S. Bùi Thị Hồng Nhung
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Hệ thống thông tin quản lý
• Đề tài: Phân Tích Hiệu Quả Các Kênh Tương Tác Trong Ngân Hàng BIDV Dựa Trên Thông Tin Giao Dịch Khách Hàng
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2015
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: Giới thiệu tổng quan về bài toán
• 1.1. Giới thiệu đơn vị thực tập
• 1.2. Sự hình thành và phát triển
• 1.3. Các hoạt động nghiệp vụ của đơn vị
• 1.4. Giới thiệu bài toán
• 1.5. Tổng quan về kênh tương tác trong ngân hàng BIDV
• 1.5.1. Quầy giao dịch
• 1.6. Kết luận chương 1
• 2. CHƯƠNG 2: Tổng quan về Business Intelligence và giới thiệu các giải pháp phân tích kinh doanh
• 2.1. Tổng quan về Business Intelligence
• 2.2. IBM Cognos Business Intelligence
• 2.3. IBM Cognos Connection
• 2.4. IBM Cognos Administration
• 2.5. IBM Cognos Configuration
• 2.6. IBM Cognos Workspace
• 2.7. IBM Cognos Workspace Advanced
• 2.8. IBM Cognos Report Studio
• 2.9. IBM Cognos Query Studio
• 2.10. IBM Cognos Analysis Studio
• 2.11. IBM Cognos Event Studio
• 2.12. IBM Cognos Metric Studio & Designer
• 2.13. IBM Cognos Framework Manager
• 2.14. Kết luận chương 2
• 3. CHƯƠNG 3: Áp dụng vào bài toán ngân hàng BIDV
• 3.1. Mô tả bài toán phân tích hiệu quả kênh tương tác trong ngân hàng BIDV
• 3.2. Phân tích yêu cầu bài toán và thiết kế data mart
• 3.3. Kiến trúc data mart và các lưu ý khi thiết kế data mart
• 3.4. Áp dụng với bài toán ngân hàng BIDV
• 3.5. Lập báo cáo phân tích bằng IBM Cognos Business Intelligence
• 3.5.1. Giới thiệu về các công cụ lập báo cáo trên IBM Cognos BI
• 3.5.2. Demo lập báo cáo trên công cụ Report Studio
• 3.5.3. Demo báo cáo phân tích trên Cognos Workspace Advanced
• 3.5.4. Demo tạo dashboard trên Cognos Workspace
• 3.6. Kết luận chương 3
• LỜI CẢM ƠN

Tóm tắt

I. Tổng Quan Dự Án Phân Tích Hiệu Quả Kênh Ngân Hàng BIDV

Bài viết này tập trung vào việc phân tích hiệu quả các kênh tương tác của Ngân hàng BIDV dựa trên thông tin giao dịch khách hàng. Phân tích này sử dụng dữ liệu từ nhiều nguồn khác nhau, bao gồm giao dịch tại quầy, ATM, Internet Banking, Mobile Banking và POS. Mục tiêu chính là cung cấp cái nhìn sâu sắc về hành vi khách hàng BIDV, giúp ngân hàng đưa ra các quyết định chiến lược liên quan đến tối ưu kênh tương tác, nâng cao trải nghiệm khách hàng và marketing ngân hàng BIDV hiệu quả hơn. Dựa trên Khóa luận tốt nghiệp của Trần Thị Hoàng Yến, bài viết sẽ đi sâu vào các phương pháp và công cụ được sử dụng, cũng như kết quả phân tích thực tế. Bài viết sẽ phân tích chi tiết về Phân tích dữ liệu giao dịch và trình bày các báo cáo phân tích kinh doanh, dashboard trực quan giúp nhà quản lý dễ dàng theo dõi và đánh giá.

1.1. Giới Thiệu Chung về Kênh Tương Tác Khách Hàng BIDV

Các kênh tương tác đóng vai trò quan trọng trong việc kết nối ngân hàng với khách hàng. BIDV hiện đang triển khai nhiều kênh khác nhau, bao gồm kênh truyền thống (quầy giao dịch, ATM) và kênh hiện đại (Internet Banking, Mobile Banking, POS). Mỗi kênh có ưu điểm và nhược điểm riêng, phục vụ các phân khúc khách hàng khác nhau. Việc hiểu rõ đặc điểm của từng kênh là cơ sở để đánh giá hiệu quả kênh và đưa ra các điều chỉnh phù hợp. Việc chăm sóc khách hàng BIDV thông qua các kênh này cũng rất quan trọng để tăng sự hài lòng và gắn bó.

1.2. Tầm Quan Trọng của Phân Tích Dữ Liệu Giao Dịch Khách Hàng

Thông tin giao dịch khách hàng là nguồn dữ liệu vô giá để hiểu rõ hành vi khách hàng BIDV. Phân tích dữ liệu này giúp ngân hàng xác định xu hướng sử dụng dịch vụ, phân khúc khách hàng theo hành vi, và đánh giá hiệu quả của các chương trình khuyến mãi. Dữ liệu này cần được thu thập, xử lý và phân tích một cách có hệ thống để tạo ra thông tin hữu ích cho việc ra quyết định. Từ đó cải thiện mức độ hài lòng khách hàng và tăng doanh thu.

II. Vấn Đề Thách Thức Đánh Giá Hiệu Quả Kênh BIDV Hiện Tại

Trong bối cảnh cạnh tranh ngày càng gay gắt, việc đánh giá hiệu quả kênh một cách chính xác là vô cùng quan trọng đối với Ngân hàng BIDV. Tuy nhiên, việc này không hề dễ dàng do sự phức tạp của dữ liệu và sự đa dạng của các kênh tương tác. Một trong những thách thức lớn nhất là làm thế nào để tích hợp dữ liệu từ các nguồn khác nhau (quầy giao dịch, ATM, online) thành một hệ thống duy nhất để có thể phân tích toàn diện. Đồng thời, việc xác định các KPI kênh tương tác ngân hàng phù hợp và theo dõi chúng một cách thường xuyên cũng là một thách thức không nhỏ. Bên cạnh đó, dữ liệu giao dịch thường chứa nhiều thông tin nhiễu và không đầy đủ, đòi hỏi các phương pháp làm sạch và xử lý dữ liệu hiệu quả. Việc thiếu các công cụ phân tích dữ liệu giao dịch mạnh mẽ cũng có thể cản trở quá trình đánh giá.

2.1. Khó Khăn trong Thu Thập và Tích Hợp Dữ Liệu Giao Dịch

Dữ liệu giao dịch của Ngân hàng BIDV thường nằm rải rác ở nhiều hệ thống khác nhau, gây khó khăn cho việc thu thập và tích hợp. Mỗi kênh giao dịch có một định dạng dữ liệu riêng, đòi hỏi các công cụ chuyển đổi dữ liệu phức tạp. Việc đảm bảo tính chính xác và nhất quán của dữ liệu trong quá trình tích hợp cũng là một thách thức lớn. Nếu không có dữ liệu đầy đủ và chính xác, việc phân tích hiệu quả kênh sẽ không thể mang lại kết quả đáng tin cậy.

2.2. Xác Định và Theo Dõi Các KPI Kênh Tương Tác Phù Hợp

Việc lựa chọn KPI kênh tương tác ngân hàng phù hợp là yếu tố then chốt để đánh giá hiệu quả kênh. Các KPI này cần phản ánh đúng mục tiêu kinh doanh của ngân hàng và có thể đo lường được một cách khách quan. Tuy nhiên, việc xác định KPI phù hợp không hề dễ dàng, đòi hỏi sự hiểu biết sâu sắc về hoạt động của từng kênh và mục tiêu của ngân hàng. Việc theo dõi các KPI này một cách thường xuyên cũng là một thách thức không nhỏ, đòi hỏi các công cụ báo cáo và phân tích mạnh mẽ.

III. Phương Pháp Phân Tích Sử Dụng Business Intelligence BI BIDV

Để giải quyết các thách thức trên, việc ứng dụng Business Intelligence (BI) là một giải pháp hiệu quả. IBM Cognos Business Intelligence, được đề cập trong khóa luận, cung cấp các công cụ mạnh mẽ để thu thập, xử lý, phân tích và trực quan hóa dữ liệu giao dịch. Sử dụng BI, Ngân hàng BIDV có thể tạo ra các báo cáo phân tích chi tiết về hiệu quả của từng kênh tương tác, xác định xu hướng sử dụng dịch vụ của khách hàng, và phân khúc khách hàng BIDV theo hành vi. BI cũng cho phép ngân hàng tạo ra các dashboard trực quan để theo dõi các KPI kênh tương tác ngân hàng một cách dễ dàng và nhanh chóng. Đặc biệt, IBM Cognos Framework Manager giúp xây dựng kho dữ liệu từ các giao dịch và sử dụng Report Studio, Cognos Workspace, Cognos Workspace Advanced để lập báo cáo kinh doanh linh hoạt.

3.1. Xây Dựng Kho Dữ Liệu Data Warehouse cho Phân Tích

Việc xây dựng Data Warehouse là bước quan trọng để tích hợp dữ liệu từ các nguồn khác nhau. Data Warehouse là một kho lưu trữ dữ liệu tập trung, được thiết kế để hỗ trợ các hoạt động phân tích và báo cáo. Dữ liệu từ các kênh giao dịch khác nhau được trích xuất, chuyển đổi và tải vào Data Warehouse theo một cấu trúc thống nhất. Điều này cho phép Ngân hàng BIDV có thể phân tích dữ liệu một cách toàn diện và hiệu quả hơn.

3.2. Ứng Dụng IBM Cognos BI trong Phân Tích Dữ Liệu Giao Dịch

IBM Cognos Business Intelligence cung cấp nhiều công cụ mạnh mẽ để phân tích dữ liệu giao dịch. Report Studio cho phép tạo ra các báo cáo chi tiết về hiệu quả của từng kênh tương tác. Cognos Workspace và Cognos Workspace Advanced cho phép tạo ra các dashboard trực quan để theo dõi các KPI kênh tương tác ngân hàng. Các công cụ này giúp Ngân hàng BIDV có thể hiểu rõ hơn về hành vi khách hàng BIDV và đưa ra các quyết định kinh doanh sáng suốt.

IV. Ứng Dụng Thực Tế Phân Tích Hiệu Quả Các Kênh BIDV Năm 2015

Khóa luận tốt nghiệp của Trần Thị Hoàng Yến đã thực hiện phân tích hiệu quả các kênh tương tác của Ngân hàng BIDV dựa trên dữ liệu giao dịch năm 2015. Kết quả phân tích cho thấy sự khác biệt đáng kể về hiệu quả giữa các kênh khác nhau. Kênh Internet Banking và Mobile Banking có tốc độ tăng trưởng nhanh chóng, trong khi kênh ATM vẫn đóng vai trò quan trọng trong việc phục vụ các nhu cầu giao dịch cơ bản. Phân tích cũng chỉ ra rằng một số phân khúc khách hàng BIDV có xu hướng sử dụng kênh online nhiều hơn so với các phân khúc khác. Dựa trên kết quả này, ngân hàng có thể đưa ra các quyết định đầu tư và tối ưu kênh tương tác phù hợp.

4.1. Kết Quả Phân Tích Hiệu Quả Kênh Giao Dịch Trực Tuyến

Kênh Internet Banking và Mobile Banking cho thấy sự tăng trưởng vượt bậc về số lượng giao dịch và doanh thu. Khách hàng ngày càng ưa chuộng sử dụng các kênh này để thực hiện các giao dịch thanh toán, chuyển tiền và quản lý tài khoản. Để tiếp tục thúc đẩy sự phát triển của các kênh trực tuyến, Ngân hàng BIDV cần tiếp tục đầu tư vào việc nâng cao trải nghiệm khách hàng và mở rộng các dịch vụ trên kênh.

4.2. Đánh Giá Hiệu Quả Kênh ATM và Quầy Giao Dịch Truyền Thống

Mặc dù có sự tăng trưởng của các kênh trực tuyến, kênh ATM và quầy giao dịch vẫn đóng vai trò quan trọng trong việc phục vụ các nhu cầu giao dịch cơ bản của khách hàng, đặc biệt là các khách hàng ở khu vực nông thôn và những người lớn tuổi. Ngân hàng BIDV cần duy trì và tối ưu kênh tương tác này để đảm bảo phục vụ tốt nhất cho tất cả các phân khúc khách hàng BIDV. Đầu tư vào chăm sóc khách hàng BIDV tại quầy cũng rất quan trọng.

V. Giải Pháp Tối Ưu Nâng Cao Hiệu Quả Tương Tác Khách Hàng BIDV

Dựa trên kết quả phân tích, Ngân hàng BIDV có thể triển khai các giải pháp để tối ưu kênh tương tác và nâng cao trải nghiệm khách hàng. Một trong những giải pháp quan trọng là phân khúc khách hàng BIDV theo hành vi và cung cấp các dịch vụ phù hợp với nhu cầu của từng phân khúc. Ngân hàng cũng cần đầu tư vào việc nâng cao chất lượng dịch vụ trên tất cả các kênh, đặc biệt là kênh trực tuyến. Bên cạnh đó, việc triển khai các chương trình marketing ngân hàng BIDV nhắm mục tiêu vào từng phân khúc khách hàng cũng có thể giúp tăng cường tương tác khách hàng ngân hàng và thúc đẩy doanh thu.

5.1. Cá Nhân Hóa Trải Nghiệm Khách Hàng Dựa Trên Phân Tích

Việc phân khúc khách hàng BIDV theo hành vi cho phép ngân hàng cung cấp các dịch vụ và chương trình khuyến mãi phù hợp với nhu cầu của từng khách hàng. Điều này giúp tăng cường trải nghiệm khách hàng và khuyến khích khách hàng sử dụng các kênh giao dịch của ngân hàng thường xuyên hơn. Ví dụ: khách hàng thường xuyên giao dịch online có thể được hưởng các ưu đãi đặc biệt khi sử dụng Internet Banking hoặc Mobile Banking.

5.2. Tối Ưu Chi Phí và Nâng Cao ROI Kênh Tương Tác

Việc đánh giá hiệu quả kênh và phân tích ROI kênh tương tác giúp Ngân hàng BIDV có thể phân bổ nguồn lực một cách hiệu quả hơn. Ngân hàng có thể tập trung đầu tư vào các kênh có hiệu quả cao và giảm thiểu chi phí cho các kênh có hiệu quả thấp. Điều này giúp tối ưu chi phí và nâng cao ROI kênh tương tác.

VI. Triển Vọng Tương Lai Chuyển Đổi Số Tương Tác Khách Hàng BIDV

Trong tương lai, chuyển đổi số ngân hàng BIDV sẽ tiếp tục đóng vai trò quan trọng trong việc nâng cao hiệu quả hoạt động và trải nghiệm khách hàng. Ngân hàng cần tiếp tục đầu tư vào các công nghệ mới như AI, Big Data và Cloud Computing để phân tích dữ liệu giao dịch một cách sâu sắc hơn và cung cấp các dịch vụ cá nhân hóa hơn. Đồng thời, việc xây dựng một hệ sinh thái số tích hợp các dịch vụ tài chính và phi tài chính cũng sẽ giúp Ngân hàng BIDV tăng cường tương tác khách hàng ngân hàng và tạo ra lợi thế cạnh tranh bền vững. Marketing ngân hàng BIDV cũng cần thích ứng với xu hướng mới này.

6.1. Ứng Dụng AI và Machine Learning trong Phân Tích Dữ Liệu

Ứng dụng AI và Machine Learning cho phép Ngân hàng BIDV phân tích dữ liệu giao dịch một cách tự động và chính xác hơn. Các thuật toán AI có thể giúp phát hiện các xu hướng ẩn sâu trong dữ liệu và dự đoán hành vi khách hàng BIDV trong tương lai. Điều này giúp ngân hàng có thể đưa ra các quyết định kinh doanh kịp thời và hiệu quả.

6.2. Xây Dựng Hệ Sinh Thái Số Tích Hợp Đa Dạng Dịch Vụ

Việc xây dựng một hệ sinh thái số tích hợp các dịch vụ tài chính và phi tài chính giúp Ngân hàng BIDV tăng cường tương tác khách hàng ngân hàng và tạo ra giá trị gia tăng cho khách hàng. Khách hàng có thể dễ dàng truy cập các dịch vụ ngân hàng, thanh toán hóa đơn, mua sắm trực tuyến và nhiều dịch vụ khác thông qua một ứng dụng duy nhất. Điều này giúp tạo ra một trải nghiệm khách hàng liền mạch và tiện lợi.

Trích đoạn nội dung tài liệu

chương 1 cũng giới thiệu tổng quan về bài toán và các nhiệm vụ cần thực hiện để giải quyết bài toán. Trần Thị Hoàng Yến – HTTTB K14 4 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Chương 2: Tổng quan về Business Intelligence và giới thiệu các giải pháp phân tích kinh doanh 2. Tổng quan về Business Intelligence Business intelligence (BI) là tập hợp giải pháp và qui trình lưu trữ, xử lý, phân tích dữ liệu mà các tổ chức dùng để kiểm soát khối lượng dữ liệu khổng lồ đến từ nhiều nguồn khác nhau và khai thác nguồn dữ liệu đó giúp cho họ có thể đưa các các quyết định hiệu quả hơn trong hoạt động kinh doanh của mình. BI có mặt ở khắp các tổ chức như hệ thống siêu thị, ngân hàng, bệnh viện, doanh nghiệp viễn thông,… đó đều là những nơi cần thu thập, xử lý khối lượng dữ liệu cực lớn.

Do đó BI có tính ứng dụng rất cao khi nguồn dữ liệu của doanh nghiệp lớn dần theo thời gian hoạt động. Nó giúp tổ chức phát hiện những cơ hội kinh doanh mới, bổ sung các chiến lược cạnh tranh hiệu quả, tạo ra lợi thế cạnh tranh và duy trì vị thế trong ngành trong dài hạn. Công nghệ BI cung cấp các góc nhìn lịch sử, hiện tại và dự báo hoạt động của doanh nghiệp trong tương lai. Một số tính năng phổ biến của công nghệ BI là lập báo cáo, xử lý phân tích số liệu trực tuyến OLAP (Online Analytical Processing), phân tích dữ liệu, khai phá dữ liệu, khai phá quy trình, khai phá sự kiện phức tạp, phân tích dự báo, phân tích quy luật.

BI bao gồm các thành phần: Hình 11 Các thành phần của Business Intelligence Thành phần Mô tả Data Sources Là nguồn dữ liệu thô được lấy từ các database nghiệp vụ, hệ thống CRM, HRM… hoặc các dữ liệu bên ngoài tổ chức. Mô hình dữ liệu trên Data Sources thường là mô hình dữ liệu quan hệ. Enterprise Data ETL (Extract Transform Load) Warehouse Gồm các công cụ làm sạch dữ liệu và chuyển đổi dữ liệu từ Trần Thị Hoàng Yến – HTTTB K14 5 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Data Sources vào Data Warehouse. Data Warehouse Là database chuyên dùng cho tạo báo cáo và phân tích dữ liệu.

Nó vừa hỗ trợ các truy vấn phức tạp, vừa là điểm tập trung dữ liệu từ nhiều nguồn khác nhau để có được thông tin phân tích đầy đủ nhất. Data warehouse cho phép người dùng ở mức quản lý, ra quyết định thực hiện các phép phân tích tương tác với data bằng hệ thống xử lý phân tích trực tuyến (online analytical processing – OLAP). Ngoài ra data warehouse cũng được dùng cho báo cáo, data mining và phân tích thống kê. Số lượng bản ghi mỗi phiên truy cập data warehouse là rất lớn.

Mô hình dữ liệu trên data warehouse thường là mô hình dữ liệu đa chiều. Data Mart Dữ liệu trong Data Warehouse được chia làm nhiều khối nhỏ hơn tập trung vào một nghiệp vụ nhất định nào đó của doanh nghiệp gọi là data mart (ví dụ data mart về bán lẻ, data mart về kho bãi, data mart về nhân sự…) BI Analytics Tầng khai thác dữ liệu chứa các công cụ cho người dùng cuối khai thác, sử dụng các dữ liệu trong data warehouse. Một số công cụ chính: - OLAP: là công cụ cho phép người dùng sử dụng các tính năng truy vấn của OLAP để tạo báo cáo động (active report). Các truy vấn đột xuất này được gọi là truy vấn tuỳ biến (ad hoc query) vì hệ thống không hề được chuẩn bị trước cho thao tác của người dùng.

OLAP được sử dụng khi người dùng muốn lấy ra các thông tin cắt lớp, chuyên sâu hoặc toàn cảnh trước khi ra quyết định. - Công cụ lập báo cáo tĩnh: cho phép người dùng bằng sử dụng truy vấn được định nghĩa trước để tạo các báo cáo có cấu trúc (thường là các bảng, đôi khi bao gồm cả biểu đồ). Báo cáo tĩnh được sử dụng khi người dùng muốn xem các thông tin chi tiết theo định kỳ. - Bộ công cụ khai phá dữ liệu (data mining) cho phép người dùng phân tích dữ liệu để tìm ra các thông tin quý giá còn bị ẩn dấu, ví dụ như các xu hướng, các mẫu chung.

Bảng 2 Các thành phần của Business Intelligence Trần Thị Hoàng Yến – HTTTB K14 6 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Một số công cụ phân tích kinh doanh phổ biến hiện nay là IBM Cognos Business Intelligence, Oracle Business Intelligence Enterprise Edition,… 2. IBM Cognos Business Intelligence IBM Cognos Business Intelligence là một bộ giải pháp phân tích kinh doanh do hãng IBM phát hành, được triển khai lần đầu tiên ở Việt Nam vào năm 2010 tại ngân hàng Thương mại Cổ phần Á Châu (ACB). Từ đó đến nay, giải pháp này đã và đang được triển khai tại một số ngân hàng như ngân hàng Đầu tư và Phát triển Việt Nam (BIDV), ngân hàng thương mại cổ phần Phương Đông (OCB); doanh nghiệp như công ty Thành Thành Công, siêu thị điện máy Nguyễn Kim, tổng công ty Thương mại Sài Gòn (SATRA); bệnh viện phụ sản quốc tế Sài Gòn (Sihospital)… Phiên bản IBM Cognos BI mới nhất là bản 10. IBM Cognos BI cung cấp giao diện người dùng chạy trên nền tảng Web và nền tảng Windows.

Có thể biểu diễn các thành phần của IBM Cognos BI trên 3 tầng như hình dưới đây: Hình 12 Các thành phần của IBM Cognos Business Intelligence Tầng trên cùng là các công cụ chạy trên nền tảng web, gồm Cognos Connection, Administrator, Workspace và các studio. Người dùng cuối không cần cài đặt bất kỳ phần mềm cho máy client mà chỉ cần có trình duyệt web. Tầng dưới cùng là tầng dữ liệu, gồm các hệ thống cơ sở dữ liệu quan hệ hoặc đa chiều. Bên trên tầng dữ liệu là 3 công cụ mô hình hóa dữ liệu, gồm Framework Trần Thị Hoàng Yến – HTTTB K14 7 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Manager, Transformer và Metric Designer.

Hệ thống cơ sở dữ liệu và các công cụ mô hình hóa được cài đặt trên máy client. IBM Cognos Connection IBM Cognos Connection là một cổng thông tin điện tử - nơi người dùng cuối thao tác với các đối tượng của IBM Cognos (reports, analysis, queries, agents, metrics, và packages). IBM Cognos Connection được tổ chức dưới dạng hệ thống các folder, bên trong mỗi folder chứa các đối tượng IBM Cognos. Người dùng có thể thực hiện các thao tác: - Thêm mới, sửa, xóa, di chuyển các đối tượng IBM Cognos - Chạy các báo cáo, analysis dưới nhiều format khác nhau - Đặt lịch chạy báo cáo, analysis - Chia sẻ các báo cáo với những người dùng Cognos hoặc với các đối tượng khác qua email Hình 13 Giao diện IBM Cognos Connection Hình 14 Giao diện IBM Cognos Connection 2.

IBM Cognos Administration Cognos Administration là giao diện quản lý trung tâm, bao gồm các task quản lý Cognos BI, được truy cập qua Cognos Connection. Administration được tổ chức thành 3 khu vực với các mục đích khác nhau  Status: giám sát hoạt động, trạng thái server, system metrics và thay đổi một số cài đặt hệ thống.  Security: Định nghĩa người dùng, group, phân quyền nhằm mục đích bảo mật và cấu hình các giao diện; thiết lập các thuộc tính profile người dùng trong Report Studio. Trần Thị Hoàng Yến – HTTTB K14 8 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng  Configuration: cài đặt kết nối với data sources, tạo kênh phân phối, danh sách phân phối, thêm máy in, cài đặt định dạng, quản lý porlet và portal layout, bật/tắt các dispatcher, service và thay đổi cài đặt hệ của hệ thống.

Hình 15 Giao diện IBM Cognos Administration Hình 16 Giao diện tab Configuration trên IBM Cognos Administration 2. IBM Cognos Configuration Sử dụng IBM Cognos Configuration để: - Thiết lập cấu hình cho các thành phần của IBM Cognos - Tạo và quản lý content store - Bật hoặc tắt dịch vụ khi người dùng cài đặt IBM Cognos BI Server trên máy cá nhân Người dùng có thể chạy IBM Cognos Configuration ở chế độ interactive hoặc silent. Trong đó, ở chế độ interactive, người dùng sử dụng giao diện đồ họa để cấu hình cho các thành phần IBM Cognos. Ở chế độ silent, công cụ chạy ngầm và không cần tương tác trực tiếp với người dùng.

Trần Thị Hoàng Yến – HTTTB K14 9 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Hình 17 Giao diện IBM Cognos Configuration 2. IBM Cognos Workspace IBM Cognos Workspace là công cụ chạy trên nền tảng web, được sử dụng để tạo dashboard từ những báo cáo có sẵn. Dashboard bao gồm các tab, báo cáo , và các công cụ thao tác dữ liệu (công cụ lọc, kéo thả). Khi người dùng chọn điều kiện lọc hoặc kéo thả điều kiện lọc trên dashboard thì lập tức số liệu trên các báo cáo sẽ thay đổi tương ứng với điều kiện lọc đó.

Ví dụ một người dùng đã tạo sẵn 4 báo cáo khác nhau về mảng sales, marketing, human resource và finance bằng công cụ Report Studio. Khi đó các đối tượng trong những báo cáo này sẽ được dùng một cách độc lập trên Cognos Workspace để tạo dashboard tương tác. Điều này có nghĩa là trên dashboard có thể có một số biểu đồ ở báo cáo đầu tiên và báo cáo thứ hai, một số báo cáo dạng list từ báo cáo thứ ba và báo cáo dạng crosstab từ báo cáo thứ tư. Trần Thị Hoàng Yến – HTTTB K14 10 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng Hình 18 Giao diện Dashboard trên IBM Cognos Workspace 2.

IBM Cognos Workspace Advanced IBM Cognos Workspace Advanced là công cụ chạy trên nền tảng web, cho phép người dùng kéo thả và định dạng các loại báo cáo dưới nhiều dạng khác nhau, bao gồm list, crosstab, biểu đồ, báo cáo tài chính… và khai phá dữ liệu nâng cao (thêm chiều đo, định dạng có điều kiện, tính toán nâng cao). Hình 19 Giao diện IBM Cognos Workspace Advanced Trần Thị Hoàng Yến – HTTTB K14 11 Khóa luận tốt nghiệp Phân tích hiệu quả các kênh tương tác trong ngân hàng BIDV dựa trên thông tin giao dịch của khách hàng 2.