Phân tích các yếu tố ảnh hưởng sự trải nghiệm dịch vụ của khách hàng tại VNPT Bình Dương

Luận văn phân tích trải nghiệm khách hàng tại VNPT Bình Dương bằng học máy. Xây dựng mô hình dự đoán từ dữ liệu thực tế giúp nâng cao chất lượng dịch vụ.

• Tác giả: Nguyễn Minh Cường
• Người hướng dẫn: PGS. Lê Tuấn Anh
• Trường học: Trường Đại học Thủ Dầu Một
• Chuyên ngành: Hệ Thống Thông Tin
• Đề tài: Phân Tích Các Yếu Tố Ảnh Hưởng Sự Trải Nghiệm Dịch Vụ Của Khách Hàng Tại VNPT Bình Dương Bằng Học Máy
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2023
• Địa điểm: Bình Dương

Tóm tắt

I. Giới thiệu về Phân tích Trải nghiệm Dịch vụ VNPT Bình Dương

Phân tích trải nghiệm dịch vụ VNPT Bình Dương bằng học máy là một nghiên cứu hiện đại nhằm cải thiện chất lượng dịch vụ viễn thông. Luận văn thạc sĩ của Nguyễn Minh Cường tại Trường Đại học Thủ Dầu Một đã tập trung vào việc phân tích các yếu tố ảnh hưởng đến trải nghiệm khách hàng sử dụng dịch vụ VNPT. Với cơ sở dữ liệu gồm 51.420 dòng và 14 cột, nghiên cứu này áp dụng các thuật toán khai phá dữ liệu tiên tiến để khám phá những yếu tố quan trọng. Khai phá dữ liệu được định nghĩa là quy trình tìm kiếm và khai thác tri thức từ dữ liệu lớn, giúp các tổ chức như VNPT đưa ra quyết định chiến lược tốt hơn. Mục tiêu chính là xây dựng một mô hình dự báo chính xác để cải thiện dịch vụ khách hàng và nâng cao chất lượng dịch vụ viễn thông.

1.1. Tổng quan về VNPT Bình Dương và các dịch vụ

VNPT Bình Dương cung cấp đa dạng dịch vụ viễn thông bao gồm internet, điện thoại, và dịch vụ dữ liệu. Trải nghiệm khách hàng tại VNPT phụ thuộc vào nhiều yếu tố như tốc độ đường truyền, chất lượng kết nối GPON (Gigabit Passive Optical Networks), thời gian hỗ trợ khách hàng, và khả năng xử lý lỗi. Để nâng cao chất lượng dịch vụ, VNPT cần hiểu rõ những yếu tố nào có ảnh hưởng lớn nhất đến sự hài lòng khách hàng. Công ty cần tập trung vào cải thiệt những lĩnh vực có tác động mạnh mẽ nhất.

1.2. Tầm quan trọng của học máy trong phân tích dữ liệu

Học máy (Machine Learning) là công nghệ cho phép máy tính học từ dữ liệu mà không cần lập trình rõ ràng. Trong phân tích trải nghiệm khách hàng, học máy giúp phát hiện những mẫu ẩn trong dữ liệu lớn. Các thuật toán như Random Forest, Decision Tree, và k-Nearest Neighbors có thể dự báo yếu tố ảnh hưởng với độ chính xác cao. Sử dụng khai phá dữ liệu và học máy, VNPT có thể tối ưu hóa dịch vụ khách hàng một cách hiệu quả.

II. Quy trình Khai phá Dữ liệu và Phương pháp Dự báo

Quy trình khai phá dữ liệu (KDD - Knowledge Discovery in Databases) là một quá trình có cấu trúc để phát hiện tri thức từ dữ liệu thô. Quy trình này bao gồm các bước: làm sạch dữ liệu, chuẩn hóa dữ liệu, chọn lựa tính năng (feature selection), và xây dựng mô hình. Phân tích các yếu tố ảnh hưởng đến trải nghiệm dịch vụ VNPT sử dụng khai phá dữ liệu giúp xác định những yếu tố quan trọng như suy hao tín hiệu, tốc độ đường truyền, và thời gian phục vụ. Phương pháp dự báo bao gồm Random Forest, Linear Regression, Decision Tree và k-Nearest Neighbors. Random Forest đã chứng minh hiệu quả tốt nhất với độ chính xác cao, giúp cải thiện dịch vụ thông qua những quyết định dựa trên dữ liệu.

2.1. Các bước của quy trình khai phá dữ liệu

Khai phá dữ liệu bắt đầu bằng làm sạch dữ liệu để loại bỏ các giá trị bị thiếu hoặc lỗi. Tiếp theo là chuẩn hóa dữ liệu để đưa chúng về cùng một thang đo. Chọn lựa tính năng giúp xác định những yếu tố quan trọng thực sự. Cuối cùng, xây dựng mô hình dự báo sử dụng các thuật toán học máy. Quy trình này đảm bảo phân tích chính xác về yếu tố ảnh hưởng đến trải nghiệm khách hàng VNPT.

2.2. So sánh các thuật toán dự báo

Nghiên cứu đã so sánh bốn thuật toán chính: Random Forest, Linear Regression, Decision Tree, và k-Nearest Neighbors. Random Forest là một thuật toán học máy sử dụng tập hợp các cây quyết định để dự báo với độ chính xác cao. Linear Regression phù hợp với mối quan hệ tuyến tính, trong khi Decision Tree dễ hiểu nhưng dễ bị quá khớp. k-Nearest Neighbors dựa vào sự gần nhất của dữ liệu. Random Forest đạt kết quả tốt nhất, được chọn làm mô hình tối ưu cho phân tích trải nghiệm dịch vụ.

III. Xây dựng Mô hình Phân tích Yếu tố Ảnh hưởng

Mô hình đề xuất trong nghiên cứu này được thiết kế để phân tích các yếu tố ảnh hưởng đến trải nghiệm dịch vụ khách hàng tại VNPT Bình Dương. Cơ sở dữ liệu gồm 51.420 dòng chứa thông tin về phường, huyện, tốc độ đường truyền, loại khách hàng, thời gian thực hiện, suy hao tín hiệu (Down/Up), và số lượng dịch vụ. Xây dựng mô hình bao gồm ba giai đoạn: thu thập dữ liệu, tiền xử lý, và huấn luyện mô hình. Phân tích thống kê sử dụng ANOVA (Analysis of Variance) để kiểm tra mối quan hệ giữa các biến. Kết quả cho thấy tốc độ đường truyền và suy hao tín hiệu là những yếu tố quan trọng nhất ảnh hưởng đến chất lượng dịch vụ và hài lòng khách hàng.

3.1. Dữ liệu và chuẩn bị dữ liệu

Dữ liệu thu thập từ VNPT Bình Dương bao gồm 14 cột đặc trưng về dịch vụ khách hàng. Sau khi làm sạch dữ liệu, nhóm nghiên cứu thực hiện chuẩn hóa để đảm bảo sự cân bằng giữa các tính năng. Biểu đồ nhiệt phân phối dữ liệu cho thấy sự đa dạng của khách hàng và dịch vụ. Tiền xử lý dữ liệu đảm bảo chất lượng đầu vào cho mô hình học máy chính xác.

3.2. Huấn luyện và đánh giá mô hình

Huấn luyện mô hình sử dụng tập dữ liệu được chia thành tập huấn luyện (70%) và tập kiểm thử (30%). Random Forest được đánh giá dựa trên các chỉ tiêu như độ chính xác, precision, recall, và F1-score. Kết quả thực nghiệm cho thấy Random Forest đạt độ chính xác cao nhất, vượt trội so với các thuật toán khác. Mô hình này có khả năng dự báo những yếu tố ảnh hưởng chính xác, giúp VNPT cải thiện dịch vụ hiệu quả.

IV. Ứng dụng Kết quả và Khuyến nghị Cải thiện Dịch vụ

Kết quả phân tích yếu tố ảnh hưởng từ mô hình Random Forest cung cấp những khuyến nghị hữu ích để VNPT cải thiện dịch vụ khách hàng. Những yếu tố được xác định có tác động lớn bao gồm tốc độ đường truyền, chất lượng kết nối GPON, thời gian phục vụ, và khả năng xử lý sự cố. Bằng cách tập trung cải thiện những lĩnh vực này, VNPT có thể nâng cao chất lượng dịch vụ và hài lòng khách hàng. Dữ liệu phân tích cho thấy rằng tốc độ đường truyền là yếu tố có ảnh hưởng mạnh nhất (37%), tiếp theo là suy hao tín hiệu (28%). Khai phá dữ liệu và học máy không chỉ giúp phát hiện vấn đề mà còn hỗ trợ quyết định chiến lược dài hạn cho VNPT Bình Dương.

4.1. Những phát hiện chính từ phân tích

Phân tích kết quả từ mô hình học máy tiết lộ rằng tốc độ đường truyền là yếu tố ảnh hưởng chính (37%), theo sau là suy hao tín hiệu Down (28%) và suy hao Up (20%). Thời gian thực hiện lắp đặt (9%) và loại khách hàng (6%) cũng có tác động nhất định. Những phát hiện này giúp xác định ưu tiên cải thiện cho VNPT. Khách hàng sẵn sàng chi trả cho tốc độ cao và độ ổn định, vì vậy đầu tư vào cơ sở hạ tầng là quyết định chiến lược quan trọng.

4.2. Khuyến nghị và triển khai thực tế

VNPT Bình Dương nên tập trung cải thiện tốc độ đường truyền thông qua nâng cấp hạ tầng GPON và tối ưu hóa mạng. Giảm suy hao tín hiệu bằng cách kiểm tra định kỳ và bảo trì thiết bị. Rút ngắn thời gian phục vụ bằng tự động hóa và đào tạo nhân viên. Xây dựng hệ thống dự báo sự cố để chủ động xử lý vấn đề. Áp dụng khai phá dữ liệu liên tục để theo dõi và cải thiện chất lượng dịch vụ.

Trích đoạn nội dung tài liệu

chương 1 Trong chương này chúng tôi đã nêu một số tình hình tổng quan của VNPT và dịch vụ của VNPT Bình Dương. Đồng thời chúng tôi cũng đã trình bày sơ lược về khai phá dữ liệu trong bộ dữ liệu của VNPT Bình Dương, các bước thực hiện khai phá dữ liệu trong bộ dữ liệu mà chúng tôi thực hiện. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN Trong Chương 2 này, chúng tôi sẽ trình bày lý thuyết về dự báo và các phương pháp dự báo trong kinh tế nói riêng, từ đó chúng tôi sẽ thực hiện những dự báo này việc khai phá dữ liệu để phân tích các yếu tố ảnh hưởng sự trải nghiệm dịch vụ của khách hàng tại VNPT tỉnh Bình Dương. Ngoài ra chúng tôi còn trình bày một số nghiên cứu liên quan về những phương pháp dự báo gần với đề tài của chúng tôi.

Các phương pháp dự báo [14][15] Phương pháp dự báo là một trong các phương pháp mang đến hiệu quả hoạt động doanh nghiệp. Bên cạnh các chiến lược được xây dựng và thực hiện. Việc xây dựng và tổ chức dự báo thực hiện trên cơ sở của hiện tại. Mang đến các dự báo về tương lai.

Điều này có thể tạo cơ sở hiệu quả trong xây dựng chiến lược hay lộ trình hoạt động doanh nghiệp hiệu quả. Việc phân loại mang đến những cách thức tổ chức phương pháp dự báo khác nhau. Đảm bảo cho những nhu cầu với từng nội dung công việc hay thời đoạn dự báo. Thời đoạn phản ánh trong nhu cầu và khả năng dự báo.

Khi đó các cơ sở phản ánh cho dự báo chính xác hay hiệu quả nhất định. Nó gắn với mức độ thời gian để mang đến mục đích tiếp cận cũng như khả năng xây dựng kế hoạch khác nhau. – Dự báo ngắn hạn: Thời đoạn dự báo thường không quá 3 tháng, ít khi đến 1 năm. Với khoảng thời gian này, hoạt động doanh nghiệp không quá thay đổi trong cách thức tổ chức thực hiện chiến lược.

Nhu cầu trong hoạt động hay điều hành nội bộ được phản ánh hiệu quả hơn. Do đó, hướng đến các nhu cầu trong tổ chức hay điều phối lại hoạt động của các bộ phận. Loại dự báo này cần cho việc mua sắm, điều độ công việc, phân giao nhiệm vụ. Cân đối các mặt trong quản trị tác nghiệp.

Với các khoảng thời gian ngắn, thường gắn với quý hoạt động. – Dự báo trung hạn: Thời đoạn dự báo thường từ 3 tháng đến 3 năm. Trong tính chất của lộ trình hoạt động với tính chất tương đối. Khoảng thời gian này gắn với các đảm bảo cho ổn định và hướng đến phát triển doanh nghiệp.

Do đó cần thiết cho việc lập kế hoạch bán hàng. Khi những nhu cầu trong tiếp cận, giữ chân hay ổn định nguồn cầu được phản ánh. Kế hoạch sản xuất, dự trù tài chính tiền mặt. Ứng với 13 những nhu cầu phản ánh trong hướng phát triển sản xuất hay kinh doanh tiềm năng.

Và làm căn cứ cho các loại kế hoạch khác. – Dự báo dài hạn: Thời đoạn dự báo từ 3 năm trở lên. Khi những dự định trong đổi mới bộ mặt của doanh nghiệp là cần thiết. Với các khoảng thời gian càng dài, những tham vọng xây dựng càng lớn.

Và do đó mà các chiến lược được xây dựng với thời gian dài. Loại dự báo này cần cho việc lập các dự án sản xuất sản phẩm mới. Từ những thúc đẩy cho sản phẩm mới được ra mắt đến những vai trò nắm giữ và chiếm lĩnh thị trường. Các mục tiêu với tính chất điều chỉnh và tác động lâu dài được định hướng.

Các định điểm cho các cơ sở mới, lựa chọn các dây chuyền công nghệ, thiết bị mới. Thay đổi và mang đến hướng tiếp cận mới cho các nhu cầu trong doanh nghiệp. Vừa phản ánh và phát huy những thành tựu đạt được trong khoảng thời gian đó. Mở rộng doanh nghiệp hiện có hoặc thành lập doanh nghiệp mới.

Bằng các mục tiêu dự đoán lâu dài, có cơ sở cho việc thực hiện trên xây dựng chiến lược. Ngoài ra, Căn cứ vào nội dung công việc cần dự báo cũng được chia thành ba loại: – Dự báo kinh tế: Với các nhu cầu đảm bảo trong hoạt động ổn định và phát triển kinh tế. Các chủ thể thực hiện với tính chất phản ánh kinh tế trong xu hướng chung. Thường được thực hiện vì mục đích của các cơ quan nghiên cứu, cơ quan dịch vụ thông tin, các bộ phận tư vấn kinh tế nhà nước.

Mang đến những phản ánh cũng như căn cứ xây dựng dự báo thích hợp. Tính chất của dự báo này ảnh hưởng trực tiếp cho nhu cầu trong nền kinh tế. Những chỉ tiêu này có giá trị lớn trong việc hỗ trợ, tạo tiền đề cho công tác dự báo trung hạn, dài hạn của các doanh nghiệp. Tác động trực tiếp lên tính chất tác động và hiệu quả kinh tế.

Cũng là những lợi ích cuối cùng doanh nghiệp tìm kiếm. Dự báo xây dựng với những dữ liệu phản ánh trong khả năng hiện tại bên cạnh những lợi ích hay xu hướng kinh tế. Từ đó mà các chiến lược được xây dựng phù hợp, khả thi và hiệu quả hơn. 14 – Dự báo kỹ thuật công nghệ: Là nhu cầu trong phát triển mới một cách bền vững.

Khi vai trò phát triển khoa học, công nghệ mang đến ứng dụng tốt hơn cho tương lai là càng cần thiết. Dự báo này đề cập đến mức độ phát triển khoa học kỹ thuật công nghệ trong tương lai. Bên cạnh những phản ánh trong năng lực, trình độ hay cơ hội tương lai. Từ đó đảm bảo để các hiện thực có ý nghĩa cũng như hiệu quả tương lai có thể dự báo trước.

Loại này rất quan trọng đối với các ngành có hàm lượng kỹ thuật cao. Khi nhu cầu cần thiết và lợi ích phản ánh rõ rệt đến phát triển chung của cộng đồng. Như năng lượng nguyên tử, tàu vũ trụ, dầu lửa, máy tính, nghiên cứu không gian, điện tử, …. Dự báo kỹ thuật, công nghệ thường do các chuyên gia trong các lĩnh vực đặc biệt thực hiện.

Dự báo được thực hiện mang đến tầm nhìn chiến lược, các khả năng và thành tựu có thể đạt được. Cũng như chuyển hóa thành hành động đưa đến hiệu quả trên thực tế. – Dự báo nhu cầu sản phẩm: Thực chất là những dự kiến, tiên đoán về doanh số bán ra của doanh nghiệp. Dựa trên các căn cứ phân tích và đánh giá tiềm năng có thể cho các giai đoạn khác nhau trong tương lai.

Dự báo được quan tâm và thực hiện trong hoạt động của các nhà quản trị sản xuất. Bởi nó gắn với những lợi ích trực tiếp cho các giai đoạn tương lai. Dự báo sẽ được xây dựng trên thúc đẩy các khả năng thực tế. Bằng các quyết định trong quy mô sản xuất, hoạt động của công ty.

Và là cơ sở để dự kiến về tài chính, tiếp thị, nhân sự. Tất cả những hoạt động cần thiết thực hiện để phản ánh tốt nhất kết quả của dự báo. Căn cứ vào phương pháp dự báo có thể chia dự báo thành 3 loại chính: - Phương pháp dự báo chuyên gia là một trong những phương pháp dự báo khác biệt so với các phương pháp dự báo máy học, vì nó dựa trên kinh nghiệm và tình hình của một chuyên gia trong một lĩnh vực cụ thể. Trong phương pháp này, chuyên gia sẽ sử dụng các kỹ năng phân tích, sử dụng các bản vẽ và các biểu đồ, và sử dụng các kiến thức của họ về mô hình và quy luật cụ thể để dự báo tình hình và xu hướng trong tương lai.

Phương pháp này thường được sử dụng trong các lĩnh vực như kinh tế, chính trị, quản lý, quản trị doanh nghiệp, và các lĩnh vực liên quan đến con người và xã hội. Vì kinh nghiệm và kiến thức của chuyên gia là chìa khóa quan trọng trong 15 việc dự báo, nên các dự báo của chuyên gia thường được coi là rất tin cậy và có giá trị. Tuy nhiên, phương pháp dự báo chuyên gia cũng có một số hạn chế, chẳng hạn như khó khăn trong việc tìm kiếm chuyên gia chuyên nghiệp và chính xác, và thiếu sự tự động hóa trong quá trình dự báo. - Phương pháp dự báo bằng phương trình hồi quy (Regression) là một trong những phương pháp dự báo phổ biến trong máy học.

Nó sử dụng mô hình hồi quy để dự báo giá trị của một biến định lượng mà chúng ta quan tâm dựa trên các giá trị của các biến định lượng khác. Có hai loại hồi quy phổ biến là hồi quy tuyến tính (Linear Regression) và hồi quy phi tuyến (Nonlinear Regression). Trong hồi quy tuyến tính, chúng ta sử dụng một đường thẳng để dự báo giá trị của biến định lượng mà chúng ta quan tâm dựa trên các giá trị của các biến định lượng khác. Trong hồi quy phi tuyến, chúng ta sử dụng một hàm phi tuyến để dự báo giá trị của biến định lượng mà chúng ta quan tâm dựa trên các giá trị của các biến định lượng khác.

Phương trình hồi quy đòi hỏi các giá trị của biến định lượng là liên tục và đòi hỏi có tồn tại mối quan hệ tuyến tính giữa các biến định lượng. Nó cũng yêu cầu dữ liệu huấn luyện là không có giá trị bị thiếu và không có outliers. Một khi các giá trị của biến định lượng đã được chuẩn bị, chúng ta có thể sử dụng phương pháp hồi quy để dự báo giá trị của biến định lượng mà chúng ta quan tâm dựa trên các giá trị của các biến định lượng khác. Phương trình hồi quy có rất nhiều ưu điểm, nó rất dễ sử dụng và có thể áp dụng cho rất nhiều tình huống dự báo.

Nó cũng có thể sử dụng để tìm ra các mối quan hệ giữa các biến, tuy nhiên, nó có thể không hoạt động tốt khi dữ liệu không tuân thủ các điều kiện hồi quy hoặc khi có quá nhiều ngoại lệ. - Phương pháp dự báo định tính (Determinisitic forecasting) là một phương pháp dự báo mà sử dụng một mô hình cụ thể để dự báo giá trị của biến định lượng mà chúng ta quan tâm trong tương lai. Nó sử dụng các quy luật cụ thể và các giá trị cụ thể của các biến để dự báo giá trị của biến định lượng. Phương pháp dự báo định tính thường được sử dụng trong các lĩnh vực như kinh tế, chính trị, quản lý, quản trị doanh nghiệp, và các lĩnh vực liên quan đến con người và xã hội.

Phương pháp dự báo định tính có một số ưu điểm như dễ dàng sử dụng và áp dụng, dự báo chính xác 16 và có thể sử dụng để tìm ra các mối quan hệ giữa các biến.