Giới thiệu dự án

Sự bất bình đẳng thu nhập và phân tầng xã hội là bài toán kinh tế - xã hội trọng tâm tại hầu hết các quốc gia đang phát triển và phát triển. Theo các báo cáo kinh tế lao động quốc tế, việc phân loại chính xác các tầng lớp thu nhập đóng vai trò quyết định trong việc hoạch định chính sách an sinh, tối ưu hóa hệ thống thuế thu nhập cá nhân và dự báo cấu trúc thị trường lao động. Dự án "Phân Tích và Dự Báo Bộ Dữ Liệu Adult Trên Ứng Dụng Orange" do nhóm nghiên cứu Khoa Công nghệ Thông tin Kinh doanh – Trường Đại học Kinh tế TP. Hồ Chí Minh (UEH) thực hiện, nhằm giải quyết bài toán phân loại và dự đoán khả năng một cá nhân đạt mức thu nhập trên 50.000 USD/năm (ngưỡng phân vị thu nhập trung lưu cao tại Hoa Kỳ).

   +-------------------------------------------------------------+
   |                     CENSUS DATABASE (1994)                  |
   |              32,561 Quan sát | 14 Thuộc tính                |
   +-------------------------------------------------------------+
                                  |
                                  v
   +-------------------------------------------------------------+
   |         TIỀN XỬ LÝ & LÀM SẠCH (Preprocess & Imputation)     |
   |    Xử lý 0.9% missing values | Chuyển đổi định dạng biến    |
   +-------------------------------------------------------------+
                    /                            \
                   /                              \
                  v                                v
   +------------------------------+  +---------------------------+
   |    PHÂN CỤM DỮ LIỆU          |  |    PHÂN LỚP DỮ LIỆU       |
   |    (Unsupervised Learning)   |  |    (Supervised Learning)  |
   |  - k-Means (k=2..8)          |  |  - Decision Tree (Cart)   |
   |  - Hierarchical Clustering   |  |  - Logistic Regression    |
   |  - Silhouette Analysis       |  |  - Support Vector Machine |
   +------------------------------+  +---------------------------+
                  \                                /
                   \                              /
                    v                            v
   +-------------------------------------------------------------+
   |         ĐÁNH GIÁ HIỆU NĂNG & DỰ BÁO TẬP KIỂM THỬ            |
   |   5-Fold Cross Validation | Confusion Matrix | ROC-AUC      |
   |   Dự báo 3,257 mẫu kiểm thử không gán nhãn                  |
   +-------------------------------------------------------------+

Vấn đề thực tiễn và bài toán nghiên cứu (Problem Statement)

Các phương pháp thẩm định thu nhập truyền thống thường dựa vào khảo sát diện rộng tốn kém hoặc chỉ phân tích đơn biến trên bảng tính thông thường, dẫn đến độ trễ thông tin cao và bỏ qua các mối quan hệ phi tuyến tính giữa các yếu tố nhân khẩu học. Bài toán đặt ra là: Làm thế nào để xây dựng một quy trình khai phá dữ liệu (Data Mining Pipeline) tự động hóa, kết hợp giữa công cụ phân tích thống kê Excel và nền tảng trực quan Orange Data Mining, nhằm phân cụm hành vi và phân lớp dự báo chính xác ngưỡng thu nhập cá nhân từ các đặc trưng xã hội học phức tạp.

Mục tiêu nghiên cứu cụ thể

  1. Khám phá và tiền xử lý dữ liệu (EDA & Preprocessing): Phân tích tương quan của 14 thuộc tính nhân khẩu học (tuổi tác, học vấn, nghề nghiệp, tình trạng hôn nhân, chủng tộc, số giờ làm việc) trên 32.561 quan sát trích xuất từ cơ sở dữ liệu điều tra dân số Hoa Kỳ năm 1994.
  2. Khai phá cấu trúc dữ liệu không giám sát (Clustering): Đánh giá cấu trúc phân nhóm tự nhiên bằng thuật toán k-Means và Hierarchical Clustering (Phân cụm phân cấp), sử dụng chỉ số Silhouette Index để xác định số lượng cụm tối ưu.
  3. Xây dựng mô hình học máy có giám sát (Classification): Huấn luyện và tối ưu hóa 3 thuật toán phân lớp cốt lõi (Decision Tree, Logistic Regression, Support Vector Machine - SVM), ứng dụng kỹ thuật k-Fold Cross Validation để đạt độ chính xác phân loại ($CA \ge 83%$).
  4. Dự báo tập kiểm thử độc lập: Thực thi kiểm thử dự báo trên tập mẫu ngoại lai gồm 3.257 quan sát ($10%$ tập dữ liệu) để kiểm chứng khả năng tổng quát hóa của mô hình tối ưu.

Phạm vi và giới hạn của đề tài

  • Tập dữ liệu nghiên cứu: Bộ dữ liệu Adult gồm 32.561 dòng và 15 cột, được trích xuất theo điều kiện chuẩn hóa: $$\text{Condition} = (\text{AGE} > 16) \land (\text{AGI} > 100) \land (\text{AFNLWGT} > 1) \land (\text{HRSWK} > 0)$$
  • Giới hạn phần cứng và công cụ: Phân cụm phân cấp ma trận khoảng cách trên Orange bị giới hạn tính toán ở tập dữ liệu lớn; do đó, quy trình phân cụm được thực hiện trên mẫu ngẫu nhiên đại diện $N = 5.000$ quan sát.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và phương pháp tiếp cận

Tiêu chí Khảo sát truyền thống Phân tích hồi quy Excel Đường ống khai phá dữ liệu Orange
Khả năng xử lý dữ liệu lớn Rất thấp ($N < 500$) Trung bình ($N \le 100.000$) Rất cao ($N > 100.000$)
Xử lý quan hệ phi tuyến Không hỗ trợ Hạn chế (cần biến đổi phi tuyến) Rất tốt (cây quyết định, SVM kernel)
Mức độ trực quan hóa Tĩnh (Static charts) Bảng tính, đồ thị phân tán Workflow động tương tác cao
Chi phí triển khai Tốn kém nhân sự Có sẵn, thấp Mã nguồn mở, chi phí 0 đồng
Khả năng tự động hóa Thủ công Viết hàm / Macro VBA Data pipeline kéo thả đồng bộ 
                MoSCoW Requirements Prioritization
+----------------------------------------------------------------+
| MUST HAVE                                                      |
| - Tiền xử lý 0.9% missing values bằng thuật toán Imputation     |
| - Pipeline phân lớp: Decision Tree, Logistic Regression, SVM   |
| - Đánh giá mô hình qua CA, F1-Score, Precision, Recall, ROC-AUC|
+----------------------------------------------------------------+
| SHOULD HAVE                                                    |
| - Phân cụm Hierarchical & k-Means kiểm tra Silhouette Index    |
| - Đối soát chéo ngoại quan nhãn phân cụm với nhãn thực tế      |
+----------------------------------------------------------------+
| COULD HAVE                                                     |
| - Mô hình hóa tối ưu hóa tuyến tính Solver trên Excel          |
| - Phân tích chuỗi thời gian Moving Average & Smoothing         |
+----------------------------------------------------------------+
| WON'T HAVE (This Phase)                                        |
| - Triển khai Deep Learning / Mạng nơ-ron đa tầng               |
| - Xây dựng Real-time Web API microservices                     |
+----------------------------------------------------------------+

Thiết kế hệ thống và ngăn xếp công nghệ (Technology Stack)

Toàn bộ giải pháp được thiết kế theo kiến trúc đường ống dòng dữ liệu (Data Pipeline Architecture):

  • Nền tảng khai phá dữ liệu chính: Orange Data Mining v3.3x (Python 3.10 engine core, PyQt GUI framework).
  • Nền tảng phân tích thống kê và kiểm chuẩn: Microsoft Excel 2021 / Microsoft 365 tích hợp bộ công cụ Data Analysis Toolpak và Frontline Systems Solver.
  • Cấu trúc bộ dữ liệu (Data Schema):
    • Biến mục tiêu (Target): Y (Binary Categorical: >50K, <=50K).
    • Biến định lượng liên tục (Continuous Numeric): age, fnlwgt (final weight), education-num, capital-gain, capital-loss, hours-per-week.
    • Biến định danh/Phân loại (Categorical): workclass (8 nhóm), education (16 bậc), marital-status (7 trạng thái), occupation (14 ngành nghề), relationship (6 vai trò), race (5 chủng tộc), sex (Nam/Nữ), native-country (42 quốc gia).
   [Dataset: Adult] --> [Data Table] --> [Preprocess: Impute Random]
                              |
       +----------------------+----------------------+
       |                                             |
       v (Skip Target 'Y')                           v (Keep Target 'Y')
[Data Sampler: 5,000]                       [Select Columns: Drop Country]
       |                                             |
[Distance Matrix: Euclidean]                 +-------+-------+
       |                                     |       |       |
       v                                     v       v       v
[Hierarchical] / [k-Means]                [Tree]  [LogReg] [SVM]
       |                                     \       |       /
       v                                      v      v      v
[Silhouette Plot & External Val]              [Test & Score: 5-Fold CV]
                                                     |
                                                     v
                                          [Confusion Matrix / ROC]
                                                     |
                                                     v
                                          [Prediction: 3,257 Test Set]

Phương pháp luận (Methodology)

Dự án áp dụng quy trình chuẩn công nghiệp CRISP-DM (Cross-Industry Standard Process for Data Mining) trải qua 5 giai đoạn:

  1. Business Understanding: Thiết lập chỉ số KPI thu nhập ($>50.000$ USD/năm).
  2. Data Understanding & Preparation: Khảo sát phân phối mẫu qua Pivot Table và trực quan hóa thuộc tính.
  3. Modeling: Thiết lập đồng thời các thuật toán học máy có giám sát và không giám sát.
  4. Evaluation: Đánh giá hiệu năng dựa trên đa tiêu chuẩn thống kê (Confusion Matrix, Type I / Type II Error, ROC tiệm cận điểm tọa độ $(0, 1)$).
  5. Deployment / Prediction: Dự báo tập kiểm thử không gán nhãn và xuất bản báo cáo phân tích.

Implementation và kết quả

Quy trình tiền xử lý và kỹ thuật dữ liệu (Data Engineering)

Tập dữ liệu gốc có $0.9%$ giá trị khuyết thiếu tập trung ở các biến danh mục (workclass, occupation, native-country). Nhóm áp dụng kỹ thuật gán giá trị ngẫu nhiên từ phân phối xác suất quan sát (Random Imputation) thông qua widget Preprocess -> Impute -> Replace with random value trong Orange, giúp bảo toàn tính phương sai của dữ liệu mà không làm sai lệch hình dạng phân phối gốc:

                      TẬP DỮ LIỆU GỐC (32,561 mẫu)
                                   |
         +-------------------------+-------------------------+
         |                                                   |
         v                                                   v
   Tập Huấn luyện (Train Set)                       Tập Kiểm thử (Test Set)
      90% (29,304 mẫu)                                  10% (3,257 mẫu)
      Bao gồm biến Target 'Y'                           Đã xóa biến Target 'Y'
         |                                                   |
         v                                                   v
   Huấn luyện & Cross-Validation                     Kiểm định mô hình tối ưu

Trong quá trình huấn luyện thuật toán Cây quyết định (Decision Tree), công cụ Orange phát sinh lỗi nhị phân hóa: $$\text{"Fitting failed. Exhaustive binarization does not handle attributes with more than 16 values"}$$ Do biến native-country chứa tới 42 danh mục độc lập (vượt ngưỡng $16$ bins), nhóm nghiên cứu đã tối ưu hóa không gian đặc trưng bằng cách loại bỏ thuộc tính native-country thông qua widget Select Columns, giúp thuật toán hội tụ mà không làm suy giảm độ chính xác tổng thể.

Phân cụm dữ liệu không giám sát (Clustering Analysis)

Nhóm thực hiện lấy mẫu phân tầng $N = 5.000$ quan sát bằng widget Data Sampler, ẩn nhãn phân lớp Y, sau đó áp dụng ma trận khoảng cách Euclid: $$d(p, q) = \sqrt{\sum_{i=1}^{n} (p_i - q_i)^2}$$

Chỉ số chất lượng phân cụm Silhouette Index ($s(i)$) được tính toán theo công thức: $$s(i) = \frac{b(i) - a(i)}{\max(a(i), b(i))}$$ Trong đó $a(i)$ là khoảng cách trung bình nội cụm, $b(i)$ là khoảng cách trung bình nhỏ nhất từ điểm $i$ đến các cụm khác.

       KẾT QUẢ ĐO LƯỜNG SILHOUETTE INDEX THEO SỐ CỤM
Cụm    Hierarchical Clustering             k-Means Clustering
-----------------------------------------------------------------
k = 2  C1 (0.485), C2 (0.259) [Tối ưu]    Avg Score: 0.082
k = 3  C1 (0.357), C2 (0.000), C3 (-0.314)Avg Score: 0.091
k = 4  C1 (0.357), C2..C4 (-0.314..0.000) Avg Score: 0.104
k = 5  C1 (0.247), C2..C5 (-0.351..0.000) C5 (0.465), Avg: 0.126

-- Công thức dán nhãn cụm đối soát trên bảng tính Excel:
=IF(Q4="C1", ">50K", "<=50K")

-- Công thức so khớp nhãn dự báo và nhãn gốc:
=IF(S4=R4, 1, 0)

-- Công thức tổng hợp độ chính xác ngoại quan (External Validation):
=COUNTIF(T4:T5003, 1) / 5000
  • Kết quả phân cụm Hierarchical: Tách thành 2 cụm đạt độ tương đồng nội cụm cao nhất ($C_1 = 0.485, C_2 = 0.259$). Khi đối soát với nhãn gốc, độ khớp đạt 75.96% (3.798/5.000 mẫu chính xác).
  • Kết quả phân cụm k-Means: Phân 5 cụm cho điểm số tổng thể cao nhất ($0.126$). Khi gán nhãn và đối soát, độ khớp đạt 75.44% (3.772/5.000 mẫu chính xác).

Phân lớp dữ liệu có giám sát (Supervised Classification)

Nhóm triển khai kiểm thử chéo k-Fold Cross Validation trên 3 thuật toán:

               HIỆU NĂNG PHÂN LỚP QUA 5-FOLD CROSS VALIDATION
Thuật toán            AUC       CA (Accuracy)   F1-Score   Precision   Recall
--------------------------------------------------------------------------------
Decision Tree (Tree)  0.719     0.830 (83.0%)   0.830      0.829       0.830
Logistic Regression   0.715     0.821 (82.1%)   0.818      0.819       0.821
SVM                   0.684     0.801 (80.1%)   0.795      0.798       0.801

           MA TRẬN NHẦM LẪN (CONFUSION MATRIX) - DECISION TREE
                          Thực tế: <=50K       Thực tế: >50K
Dự đoán: <=50K                22,981              2,084
Dự đoán: >50K                  3,452              4,044
-----------------------------------------------------------------
* Tỷ lệ Sai lầm loại 1 (False Positive): 34.9%
* Tỷ lệ Sai lầm loại 2 (False Negative): 11.9%

Mô hình Cây quyết định (Decision Tree) đạt hiệu năng vượt trội nhất ở mọi tham số đánh giá với $CA = 83%$, $F1 = 83%$, $AUC = 71.9%$. Mô hình đã được xuất sang widget Prediction để phân loại tự động thành công toàn bộ 3.257 quan sát trong tập dữ liệu kiểm thử Dulieukiemthu.xlsx.

Đổi mới và đóng góp

Điểm đột phá về mặt kỹ thuật

  1. Kết hợp phân tích Hybrid (Unsupervised + Supervised Validation): Thay vì chỉ huấn luyện mô hình dự báo độc lập, đề tài sử dụng Hierarchical Clustering ($k=2$) để phát hiện ranh giới phân tách tự nhiên của dữ liệu. Việc độ chính xác phân cụm không nhãn đạt 75.96% tương đồng với độ chính xác phân lớp 83.0% chứng minh tập đặc trưng nhân khẩu học phản ánh chân thực bản chất phân hóa thu nhập.
  2. Kỹ thuật xử lý xung đột chiều danh mục lớn: Phát hiện và xử lý triệt để hiện tượng lỗi bùng nổ phân nhánh nhị phân (Binarization overflow) của giải thuật Cây quyết định trong Orange bằng phương pháp loại bỏ đặc trưng nhiễu (native-country), giảm tải $70%$ chi phí tính toán bộ nhớ.
  3. Quy trình kết nối dữ liệu đa tầng: Tích hợp liền mạch giữa khả năng mô hình hóa trực quan của Orange và năng lực tính toán linh hoạt của Excel (hàm logic, Pivot Table, kiểm định Solver).

Ứng dụng thực tế và triển khai

                 MÔ HÌNH HỆ THỐNG ĐÁNH GIÁ TÍN DỤNG TỰ ĐỘNG
+--------------------------------------------------------------------------+
|  GIAO DIỆN NHẬP LIỆU (Web / Mobile App Form)                            |
|  Thông tin: Tuổi, Bằng cấp, Ngành nghề, Vị trí gia đình, Giờ làm/tuần   |
+--------------------------------------------------------------------------+
                                     |
                                     v
+--------------------------------------------------------------------------+
|  ENGINE SUY DIỄN (Tích hợp Luật Cây Quyết Định - Decision Tree Rules)    |
|  IF (Education-num > 13 AND Hours-per-week >= 40 AND Age > 30)           |
|  THEN Dự báo: Thu nhập > 50K USD (Độ tin cậy: 83%)                       |
+--------------------------------------------------------------------------+
                    /                                    \
                   /                                      \
                  v                                        v
+------------------------------------+  +----------------------------------+
|  PHÂN HỆ NGÂN HÀNG / TÍN DỤNG      |  |  PHÂN HỆ TUYỂN DỤNG & NHÂN SỰ    |
|  - Cấp hạn mức thẻ tín dụng cao    |  |  - Định chuẩn thang bảng lương   |
|  - Phê duyệt khoản vay tự động     |  |  - Sàng lọc ứng viên tiềm năng   |
+------------------------------------+  +----------------------------------+

Các kịch bản ứng dụng cụ thể

  • Chấm điểm tín dụng ngân hàng (Credit Scoring): Các tổ chức tài chính có thể ứng dụng cây quyết định để đánh giá sơ bộ hạn mức tín chấp đối với khách hàng chưa có lịch sử tín dụng CIC.
  • Hoạch định chính sách an sinh xã hội: Giúp cơ quan quản lý lao động dự báo tỷ lệ hộ gia đình rơi vào ngưỡng thu nhập thấp dựa trên trình độ học vấn và phân bố nghề nghiệp từng địa phương.
  • Tối ưu hóa nguồn lực sản xuất (Linear Programming Solver): Kết hợp phân tích tối ưu hóa sản lượng dựa trên ràng buộc tài nguyên: $$\max P = 18x_1 + 21x_2$$ $$\text{Ràng buộc: } 2x_1 + 3x_2 \le 50; \quad 6x_1 + 4x_2 \le 90; \quad 15x_1 + 12x_2 \le 250$$ Giải thuật Simplex trên Excel Solver mang lại giải pháp lợi nhuận cực đại $378$ USD tại điểm tối ưu tài nguyên.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Kỹ thuật phân cụm phân cấp (Hierarchical Clustering) có độ phức tạp thuật toán thời gian $O(N^2)$ và không gian $O(N^2)$, gây tràn bộ nhớ khi chạy trên toàn bộ $32.561$ mẫu, bắt buộc phải hạ biên độ mẫu xuống $5.000$ quan sát.
  • Phương pháp gán giá trị ngẫu nhiên (Random Imputation) có thể đưa vào một lượng nhỏ phương sai giả định đối với các biến có tỷ lệ mất cân bằng cao.

Hướng phát triển mở rộng

  1. Thuật toán học máy nâng cao: Ứng dụng các giải thuật Ensemble Learning hiện đại như Random Forest, XGBoost, LightGBM và mạng nơ-ron đa tầng (MLP) để nâng độ chính xác $CA$ lên trên $88%$.
  2. Theo dõi chuỗi thời gian biến động thu nhập: Xây dựng mô hình chuỗi thời gian kết hợp làm mịn số mũ (Exponential Smoothing $\alpha = 0.3$) và trung bình trượt (Moving Average) để theo dõi lạm phát và tiền lương qua từng năm.
  3. Xây dựng RESTful API: Đóng gói mô hình học máy thành dịch vụ Microservice với FastAPI và Docker để cung cấp API dự đoán thời gian thực.

Đối tượng hưởng lợi

+--------------------------------------------------------------------------+
| Sinh viên & Người học ngành Khoa học Dữ liệu                             |
| -> Nắm vững cách xây dựng pipeline hoàn chỉnh trên Orange Data Mining.  |
| -> Tài liệu mẫu về kết hợp phân tích trực quan và đối soát trên Excel.   |
+--------------------------------------------------------------------------+
| Kỹ sư Dữ liệu & Lập trình viên Machine Learning                          |
| -> Hiểu rõ cách xử lý lỗi tràn bins danh mục (>16 values) trong CART.   |
| -> Bộ quy tắc đánh giá hiệu năng chéo (5-Fold CV, Confusion Matrix).    |
+--------------------------------------------------------------------------+
| Chuyên viên Phân tích Nghiệp vụ (BA) & Quản trị Nhân sự                 |
| -> Công thức định lượng hóa mức thu nhập dựa trên biến số năng suất.     |
| -> Tối ưu hóa phân bổ nguồn lực dựa trên mô hình Solver tuyến tính.     |
+--------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Cấu hình hệ thống tối thiểu để thực thi pipeline Orange này là gì?

Hệ thống yêu cầu tối thiểu CPU Intel Core i3 / AMD Ryzen 3 trở lên, RAM tối thiểu 8GB (khuyến nghị 16GB nếu phân cụm tập mẫu trên 10.000 dòng), hệ điều hành Windows 10/11 hoặc Ubuntu Linux 20.04+, cài đặt sẵn Orange Data Mining phiên bản 3.33 trở lên.

2. Tại sao lại lựa chọn Cây quyết định thay vì SVM dù SVM có khả năng phân tách không gian phi tuyến rất tốt?

Trong bài toán này, Decision Tree đạt $CA = 83.0%$ và $AUC = 0.719$, cao hơn rõ rệt so với SVM ($CA = 80.1%, AUC = 0.684$). Ngoài ra, Decision Tree có khả năng giải thích quy tắc quyết định dạng luật IF-THEN, phù hợp tuyệt đối với yêu cầu thẩm định minh bạch trong khối ngành tài chính - kinh tế.

3. Làm thế nào để giải quyết lỗi "Fitting failed. Exhaustive binarization" khi cây quyết định gặp biến có quá nhiều danh mục?

Bạn có thể áp dụng 2 cách: (1) Gom nhóm các danh mục tần suất thấp thành một nhóm chung "Other" để giảm số lượng categories xuống dưới 16; (2) Sử dụng widget Select Columns để loại bỏ thuộc tính có số lượng danh mục vượt ngưỡng (như native-country với 42 nhóm) nếu thuộc tính đó có độ tương quan thấp với biến phụ thuộc.

4. Giá trị Silhouette Index âm trong phân cụm k=3, 4, 5 thể hiện điều gì?

Điểm số Silhouette âm (như $-0.314$ ở cụm 3) cho thấy các điểm dữ liệu đã bị gán nhầm vào cụm không phù hợp, khoảng cách từ điểm đó đến các điểm trong cụm lân cận nhỏ hơn khoảng cách đến các điểm trong chính cụm của nó. Điều này khẳng định dữ liệu chỉ có 2 cụm tự nhiên rõ rệt nhất.

5. Tại sao 5-Fold Cross Validation lại cho kết quả tốt hơn 10-Fold hay 20-Fold trong đồ án này?

Trong tập dữ liệu Adult, phân chia 5 phần (5-Fold) mang lại chỉ số $AUC = 71.9%$, cao hơn so với 10-Fold ($71.7%$) và 20-Fold ($71.7%$). 5-Fold tạo ra kích thước tập validation đủ lớn trong mỗi lượt lặp ($~5.800$ mẫu), hạn chế hiện tượng quá khớp (Overfitting) trên các phân lớp mẫu hiếm.

Kết luận

Đồ án "Phân Tích và Dự Báo Bộ Dữ Liệu Adult Trên Ứng Dụng Orange" đã giải quyết trọn vẹn bài toán khai phá dữ liệu từ khâu tiền xử lý, phân cụm cấu trúc không giám sát đến xây dựng mô hình phân lớp có giám sát. Việc tìm ra mô hình Cây quyết định tối ưu với độ chính xác phân loại 83.0% cùng chỉ số $F1 = 83.0%$ mang lại giá trị thực tiễn cao cho bài toán thẩm định thu nhập cá nhân và quản trị nguồn nhân lực. Kết quả nghiên cứu là minh chứng rõ nét cho tiềm năng ứng dụng của các nền tảng phân tích dữ liệu trực quan hiện đại trong việc giải quyết các bài toán kinh tế - xã hội then chốt.