Phân tích dữ liệu thuê bao di động hướng đến dự báo thuê bao rời mạng viễn thông

Phân tích dữ liệu thuê bao di động hướng đến
dự báo thuê bao rời mạng viễn thông

Nguyễn Thị Như Ngọc

Trường Đại học Công nghệ
Luận văn ThS Chuyên ngành: Hệ thống thông tin; Mã số 60 48 01 04
Người hướng dẫn: TS. Phan Xuân Hiếu
Năm bảo vệ: 2014


Keywords. Phân tích dữ liệu; Thuê bao di động; Thuê bao rời mạng viễn thông; Công
nghệ thông tin.




6
MỞ ĐẦU
Dịch vụ thông tin di động ngày càng phát triển mạnh mẽ, trở thành một phần tất
yếu trong cuộc sống của mỗi người dân Việt Nam. Với sự ra đời của hàng loạt các nhà
cung cấp dịch vụ mạng điện thoại di động. Quản lý thông tin thuê bao di động nhằm
nâng cao khả năng chăm sóc khách hàng, đưa ra các chiến lược kinh doanh là việc
không thể thiếu đối với các nhà cung cấp dịch vụ mạng di động.
Ngày nay “kho dữ liệu” đã trở thành một khái niệm quen thuộc đối với các doanh
nghiệp, “kho dữ liệu” hỗ trợ doanh nghiệp ra quyết định cho các hoạt động tăng sự tập
trung vào khách hàng như phân tích các mô hình khách hàng, so sánh hiệu suất doanh
số bán hàng theo quý, theo năm, và theo vùng địa lý để điều chỉnh chiến lược sản xuất,
phân tích hoạt động và tìm kiếm nguồn lợi nhuận, quản lý các mối quan hệ khách
hàng, điều chỉnh môi trường và quản lý chi phí tài sản của công ty. Xây dựng kho dữ
liệu thuê bao di động là hướng đi đúng đắn nhằm nâng cao năng lực cạnh tranh và

chăm sóc khách hàng của các nhà mạng di động.
Trong bối cảnh thị trường viễn thông đã đi vào giai đoạn bão hòa, khách hàng ngày
càng đòi hỏi cao về chất lượng và dịch vụ. Hơn nữa khách hàng có nhiều lựa chọn và
có quyền chuyển đổi nhà cung cấp dịch vụ, kết quả là khách hàng rời mạng tăng lên
một cách nhanh chóng. Đối mặt với thách thức này, các nhà cung cấp dịch vụ viễn
thông cần phải đưa ra những hoạch định chiến lược để giữ chân khách hàng.
Các yếu tố quan trọng để giữ chân khách hàng là dự đoán khách hàng rời mạng và
chiến lược phòng chống khách hàng rời mạng hiệu quả. Hướng nghiên cứu của tôi là
từ kho dữ liệu di động thực hiện khai thác, phân tích nhằm phát hiện các hành vi rời
mạng của thuê bao và dự đoán thuê bao rời mạng cho đề tài luận văn của mình. Luận
văn được xây dựng dựa theo lý thuyết khai phá dữ liệu được các nhà khoa học nghiên
cứu đồng thời tôi xin trình bày quan điểm riêng của mình về việc áp dụng khai phá dữ
liệu trong phát hiện hành vi và dự đoán thuê bao rời mạng.
Dữ liệu được sử dụng trong luận văn là dữ liệu “anonymous”, chỉ mang tính chất
nghiên cứu và không tiết lộ bất cứ thông tin của tổ chức hay cá nhân nào.

Luận văn được chia thành các chương như sau:
Chương 1: Trình bày tổng quan thuê bao rời mạng viễn thông, khái niệm thuê bao
rời mạng, phân biệt các hình thức rời mạng của thuê bao và sự cần thiết của việc dự
đoán thuê bao rời mạng.
Chương 2: Trình bày về lý thuyết khai phá dữ liệu di động. Các ứng dụng khai phá
dữ liệu di động như: Dự đoán xu hướng phát triển của các sản phẩm và dịch vụ, nhận
dạng và dự đoán gian lận, dự đoán nhu cầu tăng dung lượng đường truyền.
Chương 3: Trình bày về bài toán phân lớp dữ liệu thuê bao rời mạng, đầu vào và
dầu ra của bài toán. Đưa ra mô hình kho dữ liệu di động và mô hình phân lớp dữ liệu
thuê bao rời mạng. Dữ liệu được trích xuất từ kho dữ liệu di động và các thuật toán


7
phân lớp là hai thành phần chính của bài toán phân lớp. Trong luận văn sẽ sử dụng các

thuật toán cây quyết định C4.5, Naïve Bayes, SVM và Neural Networks để phân lớp
dự đoán thuê bao rời mạng viễn thông.
Chương 4: Thực nghiệm bài toán phân lớp dữ liệu di động với dữ liệu cụ thể. Đánh
giá kết quả đạt được với các mô hình phân lớp.



















44
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1]. Hà Quang Thụy, Phan Xuân Hiếu, Ðoàn Sơn, Nguyễn Trí Thành, Nguyễn Thu
Trang, Nguyễn Cẩm Tú (2009), Khai phá dữ liệu Web, NXB Giáo Dục
[2]. TS. Phan Xuân Hiếu, Bài giảng khai phá dữ liệu – Đại học Công Nghệ - Đại Học
Quốc gia Hà Nội

[3]. TS. Nguyễn Văn Vinh, Bài giảng trí tuệ nhân tạo – Đại học Công Nghệ - Đại Học
Quốc gia Hà Nội
[4]. Bộ Thông Tin và Truyền Thông (2013), Sách Trắng về Công nghệ thông tin và
Truyền thông 2013, NXB Thông Tin và Truyền Thông
[5] Phạm Văn Thùy, Luận văn “Khai thác và phân tích dữ liệu ngân hàng nhằm phát
hiện rủi ro và hỗ trợ ra quyết định trong quản trị”, Đại học Công Nghệ - Đại Học
Quốc gia Hà Nội, K18
[6] Lê Thị Thùy Linh, Khóa luận tốt nghiệp “Nghiên cứu các thuật toán phân lớp dữ
liệu dựa trên cây quyết định” - Đại học Công Nghệ - Đại Học Quốc gia Hà Nội, K46
[7] Đỗ Thi Cẩm Vân (2004), Luận văn“Học mạng nơron theo mô hình SOM và ứng
dụng trong bàitoán quản lý khách hàng vay vốn Ngân hàng”, Đại học Công Nghệ -
Đại Học Quốc gia Hà Nội
[8] 20 năm di động Việt Nam: Đòn bẩy nằm ở đâu?Ictnews, />thong/20-nam-di-dong-viet-nam-don-bay-nam-o-dau-111420.ict
Tiếng Anh
[9]. Jiawei Han University of Illinois at Urbana–Champaign, Micheline Kamber, Jian
Pei Simon Fraser University(2012) , Data Mining: Concepts and Techniques - Third
Edition
[10]. K. H. Liao and H. E. Chueh (2011), Applying fuzzy data mining to telecom churn
management - Intelligent Computing and Information Science.


45
[11]. Pushpa and G.Shobha (2012), Social Network Analysis for Churn Prediction in
Telecom data.
[12]. J. O. Daramola, O. O Oladipupo, and G. A. Musa, A data mining process
framework for churn management in mobile telecommunication industry
[13]. E. Shaaban, Y. Helmy, A. Khedr, and M. Nasr, A proposed churn prediction
model - International Journal of Engineering Research and Applications
[14]. Georges D. Olle Olle and Shuqin Cai (2014), A Hybrid Churn Prediction Model
in Mobile Telecommunication Industry

[15] Jiliang Tang, Salem Alelyani and Huan Liu (2013), Feature Selection for
Classification: A Review
[16] Huong Xuan Nguyen (2011), Customer Churn Prediction for the Icelandic
Mobile Telephony Market
[17] Clement Kirui, Li Hong, Wilson Cheruiyot and Hillary Kirui (2013), Predicting
Customer Churn in Mobile Telephony IndustryUsing Probabilistic Classifiers in Data
Mining.
[18] Vladislav Lazarov, Marius Capota, Churn Prediction.
[19] Ali Daud, Muhammad Akram Shaikh, and Faqir Muhammad, Pattern Mining in
Telecom Data.
[20] Sen Wu, Naidong Kang, Liu Yang, Fraudulent Behavior Forecast in Telecom
IndustryBased on Data Mining Technology.
[21] J. Burez, D. Van den Poel (2009), Handling class imbalance in customer churn
prediction.
[22]