Nghiên cứu ứng dụng khai phá dữ liệu phân cụm trong phân đoạn khách hàng bán lẻ tại các ngân hàng thương mại việt nam (tt)

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

***
LÊ THỊ HỒNG NHUNG

NGHIÊN CỨU ỨNG DỤNG KHAI PHÁ DỮ LIỆU PHÂN
CỤM TRONG PHÂN ĐOẠN KHÁCH HÀNG BÁN LẺ TẠI
CÁC NHTM VIỆT NAM
Chuyên ngành: Hệ thống thông tin quản lý

TÓM TẮT LUẬN VĂN THẠC SĨ

Hà Nội, Năm 2014


TÓM TẮT LUẬN VĂN
1.

Tính cấp thiết của đề tài
Trong bối cảnh cạnh tranh ngày càng gay gắt, giữa các ngân hàng đang diễn

ra một cuộc chạy đua giành giật thị trường và khách hàng, thì việc hiểu rõ nhu cầu
của khách hàng, phát triển các sản phẩm phù hợp với các đối tượng khách hàng
khác nhau trở nên vô cùng quan trọng, cấp thiết. Tuy nhiên, một loại sản phẩm
đồng nhất không thể thỏa mãn được nhu cầu và sở thích của tất cả khách hàng. Ví
dụ, sản phẩm tiết kiệm phải có nhiều loại kỳ hạn, hình thức mở sổ khác nhau để
đáp ứng được thị hiếu của nhiều đối tượng người tiêu dùng khác nhau. Tuy nhiên,
ngân hàng cũng không thể đáp ứng nhu cầu riêng của từng khách hàng. Vậy nên,
việc phân chia khách hàng thành các nhóm có nhu cầu và thị hiếu gần giống nhau
để thiết kế sản phẩm phù hợp đang là giải pháp được các ngân hàng lựa chọn vận
dụng và triển khai.

Trong lĩnh vực ngân hàng, với việc phân tách khách hàng thành các nhóm
đối tượng và xây dựng đội ngũ nhân viên chuyên biệt, các ngân hàng sẽ chủ động
hơn trong việc nghiên cứu, thiết kế sản phẩm dịch vụ, tăng tính cạnh tranh thông
qua khác biệt hóa.Đồng thời các ngân hàng cũng sẽ linh hoạt hơn trong việc triển
khai phương án kinh doanh trong bối cảnh thị trường còn nhiều biến động khó dự
đoán. Với định hướng này, mỗi ngân hàng đang và sẽ đưa ra những sản phẩm trọn
gói cho từng phân đoạn khách hàng, với những chính sách riêng phù hợp. Ví dụ,
Maritime Bank đang cung cấp các sản phẩm phong phú, phù hợp với nhiều đối
tượng khách hàng như: tài khoản M1 cho khách hàng thường xuyên chuyển tiền
với mức phí ưu đãi, các sản phẩm tiết kiệm với nhiều kỳ hạn và lãi suất linh
hoạt…. Theo ThS. Huỳnh Kim Trí, cán bộ quan hệ khách hàng của Vietin Bank
thì: “Nếu biết xác định tốt phân khúc khách hàng thì 20% khách hàng tốt, tiềm


năng có thể giúp Chi nhánh chiếm lĩnh 80% thị phần, qui mô sản phẩm dịch vụ, tạo
ra 80% qui mô lợi nhuận. Ngược lại, nếu không lường được tác hại của rủi ro tín
dụng sẽ không tránh khỏi tình huống 20% khách hàng vay chất lượng nợ xấu gây
tai họa cho 80% dư nợ ngân hàng”.
Câu hỏi đặt ra cho mỗi ngân hàng là “Làm thế nào để phân đoạn khách một
cách tốt nhất”. Hiện nay, hầu hết các ngân hàng thương mại ở Việt Nam đều được
trang bị các loại phần mềm nghiệp vụ lõi, phần mềm quản trị nhân sự, phần mềm
quản lý quan hệ khách hàng. Tuy nhiên, hoạt động phân đoạn khách hàng lại chưa
có phần mềm chuyên dụng hỗ trợ. Phần lớn hoạt động phân đoạn dựa trên kiến
thức, kinh nghiệm của người làm marketing. Trong khi đó, từ các giao dịch hàng
ngày, khối lượng dữ liệu về khách hàng thu thập được tại các ngân hàng càng ngày
càng lớn và phong phú, nếu có thể khai thác được lượng dữ liệu này sẽ mang lại
những tri thức kinh doanh có ý nghĩa rất lớn. Ví dụ, một phân tích dữ liệu về nhân
khẩu học của khách hàng (tuổi tác, nghề nghiệp, nơi cư trú,...) kết hợp với dữ liệu
về giao dịch của họ (các mặt hàng đã mua, các hợp đồng,...) có thể tiết lộ một vài
nhóm khách hàng mà ngân hàng chưa từng nghĩ đến và có chính sách chăm sóc

phù hợp. Thông tin về các hành vi tiêu biểu của các nhóm khách hàng như vậy có
thể được bộ phận tiếp thị sử dụng để phát triển sản phẩm và dịch vụ chuyên sâu.
Trong các giải pháp công nghệ hỗ trợ kinh doanh hiện nay, khai phá dữ liệu
đang là xu hướng được ưu tiên hàng đầu. Đặc biệt với công tác phân đoạn khách
hàng, phân tích dữ liệu có ý nghĩa rất quan trọng, thì giải pháp khai phá dữ liệu có
thể xem là lựa chọn tốt nhất. Các hãng cung cấp giải pháp công nghệ thông tin
hàng đầu trên thế giới như Microsoft, Oracle, IBM,…đã tham gia xây dựng các
công cụ khai phá dữ liệu, mở ra cơ hội to lớn cho các ngân hàng trong ứng dụng
khai phá dữ liệu hỗ trợ các vấn đề kinh doanh.
Có nhiều kỹ thuật khác nhau được sử trọng trong khai phá dữ liệu, cụ thể
như kỹ thuật khai phá dữ liệu phân lớp và dự đoán, phân tích chuỗi theo thời gian,


phân cụm,…Trong đó kỹ thuật khai phá dữ liệu phân cụm cho phép tự động nhóm
các bản ghi dữ liệu theo các đặc điểm thành các cụm tương tựnhau.Chính vì vậy
phân cụm dữ liệu rất phù hợp để ứng dụng trong bài toán phân đoạn khách hàng.
Xuất phát từ những cơ sở lý luận và thực tiễn trên, tác giả đã lựa chọn hướng
nghiên cứu “Nghiên cứu ứng dụng khai phá dữ liệu phân cụm trong phân đoạn
khách hàng bán lẻ tại các ngân hàng thương mại Việt Nam” cho luận văn thạc sỹ
chuyên ngành Hệ thống thông tin quản lý của mình. Do hạn chế về thời gian và
khả năng, trong luận văn tác giả chỉ chạy thử nghiệm trên số liệu của ngân hàng
SHB.
2.

Kết cấu của luận văn
Ngoài phần mở đầu, kết luận và danh mục tài liệu tham khảo, luận văn được

kết cấu thành 3 chương:
Chương 1:Tổng quan về hoạt động phân đoạn khách hàng tại các NHTM
Việt Nam.

Trong chương 1, tác giả trình bày tổng quan về phân đoạn khách hàng nói
chung và phân đoạn khách hàng ngân hàng nói riêng. Trong chương này, tác giả
cũng trình bày về thực trạng và các vấn đề gặp phải trong hoạt động phân đoạn
khách hàng tại các NHTM Việt Nam hiện nay. Cuối cùng, tác giả trình bày về khả
năng áp dụng giải pháp phân đoạn khách hàng bằng kỹ thuật khai phá dữ liệu phân
cụm tại các NHTM Việt Nam thông qua phân tích SWOT.
Chương 2: Kỹ thuật khai phá dữ liệu phân cụm và thuật toán phân cụm Kmeans.
Trong chương 2, tác giả trình bày về quy trình khai phá tri thức nói chung,
trong đó khai phá dữ liệu được coi là một tiến trình con của. Nội dung chương 2
cũng giới thiệu tổng quan về một số phương pháp khai phá dữ liệu như cây quyết
định, luật kết hợp, phân lớp, phân cụm,…và khả năng ứng dụng của các phương
pháp này trong các lĩnh vực. Cũng trong chương này,tác giả trình bày tổng quan về


phương pháp phân cụm và thuật toán phân cụm K-means. Cuối cùng, tác giả trình
bày lý do lựa chọn phương pháp phân cụm K-Means để phân đoạn khách hàng.
Chương 3: Ứng dụng khai phá dữ liệu phân cụm trong phân đoạn khách
hàng bán lẻ tại các NHTM Việt Nam
Trong chương 3, tác giả trình bày về bài toán phân đoạn khách hàng bán lẻ
tại các NHTM Việt Nam và quy trình khai phá dữ liệu nói chung và khai phá dữ
liệu phân cụm trong bài toán phân đoạn khách hàng nói riêng. Cũng trong chương
này, tác giả giới thiệu công cụ khai phá dữ liệu BIDS của Microsoft và ứng dụng
công cụ này trên một bộ dữ liệu thử nghiệm. Cơ sở dữ liệu thử nghiệm gồm 600
bản ghi, 13 thuộc tính mô tả đặc điểm nhân khẩu học, địa lý và sản phẩm, dịch vụ
sử dụng của khách hàng ngân hàng SHB. Cuối chương, tác giả đưa ra một số
khuyến nghị về việc áp dụng kết quả phân đoạn khách hàng bán lẻ bằng thuật toán
phân cụm K-means.
3.

Phần kết luận

Qua hai năm học tập, tìm tòi, nghiên cứu, đặc biệt là trong khoảng thời gian

làm luận văn, tác giả đã hoàn thiện luận văn với các mục tiêu đặt ra ban đầu. Cụ
thể luận văn đã đạt được những kết quả sau:
- Trình bày các kiến thức cơ bản về khai phá tri thức và khai phá dữ liệu.
- Giới thiệu phương pháp khai phá dữ liệu phân cụm, trình bày thuật toán
phân cụm K-means.
- Cài đặt và chạy thử nghiệm thuật toán K-means bằng công cụ BIDS của
Microsoft trên bộ dữ liệu ngân hàng gồm 600 bản ghi và 13 thuộc tính.
- Đánh giá độ chính xác của mô hình và đưa ra kết luận, khuyến nghị về
việc áp dụng kết quả khai phá dữ liệu
Hướng phát triển trong tương lai của đề tài:
- Tiếp tục nghiên cứu các thuật toán khai phá dữ liệu phân cụm khác như
thuật toán EM, … để so sánh được hiệu quả của các thuật toán này khi áp
dụng vào mô hình phân đoạn khách hàng.


- Tiếp tục nghiên cứu các công cụ khai phá dữ liệu khác như Oracle Data
Mining, IBM InfoSphere, … và so sánh ưu điểm và nhược điểm của các
công cụ này.
- Bổ sung thêm dữ liệu tập huấn để mô hình phân cụm có độ tin cậy cao
hơn và hoạt động hiệu quả hơn.
- Tìm hiểu nhu cầu thực tế, từ đó cải tiến chương trình, cài đặt lại bài toán
theo các thuật toán đã nghiên cứu để làm việc tốt hơn với các cơ sở dữ
liệu lớn.
Tác giả rất mong nhận được sự quan tâm giúp đỡ và chỉ bảo của thầy cô
cùng với sự đóng góp ý kiến của bạn bè để luận văn được hoàn thiện. Cuối cùng,
tác giả xin cảm ơn sự góp ý tận tình của cô giáo PGS.TS. Trần Thị Song Minh đã
giúp đỡ để hoàn thành luận văn này.