hệ thống hỗ trợ quyết định đầu tư vào doanh nghiệp

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
VIỆN TOÁN ỨNG DỤNG VÀ TIN HỌC

BÁO CÁO HỆ HỖ TRỢ QUYẾT ĐỊNH
HỆ THỐNG HỖ TRỢ QUYẾT ĐỊNH ĐẦU TƯ VÀO
DOANH NGHIỆP

Giảng viên hướng dẫn: TS Lê Chí Ngọc
Sinh viên thực hiện:
Lớp: Toán tin 02 – K62

HÀ NỘI – 2020


MỤC LỤC

2
2


MỞ ĐẦU
Ngày nay, trong thời đại của cuộc cách mạng công nghiệp 4.0, những phần mềm
sử dụng trí tuệ nhân tạo đang trở thành một phần không thể thiếu trong phát
triển kinh tế, xã hội. Rất nhiều cơ quan, doanh nghiệp có nhu cầu sử dụng
những phần mềm ứng dụng Trí tuệ nhân tạo cũng như học máy (tiếng
Anh: machine learning). Học máy là một lĩnh vực của trí tuệ nhân tạo liên quan
đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự
động từ dữ liệu để giải quyết những vấn đề cụ thể.
Có thể kể đến rất nhiều lĩnh vực mà chúng ta có thể áp dụng Machine Learning,
trong đó có thể kể đến hỗ trợ quyết định đầu tư vào doanh nghiệp. Việc lựa chọn
doanh nghiếp để đầu tư là cực kì khó khăn. Nếu đưa ra các quyết định không

đúng đắn có thể dẫn đến nhứng thương vụ thất bại hay thậm chí là những
khoảng nợ khổng lồ. Nếu có thể dự đoán về doanh số các doanh nghiệp trong
thời gian tới thì việc đưa ra quyết định về đầu tư sẽ có lợi ích rất lớn cho công
ty. Với dữ liệu về doanh số bán hàng trong năm, tổng khối tài sản,.. cũng như
các dữ liệu phụ khác, mục tiêu đặt ra là làm thế nào để có thể dự đoán được
doanh số sắp tới của các doanh nghiệp gọi vốn để có thể giúp cho nhà quản lý
có một cái nhìn tổng quát hơn và dễ dàng đưa ra các quyết định đúng đắn, qua
đó giúp đạt lợi nhuận tốt hơn và không thừa thãi phung phí tài nguyên. Dựa trên
nhu cầu đó, ta cần xây dựng một chương trình nhằm hỗ trợ về phân tích dữ liệu
doanh nghiệp cũng như là dự đoán dành cho người sử dụng chính là nhà quản
lý.

3
3


I. Khảo sát hệ thống
1.1 Tổng quan về dữ liệu
Hàng năm trang Forbes.com đưa ra danh sách top 2000 doanh nghiệp trên thế
giới. Các công ty này được xếp hạng dựa trên nhiều tiêu chí khác nhau có thể kể
đến như quy mô doanh nghiệp, giá trị thị trường, doanh số bán hàng, lợi nhuận,
…
Bộ dữ liệu trong báo cáo này là dữ liệu dạng bảng. Dữ liệu được lấy được lấy từ
thông tin của top 2000 doanh nghiệp trong bảng xếp hạng của Forbes trong 3
năm 2013 – 2015 – 2017. Các thuộc tính được đề cập tới trong dữ liệu này bao
gồm:
• Rank (Thứ hạng): Vị trí xếp hạng của doanh nghiệp trong năm tương ứng
• Company (Công ty): Tên công ty
• Country (Quốc gia): Quốc gia nơi công ty này đặt trụ sở
• Sales (Bán hàng): Doanh số bán hàng của công ty

• Market Values (Giá trị thị trường): Giá trị thị trường của công ty tính đến
thời điểm đang xét
• Profit (Lợi nhuận): Lợi nhuận của công ty trong năm
• Assets (Tài sản): Tổng giá trị khối tài sản của công ty
• Sector (Khu vực): Lĩnh vực kinh doanh của công ty (VD: Tài chính,
Công nghệ,…)
Trong đó các trường Sales, Market Values, Profit, Assets chứa dữ liệu dạng số,
các trường còn lại là dữ liệu dạng chuỗi. Trường Profits có dữ liệu bị thiếu.
1.2 Vấn đề bù dữ liệu thiếu
Một số dữ liệu ở trường Profits bị thiếu (được đánh dấu là #FIELD! Như hình
dưới đây).
Giải pháp: Sử dụng hồi quy tuyến tính (Linear Regression), dựa vào dữ liệu ở 3
trường Sales, Market Values và Assets để bù dữ liệu
1.3 Vấn đề xử lí dữ liệu dạng phân loại (categorical)
Trong bộ dữ liệu có trường Country và Sector là ở dạng categorical. Ta sẽ sử
dụng one-hot-encoding (tạo n trường mới tương ứng với n giá trị của trường: isAutralia, is-United State, is-Industry, …) để xử lí các trường này

4
4


Hình 1: Dữ liệu

1.4 Quy trình hoạt động
Khách hàng hướng đến là các công ty tư vấn đầu tư. Đầu vào là các báo cáo tài
chính và số liệu thu thập được về doanh nghiệp. Sau khi dữ liệu được nhập vào,
mô hình (đã được luyện từ trước) sẽ tiến hành dự đoán lợi nhuận của doanh
nghiệp để tư vẫn đầu tư

Hình 2: Quy trình hoạt động kì vọng

5
5


1.5 Giải pháp và thuật toán
Giải pháp được sử dụng trong báo cáo này là học có giám sát trên bộ dữ liệu của
Forbes.
Học có giám sát là một kĩ thuật của ngành học máy để xây dựng một hàm từ dữ
liệu huấn luyện. Dữ liệu huấn luyện bao gồm các cặp gồm đối tượng đầu vào và
đầu ra mong muốn. Đầu ra của một hàm có thể là một giá trị liên tục (hồi qui),
hay có thể là dự đoán một nhãn phân loại cho một đối tượng đầu vào (phân
loại). Nhiệm vụ của chương trình học có giám sát là dự đoán giá trị của hàm cho
một đối tượng bất kì là đầu vào hợp lệ, sau khi đã xem xét một số ví dụ huấn
luyện. Để đạt được điều này, chương trình học phải tổng quát hóa từ các dữ liệu
sẵn có để dự đoán được những tình huống chưa gặp phải theo một cách "hợp
lý".
Để có thể hồi quy giá trị doanh thu của doanh nghiệp từ dữ liệu đầu vào, ta sử
dụng thuật toán Random Forest hồi quy (Regression Forest).
Random Forest là thuật toán dựa vào tập hợp của hàng trăm weak learner, ở đây
là các Decision Tree, trong đó mỗi Decision Tree được tạo nên ngẫu nhiên từ
việc tái chọn mẫu (chọn random 1 phần của data để xây dựng) và random các
biến từ toàn bộ các biến trong trong data. Dự đoán cuối cùng của mô hình sẽ là
trung bình của các dự đoán của các cây

Hình 3: Kết quả dự đoán với bộ dữ liệu năm 2013

6
6

II. Đặc tả yêu cầu phần mềm
Những yêu cầu phần mềm hệ hỗ trợ quyết định đầu tư vào doanh nghiệp được
đậc tả dưới đây được chia làm 2 nhóm:
• Yêu cầu chức năng
• Yêu cầu phi chức năng
2.1 Yêu cầu chức năng
2.1.1 Biểu đồ use-case
Chương trình hướng đến tác nhân (actor) là nhà quản lí

Hình 4: Mô hình use-case mô tả nghiệp vụ

2.1.2 Chức năng đăng nhập
Mô tả: Nhà quản lí sử dụng tài khoản đã được cung cấp và nhập userID và
password để đăng nhập vào hệ thống.
Flow work:
• Hệ thống yêu cầu nhập userID và Password
• Kiểm tra userID và Password người dùng đã nhập. Nếu đúng, đưa người
dùng vào hệ thống. Nếu kiểm tra thất bại, hiển thị form yêu cầu nhập lại
2.1.3 Chức năng nhập thông tin doanh nghiệp có thể đầu tư
Mô tả: Nhà quản lí lựa chọn doanh nghiệp đang gọi vốn và nhập vào thông tin
về công ty đó.
Flow work:
7
7


Nhà quản lí đưa thông tin doanh nghiệp cần đầu tư (thông tin có thể do bộ
phận khảo sát đưa lên hoặc do chính doanh nghiệp đó cung cấp) vào hệ
thống

• Thông tin được đưa vào cơ sở dữ liệu các công ty. Nếu tên công ty đã tồn
tại, thông báo trùng dữ liệu. Nếu không, thông báo nhập dữ liệu thành
công
•

2.1.4 Chức năng chạy phân tích, dự báo
Mô tả: Chức năng chính của chương trình, hỗ trợ đưa ra quyết định đầu tư vào
doanh nghiệp
Flow word:
• Mô hình đã được luyện từ trước bằng bộ dữ liệu của Forbes theo thuật
toán Random Forest
• Nhà quản lí chọn doanh nghiệp để tiến hành dự đoán
• Hệ thống hiển thị kết quả dự đoán của mô hình cho nhà quản lí để hỗ trợ
quyết định có đầu tư vào doanh nghiệp đó hay không
2.2 Yêu cầu phi chức năng
Độ chính xác chấp nhận được: Mô hình đưa ra dự đoán tốt về doanh thu
của doanh nghiệp dựa vào dữ liệu được đưa vào
• Bảo mật: Bảo đảm tính bảo mật của thông tin tài khoản của nhà đầu tư
cũng như thông tin về các doanh nghiệp mà nhà đầu tư đưa lên hệ thống
• Đa nền tảng: Hệ thống được phát triển trên nền tảng web, có thể dễ dàng
tiếp cận
• Thân thiện: Người dùng không có nhiều hiểu biết về CNTT cũng có thể
dễ dàng sử dụng và khai thác tài nguyên hệ thống
•

8
8


III. Phân tích hệ thống

3.1 Biểu đồ tuần tự các chức năng
3.1.1 Chức năng đăng nhập

Hình 5: Biểu đồ tuần tự của chức năng đăng nhập

9
9


3.1.2 Chức năng nhập thông tin doanh nghiệp

Hình 6: Biểu đồ tuần tự chức năng nhập thông tin doanh nghiệp

3.1.3 Chức năng chạy phân tích, dự báo

10
10


Hình 7: Biểu đồ tuần tự chức năng chạy phân tích dự báo

3.2 Biểu đồ luồng dữ liệu

11
11


3.3 Sơ đồ hệ thống

12

12


3.4 Các framework được sử dụng
•
•
•
•
•

HTML
CSS
JavaScript
Python
Flask

3.5 Một số hình ảnh của sản phẩm

13
13


14
14


15
15

16
16