(Luận văn thạc sĩ) nghiên cứu và ứng dụng các phương pháp học máy nhằm tăng cường hiệu quả các dịch vụ giá trị gia tăng của mạng di động beeline

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

TRỊNH VIỆT LONG

NGHIÊN CỨU VÀ ỨNG DỤNG CÁC PHƯƠNG PHÁP HỌC
MÁY NHẰM TĂNG CƯỜNG HIỆU QUẢ CÁC DỊCH VỤ GIÁ TRỊ
GIA TĂNG CỦA MẠNG DI ĐỘNG BEELINE

LUẬN VĂN THẠC SỸ

Ngành: Công nghệ thông tin

HÀ NỘI - 2011


MỞ ĐẦU
1. Đặt vấn đề
Sau quãng thời gian phát triển nóng, số th bao dịch vụ viễn thơng di động khơng
ngừng tăng với tốc độ chóng mặt, hiện tại thị trường viễn thơng Việt Nam đã tiệm cận
ngưỡng bão hịa. Điều đó khiến cho cuộc chiến chiếm thị phần ngày càng khốc liệt, biến
viễn thông thành một trong những thị trường có mức độ cạnh tranh cao nhất tại Việt Nam.
Các mạng viễn thông đều không ngừng tăng cường vùng phủ sóng, nâng cao chất lượng
mạng và liên tục đưa ra các gói cước hấp dẫn cùng các chương trình khuyến mãi lớn,
song hành với các chiến dịch tiếp thị và quảng cáo rầm rộ.
Với việc giá cước cuộc gọi ngày càng giảm sâu, đặc biệt là với mạng viễn thông
mới thâm nhập thị trường Việt Nam như Beeline, các dịch vụ giá trị gia tăng (Value
Added Serivces – VAS) ngày càng đóng vai trị quan trọng hơn trong việc thúc đẩy doanh
thu cho các mạng viễn thông.
Ngày nay, việc lưu trữ, xử lý dữ liệu để tổng hợp thông tin, hỗ trợ ra quyết định đã
trở nên phổ biến đối với nhiều tổ chức sản xuất, kinh doanh. Có nhiều phương pháp để

đáp ứng yêu cầu này, trong đó Business Intelligence (BI - Giải pháp quản trị doanh
nghiệp thông minh) là một giải pháp tiêu biểu, được nhiều tổ chức lựa chọn.

2. Mục tiêu của nghiên cứu
Nghiên cứu của luận văn hướng tới các mục tiêu sau:
- Tìm hiểu về kho dữ liệu, hệ thống xử lý phân tích trực tuyến và bộ công cụ
Business Intelligence.
- Ứng dụng tăng cường hiệu quả hoạt động kinh doanh các dịch vụ giá trị gia tăng
của mạng di động Beeline.

3. Cấu trúc của luận văn
Luận văn được chia thành 5 phần với các nội dung như sau:
Chƣơng I trình bày về kho dữ liệu và hệ quản trị cơ sở dữ liệu mã nguồn mở
MySQL
Chƣơng II giới thiệu về phương pháp khai phá dữ liệu, sau đó trình bày chi tiết về
hai phương pháp khai phá dữ liệu phổ biến là Cây quyết định và Phát hiện các luật kết
hợp.


Chƣơng III giới thiệu về bộ công cụ Business Intelligence, các khái niệm và các
kỹ thuật chính.
Chƣơng IV ứng dụng Business Intelligence vào tăng cường hiệu quả các dịch vụ
giá trị gia tăng của Beeline.
Phần kết luận tổng kết những kết quả đạt được của luận văn và hướng nghiên cứu
tiếp theo.


Danh sách các hình
Hình 1 – Cấu trúc hệ thống kho dữ liệu ... ............................... ............................. 3
Hình 2 – Dịng dữ liệu trong kho dữ liệu. ............................... ............................. 4

Hình 3 - Ứng dụng kho dữ liệu trong Business Intelligence .... ............................. 5
Hình 4 – Ví dụ về cây quyết định . .......... ............................... ............................. 9
Hình 5 – Thành phần của hệ Business Intelligence ................. ............................12
Hình 6 – Cấu trúc của Pentaho Business Intelligence .............. ............................19
Hình 7 – Dữ liệu mệnh giá nạp thẻ trung bình ......................... ............................26
Hình 8 – Dữ liệu ARPU của các dịch vụ giá trị gia tăng ......... ............................27
Hình 9 – Mơ hình kho dữ liệu ................. ............................... ............................28
Hình 10 – Spoon workspace ................... ............................... ............................29
Hình 11 – Spoon nhập dữ liệu ................. ............................... ............................29
Hình 12 – Combination Lookup/Update . ............................... ............................30
Hình 13 – Thay đổi thuộc tính ................ ............................... ............................31
Hình 14 – Kết nối cơ sở dữ liệu .............. ............................... ............................31
Hình 15 – Tạo bảng Dim_time ................ ............................... ............................32
Hình 16 – Tạo bảng dim_factor .............. ............................... ............................33
Hình 17 – Tạo Table Output ................... ............................... ............................33
Hình 18 – Tạo bảng fact_price ................ ............................... ............................34
Hình 19 – Nhập dữ liệu........................... ............................... ............................34
Hình 20 – Kết nối cơ sở dữ liệu .............. ............................... ............................35
Hình 21 – Kiến trúc Cube ....................... ............................... ............................35
Hình 22 – Repository Login .................... ............................... ............................36
Hình 23 – Kết nối cơ sở dữ liệu .............. ............................... ............................37


Hình 24 –Khung làm việc Pentaho .......... ............................... ............................37
Hình 25 – Chọn schema và cube ............. ............................... ............................38
Hình 26 – Dữ liệu schema và cube .......... ............................... ............................38
Hình 27 – Nội dung phân tích ................. ............................... ............................39
Hình 28 – Chọn Measures....................... ............................... ............................39
Hình 29 – Chọn factor ............................ ............................... ............................39
Hình 30 – Chọn loại biểu đồ ................... ............................... ............................40

Hình 31 – Biểu đồ mệnh giá nạp thẻ ....... ............................... ............................40
Hình 32 – Biểu đồ ARPU ....................... ............................... ............................41
Hình 33 – Biểu đồ mệnh giá nạp thẻ và ARPU ....................... ............................41


Bảng từ khóa

OLAP

Online Analysis Processing

MOLAP

Multidimensional Online Analysis Processing

ROLAP

Relational Online Analysis Processing

HOLAP

Hybird Online Analysis Processing

BI

Business Intelligence

ARPU

Average Revenue Per User

Mục lục
MỞ ĐẦU ................................................................................................................. 5
1. Đặt vấn đề ........................................................................................................ 5
2. Mục tiêu của nghiên cứu ................................................................................... 5
3. Cấu trúc của luận văn ....................................................................................... 5
Chƣơng 1: KHO DỮ LIỆU VÀ HỆ QUẢN TRỊ CƠ SỞ DỮ LIỆU MYSQL ..... 1
1.1.

Kho dữ liệu ................................................................................................ 1

1.1.1. Khái niệm kho dữ liệu .......................................................................... 1
1.1.2. Các đặc tính của kho dữ liệu ................................................................. 2
1.1.3. Cấu trúc hệ thống kho dữ liệu ............................................................... 3
1.1.4. Dòng dữ liệu trong kho dữ liệu ............................................................. 4
1.1.5. Ứng dụng của kho dữ liệu ..................................................................... 5
1.2.

Hệ quản trị cơ sở dữ liệu MySQL .............................................................. 6

1.2.1. Giới thiệu MySQL ................................................................................ 6
1.2.2. Ưu điểm và nhược điểm của MySQL ................................................... 7
Chƣơng 2 : PHƢƠNG PHÁP KHAI PHÁ DỮ LIỆU ........................................... 8
2.1.

Khái niệm khai phá dữ liệu ........................................................................ 8

2.2.

Các thành phần của giải thuật khai phá dữ liệu........................................... 8

2.3.

Cây quyết định ........................................................................................... 9

2.4.

Phát hiện các luật kết hợp ........................................................................ 11

Chƣơng 3 : BỘ CÔNG CỤ BUSINESS INTELLIGENCE ................................ 13
3.1.

Business Intelligence ............................................................................... 13

3.1.1. Khái niệm Business Intelligence ......................................................... 13


3.1.2. Các thành phần chính của hệ Business Intelligence............................. 13
3.1.3. Lợi ích của Business Intelligence đối với doanh nghiệp ...................... 14
3.1.4. Các công cụ Business Intelligence ...................................................... 15
3.1.5. Kết hợp Business Intelligence và MySQL .......................................... 16
3.2.

Kỹ thuật OLAP ........................................................................................ 17

3.2.1. Khái niệm OLAP ................................................................................ 17
3.2.2. Các thành phần trong hệ thống OLAP ................................................ 18
3.3.

Pentaho – Business Intelligence Server .................................................... 19

3.3.1. Tổng quan về Pentaho ........................................................................ 19
3.3.2. Khả năng và lợi ích của Pentaho ......................................................... 20
3.4.

Mondrian – OLAP Server ........................................................................ 23

3.4.1. Mondrian ............................................................................................ 23
3.4.2. Schema Workbench ............................................................................ 23
3.5.

Weka – Khai phá dữ liệu.......................................................................... 24

Chƣơng 4 : ỨNG DỤNG BUSINESS INTELLIGENCE ................................... 25
4.1.

Tạo báo cáo sử dụng công cụ BI .............................................................. 25

4.1.1.

Giới thiệu bài toán ................................................................................ 25

4.1.2.

Thu thập,xử lý dữ liệu .......................................................................... 25

4.2.

Tạo data warehouse ................................................................................. 27

4.3.

Xử lý dữ liệu bằng kỹ thuật OLAP ........................................................... 34

4.3.1. Tạo cube ............................................................................................. 34
4.3.2. Analysis View .................................................................................... 36
KẾT LUẬN ........................................................................................................... 42


Chương 1 – Kho dữ liệu và hệ quản trị cơ sở dữ liệu MySQL

Chƣơng 1: KHO DỮ LIỆU VÀ HỆ QUẢN TRỊ CƠ
SỞ DỮ LIỆU MYSQL
1.1. Kho dữ liệu
1.1.1.

Khái niệm kho dữ liệu

Data warehouse - kho dữ liệu là 1 tập hợp thông tin cơ bản trên máy vi tính mà
chúng có tính quyết định đến việc thực hiện thành công bước đầu trong công việc kinh
doanh.
Theo William Inmon [12], kho dữ liệu là một bộ dữ liệu có các đặc tính: hướng chủ
đề, có tính tích hợp, ổn định, dữ liệu gắn với thời gian, thường được sử dụng trong các hệ
thống hỗ trợ quyết định.
Một kho dữ liệu, gọi một cách chính xác hơn là kho thơng tin (information
warehouse), là một cơ sở dữ liệu hướng đối tượng được thiết kế với việc tiếp cận các ý
kiến trong mọi lĩnh vực kinh doanh. Nó cung cấp các công cụ để đáp ứng thông tin cần
thiết cho các nhà quản trị kinh doanh tại mọi cấp độ tổ chức - không những chỉ là những
yêu cầu dữ liệu phức hợp, mà còn là điều kiện thuận tiện nhất để đạt được việc lấy thơng

tin nhanh, chính xác. Một kho dữ liệu được thiết kế để người sử dụng có thể nhận ra
thơng tin mà họ muốn có và truy cập đến bằng những công cụ đơn giản.
Một kho dữ liệu là một sự pha trộn của nhiều công nghệ, bao gồm các cơ sở dữ liệu
đa chiều và mối quan hệ giữa chúng, kiến trúc chủ khách, giao diện người dùng đồ họa và
nhiều nữa. Dữ liệu trong kho dữ liệu không giống dữ liệu của hệ điều hành là loại chỉ có
thể đọc nhưng khơng chỉnh sửa được. Hệ điều hành tạo ra, chỉnh sửa và xóa những dữ
liệu sản xuất mà những dữ liệu này cung cấp cho kho dữ liệu. Nguyên nhân chính cho sự
phát triển một kho dữ liệu là hoạt động tích hợp dữ liệu từ nhiền nguồn khác nhau vào
một kho dữ liệu đơn lẻ và dày đặc mà kho này cung cấp cho việc phân tích và ra quyết
định trong cơng việc kinh doanh.
Kho dữ liệu thường bao gồm:

1


Chương 1 – Kho dữ liệu và hệ quản trị cơ sở dữ liệu MySQL

-

Một hoặc nhiều công cụ để chiết xuất dữ liệu từ các dạng cấu trúc dữ liệu khác
nhau.

-

Cơ sở dữ liệu tích hợp hướng chủ đề, ổn định được tổng hợp thông qua việc lập
các bảng dữ liệu.

Một kho dữ liệu có thể được coi là một hệ thống thơng tin với những thuộc tính sau:
• Là một cơ sở dữ liệu được thiết kế dành cho nhiệm vụ phân tích, sử dụng các dữ liệu
từ các ứng dụng khác nhau.

• Hỗ trợ cho một số người dùng có liên quan, có sử dụng tới các thơng tin liên quan.
• Nội dung được cập nhật thường xun, chủ yếu theo hình thức bổ sung thơng tin.
• Chứa các dữ liệu trong lịch sử và hiện tại nhằm cung cấp các xu hướng thơng tin.
• Chứa các bảng dữ liệu có kích thước lớn.
• Một câu hỏi thường trả về một tập kết quả liên quan đến tồn bộ bảng và các liên kết
nhiều bảng.

1.1.2.

Các đặc tính của kho dữ liệu

Hƣớng chủ đề : Kho dữ liệu có thể chứa lượng dữ liệu lên tới hàng trăm Gigabyte,
được tổ chức theo những chủ đề chính. Kho dữ liệu không chú trọng vào giao tác và việc
xử lý giao tác. Thay vào đó, kho dữ liệu tập trung vào việc mơ hình hóa, phân tích dữ liệu
nhằm hỗ trợ cho nhà quản lý ra quyết định. Do đó, các kho dữ liệu thường cung cấp một
khung nhìn tương đối đơn giản bằng cách loại bớt những dữ liệu khơng cần thiết trong
q trình ra quyết định.
Tính tích hợp : Kho dữ liệu thường được xây dựng bằng cách tổng hợp dữ liệu từ
nhiều nguồn khác nhau, ví dụ các cơ sở dữ liệu, những bản ghi giao tác trực tuyến hoặc
thậm chí là từ những file dữ liệu độc lập. Những dữ liệu này tiếp tục được làm sạch,
chuẩn hóa để đảm bảo sự nhất quán, sau đó đưa vào kho dữ liệu.
Ổn định : Dữ liệu trong kho dữ liệu thường được lưu trữ lâu dài, ít bị sửa đổi, chủ
yếu dùng cho việc truy xuất thông tin nên có độ ổn định cao. Hai thao tác chủ yếu tác
động tới kho dữ liệu là : nhập dữ liệu vào và truy xuất.
2


Chương 1 – Kho dữ liệu và hệ quản trị cơ sở dữ liệu MySQL

Dữ liệu gắn với thời gian : Do có tính ổn định, kho dữ liệu thường lưu trữ dữ liệu

của hệ thống trong khoảng thời gian dài, cung cấp đủ số liệu cho các mơ hình nghiệp vụ,
dự báo, khảo sát những chỉ tiêu cần quan tâm.

1.1.3.

Cấu trúc hệ thống kho dữ liệu

Hệ thống kho dữ liệu thường bao gồm 3 tầng như trong hình 1:
Tầng đáy: là nơi lấy dữ liệu từ nhiều nguồn khác nhau sau đó làm sạch, chuẩn hóa,
lưu trữ tập trung.
Tầng giữa: thực hiện các thao tác với kho dữ liệu thơng qua dịch vụ OLAP (OLAP
server). Có thể cài đặt bằng Relational OLAP, Multidimensional OLAP hay kết hợp cả
hai mô hình trên thành mơ hình Hybrid OLAP.
Tầng trên: thực hiện việc truy vấn, khai phá thông tin.

3


Chương 1 – Kho dữ liệu và hệ quản trị cơ sở dữ liệu MySQL

Hình 1 – Cấu trúc hệ thống kho dữ liệu [6].

1.1.4.

Dòng dữ liệu trong kho dữ liệu

Do kho dữ liệu chứa lượng dữ liệu lớn, đồng thời hạn chế thao tác sửa đổi nên rất
thích hợp cho việc phân tích dài hạn và báo cáo. Các thao tác với dữ liệu của kho dữ liệu
chủ yếu dựa trên cơ sở là Mơ hình dữ liệu đa chiều (multidimensional data model),
thường áp dụng cho các khối dữ liệu (data cube). Khối dữ liệu là trung tâm của vấn đề cần

phân tích, bao gồm một hay nhiều tập dữ kiện (fact) và các dữ kiện được tạo ra từ nhiều
chiều (dimension) dữ kiện khác nhau.

4


Chương 1 – Kho dữ liệu và hệ quản trị cơ sở dữ liệu MySQL

Hình 2 – Dịng dữ liệu trong kho dữ liệu [5].

1.1.5.

Ứng dụng của kho dữ liệu

Kho dữ liệu được đưa vào ba mảng ứng dụng chính.
Theo như cách khai thác truyền thống đối với cơ sở dữ liệu, kho dữ liệu được sử
dụng để khai thác thông tin bằng các công cụ thực hiện truy vấn và báo cáo. Nhờ việc dữ
liệu thô đã được chuyển sang thành các dữ liệu ổn định, có chất lượng nên kho dữ liệu đã
giúp nâng cao kỹ thuật biểu diễn thông tin truyền thống. Dữ liệu đầu vào của các kỹ thuật
này được đặt vào một nguồn duy nhất, giúp loại bỏ nhiều lỗi sinh ra do phải thu thập và
biểu diễn thông tin từ nhiều nguồn khác nhau đồng thời giảm bớt sự chậm trễ do phải lấy
dữ liệu từ những phân đoạn khác nhau, tránh cho người dùng phải viết những truy vấn
SQL quá phức tạp.
Với cách thứ hai, các kho dữ liệu được sử dụng để hỗ trợ cho phân tích trực tuyến
(OLAP). Trong khi ngơn ngữ SQL và các công cụ xây dựng báo cáo truyền thống chỉ có
thể mơ tả những gì có trong cơ sở dữ liệu thì phân tích trực tuyến có khả năng phân tích
dữ liệu, xác định xem giả thuyết đúng hay sai. Tuy nhiên, phân tích trực tuyến lại khơng
có khả năng đưa ra được các giả thuyết. Ngồi ra, sử dụng OLAP cịn giúp phân tích tổng
hợp dữ liệu, đưa ra kết quả bằng các báo cáo hoặc bảng biểu trực quan.
5

Chương 1 – Kho dữ liệu và hệ quản trị cơ sở dữ liệu MySQL

Cách thứ ba để khai thác kho dữ liệu là dựa trên các kỹ thuật khai phá dữ liệu. Đây
là một phương pháp mới, đáp ứng được cả những yêu cầu trong nghiên cứu khoa học
cũng như yêu cầu trong thực tiễn. Các kết quả thu được mang nhiều tính dự báo, dự đốn,
dùng trong việc xây dựng kế hoạch, chiến lược.
Các lĩnh vực hiện tại áp dụng kho dữ liệu
-

Thương mại điện tử.

-

Kế hoạch hoá nguồn lực doanh nghiệp (ERP - Enterprise Resource Planning).

-

Quản lý quan hệ khách hàng (CRM - Customer Relationship Management)

-

Chăm sóc sức khỏe.

-

Viễn thơng.

Hình 3 - Ứng dụng kho dữ liệu trong Business Intelligence [5].

1.2. Hệ quản trị cơ sở dữ liệu MySQL
1.2.1.

Giới thiệu MySQL

MySQL là hệ quản trị cơ sở dữ liệu mã nguồn mở phổ biến nhất thế giới và được
các nhà phát triển ứng dụng rất ưa chuộng. MySQL có tốc độ cao, ổn định và dễ sử dụng,
6


Chương 1 – Kho dữ liệu và hệ quản trị cơ sở dữ liệu MySQL

có tính khả chuyển, hoạt động trên nhiều hệ điều hành, cung cấp một hệ thống lớn các
hàm tiện ích mạnh.Với tốc độ và tính bảo mật cao, MySQL rất thích hợp cho các ứng
dụng có truy cập cơ sở dữ liệu thông qua Internet. Ta có thể tải MySQL qua Internet, có
nhiều phiên bản cho các hệ điều hành khác nhau: phiên bản Win32 cho các hệ điều hành
dòng Windows, Linux, Mac OS X, Unix, FreeBSD, NetBSD, Novell NetWare, SGI Irix,
Solaris, SunOS. MySQL là một trong những ví dụ rất cơ bản về hệ quản trị cơ sở dữ liệu
quan hệ sử dụng ngôn ngữ truy vấn có cấu trúc (SQL).

1.2.2.

Ƣu điểm và nhƣợc điểm của MySQL

Hệ quản trị cơ sở dữ liệu MySQL có những ƣu điểm nổi bật :
+ MySQL là hệ quản trị cơ sở dữ liệu có tốc độ nhanh, đáng tin cậy, có thể hoạt
động trên nhiều hệ thống.
+ MySQL là hệ quản trị cơ sở dữ liệu mã nguồn mở miễn phí, kích thước nhỏ.
+ Nhờ đội ngũ phát triển năng động, tích cực, các phiên bản MySQL ngày càng

hoản thiện, bổ sung nhiều chức năng mới.
Tuy nhiên, MySQL vẫn còn một số hạn chế nhất định :
+ MySQL hoạt động tốt đối với những cơ sở dữ liệu vừa và nhỏ nhưng chưa hỗ trợ
tốt cho các cơ sở dữ liệu có kích thước rất lớn.
+ Trong các phiên bản trước phiên bản 5.0, MySQL không hỗ trợ ROLE, COMMIT
và Stored procedure.
+ Các giao tác (transaction) khi xử lý vẫn cịn gặp sai sót.

7


Chương 2 – Phương pháp khai phá dữ liệu

Chƣơng 2 : PHƢƠNG PHÁP KHAI PHÁ DỮ LIỆU
2.1. Khái niệm khai phá dữ liệu
Theo Frawley, Piatetski-Shapiro và Matheus [2] : Khai phá dữ liệu là một bước
trong quá trình Phát hiện tri thức trong cơ sở dữ liệu, thi hành một thuật tốn khai phá dữ
liệu để tìm ra các mẫu từ dữ liệu theo khn dạng thích hợp.
Về bản chất, khai phá dữ liệu liên quan đến việc phân tích các dữ liệu và sử dụng
các kỹ thuật để tìm ra các mẫu hình có tính chính quy trong tập dữ liệu.

2.2. Các thành phần của giải thuật khai phá dữ liệu
Giải thuật khai phá dữ liệu bao gồm 3 thành phần chính như sau: biểu diễn mơ
hình, đánh giá mơ hình, tìm kiếm mơ hình.
Biểu diễn mơ hình: Mơ hình được biểu diễn bằng một ngơn ngữ L để mơ tả các
mẫu có thể khai thác được. Nếu sự mơ tả bị hạn chế q mức thì sẽ khơng thể dùng các
mơ hình tạo ra để học hoặc sẽ khơng thể tạo ra được một mơ hình chính xác cho dữ liệu.
Việc quan trọng là người phân tích dữ liệu cần phải hiểu đầy đủ các giả thiết mô tả. Một
điều cần thiết khác là người thiết kế giải thuật cần phải diễn tả được rằng các giả thiết mô
tả nào được tạo ra bởi giải thuật nào. Khả năng mơ tả mơ hình càng lớn thì càng làm tăng

nguy cơ quá trình học diễn ra vượt mức và làm giảm đi khả năng dự đoán các dữ liệu
chưa biết. Hơn nữa, việc tìm kiếm sẽ càng trở nên phức tạp hơn và việc giải thích mơ hình
cũng khó khăn hơn.
Mơ hình ban đầu được xác định bằng cách kết hợp biến đầu ra (phụ thuộc) với các
biến độc lập mà biến đầu ra phụ thuộc vào. Sau đó phải tìm những tham số mà bài tốn
cần tập trung giải quyết. Việc tìm kiếm mơ hình sẽ đưa ra được một mơ hình phù hợp với
các tham số được xác định dựa trên dữ liệu. Trong một số trường hợp, tập dữ liệu được
chia thành tập dữ liệu học và tập dữ liệu thử. Tập dữ liệu học được sử dụng để làm cho
các tham số của mơ hình phù hợp với dữ liệu. Mơ hình sau đó sẽ được đánh giá bằng cách
đưa các dữ liệu thử vào mơ hình và thay đổi lại các tham số cho phù hợp nếu cần. Mơ
hình lựa chọn có thể là phương pháp thống kê như SASS, v.v…, một số giải thuật học
máy, mạng neuron, suy diễn hướng tình huống, các kỹ thuật phân lớp.
8


Chương 2 – Phương pháp khai phá dữ liệu

Đánh giá mơ hình: Đánh giá xem một mẫu có đáp ứng được các tiêu chuẩn của
quá trình phát hiện tri thức hay khơng. Việc đánh giá độ chính xác dự đốn dựa trên đánh
giá chéo. Đánh giá chất lượng mô tả liên quan đến độ chính xác dự đốn, độ mới, khả
năng sử dụng, khả năng hiểu được của mơ hình. Cả hai chuẩn thống kê và chuẩn logic
đều có thể được sử dụng để đánh giá mơ hình. Việc đánh giá mơ hình được thực hiện qua
kiểm tra dữ liệu (trong một số trường hợp kiểm tra với tất cả các dữ liệu, trong một số
trường hợp khác chỉ kiểm tra với dữ liệu thử). Ví dụ như đối với mạng neuron, việc đánh
giá mơ hình được thực hiện dựa trên việc kiểm tra dữ liệu (bao gồm cả dữ liệu học và dữ
liệu thử), đối với nhiệm vụ dự đốn thì việc đánh giá mơ hình ngồi kiểm tra dữ liệu cịn
phải dựa trên độ chính xác của dự đốn.
Phƣơng pháp tìm kiếm: phương pháp tìm kiếm bao gồm hai thành phần: tìm
kiếm tham số và tìm kiếm mơ hình. Trong tìm kiếm tham số, giải thuật cần phải tìm kiếm
các tham số để tối ưu hóa các tiêu chuẩn đánh giá mơ hình với các dữ liệu quan sát được

và với một mơ tả mơ hình đã định. Việc tìm kiếm là khơng cần thiết đối với một số bài
tốn trong đó các đánh giá tham số tối ưu có thể đạt được bằng các cách đơn giản hơn.
Đối với các mơ hình chung, giải thuật “tham lam” thường được sử dụng lặp đi lặp lại.
Tìm kiếm mơ hình xảy ra giống như một vịng lặp qua phương pháp tìm kiếm tham số:
mơ tả mơ hình bị thay đổi tạo nên một họ các mơ hình. Với mỗi mơ hình, phương pháp
tìm kiếm tham số được áp dụng để đánh giá chất lượng mơ hình. Các phương pháp tìm
kiếm mơ hình thường sử dụng các kỹ thuật tìm kiếm heuristic vì kích thước của khơng
gian các mơ hình có thể thường ngăn cản các tìm kiếm tổng thể.
Hai phương pháp khai phá dữ liệu phổ biến được trình bày ở phần sau là Cây quyết
định và Phát hiện luật kết hợp.

2.3. Cây quyết định
Cây quyết định: Cây quyết định là một mô tả tri thức dạng đơn giản nhằm phân các
đối tượng dữ liệu thành một số lớp nhất định. Các nút của cây được gán nhãn là tên các
thuộc tính, các cạnh được gán các giá trị có thể của các thuộc tính, các lá mơ tả các lớp
khác nhau. Các đối tượng được phân lớp theo các đường đi trên cây, qua các cạnh tương
ứng với các giá trị của thuộc tính trong đối tượng ở lá. Hình 4 mơ tả một mẫu đầu ra có
thể của quá trình khai phá dữ liệu dùng phương pháp cây quyết định với tập dữ liệu khách
9


Chương 2 – Phương pháp khai phá dữ liệu

hàng xin vay vốn. Hai nút của cây được gán nhãn là “Nợ” và “Thu nhập”, các cạnh được
gán nhãn tương ứng để so sánh Nợ với giá trị n, Thu nhập với giá trị t. Các đối tượng lá
ứng với đường đi trong cây, ví dụ lá ngồi cùng bên trái ứng với các đối tượng có Nợ < n
và Thu nhập < t và khơng được cho vay.

Hình 4 – Ví dụ về cây quyết định.
Tạo luật: Các luật được tạo ra nhằm suy diễn một số mẫu dữ liệu có ý nghĩa về mặt

thống kê. Các luật có dạng “NẾU P THÌ Q”, với P là mệnh đề đúng với một phần trong
cơ sở dữ liệu, Q là mệnh đề dự đốn. Ví dụ ta có một mẫu phát hiện được bằng phương
pháp tạo luật: nếu giá 1 gói bánh giảm đi 5000 đồng thì số lượng bánh bán ra sẽ tăng thêm
5%. Những luật như thế này được sử dụng rất rộng rãi trong việc mô tả tri thức trong hệ
chuyên gia. Chúng có điểm thuận lợi là dễ hiểu đối với người sử dụng.
Cây quyết định và luật có ưu điểm là hình thức mơ tả đơn giản, mơ hình suy diễn
khá dễ hiểu đối với người sử dụng. Tuy nhiên, giới hạn của chúng là chỉ có thể biểu diễn
được một số dạng chức năng và vì vậy giới hạn về cả độ chính xác của mơ hình. Nếu mở
rộng khơng gian của mơ hình để cho phép có nhiều mơ tả hơn thì mơ hình sẽ dự đốn tốt
hơn nhưng lại rất khó hiểu. Cho đến nay, đã có rất nhiều giải thuật suy diễn sử dụng các
luật và cây quyết định được áp dụng trong học máy và trong thống kê.
Đối với quy mô lớn, người ta dựa trên các phương pháp đánh giá mơ hình theo xác
suất với các mức độ mơ hình phức tạp khác nhau. Các phương pháp tìm kiếm “tham
lam”, liên quan đến việc tăng và rút gọn các luật và các cấu trúc cây, chủ yếu được sử
dụng để khai thác khơng gian siêu mũ của các mơ hình. Cây và luật chủ yếu được sử dụng

10


Chương 2 – Phương pháp khai phá dữ liệu

cho việc mơ hình hóa dự đốn, phân lớp và hồi quy. Chúng cũng có thể được áp dụng cho
việc tóm tắt và mơ hình hóa các mơ tả.

2.4. Phát hiện các luật kết hợp
Phương pháp này nhằm phát hiện ra các luật kết hợp giữa các thành phần dữ liệu
trong cơ sở dữ liệu. Mẫu đầu ra của giải thuật khai phá dữ liệu là tập luật kết hợp tìm
được. Ta có thể lấy một ví dụ đơn giản về luật kết hợp như sau: sự kết hợp giữa hai thành
phần A và B có nghĩa là sự xuất hiện của A trong bản ghi kéo theo sự xuất hiện của B
trong cùng bản ghi đó: A ⇒ B.

Cho một lược đồ R={A1, …, Ap} các thuộc tính với miền giá trị {0,1}, và một quan
hệ r trên R. Một luật kết hợp trên r được mô tả dưới dạng X⇒B với X⊆R và B∈R\X. Về
mặt trực giác, ta có thể phát biểu ý nghĩa của luật như sau: nếu một bản ghi của bảng r có
giá trị 1 tại mỗi thuộc tính thuộc X thì giá trị của thuộc tính B cũng là 1 trong cùng bản
ghi đó.
Cho W ⊆R, đặt s(W,r) là tần số xuất hiện của W trong r được tính bằng tỷ lệ của các
hàng trong r có giá trị 1 tại mỗi cột thuộc W. Tần số xuất hiện của luật X⇒B trong r được
định nghĩa là s(X∪{B}, r) còn gọi là độ hỗ trợ của luật, độ tin cậy của luật là s(X∪{B},
r)/s(X, r). Ở đây X có thể gồm nhiều thuộc tính, B là giá trị không cố định. Nhờ vậy mà
không xảy ra việc tạo ra các luật không mong muốn trước khi q trình tìm kiếm bắt đầu.
Điều đó cũng cho thấy khơng gian tìm kiếm có kích thước tăng theo hàm mũ của số lượng
các thuộc tính ở đầu vào. Do vậy cần phải chú ý khi thiết kế dữ liệu cho việc tìm kiếm các
luật kết hợp.
Nhiệm vụ của việc phát hiện các luật kết hợp là phải tìm tất cả các luật X⇒B sao
cho tần số của luật không nhỏ hơn ngưỡng σ cho trước và độ tin cậy của luật không nhỏ
hơn ngưỡng θ cho trước. Từ một cơ sở dữ liệu ta có thể tìm được hàng nghìn và thậm chí
hàng trăm nghìn các luật kết hợp.
Ta gọi một tập con X⊆R là thường xuyên trong r nếu thỏa mãn điều kiện s(X, r)≥σ.
Nếu biết tất cả các tập thường xuyên trong r thì việc tìm kiếm các luật rất dễ dàng. Vì
vậy, giải thuật tìm kiếm các luật kết hợp trước tiên đi tìm tất cả các tập thường xuyên

11


Chương 2 – Phương pháp khai phá dữ liệu

này, sau đó tạo dựng dần các luật kết hợp bằng cách ghép dần các tập thuộc tính dựa trên
mức độ thường xun.
Các luật kết hợp có thể là một cách hình thức hóa đơn giản. Chúng rất thích hợp cho
việc tạo ra các kết quả có dữ liệu ở dạng nhị phân. Hạn chế cơ bản của phương pháp này

là các quan hệ cần phải thưa theo nghĩa khơng có tập thường xuyên nào chứa nhiều hơn
15 thuộc tính. Giải thuật tìm kiếm các luật kết hợp tạo ra số luật ít nhất phải bằng với số
các tập thường xuyên, và nếu như một tập thường xun có kích thước K thì phải có ít
nhất là 2K tập thường xun. Thơng tin về các tập thường xuyên được sử dụng để ước
lượng độ tin cậy của các tập luật kết hợp.

12


Chương 3 – Bộ công cụ Business Intelligence

Chƣơng 3 : BỘ CÔNG CỤ BUSINESS INTELLIGENCE
3.1. Business Intelligence
3.1.1.

Khái niệm Business Intelligence

Business Intelligence (BI - giải pháp quản trị doanh nghiệp thông minh) là một quy
trình, cơng nghệ cho phép tổ chức, doanh nghiệp khai thác dữ liệu từ nhiều nguồn khác
nhau về khách hàng, thị trường, nhà cung cấp, đối tác, nhân sự... và phân tích, sử dụng
các dữ liệu đó thành các nguồn thơng tin có ý nghĩa nhằm hỗ trợ việc ra quyết định. Công
nghệ BI cung cấp một cách nhìn tồn cảnh về hoạt động của doanh nghiệp từ quá khứ,
hiện tại và các dự đoán tương lai. Mục đích của BI là hỗ trợ cho doanh nghiệp ra quyết
định tốt hơn, vì vậy một hệ thống BI cịn có thể được coi là hệ thống hỗ trợ quyết đinh.

3.1.2.

Các thành phần chính của hệ Business Intelligence

Dữ liệu dùng trong hệ thống BI là dữ liệu tổng hợp từ nhiều nguồn, nhiều định dạng,

phân tán và có tính lịch sử. Đồng thời việc phân tích dữ liệu trong BI khơng phải là những
phân tích đơn giản mà là những kỹ thuật trong khai phá dữ liệu dùng để phân lớp, phân
cụm, hay dự đốn. Vì vậy BI có mối quan hệ rất chặt chẽ với kho dữ liệu và khai phá dữ
liệu.

Hình 5 – Thành phần của hệ Business Intelligence [1].
Các thành phần cơ bản của hệ thống Business Intelligence được mơ tả như trong
hình 5.
13


Chương 3 – Bộ công cụ Business Intelligence

Data Warehouse (Kho dữ liệu): Chứa dữ liệu tổng hợp về hoạt động kinh doanh,
khách hàng, nhân sự …của doanh nghiệp.
Data Mining (Khai phá dữ liệu): Các kỹ thuật dùng để khai phá dữ liệu và phát hiện
tri thức như phân lớp, phân nhóm, phát hiện luật kết hợp, dự đốn,…nhằm tổng hợp thơng
tin hữu ích cung cấp cho việc phân tích ra quyết định.
Business Analyst (Phân tích kinh doanh) : Các nhà lãnh đạo doanh nghiệp đưa ra
những quyết định chiến lược đối với hoạt động kinh doanh của doanh nghiệp.

3.1.3.

Lợi ích của Business Intelligence đối với doanh nghiệp

Tiết kiệm chi phí : Thơng thường để biết được lí do vì sao kết quả kinh doanh tháng
này giảm so với tháng trước, nhà quản lý thường phải tìm hiểu qua nhiều kênh thơng tin
khác nhau từ phịng kế tốn tới phịng kinh doanh.., nhiều khi tiêu tốn khá nhiều thời gian,
nguồn lực. Cịn với giải pháp BI, tận dụng ưu thế có thể phân tích sâu theo nhiều chiều,
nhà quản lý có thể tìm ngay được nguyên nhân bị giảm doanh thu là do đâu, cụ thể vùng

miền nào mà hầu như không cần nhờ đến bất cứ ai. Trong bối cảnh hiện nay, việc giúp
doanh nghiệp truy xuất nhanh gọn thông tin được coi như một giải pháp giúp tiết kiệm chi
phí, nâng cao hiệu quả hoạt động.
Chọn lọc mặt hàng kinh doanh : Bằng cách đo lường các chỉ số đánh giá hiệu quả
hoạt động chủ chốt về số lần bảo hành, các mặt hàng bán chậm nhất hay số khách hàng
mua và tổng doanh thu bán được từ những mặt hàng đó, BI giúp nhà quản lý biết được
những mặt hàng kém hiệu quả, làm tiêu tốn nhiều chi phí cho các hoạt động hỗ trợ, tồn
kho để từ đó ra quyết định loại bỏ hay cải tiến thành một sản phẩm mới.
Phân tích hiệu quả của các chƣơng trình khuyến mãi, quảng cáo : Thơng qua
việc thu thập thông tin về số lượng hàng bán, doanh thu, chi phí, số khách hàng mới, số
sản phẩm bán được... của các chương trình khuyến mãi, quảng cáo hệ thống BI sẽ đưa ra
báo cáo phân tích về mức độ hiệu quả của chương trình, từ đó nhà quản lý sẽ biết được
chương trình dạng nào mang lại hiệu quả cao nhất để áp dụng lại cho những lần sau.
Ngoài ra, dựa trên những bảng khảo sát, dữ liệu về bán hàng, BI có thể cho biết tác động
của những hoạt động đó như thế nào sau mỗi kỳ quảng cáo, tung ra sản phẩm, dịch vụ
mới.
14


Chương 3 – Bộ công cụ Business Intelligence

Nâng cao năng lực của nhân viên kinh doanh : Trong doanh nghiệp có nhiều kênh
phân phối, nhiều chi nhánh đại lý, nhân viên kinh doanh được tổ chức thành nhiều cấp
nên việc đo lường và đánh giá hiệu quả làm việc của nhân viên một cách chính xác
thường khó khăn và tốn nhiều thời gian. Để đánh giá đúng phải dựa trên nhiều tiêu chí:
doanh số, số khách hàng mới tìm được, và phải có trọng số riêng cho từng kênh bán
hàng.. Với sự hỗ trợ của hệ thống BI, nhà quản lý có thể đo lường nhiều tiêu chí đánh giá,
từ đó có những quyết định thưởng phạt, điều chỉnh nhân sự chính xác.
Nâng cao hiệu quả phục vụ khách hàng : Nắm bắt thơng tin khách hàng ở nhiều
góc độ khác nhau sẽ giúp doanh nghiệp phục vụ khách hàng tốt hơn. Hệ thống BI cung

cấp cho doanh nghiệp cái nhìn tổng thể về khách hàng bằng cách phân loại khách hàng
theo nhiều tiêu chí khác nhau: độ tuổi, giới tính, nơi sinh sống, thu nhập, doanh thu... để
doanh nghiệp có thể cung cấp những sản phẩm phù hợp với nhu cầu của họ hay có thể
thiết kế những chương trình khuyến mãi, quảng cáo riêng cho những khu vực mà những
đối tượng đó tập trung đơng nhất.
Đánh giá đối thủ cạnh tranh, mở rộng thị trƣờng : Đối với thị trường cạnh tranh
gay gắt như hiện nay, nhà quản lý khơng những phải nắm rõ tình hình của doanh nghiệp
mình mà cần phải đánh giá được tiềm lực của đối thủ cạnh tranh trong ngành, nắm được
danh sách những khách hàng tiềm năng để mở rộng thị phần, tìm kiếm thêm khách hàng
mới. Thông qua việc thu thập thông tin từ bên ngồi doanh nghiệp, BI có thể đưa ra báo
cáo so sánh doanh thu, số lượng khách hàng... của doanh nghiệp so với các đối thủ khác
trong ngành. Hoặc khi đối thủ tung ra một chương trình khuyến mãi nào đó, doanh nghiệp
sử dụng hệ thống BI để đo lường doanh thu và số khách hàng của mình, từ đó đối chiếu
với mức độ lơi cuốn của chương trình, nếu số khách hàng giảm đáng kể nhưng doanh thu
vẫn khơng giảm nhiều chứng tỏ chương trình của đối thủ chỉ thu hút những khách hàng có
giá trị thấp, và ngược lại là chương trình thành cơng. Từ đó doanh nghiệp có thể học được
ở đối thủ và có những hành động để kéo những khách hàng có giá trị cao về phía mình.

3.1.4.

Các cơng cụ Business Intelligence

Các cơng cụ Business Intelligence là các phần mềm ứng dụng được thiết kế để báo
cáo, phân tích và trình bày dữ liệu. Các công cụ này sẽ đọc dữ liệu đã được lưu trữ từ
trước trong các kho dữ liệu hoặc chợ dữ liệu. Các công cụ Business Intelligence rất đa
15


Chương 3 – Bộ cơng cụ Business Intelligence

dạng và có mặt trên hầu hết các hệ điều hành. Nhờ tính tiện dụng và khả năng tạo báo
cáo, phân tích dữ liệu chuyên nghiệp nên các công cụ Business Intelligence thường được
áp dụng trong các tổ chức kinh doanh, thống kê.
Các cơng cụ Business Intelligence được chia thành những loại chính sau :
-

Bảng tính

-

Phần mềm truy vấn, báo cáo (cơng cụ trích chọn, sắp xếp, tổng kết, trình diễn dữ
liệu)

-

OLAP (xử lý phân tích trực tuyến)

-

Bảng điều khiển kỹ thuật số

-

Khai phá dữ liệu

-

Khai phá xử lý

-

Hệ quản lý hoạt động kinh doanh

-

Hệ thống thông tin cục bộ

Một số công cụ Business Intelligence miễn phí,mã nguồn mở tiêu biểu : InetSoft,
InfoZoom, JasperSoft, MicroStrategy, Pentaho, Openl,…

3.1.5.

Kết hợp Business Intelligence và MySQL

Hiện nay trên thị trường giải pháp BI đã xuất hiện nhiều bộ sản phẩm của các hãng
lớn như : Oracle Enterprise BI Server (Oracle), SAP Business Objects Enterprise (SAP),
QL Server Analysis Service (Microsoft)…Các sản phẩm này đều đã tập trung giải quyết
các yêu cầu đối với một hệ thống BI hoàn chỉnh. Tuy nhiên, một cản trở lớn đối với các
doanh nghiệp muốn tiếp cận các giải pháp này chính là vấn đề tài chính. Kinh phí để xây
dựng hệ thống BI cũng như cơ sở dữ liệu tương ứng là không nhỏ. Đồng thời, các hệ
thống này thường đi kèm với những cơ sở dữ liệu tương đối phức tạp như Oracle, MS
SQL Server, địi hỏi phải có những nhân sự được đào tạo tốt để vận hành.
Tận dụng lợi thế của MySQL, hệ quản trị cơ sở dữ liệu mà nguồn mở miễn phí, một
số nhà sản xuất đã cho ra đời các bộ sản phẩm BI trong đó sử dụng hệ quản trị cơ sở dữ
liệu MySQL. Đây là giải pháp tốt cho những doanh nghiệp vừa vả nhỏ. Với kinh phí yêu
16


Chương 3 – Bộ công cụ Business Intelligence

cầu thấp, hệ thống BI kết hợp MySQL vẫn thực hiện gần như đầy đủ các chức năng : xây
dựng báo cáo, khai phá dữ liệu, phân tích trực tuyến ….đáp ứng cho việc hỗ trợ ra quyết
định của nhà quản lý.
Trong thực tế, BI mang lại lợi ích rõ nét nhất cho các doanh nghiệp ngành hàng tiêu
dùng, giải khát, thực phẩm khi mà yếu tố về thời gian được đặt lên hàng đầu. Trên thế
giới, BI đã trở thành công cụ quản trị quen thuộc của nhiều tên tuổi lớn như: BMW,
Coca-Cola, Unilever… Cịn tại Việt Nam, một số cơng ty lớn đã và đang triển khai BI và
coi đó như một lợi thế của mình. Trong thời gian tới, khi những bộ sản phẩm BI kết hợp
MySQL đã khắc phục được vấn đề về tài chính, giải pháp này chắc chắn sẽ được áp dụng
rộng rãi.

3.2. Kỹ thuật OLAP
3.2.1.

Khái niệm OLAP

Xử lý phân tích trực tuyến (OLAP - Online Analitical Proccessing) là phương pháp để
trả lời những truy vấn đa chiều một cách nhanh chóng. OLAP là một phần của hệ
Business Intelligence, cùng với báo cáo quan hệ và khai phá dữ liệu. Nó cho phép người
sử dụng phân tích dữ liệu qua việc cắt lát (slice) dữ liệu theo nhiều khía cạnh khác nhau,
khoan xuống (drill down) mức chi tiết hơn hay cuộn lên (roll up) mức tổng hợp hơn của
dữ liệu. Bản chất cốt lõi của OLAP là dữ liệu được lấy ra từ kho dữ liệu hoặc từ Datamart
(kho dữ liệu chủ đề) sau đó được chuyển thành mơ hình đa chiều và được lưu trữ trong
một kho dữ liệu đa chiều. Đối tượng chính của OLAP là khối, một sự biểu diễn đa chiều
của dữ liệu chi tiết và tổng thể. Một khối bao gồm một bảng sự kiện (Fact), một hoặc
nhiều bảng chiều (Dimensions), các đơn vị đo (Measures) và các phân hoạch (Partitions).
Những ứng dụng tiêu biểu của OLAP : báo cáo bán hàng, báo cáo marketing, báo cáo
quản lý, dự thảo ngân sách, báo cáo tài chính,….Thuật ngữ OLAP có thể coi là một biến
thể nhỏ của thuật ngữ cơ sở dữ liệu truyền thống OLTP (Xử lý giao tác trực tuyến).
Trong khi Data warehouse và data mart lưu trữ dữ liệu cho phân tích, thì OLAP là

kỹ thuật cho phép các ứng dụng client truy xuất hiệu quả dữ liệu này. OLAP cung cấp
nhiều lợi ích cho người phân tích, ví dụ:

17