LuanVan.vnLuận Văn
Gửi thư

Ứng dụng khai thác dữ liệu vào hệ thống quản trị quan hệ khách hàng

Luận văn · Thạc sĩ · năm 2020 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhLuật
Tác giảMai Thị Kim Ngân
Người hướng dẫnQuản Thành Thơ
Cơ sở đào tạoTrường Đại học Kinh tế TP. Hồ Chí Minh
Năm2020
NguồnThư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc

Tóm tắt

Với sự bùng nổ và phát triển của công nghệ thông tin đã mang lại nhiều hiệu quả đối với các hoạt động kinh doanh của doanh nghiệp, đặc biệt là đối với việc khai phá dữ liệu từ hệ thống quản trị quan hệ khách hàng. Dữ liệu trong hệ thống quản trị quan hệ khách hàng chứa đựng nhiều thông tin hữu ích, giá trị, đòi hỏi phải có những kĩ thuật khai phá nhanh, phù hợp chính xác hiệu quả. Khai phá dữ liệu khách hàng giúp doanh nghiệp hiểu khách hàng hơn từ đó có các chiến lược, chương trình chăm sóc khách hàng phù hợp. Các kĩ thuật trong khai phá dữ liệu gồm: trực quan hóa dữ liệu, phân nhóm, phổ biến là phát hiện luật kết hợp. Với phương pháp trực quan hóa dữ liệu, doanh nghiệp có thể rút trích được những thông tin đa dạng. Ngoài ra kĩ thuật phân nhóm K-Means giúp doanh nghiệp có thể phân cụm, phân nhóm khách hàng để chăm sóc tốt hơn. Đặc biệt khai phá luật kết hợp nhằm tìm ra các tập phần tử thường xuất hiện đồng thời trong cơ sở dữ liệu và rút ra các luật về ảnh hưởng của một tập phần tử dẫn đến sự xuất hiện của một (hoặc một tập) phần tử khác như thế nào. Bên cạnh đó, nhu cầu khai phá khi dữ liệu gia tăng là rất cần thiết hiện nay bởi kích thước lưu trữ dữ liệu ngày càng nhiều nên đòi hỏi tốc độ xử lý cũng như dung lượng bộ nhớ hệ thống phải đảm bảo. Vì thế, yêu cầu cần có những thuật toán hiệu quả cho việc phát hiện luật kết hợp. Việc dự đoán trước sản phẩm khách hàng mua kèm sẽ giúp doanh nghiệp có thể tăng số lượng bán và doanh thu. Cũng như việc phân nhóm khách hàng cụ thể sẽ giúp doanh nghiệp có chiến lược chăm sóc riêng biệt, Tuy nhiên khó khăn ở việc biểu diễn thông tin ở đầu ra để người dùng có thể thấy được ý nghĩa từ những thông tin đó.Hiện nay việc phân nhóm phổ biến nhất là dùng K-Means tuy nhiên trong luận văn này ngoài phương pháp K-Means tác giả còn dùng phương pháp phân tích RFM để phân cụm khách hàng. Ngoài ra, hai giải thuật phổ biến cho luật kết hợp là Apriori và FPGrowth, được dùng trong bài toán phân tích sản phẩm khách hàng hay mua kèm theo.
Bản toàn văn lưu tại thư viện Trường Đại học Kinh tế TP. Hồ Chí Minh

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn luật · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.