›

Giáo trình Hệ thống thông tin quản lí - Chương 6: Hệ thống kinh doanh thông minh

pdf 62 trang huongle 2631
Download
Bạn đang xem 20 trang mẫu của tài liệu "Giáo trình Hệ thống thông tin quản lí - Chương 6: Hệ thống kinh doanh thông minh", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pdfgiao_trinh_he_thong_thong_tin_quan_li_chuong_6_he_thong_kinh.pdf

Nội dung text: Giáo trình Hệ thống thông tin quản lí - Chương 6: Hệ thống kinh doanh thông minh

  1. HỌC VIỆN NGÂN HÀNG KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ HỆ THỐNG THÔNG TIN QUẢN LÝ CHƯƠNG 6 HỆ THỐNG KINH DOANH THÔNG MINH
  2. “We’re Sitting on All This Data” Anne đề xuất phương án kết hợp dữ liệu thành viên và các dữ liệu công khai để hỗ trợ tốt hơn cho việc tiếp thị tổ chức đám cưới ở Fox Lake Thông tin sẽ giúp cô phân loại các chương trình khuyến mãi, tăng doanh thu đám cưới Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-2
  3. Tổng quan Các HTTT được mô tả trong Chương 5 tạo ra một lượng lớn dữ liệu. Hầu hết các dữ liệu được sử dụng cho các mục đích tác nghiệp, chẳng hạn như đơn theo dõi đặt hàng, hàng tồn kho, các khoản phải trả, Mặt khác trong các dữ liệu đó còn tiềm ẩn: các mẫu, các mối quan hệ, các cụm và các thông tin khác có thể tạo thuận lợi cho việc quản lý, đặc biệt là lập kế hoạch và dự báo. Các hệ kinh doanh thông minh có thể cung cấp các thông tin đó từ khối dữ liệu trên. Chương này sẽ giới thiệu chung về các ứng dụng quản lý tri thức và kinh doanh thông minh. Thảo luận về nhu cầu, mục đích của các kho dữ liệu và người sử dụng sẽ đón nhận các hệ kinh doanh thông minh như thế nào. Tìm hiểu các công cụ và kỹ thuật mà Fox Lake có thể sử dụng để xác định các hướng dẫn có ảnh hưởng nhiều nhất hoặc ít nhất đến chiến lược cạnh tranh. Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-3
  4. Nội dung Q1 Tại sao các tổ chức cần kinh doanh thông minh ? Q2 Các hệ kinh doanh nào đã tồn tại ? Q3 Các ứng dụng báo cáo điển hình ? Q4 Các ứng dụng khai phá dữ liệu đặc trưng? Q5 Mục đích của data warehouse và data mart? Q6 Các ứng dụng quản trị tri thức ? Q7 Hệ thống kinh doanh thông minh Q8 2025? Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-4
  5. Q1: Tại sao các tổ chức lại cần đến kinh doanh thông minh ? • Chi phí cho việc truyền thông và lưu trữ Các doanh dữ liệu về cơ bản là 0. nghiệp có • 2 triệu email, 31.000 tin nhắn văn bản, tin nhắn tức thời và 162.000 được một lượng truyền đi mỗi giây. lớn dữ liệu • 2010 tổng số máy tính online lưu trữ khoảng 600 exabyte. • 70 exabyte tương đương với tổng số 14 lần của từ của con người. Các mẫu quan trọng Bằng chứng và thông tin có giá trị cho thấy ai đó sẽ bị chôn vùi trong dữ mặc định một khoản liệu đó vay Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-5
  6. ERP CRM Copyright © 2012 Pearson Education, Inc. Publishing as Prentice Hall 9-6
  7. Độ lớn của Exabyte? Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-7
  8. Q2: Các hệ thống kinh doanh tạo các chiến lược cạnh tranh ? Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-8
  9. Q2: Các hệ thống kinh doanh tạo các chiến lược cạnh tranh ? (tt) BI Tools BI System (software) Business Intelligence Crystal Reporting Tools Reports vs. System Business SPSS Datamining Intelligence System Systems Clementine Knowledge Mgmt System SharePoint Server Expert System Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-9
  10. Q3: Các ứng dụng báo cáo điển hình ? • Tạo ra thông tin có ý nghĩa từ Các ứng các nguồn dữ liệu khác nhau dụng báo • Cung cấp thông tin cho người sử dụng đúng thời gian cáo •Ví dụ: RFM và OLAP • Lọc dữ liệu Tạo ra • Sắp xếp dữ liệu thông tin • Nhóm dữ liệu • Tính toán bằng cách: • Định dạng Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-10
  11. Raw Sales Data: Danh sách Ít hoặc Không có thông tin Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-11
  12. Sales Data được sắp xếp theo Customer Name Cung cấp thông tin bằng cách sắp xếp danh sách Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-12
  13. Sales Data được sắp xếp theo Customer Name và được phân nhóm theo Number of Orders và Purchase Amounts Cung cấp nhiều thông tin bằng cách nhóm các đơn đặt hàng Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-13
  14. Sales Data lọc và định dạng để hiển thị Khách hàng và số lần mua tương ứng Cung cấp thông tin nhờ lọc và định dạng các order 7-14
  15. Công cụ phân tích RFM • Chương trình RFM phân tích và xếp hạng khách hàng theo mô hình mua hàng của cửa hàng • How recently (R) a customer has ordered? RFM • How frequently (F) a customer has ordered? • How much money (M) a customer has spent per order? 1. Sắp xếp các bản ghi khách hàng theo ngày mua gần đây nhất và điểm số mỗi khách hàng (1 đến 5) 2. Sắp xếp lại khách hàng theo mức độ thường RFM Score xuyên đặt hàng và điểm số mỗi khách hàng (1 đến 5) 3. Sắp xếp các khách hàng theo số tiền ứng với các đơn đặt hàng và điểm số mỗi khách hàng từ 1 tới 5 Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-15
  16. RFM phân loại khách hàng • Recent orders Top 20% 1 • Frequent orders 2 • Money (amount) of money spent Middle 20% 3 4 5 Bottom 20% Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-16
  17. Ví dụ về dữ liệu RFM Score Customer RFM Score Ajax 1 1 3 Bloominghams 5 1 1 Caruthers 5 4 5 Davidson 3 3 3 Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-17
  18. Giải thích kết quả điểm RFM Ajax đã đặt hàng • Một khách hàng tốt và thường gần đây và mức xuyên nhưng cần phải tăng độ thường xuyên, cường hàng hóa đắt tiền hơn với số tiền mua hàng Ajax ở mức trung bình. Bloominghams không đặt hàng • Có thể thực hiện kinh doanh của một thời gian dài; mình ở nơi khác. Đội ngũ bán đặt hàng thường hàng nên liên hệ với khách hàng xuyên, số tiền mua này ngay lập tức hàng ở mức cao. Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-18
  19. Giải thích kết quả điểm RFM (tt) Caruthers không đặt hàng thời gian • Đội ngũ bán hàng không nên dài; tần số mua dành nhiều thời gian khách hàng hàng ít; số tiền này thanh toán ít • Thiết lập hệ thống liên lạc tự Davidson ở mức động hoặc sử dụng tài khoản độ trung bình Davidson như một việc huấn luyện Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-19
  20. Q4: Hệ thống phân tích trực tuyến OLAP On-Line Analytical Processing • Tính toán gộp hoàn thiện • Nhanh • Đơn giản • Đa chiều Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-20
  21. OLAP • Làm thế nào để so sánh tổng doanh thu của tất cả các sản phẩm năm 2015 so với tổng doanh thu năm 2014? • Làm thế nào để so sánh lợi nhuận tính đến hôm nay so với cùng kỳ năm ngoái? • Số tiền thu được từ những khách hàng trên 35 tuổi năm ngoái là bao nhiêu? Làm thế nào để năm nay số tiền đó tăng lên so với năm ngoái? • Làm thế nào để nhiều sản phẩm đã được bán tại hai quốc gia / khu vực trong tháng này đối lập so với cùng tháng năm ngoái? • Đối với mỗi nhóm tuổi khách hàng, việc phân chia lợi nhuận (cả biên độ tỷ lệ và tổng số) theo loại sản phẩm là gì? • Tìm ra các nhân viên kinh doanh, các nhà phân phối, nhà cung cấp, khách hàng, đối tác, hoặc khách hàng ở mức trên và mức dưới? 9-21
  22. OLAP Cube: Product Family by Store Type Displayed Using Excel Pivot Table 2-dimension table Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-22
  23. OLAP Cube: Product Family by Country by State by Store Type (4-Dimensions) Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-23
  24. OLAP Cube: Country, State, City, Product Family, Store Type (5-Dimensions), Showing Sales Data (Measure) Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-24
  25. OLAP Reports OLAP cube Người dùng có thể thay đổi định dạng Người dùng có thể tìm hiểu sâu về dữ liệu Có thể yêu cầu khả năng tính toán lớn Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-25
  26. OLAP Servers Được phát triển để thực thi các phân tích của OLAP Server đọc dữ liệu từ cơ sở dữ liệu Thực thi các phép toán Lưu trữ kết quả trong OLAP database Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-26
  27. Vai trò của OLAP Server và Database • Figure 9-10 Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-27
  28. Q4: Các ứng dụng khai phá dữ liệu điển hình Data mining — áp dụng các kỹ thuật thống kê để tìm ra mẫu và mối quan hệ trong khối dữ liệu nhằm mục đích phân loại và dự đoán Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-28
  29. Khai phá dữ liệu (không giám sát) Các nhà phân tích Áp dụng các kỹ thuật không tạo ra mô khai phá dữ liệu và hình trước khi thực quan sát các dữ liệu hiện phân tích Giả thuyết được tạo Kỹ thuật: ra sau khi phân tích •Phân tích cụm để tìm như sự giải thích ra các nhóm có đặc cho kết quả điểm giống nhau Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-29
  30. Khai phá dữ liệu có giám sát (Supervised Data Mining) Mô hình được phát triển trước khi phân tích Kỹ thuật thống kê được sử dụng để đánh giá các tham số CellphoneWeekendMinutes=12+(17.5 CustomerAge)+ (23.7xNumberMonthsOfAccount) • Phân tích hồi quy — measures impact of set of variables on one Ví dụ: another • Được sử dụng để đưa ra dự đoán Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-30
  31. Khai phá dữ liệu có giám sát (Supervised Data Mining) (tt) Dự đoán và phân lớp Tham khảo tại Tập hợp các kdnuggets.com phương trình phi tuyến Neural networks Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-31
  32. Phân tích Market-Basket Phân tích Market-basket: kỹ thuật khai thác dữ liệu để xác định mẫu bán • Sử dụng phương pháp thống kê để xác định mẫu bán hàng với lượng lớn • Chỉ ra các sản phẩm mà khách hàng thường mua cùng nhau • Được sử dụng để xác định khả năng mua hàng của khách hàng • Giúp xác định cơ hội cross-selling “Khách hàng mua sản phẩm X thì cũng mua sản phẩm Y” Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-32
  33. Market basket 9-33
  34. Cross selling 9-34
  35. A Dive Shop 9-35
  36. Ví dụ Market-Basket : Transactions = 400 Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-36
  37. Support: Độ hỗ trợ (Xác suất để hai sản phẩm được mua cùng nhau) • P(Fins and Mask) = 250/400, or 62% • P(Fins & Fins) = 280/400, or 70% Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-37
  38. Confidence = Độ tin cậy (Xác suất có điều kiện) • Probability of buying Fins = 250 • Probability of buying Mask = 270 • P(After buying Mask, then will buy Fins) Confidence = 250/270 or 92.5% Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-38
  39. Lift: Độ tương quan • Lift = P(Fins|Mask)/P(Fins) • Purchase of masks lifts probability of also purchasing fins by .93/.62, or 1.32 Lift = Confidence/Support Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-39
  40. Cây quyết định - Decision Trees Decision tree Cây quyết định là một cấu trúc phân cấp của các nút và các nhánh Kỹ thuật khai phá dữ liệu không giám sát Ý tưởng cơ bản Cây quyết định được sử dụng trong phân lớp bằng cách duyệt từ nút gốc của cây cho đến khi gặp nút lá, từ đó xác định đối tượng cần xét thuộc lớp nào cho trước Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-40
  41. Cây quyết định GPAs of Students from Past MIS Class (Hypothetical Data) If Senior = Yes • Figure CE15-3 If Junior = Yes Lower-level groups more similar than higher-level groups Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-41
  42. Tạo luật If/Then cho cây quyết định Nếu là sinh viên năm 3 và Điểm dự báo làm việc tại nhà hàng là 3.0. Nếu là sinh viên năm cuối Điểm dự báo và là nonbusiness major là 3.0. Nếu là sinh viên năm 3 Điểm dự báo và không làm việc tại là 3.0. nhà hàng Nếu là sinh viên năm Không dự cuối và là business major, báo được Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-42
  43. Cây quyết định đánh giá việc cho vay • Phân loại các yêu cầu cho vay theo khả năng mặc định Yêu cầu • Luật xác định các khoản vay nghiệp vụ chính ngân hàng • Xác định thị trường hẹp chung • Xác định chiến dịch tiếp thị • Dự đoán một số vấn đề xảy ra Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-43
  44. Cây quyết định: Luật If/Then dự đoán việc cho vay Nếu khoản vay Nếu Nếu là ít hơn CreditScore CurrentLTV Quyết định một nửa lớn hơn nhỏ hơn cho vay Nếu khoản phải trả 572.6 và .94 vay lớn và hơn một nửa trả tiền, thì đồng ý cho vay Ngược lại, Ngược lại, Ngược lại, Ngược lại, từ chối từ chối từ chối từ chối cho vay cho vay cho vay cho vay Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-44
  45. Q5: Data Warehouses và Data Mart? Data Mart => Tập các dữ liệu được tạo ra phục vụ cho các mục đích: • Yêu cầu về nghiệp vụ • Vấn đề cần giải quyết • Cơ hội phát triển Marts tạo dữ liệu bằng cách trích lọc từ Data warehouse Data mart giống như một retail store trong chuỗi cung ứng Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-45
  46. Mục đích và các thành phần của Data Warehouse ? Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-46
  47. Nguồn dữ liệu cho Data Warehouses Hệ thống vận hành bên trong Dữ liệu bên ngoài được mua từ các nguồn bên ngoài (e.g., Axciom) Dữ liệu từ mạng xã hội, các ứng dụng nội dung do người dùng tạo ra Metadata liên quan đến dữ liệu được lưu trữ trong kho dữ liệu Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-47
  48. Dữ liệu về khách hàng có thể mua từ nhà cung cấp dữ liệu Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-48
  49. Một số vấn đề của dữ liệu tác nghiệp Dữ liệu thô thường không phù hợp với báo cáo chi tiết hoặc khai thác dữ liệu Ví dụ: B đại diện cho giới tính khách hàng; 213 đại diện cho tuổi; 999–999–9999 là số điện thoại; eye color gren; địa chỉ thư WhyMe@GuessWhoIAM.org Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-49
  50. Các thành phần của Data Mart Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-50
  51. Q6 Các ứng dụng quản trị tri thức Quản trị • Quy trình tạo ra giá trị từ tri thức và chia sẻ kiến thức với các nhân viên, các nhà tri thức quản lý, nhà cung cấp, khách hàng Báo cáo và khai • Tạo ra thông tin mới từ dữ liệu thác dữ liệu Các hệ quản • Quan tâm đến việc chia sẻ tri thức trị tri thức Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-51
  52. Lợi ích quản trị tri thức 1. Khuyến khích sự đổi mới với ý tưởng mới 2. Cải thiện dịch vụ khách hàng bằng cách giảm thời gian phục vụ 3. Tăng doanh thu bằng cách nhận các sản phẩm và dịch vụ cho thị trường nhanh hơn. 4. Giữ nhân viên lại bằng cách công nhận kiến thức của nhân viên và khen thưởng họ vì điều đó. 5. Sắp xếp hợp lý hoạt động và giảm chi phí bằng cách loại bỏ các quy trình không cần thiết. 6. Duy trì bộ nhớ tổ chức bằng cách lưu trữ bài học kinh nghiệm và thực hành tốt nhất của nhân viên chủ chốt. Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-52
  53. Chia sẻ nội dung tài liệu • Indexing là chức năng quan trọng nhất trong quản trị tri thức • Real Simple Syndication (RSS) là tiêu chuẩn để Chia sẻ đăng ký vào nguồn nội dung  Kiểm tra định kỳ các nguồn nội dung mới nội dung hoặc cập nhật thông qua RSS .  Đặt bản tóm tắt nội dung trong một hộp tài liệu thư đến RSS với liên kết đến nội dung đầy đủ.  RSS là một hệ thống email nội dung Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-53
  54. Giao diện của RSS Reader Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-54
  55. Hệ chuyên gia - Expert Systems Expert systems Expert systems shells Là hệ dựa trên luật Luật IF •IF/THEN Mô phỏng tri thức Giá trị báo cáo của con người các biến Kiến thức thu thập được từ các chuyên gia Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-55
  56. Mục đích của hệ chuyên gia Mô phỏng và bảo tồn kiến thức của các chuyên gia Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-56
  57. Một số vấn đề của hệ chuyên gia Khó khăn và • Công việc có trình độ chuyên môn tốn kém để cao phát triển • Với tới lĩnh vực của chuyên gia • Các thay đổi là nguyên nhân khó Khó bảo trì có thể dự đoán trước kết quả • Liên tục cần đến thay đổi “đắt giá” để phản ánh tri thức mới Không sống • Không thể lặp lại khả năng chẩn theo mong đợi đoán của con người Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-57
  58. Hệ chuyên gia về dược phẩm Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-58
  59. Q7: Hệ thống kinh doanh thông minh Chức năng chính của BI server: quản lý và phân phối thông tin Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-59
  60. Ví dụ Portal được cung cấp bởi iGoogle 7-60
  61. Các chức năng của BI Server? Thông báo bằng thư điện • Các thông báo thông thường tử hoặc điện • Các thông báo ngoại lệ thoại • Theo dõi các kết quả đã có • Xác định quyền của người dùng Duy trì và thời hạn để cung cấp các kết metadata về quả tới người dùng việc trao quyền • Có thể điều chỉnh các phân bổ tới người dùng như kết quả và thay đổi người dùng Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-61
  62. Q8: 2025 Thông qua các dữ liệu được thu thập, các nhà bán lẻ trực tuyến và một số người khác sẽ biết nhiều hơn về thói quen mua hàng của bạn Nếu bạn sử dụng thẻ của bạn để mua “quần áo cũ, mát-xa, đánh bạc, cá độ” thì công ty thẻ tín dụng của bạn có thể hủy bỏ thẻ hoặc giảm hạn mức tín dụng của bạn. Dữ liệu thẻ tín dụng của bạn sẽ được tích hợp đầy đủ các dữ liệu cá nhân và gia đình. Khoa Hệ thống Thông tin Quản lý – Học viện Ngân hàng 7-62