Tmdt phân tích hành vi thuê xe của khách hàng

BÁO CÁO THỰC TẬP TỐT NGHIỆP ĐỀ TÀI : Phân tích hành vi thuê xe của khách hàng và đề xuất giải pháp chăm sóc khách hàng tại Công ty Cổ Phần Phú Mỹ Phát Tất cả thông tin trong báo cáo đều hoàn toàn trung thực, khách quan xuất phát từ dữ liệu gốc của công ty cổ phần Phú Mỹ Phát . Các dữ liệu, thông tin được sử dụng trong bài báo cáo tốt nghiệp có nguồn gốc và được trích rõ ràng LỜI CAM ĐOAN i LỜI CẢM ƠN ii DANH MỤC BẢNG BIỂU v DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ vi DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT viii LỜI MỞ ĐẦU 1 CHƯƠNG 1. CÁC VẤN ĐỀ LIÊN QUAN ĐẾN KHÁCH HÀNG 4 1.1 Các vấn đề liên quan đến khách hàng 4 1.1.1 Trải nghiệm của khách hàng 4 1.1.2 Khái niệm về khách hàng 5 1.1.3 Hành vi của khách hàng 5 1.1.4 Quản trị vòng đời khách hàng 8 1.2 Hệ thống CRM ( Customer Relationship Management) 9 1.3 CRM Phân tích 10 1.3.1 Khái niệm và vai trò của CRM phân tích 10 1.3.2 Lợi thế của việc tận dụng CRM phân tích 11 1.3.3 Những ứng dụng CRM phân tích 11 1.4 CRM Hướng dữ liệu ( Data Driven CRM) 12 1.4.1 Khái niệm, vai trò và công cụ được sử dụng của CRM hướng dữ liệu 12 1.4.2 Xu hướng của CRM hướng dữ liệu hiện nay 12 1.4.3 Data Storytelling 13 1.4.4 Trực quan hóa dữ liệu – Data Visualization 14 1.5 Phương pháp khai phá luật kết hợp và kỹ thuật phân cụm trong khai phá dữ liệu…. 14 1.5.1 Khái niệm khai phá dữ liệu 14 1.5.2 Phương pháp luật kết hợp trong khai phá dữ liệu 15 1.5.3 Kỹ thuật phân cụm trong khai phá dữ liệu 17 1.6 Công cụ Tableau trực quan hóa dữ liệu 19 1.6.1 Khái niệm và các tính năng 19 1.6.2 Cấu tạo của Tableau 20 1.6.3 Lợi ích khi sử dụng công cụ Tableau 20 CHƯƠNG 2. PHÂN TÍCH HÀNH VI THUÊ XE CỦA KHÁCH HÀNG TẠI CÔNG TY CỔ PHẦN PHÚ MỸ PHÁT 22 2.1 Tổng quan về Công ty cổ phần Phú Mỹ Phát 22 2.1.1 Khái quát về Công ty cổ phần Phú Mỹ Phát 22 2.1.2 Chức năng, nhiệm vụ, định hướng phát triển của công ty 23 2.1.3 Cơ cấu tổ chức 23 2.1.4 Tình hình hoạt động kinh doanh của công ty năm 2022 24 2.1.5 Quy trình thực hiện 25 2.2 Thu thập và xử lý dữ liệu khách hàng tại phòng tự lái 26 2.3 Trực quan hóa dữ liệu, phân tích hành vi khách hàng bằng công cụ Tableau 27 2.4 Ứng dụng mô hình phân cụm vào bài toán phân tích hành vi thuê xe của khách hàng phòng tự lái tại công ty cố phần Phú Mỹ Phát 28 2.5 Ứng dụng mô hình luật kết hợp vào bài toán phân tích hành vi thuê xe của khách hàng phòng tự lái tại công ty cổ phần Phú Mỹ Phát 51 CHƯƠNG 3. KẾT QUẢ PHÂN TÍCH VÀ ĐỀ XUẤT GIẢI PHÁP CHĂM SÓC KHÁCH HÀNG TẠI CÔNG TY CỔ PHẦN PHÚ MỸ PHÁT 55 3.1 Kết quả phân tích hành vi khách hàng của phòng tự lái 55 3.2 Kết quả mô hình phân cụm 66 3.3 Kết quả mô hình luật kết hợp 70 3.4 Đề xuất giải pháp chăm sóc khách hàng 71 3.4.1 Nâng cao chất lượng dịch vụ và uy tín của công ty 71 3.4.2 Tăng cường các chiến dịch quảng cáo và đội ngũ nhân viên kinh doanh….. 72 3.4.3 Tăng cường các hoạt động khuyến mãi 73 KẾT LUẬN 75

CÁC VẤN ĐỀ LIÊN QUAN ĐẾN KHÁCH HÀNG

Các vấn đề liên quan đến khách hàng

1.1.1 Trải nghiệm của khách hàng

Trải nghiệm của khách hàng là vô cùng quan trọng, là phản ứng nhận thức và tình cảm đối với việc khách hàng tiếp xúc hoặc tương tác với tài nguyên của công ty ( con người, quy trình, công nghệ, địa điểm) và đầu ra ( sản phẩm,dịch vụ, thông tin liên lạc, ) Trải nghiệm của khách hàng đối với một sản phẩm hay dịch vụ có thể tương tự khách hàng khác, có thể lặp lại nhiều lần nhưng cũng có thể là duy nhất Trải nghiệm khách hàng ảnh hưởng đến ý định mua hàng và lòng trung thành của khách hàng

Ba thành phần cốt lõi liên quan đến quản lý trải nghiệm khách hàng

* Touchpoints ( Điểm tiếp xúc) : Được tìm thấy ở bất cứ nơi nào mà khách hàng tiếp xúc và tương tác với sản phẩm, dịch vụ, địa điểm, con người, truyền thông, quy trình hoặc là công nghệ của doanh nghiệp Khách hàng có thể tiếp xúc qua các điểm tiếp xúc : Website, mạng xã hội, email, quảng cáo trên tivi, các ấn phẩm, hội thảo, Sự đa dạng và số lượng điểm tiếp xúc khách hàng khác nhau giữa các ngành và các công ty có xu hướng tăng do có sự phát triển của Internet

* Moment of truth ( Khoảnh khắc quyết định ) : Là quá trình tương tác của khách hàng tại các điểm tiếp xúc Đây là thời điểm mà khách hàng tiếp thu kiến thức và hình thành đánh giá, tích cực hay tiêu cực về trải nghiệm của họ Khách hàng thường sẽ có kỳ vọng về những gì xảy ra trong khoảnh khắc của sự thật và nếu những kỳ vọng đó không được đáp ứng, khách hàng sẽ cảm thấy tức giận, khó chịu và thất vọng và ngược lại nếu thực tế cao hơn so với kỳ vọng thì sự hài lòng của khách hàng sẽ xuất hiện

* Customer Engagement ( Sự gắn kết của khách hàng) : Sự gắn kết của khách hàng mô tả mối quan hệ nhiều mặt giữa khách hàng và thương hiệu Sư gắn kết của khách hàng mang tính đa chiều, khách hàng thể hiện sự tham gia nhận thức, tình cảm, hành vi, xã hội Các yếu tố nhận thức và tình cảm của sự tương tác phản ánh niềm tin và cảm xúc của khách hàng, các yếu tố hành vi và xã hội thu hút sự tham gia của người tiêu dùng vào thương hiệu, không chỉ đơn thuần mua sản phẩm - dịch vụ của công ty

1.1.2 Khái niệm về khách hàng

Trong tất cả các hoạt động kinh doanh của bất cứ doanh nghiệp nào thì “ Khách hàng” không còn là một khái niệm xa lạ Khách hàng chính là người tạo ra lợi nhuận và đem lại giá trị kinh doanh cho tổ chức Bởi vì thế mà tất cả các doanh nghiệp luôn phải có cho mình một tệp khách hàng riêng và chăm sóc khách hàng nhằm giữ mối quan hệ lâu dài

Khách hàng được hiểu đơn giản là cá nhân hay tổ chức mà các doanh nghiệp đang marketing hướng tới Họ là người quyết định mua hàng hóa hoặc dịch vụ của công ty, doanh nghiệp Khách hàng là người trải nghiệm sản phẩm - dịch vụ vì thế mà họ đóng vai trò vô cùng quan trọng, ảnh hưởng trực tiếp sự sống còn của một doanh nghiệp

Khách hàng sẽ được chia thành 2 loại :

 Khách hàng nội bộ : Những người làm việc trong các bộ phận khác nhau, chi nhánh khác nhau của tổ chức

 Khách hàng bên ngoài : Cá nhân, doanh nghiệp khác, nhà cung cấp, đối thủ cạnh tranh

1.1.3 Hành vi của khách hàng

Hành vi khách hàng ( Customer Behavior) được hiểu là một quá trình mà ở đó cảm xúc của người tiêu dùng rất quan trọng

Trong quá trình này, người tiêu dùng sẽ xác định nhu cầu của họ và tìm ra phương tiện nhằm giải quyết chúng Sau đó sẽ quyết định xem có nên mua sản phẩm hay dịch vụ đó hay không Hành vi khách hàng là những suy nghĩ, phản ứng, hành động của con người có thể bị tác động bởi những thay đổi của môi trường

* Quá trình ra quyết định mua hàng của khách hàng :

Hình 1 1 Quá trình ra quyết định mua hàng của khách hàng

* Nhận biết nhu cầu : Đây là giai đoạn đầu tiên trong quá trình ra quyết định mua hàng của khách hàng, đây cũng là giai đoạn mà người tiêu dùng gặp khó khăn, cần tìm ra giải pháp giúp họ giải quyết vấn đề Nhu cầu thường được xuất hiện từ chính nhận thức của khách hàng, khi họ cảm thấy có sự nhận biết sự khác biệt giữa trạng thái thực tế và trạng thái ước muốn Nhu cầu được biết nhanh chóng qua các yếu tố tác động từ bên trong và bên ngoài Mức độ thỏa mãn nhu cầu của người tiêu dùng được thể hiện trên tháp nhu cầuMaslow:

Hình 1 2 Tháp nhu cầu Maslow

 Nhu cầu sinh lý : là nhu cầu cơ bản sinh học với sự tồn tài của mỗi người như không khí, thức ăn, đồ uống, quần áo, ngủ nghỉ,…

 Nhu cầu an toàn: là nhu cầu về sức khỏe, tài chính, an ninh, cần được bảo vệ, che chở,

 Nhu cầu xã hội: là mong muốn danh tính, có được sự tôn trọng của người khác và lòng tự trọng đối bản thân được thể hiện ở là tình bạn, tình đồng nghiệp, sự ảnh hưởng của mọi người xung quanh đối với bản thân và ngược lại, …

 Nhu cầu tôn trọng: là muốn được mọi người coi trọng, muốn có được nghề nghiệp, địa vị trong xã hội, được mọi người chú ý, lòng tự trọng, tính tự quản

 Nhu cầu tự thể hiện: muốn được sáng tạo, thể hiện khả năng, thể hiện bản thân, trình diễn mình, có được và được công nhận là thành đạt

* Tìm kiếm thông tin : Sau khi đã nhận ra vấn đề mua, người tiêu dùng sẽ tìm kiếm thông tin Việc tìm kiếm sẽ phụ thuộc vào hoàn cảnh và mức độ cần thiết Nếu nhu cầu cấp bách, sản phẩm được khách hàng ưng ý họ sẽ ra quyết định mua ngay Nếu như vấn đề không quan trọng mà chưa tìm ra được sản phẩm phù hợp thì người dùng sẽ tìm kiếm thêm các sản phẩm hợp lý hơn Trong quá trình sẽ có 2 giai đoạn :

Tìm kiếm thông tin bên trong : Người tiêu dùng sẽ nhớ lại những trải nghiệm với các sản phẩm và thương hiệu từ trước đó thường sẽ phục vụ những sản phẩm mua thường xuyên

Tìm kiếm thông tin bên ngoài : Khi những kinh nghiệm sử dụng trước đó không đủ để cung cấp thông tin thì khách hàng sẽ tìm kiếm thông tin bên ngoài từ :

 Truyền miệng : Gia đình, bạn bè, đồng nghiệp

 Truyền thông : Báo chí, Tivi, Mạng xã hội, tờ rơi, …

 Người bán hàng, nhà phân phối, hội chợ, triển lãm

* Đánh giá phương án : Sau khi đã có các thông tin, vấn đề thì người dùng sẽ đánh giá để lựa chọn sản phẩm mà họ sẽ mua Người tiêu dùng sẽ đánh giá tầm quan trọng của từng yếu tố của sản phẩm, niềm tin của khách hàng đối với các nhãn hiệu, độ hữu dụng của các thuộc tính và mức độ cần thiết đối với sản phẩm đó Khi quyết định mua một sản phẩm, khách hàng sẽ luôn có xu hướng chọn sản phẩm có tổng giá trị sử dụng từ các thuộc tính là lớn nhất

* Quyết định mua : Ở giai đoạn này người tiêu dùng có thể hình thành ý định mua vì giá cả, nhãn hiệu, chất lượng sản phẩm - dịch vụ Tuy nhiên, sẽ có những yếu tố tác động vào ý định mua hàng của khách hàng ( Người bán hàng, người đi cùng, )

Hình 1 3 Các yếu tố ảnh hưởng đến quyết định mua hàng

Hệ thống CRM ( Customer Relationship Management)

CRM được viết tắt của cụm từ Customer Relationship Management hiểu là quản lý quan hệ khách hàng CRM là tập hợp của rất nhiều hoạt động trong tất cả các khâu Marketing - Bán hàng - Chăm sóc khách hàng giúp doanh nghiệp hình thành và phát triển được mối quan hệ thân thiết với khách hàng nhằm mang lại hiệu quả kinh doanh và thương hiệu của doanh nghiệp Ngoài ra CRM còn được định nghĩa nhiều :

“CRM là quá trình quản lý tất cả các khía cạnh tương tác của một công ty với khách hàng của mình, bao gồm tìm kiếm khách hàng tiềm năng, bán hàng và dịch vụ Các ứng dụng CRM cố gắng cung cấp cái nhìn sâu sắc và cải thiện mối quan hệ giữa công ty/khách hàng bằng cách kết hợp tất cả các quan điểm này tương tác của khách hàng thành một bức tranh”

“ CRM là một chiến lược kinh doanh nhằm tối đa hóa lợi nhuận, doanh thu và sự hài lòng của khách hàng bằng cách tổ chức xung quanh các phân khúc khách hàng, thúc đẩy hành vi làm hài lòng khách hàng và thực hiện các quy trình lấy khách hàng làm trung tâm ”

Phần mềm CRM là một công cụ giúp doanh nghiệp lưu trữ, phân tích và báo cáo toàn bộ thông tin khách hàng bao gồm : lịch sự tương tác, giao dịch, tiếp cận nhằm hỗ trợ doanh nghiệp dự báo, đánh giá và cải thiện mối quan hệ với khách hàng

 Giúp doanh nghiệp duy trì khách hàng hiện tại và tạo ra khách hàng trung thành

 Thu hút khách hàng tiềm năng

 Tạo sự khác biệt đối với doanh nghiệp của đối thủ cạnh tranh

CRM Phân tích

1.3.1 Khái niệm và vai trò của CRM phân tích

CRM phân tích ( Analytical CRM) liên quan đến việc thu thập, lưu trữ, trích xuất, tích hợp, xử lý, giải thích, phân phối và báo cáo dữ liệu liên quan đến khách hàng nhằm nâng cao giá trị của cả khách hàng và công ty CRM phân tích phụ thuộc vào thông tin liên quan đến khách hàng Dữ liệu khách hàng được tìm thấy trong kho lưu trữ toàn doanh nghiệp : dữ liệu bán hàng, dữ liệu tài chính, dữ liệu chương trình khách hàng thân thiết và dữ liệu dịch vụ

Khác với CRM hoạt động thì CRM phân tích sẽ tập trung vào phân tích chính xác và làm phong phú tất cả dữ liệu có nghĩa dữ liệu không chỉ được thu thập mà còn chạy qua nhiều quy trình khác nhau để thu thập thông tin có giá trị

* Các loại CRM phân tích :

 CRM phân tích mô tả

 CRM phân tích chẩn đoán

 CRM phân tích dự báo

 CRM phân tích theo quy định

1.3.2 Lợi thế của việc tận dụng CRM phân tích

Nhờ sự trợ giúp của CRM phân tích, các công ty và doanh nghiệp có thể rút ra các hành động được đề xuất từ số lượng lớn dữ liệu khách hàng mà một người không thể xử lý được

Quy trình tự động cho phép CRM phân tích đưa ra các kết luận về hành vi của khách hàng trong tương lai, sức mua của khách hàng hoặc các yêu cầu của khách hàng Do đó, CRM giúp các công ty và doanh nghiệp hiểu rõ hơn về khách hàng của mình và cải thiện cách kiểm soát doanh số bán hàng cùng với giải pháp CRM hiệu quả, thông tin thu được từ CRM phân tích được sử dụng để nhắm mục tiêu tốt hơn bằng cách sử dụng chính xác sản phẩm và chiến lược truyền thông phù hợp với nhóm khách hàng mà doanh nghiệp hướng tới

1.3.3 Những ứng dụng CRM phân tích

Hubspot phân tích dữ liệu CRM tốt cho tiếp thị, bán hàng Ưu điểm của HubSpot CRM là đóng vai trò kho lưu trữ dữ liệu cho tất cả thông tin đến, là nền tảng của hệ sinh thái sản phẩm HubSpot Các bảng điều khiển khác nhau của CRM của họ cung cấp số liệu phân tích và báo cáo

SalesForce phần mềm phân tích CRM tốt với các mô hình dự đoán Công nghệ máy học của Einstein được đào tạo với các mô hình dự đoán từ Salesforce dưới dạng nền tảng phân tích thông minh kinh doanh dựa trên đám mây

Insightly công cụ phân tích CRM quản lý dự án Sử dụng Insightly để lập kế hoạch và thực hiện các chiến lược tiếp thị bao gồm các chiến dịch tiếp thị qua Email sau đó xem xét dữ liệu để xem đã thực hiện thành công như thế nào

Zoho Analytics phần mềm CRM phân tích cho các nhóm nhỏ cung cấp những báo cáo chuyên sâu, phân tích và đồng bộ dữ liệu tự động hoặc theo lịch trình từ ứng dụng, máy chủ và những nơi khác như : tệp CSV, Microsoft Excel, Google Drive,

Freshworks NEO công cụ CRM phân tích tốt trong quy trình bán hàng cung cấp thông tin hữu ích từ lúc bắt đầu với khách hàng và tiếp tục trong toàn bộ vòng đời của khách hàng

Zendesk hệ thống phân tích CRM hỗ trợ khách hàng Zendesk Explore là công cụ báo cáo và phân tích để đo lường và nâng cao trải nghiệm của khách hàng

Creatio nền tảng phân tích quy trình công việc tốt trong phân tích CRM quản lý quy trình kinh doanh, được sử dụng để thiết lập tự động hóa nhằm theo dõi và phân tích.

CRM Hướng dữ liệu ( Data Driven CRM)

1.4.1 Khái niệm, vai trò và công cụ được sử dụng của CRM hướng dữ liệu

“ Data Driven “ là một thuật ngữ trong kinh doanh đề cập đến việc sử dụng dữ liệu để cung cấp thông tin giúp ra quyết định nhanh hơn Quyết định được đưa ra với bằng chứng thực nghiệm thực tế chứ không phải suy đoán hay cảm giác Data Driven hầu như được sử dụng nhiều nhất trong lĩnh vực công nghệ và kinh doanh Việc sử dụng dữ liệu để phân tích đưa ra báo cáo chắc chắn sẽ giúp doanh nghiệp đạt được mục tiêu kinh doanh nhanh và hiệu quả hơn

Data Driven CRM đóng vai trò là giúp hiểu được khách hàng ( đặc tính, mong muốn, hành vi, ) từ đó có được sự hài lòng của khách hàng và giúp doanh nghiệp giữ lại được khách hàng cũ, số lượng khách hàng mới cũng tăng lên Việc sử dụng Data Driven CRM sẽ hướng tới ba mục tiêu chính :

 CRM hỗ trợ hoạt động bán hàng

 CRM hỗ trợ hoạt động Marketing

 CRM cho hoạt động bổ trợ

Dữ liệu khách hàng sẽ được thu thập từ dữ liệu bán hàng, dữ liệu từ các trang web hoặc từ các phương tiện mạng xã hội, cũng có thể từ các cuộc khảo sát Đối với CRM hướng dữ liệu thì có các công cụ hỗ trợ để phân tích như : Python, SQL Server, Power BI, Tableau,

1.4.2 Xu hướng của CRM hướng dữ liệu hiện nay

Chúng ta đang sống trong kỷ nguyên tự động hóa, công nghệ hiện đại.Tầm ảnh hưởng của trí tuệ nhân tạo (AI) và máy móc đến các ngành khác nhau trong thị trường là nhân tố quan trọng trong Data Driven CRM , các công nghệ này giúp doanh nghiệp có thể đưa ra các phân tích dự đoán và tương tác với khách hàng hiệu quả hơn

Quá trình tự động hóa thu thập dữ liệu, xử lý và phân tích dữ liệu của Data Driven CRM sẽ giúp doanh nghiệp có thông tin chuyên sâu về khách hàng tiềm năng để xử lý và lên chiến lược tiếp thị Bên cạnh đó, xu hướng Big Data trong CRM cũng cho thấy rằng các hệ thống/công cụ CRM thông minh sẽ cung cấp cho doanh nghiệp thông tin chi tiết về dữ liệu khách hàng từ giai đoạn Marketing, Sales, kênh truyền thông cho đến dịch vụ chăm sóc khách hàng từ đó có cái nhìn tổng quan để đưa ra kế hoạch kinh doanh hiệu quả

Data Storytelling ( kể chuyện thông qua dữ liệu) là quá trình xây dựng và xử lý dữ liệu,trích xuất giá trị dữ liệu và truyền đạt giá trị đó đến những đối tượng mong muốn Được hiểu là quá trình chuyển đổi và phân tích dữ liệu thành câu chuyện giúp người nghe dễ dàng hình dung được các thông tin Minh họa dữ liệu một cách hiệu quả bằng : đồ thị,biểu đồ, bản đồ động, tuy nhiên không chỉ tạo một biểu đồ đẹp mà phải có cấu trúc truyền đạt “ Data Insight” bao gồm sự kết hợp của 3 yếu sau :

Hình 1 4 Ba yếu tố trong Data Storytelling

 Data ( Dữ liệu ) : Phân tích dữ liệu chính xác là nền tảng của Data Storytelling Sử dụng các phương pháp như phân tích mô tả, dự đoán để hiểu rõ hơn về dữ liệu

 Visuals ( Hình ảnh) : Sử dụng các công cụ kể chuyện bằng hình ảnh như biểu đồ, sơ đồ,đồ thị để diễn giải câu chuyện một cách rõ ràng

 Narrative ( Cốt truyện) : Tạo ra cốt truyện để truyền tải nhưng hiểu biết được rút ra từ dữ liệu b Ưu điểm của Data Storytelling

 Biến thông tin phức tạp trở nên dễ hiểu

 Gia tăng hiệu quả các hoạt động

 Thu hút sự quan tâm của người dùng

1.4.4 Trực quan hóa dữ liệu – Data Visualization a Khái niệm

Data Visualization - Trực quan hóa dữ liệu là quá trình tạo ra biểu diễn đồ họa hoặc hình ảnh dễ truyền đạt của một lượng lớn dữ liệu và thông tin phức tạp, thể hiện dữ liệu dưới dạng đồ họa như đồ thị, biểu đồ, hay sử dụng các phương pháp, công cụ khác nhau để trực quan hóa và minh họa dữ liệu được tốt nhất Mục đích biến các nguồn dữ liệu thành những thông tin này nhằm thể hiện một cách trực quan, dễ quan sát, dễ hiểu, dễ truyền đạt rõ ràng những Insight từ dữ liệu tới người đọc, người xem b Lợi ích của Data Visualization

 Data Visualization giúp việc chia sẻ thông tin dễ dàng và nhanh chóng bỏ qua rào cản hạn chế về ngôn ngữ giúp người đọc người nghe dễ quan sát dễ tiếp thu.

 Data visualization giúp nắm bắt thông tin được thể hiện dưới các biểu đồ, đồ thị nhanh chóng đầy đủ về bất kỳ vấn đề nào Nó thể hiện trực quan mối quan hệ về những đối tượng nghiên cứu trong dữ liệu, khám phá những sự thật, điểm bất thường và xu hướng biến động của đối tượng nghiên cứu.

 Data visualization giúp việc trình bày thuyết trình diễn đạt thông tin đến người đọc người nghe một cách tốt hơn.

Phương pháp khai phá luật kết hợp và kỹ thuật phân cụm trong khai phá dữ liệu…

Khai phá dữ liệu ( Data mining) là quá trình trích xuất các thông tin hữu ích từ cơ sở dữ liệu lớn và sử dụng nó để ra quyết định kinh doanh Có nhiều tham số quan trọng khác nhau trong Data Mining như quy tắc kết hợp, phân loại, phân cụm và dự báo Một số tính năng chính của Data Mining :

 Dự đoán các mẫu dựa trên xu hướng trong dữ liệu

 Tính toán dự đoán kết quả

 Tạo thông tin phản hồi để phân tích

 Tập trung vào cơ sở dữ liệu lớn hơn

 Phân cụm dữ liệu trực quan

1.5.2 Phương pháp luật kết hợp trong khai phá dữ liệu

Trong lĩnh vực Data Mining, mục đích của luật kết hợp (Association Rule - AR) là tìm ra các mối quan hệ giữa các đối tượng trong khối lượng lớn dữ liệu Nội dung cơ bản của luật kết hợp được tóm tắt như dưới đây.

Cho cơ sở dữ liệu gồm các giao dịch T là tập các giao dịch t1, t2, …, tn.

T = {t1, t2, …, tn} T gọi là cơ sở dữ liệu giao dịch (Transaction Database)

Mỗi giao dịch ti bao gồm tập các đối tượng I (gọi là itemset)

I = {i1, i2, …, im} Một itemset gồm k items gọi là k-itemset

Mục đích của luật kết hợp là tìm ra sự kết hợp (association) hay tương quan (correlation) giữa các items Những luật kết hợp này có dạng X =>Y

Trong Basket Analysis, luật kết hợp X =>Y có thể hiểu rằng những người mua các mặt hàng trong tập X cũng thường mua các mặt hàng trong tập Y (X và Y gọi là itemset).

Ví dụ, nếu X = {Apple, Banana} và Y = {Cherry, Durian} và ta có luật kết hợp X

=>Y thì chúng ta có thể nói rằng những người mua Apple và Banana thì cũng thường mua Cherry và Durian.

Theo quan điểm thống kê, X được xem là biến độc lập (Independent variable) còn Y được xem là biến phụ thuộc (Dependent variable) Độ hỗ trợ (Support) và độ tin cậy (Confidence) là 2 tham số dùng để đo lường luật kết hợp Độ hỗ trợ (Support) của luật kết hợp X =>Y là tần suất của giao dịch chứa tất cả các items trong cả hai tập X và Y Ví dụ, support của luật X =>Y là 5% có nghĩa là 5% các giao dịch X và Y được mua cùng nhau.

Công thức để tính support của luật X =>Y như sau:

Trong đó: N là tổng số giao dịch. Độ tin cậy (Confidence) của luật kết hợp X =>Y là xác suất xảy ra Y khi đã biết X Ví dụ độ tin cậy của luật kết hợp {Apple} =>Banana} là 80% có nghĩa là 80% khách hàng mua Apple cũng mua Banana.

Công thức để tính độ tin cậy của luật kết hợp X =>là xác suất có điều kiện Y khi đã biết X như sau:

Trong đó: n(X) là số giao dịch chứa X Để thu được các luật kết hợp, ta thường áp dụng 2 tiêu chí: minimum support

(min_sup) và minimum confidence (min_conf)

Các luật thỏa mãn có support và confidence thỏa mãn (lớn hơn hoặc bằng) cả Minimum support và Minimum confidence gọi là các luật mạnh (Strong Rle)

Minimum support và Minimum confidence gọi là các giá trị ngưỡng (threshold) và phải xác định trước khi sinh các luật kết hợp.

Một itemsets mà tần suất xuất hiện của nó >= min_sup goi là frequent itemsets

Thuật toán sinh các luật kết hợp Apriori (by Agrawal and Srikant 1994)

Tư tưởng chính của thuật toán Apriori là:

- Tìm tất cả frequent itemsets: k-itemset (itemsets gồm k items) được dùng để tìm (k+1)- itemset. Đầu tiên tìm 1-itemset (ký hiệu L1) L1 được dùng để tìm L2 (2-itemsets) L2 được dùng để tìm L3 (3-itemset) và tiếp tục cho đến khi không có k-itemset được tìm thấy.

- Từ frequent itemsets sinh ra các luật kết hợp mạnh (các luật kết hợp thỏa mãn 2 tham số min_sup và min_conf)

1 Duyệt (Scan) toàn bộ transaction database để có được support S của 1-itemset, so sánh S với min_sup, để có được 1-itemset (L1)

2 Sử dụng Lk-1 nối (join) Lk-1 để sinh ra candidate k-itemset Loại bỏ các itemsets không phải là frequent itemsets thu được k-itemset

3 Scan transaction database để có được support của mỗi candidate k-itemset, so sánh

S với min_sup để thu được frequent k –itemset (Lk)

4 Lặp lại từ bước 2 cho đến khi Candidate set (C) trống (không tìm thấy frequent itemsets)

5 Với mỗi frequent itemset I, sinh tất cả các tập con s không rỗng của I

6 Với mỗi tập con s không rỗng của I, sinh ra các luật s => (I-s) nếu độ tin cậy (Confidence) của nó > =min_conf

1.5.3 Kỹ thuật phân cụm trong khai phá dữ liệu

Phân cụm là kỹ thuật rất quan trọng trong Data Mining, về bản chất, có thể hiểu phân cụm là các quy trình tìm cách nhóm các đối tượng đã cho vào các cụm, sao cho các đối tượng trong cùng một cụm tương tự nhau và các đối tượng khác cụm thì không tương tự nhau.

Kỹ thuật này sắp xếp các đối tượng theo từng cụm sao cho mức độ tương đồng giữa các đối tượng trong cùng một cụm là lớn nhất và mức độ tương đồng giữa các đối tượng khác cụm là nhỏ nhất với mục đích tìm ra bản chất bên trong các nhóm của dữ liệu.

Việc xác định các cụm như vậy dẫn đến việc phân đoạn các điểm dữ liệu thành một số nhóm riêng biệt Các điểm dữ liệu tương đối đồng nhất thuộc cùng một cụm có thể được tóm tắt bởi một đại diện cụm duy nhất và điều này cho phép giảm dữ liệu Phân cụm cũng có thể được sử dụng để xác định các quan sát bất thường khác biệt với các cụm khác Mục đích của kỹ thuật này là tìm ra bản chất bên trong các nhóm của dữ liệu Các thuật toán phân cụm đều sinh ra các cụm; tuy vậy, không có tiêu chí nào được xem là tốt nhất để đánh hiệu của phân tích phân cụm, điều này phụ thuộc vào mục đích của phân cụm như: natural clusters, useful clusters, data reduction, Các phương pháp phân cụm bao gồm phân cụm K-Means, phân cụm phân cấp, phân cụm dựa trên mật độ, phân cụm có dữ liệu ràng buộc, trong đó K-Means Clustering được coi là thuật toán phân cụm phổ biến nhất.

Kỹ thuật phân cụm được áp được trong rất nhiều lĩnh vực khác nhau như:

 Marketing: xác định các nhóm khách hàng sử dụng sản phẩm hay dịch vụ của doanh nghiệp để đưa ra chiến lược kinh doanh hiệu quả hơn

 WWW: Phân loại tài liệu (document classification); phân loại người dùng web (clustering weblog);

 Thư viện: Theo dõi độc giả, sách, dự đoán nhu cầu của độc giả,

 Bảo hiểm, tài chính: phân nhóm các đối tượng sử dụng bảo hiểm cũng như các dịch vụ tài chính, dự đoán xu hướng khách hàng và phát hiện gian lận trong tài chính

Thuật toán K-Means (K-Means Clustering)

Tableau sử dụng thuật toán K-means để phân cụm Đối với một số cụm k nhất định, thuật toán phân vùng dữ liệu thành k cụm và mỗi cụm có một tâm (centroid) là giá trị trung bình của tất cả các điểm trong cụm đó K-means định vị các trung tâm thông qua một quy trình lặp đi lặp lại để giảm thiểu khoảng cách giữa các điểm riêng lẻ trong một cụm và trung tâm cụm Đây là phương pháp phân vùng chia không gian dữ liệu thành K cụm riêng biệt, bắt đầu với các trung tâm cụm K được chọn ngẫu nhiên và tất cả các điểm dữ liệu được gán cho các trung tâm cụm gần nhất Sau đó, các trung tâm cụm được tính toán lại như là các trung tâm của các cụm mới hình thành Một cách tổng quát, thuật toán K- Means tìm cách phân nhóm các đối tượng vào K cụm sao cho tổng bình phương khoảng cách giữa các đối tượng đến tâm nhóm là nhỏ nhất Thuật toán K-Means được mô tả như sau:

Thuật toán được thực hiện qua các bước chính sau:

 Bước 1: Chọn ngẫu nhiên K tâm cho K cụm và mỗi cụm được đại diện bằng các tâm của cụm

 Bước 2: Tính khoảng cách giữa các đối tượng đến K tâm Bước 3: Nhóm các đối tượng vào nhóm gần nhất

 Bước 3:Xác định lại tâm mới cho các nhóm

 Bước 4: Thực hiện lại bước 2 cho đến khi không có sự thay đổi nhóm nào của các đối tượng.

Công cụ Tableau trực quan hóa dữ liệu

1.6.1 Khái niệm và các tính năng

Tableau là phần mềm hỗ trợ phân tích và trực quan hóa dữ liệu được dùng rất nhiều trong ngành BI Giồng với Microsoft Excel, Tableau giúp tổng hợp các dữ liệu ở một cấp độ cao hơn chuyển những dãy số thành những hình ảnh, biểu đồ, xây dựng các dashboard và các phân tích

Một số tính năng chính của Tableau :

 Quản lý siêu dữ liệu

 Hỗ trợ phân tích dữ liệu với Big Data

 Dễ dàng xây dựng các Business Dashboard

 Hỗ trợ tạo các truy vấn bằng thao tác đơn giản

 Quản lý các dữ liệu hoạt động ( Data Stories)

 Tính năng mô phỏng dữ liệu ( Data Visualization)

 Mô phỏng và phân tích dữ liệu

 Phân tích theo thời gian

 Biên dịch các truy vấn thành những hình ảnh, biểu đồ

 Tableau Desktop : Công cụ trực tiếp phân tích dữ liệu, cung cấp giao diện trực quan cùng các tính năng đa dạng để mã hóa và phân tích dữ liệu

 Tableau Public : Nền tảng miễn phí để khám phá, tạo và chia sẻ công khai các trực quan hóa dữ liệu trực tuyến

 Tableau Server : Nơi chia sẻ các báo cáo phân tích của doanh nghiệp, những dữ liệu được bảo mật cẩn thận và cấp quyền truy cập

 Tableau Online : Không giới hạn lưu trữ, không cần đến máy chủ nhưng vẫn cho phép liên kết với hơn 40 nguồn dữ liệu khác nhau

 Tableau Prep : Công cụ được dùng để chuẩn bị dữ liệu Tableau Prep giúp doanh nghiệp và nhà phân tích định hình dữ liệu nhanh chóng, cho phép thực hiện các hoạt động truy vấn, làm gọn dữ liệu một cách đơn giản và tiện lợi

 Tableau Reader : Một ứng dụng máy để bàn miễn phí có thể sử dụng để mở và tương tác với các trực quan hóa dữ liệu được tích hợp trong Tableau Desktop, Filter đi sâu và khám phá

1.6.3 Lợi ích khi sử dụng công cụ Tableau

 Luôn có thông tin và khả năng phân tích số liệu mọi lúc mọi nơi

 Xây dựng môi trường làm việc cộng tác, số hóa và phân tích trên một nền tảng dữ liệu duy nhất cho doanh nghiệp

 Tổng hợp, phân tích và đưa ra các góc nhìn về hoạt động của doanh nghiệp

 Khả năng mở rộng theo yêu cầu quản trị và độ lớn của dữ liệu

 Làm việc đồng thời cho tất cả các nguồn dữ liệu và phục vụ cho tất cả các phòng ban của doanh nghiệp

 Đáp ứng với các công nghệ Big Data, AI và khả năng tích hợp cao

CHƯƠNG 2 PHÂN TÍCH HÀNH VI THUÊ XE CỦA KHÁCH HÀNG TẠI CÔNG

Tổng quan về Công ty cổ phần Phú Mỹ Phát

2.1.1 Khái quát về Công ty cổ phần Phú Mỹ Phát

Công ty cổ phần Phú Mỹ Phát được thành lập vào năm 2008 là một doanh nghiệp có uy tín trong lĩnh vực vận tải du lịch trong nước và quốc tế Là một trong những nhà cung cấp dịch vụ vận chuyển chuyên nghiệp cho các tập đoàn, khách sạn resort 5 sao tại khu vực miền trung, các công ty lữ hành nội địa và quốc tế trên toàn quốc

Hình 2 1 Khái quát về công ty Phú Mỹ Phát

Phú Mỹ Phát cung cấp dịch vụ xe đưa đón CBNV cho doanh nghiệp, KCN - Khu chế xuất tại khu vực Miền Trung và các tỉnh thành trên cả nước, với hơn 200 phương tiện mới các loại cùng đội ngũ lái xe giàu kinh nghiệm, lịch sử và nhã nhặn, có ngoại ngữ và trình độ chuyên môn cao Đảm bảo cung cấp các loại xe đa dạng và đời mới

- Người đại diện pháp luật : Ngô Thanh Thảo

- Trụ sở : 495 Nguyễn Hữu Thọ, phường Khuê Trung, quận Cẩm Lệ, thành phố Đà Nẵng, Việt Nam

- Loại hình : là công ty cổ phần

2.1.2 Chức năng, nhiệm vụ, định hướng phát triển của công ty

Phú Mỹ Phát sẽ là nhà cung cấp dịch vụ vận chuyển cho các hội nghị, hội thảo, sự kiện, đưa đón cán bộ nhân viên, ngoài ra còn vận chuyển khách du lịch trong khu vực miền Trung nói chung và Đà Nẵng nói riêng Ngoài việc cung cấp xe để vận chuyển đoàn khách, công ty còn hỗ trợ cho thuê xe tự lái với những dòng xe đời mới

- Là nhà cung cấp uy tín trong việc vận chuyển khách du lịch

- Cung cấp các dịch vụ vận chuyển chuyên nghiệp

- Không ngừng thúc đẩy Phú Mỹ Phát phát triển đi lên

- Mục tiêu của Phú Mỹ Phát là trở thành một nhà cung cấp dịch vụ vận chuyển du lịch có tầm ảnh hưởng không chỉ ở khu vực Miền Trung mà khắp đất nước và quốc tế.Trở thành một công ty đáng tin cậy khi khách hàng có nhu cầu cần thuê xe

Hình 2 2 Cơ cấu tổ chức của công ty Nhiệm vụ và chức năng của từng phòng ban

 Đứng đầu và chịu trách nhiệm tất cả các hoạt động chung của công ty, đưa ra các quyết định đường lối phát triển phù hợp với công ty, đóng vai trò là người ra quyết định

- Phòng Kế toán & tài chính:

 Thu thập và xử lý các chứng từ hóa đơn, kiểm tra lại các con số, cung cấp những số liệu tài chính chính xác của công ty đến cho giám đốc

 Quản lý phúc lợi, tiền lương, bảo hiểm xã hội

 Có trách nhiệm sắp xếp và điều phối các lịch trình của tất cả các xe

 Làm việc với các đối tác kinh doanh

 Tìm kiếm các nguồn khách hàng mới

 Nghiên cứu và xây dựng các chiến lược để mở rộng thị trường, thu hút khách hàng, duy trì và mở rộng quan hệ với các đối tác

 Điều phối các hoạt động trên các trang mạng xã hội

2.1.4 Tình hình hoạt động kinh doanh của công ty năm 2022

Có thể thấy được tình hình kinh tế năm 2022 gặp rất nhiều khó khăn do hậu quả của đại dịch Covid gây ra Không chỉ các hoạt động du lịch ở Đà Nẵng bị ảnh hưởng nặng nề mà ngành du lịch Việt Nam nói chung cũng đã trải qua một năm đầy biến cố, hầu như mọi hoạt động phải tạm ngừng một thời gian dài do áp dụng các biện pháp cách ly, phong tỏa nhằm hạn chế đại dịch bùng phát

Về tình hình hoạt động kinh doanh năm 2022 về lĩnh vực cho thuê xe đạt được các mục tiêu đề ra khi tổng doanh thu tăng gấp đôi so với năm 2021, thị trường được mở rộng với nhiều các công ty lớn, các khách sạn và resort nổi tiếng ở Đà Nẵng như : The Five Villa, Melia Vinpearl Hội An, Cecilia Hotel,

Về mảng Tour cũng đạt được nhiều thành công lớn khi năm 2022 đã tổ chức thành công nhiều Tour có giá trị cao Có thể kể đến như hoàn thành xuất sắc nhiệm vụ cung cấp hơn

100 phương tiện xe 16 chỗ đưa đón học sinh hằng ngày cho hệ thống giáo dục của FPT từ hệ tiểu học đến cao đẳng tại Đà Nẵng, tháng 10 năm 2022 cung cấp và điều hành xe phục vụ thành công chương trình xúc tiến du lịch tiểu vùng Mê Công mở rộng với chủ đề “ Tái thiết ngành du lịch - kiên cường phục hồi du lịch” tại Hội An - Quảng Nam

Tiếp nối truyền thống vì cộng đồng mà Phú Mỹ Phát đã theo đuổi từ khi thành lập đến nay, năm 2022 công ty cũng đã có những hoạt động xã hội mạnh mẽ và được ghi nhận từ chính quyền thành phố Đà Nẵng Theo đó, trong năm 2022 Phú Mỹ Phát đã cung cấp các chuyến xe miễn phí chở hàng ngàn người dân hồi hương đi cách ly Phối hợp với các đoàn thể, tổ chức quyên góp và ủng hộ quỹ phòng chống dịch Covid 19, tổ chức các chuyến xe chở các công nhân lao động khó khăn về quê ăn tết, tài trợ các chương trình của thành phố Nhờ sự cố gắng nỗ lực không ngừng, cá nhân tổng giám đốc Ngô Thanh Thảo cũng như tập thể công ty cũng đã được nhận bằng khen từ Chủ tịch UBND TP Đà Nẵng và hội doanh nhân trẻ Việt Nam

2.1.5 Quy trình thực hiện Đối với báo cáo lần này sẽ tập trung vào phân tích cũng như tìm giải pháp cho bộ phận phòng tự lái Do ảnh hưởng từ đại dịch Covid 19 mà doanh thu của phòng tự lái giảm xuống so với những năm trước Một phần là có rất nhiều đối thủ cạnh tranh trong lĩnh vực này vì thế mà gặp rất nhiều khó khăn Một vấn đề là công ty vẫn chưa thể xác định được tệp khách hàng tiềm năng đang hướng tới, chưa thể nhìn rõ được Insight khách hàng vì thế mà không thể tiếp cận, các chiến dịch chạy quảng cáo để thu hút khách hàng cũng không mang lại hiệu quả Nhận thấy được vấn đề đó mà đưa ra quy trình gồm 5 bước nhằm giải quyết :

Hình 2 3 Quy trình thực hiện Bước 1 Xác định được vấn đề của công ty : Việc xác định rõ được vấn đề mà công ty đang gặp khó khăn để đưa ra các chính sách và dịch vụ phù hợp đúng với khách hàng đang hướng tới nhằm nâng cao hiệu quả kinh doanh.

Bước 2 Thu thập, xử lý dữ liệu khách hàng : Dữ liệu khách hàng sẽ là yếu tố quan trọng nhằm hỗ trợ cho quá trình phân tích và khai phá

Bước 3 Trực quan hóa dữ liệu : Nhằm thấy rõ được chân dung khách hàng, hành vi, sở thích và nhu cầu của khách hàng giúp doanh nghiệp xác định được tệp khách hàng đang hướng tới

Thu thập và xử lý dữ liệu khách hàng tại phòng tự lái

- Phương pháp thu thập dữ liệu : từ hệ thống thông tin quản lý dữ liệu khách hàng của công ty.

- Địa điểm thu thập dữ liệu : 495 Nguyễn Hữu Thọ, phường Khuê Trung, quận Cẩm Lệ, thành phố Đà Nẵng

Qua quá trình thu thập, thu được dữ liệu về thông tin thuê xe của khách hàng trong giai đoạn 6 tháng quý IV năm 2022 và quý I năm 2023 Dữ liệu gồm 584 dòng chính là thông tin của khách hàng và gồm các cột : STT, Tên khách hàng, Giới tính, Độ tuổi, Địa chỉ, Nghề nghiệp, Số điện thoại, Loại xe thuê, Lộ trình đi, Ngày thuê, Ngày trả, Số ngày thuê, Tổng số tiền, Liên lạc qua, Hình thức thanh toán, Đánh giá khách hàng Dữ liệu sau khi được thu thập và xử lý :

Trực quan hóa dữ liệu, phân tích hành vi khách hàng bằng công cụ Tableau

Sau khi xử lý các dữ liệu, tiến hành mở phần mềm Tableau Desktop và thực hiện các bước trực quan hóa dữ liệu Các bước trực quan hóa được tiến hành như sau:

Bước 1: Khởi động Tableau - chọn Connect vào file Excel đã xử lý trước đó, sau đó kéo thả bảng để tiến hành trực quan hóa dữ liệu

Hình 2 5 Connect vào file excel đã xử lý

Bước 2: Chọn Sheet1 ở góc dưới bên trái và tiến hành trực quan hóa từng dữ liệu.

Ứng dụng mô hình phân cụm vào bài toán phân tích hành vi thuê xe của khách hàng phòng tự lái tại công ty cố phần Phú Mỹ Phát

Xây dựng cơ sở dữ liệu để giải quyết bài toán: thực hiện dựa trên công cụ SQL Server

Bước 1: Mở công cụ SQL đã được cài đặt, đăng nhập vào SQL Server rồi Connect và tạo một Database mới và đặt tên cho Database là THUEXEDULICH

Bước 2: Sau đó kích chuột vào mục Database rồi nhấp chuột phải vào

THUEXEDULICH Di chuột vào dòng Tasks và chọn mục Import Data để chèn file dữ liệu Excel vào

Hình 2 6 Thực hiện nhập dữ liệu vào DatabaseBước 3: Hộp thoại SQL Server Import and Export Wizard xuất hiện, nhấn chọn Next.

Hình 2 7 Xuất hiện hộp thoại SQL Server Import and Export Wizard

Bước 4: Ở Data Source chọn Microsoft Excel

- Ở Excel file path chèn file dữ liệu Excel đã được xử lý dữ liệu.

- Ở Excel Version chọn đuôi file là Microsoft Excel 97-2003 và nhấn Next

Hình 2.8 Thao tác nhập dữ liệuBước 5: Xuất hiện hộp thoại Choose a Destination: Ở Destination chọn SQL Server Native Client 11.0 rồi chọn Next.

Hình 2 9 Thao tác nhập dữ liệuBước 6: Hiển thị bảng Specify Table Copy or Query, chọn Copy data from one or more tables or views sau đó nhấn Next

Hình 2 10 Thao tác nhập dữ liệuBước 7: Hiển thị bảng như sau và chọn “Sheet1$” rồi chọn Next

Hình 2 11 Xuất hiện cửa sổ Select Source Tables and ViewsBước 8: Hiển thị cửa sổ Save and Run Package Chọn Run immediately rồi nhấn Next.

Hình 2 12 Xuất hiện cửa sổ Save and Run Package Bước 9: Sau đó hộp The execution was successful xuất hiện, có nghĩa là việc thực hiện truy xuất dữ liệu đã thành công Nhấn chọn Close, kết thúc quá trình tạo CSDL

Hình 2 13 Xuất hiện hộp thoại hộp The execution was successful

Bước 10: Trở về Database, nhấp chuột vào THUEXEDULICH, chọn dbo.Sheet1$ và Rename thành dbo.Thuexedulich và chọn Select Top 1000 Rows Xem được kết quả truy vấn dữ liệu như hình dưới đây:

Hình 2 14 Truy vấn dữ liệu

Bước 11: Tạo Data Source như sau:

Khởi động Microsoft Data Tool for Visual Studio 2013, chọn New Project Xuất hiện hộp thoại New Project Đặt tên cho Project mới là THUEXEDULICH, sau đó nhấn

Hình 2 15 Khởi động Microsoft Data Tool for Visual Studio 2013

Bước 12: Tại mục Data Source, nhấn chuột phải chọn New Data Source, hiện ra cửa sổ Data Source Wizard như hình, chọn Next.

Hình 2 16 Tạo một Data Sources mới

Bước 13: Xuất hiện hộp thoại Connection Manager Nhập Server Name, chọn Use SQL Server Authentication ở mục Log on to the server, sau đó nhập Username và

Password đã tạo Chọn Database THUEXEDULICH để phân tích dữ liệu trong phần

Connect to a database Nhấn OK

Bước 14: Hiển thị hộp Impersonation information Chọn Use the service account và nhấn Next.

Hình 2 17 Xuất hiện hộp thoại Data Source Wizard Bước 15: Xuất hiện hộp thoại Completing the Wizard Nhấn Finish để kết thúc quá trình tạo mô hình

Hình 2 18 Hiển thị cửa sổ Completing the Wizard Bước 16: Tạo Data Source Views như sau: nhấp chuột phải vào Data Source Views và chọn New Data Source Xuất hiện hộp thoại Data Source View Wizard, nhấn Next.

Hình 2 19 Tạo một Data Source Views mới Bước 17: Xuất hiện hộp thoại Select a Data Source chọn Next

Hình 2 20 Xuất hiện cửa sổ Select a Data Source

Bước 18: Xuất hiện hộp thoại Select Tables and Views Kích dấu “