XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AIXẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AI
BANKING ACADEMY MANAGEMENT INFORMATION SYSTEMS Hà Nội – 2021 NỘI DUNG 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Tổng quan phát triển khách hàng Mơ hình phát triển khách hàng Hoạt động phát triển khách hàng thời đại số 4.2 XẾP HẠNG TÍN DỤNG KHÁCH HÀNG DỰA TRÊN AI Giới thiệu tốn Thuật tốn học máy Nạve Bayes Xây dựng mơ hình XHTD cho khách hàng NH 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Tổng quan phát triển khách hàng Khách hàng nhân tố quan trọng doanh nghiệp Nếu tỷ lệ trì khách hàng tăng lên 5% lợi nhuận doanh nghiệp tăng 25%-95% (theo Harvard Business Review) VẤN ĐỀ PTKH LÀ CHIẾN LƯỢC ƯU TIÊN HÀNG ĐẦU 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Tổng quan phát triển khách hàng Ma trận Sản phẩm-Thị trường Ma trận Ansoff nhà toán học kinh tế học gốc Nga Igor Ansoff giới thiệu từ kỷ XX “Phát triển khách hàng”: tăng thêm khách hàng & thúc đẩy khách hàng mua nhiều sản phẩm dịch vụ 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Mơ hình phát triển khách hàng Năm 2003, lý thuyết “Phát triển khách hàng” phát biểu cách thức sách mang tên “The Four Steps to the Epiphany” Steven Gary Blank – doanh nhân, nhà giáo dục học diễn giả tiếng người Mỹ Khám phá khách hàng Kiểm chứng khách hàng Tạo khách hàng Xây dựng doanh nghiệp Steven Gary Blank, 2003 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Hoạt động PTKH thời đại số dựa AI Các ứng dụng AI bật để “Khám phá khách hàng” oỨng dụng Microsoft Dynamics 365 Customer Insights phân khúc khách hàng dựa AI 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Hoạt động PTKH thời đại số dựa AI Các ứng dụng AI bật để “Khám phá khách hàng” oHệ thống Conversica giao tiếp thông minh với khách hàng dựa AI 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Hoạt động PTKH thời đại số dựa AI Các ứng dụng AI bật để “Khám phá khách hàng” oGiải pháp DB Lytix on Sybase IQ xếp hạng tín dụng khách hàng dựa AI 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Hoạt động PTKH thời đại số dựa AI Các ứng dụng AI bật để “Khám phá khách hàng” oHệ thống Trusting social Credit scoring chấm điểm tín dụng khách hàng dựa AI 9/24/2021 4.1 VẤN ĐỀ PHÁT TRIỂN KHÁCH HÀNG Hoạt động PTKH thời đại số dựa AI Các ứng dụng AI bật để “Kiểm chứng khách hàng” o Chatbot FPT.AI ghi nhận phản hồi đánh giá khách hàng sản phẩm, dịch vụ dựa AI o Ứng dụng Điện lực miền Trung 9/24/2021 10 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI Giảm tỷ lệ từ chối sai: tăng tỉ lệ chấp nhận CBTD không cần đào tạo đặc biệt Nâng cao CLDV &Tăng lợi cạnh tranh 9/24/2021 Tăng tốc thời gian xét duyệt & Giảm chi phí XHTD DỰA TRÊN AI LÀM ĐƯỢC GÌ? Khả xử lý liệu khuyết thiếu Làm việc với nhiều nguồn liệu 23 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI Sử dụng kỹ thuật học nâng cao VÌ SAO XHTD DỰA TRÊN AI LÀM ĐƯỢC? Khơng q trọng vào lịch sử TD 9/24/2021 Xử lý liệu đa dạng 24 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.1 Vấn đề XHTD khách hàng Ngân hàng Các phương pháp XHTD khách hàng NH Phương pháp xếp hạng tín dụng dựa AI: kỹ thuật học điển hình sử dụng Các kỹ thuật phân lớp: Nạve Bayes, lớp thuật tốn định (ID3, C4.5, Random forest…), SVM… Các kỹ thuật hồi quy: hồi quy tuyến tính, hồi quy logistic… 9/24/2021 Các kỹ thuật học sâu: ANN, RNN, CNN, LSTM… 25 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Giới thiệu Naive Bayes kỹ thuật phân lớp dự báo mạnh mẽ Dễ hiểu, có tốc độ huấn luyện nhanh Dựa định lý Bayes xác suất có điều kiện: Cho A, B hai biến cố p(A|B) = 9/24/2021 p(AB) P(B) 26 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Nguồn liệu Khách hàng 𝑿 = (𝒙𝟏 , … , 𝒙𝒎 ) Khả X có hạng 𝑳𝟏 Dữ liệu huấn luyện Dữ liệu kiểm thử Mơ hình XHTD Đánh giá mơ hình Khả X có hạng 𝑳𝐢 Khả X có hạng 𝑳𝟏 Khả cao 9/24/2021 Hạng tín dụng khách hàng X 27 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật toán học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD XÂY DỰNG MƠ HÌNH TỪ BỘ DỮ LIỆU HUẤN LUYỆN Thuộc tính 𝑨𝟏 𝑨𝒎 Hạng TD Dữ liệu KH 𝑨𝟏𝟏 𝑨𝟏𝒎 𝑹𝒂𝒏𝒌𝟏 Dữ liệu KH n 𝑨𝒏𝟏 𝑨𝒏𝒎 𝑹𝒂𝒏𝒌𝒏 𝐑𝐚𝐧𝐤 𝟏 , … , 𝐑𝐚𝐧𝐤 𝐧 hạng tín dụng {𝐋𝟏 , … , 𝐋𝐤 } Với hạng 𝐋𝐣 ∈ {𝐋𝟏 , … , 𝐋𝐤 }, tính: Số KH có nhãn Lj p Lj = Tổng số KH (n) Với cặp đặc trưng hạng (Ai_t , Lj ), tính: 9/24/2021 Số KH có thuộc tính thứ i Ai_t hạng Lj p Ai_t , Lj = Số KH có hạng Lj 28 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD XHTD cho KH 𝑋 có m đặc trưng {𝑥1 , … , 𝑥𝑚 }: • Khả X mang hạng 𝐋𝟏 : p_1 = p L1 ςmi=1 p 𝑥i , L1 •… • Khả X mang hạng 𝐋𝐤 : p_k = p Lk ςm i=1 p 𝑥i , Lk X xếp hạng 𝐋𝐢 (với p_i = MAX{p_1, … , p_k}) 9/24/2021 29 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật toán học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Ví dụ minh họa Tuổi Giới tính Nghề nghiệp 18-35 18-35 >60 18-35 36-45 36-45 46-60 18-35 >60 46-60 Nữ Nam Nam Nam Nữ Nam Nữ Nam Nữ Nam Chuyên môn, HC Chuyên môn, HC Chuyên môn, HC Chuyên môn, HC Phổ thông, lâu dài Phổ thông, lâu dài Chuyên môn, HC Chuyên môn, HC Phổ thơng, lâu dài Chun mơn, HC 9/24/2021 Tình trạng nhà Mục đích vay Nhà sở hữu riêng Sửa chữa nhà cửa Nhà sở hữu riêng Kinh doanh Nhà sở hữu riêng Kinh doanh Nhà sở hữu riêng Mua nội thất Nhà sở hữu riêng Kinh doanh Nhà sở hữu riêng Sửa chữa nhà cửa Nhà thuê Mua nội thất Nhà sở hữu riêng Sửa chữa nhà cửa Nhà thuê Mua nội thất Nhà sở hữu riêng Kinh doanh Hạng TD 'Tốt' 'Tốt' 'Tốt' 'Xấu' 'Xấu' 'Tốt' 'Tốt' 'Xấu' 'Xấu' 'Xấu' 30 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Ví dụ minh họa: kết huấn luyện (1) • p ‘Tốt’ = ; 10 • p Tuổi = 18 − 35, ‘Tốt’ ; p Tuổi = 46 − 60, ‘Tốt’ = • p Tuổi = 18 − 35, ‘Xấu’ 9/24/2021 10 = ; p ‘Xấu’ = = ; ; p Tuổi = 46 − 60, ‘Xấu’ = p Tuổi = 36 − 45, ‘Tốt’ = ; p Tuổi > 60, ‘Tốt’ = p Tuổi = 36 − 45, ‘Xấu’ = ; p Tuổi > 60, ‘Xấu’ = 31 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Ví dụ minh họa: kết huấn luyện (2) • p Giới tính = Nam, ‘Tốt’ = ; p Giới tính = Nữ, ‘Tốt’ = 5 ; p Giới tính = Nữ, ‘Xấu’ = 5 • p Giới tính = Nam, ‘Xấu’ = • p Nghề nghiệp = Chuyên môn HC, ‘Tốt’ = ; p Nghề nghiệp = Phổ thơng lâu dài, ‘Tốt’ = • p Nghề nghiệp = Chuyên môn HC, ‘Xấu’ = ; p Nghề nghiệp = Phổ thông lâu dài, ‘Xấu’ = 9/24/2021 5 32 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật toán học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Ví dụ minh họa: kết huấn luyện (3) • p Tình trạng nhà = Nhà sở hữu riêng, ‘Tốt’ ; p Tình trạng nhà = Nhà thuê, ‘Tốt’ = • p Tình trạng nhà = Nhà sở hữu riêng, ‘Xấu’ ; p Tình trạng nhà = Nhà thuê, ‘Xấu’ = • p MĐV = KD, ‘Tốt’ ;p 9/24/2021 = ; = p MĐV = SCNC, ‘Tốt’ = MĐV = Mua nội thất, ‘Tốt’ = • p MĐV = KD, ‘Xấu’ ;p = ; = p MĐV = SCNC, ‘Xấu’ = MĐV = Mua nội thất, ‘Xấu’ = 33 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Ví dụ minh họa: xếp hạng tín dụng cho khách hàng có thuộc tính: Tuổi: 18-35, Giới tính: Nam, Nghề nghiệp: Phổ thơng lâu dài, Tình trạng nhà ở: Nhà sở hữu riêng, Mục đích vay: Mua nội thất • Xét trường hợp hạng tín dụng ‘Tốt’ p X −′ Tốt ′ = p[′ Tốt ′ ] p Tuổi = 18 − 35, ‘Tốt’ p[Giới tính = 9/24/2021 34 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Ví dụ minh họa: xếp hạng tín dụng cho khách hàng có thuộc tính: Tuổi: 18-35, Giới tính: Nam, Nghề nghiệp: Phổ thơng lâu dài, Tình trạng nhà ở: Nhà sở hữu riêng, Mục đích vay: Mua nội thất • Xét trường hợp hạng tín dụng ‘Xấu’ p X −′ Xấu′ = p[′ Xấu′] p Tuổi = 18 − 35, ‘Xấu’ p[Giới tính = 9/24/2021 35 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.2 Thuật tốn học máy Nạve Bayes Thuật tốn Nạve Bayes mơ hình XHTD Ví dụ minh họa: xếp hạng tín dụng cho khách hàng có thuộc tính: Tuổi: 18-35, Giới tính: Nam, Nghề nghiệp: Phổ thơng lâu dài, Tình trạng nhà ở: Nhà sở hữu riêng, Mục đích vay: Mua nội thất • Kết luận: Do “khả ơng khách hàng X có hạng tín dụng ‘Xấu’ cao có hạng tín dụng ‘Tốt’” nên kỹ thuật phân lớp Bayes xếp hạng tín dụng ‘Xấu’ cho ơng khách hàng X 9/24/2021 36 4.2 PHƯƠNG PHÁP XHTD DỰA TRÊN AI 4.2.3 Xây dựng mơ hình XHTD cho khách hàng NH 9/24/2021 37