Phân tích dữ liệu thuê bao di động hướng đến dự báo thuê bao rời mạng viễn thông Nguyễn Thị Như Ngọc Trường Đại học Công nghệ Luận văn ThS Chuyên ngành: Hệ thống thông tin; Mã số 60 48 01 04 Người hướng dẫn: TS. Phan Xuân Hiếu Năm bảo vệ: 2014 Keywords. Phân tích dữ liệu; Thuê bao di động; Thuê bao rời mạng viễn thông; Công nghệ thông tin. 6 MỞ ĐẦU Dịch vụ thông tin di động ngày càng phát triển mạnh mẽ, trở thành một phần tất yếu trong cuộc sống của mỗi người dân Việt Nam. Với sự ra đời của hàng loạt các nhà cung cấp dịch vụ mạng điện thoại di động. Quản lý thông tin thuê bao di động nhằm nâng cao khả năng chăm sóc khách hàng, đưa ra các chiến lược kinh doanh là việc không thể thiếu đối với các nhà cung cấp dịch vụ mạng di động. Ngày nay “kho dữ liệu” đã trở thành một khái niệm quen thuộc đối với các doanh nghiệp, “kho dữ liệu” hỗ trợ doanh nghiệp ra quyết định cho các hoạt động tăng sự tập trung vào khách hàng như phân tích các mô hình khách hàng, so sánh hiệu suất doanh số bán hàng theo quý, theo năm, và theo vùng địa lý để điều chỉnh chiến lược sản xuất, phân tích hoạt động và tìm kiếm nguồn lợi nhuận, quản lý các mối quan hệ khách hàng, điều chỉnh môi trường và quản lý chi phí tài sản của công ty. Xây dựng kho dữ liệu thuê bao di động là hướng đi đúng đắn nhằm nâng cao năng lực cạnh tranh và chăm sóc khách hàng của các nhà mạng di động. Trong bối cảnh thị trường viễn thông đã đi vào giai đoạn bão hòa, khách hàng ngày càng đòi hỏi cao về chất lượng và dịch vụ. Hơn nữa khách hàng có nhiều lựa chọn và có quyền chuyển đổi nhà cung cấp dịch vụ, kết quả là khách hàng rời mạng tăng lên một cách nhanh chóng. Đối mặt với thách thức này, các nhà cung cấp dịch vụ viễn thông cần phải đưa ra những hoạch định chiến lược để giữ chân khách hàng. Các yếu tố quan trọng để giữ chân khách hàng là dự đoán khách hàng rời mạng và chiến lược phòng chống khách hàng rời mạng hiệu quả. Hướng nghiên cứu của tôi là từ kho dữ liệu di động thực hiện khai thác, phân tích nhằm phát hiện các hành vi rời mạng của thuê bao và dự đoán thuê bao rời mạng cho đề tài luận văn của mình. Luận văn được xây dựng dựa theo lý thuyết khai phá dữ liệu được các nhà khoa học nghiên cứu đồng thời tôi xin trình bày quan điểm riêng của mình về việc áp dụng khai phá dữ liệu trong phát hiện hành vi và dự đoán thuê bao rời mạng. Dữ liệu được sử dụng trong luận văn là dữ liệu “anonymous”, chỉ mang tính chất nghiên cứu và không tiết lộ bất cứ thông tin của tổ chức hay cá nhân nào. Luận văn được chia thành các chương như sau: Chương 1: Trình bày tổng quan thuê bao rời mạng viễn thông, khái niệm thuê bao rời mạng, phân biệt các hình thức rời mạng của thuê bao và sự cần thiết của việc dự đoán thuê bao rời mạng. Chương 2: Trình bày về lý thuyết khai phá dữ liệu di động. Các ứng dụng khai phá dữ liệu di động như: Dự đoán xu hướng phát triển của các sản phẩm và dịch vụ, nhận dạng và dự đoán gian lận, dự đoán nhu cầu tăng dung lượng đường truyền. Chương 3: Trình bày về bài toán phân lớp dữ liệu thuê bao rời mạng, đầu vào và dầu ra của bài toán. Đưa ra mô hình kho dữ liệu di động và mô hình phân lớp dữ liệu thuê bao rời mạng. Dữ liệu được trích xuất từ kho dữ liệu di động và các thuật toán 7 phân lớp là hai thành phần chính của bài toán phân lớp. Trong luận văn sẽ sử dụng các thuật toán cây quyết định C4.5, Naïve Bayes, SVM và Neural Networks để phân lớp dự đoán thuê bao rời mạng viễn thông. Chương 4: Thực nghiệm bài toán phân lớp dữ liệu di động với dữ liệu cụ thể. Đánh giá kết quả đạt được với các mô hình phân lớp. 44 TÀI LIỆU THAM KHẢO Tiếng Việt [1]. Hà Quang Thụy, Phan Xuân Hiếu, Ðoàn Sơn, Nguyễn Trí Thành, Nguyễn Thu Trang, Nguyễn Cẩm Tú (2009), Khai phá dữ liệu Web, NXB Giáo Dục [2]. TS. Phan Xuân Hiếu, Bài giảng khai phá dữ liệu – Đại học Công Nghệ - Đại Học Quốc gia Hà Nội [3]. TS. Nguyễn Văn Vinh, Bài giảng trí tuệ nhân tạo – Đại học Công Nghệ - Đại Học Quốc gia Hà Nội [4]. Bộ Thông Tin và Truyền Thông (2013), Sách Trắng về Công nghệ thông tin và Truyền thông 2013, NXB Thông Tin và Truyền Thông [5] Phạm Văn Thùy, Luận văn “Khai thác và phân tích dữ liệu ngân hàng nhằm phát hiện rủi ro và hỗ trợ ra quyết định trong quản trị”, Đại học Công Nghệ - Đại Học Quốc gia Hà Nội, K18 [6] Lê Thị Thùy Linh, Khóa luận tốt nghiệp “Nghiên cứu các thuật toán phân lớp dữ liệu dựa trên cây quyết định” - Đại học Công Nghệ - Đại Học Quốc gia Hà Nội, K46 [7] Đỗ Thi Cẩm Vân (2004), Luận văn“Học mạng nơron theo mô hình SOM và ứng dụng trong bàitoán quản lý khách hàng vay vốn Ngân hàng”, Đại học Công Nghệ - Đại Học Quốc gia Hà Nội [8] 20 năm di động Việt Nam: Đòn bẩy nằm ở đâu?Ictnews, http://ictnews.vn/vien- thong/20-nam-di-dong-viet-nam-don-bay-nam-o-dau-111420.ict Tiếng Anh [9]. Jiawei Han University of Illinois at Urbana–Champaign, Micheline Kamber, Jian Pei Simon Fraser University(2012) , Data Mining: Concepts and Techniques - Third Edition [10]. K. H. Liao and H. E. Chueh (2011), Applying fuzzy data mining to telecom churn management - Intelligent Computing and Information Science. 45 [11]. Pushpa and G.Shobha (2012), Social Network Analysis for Churn Prediction in Telecom data. [12]. J. O. Daramola, O. O Oladipupo, and G. A. Musa, A data mining process framework for churn management in mobile telecommunication industry [13]. E. Shaaban, Y. Helmy, A. Khedr, and M. Nasr, A proposed churn prediction model - International Journal of Engineering Research and Applications [14]. Georges D. Olle Olle and Shuqin Cai (2014), A Hybrid Churn Prediction Model in Mobile Telecommunication Industry [15] Jiliang Tang, Salem Alelyani and Huan Liu (2013), Feature Selection for Classification: A Review [16] Huong Xuan Nguyen (2011), Customer Churn Prediction for the Icelandic Mobile Telephony Market [17] Clement Kirui, Li Hong, Wilson Cheruiyot and Hillary Kirui (2013), Predicting Customer Churn in Mobile Telephony IndustryUsing Probabilistic Classifiers in Data Mining. [18] Vladislav Lazarov, Marius Capota, Churn Prediction. [19] Ali Daud, Muhammad Akram Shaikh, and Faqir Muhammad, Pattern Mining in Telecom Data. [20] Sen Wu, Naidong Kang, Liu Yang, Fraudulent Behavior Forecast in Telecom IndustryBased on Data Mining Technology. [21] J. Burez, D. Van den Poel (2009), Handling class imbalance in customer churn prediction. [22] http://www.cs.waikato.ac.nz/ml/weka . toán phân lớp dữ liệu thuê bao rời mạng, đầu vào và dầu ra của bài toán. Đưa ra mô hình kho dữ liệu di động và mô hình phân lớp dữ liệu thuê bao rời mạng. Dữ liệu được trích xuất từ kho dữ liệu. Trình bày tổng quan thuê bao rời mạng viễn thông, khái niệm thuê bao rời mạng, phân biệt các hình thức rời mạng của thuê bao và sự cần thiết của việc dự đoán thuê bao rời mạng. Chương 2: Trình. Phân tích dữ liệu thuê bao di động hướng đến dự báo thuê bao rời mạng viễn thông Nguyễn Thị Như Ngọc Trường Đại học Công nghệ Luận văn ThS Chuyên ngành: Hệ thống thông tin;