Trong phần tạo cây quyết định, hệ thống trả về một cây quyết định với lá là các tình trạng hiện tại của khách hàng.
Phần tạo luật kết hợp, theo như thực nghiệm bài toán ta thu được 10 luật kết hợp với độ tin cậy cao (từ 0.9 trở lên) :
1. THU NHAP=Cao TK_THUAKE=C
2. GIOITINH=nu THE CHAP=K CHO VAY=C TK_HIENTAI=C 3. KHU VUC=NT THE CHAP=K
Chương 4 - Ứng dụng Business Intelligence
39
5. THU NHAP=Cao TK_HIENTAI=C TK_THUAKE=C
6. GIOITINH=nu TK_THUAKE=C THE CHAP=K TK_HIENTAI=C 7. GIOITINH=nu TK_THUAKE=C CHO VAY=C TK_HIENTAI=C 8. KET HON=K CHO VAY=C THE CHAP=K
9. KET HON=C XE=K THE CHAP=K CHO VAY=C TK_HIENTAI=C
10.GIOITINH=nu KET HON=C TK_THUAKE=C THE CHAP=K
TK_HIENTAI=C
Các luật đều có cấu trúc chung AB. Trong đó A là mệnh đề điều kiện, có thể do nhiều mệnh đề đơn kết hợp, B là mệnh đề được suy ra nếu các mệnh đề của A được thỏa mãn. Ví dụ trong luật kết hợp số 2 :
GIOITINH=nu THE CHAP=K CHO VAY=C TK HIENTAI=C
Luật này có thể được hiểu rằng : Nếu khách hàng là nữ, không có thế chấp nhưng vẫn được cho vay thì hiện tại phải có tài khoản trong ngân hàng. Chỉ cố conf(1) có nghĩa là với 19 trường hợp đáp ứng giả thuyết (GIOITINH=nu THE CHAP=K CHO VAY=C) thì kết luận cũng đều được đáp ứng (TK HIENTAI=C).
Do trong trường hợp này tập dữ liệu học là toàn bộ bảng Khách hàng nên kết quả thu được dùng để kiểm chứng cho những khách hàng mới. Dựa vào những luật kết hợp thu được, nhà phân tích có thể đưa ra các quyết định có nên cho đối tượng vay tiền hay không hoặc phát triển việc cho vay vốn đối với các đối tượng tùy theo tình trạng gia đình, tài khoản, thu nhập…
40
KẾT LUẬN
Việc tổng hợp, phân tích thông tin từ những nguồn dữ liệu khác nhau luôn là vấn đề đáng quan tâm đối với các tổ chức có khối lượng dữ liệu lớn. Trong lĩnh vực kinh doanh, lượng dữ liệu về khách hàng, quá trình kinh doanh, biến động thị trường chứa đựng nhiều thông tin hữu ích cho các công ty. Nhiều giải pháp khai thác nguồn thông tin này đã được đưa ra. Trong đó, Business Intelligence là một giải pháp mới với nhiều bộ công cụ hỗ trợ.
Trong luận văn này, tôi đã trình bày một số kiến thức cơ bản về bộ công cụ Business Intelligence Pentaho và ứng dụng trong dữ liệu thực : tạo báo cáo và khai phá dữ liệu. Kết quả của các ứng dụng này có thể được liên kết để tạo thành hệ hỗ trợ quyết định trong kinh doanh.
Do thời gian có hạn nên khóa luận mới chỉ dừng ở mức mô tả chức năng của các công cụ trong bộ công cụ Business Intelligence. Nếu có điều kiện phát triển, cần nghiên cứu tổng hợp kết quả từ các công cụ, tiến tới làm thành một hệ hỗ trợ quyết định hoàn chỉnh.
Với ưu điểm là bộ công cụ mã nguồn mở nên Pentaho thích hợp để áp dụng cho những tổ chức vừa và nhỏ do tiết kiệm được chi phí. Vì thế tương lai gần, các hệ Business Intelligence có thể sẽ sớm được áp dụng rộng rãi tại Việt Nam.
41
TÀI LIỆU THAM KHẢO Tiếng Việt
[1] Business Intelligence là gì. http://bis.net.vn/forums/t/121.aspx
[2] Hà Quang Thụy (chủ biên). Giáo trình khai phá dữ liệu Web. Nxb Giáo dục Việt Nam. 2009.
[3] Kho dữ liệu và các ứng dụng. http://web.dongtak.net/spip.php?article11&lang=vi. [4] Nguyễn Thành Đạt, Nguyễn Ngọc Anh. Advances Topics in Database Systems. 2009. [5] Phạm Văn Quang, Đỗ Thị Luân. Tiểu luận Datamining vs OLAP. 2009.
[6] Wikipedia về kho dữ liệu.
http://vi.wikipedia.org/wiki/Kho_d%E1%BB%AF_li%E1%BB%87u.
Tiếng Anh
[7] Deduction Engineering and Machine Learning – WEKA. The University of Waikato, 2003.
[8] Introducing the Pentaho BI Suite Community Edition. (adsbygoogle = window.adsbygoogle || []).push({});
[9] Julian Hyde, Lance Walter. OLAP for MySQL using Pentaho’s Mondrian. [10] Pentaho homepage. http://www.pentaho.com/
[11] Remko R. Bouckaert, Eibe Frank, Mark Hall, Richard Kirkby, Peter Reutemann, Alex Seeward, David Scuse. Weka Manual for Version 3.7.0. The University of Waikato, 2009.
[12] Seth Grimes. MySQL V5 – Ready for Prime Time Business Intelligence. Alta Plana Corporation.
[13] William H. Inmon. Building the Data Warehouse Fourth Edition. Wiley, 2005.
[14] Zdravko Markov, Ingrid Russell. An Introduction to the WEKA Data Mining System.