CHƯƠNG 4: KẾT LUẬN VÀ ĐỀ XUẤT. 1. Kết luận
Về phân cụm, kết quả cho thấy với bộ dữ liệu ban đầu cho thấy tỷ lệ phân cụm đúng và sát với thực tế, mơ hình phân cụm như vậy là hồn toàn phù hợp.
Về phân lớp, qua các đánh giá kết quả ở trên thấy rằng Logistic Regression là phương pháp phù hợp nhất cho bộ dữ liệu này.
Nội dung nghiên cứu trong đề tài, nhóm chúng tơi đã đưa ra các phân tích phân cụm dữ liệu trên phần mềm Orange rồi tiến hành khai thác xử lý chúng để đưa ra các dữ liệu cần thiết. Các dữ liệu này lại được tối ưu hoá và đem vào sử dụng một cách hiệu quả trên các cơ sở dữ liệu được lưu trữ bởi phần mềm Excel. Đề tài đã đi sâu vào tính ứng dụng đưa ra cách thức xử lý các dữ liệu một cách phù hợp và linh hoạt.
Thực hiện phân tích dữ liệu này có thể mang lại nhiều lợi ích khác nhau chẳng hạn như chúng ta sẽ đốn được liệu khách hàng có đăng ký một khoản tiền gửi có kỳ hạn hay khơng dựa trên hồ sơ của khách hàng có các thuộc tính: tuổi, cơng việc, tình trạng hơn nhân, học vấn,… Mục đích cuối cùng đó là thu hút khách hàng có thể quay lại. Nó mang lại tính ổn định và tạo ra khách hàng trung thành mang lại giá trị cho ngân hàng trong dài hạn và tạo ra doanh thu và lợi nhuận lớn. Dự đoán về các mẫu thường xuyên từ tập dữ liệu có thể được xác định bằng cách sử dụng khai thác quy tắc kết hợp sử dụng thuật toán apriori.
2. Hướng phát triển
Từ bài tốn phân tích trên ta có thể thấy rằng hiện nay, với sự phát triển công nghệ thông tin trong xu hướng bùng nổ của mạng xã hội trong đời sống dẫn đến các hoạt động marketing phải thay đổi theo hướng thích nghi với cuộc sống, chính vì thế Bank Marketing đã đưa ra những nỗ lực của ngân hàng nhằm thỏa mãn nhu cầu của khách hàng và thực hiện mục tiêu lợi nhuận.
+Tận dụng tối đa lợi ích của dữ liệu
Các marketer ngân hàng chắc chắn không thể thiếu thông tin dữ liệu từ khách hàng trong tầm tay – từ lịch sử mua hàng cho đến nhân khẩu học và nhiều hơn thế nữa – nhưng điều quan trọng là các marketer ngân hàng phải sử dụng được dữ liệu đó để tạo ra các phân
khúc có ý nghĩa và xây dựng nên các chiến lược nhắm mục tiêu tốt hơn để tăng trải nghiệm phục vụ khách hàng và phát triển doanh thu. Chính điều đó mới tạo ra được sự thúc đẩy cho hành trình phát triển dài lâu của các ngân hàng.
+ Chú trọng vào việc tương tác với khách hàng.
Nhấn mạnh về sự tương tác với khách hàng trong lĩnh vực ngân hàng, các khách hàng có mức độ tương tác cao là những khách hàng có độ trung thành cao; và sự trung thành của khách hàng bằng doanh thu tăng lên theo thời gian.
Trong nghiên cứu trong tương lai, chúng tôi muốn sử dụng các loại bộ dữ liệu khác để thử nghiệm, chẳng hạn như ngành tài chính hoặc giáo dục ngành…
Thị trường tiêu dùng năng động châu Á đòi hỏi các cơng ty dịch vụ tài chính phải hiểu rõ và học cách tiếp cận và luôn thay đổi - về mặt xã hội, nhân khẩu học và công nghệ. Thập kỷ tiếp theo sẽ mang đến vô số cơ hội mới cho những nhà cung cấp tìm ra giải pháp phù hợp để tiếp cận và cung cấp dịch vụ cho người tiêu dùng châu Á mới.
TÀI LIỆU THAM KHẢO
https://www.simplilearn.com/tutorials/data-science-tutorial/what-is-data-science https://www.oracle.com/what-is-data-science/
https://www.techtarget.com/searchenterpriseai/definition/data-science https://archive.ics.uci.edu/ml/datasets/bank+marketing