Thực tế, hệ thống thu ngân tại một số Siêu Thị tại TPHCM đã sử dụng công nghệ mã vạch để thanh toán cho khách hàng. Dữ liệu giao dịch mỗi khách hàng được lưu trữ trong phần mềm cơ sở dữ liệu của máy tính đặt tại các quầy thu ngân. Hiện nay dữ liệu này đã trở nên rất nhiều qua các phiên giao dịch, việc sử dụng DataMining để khai phá các dữ liệu hiện có là một việc rất cần thiết cho hoạt động kinh doanh trong Siêu Thị.
Như vậy, nhiệm vụ của khai thác dữ liệu là phải tìm được mối liên hệ giữa các mặt hàng trong giao dịch đó. Mối quan hệ này có dạng X => Y, đây chính là các tri thức chiết xuất được trong khi khai thác với độ hỗ trợ cho trước (minsupt), độ tin cậy cho trước (minconf). Các tri thức chiết xuất được sẽ giúp cho hoạt động kinh doanh trong Siêu Thị được tốt hơn từ đó có thể hoạch định kế hoạch sản xuất kinh doanh trong những năm tiếp theo.
Sau khi đã xác định được các tập mục lớn và độ hỗ trợ, ta tiến hành sinh các luật kết hợp bằng cách sử dụng thủ tục sinh các tập con của tập mục lớn. Các luật kết hợp thu được trong trường hợp này bao gồm các luật dạng Y ⇒ X như đã đề cập ở trên.
Như vậy, kết quả khai thác sẽ cho thấy các luật thu được có dạng Y ⇒ X và cách thức vận dụng các luật nào là chưa rõ. Các tri thức chiết xuất dạng này thường không cần thiết và gây nên lãng phí không gian nhớ. Ứng dụng giải pháp hiệu quả tính ứng dụng loại bỏ các luật dạng Y ⇒ X, kết quả thu được chỉ còn các luật dạng X
⇒ Y .Các tri thức thu được sau khi loại bỏ là các tri thức đáng tin cậy cho lãnh đạo. Thực vậy, số lượng các luật thu được trong giải pháp này gồm các luật có giá trị cao. Đây cũng chính là những tri thức chiết xuất được trong quá trình khai thác. Vấn đề đặt ra là phải ứng dụng hiệu quả các luật này vào trong sản xuất kinh doanh cũng như cuộc sống dựa vào đặc điểm và tính chất ứng dụng luật ứng với mỗi luật trong tập luật. Để giải quyết vấn đề này ta sử dụng giải pháp tối ưu hoá tính ứng dụng luật.
Việc sử dụng hàm đánh giá để xem xét về tiền đề, kết quả của luật đạt được trong tập luật, đây là một giai đoạn mang tính tư duy nhưng nó rất quan trọng khi ta ứng dụng trong thực tế. Từ khi xác định đến khi ghi nhận tính ứng dụng cho mỗi luật đây là quá trình tốn kém nhiều thời gian, song kết quả đạt được sẽ hữu ích cho lãnh đạo trong khi hoạch định kế hoạch sản xuất, kinh doanh trong thời gian sắp tới.
Tính ứng dụng các tri thức chiết xuất được sẽ giúp cho lãnh đạo Siêu Thi trong việc bố trí, sắp xếp, kinh doanh những mặt hàng nào tại các quầy nào, tổ chức sắp sếp các quầy gần nhau như thế nào để có doanh thu trong các phiên giao dịch là lớn nhất. Ngoài ra, có thể áp dụng tri thức này để dự đoán số lượng các mặt hàng được bán chạy nhất trong thời gian sắp tới. Tổng hợp các tri thức này lãnh đạo có thể lên kế hoạch hoạt động, sản xuất, kinh doanh một cách thuận tiện hơn nhằm giảm bớt thời gian thống kê, tìm hiểu thị trường,v.v...
Như vậy, tính ứng dụng của khai thác luật kết hợp trong cơ sở dữ liệu giao dịch đã giải quyết được hai vấn đề tồn đọng đã nêu ở phần trên. Kết quả của khai thác sẽ được lưu trữ trong các cơ sở dữ liệu tri thức để phục vụ cho mục đích xây dựng các hệ chuyên gia về sau này.
Phần V Công cụ WEKA tìm luật kết hợp
Trong môi trường cạnh tranh khốc liệt hiện nay, việc sử dụng phương pháp khai phá tri thức từ dữ liệu là một phương pháp tiếp cận mới, góp phần giúp Ngân hàng đưa quyết định kịp thời, tăng cường khả năng cạnh tranh và nâng cao hiệu quả kinh doanh. Khai phá tri thức từ dữ liệu có thể được áp dụng cho nhiều bài toán hỗ trợ quyết định khác của ngân hàng như: bán hàng chéo, quan hệ khách hàng, phát hiện gian lận, chống rửa tiền. Dưới đây là phương pháp dùng công cụ WEKA tìm luật kết hợp với ví dụ có thể áp dụng trong quá trình chăm sóc khách hàng của ngân hàng.