(Tiểu luận) bài tập nhóm môn thương mại điện tử đề tài ứng dụng của big data và ai trong bán lẻ

Đặc điểm ● Volume khối lượng: khối lượng dữ liệu cực lớn ● Velocity vận tốc: dữ liệu xử lý, phân tích và định cấu hình dữ liệu trong khi nó đang được tạo - đôi khi chỉ trong vòng mili gi

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN VIỆN THƯƠNG MẠI VÀ KINH TẾ QUỐC TẾ

BÀI TẬP NHÓM MÔN THƯƠNG MẠI ĐIỆN TỬ

Đề tài: Ứng dụng của Big Data và AI trong bán lẻ

Hà Nội , tháng 9 năm 2023

Trần Ngọc LinhTrần Kim ChúcNguyễn Thị Ngọc Ánh

Lớp học phần: Thương mại điện tử_02

Giáo viên hướng dẫn Dương Thị Ngân

Thời gian học Học kỳ 1 năm học 2023-2024

h

MỤC LỤC

h

PHẦN 1: LỜI MỞ ĐẦU

Công nghệ đang ngày càng phát triển, nó đóng một vai trò quan trọng không chỉtrong cuộc sống mà còn cả trong doanh nghiệp, các ngành nghề trên thế giới từtài chính- ngân hàng, sức khỏe y tế, công nghiệp đến marketing và đặc biệt làtrong ngành thương mại điện tử và bán lẻ Trong những năm gần đây, doanh sốngành bán lẻ tăng trưởng hàng năm ở mức ổn định với mức tăng trưởng 2019ước đạt 25,038 nghìn tỷ USD, tăng trưởng nhẹ 4,5% so với năm trước Côngnghệ và thương mại điện tử phát triển mạnh mẽ đã mở rộng thị trường bán lẻtoàn cầu nâng tỉ lệ bán lẻ trực tuyến lên 18,1 %, phát triển song song cùng vớinền bán lẻ truyền thống vẫn đang chiếm 81,9 % trên toàn cầu Cùng với sự pháttriển của công nghệ, thói quen mua sắm tiêu dùng của khách hàng cũng dầnthay đổi Khách hàng có thói quen xem xét và lựa chọn hàng hoá trực tuyếntrước khi đặt mua hoặc tới mua tại cửa hàng Bên cạnh đó, có rất nhiều sảnphẩm từ các nhà bán lẻ trên toàn cầu để họ lựa chọn Các yếu tố này đòi hỏi nhàbán lẻ luôn phải tối ưu nguồn lực của mình và đặt khách hàng làm trọng tâm để

có thể tồn tại và phát triển bền vững Ứng dụng công nghệ mới như AR, BigData, , IoT doanh nghiệp có thể cung cấp dịch vụ chăm sóc khách hàng vớiAInhững trải nghiệm và giá trị khác biệt, tối ưu hoá chiến lược quản lý và chuỗicung ứng, từ đó gia tăng doanh số hoạt động Đây chính là 3 khía cạnh chủ yếucủa cuộc cách mạng công nghệ 4.0, Amazon là một trong những công ty đi đầutrong việc áp dụng công nghệ để nâng cao trải nghiệm khách hàng cũng nhưđem lại nguồn lợi nhuận khổng lồ Sau đây, nhóm em sẽ đi vào phân tích chi tiếtvai trò của công nghệ big data và AI, cách Amazon sử dụng chúng cũng như ưu,nhược điểm của từng công nghệ

h

PHẦN 2: NỘI DUNG

I, Ứng dụng của Big Data trong bán lẻ

1 Tổng quan về Big Data

1.1 Đặc điểm

● Volume (khối lượng): khối lượng dữ liệu cực lớn

● Velocity (vận tốc): dữ liệu xử lý, phân tích và định cấu hình dữ liệu trong

khi nó đang được tạo - đôi khi chỉ trong vòng mili giây

● Variety (đa dạng): bao gồm các tổ hợp dữ liệu có cấu trúc, phi cấu trúc

và bán cấu trúc Cơ sở dữ liệu truyền thống và các giải pháp quản lý dữ liệuthiếu tính linh hoạt và phạm vi để quản lý các bộ dữ liệu phức tạp, riêng biệt tạonên Big Data

● Veracity (tính xác thực): chính xác, phù hợp và kịp thời

● Value (giá trị): cung cấp thông tin chi tiết có thể giúp các doanh nghiệp

h

trở nên cạnh tranh và linh hoạt hơn - đồng thời phục vụ khách hàng của họ tốthơn.

1.2 Vai trò

1.2.1 Định lượng và tối ưu hóa hiệu suất cá nhân:

Nhờ các thiết bị di động thông minh như smartphone, smartwatch mà thông tin,

dữ liệu cá nhân có thể được thu thập dễ dàng Những dữ liệu cá nhân từ mỗingười dùng sẽ giúp doanh nghiệp có cái nhìn rõ nét về xu hướng hành vi mớinhất của khách hàng Từ đó, các nhà quản lý có thể định hướng cho chiến lược,

kế hoạch mới trong tương lai gần

1.2.2 Phòng chống an ninh, giảm thiểu rủi ro:

Big Data được các doanh nghiệp sử dụng để thăm dò, phát hiện và ngăn chặncác nguy cơ, rủi ro về gian lận, xâm nhập hệ thống, đánh cắp thông tin mật Ví

dụ như các ngân hàng và công ty thẻ tín dụng dùng Big Data để ngăn chặn cácgiao dịch gian lận

1.2.3 Tối ưu hóa giá cả:

Việc định giá sản phẩm, dịch vụ luôn là điều rất quan trọng và cũng rất khókhăn đối với các doanh nghiệp Bởi vì doanh nghiệp cần nghiên cứu rất kỹ vềmong muốn khách hàng và mức giá hiện tại của đối thủ cạnh tranh Nhờ có BigData mà công cuộc nghiên cứu, thu thập dữ liệu trên trở nên dễ dàng, nhanhchóng, giúp doanh nghiệp định giá một cách chính xác, hiệu quả hơn

1.2.4 Nắm bắt các giao dịch tài chính:

Thương mại điện tử đã và đang phát triển mạnh mẽ trên toàn thế giới, trong đó

có cả Việt Nam Do đó, các giao dịch tài chính trên website hay các app thươngmại điện tử ngày càng tăng lên và thể hiện rõ hành vi mua của khách hàng Cácthuật toán Big Data được doanh nghiệp sử dụng để gợi ý, đưa ra quyết định giaodịch cho khách hàng, tăng tỷ lệ chốt đơn cho doanh nghiệp

1.3 Ứng dụng

Được ứng dựng trong nhiều ngành nghề như:

h

bộ chuỗi cung ứng Nhờ vậy, nhà bán lẻ có thể hiểu được thói quen, sở thích mua hàng và gợi ý đúng thứ mà khách hàng cần, theo cách mà họ muốn, giúp gia tăng doanh số bán hàng Kết quả phân tích dữ liệu cũng là cơ sở để nhà bán

lẻ có thể kiểm soát tình trạng và chất lượng hàng hóa nhằm đảm bảo chất lượng tốt nhất trước khi đưa tới khách hàng

1.4.2 Tối ưu hóa nguồn nhân lực bán hàng

Nhờ các dữ liệu bán hàng, dữ liệu thu thập qua các thiết bị di động, các nhà bán

lẻ có được thông tin về hiệu suất của các cộng tác viên bán hàng Các số liệubao gồm số lượng khách hàng được hỗ trợ, thời gian phản hồi trung bình và tầnsuất bán hàng Nhờ đó, các nhà quản lý có thể tối ưu hóa lao động tại các cửa

h

Discover more from:

7340121

Document continues below

Kinh doanh thương mại

Đại học Kinh tế Quốc dân

Trắc nghiệm 320 câu Ngân hàng thương mại NEU

hàng, phân bổ hợp lý số lượng nhân lực cho thời gian cao điểm cũng như điềuchuyển nhân viên theo nhu cầu và đưa ra các chính sách thúc đẩy năng suất cầnthiết

1.4.3 Quyết định chiến lược bán hàng

Ứng dụng kết quả phân tích dữ liệu có thể giúp các nhà bán lẻ đo lường phản ứng của người tiêu dùng đối với mỗi màu sắc, mùi vị, bao bì, kích thước, v.v…của mỗi loại sản phẩm, từ đó, đưa ra các quyết định chọn lọc duy trì các sản phẩm phù hợp với thị hiếu và loại bỏ các sản phẩm không được ưa chuộng, lựa chọn cách thức bán hàng, quyết định tỉ lệ giảm giá khuyến mại và loại hàng cần giảm giá khuyến mại để đảm bảo hàng cuối mùa được bán hết, giảm chi phí tồn kho và tăng tối đa lợi nhuận có thể Phân tích dữ liệu cũng giúp nhà bán lẻ có phương án bày hàng hóa trong siêu thị cũng như trên cửa hàng trực tuyến Cụ thể các hàng hóa có tỉ lệ mua cùng nhau nhiều nhất sẽ được sắp xếp cạnh nhau, hàng hóa được quan tâm nhiều nhất sắp xếp ở vị trí dễ nhìn nhất Các kết hợp hàng hóa hấp dẫn nhất giúp tăng tỉ lệ chuyển đổi mua hàng cho doanh nghiệp

2 Triển khai Big Data trong doanh nghiệp

2.1 Các bước cơ bản để áp dụng công nghệ Big Data

2.1.1 Nghiên cứu tính khả thi

Phân tích các đặc điểm và nhu cầu kinh doanh, xác thực tính khả thi của giải pháp dữ liệu lớn, tính toán chi phí ước tính và tỉ suất hoàn vốn cho dự án thực hiện, đánh giá chi phí vận hành

2.1.2 Kĩ thuật yêu cầu và lập kế hoạch

- Xác định các loại dữ liệu (ví dụ: dữ liệu SaaS, bản ghi SCM, dữ liệu vận hành, hình ảnh và video) sẽ được thu thập và lưu trữ, khối lượng dữ liệu ước tính và số liệu chất lượng dữ liệu cần thiết

- Hình thành tầm nhìn cấp cao về giải pháp dữ liệu lớn trong tương lai, nêurõ:

● Chi tiết cụ thể về xử lý dữ liệu (lô, thời gian thực hoặc cả hai)

● Khả năng lưu trữ cần thiết

● Tích hợp với các thành phần cơ sở hạ tầng CNTT hiện có

● Số lượng người dùng tiềm năng Yêu cầu về bảo mật và tuân thủ

- Chọn mô hình triển khai: tại chỗ so với đám mây (công khai, riêng tư) so với kết hợp

- Lựa chọn sơ đồ công nghệ tối ưu

- Chuẩn bị một kế hoạch dự án toàn diện với khung thời gian, chi phí cần thiết

Khóa luận tốt nghiệp Hành vi bắt nạt trực tuyến của học sinh ở một số trường trung học phổ thông tại thành phố H…

132

h

Đặc biệt là với các doanh nghiệp nhỏ thì càng phải chọn lọc dữ liệu cần được quan tâm, đặt ra những mục tiêu rõ ràng trong ngắn hạn và dài hạn.

2.1.3 Thiết kế kiến trúc

- Tạo các mô hình dữ liệu đại diện cho tất cả các đối tượng dữ liệu sẽ được lưu trữ trong cơ sở dữ liệu dữ liệu lớn , cũng như các liên kết giữa chúng, để có được bức tranh rõ ràng về các luồng dữ liệu, cách thu thập, lưu trữ và xử lý dữ liệu ở một số định dạng nhất định trong giải pháp

- Vạch ra chiến lược quản lý chất lượng dữ liệu và cơ chế bảo mật dữ liệu (mã hóa dữ liệu, kiểm soát quyền truy cập của người dùng, dự phòng, v.v.)

- Thiết kế kiến trúc dữ liệu lớn tối ưu cho phép nhập, xử lý, lưu trữ và phântích dữ liệu

2.1.4 Triển khai Big Data

- Chuẩn bị môi trường điện toán mục tiêu và chuyển giải pháp dữ liệu lớn vào sản xuất

- Thiết lập các biện pháp kiểm soát bảo mật cần thiết (nhật ký kiểm tra, hệ thống ngăn chặn xâm nhập, v.v.)

- Khởi chạy quá trình nhập dữ liệu từ các nguồn dữ liệu, xác minh chất lượng dữ liệu (tính nhất quán, độ chính xác, tính đầy đủ, v.v.) trong giải pháp đãtriển khai

- Chạy thử nghiệm hệ thống để xác thực rằng toàn bộ giải pháp dữ liệu lớn hoạt động như mong đợi trong cơ sở hạ tầng CNTT mục tiêu

- Lựa chọn và định cấu hình các công cụ giám sát giải pháp dữ liệu lớn, đặtcảnh báo cho các vấn đề cần chú ý ngay lập tức (ví dụ: lỗi máy chủ, dữ liệu không nhất quán, hàng đợi tin nhắn quá tải)

2.1.5 Hỗ trợ và phát triển

Thiết lập các quy trình hỗ trợ và bảo trì để đảm bảo giải pháp dữ liệu lớn vận hành không gặp sự cố: giải quyết các vấn đề của người dùng, tinh chỉnh cài đặt phần mềm và mạng, tối ưu hóa việc sử dụng tài nguyên máy tính và lưu trữ

2.2 Các công cụ Big Data

2.2.1 Apache Hadoop

Apache Hadoop là một trong những công cụ được sử dụng phổ biến nhất Hadoop là một bộ khung mã nguồn mở từ Apache và chạy trên phần cứng Nó được sử dụng để lưu trữ quá trình và phân tích dữ liệu, cho phép xử lý dữ liệu song song khi nó hoạt động trên nhiều máy cùng một lúc

h

Mọi công cụ được phát triển đi kèm với một số nhược điểm Và Hadoop có một

số nhược điểm sau đây:

● Hadoop không hỗ trợ xử lý thời gian thực Nó chỉ hỗ trợ xử lý hàng loạt

● Hadoop không thể thực hiện các phép tính trong bộ nhớ

2.2.2 Apache Spark

Apache Spark có thể được coi là sự kế thừa của Hadoop khi nó khắc phục được những nhược điểm của Hadoop Spark, không giống như Hadoop, hỗ trợ cả thờigian thực cũng như xử lý hàng loạt Nó là một hệ thống phân cụm mục đích chung

Nó cũng hỗ trợ tính toán trong bộ nhớ, khiến Apache Spark nhanh hơn 100 lần

so với Hadoop Điều này được thực hiện bằng cách giảm số lượng thao tác đọc/ ghi vào đĩa Nó cung cấp sự linh hoạt hơn so với Hadoop vì nó hoạt động với các kho dữ liệu khác nhau như HDFS, OpenStack và Apache Cassandra

2.2.3 Apache Storm

Apache Storm là hệ thống tính toán phân tán mã nguồn mở thời gian thực miễn phí, thực hiện xử lý dữ liệu luồng (Unbounded streams of data) một cách đáng tin cậy

Ưu điểm lớn nhất của Apache Storm là dễ triển khai và có thể tương tác với bất

kỳ ngôn ngữ lập trình nào Mặt khác, nó đảm bảo việc xử lý từng bộ dữ liệu Tốc độ xử lý của nó rất nhanh và một tiêu chuẩn có thể quan sát được là tới mộttriệu tuple được xử lý mỗi giây trên mỗi nút

h

2.2.5 MongoDB, R Programming, Kafka, Rapid Miner

MongoDB là công cụ hoàn hảo cho những người muốn các giải pháp dựa trên

dữ liệu, đây là công cụ dành cho doanh nghiệp cần dữ liệu nhanh chóng và thời gian thực để đưa ra quyết định Nó thân thiện với người dùng vì nó cung cấp càiđặt và bảo trì dễ dàng hơn MongoDB là công cụ đáng tin cậy và tiết kiệm chi phí, tạo điều kiện thuận lợi cho việc quản lý dữ liệu phi cấu trúc hoặc dữ liệu thay đổi thường xuyên

Một vài ứng dựng hữu ích của Kafka: Website Activity Monitoring: theo dõi hoạt động của website, xử lí stream, tổng hợp log

2.3 Chi phí áp dụng Big Data

2.3.1 Chi phí trả trước: cơ sở hạ tầng

Chi phí lớn nhất mà doanh nghiệp phải gánh chịu khi xử lý Big Data là chi phí cho cơ sở dữ liệu phân tích Chi phí của các nền tảng Dữ liệu lớn như Hadoop

và Spark sẽ tăng tỷ lệ thuận với dung lượng lưu trữ, sức mạnh tính toán và xử lý

mà doanh nghiệp sử dụng

h

Một máy chủ Intel tầm trung, có giá từ 4.000 USD đến 6.000 USD cho dung lượng ổ đĩa 3TB và 6TB Một nguyên tắc chung là giả định rằng nó sẽ có giá

$1000 – $2000 mỗi TB Do đó, một cụm Hadoop petabyte sẽ có giá khoảng 1 triệu USD vì nó cần khoảng 200 nút

2.3.2 Chi phí quản lí , bảo trì

Các chi phí bổ sung bắt đầu chồng chất lên số tiền ban đầu ngay khi doanh nghiệp cảm thấy cần phải mở rộng quy mô hoạt động Cụm trước đây có dung lượng 6TB có thể cần phải được mở rộng theo chiều dọc lên tới 200 petabyte dung lượng lưu trữ, xử lý hàng trăm nghìn nút Tuy nhiên, điều này gây ra vấn

đề thậm chí còn lớn hơn việc chỉ trả chi phí cho không gian lưu trữ bổ sung và sức mạnh xử lý

2.3.3 Chi phí vốn con người

Nhân sự: Quản lý dự án, nhà phân tích kinh doanh, kiến trúc sư dữ liệu lớn, nhà phát triển dữ liệu lớn, kỹ sư dữ liệu, nhà khoa học dữ liệu, nhà phân tích dữ liệu,

kỹ sư DataOps, kỹ sư DevOps, kỹ sư QA, kỹ sư kiểm tra

Một chuyên gia Hadoop toàn thời gian sẽ có giá từ 70.000 đến 150.000 USDmột năm, trong khi công việc thuê ngoài có giá trung bình từ 81 đến 100 USD một giờ Chi phí phát triển rất khác nhau tùy thuộc vào kinh nghiệm của nhà phát triển, vị trí của họ và quy mô của dự án

2.4 Các công ty cung cấp dịch vụ Big Data

Các doanh nghiệp có thể thuê, mua dịch vụ từ bên thứ 3 là các công ty chuyên phân tích dữ liệu để có các phương án tối ưu, phù hợp với doanh nghiệp và có

h

chi phí hợp lí.

- Việt Nam: VLake từ FSI, VinBigData thuộc Vingroup

- Thế giới:Software AG, Oracle, IBM, Microsoft, AWS

3 Big Data ứng dụng trong bán lẻ của Amazon

3.1 Vai trò

Big data có vai trò quan trọng và đa dạng trong ứng dụng của nó trong ngànhbán lẻ của Amazon

● Phân tích và hiểu khách hàng: Amazon có thể xây dựng hồ sơ khách

hàng chi tiết và hiểu rõ hơn về sở thích, nhu cầu và hành vi mua sắm của họ.Điều này giúp Amazon cá nhân hóa trải nghiệm mua sắm, gợi ý sản phẩm phùhợp và cung cấp dịch vụ tốt hơn

● Gợi ý sản phẩm và tiếp thị đích đến: Big data giúp Amazon áp dụng các

thuật toán phân tích để đề xuất và gợi ý sản phẩm phù hợp với từng khách hàng.Dựa trên dữ liệu về lịch sử mua hàng, sở thích và hành vi, Amazon có thể tùychỉnh gợi ý và quảng cáo tiếp thị đích đến cho từng khách hàng Điều này giúptăng khả năng tìm kiếm sản phẩm, cải thiện trải nghiệm mua sắm và thúc đẩydoanh số bán hàng

● Quản lý hàng tồn kho và chuỗi cung ứng: Big data cung cấp thông tinquan trọng về xu hướng tiêu dùng, dự báo nhu cầu và phân tích hiệu suất hàngtồn kho Amazon sử dụng dữ liệu để quản lý tồn kho một cách hiệu quả, đảmbảo sẵn có sản phẩm theo yêu cầu của khách hàng và giảm thiểu rủi ro tồn kho

dư thừa

● Định giá động và quản lý giá cả: Big Data cho phép Amazon phân tích

dữ liệu về giá cả trên thị trường, đồng thời theo dõi và phản ứng nhanh chóngđối với sự biến đổi giá cả Amazon có thể điều chỉnh giá cả của sản phẩm dựatrên thông tin từ big data, nhằm tối ưu hóa lợi nhuận, tăng cường cạnh tranh vàthu hút khách hàng

h

● Dự báo và phân tích xu hướng: Big Data cho phép Amazon phân tích

các xu hướng tiêu dùng, biểu đồ mua sắm và dự báo nhu cầu khách hàng trongtương lai Thông qua việc phân tích dữ liệu từ big data, Amazon có thể đưa ranhững quyết định chiến lược, điều chỉnh các sản phẩm và dịch vụ, và thích nghivới sự thay đổi của thị trường

3.2 Cách Amazon sử dụng Big Data

Video: https://www.youtube.com/watch?v=O0DnYqkRWWQ

3.2.1.Cách Amazon sử dụng Big Data

Có thể chia làm ba bước:

Bước 1: Thu nhập dữ liệu

- Dữ liệu bạn cung cấp khi bạn sử dụng dịch vụ : những mặt hàng bạn mua,thêm vào giỏ, xóa khỏi giỏ, các đánh giá sản phẩm

- Dữ liệu được tìm thấy tự động Đây có thể là thông tin về loại điện thoại,

vị trí của bạn, tự động thu thập địa chỉ IP, thông tin đăng nhập, vị trí máy tính vàlỗi khi đăng nhập của bạn Thậm chí còn biết liệu bạn có di chuột qua sản phẩmhay không, khi nào bạn lướt và khi nào bạn nhấp vào

- Thông tin từ bên thứ ba Đây là bất cứ điều gì như kiểm tra tín dụng Dữliệu nhân khẩu học: giới tính, độ tuổi, loại hình thanh toán, vị trí

- Dữ liệu từ Alexa ( trợ lí ảo): lệnh thoại được ghi âm, thu vào và tải lênmáy chủ của Amazon

- Kindle highline ( dòng thiết bị dùng để đọc sách điện tử): từ được bôi đen

- AWS: một công ty con của Amazon cung cấp dịch vụ điện toán đám mây

Bước 2: Phân tích dữ liệu

Nhằm xây dựng bức tranh về khách hàng, phân loại khách hàng theo nhữngphân khúc phù hợp

Theo nhân khẩu học: Phân đoạn thị trường theo nhân khẩu học là phân chiakhách hàng thành các nhóm căn cứ vào giới tính, tuổi tác, nghề nghiệp, trình độ

h