Nghiên cứu và ứng dụng các phương pháp học máy nhằm tăng cường hiệu quả các dịch vụ giá trị gia tăng của mạng di động Beeline Trịnh Việt Long Trường Đại học Công nghệ Luận văn Thạc sĩ
Trang 1Nghiên cứu và ứng dụng các phương pháp học máy nhằm tăng cường hiệu quả các dịch vụ giá
trị gia tăng của mạng di động Beeline
Trịnh Việt Long
Trường Đại học Công nghệ Luận văn Thạc sĩ ngành: Hệ thống thông tin; Mã số: 60 48 05
Người hướng dẫn: TS Nguyễn Hà Nam
Năm bảo vệ: 2011
Abstract: Trình bày về kho dữ liệu và hệ quản trị cơ sở dữ liệu mã nguồn mở
MySQL Giới thiệu về phương pháp khai phá dữ liệu, sau đó trình bày chi tiết về hai phương pháp khai phá dữ liệu phổ biến là Cây quyết định và Phát hiện các luật kết hợp Giới thiệu về bộ công cụ Business Intelligence, các khái niệm và các kỹ thuật chính Ứng dụng Business Intelligence vào tăng cường hiệu quả các dịch vụ giá trị gia
tăng của Beeline
Keywords: Cơ sở dữ liệu; Khai phá dữ liệu; Mạng di động
Content
MỞ ĐẦU
1 Đặt vấn đề
Sau quãng thời gian phát triển nóng, số thuê bao dịch vụ viễn thông di động không ngừng tăng với tốc độ chóng mặt, hiện tại thị trường viễn thông Việt Nam đã tiệm cận ngưỡng bão hòa Điều đó khiến cho cuộc chiến chiếm thị phần ngày càng khốc liệt, biến viễn thông thành một trong những thị trường có mức độ cạnh tranh cao nhất tại Việt Nam Các mạng viễn thông đều không ngừng tăng cường vùng phủ sóng, nâng cao chất lượng mạng và liên tục đưa ra các gói cước hấp dẫn cùng các chương trình khuyến mãi lớn, song hành với các chiến dịch tiếp thị và quảng cáo rầm rộ
Với việc giá cước cuộc gọi ngày càng giảm sâu, đặc biệt là với mạng viễn thông mới thâm nhập thị trường Việt Nam như Beeline, các dịch vụ giá trị gia tăng (Value Added Serivces – VAS) ngày càng đóng vai trò quan trọng hơn trong việc thúc đẩy doanh thu cho các mạng viễn thông
Ngày nay, việc lưu trữ, xử lý dữ liệu để tổng hợp thông tin, hỗ trợ ra quyết định đã trở nên phổ biến đối với nhiều tổ chức sản xuất, kinh doanh Có nhiều phương pháp để đáp ứng yêu cầu này, trong đó Business Intelligence (BI - Giải pháp quản trị doanh nghiệp thông minh) là một giải pháp tiêu biểu, được nhiều tổ chức lựa chọn
Trang 22
2 Mục tiêu của nghiên cứu
Nghiên cứu của luận văn hướng tới các mục tiêu sau:
- Tìm hiểu về kho dữ liệu, hệ thống xử lý phân tích trực tuyến và bộ công cụ Business Intelligence
- Ứng dụng tăng cường hiệu quả hoạt động kinh doanh các dịch vụ giá trị gia tăng của mạng di động Beeline
3 Cấu trúc của luận văn
Luận văn được chia thành 5 phần với các nội dung như sau:
Chương I trình bày về kho dữ liệu và hệ quản trị cơ sở dữ liệu mã nguồn mở MySQL Chương II giới thiệu về phương pháp khai phá dữ liệu, sau đó trình bày chi tiết về hai
phương pháp khai phá dữ liệu phổ biến là Cây quyết định và Phát hiện các luật kết hợp
Chương III giới thiệu về bộ công cụ Business Intelligence, các khái niệm và các kỹ
thuật chính
Chương IV ứng dụng Business Intelligence vào tăng cường hiệu quả các dịch vụ giá
trị gia tăng của Beeline
Phần kết luận tổng kết những kết quả đạt được của luận văn và hướng nghiên cứu
tiếp theo
References
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
[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