Unit1_R_Version1.3.pptx

GIỚI THIỆU
MÔ HÌNH PHÂN TÍCH
Trình bày : Ths Hung.NM

Nội dung trình bày
• Mô tả về phân tích và quyết định kinh
doanh.
• Mô hình phân tích dữ liệu
• Các loại phân tích kinh doanh
• Thảo luận về các ứng dụng phân tích kinh
doanh
• Mô tả về khoa học dữ liệu

1- Phân tích và Quyết định Kinh doanh
• 1.1 Phân tích dữ liệu:
– Sử dụng số liệu làm đầu vào cho việc thực hiện phân
tích, áp dụng trong nhiều lĩnh vực như y tế, giáo dục,
kinh doanh…
– Các phương pháp thực hiện phân tích bao gồm:
• Phương pháp thống kê, xác suất
• Máy học
• AI

Ví dụ: Phân tích dữ liệu
• Bảng dữ liệu Người mắc Covid-19

• Phân tích số liệu theo nhiều chiều khác nhau

• Phân tích số liệu có thể căn cứ dựa trên sự thể hiện dữ
liệu trên biểu đồ:

1.2 - Quyết định
Kết quả phân
tích dữ liệu
“Dựa trên số liệu phân tích để hỗ trợ đưa ra quyết định”
Nhà Quản lý
Nhà khoa học
“Dữ liệu sau khi phân tích có thể biểu diễn nhiều dạng khác nhau
như bảng số liệu, biểu đồ…”

Ví dụ: Quyết định dựa trên số liệu
• Kết hợp nhiều kiểu biểu đồ khác nhau để cho ra xu
hướng -> Đưa ra quyết định

Ví dụ: Quyết định dựa trên số liệu
• Chi tiết khi lựa chọn một dòng dữ liệu tại Đồng Nai

1.3: Mô hình phân tích dữ liệu
• Trong các hệ thống thông tin y tế

• Báo cáo phân tích trong ERP - Odoo

• Mô hình dữ liệu Odoo

• Trong các hệ thống thông tin Erp: Ví dụ như Odoo

• Phân tích dữ liệu phân tích gắn với Agile:
– 1. Các lĩnh vực nghề nghiệp sử dụng Agile

– 2. Các lĩnh vực nghề nghiệp sử dụng Agile

– 3. Lý do nên chọn Agile

– 4. Lợi ích Agile

– 5. Top 5 kỹ thuật gắn với Agile

– 6. Sử dụng Agile trong các dự án Outsources

2- Các loại Mô hình phân tích
Phân tích mô tả
(Descriptive
analytics)
Phân tích đề
xuất
(Prescriptive
analytics)
Phân tích dự
đoán
(Predictive
analytics)
“Mô hình Phân tích là cách tốt nhất để đưa ra các quyết định quan
trọng trong việc xử lý nghiệp vụ.”
Thu thập dữ liệu thô
Cung cấp thông tin trong
quá khứ có giá trị
 Đưa ra đề xuất hành
động thích hợp và dự
đoán những kết quả có
thể xảy ra
Sử dụng các công nghệ
Hiện đại như Machine
Learning, AI
 Cho biết điều gì có
khả năng xảy ra
 Dự báo chỉ là ước
tính, độ chính xác tùy
thuộc vào chất lượng
dữ liệu
Trở thành công cụ
để dự báo

2. Các loại Mô hình phân tích

2.1- Phân tích mô tả
• Thu thập dữ liệu thô từ nhiều nguồn dữ liệu để cung cấp
chi tiết những thông tin trong quá khứ có giá trị.
• Dữ liệu được trình bày dưới dạng bảng có thể kế hợp
với biểu đồ.
• Từ cách biểu diễn dữ liệu báo hiệu chỉ cho biết có điều
gì đó sai hoặc đúng mà không giải thích tại sao.

• Ví dụ: Dữ liệu COVID 19

• Ví dụ: Biểu diễn dữ liệu

2.2- Predictive analytics – Phân tích
dự đoán
• Cho biết điều gì có khả năng xảy ra. Nó sử dụng kết quả
phân tích mô tả và chuẩn đoán để phát hiện xu hướng
trong tương lai.
• Phân tích dự đoán trở thành công cụ để dự báo.
• Phân tích dự đoán mang lại nhiều giá trị, nhưng phải
hiểu rằng dự báo chỉ là ước tính, độ chính xác tùy thuộc
vào chất lượng dữ liệu.

dự đoán
• Ví dụ: Phân tích dự đoán đối với COVID 19.
• Sử dụng Kalman Filter Model.

dự đoán
• Phân tích dự đoán Mike11, Mike2.1 trong việc dựng các
kịch bản xâm nhập mặn, lũ lụt. Và biến đổi khí hậu.
• Ví dụ: Biến đổi khí hậu trên Hệ thống Đầm phá Tam
giang

dự đoán
• Ví dụ: Biến đổi khí hậu trên Hệ thống Đầm phá Tam
giang

dự đoán
• Dựng kịch bản thay đổi nhiệt độ
• Dựng kịch bản thay đổi lượng mưa

dự đoán
• Mô phỏng nước biển dâng gắn với kịch bản thay đổi
nhiệt độ, lượng mưa

dự đoán
• Quy trình dựng mô hình và xử lý thông tin

2.3- Prescriptive analytics – Phân
tích đề xuất
• Bước tiến xa hơn phân tích mô tả và phân tích dự đoán
khi đưa ra đề xuất hành động thích hợp và dự đoán
những kết quả có thể xảy ra.
• Trả lời cho câu hỏi: “Điều gì nên xảy ra?”
• Loại phân tích dữ liệu hiện đại này không chỉ yêu cầu dữ
liệu lịch sử mà còn yêu cầu thông tin bên ngoài do bản
chất của thuật toán thống kê.
• Áp dụng Máy học - Machine learning

2.3.1 Lợi ích phân tích đề xuất
• Mô hình phân tích mô tả được thiết kế để tập hợp dữ
liệu và hoạt động lại với nhau để tạo ra lộ trình cho sự
phát triển.
• Tạo và mô phỏng kịch bản nhằm tạo ra các bước cần
thiết để tránh thất bại hoặc đạt được thành công.
• Cho phép so khớp dữ liệu hiện tại với các dữ liệu dự
báo để các nhà quản l ý đưa ra quyết đinh.
• Giành ít thời gian để suy nghĩ, tập trung thời gian cho
làm việc.
• Giảm thiểu sai sót và các thành kiến mang tính chủ quan

2.3.2 Ví dụ
• Dựng kịch bản tiêm vacxin trên toàn quốc th ể hiện bảng
và biểu đồ

2.3.2 Ví dụ
• Dựng kịch bản tiêm vacxin trên toàn quốc thể hiện dạng
bản đồ

2.3.2 Ví dụ
• So khớp kịch phân bổ vacxin và số liệu thực tế dạng
biểu đồ

2.3.2 Ví dụ
• So khớp kịch phân bổ vacxin và số liệu thực tế dạng
bản đồ

3. Ứng dụng Mô hình Phân tích
• Có rất nhiều các hệ thống thông tin hỗ trợ cho việc áp
dụng mô hình phân tích .
• Ví dụ: Hệ thống Quản lý nguồn lực ERP - Oracle

3. Ứng dụng Mô hình phân tích
• Hoặc Oracle Business Intelligence
• Hay BI4Dynamics được phát triển cho Microsoft
Dynamics 365 với Finance và Operations

4. Khoa học Dữ liệu
• Phân tích kinh doanh là một miền của Khoa học dữ liệu
• Khoa học dữ liệu xử lý dữ liệu từ nhiều lĩnh vực như dữ
liệu thời tiết, dữ liệu thị trường, dữ liệu y tế, v.v.
• Khoa học dữ liệu sử dụng nhiều thuật toán để hiểu rõ hơn
về dữ liệu. Các thuật toán có thể gắn với một lĩnh vực đặc
thù.
• Khoa học dữ liệu xử lý cả dữ liệu có cấu trúc và dữ liệu
phi cấu trúc từ các nguồn bên ngoài.

4.1 Dữ liệu
• Dữ liệu có cấu trúc
– Dữ liệu dạng bảng.
– Thông thường sử dụng các phép toán quan hệ để tổ
chức dữ liệu.
– Các hệ Quản trị CSDL Quan hệ được dung đê quản lý
các bảng và mối quan hệ các bảng. Một số các hệ
Quản trị CSDL thông dụng như
• Sql Server, Oracle
• MySql, Posgrysql …

4.2 Dữ liệu
• Dữ liệu phi cấu trúc
– NoSQL ví dụ như MongoDB, FireBase, AzureTable

4.3- Các kỹ năng Khoa học Dữ liệu

4.4 - Tiến trình vòng đời Khoa học Dữ
liệu

4.41 – Hiểu về nghiệp vụ

4.4.2 – Thu thập dữ liệu

4.4.3 – Mô hình dữ liệu

4.4.4 – Triển khai mô hình dữ liệu
• Triển khai môi trường ứng dụng
– Hệ quản trị CSDL
• Sql Server, Oracle
• MySql, Posgrysql …
– Các bộ công cụ đi kèm
• Trong y tế : Dhis2
• Trong doanh nghiệp: Odoo ERP
• Trong Thủy lợi: Mike11, Mike 21

4.5 – Ví dụ
• Hệ thống : Đánh giá mức độ nguy cơ trong
phòng, chống dịch COVID-19
- Tiêu chí 1: 0/100.000 người/tuần
- Tiêu chí 2: + 94,2% người từ 18 tuổi trở lên tiêm ít nhất 1 liều vắc xin
+ 84,8% người từ 65 tuổi trở lên tiêm ít nhất 1 liều vắc xin

4.5 – Ví dụ
• Hệ thống : Đánh giá mức độ nguy cơ trong
phòng, chống dịch COVID-19
• Đối tượng:
– Người dân
– Tuyến tỉnh
– Tuyến huyện
– Tuyến trung ương

4.5 – Ví dụ
• Form nhập liệu : Dữ liệu nhập từ tuyến huyện

5 – Máy học
• Quy trình đào tạo Quy trình Máy học

5 – Máy học
• Workflow ML

6 – Ví dụ
• Dự báo và đánh giá nCovid 19

6 – Ví dụ
• ML với nCOV 19

6 – Ví dụ
• Dự báo kết quả nCov 19 qua ảnh X-ray

Unit1_R_Version1.3.pptx

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Unit1_R_Version1.3.pptx

Semelhante a Unit1_R_Version1.3.pptx (20)

Unit1_R_Version1.3.pptx

Notas do Editor