Training

Syllabus

Nội dung đào tạo và phương pháp truyền đạt

Nội dung đào tạo tạo sẽ được dựa trên nhu cầu thực tế của công ty. Các mô hình trong đào tạo là dựa trên các thuật toán đang được đánh giá ở cấp tiên tiến trên thế giới. Để đào tạo mang tính ứng dụng cao, phương pháp xây dựng mô hình trong đào tạo được vận dụng trên số liệu thực tế. Mỗi một phương pháp một khi được sử dụng, kết quả phân tích trong quá trình đào tạo sẽ được lưu ý đưa vào ứng dụng thực tế. Điều này đồng nghĩa với các đề xuất campaign hoặc chương trình khuyến mãi sẽ gắn kết với tình hình thực tế, đồng thời được chỉ định một cách cụ thể dựa trên lịch sử hành vi tiêu dùng của khách hàng. Các mô hình thuật toán sẽ được quan tâm trong khóa tập huấn: (i) Mô hình RFM (Recency- Frequency-Monetary); (ii) Phân tích kết hợp Association Analysis); (iii) Classification; (iv) Survival model.
Yêu cầu: Mỗi học viên hoặc mỗi hai học viên phải làm việc trên một máy tính (laptop). Phần mềm SPSS Modeler do phía đơn vị đào tạo sẽ hỗ cài đặt tạm trong thời gian tập huấn.

Mục tiêu đào tạo

– Học viên hiểu được các khái niệm của các mô hình tiêu biểu và cách ứng dụng chúng
trong công cụ SPSS Modeler
– Cách thức chọn và kiểm tra đội tin cậy mô hình một khi được đưa vào sử dụng
– Cách thức phân tích kết quả số liệu từ mô hình thuật toán để phân tích hành vi và thói
quen khách hàng
– Nhận định được kết quả và gợi ý đề xuất tập khách hàng cần được tập trung phát
triển chiến lược cạnh tranh, tăng thị phần, ngăn chặn nguy cơ khách hàng rời dịch vụ
(churn risk)

Phương pháp giảng dạy và đánh giá

Học viên sẽ được giới thiệu nhanh về nguyên lý, sau đó học viên sẽ thực hành trên máy tính
với chương trình phần mềm hỗ trợ SPSS Modeler.
Số liệu phục vụ giảng dạy: số liệu big data của công ty (trường hợp không có, nhóm đào tạo
sẽ có số liệu Big Data riêng để phục vụ tập huấn). Điều này sẽ giúp Cty thấy được bức tranh
hành vi tiêu dùng của khách hàng và nhận định được những phần việc cần phải thực hiện
trong tương cho thị trường cạnh tranh.

Thời gian

Số ngày tập huấn big data: 3 ngày
+ Chuẩn bị dữ liệu từ big data cho lớp tập huấn: 1 ngày
+ Thời gian tập huấn: 2 ngày.
Ngày 1: …/…./…… Thời gian: 8g – 11.30 hrs.
Chuẩn bị dữ liệu
Chuẩn bị dữ liệu cho nội dung tập huấn, nhóm tư vấn và đào tạo sẽ
– Làm việc với công ty để trích lọc dữ liệu từ hệ thống
– Làm sạch dữ liệu và cấu trúc theo hệ thống phục vụ mô hình thuật toán
– Cài đặt phần mềm SPSS Modeler cho các học viên sẽ tham gia chương trình đào tạo

Ngày 1: …/…/…… Thời gian: 13.30 – 17.00 hrs.
Phần 1 Mô hình classification
Chuẩn bị dữ liệu cho nội dung tập huấn, và thông tin liên quan
– Giới thiệu mô hình của Classification (sự phân nhóm): Neural Net và C&R tree
– Kiểm định mô hình dựa trên nhóm: Testing và Training
– Ứng dụng mô hình để dự báo
– Nhận định kết quả và đọc dữ liệu

Ngày 2: …./…./…… Thời gian: Sáng: 8g – 11g30
Phần 2 Mô hình RFM
– Khái niệm RFM
– Kết quả ứng dụng RFM
– Ứng dụng RFM trong SPSS Modeler
– Đánh giá hành vi tiêu dùng theo kết quả RFM

Ngày 2: …./…./….. Thời gian: Chiều: 13g30 – 17g

Phần 3 RFM & Phân tích sự kết hợp (Association Analysis)
RFM:
– Thực hành RFM
– Dựa vào RFM để phân khúc thị trường dựa vào cluster
– Nhận định và đọc kết quả
Phân tích sự kết hợp
– Khái niệm và Nguyên lý cơ bản của phương pháp phân tích kết hợp
– Thuật toán dựa vào công cụ Apriori và Cama
– Tư duy khai thác dữ liệu hướng đến vận dụng phương pháp
– Thực hiện kiểm định mô hình kết hợp dựa vào nhóm training và nhóm testing

Ngày 3: …./…./…….. Thời gian: Sáng: 8g – 11g30
Phần 3 Phân tích sự kết hợp (Association Analysis)
– Thực hành mô hình phân tích sự kết hợp
o Mô hình Apriori
o Mô hình Cama
– Thực hiện kiểm định mô hình kết hợp dựa vào nhóm training và nhóm testing
– Thực hành, phân tích và đọc dữ liệu

Ngày 3: …../…./…… Thời gian: Chiều: 13g30 – 17g
Phần 4 Phân tích hàm sống sót Survial
Nguyên lý và thực hành
– Giới thiệu hàm sống sót
– Ứng dụng hàm sống sót để xác định nguy cơ rời dịch vụ (churn risk)
– Thực hành và báo cáo kết quản.
– Phân tích và đọc kết quả mô hình
– Chia sẽ từ kết quả thực hành
CÁC HOẠT ĐỘNG TRONG LỚP
– Thực hành, thảo luận
– Chia sẻ trải nghiệm trong phân tích dữ liệu và ứng dụng vào kinh doanh