Nhập môn phân tích dữ liệu kinh doanh - Chương 2

Ứng dụng phân tích dữ liệu kinh doanh

• Phân tích dữ liệu tài chính, quản trị nhân lực (HR), Marketing, Y tế, Chuỗi cung ứng Logistics, Dữ liệu chính phủ và các tổ chức phi lợi nhuận, dữ liệu thể thao, và dữ liệu web
• Thống kê mô tả giúp làm sạch dữ liệu, sửa đổi dữ liệu, và mô tả dữ liệu một cách có ý nghĩa để nhìn ra được các đặc điểm và mối quan hệ từ dữ liệu

Thống kê mô tả

• Giúp mô tả dữ liệu một cách có ý nghĩa để nhìn ra được các đặc điểm và mối quan hệ từ dữ liệu
• Làm sạch dữ liệu:
  • Loại bỏ các quan sát (hàng) với bất kỳ chi tiết nào bị thiếu
  • Loại bỏ bất kỳ biến (cột) có giá trị bị thiếu
  • Điền vào các mục còn thiếu với các giá trị ước tính
  • Áp dụng thuật toán khai thác dữ liệu có thể xử lý giá trị bị thiếu
• Xác định các ngoại lệ sai sót và các giá trị sai sót
• Biểu diễn biến (Variable representation):
  • Giảm kích thước là quá trình loại bỏ không làm mất thông tin quan trọng
  • Xác định cách biểu diễn các phép đo của các biến

Chuyển đổi dữ liệu trong Excel

• Jaccard's coefficient: dùng cho dữ liệu không phải dạng số
• CLUSTER ANALYSIS: +Hierarchical clustering (Phân cụm phân cấp): - Sử dụng cho quy mô dữ liệu nhỏ (dưới 500 quan sát) - Không yêu cầu phải khai báo trước số lượng cụm
  • K-means clustering (Phân cụm K-means):
    • Sử dụng cho quy mô dữ liệu lớn
    • Yêu cầu phải khai báo trước số lượng cụm

HIEARCHICAL CLUSTERING

• Ban đầu mỗi observation là một cụm riêng biệt
• Thuật toán giúp tạo ra cụm những cụm lớn hơn bằng việc xác nhận những cụm nhỏ gần nhau
• 4 tiêu chí để chọn các cụm xác nhập:
  • Single linkage
  • Complete linkage
  • Group average
  • Centroid link

Variance and Standard Deviation

• The variance and Standard Deviation of a random Variable:
  • Đo mức độ chênh lệch trong phân phối của biến ngẫu nhiên
  • Phản ánh mức độ phân tán của biến ngẫu nhiên so với giá trị trung bình mean
• Standard deviation: độ lệch chuẩn của biến ngẫu nhiên

Normal Probability Distribution

• Đặc điểm:
  • Có hình chuông và có một đỉnh duy nhất ở trung tâm phân bố
  • Đối xứng qua giá trị trung
  • Nó tiệm cận: đường cong càng gần trục X nhưng không bao giờ chạm vào
  • Vị trí của phân phối chuẩn được xác định bởi trung bình µ, độ phân tán hoặc độ distribution của phân bố được xác định bởi độ lệnh chuẩn σ
  • Trung bình số học, median và mode đều bằng nhau
  • Tổng diện tích dưới đường cong là 1.00; một nửa diện tích nằm dưới đường cong nằm ở bên phải của điểm trung tâm; the mean và nửa còn lại nằm ở bên trái

Sampling Distributions

• Sampling Distribution of Sample mean: Phân phối của trung bình mẫu, phân phối trung bình mẫu xấp xỉ với phân phối chuẩn
• Phân phối của trung bình mẫu là việc mà chúng ta tìm ra các giá trị trung bình của các phân phối của trung bình mẫu, giá trị trung bình của các phân phối của trung bình mẫu nó sẽ bằng với trung bình của tổng thể