Tóm tắt Luận văn Thạc sĩ: Công nghệ thông tin: Ứng dụng BI (business intelligence) trong bài toán thẩm định tài sản bảo đảm của ngân hàng

ĐẠI HỌC QUỐC GIA HÀ NỘI<br /> TRƯỜNG ĐẠI HỌC CÔNG NGHỆ<br /> <br /> CAO THỊ VÂN ANH<br /> <br /> ỨNG DỤNG BI (BUSINESS INTELLIGENCE)<br /> TRONG BÀI TOÁN THẨM ĐỊNH<br /> TÀI SẢN BẢO ĐẢM CỦA NGÂN HÀNG<br /> Chuyên ngành: Kỹ thuật phần mềm<br /> Mã số: 60480103<br /> <br /> TÓM TẮT LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN<br /> NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS. TS. TRƯƠNG NINH THUẬN<br /> <br /> Hà Nội – 2017<br /> <br /> 1<br /> <br /> MỞ ĐẦU<br /> <br /> Lý do chọn đề tài<br /> Ngân hàng là tổ chức hoạt động mang tính chất lợi nhuận. Mọi hoạt động đều<br /> hướng tới hiệu quả kinh tế, tìm cách phân tán và giảm thiểu rủi ro. Trong hoạt động<br /> cho vay hoặc cấp tín dụng ngân hàng đã có những biện pháp nhằm đảm bảo cho<br /> nguồn vốn của ngân hàng sinh lợi nhuận và an toàn. Tài sản đảm bảo là một trong<br /> những biện pháp đó. Tài sản bảo đảm của khách hàng có thể là: nhà đất, sạp chợ,<br /> phương tiện, công cụ, hàng hóa... Mức tiền khách hàng mong muốn vay hoặc quyết định<br /> cấp tín dụng có được chấp nhận hay không thông qua khâu định giá tài sản bảo đảm.<br /> Quá trình thẩm định giá phải trải qua rất nhiều bước,hồ sơ thẩm định được luân<br /> chuyển qua nhiều phòng ban. Trong đó việc báo cáo thẩm định giá là một khâu khá là<br /> phức tạp và cần phải được tính toán cẩn thận<br /> Xuất phát từ tình hình thực tế đó, luận văn nghiên cứu giải pháp công nghệ Trí tuệ<br /> nghiệp vụ (Business Intelligence - BI) để giải quyết bài toán hỗ trợ ra quyết định giá<br /> tài sản bảo đảm của ngân hàng.<br /> Mục tiêu của đề tài<br /> Trong khuôn khổ luận văn này, tôi nghiên cứu kiến thức về Data Warehouse, Data<br /> Mining, Trí tuệ nghiệp vụ để thiết kế và xây dựng một hệ thống thẩm định giá tài sản<br /> bảo đảm.<br /> Trong đó luận văn sẽ tập trung vào các phương pháp hồi quy trong BI để giải<br /> quyết bài toán thuyết minh giá cho TSBĐ. Dùng phương pháp K láng giềng gần nhất<br /> để tìm ra được các TSSS . Và dùng phương pháp hồi quy tuyến tính đa biến hỗ trợ<br /> đưa ra quyết định về mức giá thẩm định TSBĐ.<br /> Phần mềm thẩm định tài sản bảo đảm sẽ hỗ trợ người dùng quản lý các hồ sơ<br /> thẩm định có liên quan đến mình. Xử lý và luân chuyển hồ sơ nhanh chóng, chính xác<br /> thông tin giữa các bộ phận trong hệ thống thẩm định. Đặc biệt nó sẽ có ý nghĩa đối<br /> với các chuyên viên thẩm định chưa có nhiều kinh nghiệm. Họ sẽ có thể đưa ra tỷ lệ<br /> điều chỉnh giá và mức ước lượng giá chính xác hơn. Dựa trên các thông tin phân tích<br /> từ nguồn dữ liệu dồi dào trong hệ thống phần mềm…<br /> <br /> 2<br /> <br /> Cấu trúc của luận văn<br /> Luận văn này sẽ được trình bày theo bố cục như sau:<br /> - Mở đầu: Giới thiệu về đề tài, mục tiêu và tổ chức của luận văn.<br /> - Chương 1: Cơ sở lý thuyết. Chương này sẽ giới thiệu tổng quan về Business<br /> Intelligence, Data Warehouse, Data Mining.<br /> - Chương 2: Bài toán xây dựng hệ thống BI hỗ trợ thẩm định tài sản bảo đảm<br /> trong ngân hàng.<br /> - Chương 3: Phân tích và thiết kế hệ thống BI hỗ trợ thẩm định tài sản bảo đảm<br /> trong ngân hàng.<br /> - Chương 4: Cài đặt và kết quả. Chương này sẽ trình bày cách cấu hình, cài đặt<br /> và kết quả xây dựng hệ thống thẩm định tài sản bảo đảm.<br /> - Kết luận và hướng phát triển.<br /> <br /> 3<br /> <br /> CHƯƠNG 1: CƠ SỞ LÝ THUYẾT<br /> <br /> 1.1. Giới thiệu về Trí tuệ nghiệp vụ (Business Intelligence)<br /> Trí tuệ nghiệp vụ (BI) là một giải pháp công nghệ khai thác dữ liệu từ các nguồn<br /> dữ liệu khác nhau, từ các hệ thống tác nghiệp khác nhau, thông qua các mô hình toán<br /> học, các kỹ thuật khai phá dữ liệu để xử lý thành các thông tin hữu ích nhằm hỗ trợ ra<br /> quyết định kinh doanh hiệu quả. [8]<br /> Mỗi phân tích BI sẽ theo một lĩnh vực ứng dụng riêng, phụ thuộc vào mục tiêu của<br /> người ra quyết định và các phương pháp phân tích có sẵn. Tuy nhiên, có thể đưa ra được<br /> một chu kỳ lý tưởng đặc trưng cho sự tiến hóa của một phân tích BI điển hình như hình<br /> 1-1, mặc dù vẫn tồn tại sự khác biệt dựa trên đặc thù của từng ngữ cảnh cụ thể.<br /> Phân tích<br /> <br /> Nhận<br /> <br /> Đánh giá<br /> <br /> Quyết định<br /> <br /> Hình 1- 1: Chu kỳ của phân tích BI [8]<br /> - Phân tích: Nhận biết chính xác các vấn đề đang xảy ra. Người quyết định phải tạo<br /> một thể hiện ý tưởng của hiện tượng đang được phân tích, bằng cách xác định các<br /> nhân tố liên quan nhất.<br /> - Nhận thức: Cho phép các nhà ra quyết định hiểu một cách sâu và rõ ràng hơn các<br /> vấn đề hiện tại, thường ở mức độ nhân quả.<br /> - Quyết định: Tri thức thu được là kết quả của pha nhận thức được chuyển thành<br /> các quyết định và thứ tự hành động.<br /> - Đánh giá: Pha thứ tư của chu trình BI liên quan đến phép đo hiệu suất và đánh giá.<br /> Các số liệu mở rộng không chỉ giới hạn trong các khía cạnh tài chính mà còn tính<br /> đến chỉ số hiệu suất được xác định theo phòng ban khác nhau của công ty.<br /> 1.2. Giới thiệu về Data Warehouse<br /> Data Warehouse (DW) là nơi lưu trữ dữ liệu có giá trị cho việc xây dựng các kiến<br /> trúc BI và các hệ thống hỗ trợ quyết định. Một định nghĩa DW thể hiện toàn bộ các<br /> <br /> 4<br /> <br /> hoạt động liên quan đến nhau, tham gia vào việc thiết kế, phát triển và sử dụng một<br /> DW. [8]<br /> Các kiến trúc tham chiếu của một kho dữ liệu được thể hiện như sau [8]:<br /> Metadat<br /> Cube đa chiều<br /> <br /> Xuất<br /> nhập<br /> <br /> Dữ liệu các<br /> hệ thống<br /> <br /> Kinh<br /> doanh<br /> <br /> Kho dữ liệu<br /> <br /> Đánh giá<br /> hiệu suất<br /> <br /> Dữ<br /> liệu<br /> Công cụ ETL<br /> <br /> Phân tích thăm dò dữ<br /> liệu<br /> Phân tích chuỗi thời<br /> <br /> OLAP<br /> <br /> Hình 1- 2: Kiến trúc và các tính năng của một kho dữ liệu [8]<br /> - Kho dữ liệu kết hợp với các metadata chứa dữ liệu và các chức năng cho phép<br /> dữ liệu được truy cập, hình tượng hóa và cập nhật.<br /> - Các ứng dụng thu thập dữ liệu từ hệ thống nghiệp vụ, chuẩn hóa dữ liệu về<br /> dạng dữ liệu đa chiều, nạp vào kho dữ liệu (ELT) hoặc các công cụ back-end<br /> cho phép dữ liệu được chiết xuất, chuyển đổi và tải vào kho dữ liệu.<br /> - Các ứng dụng BI và hệ thống ra quyết định như là các front-end, cho phép các<br /> nhà tri thức thực hiện các phân tích và trực quan hóa các kết quả.<br /> 1.3. Giới thiệu về Khai phá dữ liệu (Data mining)<br /> Các hoạt động khai phá dữ liệu là một quá trình lặp đi lặp lại nhằm phân tích các<br /> cơ sở dữ liệu lớn, với mục đích khai thác thông tin và tri thức một cách chính xác và<br /> hữu ích cho việc hỗ trợ ra quyết định và xử lý vấn đề. [8]<br /> Khai phá dữ liệu được thực hiện theo quy trình sau [8]:<br /> <br /> Hình 1- 3: Quy trình khai phá dữ liệu [8]<br /> <br />