-Nguyên nhân:

+)Giúp phân tích và khai thác dữ liệu lớn

+)Hỗ trợ ra quyết định chính xác

+)Tối ưu hoá hoạt động

+)Dự đoán xu hướng tương lai

+)Ứng dụng rộng rãi trong nhiều lĩnh vực

-Ví dụ minh hoạ:

+)Trong y tế: Dữ liệu từ hàng ngàn bệnh nhân được dùng để huấn luyện mô hình AI chẩn đoán ung thư da sớm hơn cả bác sĩ da liễu

+)Một ngân hàng sử dụng khoa học dữ liệu để phân tích lịch sử giao dịch và xác định những giao dịch bất thường có khả năng là gian lận

+)Amazon dùng khoa học dữ liệu để đề xuất sản phẩm “bạn có thể thích” dựa trên hành vi mua sắm trước đó của khách hàng

1. Thu thập dữ liệu từ nhiều nguồn:

• Hồ sơ khách hàng (giới tính, tuổi, thu nhập, nghề nghiệp…)
• Lịch sử mua hàng (tần suất, thời gian, số tiền…)
• Hành vi trực tuyến (click, tìm kiếm, lượt xem sản phẩm…)
• Sở thích, mối quan tâm (có thể từ khảo sát hoặc phân tích hành vi)

2. Tiền xử lý: Làm sạch, mã hóa, chuẩn hóa dữ liệu, trích xuất đặc trưng

3. Chọn mô hình:

+)Phân cụm (K-Means…) nếu chưa có nhãn.

+)Phân loại (Random Forest, XGBoost…) nếu đã có nhãn.

4. Huấn luyện mô hình: Dùng dữ liệu huấn luyện và tinh chỉnh tham số.

5. Đánh giá: Kiểm tra độ chính xác hoặc độ hợp lý của phân cụm.

6. Gán nhãn & triển khai: Gán Mới / Tiềm năng / Thân thiết theo đặc điểm cụm.

7. Cập nhật định kỳ: Bổ sung dữ liệu và cập nhật mô hình.

1. Quản trị và bảo trì hệ thống:

+Thiết lập, cấu hình và quản lý hạ tầng mạng

+Cài đặt, cấu hình và quản lý phần cứng và phần mềm

+Bảo trì định kỳ

+Quản lý tài khoản người dùng và quyền truy cập

2. Hỗ trợ kỹ thuật và khắc phục sự cố:

+Tiếp nhận và giải quyết các vấn đề kỹ thuật

+Chẩn đoán và sửa chữa lỗi phần cứng, phần mềm

+Hỗ trợ sử dụng công nghệ mới

3. Đảm bảo an toàn thông tin:

+Thực hiện các biện pháp bảo mật cơ bản

+Theo dõi và phát hiện các dấu hiệu bất thường

4. Nghiên cứu và phát triển (tùy thuộc vào quy mô và tính chất công ty):

+Nghiên cứu các công nghệ mới

+Tham gia vào các dự án IT

5. Tư vấn và đề xuất:

+Đề xuất các giải pháp cải thiện hệ thống

+Tư vấn cho các phòng ban khác