Chia sẻ tài liệu Bài tiểu luận Phân tích dữ liệu của công ty kiểm toán với công cụ Orange. Tài liệu được Luận Văn 3C chia sẻ nhằm giúp các bạn học viên cao học tham khảo từ đó giúp các bạn viết bài tiểu luận môn học của mình đạt kết quả cao nhất.

Tổng quan về khoa học dữ liệu và đề tài nghiên cứu

• Giới thiệu về KHDL:

           Khoa học dữ liệu là một lĩnh vực nghiên cứu mới xuất hiện thời gian gần đây thế nhưng đang dần khẳng định tầm quan trọng và vị thế của mình. Khái niệm này đang dần trở nên quen thuộc nhưng thực sự “Khoa học dữ liệu” là gì? Khoa học dữ liệu là ngành khoa học về việc quản trị và phân tích dữ liệu, trích xuất các giá trị từ dữ liệu để tìm ra các hiểu biết, các tri thức hành động, các quyết định dẫn dắt hành động. Khoa học dữ liệu nghiên cứu xử lý khối dữ liệu khổng lồ để tìm kiếm, phân tích thu được các thông tin có ý nghĩa và hỗ trợ đưa ra các quyết định kinh doanh. Do đó, học Data Science không chỉ là học phân tích dữ liệu, mà còn học cách đánh giá tình hình hiện tại và dự đoán tương lai để điều hành doanh nghiệp một cách có hiệu quả.

           Khoa học dữ liệu gồm có ba phần chính: Tạo ra và quản trị dữ liệu, phân tích dữ liệu và chuyển kết quả phân tích thành giá trị của hành động. Việc phân tích và dùng dữ liệu dựa vào ba nguồn tri thức: toán học, công nghệ thông tin và tri thức của lĩnh vực ứng dụng cụ thể. Mục đích chính của ngành này là làm thay đổi một lượng lớn dữ liệu chưa xử lý, làm thế nào để định hình được mô hình kinh doanh phù hợp, từ đó góp phần giúp các tổ chức giảm chi phí, tăng cao hiệu quả công việc, phát hiện rủi ro và cơ hội trên thị trường cũng như làm gia tăng lợi thế cạnh tranh của các doanh nghiệp. Để nghiên cứu khoa học dữ liệu, bạn cần phải thực hiện các quan sát, đặt câu hỏi, hình thành các giả thuyết, tạo các bài kiểm tra, phân tích kết quả và đưa ra một khuyến nghị thực tế.

           Khoa học dữ liệu bao gồm các lĩnh vực: Khai thác dữ liệu (Data mining), Thống kê (Statistic), Học máy (Machine learning), Phân tích (Analyze) và Lập trình (Programming).

           Khoa học dữ liệu xếp thứ nhất trong bảng xếp hạng “Những ngành quan trọng với mọi lĩnh vực” của Tổ chức Glassdoor. Điều này cho thấy, không chỉ có những ứng dụng mạnh mẽ trong công nghệ, Data science còn là yếu tố cần thiết và quan trọng trong mọi loại hình doanh nghiệp.  

• Giới thiệu về đề tài:
  • Lý do chọn đề tài:

           Trong thời buổi bùng nổ công nghệ thông tin như hiện nay, khi các công nghệ như Điện toán đám mây, AI, Blockchain, IoTs,… ngày càng phát triển mạnh mẽ và được ứng dụng rộng rãi trong đa phần các lĩnh vực trong đời sống của chúng ta thì song song đó, việc khai thác, phân tích dữ liệu ngày càng được chú trọng, trong đó nổi bật ở đây là việc  thu thập, khai thác, phân tích và dự báo các hiện tượng kinh tế trong lĩnh vực tài chính, kế toán sẽ được chúng tôi đề cập đến.

           Để phân tích được các dữ liệu một cách tự động và đạt hiệu quả, chúng ta cần đến các nền tảng, phần mềm, cũng như là công cụ để hỗ trợ như: Excel, Python, Power BI, SQl… Với bộ dữ liệumà nhóm thực hiện đã thu thập được, chúng tôi sẽ sử dụng phần mềm  Orange để xây dựng quy trình khai thácdữ liệu trực quan – đây là phần mềm khai thác dữ liệu phổ biến có thể được thực hiện màkhông cần lập trình.

           Nhóm sử dụng bộ dữ liệu của một công ty kiểm toán Ấn Độ. Mục tiêu của bộ dữ liệu là giúp kiểm toán viên xây dựng mô hình phân loại có thể dự đoán công ty gian lận trên cơ sở các yếu tố rủi ro hiện tại và lịch sử.Trong quá trình thực hiện, kiểm toán viên kiểm tra hoạt động kinh doanh của các văn phòng chính phủ khác nhau nhưng mục tiêu là nhằm đến các văn phòng với khả năng xảy ra sai sót cao và mức độ nghiêm trọng. Điều này được tính toán bằng cách đánh giá rủi ro liên quan đến các mục tiêu báo cáo tài chính (Houston, Peters và Pratt 1999). Dữ liệu sau khi được phân tích bởi Orange, chúng tôi sẽ đưa ra một số nhận xét và kết luận, đánh giá hiệu quả của cuộc nghiên cứu.  Và đó chính là lí do mà nhóm tác giả đã chọn đề tài này.

• Mục tiêu nghiên cứu:

–  Khám phá dữ liệu.

–  Làm sạch dữ liệu.

– Phân cụm, phân lớp dữ liệu.

– So sánh dựa trên nhãn “Risk” cho việc phân loại rủi ro có tồn tại hay không.

– Cung cấp cái nhìn tổng quan về hoạt động của các công ty, từ đó đưa ra nhận xét đánh giá dựa trên dữ liệu đã phân tích.

• Phương pháp thực hiện:

           Nhóm tác giả sử dụng phần mềm Orange để tiến hành thực hiện xử lý dữ liệu, phân cụm, phân lớp dữ liệu và tiến hành dự báo cho nhóm dữ liệu ngẫu nhiên chưa phân lớp.

           – Để thực hiện phân cụm bộ dữ liệu nhóm sử dụng hai loại chính là phương pháp phân cụm phân cấp (Hierarchical clustering) và phương pháp phân cụm phân hoạch với thuật toán K-means.

+ Đối Hierarchical clustering nhóm tiến hành tính khoảng cáchgiữa các phần tử bằng Distance.Tiếp theo nhóm quan sát dữ liệu được phân cụm với số cụm từ 2 đến 5và quan sát trên Silhouette Plot.

+ Đối phương pháp K-means nhóm quan sát chỉ số Silhouette trung bình khi phân dữ liệu từ 2 đến 5 cụm sau đó chọn số cụm có chỉ số Silhouette tốt, phù hợp với số lượng biến có sẵn trên bộ dữ liệu và quan sát trên Silhouette Plot.

           Sau khi quan sát hai phương pháp qua các chỉ số Silhouette, nhóm tiến hành đánh giá và chọn ra phương pháp tốt nhất để phân cụm cho bộ dữ liệu “Audit Data”.

           – Đối với việc phân lớp dữ liệu, nhóm chọn biến “Risk” là biến mục tiêu, tiến hành phân lớp trên 3 phương pháp là Cây quyết định (Decision Tree), SVM (Support Vector Machine) và Hồi quy Logistic (LogisticRgression). Nhóm đánh giá các mô hình bằng cách sử dụng các phương pháp đánh giá như Test and Score, quan sát chỉ số AUC của từng mô hình và cuốicùng là quan sát trên Confused Matrix.

CHƯƠNG 2:

Tổng quan về chương trình Orange và các phương pháp sử dụng

• Tổng quan về phần mềm Orange:

           Orange là hệ điều hành nhân bản của Linux (Dòng Minimal X của OpenSUSE). Hệ điều hành này dựa trên kiến trúc x86 (32-bit) của Intel và chạy được dưới bộ vi x86 của Intel hay AMD. Orange là một thư viện quy trình và đối tượng cốt lõi của C ++ kết hợp rất nhiều thuật toán Data mining và học máy tiêu chuẩn và không tiêu chuẩn. Orange là một môi trường có thể viết kịch bản để tạo mẫu nhanh các thuật toán và mẫu thử nghiệm mới nhất. Nó là một nhóm các mô-đun dựa trên python tồn tại trong thư viện lõi. Phần mềm Orange được biết đến bởi việc tích hợp các công cụ khai phá dữ liệu mã nguồn mở và học máy thông minh, đơn giản, được lập trình bằng Python với giao diện trực quan và tương tác dễ dàng. Với nhiều chức năng, phần mềm này có thể  phân tích được những dữ liệu từ đơn giản đến phức tạp, tạo ra những đồ họa đẹp mắt và thú vị và còn giúp việc khai thác dữ liệu và học máy trở nên dễ dàng hơn cho cả người dùng mới và chuyên gia. Các công cụ (widgets) cung cấp các chức năng cơ bản như đọc dữ liệu, hiển thị dữ liệu dạng bảng, lựa chọn thuộc tính đặc điểm của dữ liệu, huấn luyện dữ liệu để dự đoán, so sánh các thuật toán máy học, trực quan hóa các phần tử dữ liệu,…

           Orange cung cấp cho người dùng tập các toolbox tinh gọn nhất giúp người dùng bắt tay ngay vào việc phân tích dữ liệu, bao gồm:

– Data: dùng để rút trích, biến đổi, và nạp dữ liệu (ETL process).

-Visualize: dùng để biểu diễn biểu đồ (chart) giúp quan sát dữ liệu được tốt hơn.

-Model: gồm các hàm machine learning phân lớp dữ liệu.

– Evaluate: các phương pháp đánh giá mô hình máy học.

-Unsupervised: gồm các hàm machine learning gom nhóm dữ liệu.

Xem bản đủ: Bài tiểu luận Phân tích dữ liệu của công ty kiểm toán với công cụ Orange

https://docs.google.com/document/d/14hjbBZtGv8t0aC2gRkBQhyJHWlvAvsyb/edit?usp=sharing&ouid=115677120463438957249&rtpof=true&sd=true

Nguyễn Đình Long

Tôi là Nguyễn Đình Long, hiện tại tôi là Quản lý nội dung của Luận Văn 3C– Chuyên cung cấp dịch vụ làm luận văn uy tín. Chúng tôi đặt lợi ích của khách hàng là ưu tiên hàng đầu.  Website: https://luanvan3c.com/ – Hotline: 0966.736.325.