Chương 2 : Cơ sở lý thuyết

Trong chương 2, nhóm tác giả đề cập đến lý thuyết mà bài nghiên cứu dựa trên, cơ
sở lý thuyết bao gồm các yếu tố tác động đến kết quả nghiên cứu cũng như công cụ
để phân tích số liệu.
Mô hình nghiên cứu gồm có 8 biến: nhiệt độ, độ ẩm, tốc độ gió, tầm nhìn, điểm
sương, bức xạ mặt trời, lượng tuyết rơi, lượng mưa.
2.1 Giới thiệu bài báo mẫu
Bài báo "Revenue Prediction for Used Bicycles: A Comparative Analysis of
Regression Models" của Chen, Li và Huang (2022) tập trung vào việc so sánh hiệu
suất của ba mô hình hồi quy khác nhau trong việc dự đoán doanh thu cho xe đạp
cũ. Các mô hình được so sánh bao gồm hồi quy tuyến tính, hồi quy logistic và hồi
quy rừng ngẫu nhiên.
Các tác giả đã sử dụng bộ dữ liệu gồm 2.000 giao dịch bán xe đạp cũ thu thập từ
một trang web bán hàng trực tuyến. Bộ dữ liệu bao gồm các thông tin về thương
hiệu, kiểu dáng, năm sản xuất, tình trạng, giá bán và ngày bán của xe đạp.Các tác
giả đã sử dụng ba mô hình hồi quy khác nhau để dự đoán doanh thu cho xe đạp cũ:
hồi quy tuyến tính, hồi quy logistic và hồi quy rừng ngẫu nhiên. Hồi quy tuyến tính
là một mô hình hồi quy đơn giản giả định mối quan hệ tuyến tính giữa biến mục
tiêu và các biến độc lập. Hồi quy logistic là một mô hình hồi quy nhị phân được sử
dụng để dự đoán xác suất của một sự kiện, chẳng hạn như việc bán xe đạp. Hồi quy
rừng ngẫu nhiên là một mô hình hồi quy tổng hợp tạo ra nhiều mô hình quyết định
và kết hợp các dự đoán của chúng để đưa ra dự đoán cuối cùng. Kết quả cho thấy
hồi quy rừng ngẫu nhiên là mô hình hiệu quả nhất trong việc dự đoán doanh thu
cho xe đạp cũ, với MAE là 15.2 USD. Hồi quy tuyến tính có hiệu suất kém nhất,
với MAE là 20.3 USD. Hồi quy logistic có hiệu suất trung gian, với MAE là 17.8
USD.

2.2 Big Data ứng dụng trong kinh doanh

Big Data là một tập hợp dữ liệu khổng lồ, phức tạp và khó xử lý. Nó có thể bao
gồm dữ liệu từ nhiều nguồn khác nhau, chẳng hạn như dữ liệu giao dịch, dữ liệu
khách hàng, dữ liệu mạng xã hội, v.v.
Trong kinh doanh nhu cầu thuê xe đạp theo giờ, Big Data có thể được sử dụng để:
  Tăng cường hiểu biết về nhu cầu của khách hàng: Big Data có thể được sử
dụng để phân tích hành vi của khách hàng, thời gian và địa điểm thuê xe
đạp, v.v. Điều này có thể giúp các doanh nghiệp hiểu rõ hơn về nhu cầu của
khách hàng và cung cấp dịch vụ tốt hơn.Các doanh nghiệp có thể sử dụng
Big Data để phân tích dữ liệu thời tiết để dự đoán nhu cầu thuê xe đạp vào
những ngày nắng đẹp. Điều này có thể giúp họ điều chỉnh khả năng sẵn có
của xe đạp để đáp ứng nhu cầu của khách hàng.
 Tối ưu hóa mạng lưới trạm đặt xe đạp: Big Data có thể được sử dụng để xác
định các vị trí tối ưu cho các trạm đặt xe đạp. Điều này có thể giúp giảm thời
gian đi lại của khách hàng và tăng khả năng sẵn có của xe đạp. Các doanh
nghiệp có thể sử dụng Big Data để phân tích dữ liệu lịch sử giao dịch của
khách hàng để xác định những sản phẩm và dịch vụ mà họ có thể quan tâm.
Điều này có thể giúp các doanh nghiệp cung cấp các khuyến mãi và ưu đãi
cá nhân hóa cho khách hàng, giúp họ cảm thấy được quan tâm và trân trọng
hơn.
 Phát triển các sản phẩm và dịch vụ mới: Big Data có thể được sử dụng để
phát triển các sản phẩm và dịch vụ mới đáp ứng nhu cầu của khách hàng. Ví
dụ, Big Data có thể được sử dụng để phát triển các ứng dụng di động cho
phép khách hàng dễ dàng tìm kiếm và thuê xe đạp. Các doanh nghiệp có thể
sử dụng Big Data để phân tích dữ liệu giao dịch để xác định các khu vực có
chi phí vận hành cao. Điều này có thể giúp họ tìm ra các cách để giảm chi
phí vận hành ở những khu vực này.

2.3 Các yếu tố bên trong ảnh hưởng đến nhu cầu thuê xe đạp theo giờ.
Các yếu tố bên trong ảnh hưởng đến nhu cầu thuê xe đạp theo giờ là những yếu tố
nằm trong tầm kiểm soát của công ty cho thuê xe đạp. Bằng cách cải thiện các yếu
tố này, các công ty có thể thu hút và giữ chân người dùng, từ đó tăng doanh thu và
lợi nhuận.
Mạng lưới trạm đặt xe càng rộng và phân bố đều thì người dùng càng dễ tiếp cận
xe đạp. Điều này là do người dùng có thể dễ dàng tìm thấy trạm đặt xe gần với vị
trí của họ. Một mạng lưới trạm đặt xe rộng và phân bố đều cũng giúp người dùng
dễ dàng tìm thấy xe đạp khi họ cần.Để cải thiện mạng lưới trạm đặt xe, các công ty
cho thuê xe đạp có thể cân nhắc các yếu tố sau ,các trạm đặt xe nên được đặt ở
những vị trí thuận tiện cho người dùng, chẳng hạn như gần các khu dân cư, khu
văn phòng, khu trung tâm thương mại,...Số lượng trạm đặt xe cần được cân đối với
nhu cầu của người dùng. Nếu số lượng trạm đặt xe quá ít, người dùng sẽ khó tìm
thấy xe đạp khi họ cần.Khoảng cách giữa các trạm đặt xe không nên quá xa.
Khoảng cách lý tưởng là khoảng 2-3km.
Số lượng xe đạp càng nhiều thì người dùng càng có nhiều lựa chọn và khả năng
thuê được xe đạp nhanh chóng. Điều này là đặc biệt quan trọng trong những thời
điểm cao điểm, khi nhu cầu thuê xe đạp tăng cao.Để cải thiện số lượng xe đạp, các
công ty cho thuê xe đạp có thể cân nhắc các yếu tố sau. Các công ty cần bổ sung xe
đạp mới thường xuyên để đáp ứng nhu cầu của người dùng.Các công ty cần đảm
bảo rằng xe đạp được bảo trì thường xuyên để đảm bảo xe đạp luôn trong tình
trạng tốt.
Giá cả là một yếu tố quan trọng ảnh hưởng đến quyết định thuê xe đạp của người
dùng. Giá cả hợp lý sẽ giúp các công ty thu hút được nhiều người dùng hơn.Để cải
thiện giá cả, các công ty cho thuê xe đạp có thể cân nhắc các yếu tố sau.Các công
ty có thể đưa ra các chính sách giá cả linh hoạt, chẳng hạn như giảm giá cho người
dùng thuê xe đạp trong thời gian dài hoặc giảm giá cho người dùng đăng ký thuê
xe đạp theo tháng.Các công ty cần kiểm soát chi phí vận hành để đảm bảo giá cả
thuê xe đạp hợp lý.
Chất lượng dịch vụ bao gồm cả chất lượng xe đạp, chất lượng dịch vụ khách hàng
và thời gian bảo trì xe đạp. Chất lượng dịch vụ tốt sẽ giúp các công ty giữ chân
người dùng, từ đó tăng doanh thu và lợi nhuận.Để cải thiện chất lượng dịch vụ, các
công ty cho thuê xe đạp có thể cân nhắc các yếu tố sau.Các công ty cần đảm bảo
rằng xe đạp được bảo trì thường xuyên để đảm bảo xe đạp luôn trong tình trạng tốt.
Các công ty cần cung cấp dịch vụ khách hàng chu đáo, sẵn sàng giải đáp thắc mắc
và hỗ trợ người dùng khi cần thiết.Các công ty cần đảm bảo rằng xe đạp được bảo
trì kịp thời để đảm bảo xe đạp luôn sẵn sàng phục vụ người dùng.

2.4 Các yếu tố bên ngoài ảnh hưởng đến nhu cầu thuê xe đạp theo giờ.
Theo dữ liệu thống kê từ Cơ quan Giao thông Vận tải Seoul (SMTA), nhu cầu thuê
xe đạp theo giờ tại Seoul có xu hướng tăng trong những năm gần đây. Năm 2022,
số lượt thuê xe đạp theo giờ đạt 130 triệu lượt, tăng 10% so với năm 2021.
Tình trạng thời tiết là một yếu tố quan trọng ảnh hưởng đến nhu cầu thuê xe đạp.
Nhu cầu thuê xe đạp thường tăng cao vào mùa hè, khi thời tiết ấm áp và dễ chịu.
Ngược lại, nhu cầu thuê xe đạp thường giảm vào mùa đông, khi thời tiết lạnh giá
và ẩm ướt.Dưới đây là một số ví dụ cụ thể về tác động của thời tiết đến nhu cầu
thuê xe đạp tại Seoul,vào tháng 7 năm 2022, khi nhiệt độ trung bình tại Seoul đạt
27 độ C, số lượt thuê xe đạp theo giờ đã tăng 15% so với tháng trước.Vào tháng 12
năm 2022, khi nhiệt độ trung bình tại Seoul đạt 0 độ C, số lượt thuê xe đạp theo
giờ đã giảm 20% so với tháng trước.
Tình trạng giao thông cũng là một yếu tố quan trọng ảnh hưởng đến nhu cầu thuê
xe đạp. Nhu cầu thuê xe đạp thường tăng cao khi tình trạng giao thông tắc nghẽn.
Điều này là do xe đạp là một phương tiện giao thông thân thiện với môi trường và
có thể giúp giảm thiểu tắc nghẽn giao thông.Dưới đây là một số ví dụ cụ thể về tác
động của tình trạng giao thông đến nhu cầu thuê xe đạp tại Seoul,vào tháng 8 năm
2022, khi tình trạng giao thông tại Seoul bị tắc nghẽn do các sự kiện thể thao lớn,
số lượt thuê xe đạp theo giờ đã tăng 20% so với tháng trước.Vào tháng 10 năm
2022, khi tình trạng giao thông tại Seoul được cải thiện, số lượt thuê xe đạp theo
giờ đã giảm 10% so với tháng trước.
Chi phí thuê xe đạp cũng là một yếu tố quan trọng ảnh hưởng đến nhu cầu thuê xe
đạp. Nhu cầu thuê xe đạp thường tăng cao khi chi phí thuê xe đạp giảm. Điều này
là do giá cả là một yếu tố quan trọng ảnh hưởng đến quyết định của người tiêu
dùng.Dưới đây là một số ví dụ cụ thể về tác động của chi phí thuê xe đạp đến nhu
cầu thuê xe đạp tại Seoul,vào tháng 9 năm 2022, khi SMTA giảm giá thuê xe đạp
theo giờ từ 1.000 won xuống 500 won, số lượt thuê xe đạp theo giờ đã tăng 30% so
với tháng trước.Vào tháng 11 năm 2022, khi SMTA tăng giá thuê xe đạp theo giờ
lên 1.500 won, số lượt thuê xe đạp theo giờ đã giảm 15% so với tháng trước.
Các chính sách khuyến khích, chẳng hạn như miễn phí thuê xe đạp trong một số
thời điểm nhất định, có thể giúp tăng nhu cầu thuê xe đạp.Dưới đây là một số ví dụ
cụ thể về tác động của các chính sách khuyến khích đến nhu cầu thuê xe đạp tại
Seoul,vào tháng 10 năm 2022, khi SMTA miễn phí thuê xe đạp trong giờ cao điểm,
số lượt thuê xe đạp theo giờ đã tăng 40% so với tháng trước.Vào tháng 12 năm
2022, khi SMTA ngừng miễn phí thuê xe đạp trong giờ cao điểm, số lượt thuê xe
đạp theo giờ đã giảm 25% so với tháng trước.
Dưới đây là một số ví dụ cụ thể về tác động của các yếu tố bên ngoài đến nhu cầu
thuê xe đạp theo giờ tại Seoul:
 Thời tiết: Vào tháng 7 năm 2022, khi nhiệt độ trung bình tại Seoul đạt 27 độ
C, số lượt thuê xe đạp theo giờ đã tăng 15% so với tháng trước.
 Tình trạng giao thông: Vào tháng 8 năm 2022, khi tình trạng giao thông tại
Seoul bị tắc nghẽn do các sự kiện thể thao lớn, số lượt thuê xe đạp theo giờ
đã tăng 20% so với tháng trước.
 Chi phí thuê xe đạp: Vào tháng 9 năm 2022, khi SMTA giảm giá thuê xe đạp
theo giờ từ 1.000 won xuống 500 won, số lượt thuê xe đạp theo giờ đã tăng
30% so với tháng trước.
 Các chính sách khuyến khích: Vào tháng 10 năm 2022, khi SMTA miễn phí
thuê xe đạp trong giờ cao điểm, số lượt thuê xe đạp theo giờ đã tăng 40% so
với tháng trước.
Các yếu tố bên ngoài có thể ảnh hưởng đến nhu cầu thuê xe đạp theo giờ theo
nhiều cách khác nhau. Các công ty cho thuê xe đạp cần theo dõi các yếu tố này để
điều chỉnh chiến lược kinh doanh của mình cho phù hợp.
2.5 Phương pháp dự báo đơn hàng nhu cầu thuê xe đạp theo giờ.
(AzureMachine Learning).

Azure Machine Learning Studio (MAMLS) là một nền tảng điện toán đám mây
cung cấp giao diện trực quan hóa cho phép dễ dàng xây dựng, kiểm tra và triển
khai các mô hình phân tích dự đoán.

Để tạo mô hình dự đoán trong MAMLS, người dùng chỉ cần kéo và thả bộ dữ liệu
và các module phân tích trên bề mặt thiết kế. Mỗi thử nghiệm trong MAMLS là
một quy trình làm việc hoàn chỉnh với tất cả các thành phần cần thiết để xây dựng,
thử nghiệm và đánh giá một mô hình dự đoán. Các module trong một thử nghiệm
được kết nối với nhau bằng các đường dẫn, hiển thị luồng dữ liệu và thông số
thông qua quy trình làm việc.

MAMLS đi kèm với một bộ thư viện đầy đủ tính năng bao gồm các thuật toán học
máy với độ chính xác cao nhất và đã được thực nghiệm trong các dịch vụ toàn cầu
của Microsoft. MAMLS cũng được xây dựng để hỗ trợ cho R và Python, cho phép
người dùng tự do thay đổi và tùy chỉnh mô hình.
Sau khi xây dựng và tạo mô hình, người dùng có thể dễ dàng triển khai nó như một
dịch vụ web có thể chạy trên nhiều ngôn ngữ lập trình khác nhau. Người dùng
cũng có thể chia sẻ mô hình của mình với cộng đồng bằng cách đặt nó vào trong
Cortana Intelligence Gallery.
Link báo : https://link.springer.com/chapter/10.1007/978-3-031-29382-5_37