Đây là phần thứ hai của bài viết dành riêng cho việc làm việc với Luồng dữ liệu trong Oracle Analytics khi dữ liệu được lưu trữ trong Kho dữ liệu tự trị của Oracle. Phần trước tập trung vào việc thiết lập Luồng dữ liệu và các cấu hình ban đầu. Bây giờ, chúng ta sẽ giải quyết việc xây dựng Phân tích ý kiến, một trường hợp sử dụng phổ biến khác.
Table of Contents
Tổng quan về ca sử dụng
Phân tích ý kiến chủ yếu được sử dụng để xử lý phản hồi của người dùng. Chúng ta sẽ khám phá một trường hợp sử dụng tương tự. Giả sử rằng một số công ty bán sản phẩm thông qua trang web thương mại. Chúng ta cần phân tích tất cả các nhận xét và phản hồi của người mua để tìm ra sản phẩm nào tốt hay xấu cho họ.
Trong thực tế, điều này sẽ yêu cầu các hành động sau:
- Sử dụng Luồng dữ liệu để tìm ý kiến từ trường Văn bản (phản hồi tiêu cực hoặc tích cực).
- Sử dụng Luồng dữ liệu Phát triển ý kiến dựa trên nhận xét và phản hồi từ khách hàng.
Việc thực hiện nhiệm vụ sẽ yêu cầu 5 bước:
- Tạo luồng dữ liệu
- Tải lên dữ liệu thô
- Áp dụng ý kiến
- Lưu Tập dữ liệu
- Trực quan hóa dữ liệu
Tạo luồng dữ liệu
Tại bước này, chúng tôi tạo dự án Luồng dữ liệu và kết hợp hai tập dữ liệu đã tải lên ở giai đoạn trước được mô tả trong Phần 1 của bài viết. Bạn có thể cần tham khảo để làm mới kiến thức.
Điều hướng đến góc trên cùng bên phải, nhấp vào Create > Data Flow
Trong cửa sổ Add Data Set xuất hiện, nhấp vào Create Data Set để tải lên tệp thô. Nhấp vào the Drop data file here hoặc duyệt đến tệp cần thiết.
Nhập Đánh giá của Product Customer Reviews làm tên tập dữ liệu.
Nhấp vào biểu tượng Plus trong tập dữ liệu> Analyze Sentiment
Đầu ra của bước này là một cột mới được tạo. Theo mặc định, nó được đặt tên là cảm xúc. Bạn có thể đổi tên nó theo nhu cầu của bạn.
Trong Parameters, chọn cột văn bản trong tập dữ liệu của bạn. Trong trường hợp của chúng tôi, đó là cột Feedback.
Kết quả của Phân tích Cảm xúc có thể được phân loại theo Tính Polarity và Subjectivity:
- Polarity : Trung tính, Tiêu cực hoặc Tích cực
- Subjectivity : Khách quan hoặc Chủ quan
Bước Phân tích ý kiến trả về Polarity, vì vậy nó có thể là Neutral, Negative, or Positive.
Nhấp vào biểu tượng dấu plus của Analyze Sentiment > Add Columns. Trong bước này, chúng tôi tạo cột đo lường để sử dụng trong việc trực quan hóa dữ liệu sau này
- Nhập expression : 1
- Nhấp vào Apply
Giờ đây, bạn có thể thấy các cột Emotion và Count mới được thêm vào tập dữ liệu.
Lưu dữ liệu mới vào tập dữ liệu: nhấp vào biểu tượng dấu plus của Add Columns > Save Data
- Enter the data set: Tập dữ liệu đánh giá của khách hàng về sản phẩm
- Save data to Bộ nhớ Tập dữ liệu
- Đảm bảo Count column as Measure
Lưu Luồng dữ liệu và chạy nó để tạo tập dữ liệu. Sau đó, quay lại Trang chủ của Oracle Analytics Desktop và điều hướng đến menu Data . Bạn có thể xem tập dữ liệu mới ở đó:
Bây giờ chúng ta có thể bắt đầu hình dung tập dữ liệu này.
Tạo Phân tích Ý Kiến
Tạo một dự án mới có tên là Product Reviews Analysis. Sau đó, Add Data Set: Product Customer Reviews Dataset
Tạo biểu đồ Tile cho số lượng đánh giá của khách hàng:
- Kéo và thả Emotion và Count vào khu vực Visualization
- Chọn loại biểu đồ Donut
- Kéo và thả cột Emotion vào Color
- Tạo biểu đồ mới –Horizontal 100% Stacked Bar
- Kéo và thả Count vào Values(Trục Y) và Product Category vào Category (Trục X)
- Emotion trong Color.
Hình ảnh hiển thị % of Negative for Computers và MP3 Players as 20.93% and 20.20%. Nó nhiều hơn so với các Product category. Bạn cần phân tích sâu dữ liệu để khám phá lý do.
Bạn có thể thêm các chi tiết khác vào hình ảnh của mình để xem khách hàng đã đánh giá sản phẩm của bạn như thế nào.
Kết luận
Hướng dẫn này trình bày cách tạo Phân tích ý kiến dựa trên tập dữ liệu Đánh giá của khách hàng trong một vài bước đơn giản trong Oracle Analytics Desktop. Đây là trường hợp sử dụng phổ biến cho những người phân tích suy nghĩ và cảm nhận của khách hàng về sản phẩm và dịch vụ.
Ngoài ra, đây là một phương pháp phổ biến khi bạn đang làm việc trên lĩnh vực Truyền thông xã hội để khám phá các xu hướng trong mạng xã hội. Bạn có thể áp dụng quy trình tương tự để phân tích dữ liệu từ các nền tảng xã hội như Twitter, Facebook, v.v.
Bạn có thể xây dựng các giải pháp tùy chỉnh nếu bạn có kỹ năng lập trình trong thư viện Python hoặc R hoặc bất kỳ ngôn ngữ lập trình nào. Tuy nhiên, Oracle Analytics cho phép bạn xây dựng bản phân tích đó nhanh hơn và dễ dàng hơn nhiều với các tính năng được tích hợp sẵn mà không đòi hỏi bạn phải có bất kỳ kỹ năng lập trình nào.
Nguồn: Internet
Chúng tôi chuyên cung cấp các dịch vụ về Xây dựng Kho dữ liệu Data Warehouse/ Xây dựng Báo cáo Power BI cho các doanh nghiệp lớn như: Nakagawa, Mutoshi, Tinh Vân Group,….. đăng ký ngay để được Demo và tư vấn miễn phí dành riêng cho doanh nghiệp của bạn.
