Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàng

- ĐỖ THỊ TÂM MỘT SỐ THUẬT TOÁN CỤM MỜ VÀ BÀI TOÁN PHÂN TÍCH DỮ LIỆU KHÁCH HÀNG NGÂN HÀNG LUẬN VĂN THẠC SỸ KHOA HỌC Chuyờn ngành Quản trị Kinh doanh NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TSKH BÙI CễNG CƯỜNG HÀ NỘI - 2010 Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Mục lụcMục lục.
- 2Chơng 1 - Phân cụm mờ.
- 41.1 Phân cụm mờ là gì.
- 41.2 Thuật toán phân cụm mờ FCM (Fuzzy C -means.
- 41.2.1 Thuật toán.
- 51.2.2 Ưu điểm và nhợc điểm của thuật toán FCM.
- 61.3 Thuật toán Độc lập Đờng kính – Dân số (PDI.
- 71.3.1 Thuật toán.
- 71.3.2 So sánh với thuật toán FCM.
- 81.4 Phân cụm hiệp phơng sa i mờ (Fuzzy covariance clustering.
- 91.5 Phân cụm mờ c -Elliptotypes (Fuzzy c -Elliptotypes - FCE.
- 111.6 Phân cụm đờng bao ( She ll clustering.
- 11Chơng 2 - Xếp loại tín dụng khách hàng doanh nghiệp trong ngân hàng.
- 132.1 Xếp loại tín dụng.
- 132.2 Mục đích của xếp loại tín dụng.
- 132.3 Các bớc xếp loại tín dụng.
- 142.3.2 Phân loại doanh nghiệp.
- 14Chơng 3 - Kết quả thực nghiệm.
- 263.1 Chuẩn bị dữ liệu.
- 263.2 Đọc dữ liệu.
- 283.4 Cài đặt thuật toán phân cụm.
- 293.4.1 Thuật toán phân cụm mờ FCM.
- 303.5 Phân cụm ngành nghề.
- 313.6 Phân cụm Quy mô.
- 343.7 Phân cụm doanh n ghiệp.
- 43 Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Mở đầuHoạt động ngân hàng trong nền kinh tế thị tr ờng là một trong những hoạt độngkinh tế chứa đầy rủi ro.
- Rủi ro trong hoạt động ngân hàng có thể gây ra tai họa chonền kinh tế hơn bất cử rủi ro của các loại hình hoạt động kinh tế khác, do tính chấtlây lan của nó có thể làm rung chuyển toàn bộ hệ thốn g kinh tế.Hoạt động của ngân hàng thơng mại gồm nhiều nghiệp vụ, nhng chung quylại, đây là loại hình kinh doanh tiền tệ – tín dụng của một trung gian tài chính dựatrên cơ sở thu hút tiền của khách hàng với trách nhiệm hoàn trả và sử dụng số tiềnđó để cho vay và thực hiện các nghiệp vụ thanh toán.
- Nh vậy, các ngân hàngthơng mại không chỉ kinh doanh nguồn vốn tự có mà còn kinh doanh nguồn vốnhuy động từ khách hàng.
- Do đó, nếu ngân hàng không thu hồi đợc số nợ mà họ đãcho vay thì ngân hàng không ch ỉ mất vốn tự có mà còn có nguy cơ không hoàn trảđợc số tiền đã huy động của khách hàng.
- Vì vậy, mỗi khi cho vay tiền, ngân hàngluôn phải nhớ rằng vốn của họ là tiền gửi của khách hàng, vì vậy điều quan trọng làhọ phải cho vay ở những nơi mà rủi ro do k hông trả đợc nợ là thấp nhất.Để tránh rủi ro trong hoạt động cho vay, nhiều ngân hàng hiện n ay đã sử dụngkỹ thuật “xếp loại tín dụng” hay “chấm điểm tín dụng” để xếp hạng tín nhiệm cáckhách hàng xin vay vốn, nhằm xác định các đối tợng khách hàng có t hể cho vayđợc, không cho vay đợc, lãi suấ t cho vay, vấn đề thế chấp, ...Có nhiều cách để xếp loại tín dụng nh dự tính mức xác suất của rủi ro tín dụngđối với một khoản tín dụng đợc cấp nh các mô hình xác suất tuyến tính, mô hìnhlogit và mô hình pr obit, hay phân loại những ngời vay căn cứ vào mức độ rủi ro cóliên quan đến các chỉ tiêu phản ánh các đặc điểm tài chính và kinh doanh của họ nhmô hình phân biệt tuyến tính.
- Hay nh cách phân cụm khách hàng thành các nhómtín dụng dựa vào các chỉ tiêu tài chính phản ánh đặc điểm tài chính và tình hình kinhdoanh của họ.Trong luận văn này, em sẽ trình bày về một số thuật toán phân cụm mờ v à bàitoán phân tích dữ liệu khách hàng ngân hàng .
- Nội dung của luận văn gồm có một sốthuật toán phân cụm mờ, thực tế xếp loại tín dụng tại một số ngân hàng ở Việt Nam Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán và kết quả cài đặt thuật toán phân cụm mờ xếp loại tín dụng cho các doanh nghiệpđợc niêm yết trên sàn giao dịch chứng khoán thành phố Hồ Chí Minh.Em xin chân thành cảm ơn thầy Bùi Công Cờng đã rất tậ n tình hớng dẫn emlàm luận văn này! Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Chơng 1 - Phân cụm mờ1.1 Phân cụm mờ là gìPhân cụm là phơng pháp phân loại các đối tợng dữ liệu vào các nhóm (cụm)khác nhau sao cho các đối tợng dữ liệu trong cùng một nhóm (cụm) là tơng tựnhau và trong các nhóm khác nhau l à không tơng tự nhau.Trong phân cụm rõ, mỗi đối tợng dữ liệu chỉ thuộc vào một cụm, do đó chỉ ápdụng phù hợp trong trờng hợp các cụm có mật độ cao và rời nhau.
- Tuy nhiên, trongthực tế, các cụm dữ liệu lại chồng lên nhau, nghĩa là một số đối tợng dữ liệu có thểthuộc về nhiều cụm khác nhau.
- Do đó, để giải quyết trờng hợp này, ngời ta đã ápdụng lý thuyết về tập mờ vào phân cụm dữ liệu.Trong phân cụm mờ, mỗi cụm đợc xem nh một tập mờ trong tập dữ liệu.
- Dovậy, mỗi đối tợng dữ liệu sẽ gắn với mỗi cụm bởi một đại lợng gọi là độ thuộc cógiá trị trong đoạn [0, 1], thể hiện mức độ thuộc của đ ối tợng đó vào cụm.1.2 Thuật toán phân cụm mờ FCM (Fuzzy C-means)Thuật toán FCM có nhiều tên trớc khi có tên là FCM.
- Ruspin i (1969) giới thiệu khái niệm phân hoạch mờ để mô tả cấutrúc cụm của tập dữ liệu và đề xuất một thuật toán để tính toán tối u phân hoạchmờ.
- Dunn (1973) mở rộng phơng pháp phân cụm và đã phát triển thuật toán phâncụm mờ.
- ý tởng của thuật toán là xây d ựng một phơng pháp phân cụm mờ dựatrên tối thiểu hóa hàm mục tiêu.
- Bezdek (1981) cải tiến và tổng quát hóa hàm mụctiêu mờ bằng cách đa ra trọng số mũ để xây dựng thuật toán phân cụm mờ vàchứng minh độ hội tụ của các thuật toán là cực tiểu cục bộ.Thuật toán FCM đã đợc áp dụng thành công trong một số bài toán phân cụm dữliệu nh trong nhận dạng mẫu (nhận dạ ng vân tay, ảnh.
- Tuynhiên, nhợc điểm lớn nhấ t của thuật toán FCM là nhạy cảm với nhiễu và phần tửngoại lai.
- Để khắc phục nhợc điểm này của FCM, đã có nhiều phơng pháp đợc Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán đề xuất nh: Phân cụm dựa trên xác suất (Keller, 1993), phân cụm nhiễu mờ (Dave,1991), phân cụm dựa trên toán tử Lp Norm (Kerten, 1999), và thuật toán ε –Insensitive Fuzzy C -means (εFCM) và thuật toán FCM cải tiến.1.2.1 Thuật toánThuật toán FCM có thể đợc phát biểu nh sau: Xác định các biến P, U để t ốithiểu hóa.
- Trong đóX là tập các đối tợngc là số cụm1m  là số mũ mờ hóa, nếu1m.
- thuật toán phân c ụm mờ trở thànhthuật toán phân cụm rõ.
- Giá trịnày củam có một lợi thế là đơn giản hóa các phơng trình cập nhật (sẽđợc trình bày ở phía sau) và do đó có thể tăng tốc độ máy tính.iku là độ thuộc của vector đặc trngkx với cụm đợc biểu diễn bởi tâmcụmip. ikU u là ma trận phân hoạch mờ (c N) thỏa mãn ràng buộc(1.2) ở trên.N là tổng số vector đặc trng.2ikd là khoảng cách giữa vector đặc trngkx và tâm cụmip.
- vớiA là ma trận xác định dơng.
- Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Ngời ta đã chứng minh rằ ng, giá trị.
- *P U làm cực tiểu hóa ,FCMJ P U ởphơng trình (1.1) với ràng buộc ( 1.2) phải thỏa mãn các phơng trình cập nhật sau:*11Nmik kkiNmikku xpu ikmcikjjkudd.
- (1.4)Thuật toán FCM là một dãy các phép lặp đi lặp lại các phơng trình cập nhậttrên.
- Khi phép lặp này hội tụ, sẽ thu đợc ma trận phân cụm mờ và các tâm cụm.Thuật toán:Bớc 1: Cố địnhc,2 c N.
- Khởi tạo ma trận độ thuộc mờ,U.Bớc 2: Tìmc tâm cụm mờ (ma trậnP) theo phơng trình ( 1.3).Bớc 3: Cập nhật độ thuộcU theo phơng trình ( 1.4).Bớc 4: So sánh sự thay đổi giá trị độ thuộc bằng một chuẩn thích hợp.
- Ngợc lại, quay về bớc 2.1.2.2 Ưu điểm và nhợc điể m của thuật toán FCMƯu điểm: Thuật toán này không phức tạp để lập trình.
- Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Thuật toán sử dụng hàm mục tiêu trực quan và dễ hiểu Với các tập dữ liệu tạo thành các cụm tách rời nhau và có dạng siêu cầuthì FCM tìm ra các cụm này khá chính xác. FCM dựa trên cơ sở mờ, nên nó rất mạnh: nó luôn hội tụ đến một giảipháp, và nó cung cấp các giá trị độ thuộc thích hợp.
- Ràng buộc ở phơngtrình (1.2) là điều kiện cần thiết để chứng minh tính hội tụ tới giá trị cựctiểu địa phơng của thuật toán FCM.Nhợc điểm: FCM yêu cầu số cụm là một tiên nghiệm (priori.
- các hình dáng cụm khác sẽ không đợc trộn vào. Hàm mục tiêu của FCM không phải là một tiêu chuẩn phân cụm tốt khicác cụm gần với m ột cụm khác nhng không bằng nhau về kích thớchoặc số phần tử. Độ chính xác của FCM nhạy cảm với các điểm nhiễu và các phần tử ngoạilai, nghĩa là các tâm cụm có thể nằm xa so với tâm thực của cụm.
- Do đó,các cụm dữ liệu đợc khám phá có thể rất lệch so với các cụm trong thựctế.
- Việc khử nhiễu và phần tử ngoại lai là một vấn đề cần đợc giải quyết.1.3 Thuật toán Độc lập Đờng kính – Dân số (PDI)1.3.1 Thuật toánXác định các biến,U P, và để tối thiểu hóa hàm mụ c tiêu.
- (1.5)với các ràng buộc:11cikiu(1.6)11cii(1.7) Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán vớii là phần tử chuẩn hóa cụm i.Bộ giá trị.
- ,P U  làm tối thiểu hóa hàm mục tiêu (1.5) thỏa mãn các ràngbuộc (1.6) và (1.7) thỏa mãn các phơng trình cập nhật sau:112*1121rmiikikrcmiiikdud.
- (1.10)r thờng đợc chọn1r .1.3.2 So sánh với thuật toán FCMChúng ta hãy xem xét hàm mục tiêu (OF) của FCM:Tối thiểu hóa.
- .Đây là hàm dựa trên kho ảng cách, tích lũy các khoảng cách có trọng số giữa cácnguyên mẫu và các điểm dữ liệu.
- Cụm lớn (theo nghĩa đờng kính) sẽ đóng góp vàoOF nhiều hơn cụm nhỏ bởi vì khoảng cách của nó lớn hơn.
- Do vậy, khoảng cáchtơng đối giữa các cụm đóng vai trò trong v iệc xác định sự đóng góp của mỗi cụmtới OF.
- Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán ikmcikjjkudd.
- 1,...,i c.Những điểm nằm rất gần một nguyên mẫu (prototype) có độ thuộc hầu nh bằng0 với tất cả các nguyên mẫu khác.
- Trong phơng pháp này, chúng đóng góp cho OF của cảhai nguyên mẫu.
- Do đó, ta có thể kết luận sơ bộ rằng miễn là sự tách biệt giữa cáccụm cao, FCM s ẽ không có vấn đề gì khi phân cụm .
- Mỗi khi một trong số các cụmmở rộng vào khu vực giữa hai tâm cụm, FCM sẽ sinh ra các kết quả rất xấu.Tỷ lệdân số của các cụm giữ một vai trò trong các cấu hình đờng kính này và làm chocác lỗi nghiêm trọng hơn.
- Các cụm với dân số lớn hơn và đờng kính lớn hơn chiếmu thế trong giải pháp của FCM.Do FCM không có khả năng phân cụm một cách chính xác khi tập dữ liệu chứamột cụm có dân số cao hơn rất nhiều cụm kia hoặc có đờng kính lớn hơn (trongtrờng hợp hai cụm).
- ý tởng chính của thuật toán PDI là chuẩn hóa sự đóng gópcủa các cụm vào hàm mục tiêu FCM bằng cách, trong hàm mục tiêu PDI, ta chia sựđóng góp (FCM) của mỗi cụm cho một số biểu diễn mức độ đóng góp.
- Kết quả củaphép chia sẽ cho sự đóng góp mới (PDI) của cá c cụm.1.4 Phân cụm hiệp phơng sai mờ (Fuzzy covariance clustering)Gustafson và Kessel giới thiệu một thay đổi mới trong hàm FCM đợc cho bởiphơng trình 1.1 nh phơng trình 1.11 dới đây.
- Điều này cho phép tìm các cụm cósạng siêu elipxoit (hyperellipsoid ) thay vì chỉ tìm thấy các cụm siêu cầu(hypershere) nh FCM.
- (1.11)Trong đóiA là ma trận đối xứng xác định dơng, và ngoài ràng buộc ở phơngtrình (1.2) còn thêm ràng buộc: Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán i iA constant (1.12)Tuy nhiên, khác với FCM, không có sự chứng minh tính hội tụ của thuật toánnày.
- Và thuật toán này cũng rất nhạy cảm khi khởi tạo.Thuật toán:Bớc 1: Cố định,c m. Khởi tạo tất cảip,iA.Bớc 2: Tính ma trận phân hoạch mờU bởi2111ikmcikjjkudd.
- Bớc 3: Cập nhật các nguyên mẫuP bởi11Nmik kkiNmikku xpuBớc 4: Tính111pi ii iA CC.
- trong đóiC là ma trận hiệp phơng sai mờ,đợc cho bởi công thức.
- Bớc 5: Nếu điều kiện dừng không thỏa mãn, quay lại Bớc 2.
- Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Phân cụm mờ c -Elliptotypes (Fuzzy c -Elliptotypes - FCE)Thuật toán này đợc đa ra bởi Bezdek để tìm các cụm có dạng đờng thẳnghoặc mặt phẳng.
- ý tởng chính của nó là giảm khoảng cách Euclidean của các điểmnằm dọc theo các hớng vector đặc trng của một cụm (giống nh là nằm trên mộtđờng thẳng) trong khi lấy đủ khoảng cách E uclidean của các điểm khác.
- (1.13)ở đây2Eikd là khoảng cách Euclidean và2Vikd đợc định nghĩa nh s au.
- (1.14)Trong đó 1,r p vàije là vectơ đặc trng thứ j của ma trận hiệp phơng saiiC của cụm i (dấu .
- nhận giá trị từ 0 đến 1 và cận đợc xác định tiên nghiệm.1r  đợc dùng đểtìm ra các đờng thẳng và2r  để tìm các mặt phẳng.Các phơng trình cập nhật của thuật toán này giống với các phơng trình cậpnhật của phân cụm hiệp phơng sai mờ .1.6 Phân cụm đờng bao ( Shell clustering)ứng dụng chính của thuật toán này là trong xử lý ảnh.
- ảnh đợc tiền xử lý đểtìm cạnh và các pixel cạnh sau đó đợc đa vào các thuật toán này để tìm đờngbiên.
- Cái sáng tạo quan trọng nhất trong các thuật toán này là độ đo khoảng cách nósử dụng.
- Có nhiều biến thể của thuật toán này, trong thuật toá n phân cụm đờng baomờ của Dave, nguyên mẫu của một cụm đờng bao tròn đợc mô tả bởi tâm và bánkính của nó, lần lợt làip vàir.
- Độ đo khoảng cách là.
- (1.15)Trong thuật toán phân cụm đờng bao mờ c -spherical, độ đo khoảng cách đợcsử dụng là: Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán .
- (1.16)Trong thuật toán đờng bao mờ thích nghi (adaptive fuzzy), các đờng bao códạng elip đợc tìm thấy bằng cách sử dụng độ đo khoảng cách.
- (1.17)Trong đóA là ma trận xác định dơng chứa các trục và hớng của elip.Các thuật toán phân cụm đờng bao có chi phí tính toán đắt bởi vì các phơngtrình cập nhật của chúng yêu cầu giải một hệ các phơng trình phi tuyến, cácphơng trình này lại yêu cầu vòng lặp.
- Do vậy, bên trong mỗi vòng lặp phân cụm, cónhiều vòng lặ p đợc thực hiện.
- Kích thớc của dữ liệu lớn hơn 2 chiều hoặc dữ liệulên tới hàng nghìn là không thể thực hiện đợc.
- Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Chơng 2 - Xếp loại tín dụng khách hàng doanh nghiệp trongngân hàng2.1 Xếp loại tín dụngNgày nay, khái niệm xếp loại tín dụng hay xếp hạng tín dụng ha y xếp hạng tínnhiệm cha có đợc sự nhận thức thống nhất.
- Theo định nghĩa của công ty chứngkhoán Merrill Lynch, xếp hạng tín nhiệm là đánh giá hiện thời của công ty xếp hạngtín nhiệm về chất lợng tín dụng của một nhà phát hành chứng khoán nợ, về mộtkhoản nợ nhất định.
- Nói cách khác đi, đó là đánh giá hiện thời về chất lợng tíndụng đợc xem xét trong hoàn cảnh hớng về tơng lai, phản ánh sự sẵn sàng và khảnăng nhà phát hành có thể thanh toán gốc và lãi đúng hạn.
- Trong kết quả xếp hạngtín nhiệm chứa đựng cả ý kiến chủ quan củ a chuyên gia xếp hạng tín nhiệm.Theo công ty Moody’s, xếp hạng tín nhiệm là ý kiến về khả năng và sự sẵn sàngcủa một nhà phát hành trong việc thanh toán đúng hạn cho một khoản nợ nhất địnhtrong suốt thời gian tồn tại của khoản nợ.[4]2.2 Mục đích của xếp loại tín dụngMục đích của xếp loại tín dụng là dựa trên cơ sở các số liệu kiểm tra, phân tíchdữ kiện từ các hồ sơ lu trữ, báo cáo tài chính và báo cáo kiểm toán của doanhnghiệp để nhận xét đánh giá tình hình hoạt động, khả năng sinh lời, khả năng thanhtoán hiện tại và trong tơng lai của doanh nghiệp nhằm xác định khả năng thu hồivốn của ngân hàng cho vay.Việc xếp loại tín dụng đợc thực hiện nhằm hỗ trợ ngân hàng cho vay trongviệc:[4]- Ra quyết định cấp tín dụng: xác định h ạn mức tín dụng của một kháchhàng, số tiền cho vay/ bảo lãnh, thời hạn, mức lãi suất/phí, biện pháp đảmbảo cho khoản tín dụng.- Giám sát và đánh giá khách hàng tín dụng khi khoản tín dụng đang cònd nợ.
- Hạng khách hàng cho phép ngân hàng cho vay lờng tr ớc những Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán dấu hiệu xấu về chất lợng khoản cho vay và có những biện pháp đối phókịp thời.- Phát triển chiến lợc marketing nhằm hớng tới các khách hàng có ít rủiro hơn.- Ước lợng mức vốn đã cho vay sẽ không thu hồi đợc để trích lập dựphòng rủi ro tín d ụng.Tóm lại, mục đích của việc xếp loại tín dụng là giúp lờng trớc đợc các rủi rocó thể xảy ra trong kinh doanh để từ đó có thể tránh đợc các rủi ro này.2.3 Các bớc xếp loại tín dụngTheo Quyết định của Thống đốc Ngân hàng Nhà Nớc Việt Nam, ban hành n gày24/01/2002 về việc Triển khai thí điểm đề án phân tích, xếp loại tín dụng doanhnghiệp và theo thực tế quy trình xếp loại tín dụng khách hàng doanh nghiệp tại cácngân hàng, việc xếp loại tín dụng các doanh nghiệp có thể thực hiện theo các bớcsau:2.3.1 Thu thập thông tinCác chỉ tiêu thông tin thu thập để sử dụng trong quá trình phân tích báo cáo gồm: Bảng cân đối kế toán; Bảng kết quả hoạt động kinh doanh; Tình hình d nợ ngân hàng; Các thông tin phi tài chính khác.2.3.2 Phân loại doanh nghiệp2.3.2.1 Theo ngành kinh tếHiện tại các ngân hàng Căn cứ vào ngành nghề/ lĩnh vực sản xuất kinh doanhchính đăng ký trên Giấy chứng nhận đăng ký kinh doanh của doanh nghiệp, để xácđịnh ngành nghề/ lĩnh vực sản xuất kinh doanh của doanh nghiệp, bao gồm: Nông, lâm và ng nghiệp Thơng mại và dịch vụ Một số thuật toán phân cụm mờ và bài toán phân tích dữ liệu khách hàng ngân hàngĐỗ Thị Tâm - Đảm bảo Toán học cho máy tính và hệ thống tính toán Xây dựng Công nghiệpTrờng hợp doanh nghiệp hoạt động đa ngành nghề thì căn cứ vào ngành nghề/lĩnh vực nào đem lại tỷ trọng doanh thu lớn nhất cho doanh nghiệp.Ngân hàng Công Thơng Việt Nam phân loại doanh nghiệp vào một trong bốnngành nghề trên nh bảng sau:Nông, lâm vàng nghiệp- Chăn nuôi- Trồng trọt: cây lơng thực, hoa màu, cây ăn quả, cây côngnghiệp.
- Trồng rừng- Khai thác lâm sản- Đánh bắt, nuôi trồng thủy hải sản- Làm muốiThơng mạivà dịch vụ- Cảng sông, biển- Khách sạn, nhà hàng, giải trí, du lịch- Siêu thị, đại lý phân phối, kinh doanh bán buôn, bản lẻ các loạinông sản, lâm sản, thủy hải sản, thực phẩm, rợu bia, nớc giảikhát, thuốc lá, dợc phẩm, thiết bị y tế, mỹ phẩm, văn hóa phẩm,vật liệu xây dựng, hàng điện tử, máy móc, phơng tiện giao thôngvận tải, hóa chất (bao gồm cả phân bón, thuốc trừ sâu), hàng tiêudùng, hàng mỹ thuật, mỹ nghệ, điện, khí đốt.- In ấn, xuất bản sách, báo chí- Sửa chữa nhà cửa, các loại máy móc, phơng tiện giao thông- Chăm sóc sức khỏe, làm đẹp- T vấn, môi giới- Thiết kế thời trang, gia công may mặc- Bu chính viễn thông- Vận tải đờng bộ, đờng sông, đờng biển, đờng sắt, hàngkhông- Vệ sinh môi trờng, văn phòng,

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt