Đề 14 - Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh
1. Phương pháp `k-means clustering` thường được ứng dụng trong bài toán nào của kinh tế và kinh doanh?
A. Dự báo giá cổ phiếu.
B. Phân loại email spam.
C. Phân khúc thị trường khách hàng.
D. Phát hiện gian lận thẻ tín dụng.
2. Trong khoa học dữ liệu kinh doanh, `mô hình hóa dự đoán` (predictive modeling) được sử dụng để làm gì?
A. Mô tả dữ liệu lịch sử.
B. Dự đoán các sự kiện hoặc xu hướng trong tương lai.
C. Trực quan hóa dữ liệu hiện tại.
D. Xác định nguyên nhân của các sự kiện đã xảy ra.
3. Trong khoa học dữ liệu, `Dimensionality Reduction` (giảm chiều dữ liệu) có mục đích chính là gì?
A. Tăng kích thước dữ liệu.
B. Giảm số lượng thuộc tính (features) trong dữ liệu để đơn giản hóa mô hình và giảm nhiễu.
C. Tăng độ chính xác của dữ liệu.
D. Trực quan hóa dữ liệu nhiều chiều.
4. Trong lĩnh vực tài chính, khoa học dữ liệu có thể được sử dụng để:
A. Thay thế hoàn toàn con người trong giao dịch chứng khoán.
B. Dự đoán chính xác 100% biến động thị trường.
C. Phát hiện gian lận, quản lý rủi ro, và cá nhân hóa dịch vụ khách hàng.
D. Loại bỏ hoàn toàn rủi ro đầu tư.
5. Phương pháp `Cross-validation` (kiểm định chéo) được sử dụng để làm gì trong quá trình xây dựng mô hình học máy?
A. Tăng tốc độ huấn luyện mô hình.
B. Đánh giá khả năng khái quát hóa của mô hình và tránh overfitting.
C. Trực quan hóa kết quả mô hình.
D. Làm sạch dữ liệu huấn luyện.
6. Trong ngữ cảnh khoa học dữ liệu kinh doanh, `Overfitting` (quá khớp) đề cập đến vấn đề gì?
A. Mô hình học máy hoạt động quá chậm.
B. Mô hình học máy học quá tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu mới.
C. Dữ liệu huấn luyện chứa quá nhiều lỗi.
D. Mô hình học máy không đủ phức tạp.
7. Kỹ thuật nào sau đây thường được sử dụng để dự báo doanh số bán hàng trong tương lai dựa trên dữ liệu lịch sử?
A. Phân tích cụm (Clustering).
B. Phân tích hồi quy (Regression analysis).
C. Phân tích thành phần chính (Principal Component Analysis).
D. Phân tích cảm xúc (Sentiment analysis).
8. Mô hình `Decision Tree` (cây quyết định) trong học máy có ưu điểm nổi bật nào?
A. Luôn cho kết quả dự đoán chính xác nhất.
B. Dễ dàng diễn giải và hiểu được logic đưa ra quyết định.
C. Xử lý tốt dữ liệu phi cấu trúc như văn bản và hình ảnh.
D. Hoạt động hiệu quả với dữ liệu kích thước rất lớn.
9. Trong kinh tế vĩ mô, khoa học dữ liệu có thể ứng dụng để phân tích và dự báo:
A. Chiến lược marketing của một công ty cụ thể.
B. Tổng sản phẩm quốc nội (GDP), lạm phát, và tỷ lệ thất nghiệp.
C. Hành vi mua hàng của từng cá nhân.
D. Giá cổ phiếu của một công ty.
10. Ứng dụng nào sau đây thể hiện việc sử dụng khoa học dữ liệu trong quản lý chuỗi cung ứng?
A. Thiết kế logo sản phẩm.
B. Dự báo nhu cầu và tối ưu hóa tồn kho.
C. Quản lý quan hệ khách hàng (CRM).
D. Phân tích đối thủ cạnh tranh.
11. Khái niệm `Big Data` trong kinh tế và kinh doanh đề cập đến dữ liệu có đặc điểm nào?
A. Dữ liệu có kích thước nhỏ nhưng phức tạp.
B. Dữ liệu có cấu trúc rõ ràng và dễ dàng phân tích.
C. Dữ liệu có khối lượng lớn, tốc độ tạo ra nhanh, và đa dạng về loại hình (Volume, Velocity, Variety).
D. Dữ liệu được thu thập từ các nguồn chính phủ.
12. Trong kinh doanh, `phân khúc khách hàng` (customer segmentation) bằng khoa học dữ liệu có mục đích chính là gì?
A. Giảm chi phí hoạt động của doanh nghiệp.
B. Tăng cường bảo mật dữ liệu khách hàng.
C. Chia khách hàng thành các nhóm khác nhau để cá nhân hóa chiến lược marketing và dịch vụ.
D. Đơn giản hóa quy trình kế toán.
13. Trong khoa học dữ liệu kinh doanh, `Data Mining` (khai phá dữ liệu) chủ yếu tập trung vào:
A. Thu thập dữ liệu từ nhiều nguồn.
B. Tìm kiếm các mẫu, xu hướng, và kiến thức ẩn sâu trong dữ liệu lớn.
C. Bảo mật dữ liệu.
D. Trực quan hóa dữ liệu.
14. Trong khoa học dữ liệu, `Anomaly detection` (phát hiện bất thường) có ứng dụng quan trọng trong lĩnh vực nào của kinh tế và kinh doanh?
A. Dự báo doanh số bán hàng.
B. Phát hiện gian lận tài chính và giao dịch bất thường.
C. Phân khúc khách hàng.
D. Tối ưu hóa quảng cáo trực tuyến.
15. Ứng dụng của khoa học dữ liệu trong quản lý nhân sự (HR) có thể bao gồm:
A. Sản xuất hàng loạt sản phẩm.
B. Dự đoán tỷ lệ nhân viên nghỉ việc, tối ưu hóa quy trình tuyển dụng, và phân tích mức độ hài lòng của nhân viên.
C. Quản lý kho hàng.
D. Phân tích đối thủ cạnh tranh.
16. Chỉ số `RMSE` (Root Mean Squared Error) thường được sử dụng để đánh giá điều gì trong mô hình hồi quy?
A. Độ chính xác của mô hình phân loại.
B. Sai số dự đoán của mô hình hồi quy.
C. Mức độ phức tạp của mô hình.
D. Thời gian huấn luyện mô hình.
17. Khái niệm `Data Lake` (hồ dữ liệu) khác biệt với `Data Warehouse` (kho dữ liệu) chủ yếu ở điểm nào?
A. Data Lake chỉ lưu trữ dữ liệu có cấu trúc, còn Data Warehouse lưu trữ dữ liệu phi cấu trúc.
B. Data Lake lưu trữ dữ liệu thô ở định dạng gốc, còn Data Warehouse lưu trữ dữ liệu đã được xử lý và cấu trúc hóa.
C. Data Lake chỉ dành cho dữ liệu lịch sử, còn Data Warehouse dành cho dữ liệu hiện tại.
D. Data Lake dễ sử dụng hơn Data Warehouse.
18. Trong khoa học dữ liệu, `Bias` (thiên vị) trong dữ liệu hoặc mô hình có thể dẫn đến hậu quả gì trong kinh doanh?
A. Tăng hiệu suất mô hình dự đoán.
B. Đưa ra quyết định không công bằng hoặc phân biệt đối xử.
C. Giảm chi phí phân tích dữ liệu.
D. Cải thiện độ tin cậy của dữ liệu.
19. Đâu là vai trò chính của `trực quan hóa dữ liệu` trong khoa học dữ liệu kinh doanh?
A. Đảm bảo dữ liệu được lưu trữ an toàn.
B. Giúp các bên liên quan không chuyên môn hiểu được thông tin phức tạp từ dữ liệu.
C. Tăng tốc độ xử lý dữ liệu.
D. Thay thế các phương pháp phân tích thống kê truyền thống.
20. Công cụ nào sau đây thường được sử dụng để xử lý và phân tích dữ liệu lớn trong khoa học dữ liệu?
A. Microsoft Excel.
B. Microsoft Word.
C. Apache Hadoop và Apache Spark.
D. Adobe Photoshop.
21. Phương pháp `phân tích văn bản` (text analytics) được sử dụng để:
A. Phân tích dữ liệu số liệu tài chính.
B. Trích xuất thông tin và hiểu ý nghĩa từ dữ liệu văn bản (ví dụ: đánh giá sản phẩm, bình luận trên mạng xã hội).
C. Xử lý hình ảnh sản phẩm.
D. Dự báo thời tiết.
22. Mô hình học máy nào sau đây thường được sử dụng để phân loại khách hàng thành `có khả năng rời bỏ` (churn) và `không có khả năng rời bỏ`?
A. K-means Clustering.
B. Linear Regression.
C. Logistic Regression.
D. Principal Component Analysis.
23. Kỹ thuật `Recommendation system` (hệ thống gợi ý) ứng dụng khoa học dữ liệu trong kinh doanh, ví dụ như gợi ý sản phẩm trên các trang thương mại điện tử, hoạt động dựa trên nguyên tắc nào?
A. Ngẫu nhiên hóa lựa chọn sản phẩm.
B. Dựa trên đánh giá chủ quan của nhân viên bán hàng.
C. Phân tích hành vi, lịch sử mua hàng, và sở thích của người dùng để dự đoán sản phẩm phù hợp.
D. Dựa trên giá thành sản phẩm.
24. Đâu là một thách thức đạo đức quan trọng khi ứng dụng khoa học dữ liệu trong kinh doanh?
A. Chi phí đầu tư vào công nghệ dữ liệu quá cao.
B. Sự thiếu hụt nhân lực có kỹ năng về khoa học dữ liệu.
C. Sử dụng dữ liệu cá nhân một cách xâm phạm quyền riêng tư và tạo ra sự phân biệt đối xử.
D. Khó khăn trong việc tích hợp dữ liệu từ nhiều nguồn khác nhau.
25. Phân tích `cohort` (cohort analysis) trong kinh doanh thường được dùng để:
A. Dự báo doanh thu hàng năm.
B. Đánh giá hiệu quả của chiến dịch marketing theo thời gian đối với các nhóm khách hàng cụ thể.
C. Phân tích cấu trúc chi phí của doanh nghiệp.
D. Tối ưu hóa chuỗi cung ứng.
26. Trong bối cảnh kinh doanh trực tuyến, `A/B testing` (thử nghiệm A/B) thường được sử dụng để:
A. Dự báo doanh số bán hàng trong tương lai.
B. So sánh hiệu quả của hai phiên bản khác nhau của một trang web, ứng dụng, hoặc chiến dịch marketing.
C. Phân tích dữ liệu khách hàng.
D. Tối ưu hóa chuỗi cung ứng.
27. Khoa học dữ liệu trong kinh tế và kinh doanh chủ yếu tập trung vào việc:
A. Thu thập và lưu trữ dữ liệu lớn một cách hiệu quả.
B. Phân tích dữ liệu để đưa ra quyết định kinh doanh và kinh tế dựa trên bằng chứng.
C. Phát triển các thuật toán máy học phức tạp nhất.
D. Tự động hóa hoàn toàn các quy trình kinh doanh.
28. Thuật ngữ `Feature Engineering` trong khoa học dữ liệu kinh doanh nghĩa là gì?
A. Quá trình lựa chọn phần cứng máy tính tốt nhất để xử lý dữ liệu.
B. Quá trình tạo ra các thuộc tính (features) mới từ dữ liệu hiện có để cải thiện hiệu suất của mô hình học máy.
C. Quá trình mã hóa dữ liệu để bảo mật thông tin.
D. Quá trình trực quan hóa dữ liệu.
29. Đâu là một ví dụ về ứng dụng khoa học dữ liệu trong lĩnh vực Marketing?
A. Tuyển dụng nhân viên mới.
B. Tối ưu hóa chiến dịch quảng cáo trực tuyến để tăng tỷ lệ chuyển đổi.
C. Quản lý kho hàng.
D. Kiểm toán tài chính.
30. Khi nói về `Data Governance` (quản trị dữ liệu) trong doanh nghiệp, yếu tố nào sau đây là quan trọng nhất?
A. Sử dụng công nghệ mới nhất.
B. Đảm bảo chất lượng, bảo mật, và tuân thủ quy định của dữ liệu trong toàn bộ vòng đời.
C. Giảm chi phí lưu trữ dữ liệu.
D. Tăng tốc độ truy cập dữ liệu.
