Đề 8 - Bài tập, đề thi trắc nghiệm online Khoa học dữ liệu trong kinh tế và kinh doanh
1. Đâu là thách thức chính khi triển khai khoa học dữ liệu trong các doanh nghiệp truyền thống?
A. Chi phí phần mềm khoa học dữ liệu quá cao.
B. Thiếu nhân lực có kỹ năng khoa học dữ liệu và thay đổi văn hóa doanh nghiệp.
C. Dữ liệu quá ít để phân tích.
D. Khách hàng không tin tưởng vào phân tích dữ liệu.
2. Trong phân tích dữ liệu, 'outlier′ (giá trị ngoại lệ) là gì?
A. Dữ liệu bị thiếu.
B. Giá trị dữ liệu khác biệt đáng kể so với phần lớn dữ liệu còn lại.
C. Dữ liệu đã được làm sạch.
D. Giá trị trung bình của dữ liệu.
3. Trong khoa học dữ liệu, 'bias′ (thiên vị) trong dữ liệu huấn luyện có thể dẫn đến hậu quả gì?
A. Mô hình hoạt động nhanh hơn.
B. Mô hình đưa ra dự đoán không công bằng hoặc phân biệt đối xử.
C. Mô hình dễ diễn giải hơn.
D. Mô hình chính xác hơn trên dữ liệu huấn luyện.
4. Công nghệ xử lý ngôn ngữ tự nhiên (NLP) có ứng dụng gì trong kinh doanh?
A. Phân tích hình ảnh sản phẩm.
B. Phân tích phản hồi của khách hàng từ văn bản và giọng nói.
C. Quản lý cơ sở dữ liệu quan hệ.
D. Tối ưu hóa quy trình sản xuất.
5. Mô hình học máy (Machine Learning) nào thường được sử dụng để phân loại khách hàng thành các nhóm khác nhau dựa trên hành vi mua sắm?
A. Hồi quy tuyến tính.
B. Phân cụm (Clustering).
C. Phân tích chuỗi thời gian.
D. Mạng nơ-ron tích chập.
6. Công cụ trực quan hóa dữ liệu (Data Visualization) giúp ích gì cho việc phân tích dữ liệu kinh doanh?
A. Tăng tốc độ xử lý dữ liệu.
B. Làm cho dữ liệu phức tạp dễ hiểu và nhận biết mẫu.
C. Tự động hóa quá trình thu thập dữ liệu.
D. Nâng cao độ chính xác của dữ liệu.
7. Trong lĩnh vực marketing, phân tích 'customer churn′ (tỷ lệ khách hàng rời bỏ) giúp doanh nghiệp làm gì?
A. Thu hút khách hàng mới.
B. Dự đoán và ngăn chặn khách hàng rời bỏ.
C. Tăng giá sản phẩm.
D. Giảm chi phí marketing.
8. Đạo đức trong khoa học dữ liệu (Data Ethics) đặc biệt quan trọng trong kinh doanh vì lý do nào?
A. Để tuân thủ luật pháp quốc tế.
B. Để bảo vệ quyền riêng tư của khách hàng và tránh các quyết định phân biệt đối xử.
C. Để giảm chi phí lưu trữ dữ liệu.
D. Để tăng cường hiệu quả quảng cáo.
9. Kỹ thuật 'regression analysis′ (phân tích hồi quy) thường được sử dụng để làm gì trong kinh doanh?
A. Phân loại khách hàng.
B. Dự đoán giá trị số dựa trên các biến đầu vào.
C. Tìm kiếm mẫu ẩn trong dữ liệu.
D. Trực quan hóa dữ liệu.
10. Sự khác biệt chính giữa 'data science′ và 'business intelligence′ (BI) là gì?
A. Data science chỉ sử dụng dữ liệu lớn, BI thì không.
B. Data science tập trung vào dự đoán và khám phá, BI tập trung vào báo cáo và phân tích hiện tại và quá khứ.
C. Data science dùng công cụ phức tạp, BI dùng công cụ đơn giản.
D. Data science chỉ dành cho công ty công nghệ, BI dành cho mọi doanh nghiệp.
11. Mô hình 'recommendation system′ (hệ thống gợi ý) sử dụng khoa học dữ liệu để làm gì trong thương mại điện tử?
A. Quản lý kho hàng.
B. Gợi ý sản phẩm phù hợp cho từng khách hàng.
C. Xử lý thanh toán trực tuyến.
D. Vận chuyển hàng hóa.
12. Đâu là vai trò chính của khoa học dữ liệu trong kinh tế và kinh doanh hiện đại?
A. Tăng cường quảng cáo trực tuyến.
B. Cải thiện quy trình sản xuất vật lý.
C. Hỗ trợ ra quyết định dựa trên bằng chứng và dự đoán.
D. Giảm chi phí nhân sự.
13. Trong bối cảnh kinh doanh, 'Big Data′ đề cập đến điều gì?
A. Dữ liệu có kích thước lớn, tốc độ cao và đa dạng.
B. Dữ liệu được lưu trữ trên đám mây.
C. Dữ liệu được thu thập từ mạng xã hội.
D. Dữ liệu được mã hóa bảo mật.
14. Trong khoa học dữ liệu, 'feature engineering′ là quá trình:
A. Làm sạch và chuẩn hóa dữ liệu.
B. Chọn lựa và biến đổi các thuộc tính dữ liệu để cải thiện hiệu suất mô hình.
C. Xây dựng mô hình học máy.
D. Đánh giá hiệu suất mô hình.
15. Phân tích dự báo (Predictive Analytics) trong kinh doanh chủ yếu hướng đến mục tiêu nào?
A. Mô tả dữ liệu lịch sử.
B. Dự đoán xu hướng và kết quả trong tương lai.
C. Tối ưu hóa quy trình hiện tại.
D. Phát hiện gian lận trong quá khứ.
16. Lợi ích chính của việc sử dụng khoa học dữ liệu trong quản lý chuỗi cung ứng là gì?
A. Tăng chi phí vận chuyển.
B. Tối ưu hóa tồn kho, dự báo nhu cầu và cải thiện hiệu quả logistics.
C. Giảm chất lượng sản phẩm.
D. Tăng sự phụ thuộc vào nhà cung cấp.
17. Trong khoa học dữ liệu, 'overfitting′ (quá khớp) đề cập đến vấn đề gì?
A. Mô hình hoạt động quá chậm.
B. Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới.
C. Dữ liệu huấn luyện quá ít.
D. Mô hình quá đơn giản.
18. Đâu không phải là một kỹ năng quan trọng của một chuyên gia khoa học dữ liệu trong kinh doanh?
A. Kỹ năng lập trình và thống kê.
B. Kỹ năng giao tiếp và trực quan hóa dữ liệu.
C. Kỹ năng chuyên môn sâu về một lĩnh vực kinh doanh cụ thể.
D. Kỹ năng quản lý kho hàng vật lý.
19. Phương pháp 'clustering′ (phân cụm) khác với 'classification′ (phân loại) ở điểm nào?
A. Clustering là học có giám sát, classification là học không giám sát.
B. Clustering nhóm dữ liệu dựa trên sự tương đồng, classification gán nhãn cho dữ liệu vào các lớp đã biết trước.
C. Clustering dùng cho dữ liệu số, classification dùng cho dữ liệu văn bản.
D. Clustering cho kết quả chính xác hơn classification.
20. Trong phân tích dữ liệu, 'correlation′ (tương quan) khác với 'causation′ (quan hệ nhân quả) như thế nào?
A. Correlation mạnh hơn causation.
B. Correlation chỉ ra mối liên hệ thống kê, causation chỉ ra một biến gây ra sự thay đổi ở biến khác.
C. Correlation dễ chứng minh hơn causation.
D. Correlation luôn đi kèm với causation.
21. Ứng dụng nào sau đây thể hiện vai trò của khoa học dữ liệu trong việc cải thiện trải nghiệm khách hàng?
A. Tăng cường bảo mật hệ thống mạng.
B. Cá nhân hóa nội dung và dịch vụ dựa trên hành vi và sở thích của khách hàng.
C. Giảm chi phí sản xuất.
D. Tự động hóa quy trình kế toán.
22. Phương pháp 'A∕B testing′ trong kinh doanh trực tuyến là một ứng dụng của khoa học dữ liệu trong lĩnh vực nào?
A. Quản lý chuỗi cung ứng.
B. Tối ưu hóa trải nghiệm người dùng và marketing.
C. Dự báo tài chính.
D. Phân tích rủi ro tín dụng.
23. Trong lĩnh vực tài chính, khoa học dữ liệu được ứng dụng để phát hiện gian lận giao dịch bằng cách nào?
A. Mã hóa dữ liệu giao dịch.
B. Phân tích hành vi bất thường trong giao dịch.
C. Tăng cường bảo mật hệ thống thanh toán.
D. Giảm thiểu số lượng giao dịch tiền mặt.
24. Kỹ thuật khai phá dữ liệu (Data Mining) thường được sử dụng để làm gì trong kinh doanh?
A. Bảo mật dữ liệu khách hàng.
B. Tìm kiếm mẫu và xu hướng ẩn trong dữ liệu lớn.
C. Tạo ra báo cáo tài chính tự động.
D. Quản lý cơ sở dữ liệu quan hệ.
25. Mục tiêu của việc sử dụng khoa học dữ liệu trong quản lý rủi ro là gì?
A. Loại bỏ hoàn toàn rủi ro.
B. Định lượng, dự đoán và giảm thiểu tác động tiêu cực của rủi ro.
C. Chuyển rủi ro sang cho đối tác.
D. Chấp nhận mọi rủi ro để tăng lợi nhuận.
26. Phương pháp phân tích chuỗi thời gian (Time Series Analysis) được sử dụng chủ yếu để làm gì trong kinh tế?
A. Phân tích dữ liệu không gian.
B. Dự báo các biến kinh tế theo thời gian.
C. Phân tích mối quan hệ nhân quả giữa các biến.
D. Phân tích dữ liệu văn bản.
27. Trong lĩnh vực kinh tế vĩ mô, khoa học dữ liệu có thể được dùng để phân tích và dự báo yếu tố nào?
A. Quyết định mua hàng của từng cá nhân.
B. Tăng trưởng GDP và tỷ lệ lạm phát của một quốc gia.
C. Chi phí sản xuất của một doanh nghiệp cụ thể.
D. Giá cổ phiếu của một công ty.
28. Đâu là một ví dụ về ứng dụng khoa học dữ liệu trong ngành bán lẻ?
A. Tự động hóa dây chuyền sản xuất.
B. Cá nhân hóa trải nghiệm mua sắm và đề xuất sản phẩm.
C. Phân tích thành phần hóa học của sản phẩm.
D. Dự báo thời tiết.
29. Đâu là một ví dụ về ứng dụng khoa học dữ liệu trong lĩnh vực nông nghiệp?
A. Tối ưu hóa lịch trình giao hàng cho thương mại điện tử.
B. Dự đoán năng suất cây trồng và tối ưu hóa việc sử dụng tài nguyên.
C. Phát hiện gian lận thẻ tín dụng.
D. Cá nhân hóa quảng cáo trực tuyến.
30. Trong lĩnh vực nhân sự (HR), khoa học dữ liệu có thể được ứng dụng để làm gì?
A. Thay thế hoàn toàn nhân viên HR.
B. Phân tích dữ liệu nhân viên để cải thiện tuyển dụng, giữ chân nhân tài và quản lý hiệu suất.
C. Giảm lương nhân viên.
D. Tăng giờ làm việc của nhân viên.
