Okay, để tôi kể cho mọi người nghe về cái vụ “casinos analytics” mà tôi mới mày mò gần đây. Thực ra là sếp giao cho cái dự án phân tích dữ liệu của mấy sòng bài, nghe thì oách nhưng làm mới thấy “thấm”.

Đầu tiên là tôi phải mò mẫm tìm hiểu xem “casinos analytics” là cái giống gì. Lên mạng search đủ kiểu, đọc đủ thứ tài liệu, hoa cả mắt. Hiểu nôm na là mình phải dùng mấy cái thuật toán, công cụ để phân tích dữ liệu từ sòng bài, kiểu như:

Khách nào hay chơi trò gì?

Giờ nào khách chơi nhiều nhất?

Khách nào có nguy cơ “bay màu” cao nhất? (ý là thua hết tiền đó)

…vân vân và mây mây…

Nói chung là phải moi móc dữ liệu ra để giúp sòng bài nó “tối ưu” trải nghiệm khách hàng, tăng doanh thu. Nghe thì có vẻ hơi “đen tối” nhưng mà công việc nó thế, phải làm thôi.

Sau khi “nghiên cứu” chán chê, tôi bắt đầu “vọc” dữ liệu. Dữ liệu sòng bài thì nhiều vô kể, từ lịch sử giao dịch, thông tin khách hàng, đến camera theo dõi… Mà dữ liệu thì “bẩn” thôi rồi, thiếu cái này, sai cái kia, định dạng thì lung tung. Thế là tôi lại phải ngồi cặm cụi “clean” dữ liệu, lọc bỏ mấy cái rác rưởi, chuẩn hóa lại cho nó “ngon nghẻ”. Cái công đoạn này ngốn của tôi cả tuần trời, đúng là “khổ sai”.

“Clean” xong dữ liệu, tôi bắt đầu “xào nấu” với mấy cái công cụ phân tích. Ban đầu tôi định dùng Python với mấy cái thư viện như Pandas, NumPy, Scikit-learn… Nhưng mà dữ liệu nhiều quá, máy tính của tôi nó “gồng” không nổi, chạy chậm như rùa bò. Thế là tôi phải chuyển sang dùng Spark, một cái framework phân tích dữ liệu lớn. Lúc đầu cũng hơi “ngợp” vì chưa quen, nhưng mà “cắn răng” học, đọc tutorial, xem video… Dần dần cũng quen.

Dùng Spark thì tốc độ xử lý nhanh hơn hẳn, nhưng mà lại nảy sinh vấn đề khác. Dữ liệu nó phân tán trên nhiều máy, nên việc truy vấn, trích xuất nó phức tạp hơn. Tôi lại phải mày mò học cách dùng Spark SQL, một cái module cho phép mình truy vấn dữ liệu bằng SQL. SQL thì tôi “rành” rồi, nên cũng đỡ vất vả hơn.

Sau một thời gian “vật lộn”, cuối cùng tôi cũng “chế” ra được mấy cái báo cáo, dashboard. Nào là báo cáo về hành vi khách hàng, báo cáo về hiệu quả của các trò chơi, báo cáo về rủi ro… Nhìn chung là cũng khá “ổn áp”.

Nhưng mà đời không như là mơ, sếp tôi xem xong lại chê lên chê xuống. Sếp bảo là báo cáo thì “khô khan”, không có “insight” gì cả. Sếp muốn tôi phải tìm ra được những cái “pattern” ẩn sâu trong dữ liệu, những cái mà người khác không nhìn thấy.

Nghe sếp nói thế, tôi lại “tụt mood” hẳn. Nhưng mà biết sao được, đã “đâm lao” thì phải theo thôi. Tôi lại tiếp tục “đào bới” dữ liệu, thử nghiệm đủ các kiểu thuật toán. Từ mấy cái thuật toán cơ bản như clustering, classification, đến mấy cái thuật toán “cao siêu” như neural network, deep learning…

Cuối cùng thì tôi cũng tìm ra được một vài cái “hay ho”. Ví dụ như là:

Có một nhóm khách hàng có xu hướng “nướng” hết tiền vào cuối tuần.

Có một số trò chơi có tỷ lệ “ăn” cao hơn vào một số giờ nhất định.

Có một số khách hàng có dấu hiệu “nghiện” cờ bạc.

Những cái này có thể giúp sòng bài nó “tối ưu” chương trình khuyến mãi, điều chỉnh tỷ lệ cược, hoặc là can thiệp kịp thời để giúp khách hàng tránh “sa lầy”.

Sau khi có được những “insight” này, tôi lại phải “viết lách” lại báo cáo, trình bày sao cho nó dễ hiểu, hấp dẫn. Tôi còn phải làm thêm mấy cái slide để thuyết trình cho sếp và các phòng ban khác.

Buổi thuyết trình diễn ra cũng khá suôn sẻ. Sếp và mọi người đều đánh giá cao những cái “insight” mà tôi tìm ra. Sếp còn khen tôi là “có tố chất” trong lĩnh vực này. Nghe sướng cả lỗ tai.

Nói chung, cái dự án “casinos analytics” này tuy vất vả, nhưng mà cũng giúp tôi học hỏi được rất nhiều điều. Tôi đã “lên trình” đáng kể về kỹ năng phân tích dữ liệu, kỹ năng làm việc với big data, và cả kỹ năng giao tiếp, thuyết trình.

Đấy, đấy là toàn bộ quá trình “vật vã” của tôi với cái dự án “casinos analytics”. Hy vọng là nó có ích cho mọi người. Có gì thắc mắc thì cứ hỏi nhé, tôi sẽ cố gắng giải đáp.