TỔNG QUAN VỀ DỰ BÁO
K HÁI NIỆM , ĐẶC ĐIỂM VÀ PHÂN LOẠI DỰ BÁO
Trong quá trình sản xuất kinh doanh, các nhà quản trị thường xuyên phải đưa ra quyết định về tương lai Để tăng độ tin cậy cho các quyết định này và giảm thiểu rủi ro, kỹ thuật dự báo trở nên quan trọng và cần thiết cho doanh nghiệp Điều này càng đặc biệt quan trọng trong môi trường kinh tế thị trường hiện nay, nơi mà sự cạnh tranh giữa các doanh nghiệp diễn ra gay gắt.
Dự báo là một lĩnh vực kết hợp giữa khoa học và nghệ thuật, nhằm tiên đoán các hiện tượng và sự kiện tương lai dựa trên các tài liệu và dữ liệu hiện có.
Các dãy số liệu của các thời kỳ quá khứ;
Căn cứ vào kết quả phân tích các nhân tố ảnh hưởng đối với kết quả dự báo;
Căn cứ vào các kinh nghiệm thực tế đã được đúc kết
Như vậy, tính khoa học ở đây thể hiện ở chỗ:
Căn cứ vào dãy số liệu của các thời kỳ quá khứ;
Căn cứ vào kết quả phân tích các nhân tố ảnh hưởng đối với kết quả dự báo
Tính nghệ thuật trong việc ra quyết định được thể hiện qua sự kết hợp giữa kinh nghiệm thực tế và khả năng phán đoán của các chuyên gia, cùng với kết quả dự báo, nhằm đạt được độ chính xác và tin cậy cao trong các quyết định.
1.1.2 Đặc điểm của dự báo
Không có cách nào chắc chắn để dự đoán tương lai, vì tính không chính xác của các dự báo luôn tồn tại Dù áp dụng phương pháp nào, yếu tố không chắc chắn vẫn hiện hữu cho đến khi sự kiện thực tế xảy ra.
Trong mọi dự báo, luôn tồn tại những điểm mù mà chúng ta không thể hoàn toàn chính xác về tương lai Điều này có nghĩa là không phải mọi yếu tố đều có thể dự đoán nếu chúng ta thiếu kiến thức cần thiết về vấn đề đang xem xét.
Dự báo cung cấp thông tin quan trọng cho các nhà hoạch định chính sách trong việc xây dựng các chính sách phát triển kinh tế và xã hội Những chính sách mới không chỉ tác động đến tương lai mà còn ảnh hưởng đến độ chính xác của các dự báo.
Dự báo có thể được phân loại theo nhiều cách khác nhau, trong đó hai phương pháp chính là dựa vào thời gian và lĩnh vực dự báo Cụ thể, phân loại theo thời gian dự báo giúp xác định khoảng thời gian mà thông tin dự báo sẽ được áp dụng.
Dự báo dài hạn (> 3 năm)
Dự báo trung hạn (> 3 tháng - 3 năm)
Dự báo ngắn hạn (< 3 tháng)
Dự báo dài hạn là khoảng thời gian từ 3 năm trở lên, đóng vai trò quan trọng trong việc lập kế hoạch sản xuất sản phẩm mới, nghiên cứu và ứng dụng công nghệ mới, cũng như định vị và mở rộng doanh nghiệp.
Dự báo trung hạn, kéo dài từ 3 tháng đến 3 năm, là yếu tố quan trọng trong việc lập kế hoạch sản xuất, bán hàng, ngân sách, quản lý tiền mặt, huy động nguồn lực và tổ chức hoạt động tác nghiệp.
Dự báo ngắn hạn thường kéo dài dưới ba tháng, nhưng có thể lên đến một năm Loại dự báo này được sử dụng chủ yếu trong việc lập kế hoạch mua sắm, điều phối công việc, cân bằng nhân lực và phân chia nhiệm vụ.
* Dự báo trung hạn và dài hạn có ba đặc trưng khác với dự báo ngắn hạn:
Dự báo trung hạn và dài hạn cần phải giải quyết các vấn đề toàn diện, hỗ trợ cho quyết định quản lý trong việc lập kế hoạch sản xuất sản phẩm và quy trình công nghệ.
Dự báo ngắn hạn thường áp dụng nhiều phương pháp luận hơn so với dự báo dài hạn, sử dụng các kỹ thuật toán học như bình quân di động, san bằng mũ và hồi quy theo xu hướng Ngoài ra, các phương pháp ít định lượng cũng được sử dụng để dự đoán các vấn đề lớn như việc có nên đưa sản phẩm mới vào danh sách hàng hóa của công ty hay không.
Dự báo ngắn hạn thường chính xác hơn dự báo dài hạn do các yếu tố ảnh hưởng đến nhu cầu thay đổi hàng ngày Khi kéo dài thời gian dự báo, độ chính xác có thể giảm Do đó, việc thường xuyên cập nhật và hoàn thiện các phương pháp dự báo là rất cần thiết.
Dự báo kinh tế: là dự báo các hiện tượng kinh tế như: o Tốc độ tăng trưởng kinh tế o Tỷ lệ lạm phát o Giá cả o Trữ lượng tài nguyên…
Dự báo công nghệ và kỹ thuật sản xuất bao gồm việc dự đoán các vấn đề liên quan đến năng lượng mới, nguyên liệu mới, phương pháp công nghệ mới và máy móc thiết bị mới Những yếu tố này đóng vai trò quan trọng trong việc cải tiến quy trình sản xuất và nâng cao hiệu quả công việc.
Dự báo nhu cầu: là dự báo nhu cầu sản xuất như: o Nhu cầu số lượng sản phẩm o Nhu cầu nguyên vật liệu o Nhu cầu máy móc thiết bị…
Trong chương này, chúng ta nghiên cứu về dự báo nhu cầu, được phân loại theo thời gian là dự báo ngắn hạn.
V AI TRÒ CỦA DỰ BÁO
Doanh nghiệp phải thích ứng với môi trường kinh doanh luôn biến đổi, với nhu cầu sản phẩm và dịch vụ thay đổi từng tháng Dự báo chính xác sẽ đóng vai trò quan trọng trong việc định hình chiến lược và quyết định của doanh nghiệp.
- Là phần thiết yếu trong quản trị sản xuất tác nghiệp, là cơ sở để đưa ra các quyết định chiến lược cũng như chiến thuật của doanh nghiệp
- Có ảnh hưởng rất lớn đến hiệu quả hoạch định và thực hiện kế hoạch sản xuất cũng như các kế hoạch bộ phận khác của doanh nghiệp
- Giúp doanh nghiệp chủ động trong việc đáp ứng cầu, không bỏ sót cơ hội kinh doanh
- Giúp các nhà quản trị doanh nghiệp có kế hoạch sử dụng hợp lý và có hiệu quả các nguồn lực
Để đảm bảo sự phối hợp hiệu quả giữa các bộ phận trong doanh nghiệp, việc cung cấp cơ sở quan trọng là rất cần thiết Để duy trì hoạt động sản xuất kinh doanh ổn định, doanh nghiệp cần đảm bảo rằng các nguồn lực được cung cấp đầy đủ và kịp thời Do đó, việc dự báo chính xác và liên tục là yếu tố then chốt cho sự thành công của doanh nghiệp.
Q UY TRÌNH DỰ BÁO TRONG DOANH NGHIỆP
Dù là dùng phương pháp nào, để tiến hành dự báo ta triển khai theo các bước như sau:
Bước 1: Xác định mục tiêu của dự báo;
Bước 2: Xác định độ dài thời gian dự báo (ngắn hạn, trung hạn hay dài hạn);
Bước 3: Lựa chọn phương pháp dự báo;
Bước 4: Lựa chọn đối tượng để thu thập thông tin;
Bước 5: Thu thập thông tin dự báo bằng bảng câu hỏi, phỏng vấn trực tiếp hoặc thông qua đội ngũ cộng tác viên marketing;
Bước 6: Xử lý thông tin;
Bước 7: Xác định xu hướng dự báo (Xu hướng tuyến tính, xu hướng chu kỳ, xu hướng thời vụ hay xu hướng ngẫu nhiên);
Bước 8: Phân tích, tính toán, ra quyết định về kết quả dự báo
Việc dự báo được thực hiện liên tục trong thời gian dài giúp thu thập dữ liệu thường xuyên và tự động hóa quá trình tính toán dự báo, thường thông qua máy tính điện toán.
C ÁC NHÂN TỐ TÁC ĐỘNG TỚI DỰ BÁO NHU CẦU
Nhân tố chủ quan hoặc còn gọi là các nhân tố bên trong nội bộ doanh nghiệp bao gồm:
- Cách thức phục vụ khách hàng
- Giá bán Đây là những nhân tố mà doanh nghiệp có khả năng chủ động điều chỉnh kiểm soát
Nhân tố khách quan quan trọng nhất là thị trường, bao gồm:
- Cảm tình của người tiêu dung
- Các nhân tố ngẫu nhiên
- Ngoài ra còn phải xét đến môi trường kinh tế bao gồm:
- Thực trạng nền kinh tế
1.4.3 Tác động của chu kỳ sống của sản phẩm đối với dự báo nhu cầu
Chu kỳ sống của sản phẩm là yếu tố quan trọng trong dự báo, đặc biệt là dự báo dài hạn Hầu hết các sản phẩm được thị trường chấp nhận đều trải qua bốn giai đoạn trong chu kỳ sống của chúng.
Trong giai đoạn đầu của chu kỳ sống sản phẩm, thường thiếu số liệu để dự báo chính xác Do đó, các phương pháp dự báo thường dựa vào khảo sát thực tế trên thị trường, ý kiến và phán đoán của chuyên gia, cũng như phân tích các sản phẩm tương tự.
Trong các giai đoạn tiếp theo, lượng số liệu ngày càng phong phú, cho phép chúng ta áp dụng các phương pháp thống kê để dự đoán kết quả một cách chính xác hơn.
Trong giai đoạn suy thoái, mặc dù có nhiều số liệu thống kê, nhưng chúng thường không hỗ trợ hiệu quả cho việc dự đoán tình hình suy giảm Do đó, cần áp dụng các phương pháp như điều tra thị trường, tham khảo ý kiến chuyên gia, hoặc phân tích các sản phẩm tương tự, giống như cách đã thực hiện trong giai đoạn đầu.
C ÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU
Các phương pháp dự báo định tính sử dụng phân tích dựa trên suy đoán và cảm nhận, phụ thuộc vào trực giác và kinh nghiệm của nhà quản trị Mặc dù mang tính phỏng đoán và không định lượng, những phương pháp này có ưu điểm như đơn giản, dễ thực hiện, thời gian nghiên cứu nhanh và chi phí thấp Trong nhiều trường hợp, kết quả dự báo cũng rất khả quan Dưới đây là một số phương pháp dự báo định tính chủ yếu.
1.5.1.1 Lấy ý kiến của ban quản lý điều hành Đây là phương pháp dự báo được sử dụng khá rộng rãi Trong phương pháp này, cần lấy ý kiến của các nhà quản trị cao cấp, những người phụ trách các công việc quan trọng thường hay sử dụng các số liệu thống kê, chỉ tiêu tổng hợp của doanh nghiệp
Ngoài ra cần lấy thêm ý kiến đánh giá của các cán bộ điều hành marketing, kỹ thuật, tài chính và sản xuất
Phương pháp này tận dụng trí tuệ và kinh nghiệm của những cán bộ tham gia trực tiếp vào hoạt động thực tiễn Tuy nhiên, nhược điểm của nó là có yếu tố chủ quan, khi mà ý kiến của những người có chức vụ cao nhất thường chi phối quan điểm của những người khác.
1.5.1.2 Phương pháp lấy ý kiến của lực lượng bán hàng
Người bán hàng có khả năng nắm bắt nhu cầu và sở thích của người tiêu dùng, từ đó dự đoán được lượng hàng hóa và dịch vụ có thể tiêu thụ trong tương lai tại khu vực kinh doanh của họ.
Tập hợp ý kiến của nhiều người bán hàng tại nhiều khu vực khác nhau, có thể dự báo nhu cầu hàng hoá, dịch vụ của doanh nghiệp
Phương pháp này gặp phải nhược điểm là phụ thuộc vào đánh giá chủ quan của người bán hàng Nhiều người có xu hướng đánh giá thấp lượng hàng hóa và dịch vụ bán được để dễ dàng đạt chỉ tiêu, trong khi một số khác lại có xu hướng dự báo quá cao để nâng cao danh tiếng cá nhân.
1.5.1.3 Phương pháp nghiên cứu thị trường người tiêu dùng Đây là phương pháp lấy ý kiến khách hàng hiện tại và khách hàng tiềm năng của doanh nghiệp Việc nghiên cứu thường do bộ phận nghiên cứu thị trường thực hiện bằng nhiều hình thức như tổ chức các cuộc điều tra lấy ý kiến của khách hàng, phỏng vấn trực tiếp, phỏng vấn qua điện thoại, gửi phiếu điều tra tới gia đình hoặc cơ sở tiêu dùng
Phương pháp nghiên cứu thị trường người tiêu dùng giúp doanh nghiệp dự báo nhu cầu và hiểu đánh giá của khách hàng về sản phẩm, dịch vụ Điều này cho phép doanh nghiệp cải tiến và hoàn thiện sản phẩm cho phù hợp Tuy nhiên, phương pháp này yêu cầu đầu tư tài chính và thời gian lớn, cùng với sự chuẩn bị kỹ lưỡng trong việc xây dựng câu hỏi Ngoài ra, một thách thức là ý kiến của khách hàng đôi khi không chính xác hoặc quá lý tưởng.
Phương pháp chuyên gia là cách thu thập và phân tích các dự đoán thông qua việc tập hợp ý kiến từ những chuyên gia hàng đầu trong lĩnh vực khoa học, kỹ thuật hoặc sản xuất.
Phương pháp chuyên gia sử dụng kinh nghiệm và khả năng dự đoán của các chuyên gia để đưa ra những dự báo khách quan về tương lai của khoa học kỹ thuật và sản xuất Phương pháp này xử lý thống kê các câu trả lời một cách khoa học, nhằm tổng hợp và đánh giá hệ thống các ý kiến dự báo từ các chuyên gia giỏi.
Phương pháp chuyên gia được áp dụng đặc biệt có hiệu quả trong các trường hợp sau đây:
Khi dự báo một đối tượng có tầm bao quát lớn, việc xác định phụ thuộc vào nhiều yếu tố, trong đó hiện tại còn thiếu những cơ sở lý luận vững chắc.
- Trong điều kiện còn thiếu thông tin và những thống kê đầy đủ, đáng tin cậy về đặc tính của đối tượng dự báo
Trong bối cảnh có sự bất định cao về đối tượng dự báo, độ tin cậy của hình thức thể hiện cũng như xu hướng biến thiên về phạm vi, quy mô và cơ cấu là rất thấp.
Khi thực hiện dự báo trung hạn và dài hạn, đối tượng dự báo chịu ảnh hưởng từ nhiều yếu tố, đặc biệt là các yếu tố tâm lý xã hội như thị hiếu, thói quen, lối sống và đặc điểm dân cư, cũng như tiến bộ khoa học kỹ thuật Những yếu tố này thường khó lượng hóa, dẫn đến việc đối tượng dự báo có thể gặp nhiều đột biến về quy mô và cơ cấu Do đó, sự can thiệp của các chuyên gia là cần thiết để đảm bảo tính chính xác và ý nghĩa của các dự báo này.
- Trong điều kiện thiếu thời gian, hoàn cảnh cấp bách phương pháp chuyên gia cũng được áp dụng để đưa ra các dự báo kịp thời
Quá trình áp dụng phương pháp chuyên gia có thể chia làm ba giai đoạn lớn:
- Trưng cầu ý kiến chuyên gia;
- Thu thập và xử lý các đánh giá dự báo
Chuyên gia giỏi có khả năng nhận diện rõ ràng các mâu thuẫn và vấn đề trong lĩnh vực của mình Họ luôn hướng về tương lai để tìm ra giải pháp, dựa trên hiểu biết sâu sắc, kinh nghiệm phong phú và linh cảm nghề nghiệp nhạy bén.
Các phương pháp dự báo định lượng sử dụng số liệu thống kê và công thức toán học để dự đoán nhu cầu tương lai Để dự báo chính xác, có thể áp dụng các phương pháp theo dãy số thời gian nếu không xem xét các yếu tố ảnh hưởng khác Tuy nhiên, nếu cần tính đến các yếu tố này, các mô hình hồi quy tương quan sẽ là lựa chọn phù hợp.
1.5.2.1 Phương pháp dự báo theo dãy số thời gian (Phương pháp ngoại suy)
Phương pháp dự báo theo dãy số thời gian dựa trên giả thiết rằng các yếu tố quyết định đại lượng dự báo từ quá khứ sẽ tiếp tục ảnh hưởng đến tương lai Phương pháp này xác định đại lượng cần dự báo thông qua việc phân tích chuỗi số liệu về nhu cầu sản phẩm (dòng nhu cầu) đã được thống kê trong quá khứ.
K IỂM SOÁT VÀ GIÁM SÁT DỰ BÁO
Việc theo dõi kết quả thực hiện dựa trên "Tín hiệu theo dõi" giúp so sánh số liệu dự báo với số liệu thực tế.
The tracking signal is calculated by dividing the Running Sum of the Forecast Error (RSFE) by the Mean Absolute Deviation (MAD).
Tín hiệu theo dõi dương cho thấy nhu cầu thực tế lớn hơn dự báo, trong khi tín hiệu âm cho thấy nhu cầu dự báo cao hơn thực tế Tín hiệu theo dõi được đánh giá tốt khi có RSFE nhỏ và sai số âm, với độ lệch nhỏ và các sai số dương, âm cân bằng quanh số 0 Để kiểm soát kết quả dự báo hiệu quả, doanh nghiệp nên thiết lập giới hạn kiểm soát dự báo Nếu tín hiệu vượt quá giới hạn trên hoặc dưới, điều này báo hiệu vấn đề trong dự báo và doanh nghiệp cần xem xét lại phương pháp dự báo nhu cầu của mình.
Hình sau mô tả lược đồ kiểm soát dự báo thông qua việc sử dụng "Tín hiệu theo dõi",
"Tín hiệu theo dõi giới hạn"
Xác định phạm vi chấp nhận được là một yếu tố quan trọng, dựa vào kinh nghiệm để đảm bảo không quá hẹp hoặc quá rộng Nếu phạm vi quá hẹp, việc điều chỉnh phương pháp dự báo sẽ cần thiết ngay cả khi có sai số nhỏ Ngược lại, nếu phạm vi quá rộng, ý nghĩa thực tế của các số liệu dự báo sẽ bị giảm sút đáng kể.
Một số chuyên gia dự đoán rằng đối với các mặt hàng có số lượng lớn, phạm vi chấp nhận sẽ là ± 4MAD, trong khi đối với các mặt hàng có số lượng nhỏ, phạm vi này có thể mở rộng đến ± 8MAD.
Một số chuyên gia khác, dựa vào quan hệ 1MAD ≈ 0,8 độ lệch chuẩn, cho rằng phạm vi chấp nhận được nên lấy tối đa là bằng ± 4MAD.
ỨNG DỤNG PHƯƠNG PHÁP ĐỊNH LƯỢNG ĐỂ DỰ BÁO NHU CẦU VÀ KIỂM SOÁT, GIÁM SÁT DỰ BÁO
D Ự BÁO THEO DÃY SỐ THỜI GIAN
Ta có công thức tính dự báo theo phương pháp này như sau: n
Ft: Dự báo bình quân di động cho thời kỳ t;
Di: Nhu cầu thực tế cho thời kỳ i (ngày, tuần, tháng, quý, năm); n: Số thời kỳ nhu cầu được đưa vào số trung bình tính toán
Cuối mỗi tuần, chủ cửa hàng tạp phẩm Meersburg cần dự báo nhu cầu bánh mì cho tuần tới Doanh số hàng tuần trong 9 tuần vừa qua đã được ghi nhận để hỗ trợ cho việc dự đoán này.
Doanh số thực tế (số ổ bánh mì) 110 102 108 121 112 105 114 106 115
Dự báo sử dụng bình quân di động giản đơn với n = 3
Ví dụ 2: Nhu cầu của bánh trung thu Kinh đô được theo dõi trong suốt 6 tuần qua như sau:
Dự báo nhu cầu trong tuần thứ 7 bằng cách dùng phương pháp bình quân di động trong 5 giai đoạn
Phương pháp này có những ưu nhược điểm như sau: Ưu điểm: Đơn giản, dễ hiểu, san bằng được các biến động ngẫu nhiên trong dãy số thời gian
Hoàn toàn dựa vào số liệu quá khứ
Cần nhiều số liệu quá khứ
Chưa đánh giá được tầm quan trọng khác nhau của các số liệu ở các thời kỳ khác nhau
2.1.2 Phương pháp bình quân di động có trọng số
Phương pháp bình quân di động có trọng số được tính theo công thức sau:
Ft: Dự báo bình quân di động thời kỳ t;
Di: Nhu cầu thực tế cho thời kỳ i;
Wi: Giá trị của trọng số gán cho dữ liệu ở thời kỳ i; n: Số thời kỳ nhu cầu được đưa vào số trung bình tính toán
Ví dụ 1: Cửa hàng tạp phẩm Meersburg, có doanh số hàng tuần trong 9 tuần vừa qua được cho như sau:
Doanh số thực tế (số ổ bánh mì) 110 102 108 121 112 105 114 106 115
Cửa hàng tạp hóa Meersburg đã chọn áp dụng mô hình dự báo theo bình quân di động 4 tuần có trọng số, với các trọng số được xác định cho từng tuần nhằm tối ưu hóa quy trình dự báo.
Giai đoạn Trọng số áp dụng
Kết quả dự báo theo mô hình này được thể hiện trong bảng dưới đây như sau:
Doanh số thực tế (Số ổ bánh mì) Di
Dự báo (Số ổ bánh mì)
Ví dụ 2: Công ty bút bi Thiên Long thống kê số bút bi tồn kho trong 5 tuần qua như sau:
Tuần Số bút bi tồn kho
Dự báo số bút bi tồn kho trong tuần thứ 6 bằng phương pháp bình quân di động 3 tuần một có trọng số : 0.5 , 0.3 , 0.2
- Nhanh chóng, dễ hiểu, có tính toán biến động ngẫu nhiên
- Có biểu thị xu hướng phát triển trong tương lai
- Có phân biệt tầm quan trọng của các số liệu ở các thời kỳ khác nhau
- Cần nhiều số liệu quá khứ
- Việc xác định trọng số cho các kì, dự báo khó bắt nhịp với nhu cầu vì dựa hoàn toàn vào số liệu quá khứ
- Trong mô hình trên, tính chính xác của dự báo phụ thuộc vào khả năng xác định trọng số có hợp lý hay không?
Kết luận: Các phương pháp bình quân đã trình bày ở trên có những đặc điểm sau:
Khi số giai đoạn quan sát n tăng lên, khả năng làm mượt các dao động sẽ cải thiện, tuy nhiên, kết quả dự báo sẽ trở nên ít nhạy cảm hơn với những biến động thực tế của nhu cầu.
Dự báo thường không bắt kịp nhu cầu, không bắt kịp xu hướng thay đổi nhu cầu
Đòi hỏi phải ghi chép số liệu đã qua rất chính xác và phải đủ lớn mới có kết quả dự báo đúng
2.1.3 Phương pháp san bằng số mũ giản đơn
Phương pháp này, dựa trên số bình quân di động, yêu cầu rất ít dữ liệu quá khứ, chỉ cần ghi lại mức bán hàng thực tế và mức dự báo của kỳ trước cho mỗi sản phẩm Công thức tính nhu cầu trong tương lai được xây dựng dựa trên những thông tin này.
Ft nhu cầu dự báo thời kỳ t F(t-1) nhu cầu theo dự báo ở thời kỳ (t-1) A(t-1) số liệu nhu cầu thực tế ở thời kỳ (t-1) 𝛼: hệ số san bằng ( 0≤ α≤ 1)
Trong ví dụ này, một cửa hàng bán laptop dự báo nhu cầu mua hàng trong tháng 9 là 150 máy, nhưng thực tế đã bán được 180 máy Để dự báo nhu cầu tháng 10, sử dụng hệ số san bằng số mũ 0,3 và áp dụng công thức Ft = F(t-1) + 𝛼|A(t - 1) - F(t - 1)|.
2.1.4 Phương pháp san bằng số mũ có điều chỉnh xu hướng
Phương pháp sản bằng số mũ giản đơn không phản ánh rõ ràng xu hướng biến động, do đó cần áp dụng kỹ thuật điều chỉnh xu hướng sau khi có kết quả Các bước thực hiện bao gồm việc phân tích dữ liệu và áp dụng các công cụ thống kê để xác định xu hướng chính xác hơn.
Bước 1: Sử dụng kết quả dự báo bằng phương pháp san bằng số mũ giản đơn (Ft );
Bước 2: Tính hiệu chỉnh xu hướng cho giai đoạn t theo công thức:
Tt = T(t-1) + β(Ft –F(t-1) – T(t-1)) Hoặc Tt = β (Ft –F(t-1)) + (1- β)* T(t-1) Bước 3: Dự báo nhu cầu theo xu hướng(FITt ) : FITt= Ft + Tt
Trong đó : β: là hệ số điều chỉnh xu hướng Tt: Hiệu chỉnh xu hướng cho giai đoạn t
Dự báo Ft sử dụng phương pháp san bằng mũ giản đơn cho giai đoạn t, trong khi Ft-1 là dự báo cho giai đoạn ngay trước đó Hiệu chỉnh xu hướng Tt-1 được thực hiện cho giai đoạn (t-1) nhằm cải thiện độ chính xác của dự báo.
Ví dụ: Nhu cầu thực tế về sản phẩm giấy thơm của một công ty kinh doanh được cho trong bảng dưới đây:
Sử dụng phương pháp dự báo san bằng một nữa với α = 0,8 và α = 0,5 để dự báo cho tháng 7 (giả sự nhu cầu dự báo của tháng 1 là 2200 hộp) Yêu cầu
Cửa hàng nên sử dụng hệ số α nào để dự báo cho tháng 7
Hãy sử dụng hệ số β = 0,5 để dự báo cho tháng 7 bằng phương pháp san bằng số mũ có điều chỉnh xu hướng
1 Từ công thức tổng quát để tính cho phương pháp san bằng số mũ giản đơn Ft
Dựa vào công thức F(t-1) + α(A(t-1) – F(t-1)), chúng ta có thể dự báo trong hai trường hợp với α = 0,8 và α = 0,5 Sau đó, chúng ta tính tổng sai lệch dự báo (AD) và độ lệch tuyệt đối bình quân (MAD) Kết quả được thể hiện trong bảng dưới đây.
Từ bảng trên ta chọ hệ số α = 0,8 để dự báo cho tháng 7 như sau:
2 Từ kết quả trên, sử dụng hệ số α = 0,8 và β = 0,5 và kết quả dự báo trong trường hợp α = 0,8 của phương pháp san bằng số mũ có điều chỉnh xu hướng, ta có kết quả như sau:
Như vậy dự báo cho tháng 7 bằng phương pháp san bằng số mũ có hiệu chỉnh xu hướng cụ thể sẽ tính được như sau:
Sử dụng kết quả dự báo tháng 7 bằng phương pháp san bằng số mũ giản đơn:
Tính hiệu chỉnh xu hướng T7 = T6 + 0,5(F7 – F6 – T6) = 28
Dự báo cho tháng 7 sau khi đã điều chỉnh xu hướng: FIT = F7 + T7 = 1574 (hộp)
D Ự BÁO THEO ĐƯỜNG KHUYNH HƯỚNG
Bài 1: Khách sạn MeKong có thống kê số khách đăng ký trong 7 tháng đầu năm nay như sau:
Yêu cầu: Hãy dùng phương pháp dự báo theo đường thẳng thống kê để dự báo số khách sẽ đăng ký trong các tháng 8,9,10 của năm
Giải: Để việc tính toán đơn giản hơn ta lập bảng tính như sau:
Tháng Số đăng ký (Y) X X 2 XY
Ta có hàm xu hướng như sau: y c ax b 107,143x1900 Để dự báo cho số khách đăng ký trong các tháng 8, 9, 10 ta thay lần lượt x = 8; 9; 10 vào phương trình ta được:
Bài 2: Doanh số bán ôtô của công ty Hoàng Long trong 6 tháng đầu năm được cho trong bảng dưới đây:
Doanh số 8.000 10.000 9.000 11.000 10.000 13.000 Yêu cầu: Sử dụng phương pháp dự báo theo đường thẳng để dự báo nhu cầu cho tháng 7
Ta có bảng tính sau:
Ta có hàm xu hướng như sau: 𝒚 𝒄 = 𝒂𝒙 + 𝒃 = 𝟑𝟖𝟓, 𝟏𝟕𝟒𝒙 + 𝟏𝟎 𝟏𝟔𝟔, 𝟔𝟔𝟕 Để dự báo cho nhu cầu tháng 7 ta thay x = 7 vào phương trình ta được:
2.2.2 Phương pháp đường thẳng thông thường
Bài 1: Lấy số liệu ở bài 1 phần 2.2.1 dùng phương pháp đường thẳng thông thường để dự báo số khách sẽ đăng ký trong các tháng 8,9,10 của năm
Ta có bảng tính sau:
Tháng (X) Số đăng ký (Y) XY X 2
Ta có hàm xu hướng như sau: 𝒚 𝒄 = 𝟏𝟎𝟕, 𝟏𝟒𝟑𝒙 + 𝟏 𝟒𝟕𝟏, 𝟒𝟐𝟗 Để dự báo cho số khách đăng ký trong các tháng 8, 9, 10 ta thay lần lượt x = 8; 9; 10 vào phương trình ta được:
Bài 2: Lấy số liệu ở bài 2 phần 2.2.1 dùng phương pháp đường thẳng thong thường để dự báo nhu cầu cho tháng 7
Ta có bảng tính sau:
Ta có hàm xu hướng như sau: 𝒚 𝒄 = 𝟕𝟕𝟏, 𝟒𝟐𝟗𝒙 + 𝟕 𝟒𝟔𝟔, 𝟔𝟔𝟕 Để dự báo cho nhu cầu tháng 7 ta thay x = 7 vào phương trình ta được:
2.2.3 Phương pháp dự báo theo khuynh hướng có xét đến biến động thời vụ
Phương trình dự báo có dạng sau: c s s I y y
Trong bài viết này, chúng ta sẽ phân tích thống kê sản lượng cao su của nông trường Nghĩa Trung trong bốn quý của năm 2012 và 2013 Dựa trên dữ liệu này, chúng ta sẽ dự báo sản lượng cao su cho các quý trong năm 2014, với mục tiêu đạt 10.000 tấn, đồng thời xem xét các yếu tố thời vụ để xác định nhu cầu hàng quý.
Sản lượng cao su thu được (tấn)
QUÝ Sản lượng cao su thu được (tấn)
Giả sử sản lượng năm 2014 thu được là 10.000 tấn > trung bình mỗi quý là 2500 tấn Vậy ta có yc = 2500
Quý I : 2500 * 0.59 = 1475 Quý II: 2500 * 1.04 = 2600 Quý III: 2500 * 1.09 = 2725 Quý IV: 2500 * 1.27 = 3175
Ví dụ 2: Tình hình tiêu thụ số lượng máy điều hòa của 1 siêu thị điện máy qua 4 năm như sau:
Vào năm 2014, cửa hàng dự đoán sẽ tiêu thụ 2.280 chiếc giày Để dự báo số lượng giày bán ra theo từng quý trong năm, cần áp dụng phương pháp dự báo xu hướng kết hợp với yếu tố thời vụ Phân tích này sẽ giúp xác định được lượng giày bán trong từng quý, phản ánh chính xác hơn nhu cầu của thị trường.
Giả sử năm 2014 cửa hàng dự báo sẽ bán được 2.280 chiếc > trung bình mỗi quý bán được 570 chiếc Vậy yc = 570
Quý I: 570 * 0.39 = 222.3 222 Quý II: 570 * 1.51 = 860.7 861 Quý III: 570 * 1.17 = 666.9 667 Quý IV: 570 * 0.94 = 535.8 536
2.2.4 Phương pháp đường parabol thống kê
Phương trình dự báo có dạng sau: c bX aX
Một hãng sản xuất động cơ điện tử cho van khởi động trong ngành công nghiệp đã hoạt động gần hết công suất trong suốt một năm qua Ông J, quản lý nhà máy, tin rằng doanh số bán ra sẽ tiếp tục tăng trưởng và muốn xây dựng dự báo dài hạn bằng phương pháp đường parabol để hoạch định nhu cầu máy móc thiết bị trong 3 năm tới Số lượng bán ra trong 9 năm qua đã được ghi lại để phục vụ cho việc phân tích này.
Yc = -3,78 X2 + 205X + 4546,32 X=5;6;7 (năm 10, năm 11, năm 12) -> Yc = 5476,82 ; 5640,24 ; 5796,1
Phương trình dự báo có dạng: b a
Một nhà sản xuất động cơ điện tử cho van khởi động trong ngành công nghiệp đã hoạt động gần như hết công suất trong suốt một năm qua Ông J, quản lý nhà máy, tin rằng doanh số bán ra sẽ tiếp tục tăng trưởng và muốn xây dựng dự báo dài hạn bằng phương pháp đường logarit để hoạch định nhu cầu máy móc thiết bị trong 3 năm tới Số liệu bán ra trong 9 năm qua đã được ghi nhận.
D Ự BÁO THEO MỐI LIÊN HỆ TƯƠNG QUAN (D Ự BÁO DỰA TRÊN CƠ SỞ ĐƯỜNG HỒI QUY TUYẾN TÍNH )
Ví dụ: Công ty Nhất Việt
Công ty Nhất Việt đã cung cấp số liệu thống kê về sản phẩm tiêu thụ và tỷ lệ thất nghiệp trong khu vực hoạt động Để kiểm chứng mối quan hệ giữa hai đại lượng này, cần phân tích dữ liệu để xác định xem có sự tương quan nào giữa mức tiêu thụ sản phẩm và tình hình thất nghiệp trong cộng đồng.
Dựng đồ thị biểu diễn mối quan hệ :
Tính hệ số r: (lập theo bản tính)
Hệ số tương quan r = -0,86 cho thấy mối quan hệ chặt chẽ giữa tỉ lệ thất nghiệp của dân cư và sản lượng tiêu thụ sản phẩm của công ty Nhất Việt Sự gia tăng tỉ lệ thất nghiệp trong khu vực hoạt động của doanh nghiệp có thể dẫn đến sự giảm sút đáng kể trong lượng sản phẩm tiêu thụ của công ty.
Đ ÁNH GIÁ CÁC PHƯƠNG PHÁP DỰ BÁO
Các phương pháp dự báo định lượng sử dụng số liệu thống kê và công thức toán học để dự đoán nhu cầu tương lai Khi thực hiện dự báo, nếu không xem xét các yếu tố ảnh hưởng khác, có thể áp dụng phương pháp dự báo theo dãy số thời gian Tuy nhiên, nếu cần xem xét tác động của các yếu tố khác đến nhu cầu, các mô hình hồi quy tương quan sẽ là lựa chọn phù hợp.
2.4.1 Phương pháp dự báo theo dãy số thời gian (Phương pháp ngoại suy)
Phương pháp dự báo theo dãy số thời gian dựa trên giả thiết rằng các yếu tố quyết định đại lượng dự báo từ quá khứ sẽ tiếp tục tồn tại trong tương lai Phương pháp này xác định đại lượng cần dự báo thông qua phân tích chuỗi số liệu về nhu cầu sản phẩm đã được thống kê trong quá khứ.
Phương pháp dự báo theo dãy số thời gian thực chất là việc kéo dài quy luật phát triển của đối tượng trong quá khứ và hiện tại sang tương lai, dựa trên giả thiết rằng các quy luật này vẫn tiếp tục có hiệu lực.
2.4.1.1 Phương pháp trung bình giản đơn (Simple Average)
Phương pháp này giúp loại bỏ những biến động ngẫu nhiên trong dòng yêu cầu, tuy nhiên, nó lại không nhạy bén với sự thay đổi của nhu cầu Phương pháp này thích hợp cho các dòng nhu cầu ổn định, nhưng sẽ tạo ra sai số lớn khi áp dụng cho nhu cầu theo mùa hoặc có xu hướng Ưu điểm chính của nó là khả năng dự báo nhanh chóng và đơn giản.
Áp đặt thời kỳ trước cho thời kỳ sau, do đó thiếu chính xác;
Không nghiên cứu được sự biến động của thị trường trong từng thời kỳ, do đó không thấy được sự biến động của thị trường
Phạm vi áp dụng: Xí nghiệp quy mô nhỏ
2.4.1.2 Phương pháp bình quân di động
Khi nhu cầu biến động, phương pháp trung bình động là lựa chọn phù hợp nhất, đặc biệt khi thời gian gần đây có ảnh hưởng lớn đến kết quả dự báo Phương pháp này có ưu điểm là đơn giản, dễ hiểu và giúp làm mượt các biến động ngẫu nhiên trong chuỗi số thời gian.
Hoàn toàn dựa vào số liệu quá khứ;
Cần nhiều số liệu quá khứ;
Chưa đánh giá được tầm quan trọng khác nhau của các số liệu ở các thời kỳ khác nhau
Phạm vi áp dụng : Dãy số liệu trong quá khứ phải ổn định (không biến động)
2.4.1.3 Phương pháp bình quân di động có trọng số
Phương pháp trung bình động có trọng số cho phép cải thiện độ chính xác của dự báo nhờ vào việc xác định trọng số phù hợp Bằng cách điều chỉnh thường xuyên hệ số αt-i trong mô hình, phương pháp này đạt được kết quả dự báo tốt hơn so với phương pháp trung bình động truyền thống.
2.4.1.4 Phương pháp san bằng hàm mũ giản đơn Để khắc phục những hạn chế của các phương pháp trên, người ta đề xuất sử dụng phương pháp san bằng hàm mũ giản đơn để dự báo Đây là phương pháp dễ sử dụng nhất, nó cần ít số liệu trong quá khứ
2.4.1.5 Phương pháp san bằng hàm mũ có điều chỉnh xu hướng
Phương pháp san bằng hàm mũ giản đơn không thể hiện rõ xu hướng biến động của dòng nhu cầu Do đó, việc áp dụng thêm kỹ thuật điều chỉnh xu hướng là cần thiết để có cái nhìn chính xác hơn về sự biến động này.
2.4.2 Dự báo theo đường xu hướng
Phương pháp dự báo theo đường xu hướng giúp ta dự báo nhu cầu trong tương lai dựa vào dãy số theo thời gian
Dãy số theo thời gian giúp xác định đường xu hướng lý thuyết bằng phương pháp bình phương bé nhất, nhằm tối thiểu hóa tổng khoảng cách giữa các điểm nhu cầu thực tế trong quá khứ và đường xu hướng Để dự báo nhu cầu tương lai, trước tiên cần biểu diễn các nhu cầu quá khứ trên biểu đồ và phân tích xu hướng phát triển của dữ liệu Nếu dữ liệu tăng hoặc giảm đều đặn theo một chiều hướng nhất định, có thể vạch ra đường thẳng biểu hiện xu hướng đó Trong trường hợp dữ liệu biến động phức tạp hơn, như tăng giảm nhanh dần hoặc chậm dần, có thể áp dụng các đường cong như parabol, hyperbol, logarit, hoặc hàm mũ để mô tả sự biến động.
2.4.3 Phương pháp hồi quy tương quan
Các phương pháp dự báo được đề cập đều phân tích sự biến động của đại lượng cần dự báo theo thời gian, dựa trên dãy số thời gian thống kê từ quá khứ.
Nhưng trong thực tế đại lượng cần dự báo còn có thể bị tác động bởi các nhân tố khác
Ví dụ: Mật độ điện thoại phụ thuộc vào thu nhập quốc dân bình quân đầu người, tốc độ tăng trưởng kinh tế
Mối liên hệ giữa mật độ điện thoại và thu nhập quốc dân bình quân đầu người có thể được biểu diễn qua một mô hình hồi quy tương quan, trong đó thu nhập quốc dân là biến phụ thuộc và mật độ điện thoại là biến độc lập Mô hình hồi quy tương quan tuyến tính là phương pháp phổ biến nhất được sử dụng để dự báo mối quan hệ này.
L ỰA CHỌN PHƯƠNG PHÁP DỰ BÁO THÍCH HỢP
Khi phân tích dữ liệu từ đồ thị mà không xác định được rõ ràng đường khuynh hướng là tuyến tính hay phi tuyến tính, chúng ta có thể áp dụng một số phương pháp dự báo khác nhau Để lựa chọn phương pháp phù hợp, cần đánh giá kết quả dự báo bằng cách tính sai chuẩn cho từng phương pháp Phương pháp có sai chuẩn nhỏ nhất sẽ được chọn để trình bày.
Sai chuẩn tính theo công thức:
𝜎: sai chuẩn tính cho từng phương pháp sử dụng Y: lượng nhu cầu thực tế ứng với từng thời kỳ trong dãy số thời gian quá khứ
Dự báo nhu cầu (Yc) được xác định dựa trên các dữ liệu trong quá khứ Trong mỗi thời kỳ, số liệu thực tế có thể không khớp với dự báo, do đó việc theo dõi, giám sát và kiểm soát dự báo là rất cần thiết Nếu sự chênh lệch giữa thực tế và dự báo nằm trong giới hạn cho phép, không cần điều chỉnh phương pháp dự báo Tuy nhiên, nếu chênh lệch vượt quá mức cho phép, cần nghiên cứu và điều chỉnh phương pháp cho phù hợp.
Việc theo dõi kết quả thực hiện dựa trên sự so sánh giữa số liệu dự báo và số liệu thực tế được thực hiện thông qua tín hiệu theo dõi Nội dung này đã được trình bày chi tiết trong chương 1.
