Tiểu luận không thuyết trình môn học phân tích kinh doanh

lOMoARcPSD|22244702 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH - - TIỂU LUẬN KHƠNG THUYẾT TRÌNH MƠN HỌC PHÂN TÍCH KINH DOANH Người thực hiện: Nguyễn Quang Thái Dương Giáo viên hướng dẫn: TS Nguyễn Thị Hồng Thu Thành phố Hồ Chí Minh – Năm 2022 lOMoARcPSD|22244702 CAM KẾT Tôi xin cam đoan cơng trình nghiên cứu cá nhân hướng dẫn khoa học TS Nguyễn Thị Hồng Thu Các nội dung nghiên cứu tiểu luận trung thực chưa công bố hình thức trước Những số liệu bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giá cá nhân thu thập từ nguồn khác có ghi rõ nguồn gốc Nếu phát có gian lận tơi xin hồn tồn chịu trách nhiệm nội dung tiểu luận Thứ năm, ngày 28 tháng năm 2022 Người cam kết (Đã ký) Nguyễn Quang Thái Dương lOMoARcPSD|22244702 NHẬN XÉT CỦA GIẢNG VIÊN lOMoARcPSD|22244702 TÓM LƯỢC Bài tiểu luận sau để giải ba vấn đề mơn học Phân Tích Kinh Doanh thuộc khóa Cao học chuyên ngành Kinh doanh quốc tế Đại học Kinh tế thành phố Hồ Chí Minh Vấn đề vấn đề bố trí nhân lực công ty ABC, công ty chuyên tư vấn phát triển dự án thương mại điện tử, hệ thống trang web cho khách hàng Bài tiểu luận đưa câu trả lời cho cách bố trí nhà tư vấn cho dự án cho thòa yêu cầu đề phương pháp toán học, Excel Solver QM for Windows liên quan đến Lập trình tuyến tính “Linear Programming” Vấn đề thứ hai vấn đề phân tích để giúp cho xăng Shelly đưa định lựa chọn loại đại lý cho phù hợp, dựa phương pháp toán học QM for Windows liên quan đến Phân tích định “Decision Making” Vấn đề cuối vấn đề đưa phương pháp dự báo doanh thu thùng bia 24 lon siêu thị Dựa phương pháp định, vấn đề giải qua Excel Solver liên quan đến chương Dự báo “Forecasting” Đây ba vấn đề cốt lõi môn học, tất kiến thức môn học hi vọng sau hồn thành tiểu luận này, tơi trang bị cho thân đầy đủ kiến thức cần thiết từ mơn học Phân tích kinh doanh cách tổng quát tự tin ứng dụng vào vấn đề quản trị công việc sống Bài tiểu luận thực cá nhân sinh viên, chắn không tránh khỏi sai sót giới hạn kiến thức Hi vọng tiểu luận nhận nhận xét từ giảng viên TS Nguyễn Thị Hồng Thu lOMoARcPSD|22244702 MỤC LỤC MỤC LỤC BẢNG MỤC LỤC HÌNH CHƯƠNG I BÀI TOÁN LINEAR PROGRAMMING 1.1 Tóm tắt đề 1.2 Giải toán phương pháp toán học .5 1.2.1 Các điều kiện toán 1.2.2 Hàm mục tiêu toán 1.3 Giải vấn đề Excel Solver QM for Windows 1.3.1 Excel Solver 1.3.2 QM for Windows 1.4 Tối đa hóa doanh thu tốn .10 1.5 Báo cáo độ nhạy – Giá ẩn (Shadow Price) 11 1.6 Trường hợp nhà tư vấn A E đổi mức lương thành $200 13 1.7 Trường hợp hai nhà tư vấn B E cải thiện điểm đánh giá cho dự án .14 CHƯƠNG II: BÀI TOÁN DECISION MAKING 16 2.1 Tóm tắt đề 16 2.2 Sử dụng phương pháp QM for Windows để đưa định 16 CHƯƠNG III: BÀI TOÁN FORECASTING 18 3.1 Tóm tắt đề 18 3.2 Phương pháp Last-Value .18 3.3 Phương pháp Averaging 19 3.4 Phương pháp Moving-Average .19 3.5 Phương pháp 25-Percent Rule 20 3.6 Phương pháp dự báo tốt hơn, sao? 21 TÀI LIỆU THAM KHẢO .22 PHỤ LỤC .23 lOMoARcPSD|22244702 MỤC LỤC BẢNG Bảng 1.1: Bảng thể điểm đánh giá nhà tư vấn theo dự án, số nhà tư vấn, dự án ngân sách dự án công ty AB Bảng 2.1: Lợi nhuận loại hình đại lý xăng Shelly 16 Bảng 3.1: Nhu cầu hàng tháng số thùng bia 24 lon siêu thị 18 lOMoARcPSD|22244702 MỤC LỤC HÌNH Hình 1.1: Giải vấn đề Excel Solver .8 Hình 1.2: Giải vấn đề QM for Windows .9 Hình 1.3: Giải vấn đề tối đa doanh thu Excel Solver 10 Hình 1.4: Báo cáo độ nhạy (Sensitivity Report) 12 Hình 1.5: Giải vấn đề có thay đổi lương Excel Solver 13 Hình 1.6: Kết ví dụ tốn B E cài thiện điểm đánh giá .14 Hình 1.7: Sự thay đổi Shadow price nhà tư vấn B E cài thiện điểm số 15 Hình 2.1: Sơ đồ định vấn đề xăng Shelly 16 Hình 3.1: Phương pháp dự báo Last-Value 19 Hình 3.2: Phương pháp dự báo Averaging 19 Hình 3.3: Phương pháp Moving-Average 20 Hình 3.4: Phương pháp dự báo 25-Percent Rule 21 lOMoARcPSD|22244702 CHƯƠNG I BÀI TOÁN LINEAR PROGRAMMING 1.1 Tóm tắt đề ABC cơng ty tư vấn phát triển dự án thương mại điện tử, hệ thống trang web cho khách hàng Nó có sáu nhà tư vấn tám dự án khách hàng ký hợp đồng Các nhà tư vấn có khả kinh nghiệm kỹ thuật khác nhau, đó, cơng ty tính mức giá theo khác cho dịch vụ Ngoài ra, kỹ nhà tư vấn phù hợp với số dự án dự án khác khách hàng đơi thích số nhà tư vấn người khác Mức độ phù hợp chuyên gia tư vấn dự án đánh giá theo thang điểm 5, điểm điểm tốt Bảng sau cho thấy xếp hạng cho nhà tư vấn cho dự án, số có sẵn cho nhà tư vấn số ký hợp đồng ngân sách tối đa cho dự án Nhà tư Lươn vấn A B C D E F Số dự Số g theo dành sẵn để $155 $140 $165 $300 $270 $150 án Ngân Dự án 3 500 3 240 1 400 5 2 475 1 4 350 1 3 460 2 290 200 100 80 120 90 65 85 50 55 tư vấn 450 600 500 300 710 860 sách dự án (x1000 USD) Bảng 1.1: Bảng thể điểm đánh giá nhà tư vấn theo dự án, số nhà tư vấn, dự án ngân sách dự án công ty AB lOMoARcPSD|22244702 Công ty muốn biết số để định nhà tư vấn cho dự án nhằm sử dụng tốt kỹ họ đáp ứng nhu cầu khách hàng Nếu công ty muốn tối đa hóa doanh thu bỏ qua sở thích khách hàng khả tương thích nhà tư vấn, liệu điều có thay đổi giải pháp phần trước? Tạo báo cáo độ nhạy Giá ẩn (shadow price) trường hợp ban đầu bao nhiêu? Nếu nhà tư vấn A E thay đổi mức lương theo họ từ $ 155 thành $ 200 (A) từ $ 270 thành $ 200, liệu giải pháp có thay đổi khơng? Xét theo kinh nghiệm, nhà tư vấn B E ngày hồn thiện khả mình, có nghĩa lực họ dự án tối thiểu thay 2, liệu giá ẩn (shadow price) có thay đổi khơng? 1.2 Giải tốn phương pháp tốn học Để thiết lập mơ hình tuyến tính cho toán này, cần xác định biến cần giải vấn đề Các biến số chun viên tốn để thực dự án đó: xij số chuyên viên i tốn để thực dự án j Với: i tương ứng với chuyên viên A, B, C, D, E, F j tương ứng với dự án 1, 2, 3, 4, 5, 6, 7, Mục tiêu cần đạt vấn đề làm để tối đa hóa khả chuyên viên theo dự án đánh giá thang điểm từ đến họ: S tổng điểm tương thích nhà chuyên viên ứng với dự án Để đạt mục tiêu đề ra, ta có hàm mục tiêu: Với R số điểm mà chuyên viên i đạt thực dự án j 1.2.1 Các điều kiện toán Các điều kiện cần đưa toán bao gồm: lOMoARcPSD|22244702 Về số mà chuyên viên dành sẵn để tư vấn, dựa theo biến trên, ta có điều kiện: Về số bắt buộc cần thiết dự án, dựa theo biến trên, ta có điều kiện: Về tổng ngân sách dự án, dựa theo biến trên, ta có điều kiện: lOMoARcPSD|22244702  Thời gian nhà tư vấn sẵn sàng dành để tư vấn: điều kiện  Thời gian cần thiết để thực dự án: điều kiện  Ngân sách để thực dự án: điều kiện Sau giải toán QM for Windows, ta kết hình 1.2 1.4 Tối đa hóa doanh thu toán Tương tự trường hợp trên, cơng ty ABC muốn tối đa hóa doanh thu bỏ qua yếu tố điểm số nhà tư vấn cho dự án, đồng nghĩa với việc bỏ qua tổng điểm tương thích tốn, hàm mục tiêu lúc thay đổi từ tối đa điểm tương thích thành tối đa doanh thu Tương tự với điểu kiện vấn đề trên, ta có kết tương ứng phương pháp Excel Solver QM for Windows 10 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 H椃nh 1.3: Giải vấn đề tối đa doanh thu Excel Solver Vẫn tương tự cách giải vấn đề trước, điều kiện ràng buộc không đổi, nhiên có thay đổi mục tiêu (Objective Cell): Chính M24 Kết khác với kết trước: Doanh thu thu $576,250, cao so với trường hợp trước, nhiên tổng điểm thích hợp 7610.65 điểm, thấp so với trường hợp ban đầu Lý giải cho việc thay đổi hàm mục tiêu mong muốn cơng ty ABC để tối đa hóa doanh thu bỏ qua yếu tố thang điểm nhà tư vấn 1.5 Báo cáo độ nhạy – Giá ẩn (Shadow Price) 11 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 Báo cáo độ nhạy (Sensitivity Report) tạo từ Excel Solver QM for Windows Báo cáo độ nhạy cho biết thay đổi yếu tố biến tiêu có làm thay đổi kết hay khơng, thay đổi thay đổi Đây phương pháp quan trọng hữu ích cho việc thẩm định, đề xuất phương hướng rủi ro xảy Đồng thời, phương pháp giúp cho nhà quản lý nắm bắt hội tái sử dụng nguồn lực hiệu mà không tốn thêm chi phí hay ảnh hưởng đến kết toán 12 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 H椃nh 1.4: Báo cáo độ nhạy (Sensitivity Report) Dựa vào hình 1.4, ta thấy giá trị Giá ẩn (Shadow price) thể cột O Giá ẩn (Shadow price) định nghĩa thay đổi giá trị hàm mục tiêu tăng thêm đơn vị giá trị điều kiện tương ứng Ví dụ: Hiện số mà dự án cần để thực 500 giờ, số thay đổi thành 501 giá trị hàm mục tiêu (trong trường hợp ban đầu tổng điểm thích hợp) tăng 2.90217 đơn vị 13 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 1.6 Trường hợp nhà tư vấn A E đổi mức lương thành $200 Trong trường hợp nhà tư vấn A E đổi mức lương thành $200 kết tốn có thay đổi hình 1.5: H椃nh 1.5: Giải vấn đề có thay đổi lương Excel Solver Dựa theo kết thể hình 1.5, kết trường hợp thay đổi lương khác với kết vấn đề ban đầu Tổng điểm thích hợp 12,104.21296 tổng doanh thu $522,906 14 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 1.7 Trường hợp hai nhà tư vấn B E cải thiện điểm đánh giá cho dự án Trong vấn đề công ty ABC, nhà tư vấn B E cải thiện điểm đánh giá mình, đồng nghĩa với việc họ nhiều điểm trước điểm cao so với nhà tư vấn A, C, D, F Vì hàm mục tiêu tốn ban đầu dựa tối đa hóa số điểm thích họp nhà đầu tư dự án, thay đổi ảnh hưởng đến mức phân bổ dự án cho nhà tư vấn, đồng nghĩa với tổng số sử dụng cho dự án nhà đầu tư thay đổi Nếu trước đó, nhà tư vấn B E có thời gian dư thừa, điểm đánh giá ngày cao, nhà tư vấn cần bận số nhàn rỗi họ dần thấp trở thành Một ví dụ hình dung sau: Dựa theo hình 1.1, nhà tư vấn E ban đầu có điểm đánh giá số dự án khơng cao, nhà tư vấn phân bổ cho dự án sử dụng hết 435.22 tổng số 710 tư vấn Sau nhà tư vấn cải thiện điểm số từ 1, lên tối thiểu điểm, ví dụ hình 1.6: H椃nh 1.6: Kết ví dụ tốn B E cài thiện điểm đánh giá m椃nh 15 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 Trong trường hợp này, sau cải thiện điểm đánh giá, nhà tư vấn E phân công cho tư vấn nhiều dự án (6 dự án, so với dự án ban đầu) Điều tất yếu dẫn đến số mà E dùng để tư vấn sử dụng tối đa (710 so với 435.22 ban đầu) Vì giá ẩn (Shadow price) thay đổi giá trị hàm mục tiêu tăng thêm đơn vị giá trị điều kiện tương ứng Nếu từ ban đầu tổng số dụng E nhỏ số E có để tư vấn (giá trị RHS) giá ẩn Vì ban đầu E khơng dùng hết số có dù có tăng thêm cho nhà tư vấn E kết khơng thay đổi H椃nh 1.7: Sự thay đổi Shadow price nhà tư vấn B E cài thiện điểm số Trong ví dụ này, ban đầu giá ẩn nhà tư vấn E 0, sau cải thiện điểm số, giá ẩn nhà tư vấn E Vậy kết luận rằng, B E cải thiện điểm đánh giá giá ẩn trường hợp thay đổi Tuy nhiên, với điều kiện cải thiện điểm số có ảnh hưởng đến phân bổ thời gian vị trí nhà tư vấn với Ví dụ: nhà đầu tư E tăng điểm điểm vấn thấp nhà đầu tư khác, kết có lẽ không thay đổi giá ẩn không đổi 16 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 CHƯƠNG II: BÀI TỐN DECISION MAKING 2.1 Tóm tắt đề Cây xăng Shelly khai trương đại lý Họ có đề nghị: (1) từ công ty gas nước- Local gas company, (2) từ nhà cung cấp- Provider (3) từ tập đoàn gas lớn - Corporation Sự thành cơng loại hình đại lý phụ thuộc vào lượng xăng Gasoline có sẵn vài năm tới Lợi nhuận loại hình đại lý thể bảng toán Payoff sau (đơn vị: triệu đồng) Dealership Gasoline Shortage 60% Gasoline Surplus 40% Local gas company 500,000 250,000 Provider -180,000 1,000,000 Corporation 200,000 280,000 Bảng 2.2: Lợi nhuận loại h椃nh đại lý xăng Shelly 2.2 Sử dụng phương pháp QM for Windows để đưa định Bằng cách sử dụng phương pháp Decision Tree (Graphical), lựa chọn tối đa hóa lợi nhuận, ta sơ đồ kết hình 2.1: H椃nh 2.8: Sơ đồ định vấn đề xăng Shelly Dựa theo sơ đồ hình cây, theo quy tắc Bayes, ta thấy được: 17 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 Doanh thu đến từ công ty ga nước $400,000, nhà cung cấp $292,000 đô tập đồn $232,000 Dựa thơng tin này, Xăng Shelly định lựa chọn cơng ty gas nước để làm đại lý 18 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 CHƯƠNG III: BÀI TOÁN FORECASTING 3.1 Tóm tắt đề Nhu cầu hàng tháng số lượng bia (thùng-24 lon) tiêu thụ siêu thị thể bảng đây: Tháng Nhu cầu 17 16 20 18 22 21 24 22 23 10 26 11 24 12 25 Bảng 3.3: Nhu cầu hàng tháng số thùng bia 24 lon siêu thị Trình bày phương pháp dự báo: Last-Value, Averaging, Moving-Average 25% rule Excel Phương pháp phương pháp dự báo tốt xác nhất? Lý sao? 3.2 Phương pháp Last-Value Phương pháp dự báo Last-Value phương pháp sử dụng giá trị gần để làm dự báo cho giá trị tương lai Trong trường hợp này, ta có dự báo số lượng thùng bia 24 lon hình 3.1: 19 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 H椃nh 3.9: Phương pháp dự báo Last-Value Phương pháp có giá trị MAD 2.18 MSE 3.3 Phương pháp Averaging Phương pháp dự báo Averaging phương pháp sử dụng giá trị trung bình tất quan sát trước để làm dự báo cho giá trị tương lai H椃nh 3.10: Phương pháp dự báo Averaging Phương pháp có giá trị MAD 2.62 MSE 8.82 3.4 Phương pháp Moving-Average Phương pháp dự báo Moving-Average phương pháp sử dụng trung bình số lượng quan sát xác định không đổi khứ để làm giá trị dự báo cho tương lai 20 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 H椃nh 3.11: Phương pháp Moving-Average Phương pháp có giá trị MAD 1.56 MSE 4.52 3.5 Phương pháp 25-Percent Rule Phương pháp dự báo dựa quy luật 25 phần trăm phương pháp tương tự phương pháp Last-Value, nhiên cần tuân thủ theo nguyên tắc: Giá trị dự báo quý = Giá trị quý Giá trị dự báo quý = Giá trị quý Giá trị dự báo quý = (Giá trị quý 3)*1.25 Giá trị dự báo quý năm sau = (Giá trị quý 4)/1.25 Trong trường hợp 12 tháng trên, giá trị dự báo tháng giá trị dự báo tháng chia cho 1.25 tương tự, giá trị dự báo tháng giá trị tháng 21 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 H椃nh 3.12: Phương pháp dự báo 25-Percent Rule Theo phương pháp này, MAD 4.27 MSE 24.08 3.6 Phương pháp dự báo tốt hơn, sao? Phương pháp dự báo tốt phương pháp dự bào Moving-Average, phương pháp cho số MAD MSE thấp số phương pháp nêu 22 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 TÀI LIỆU THAM KHẢO Frederick S Hillier and Mark S Hillier (2014 – fifth edition) Introduction to Management Science A Modeling and Case Studies Approach with Spreadsheets 23 Downloaded by vú hi (vuchinhhp12@gmail.com) lOMoARcPSD|22244702 PHỤ LỤC Phụ lục tiểu luận bao gồm file Mircrosoft Excel (chứa phần giải Excel Solver chương Forecasting chương 3) file QM for Windows (Chứa phần giải Linear Programming chương Graphical Tree Decision chương 2) 24 Downloaded by vú hi (vuchinhhp12@gmail.com)