Mô hình dự báo kinh tế - Hệ hỗ trợ ra quyết định trong doanh nghiệp

Mô hình dự báo kinh tế - Hệ hỗ trợ ra quyết định trong doanh nghiệp

MỞ ĐẦU

Tính cấp thiết của đề tài

Trong những năm gần đây, cùng với chức năng khai thác có tính chất tác nghiệp, việc khai thác các cơ sở dữ liệu phục vụ các yêu cầu trợ giúp quyết định ngày càng có ý nghĩa quan trọng và là nhu cầu to lớn trong mọi lĩnh vực hoạt động kinh doanh, quản lý kinh tế cũng như nghiên cứu khoa học, thống

kê tình hình phát triển xã hội, dân số v.v… Dữ liệu được lưu trữ và thu thập ngày càng nhiều nhưng người ra quyết định trong quản lý, kinh doanh lại cần những thông tin dưới dạng “tri thức” rút ra từ những nguồn dữ liệu đó hơn là chính những dữ liệu đó cho việc ra quyết định

Quá trình ra quyết định cần có nhiều phương pháp hỗ trợ, trong số những phương pháp đó thì Dự báo là một phương pháp được sử dụng rất phổ biến và kết quả dự báo chính là đầu vào rất cần thiết trong quá trình đưa ra ý kiến chủ quan chung sau khi thảo luận

Việc ứng dụng các hệ hỗ trợ ra quyết định dựa trên các mô hình dự báo giúp các doanh nghiệp xây dựng chiến lược phát triển sản xuất kinh doanh đúng đắn của mình trong tương lai, mang lại hiệu quả to lớn cho doanh nghiệp, tổ chức, v.v

Chương 1 - LÝ THUYẾT HỆ HỖ TRỢ RA QUYẾT ĐỊNH

1.1 Lý thuyết ra quyết định

Việc đưa ra quyết định đối với một vấn đề xuất hiện trong khắp các lĩnh vực, hoạt động sản xuất, đời sống con người, nghiên cứu, thống kê… mà đôi khi chúng ta không nhận ra Từ những việc đơn giản như chọn một bộ quần

áo để đi dự tiệc cho đến những việc lớn như phân bổ ngân sách vào các chương trình quốc gia đều là công việc đưa ra quyết định Như vậy:

1.1.1 Quyết định là gì ?

Đó là một lựa chọn về “đường lối hành động” (Simon 1960; Costello & Zalkind 1963; Churchman 1968), hay “chiến lược hành động” (Fishburn 1964) dẫn đến “một mục tiêu mong muốn” (Churchman 1968)

1.1.2 Ra quyết định là gì ?

“Một quá trình lựa chọn có ý thức giữa hai hay nhiều phương án để chọn

ra một phương án tạo ra được một kết quả mong muốn trong các điều kiện ràng buộc đã biết”

Quyết định có thể là một hoạt động giàu kiến thức,

– Quyết định có kết luận nào thì hợp lý/hợp lệ trong hoàn cảnh nào ?

Quyết định có thể là những thay đổi trạng thái kiến thức

– Quyết định có chấp nhận một kiến thức mới không ?

1.1.3 Tại sao phải hỗ trợ ra quyết định?

• Nhu cầu hỗ trợ ra quyết định

- Ra quyết định luôn cần xử lý kiến thức

- Kiến thức là nguyên liệu và thành phẩm của ra quyết định, cần được sở hữu hoặc tích lũy bởi người ra quyết định

• Giới hạn về nhận thức: trí nhớ con người là có hạn trong khi con người có vô vàn các mối quan hệ cần phải nhớ phải ra quyết định

• Giới hạn về kinh tế: Do vấn đề kinh phí cho dự án luôn có hạn nên muốn có một dự án thành công thì cần phải có kế hoạch sử dụng kinh phí hợp

lý

• Giới hạn về thời gian: Một dự án không thể kéo dài mà phải có kế hoạch thực hiện trong một khoảng thời gian nhất định, như vậy cần có kế hoạch phân công công việc phù hợp để kịp tiến độ, đảm bảo chất lượng

• Áp lực cạnh tranh: kế hoạch và chiến lược thực hiện dự án hợp lý, chính xác luôn tạo nên thế mạnh cho doanh nghiệp trong cuộc cạnh tranh

1.1.4 Bản chất của hỗ trợ ra quyết định

• Cung cấp thông tin, tri thức

• Có thể thể hiện qua tương tác người – máy, qua mô phỏng

1.1.5 Các yếu tố ảnh hưởng đến ra quyết định

• Công nghệ - thông tin – máy tính

• Tính cạnh tranh – sự phức tạp về cấu trúc

• Thị trường quốc tế - ổn định chính trị - chủ nghĩa tiêu thụ

• Các thay đổi biến động

1.1.6 Người ra quyết định

Ở cấp quản lý thấp hay tổ chức quy mô nhỏ: chính cá nhân là người ra quyết định Đối với một cá nhân cũng có thể có nhiều mục tiêu xung đột

Tổ chức vừa và lớn: thường là nhóm ra quyết định, như vậy thường hay

có nhiều mục tiêu xung đột

Nhóm có thể có kích cỡ khác nhau, có thể từ nhiều phòng/ban hay từ các

tổ chức khác nhau dẫn đến nhiều phong cách nhận thức, cá tính, phong cách quyết định khác nhau

Đồng thuận là vấn đề chính trị, khó khăn nên quá trình nhóm ra quyết định rất phức tạp, thường cần máy tính hỗ trợ để hình thành cộng tác trực tuyến ở mức toàn tổ chức và hơn nữa

Các hỗ trợ máy tính thường thấy: hệ thông tin tổ chức (Enterprise Information System - EIS), các dạng hệ hỗ trợ nhóm (Group Support System - GSS), các hệ quản lý tài nguyên tổ chức (Enterprise Resource Management - ERM), hoạch định tài nguyên tổ chức (Enterprise Resource Planning - ERP)…

1.1.7 Thách thức đối với ra quyết định quản lý

• Ra quyết định: quá trình chọn lựa trong tập phương án nhằm đạt được mục tiêu

• Ra quyết định quản lý = toàn bộ quá trình quản lý (theo Simon, 1977)

• Áp lực cạnh tranh, các nguồn lực kinh tế và thời gian tính -> ra quyết định tốt và/hay nhanh hơn

• Tiên đề: ra quyết định hợp lý - phân tích logic bài toán -> áp dụng khoa học vào kinh doanh (thống kế, xác suất, kinh tế học, v.v ) –> máy tính

hỗ trợ ra quyết định

• Phương thức ra quyết định: ra quyết định bởi một/nhiều thành viên

• Quyết định làm bởi nhóm: có các thái độ và suy nghĩ khác nhau trong nhóm

• Các mục tiêu có thể xung đột

• Có thể có nhiều phương án/giải pháp

• Các kết cục có thể xảy ra ở tương lai

• Có tinh thần chấp nhận rủi ro

• Quá nhiều thông tin; cần thông tin; thu thập thông tin tốn kém và tốn thời gian

• Đòi hỏi phân tích “what-if”

• Tiếp cận “thử và sai” trên hệ thống thực có thể nguy hiểm

• Thực hành trên hệ thống thực có thể chỉ làm được một lần

• Thay đổi ở môi trường xảy ra thường xuyên và nhanh

• Áp lực thời gian

1.2 Quá trình ra quyết định

1.2.1 Phân loại quyết định

Có thể phân ra bốn loại quyết định như sau:

• Quyết định có cấu trúc (Structured Decision): Các quyết định mà

người ra quyết định biết chắc chắn đúng

• Quyết định không có cấu trúc (Nonstructured Decision): Các quyết

định mà người ra quyết định biết là có nhiều câu trả lời gần đúng và không có cách nào để tìm ra câu trả lời chính xác nhất

• Quyết định đệ quy (Recurring Decision): Các quyết định lặp đi, lặp

lại

• Quyết định không đệ quy (Nonrecurring Decision): Các quyết định

không xảy ra thường xuyên

1.2.2 Các giai đoạn của quá trình ra quyết định

Theo Simon, các giai đoạn của quá trình ra quyết định bao gồm các pha:

• Nhận định (Intelligence): Tìm kiếm các tình huống dẫn đến việc phải

ra quyết định, nhận dạng các vấn đề, nhu cầu, cơ hội, rủi ro…

• Thiết kế (Design): Phân tích các hướng tiếp cận để giải quyết vấn đề,

đáp ứng các nhu cầu, tận dụng các cơ hội, hạn chế các rủi ro…

• Lựa chọn (Choice): Cân nhắc và đánh giá từng giải pháp, đo lường

hậu quả của từng giải pháp và lựa chọn giải pháp tối ưu

• Tiến hành ra quyết định (Implementation): Thực hiện giải pháp được

chọn, theo dõi kết quả và điều chỉnh khi thấy cần thiết

Hình 1.1 Các giai đoạn của quá trình ra quyết định

1.3 Hệ hỗ trợ ra quyết định

1.3.1 Khái niệm

Trong thập niên 1970, Scott Morton đưa ra khái niệm đầu tiên về Hệ hỗ trợ ra quyết định (Decision Support Systems - DSS) Ông định nghĩa DSS như là những hệ thống máy tính tương tác nhằm giúp những người ra quyết định sử dụng dữ liệu và mô hình để giải quyết các vấn đề không có cấu trúc

Hệ Hỗ Trợ Quyết Định - HHTQĐ là các hệ dựa trên máy tính, có tính tương tác, giúp các nhà ra quyết định dùng dữ liệu và mô hình để giải quyết các bài toán phi cấu trúc (S Morton, 1971)

HHTQĐ kết hợp trí lực của con người với năng lực của máy tính để cải tiến chất lượng của quyết định Đây là các hệ dựa vào máy tính hỗ trợ cho người ra quyết định giải các bài toán nửa cấu trúc (Keen and Scott Morton, 1978)

HHTQĐ là tập các thủ tục dựa trên mô hình nhằm xử lý dữ liệu và phán đoán của con người để giúp nhà quản lý ra quyết định (Little, 1970)

Ưu thế của người ra quyết định:

- Tăng hiệu quả

- Tăng sự hiểu biết

- Tăng tốc độ

- Tăng tính linh hoạt

- Giảm sự phức tạp

- Giảm chi phí

Hiện tại chưa có một định nghĩa thống nhất nào về DSS Tuy nhiên tất cả đều đồng ý mục đích cơ bản nhất của DSS là để hỗ trợ và cải tiến việc ra quyết định

- Xuất hiện thương mại điện tử (e-commerce)

- Bộ phận IT quá bận, không giải quyết được các yêu cầu quản lý

- Cần phân tích lợi nhuận, hiệu quả và thông tin chính xác, mới, kịp thời

- Giảm giá phí hoạt động

• Lý do sử dụng HHTQĐ

- Cải thiện tốc độ tính toán

- Tăng năng suất của cá nhân liên đới

- Cải tiến kỹ thuật trong việc lưu trữ, tìm kiếm, trao đổi dữ liệu trong và ngoài tổchức theo hướng nhanh và kinh tế

- Nâng cao chất lượng của các quyết định đưa ra

- Tăng cường năng lực cạnh tranh của tổ chức

- Khắc phục khả năng hạn chế của con người trong việc xử lý và lưu chứa thông tin

• Thuận lợi của hệ DSS

- Tăng số phương án xem xét, so sánh, phân tích độ nhanh nhạy, hiệu quả

- Hiểu rõ các quan hệ nghiệp vụ trong toàn hệ thống tốt hơn

- Đáp ứng nhanh trước các tình huống không mong đợi, dễ điều chỉnh và thay đổi khi cần thiết

- Có thể thực hiện các phân tích phi chính qui

- Học tập và hiểu biết thêm các nguồn tài nguyên chưa được tận dụng

- Cải thiện những cách thực hiện truyền thống

- Kiểm soát kế hoạch, tiêu chuẩn hoá các thủ tục tính toán

- Tiết kiệm chi phí cho các thủ tục hành chính

- Quyết định tốt hơn

- Tinh thần đồng đội tốt hơn

- Tiết kiệm thời gian

- Dùng các nguồn dữ liệu tốt, có chọn lọc

• Các hỗ trợ mong đợi từ HHTQĐ

- Thông tin trạng thái và dữ liệu thô

- Khả năng phân tích tổng quát

- Mô hình biểu diễn (cân đối tài chính), mô hình nhân quả (dự báo, chẩn đoán)

- Đề nghị giải pháp, đánh giá

- Chọn lựa giải pháp

• Năng lực của Hệ hỗ trợ ra quyết định

Hình 1.2 Sơ đồ năng lực hệ hỗ trợ ra quyết định

Theo hình 1.2 ta có:

(1) Bài toán nửa cấu trúc: HHTQĐ cơ bản hỗ trợ các nhà ra quyết định trong các tình huống nửa cấu trúc và phi cấu trúc bằng cách kết hợp phán xử của con người và xử lý thông tin bằng máy tính Các bài toán như vậy không

thể/không thuận tiện giải quyết được chỉ bằng các công cụ máy tính hóa hay các phương pháp định lượng

(2) Cho các nhà quản lý các cấp: Phù hợp cho các cấp quản lý khác nhau từ cao đến thấp

(3) Cho nhóm và cá nhân: Phù hợp cho cá nhân lẫn nhóm Các bài toán

ít có tính cấu trúc thường liên đới đến nhiều cá nhân ở các đơn vị chức năng hay mức tổ chức khác nhau cũng như ở các tổ chức khác

(4) Quyết định liên thuộc/tuần tự: Hỗ trợ cho các quyết định tuần tự, liên thuộc, được đưa ra một lần, vài lần hay lặp lại

(5) Hỗ trợ tìm kiếm, thiết kế, chọn lựa

(6) Hỗ trợ các dạng phong cách và quá trình ra quyết định

(7) Có tính thích nghi và linh hoạt: Có thể tiến hóa theo thời gian Người dùng có thể thêm, bỏ, kết hợp, thay đổi các phần tử cơ bản của hệ thống

(8) Dễ dung, có tính tương tác và thân thiện với người dung

(9) Hiệu dụng chứ không phải hiệu quả: Nhằm vào nâng cao tính hiệu dụng của quyết định (chính xác, thời gian tính, chất lượng) thay vì là tính hiệu quả (giá phí của việc ra quyết định)

(10) Yếu tố con người là quyết định: Người ra quyết định kiểm soát toàn

bộ các bước của quá trình ra quyết định, HHTQĐ chỉ trợ giúp, không thay thế người ra quyết định

(11) Người dung cuối cùng dễ dàng xây dựng, tự kiến tạo và sửa đổi các

hệ thống nhỏ và đơn giản

(12) Mô hình hoá và phân tích

(13) Truy xuất dữ liệu: Cung ứng các truy xuất dữ liệu từ nhiều nguồn, dạng thức và kiểu khác nhau

(14) Tích hợp và kết nối WEB: Có thể dùng như một công cụ độc lập hay kết hợp với các HHTQĐ/ứng dụng khác, dùng đơn lẻ hay trên một mạng lưới máy tính (intranet, extranet) bất kỳ với công nghệ WEB

1.3.2 Các thành phần của Hệ hỗ trợ ra quyết định

Một Hệ hỗ trợ ra quyết định gồm có bốn thành phần chính:

- Phân hệ Quản lý dữ liệu

- Phân hệ Quản lý mô hình

- Phân hệ Quản lý dựa vào kiến thức

- Phân hệ Quản lý giao diện người dùng

Tuy nhiên không phải hệ hỗ trợ ra quyết định nào cũng có đầy đủ những thành phần trên

Hình 1.3 Mô hình hệ hỗ trợ ra quyết định

Phân hệ quản lý dữ liệu (Data Management) gồm một cơ sở dữ liệu

(database) chứa các dữ liệu cần thiết của tình huống và được quản lý bởi một

hệ quản trị cơ sở dữ liệu (DBMS – Data Base Management System) Phân hệ này có thể được kết nối với nhà kho dữ liệu của tổ chức (Data Warehouse) –

là kho chứa dữ liệu của tổ chức có liên quan đến vấn đề ra quyết định Thực hiện công việc lưu trữ các thông tin của hệ và phục vụ cho việc lưu trữ, cập nhật, truy vấn thông tin

Phân hệ quản lý mô hình (Model Management) còn được gọi là hệ quản

trị cơ sở mô hình (MBMS – Model Base Management System) là gói phần mềm gồm các thành phần về thống kê, tài chính, khoa học quản lý hay các phương pháp định lượng nhằm trang bị cho hệ thống năng lực phân tích; cũng

có thể có các ngôn ngữ mô hình hóa Thành phần này có thể kết nối với các kho chứa mô hình của tổ chức hay ở bên ngoài Bao gồm các mô hình ra quyết định (DSS models) và việc quản lý các mô hình này Một số ví dụ của các mô hình này bao gồm: Mô hình nếu thì, Mô hình tối ưu, Mô hình tìm kiếm mục đích, Mô hình thống kê, v.v

Phân hệ quản lý dựa vào kiến thức có thể hỗ trợ các phân hệ khác hay

hoạt động độc lập nhằm đưa ra tính thông minh của quyết định đưa ra Nó cũng có thể được kết nối với các kho kiến thức khác của tổ chức

Phân hệ giao diện người dùng (User Interface Management) giúp người

sử dụng giao tiếp với và ra lệnh cho hệ thống

Các phân hệ trên tạo nên HHTQĐ, có thể kết nối với intranet/extranet của tổ chức hay kết nối trực tiếp với Internet

a Phân hệ quản lý dữ liệu bao gồm các phần tử sau (phần trong khung hình chữ nhật trên hình 1.4)

- Cơ sở dữ liệu

- Hệ quản trị cơ sở dữ liệu

- Danh mục dữ liệu

- Phương tiện truy vấn

Cơ sở dữ liệu (CSDL): tập hợp các dữ liệu có liên quan phục vụ cho nhu

cầu của tổ chức, dùng bởi nhiều người (vị trí), đơn vị chức năng và ở các ứng dụng khác nhau

CSDL của HHTQĐ có thể lấy từ kho dữ liệu, hoặc được xây dựng theo yêu cầu riêng Dữ liệu được trích lọc từ các nguồn bên trong và bên ngoài tổ chức Dữ liệu nội tại thường từ hệ xử lý giao tác (TPS – Transaction Processing System) của tổ chức, có thể ở các đơn vị chức năng khác nhau TD: lịch bảo trì máy móc, thông tin về cấp phát ngân sách, dự báo về bán hàng, giá phí của các phụ tùng hết hàng

Dữ liệu ngoại tại thường gồm các dữ liệu về ngành công nghiệp, nghiên cứu thị trường, kinh tế quốc gia …có nguồn gốc từ các tổ chức chính phủ, các hiệp hội thương mại, công ty nghiên cứu thị trường hay từ nỗ lực tự thân của

tổ chức

Hệ quản trị cơ sở dữ liệu: thường các HHTQĐ trang bị các hệ quản trị cơ

sở dữ liệu tiêu chuẩn (thương mại) có khả năng hỗ trợ các tác vụ quản lý – duyệt xét các bản ghi dữ liệu, tạo lập và duy trì các quan hệ dữ liệu, tạo sinh báo cáo theo nhu cầu Tuy nhiên, sức mạnh thực sự của các HHTQĐ chỉ xuất hiện khi tích hợp dữ liệu với các mô hình của nó Phương tiện truy vấn: trong quá trình xây dựng và sử dụng HHTQĐ

Hình 1.4 Mô hình phân hệ quản lý dữ liệu

b Phân hệ quản lý mô hình

• Cung cấp khả năng cần để giải quyết một vài khía cạnh của bài toán

và tăng cường năng lực vận hành của các thành phần khác của HHTQĐ

• Silverman (1995) đề nghị 3 cách tích hợp các hệ chuyên gia dựa trên kiến thức với mô hình toán:

¾ Trợ giúp quyết định dựa trên kiến thức - giúp hỗ trợ các bước của quá trình quyết định không giải quyết được bằng toán

¾ Các hệ mô hình hóa quyết định thông minh - giúp người dùng xây dựng, áp dụng và quản lý thư viện các mô hình

¾ Các hệ chuyên gia phân tích quyết định - tích hợp các phương pháp lý thuyết nghiêm ngặt về tính bất định vào các cơ sở kiến thức của

hệ chuyên gia

Hình 1.5 Mô hình phân hệ quản lý mô hình

• Khi có thành phần này, có các tên gọi: HHTQĐ thông minh (intelligent DSS), HHT chuyên gia (ESS - Expert Support System), HHTQĐ tích cực (active DSS), HHTQĐ dựa trên kiến thức (knowledge-based DSS)

c Phân hệ quản lý dựa trên kiến thức:

Hệ hỗ trợ ra quyết định có thể đề nghị và đưa ra những tư vấn cho người

ra quyết định Những hệ này là các chuyên gia với những kiến thức chuyên

ngành cụ thể, nắm vững các vấn đề trong chuyên ngành đó và có kĩ năng để giải quyết vấn đề Các công cụ khai mở dữ liệu có thể dùng để tạo ra các hệ dạng này

d Phân hệ giao diện người dùng giúp người sử dụng giao tiếp với và ra lệnh cho hệ thống

Hình 1.6 Phân hệ quản lý người dùng

1.3.3 Phân loại Hệ hỗ trợ ra quyết định

Hệ hỗ trợ ra quyết định được phân loại dựa trên nhiều tiêu chí Hiện nay, vẫn chưa có cách phân loại thống nhất Sau đây là 2 cách phổ biết nhất:

1.3.3.1 Theo DSS- Glossary:

Có tất cả 5 loại Hệ hỗ trợ ra quyết định:

- Hướng giao tiếp (Communication – Drive DSS)

- Hướng dữ liệu (Data-Driven DSS)

- Hướng tài liệu (Document-Driven DSS)

- Hướng tri thức (Knowledge-Driven DSS)

- Hướng mô hình (Model-Driven DSS)

Hướng giao tiếp: Hệ hỗ trợ ra quyết định sử dụng mạng và công nghệ

viễn thông để liên lạc và cộng tác Công nghệ viễn thông bao gồm Mạng cục

bộ (LAN – Local Area Network), mạng diện rộng (WAN), Internet, ISDN, mạng riêng ảo … là then chốt trong việc hỗ trợ ra quyết định Các ứng dụng của hệ hỗ trợ ra quyết định hướng giao tiếp là phần mềm nhóm (Groupware), hội thảo từ xa (Videoconferencing), bản tin (Bulletin Boards) …

Hướng dữ liệu: Hệ hỗ trợ ra quyết định dựa trên việc truy xuất và xử lý

dữ liệu Phiên bản đầu tiên được gọi là Hệ chỉ dành cho việc truy xuất dữ liệu (Retrieval-Only DSS), kho dữ liệu (DatawareHouse) là một cơ sở dữ liệu tập trung chứa thông tin từ nhiều nguồn đồng thời sẵn sang cung cấp thông tin cần thiết cho việc ra quyết định, OLAP có nhiều tính năng cao cấp vì cho phép phân tích dữ liệu nhiều chiều, ví dụ dữ liệu bán hang cần phải được phân tích theo nhiều chiều như theo vùng, theo sản phẩm, theo thời gian, theo người bán hàng

Hướng tài liệu: Hệ hỗ trợ ra quyết định dựa trên việc truy xuất và phân

tích các văn bản, tài liệu … Trong một công ty, có thể có rất nhiều văn bản như chính sách, thủ tục, biên bản cuộc họp, thư tín… Internet cho phép truy xuất các kho tài liệu lớn như kho văn bản, hình ảnh, âm thanh… Một công cụ tìm kiếm hiệu quả là một phần quan trọng đối với các Hệ hỗ trợ ra quyết định dạng này

Hướng tri thức: Hệ hỗ trỡ quyết định có thể đề nghị và đưa ra những tư

vấn cho người ra quyết định Những hệ này là các hệ chuyên gia với một kiến thức chuyên ngành cụ thể, nắm vững các vấn đề trong chuyên ngành đó và có

kỹ năng để giải quyết những vấn đề này Các công cụ khai thác dữ liệu cũng

có thể dùng để tạo ra các hệ dạng này

1.3.3.2 Theo Holsapple và Whinston (1996):

Phân ra 6 loại Hệ hỗ trợ ra quyết định:

- Hướng văn bản (Text-Oriented DSS)

- Hướng cơ sở dữ liệu (Database-Oriented DSS)

- Hướng bản tính (Spreasheet-Oriented DSS)

- Hướng người giải quyết (Solver-Oriented DSS)

- Hướng luật (Rule-Oriented DSS)

- Hướng kết hợp (Compound DSS)

Hướng văn bản: Thông tin (bao gồm dữ liệu và kiến thức) được lưu trữ

dưới dạng văn bản Vì vậy hệ thống đòi hỏi lưu trữ và xử lý các văn bản một cách hiệu quả Các công nghệ mới như Hệ quản lý văn bản dựa trên web, Intelligent Agents có thể được sử dụng cùng với hệ này

Hướng cơ sở dữ liệu: Cơ sở dữ liệu đóng vai trò chủ yếu trong hệ này

Thông tin trong cơ sở dữ liệu thường có cấu trúc chặt chẽ, có mô tả rõ ràng

Hệ này cho phép người dùng truy vấn thông tin dễ dàng và rất mạnh về báo cáo

Hướng bản tính: Một bản tính là một mô hình để cho phép người dùng

thực hiện việc phân tích trước khi ra quyết định Bản tính có thể bảo gồm nhiều mô hình thống kê, lập trình tuyến tính, mô hình tài chính… Bản tính

phổ biến nhất đó là Microsoft Excel Hệ này thường được dùng rộng rãi trong các hệ liên quan tới người dùng cuối

Hướng người giải quyết: Một trợ giúp là một giải thuật hay chương

trình để giải quyết một vấn đề cụ thể chẳng hạn như tính lượng hàng đặt tối

ưu hay tính toán xu hướng bán hàng Một số trợ giúp khác phức tạp như là tối

ưu hóa đa mục tiêu Hệ này bao gồm nhiều trợ giúp như vậy

Hướng luật: Kiến thức của hệ này được mô tả trong các quy luật thủ tục

hay lí lẽ Hệ này còn được gọi là hệ chuyên gia Các quy luật này có thể là định tính hay định lượng Ví dụ như hướng dẫn không lưu, hướng dẫn giao thông trên biển, trên bộ…

Hướng kết hợp: Một hệ tổng hợp có thể kết hợp hai hay nhiều hơn

trong số năm hệ trên

Chương 2 - TỔNG QUAN VỀ DỰ BÁO VÀ NGHIÊN CỨU MỘT SỐ MÔ

HÌNH DỰ BÁO

2.1 Vai trò và ứng dụng của dự báo

Câu hỏi đặt ra là: “Khi nào và Tại sao chúng ta cần dự báo?”

Câu trả lời thật đơn giản, đó là khi kết quả của một hành động là thực sự quan trọng, nhưng chúng ta không biết trước độ chính xác, thì dự báo có thể làm giảm rủi ro cho quyết định bằng việc cung cấp thêm thông tin về khả năng có thể xảy ra Lợi ích tiềm năng của việc dự báo được coi là chấp nhận được trong lĩnh vực ra quyết định

Như vậy:

• Dự báo là một khoa học tiên đoán mang tính chất xác suất về nội

dung, mức độ, trạng thái, các mối quan hệ và xu hướng phát triển của đối tượng dự báo, thời gian và cách thức để đạt được các trạng thái nhất định của đối tượng cần dự báo trong tương lai trên cơ sở phân tích khoa học

về các dữ liệu đã thu thập được

• Công tác dự báo là hệ thống những nghiên cứu khoa học định

tính và định lượng nhằm phát hiện những xu hướng phát triển của đối tượng dự báo hoặc tìm kiếm những cách thức, xác định thời gian để đạt được mục đích cần dự báo

• Khoa học dự báo là nghiên cứu cơ sở lý luận, phương pháp và

những quy luật áp dụng trong quá trình dự báo Dự báo bao trùm lên mọi cấp độ, lĩnh vực của đời sống xã hội Ở đâu có quy luật và các điều kiện cần thiết để tạo nên dự báo thì sẽ có khả năng thực hiện dự báo Do vậy

đối tượng của dự báo nói chung bao gồm mọi hiện tượng và quá trình thuộc lĩnh vực tự nhiên, kinh tế, chính trị xã hội, ngoại giao và tư duy con người v.v

Do vai trò của việc dự báo là rất to lớn, có ý nghĩa thực tiễn và được áp dụng rộng rãi nên nó đã đem lại hiệu quả thiết thực trong rất nhiều các lĩnh vực như khoa học, xã hội, quản lý kinh tế để xây dựng đất nước …

Vai trò của dự báo số lượng ô tô thêm mới trong việc quy hoạch chiến lược phát triển công việc của ngành đăng kiểm:

Dự báo có vai trò rất quan trọng trong quá trình phát triển xã hội, quy hoạch đô thị và phát triển hạ tầng giao thông Giao thông gắn liền với cơ sở

hạ tầng, đường xá, phương tiện đi lại Ngày nay, xã hội ngày càng phát triển, đời sống nhân dân ngày càng được nâng cao, nhu cầu sử dụng các loại phương tiện giao thông cá nhân vì thế cũng ngày càng tăng, phù hợp với xu thế phát triển chung trên toàn thế giới Các nước phát triển, văn minh tiên tiến trên thế giới đã vượt đất nước Việt Nam chúng ta một quãng đường khá xa về phát triển hạ tầng giao thông, số lượng phương tiện tham gia giao thông cũng như ý thức chấp hành luật lệ giao thông của người dân nói chung

Kế hoạch phát triển cơ sở hạ tầng và phương tiện giao thông gồm những nội dung sau:

- Đánh giá thực trạng phát triển giao thông, cụ thể là sự gia tăng số lượng phương tiện giao thông cá nhân: ô tô, xe máy, v.v

- Dự báo các xu hướng phát triển hạ tầng giao thông đã và đang hình thành và dự kiến xu hướng phát triển trong tương lai

- Xác định chiến lược phát triển số lượng phương tiện tham gia giao thông trong thời kỳ dài hạn

- Xây dựng kế hoạch phát triển số lượng phương tiện cá nhân (ô tô con

là một ví dụ) hàng năm để có kế hoạch nhập khẩu, sản xuất lắp ráp mới

- Soạn thảo và ban hành các chính sách phù hợp với kế hoạch phát triển như cho vay vốn, chính sách môi trường, chính sách thuế, v.v

Sau đây là một số ứng dụng phổ biến của dự báo:

- Dự báo thời tiết, một ứng dụng to lớn thiết thực với đời sống thường ngày, cung cấp cho chúng ta thông tin về thời tiết để lập kế hoạch thực hiện công việc giúp hạn chế được rủi ro, giúp chính quyền địa phương và người dân có kế hoạch phòng ngừa thiệt hại do thiên tai gây ra

- Các công ty luôn có nhu cầu dự báo doanh thu, lợi nhuận, chi phí sản xuất, và lượng tồn kho cần thiết để có kế hoạch đầu tư phát triển sản xuất

- Dự báo tỷ lệ thành công, thất bại trong nông nghiệp trồng trọt, chăn nuôi dựa trên các yếu tố đầu vào như thời tiết, giá cây trồng, con giống, giá phân bón, kinh nghiệm v.v để bà con nông dân có kế hoạch lựa chọn phương pháp phát triển sản xuất, giảm thiểu rủi ro, nâng cao đời sống cho bà con

- Nhà nước dự báo nhu cầu về năng lượng điện để có kế hoạch xây dựng thêm các nhà máy điện và/hoặc các thỏa thuận mua năng lượng điện từ bên ngoài cần được ký kết

- Rất nhiều công ty dự báo các chỉ số thị trường chứng khoán và giá của một số cổ phiếu

- Cơ quan chính quyền dự báo những con số thống kê như thu nhập, giá tiêu dùng, lạm phát, thất nghiệp, và thâm hụt ngân sách và thương mại

- Trong công tác quy hoạch: các thành phố dự báo định kỳ mức tăng trưởng của địa phương qua các mặt như: dân số; việc làm; số nhà ở, tòa nhà thương mại và các nhà xưởng công nghiệp; nhu cầu về trường học, đường xá,

trạm cảnh sát, trạm cứu hỏa, và dịch vụ công cộng, v.v từ đó có kế hoạch phát triển, mở rộng hệ thống đường xá giao thông, trường học bệnh viện, cơ

sở hạ tầng đáp ứng sự phát triển xã hội

Bên cạnh những thành tựu to lớn có được từ việc dự báo thì còn rất nhiều những lĩnh vực cần áp dụng các mô hình dự báo để đạt được hiệu quả cao hơn

2.2 Các qui trình dự báo

Qui trình dự báo gồm 9 bước sau đây:

Bước 1: Xác định mục tiêu dự báo

Câu hỏi đặt ra là:

- “Kết quả dự báo dùng để làm gì?”

- “Tầm quan trọng của kết quả dự báo đó như thế nào?”

- “Kết quả dự báo giúp gì cho việc ra quyết định?”

Như vậy chúng ta cần thống nhất mục tiêu rõ ràng giữa người ra lệnh tiến hành dự báo và mục đích sử dụng kết quả dự báo như thế nào

Ví dụ: Trên cơ sở dữ liệu kiểm định dự báo về số lượng ô tô không đủ điều kiện lưu hành (hết niên hạn sử dụng hoặc không đảm bảo chất lượng lưu hành), lãnh đạo ngành giao thông có thể hoạch định được chính sách nhập khẩu, sản xuất và lắp ráp xe mới nhằm đáp ứng nhu cầu phát triển của xã hội

Bước 2: Quyết định đối tượng dự báo:

Chúng ta cần xác định rõ đối tượng hay biến dự báo cụ thể (đo bằng gì?) Phạm vi dự báo là một sản phẩm hay nhóm tổng hợp nhiều sản phẩm (dự báo chỉ riêng nhu cầu thêm mới ô tô hoặc dự báo tổng hợp chung về các loại

phương tiện giao thông) Phạm vi dự báo trong khu vực cụ thể hay toàn vùng (dự báo riêng khu vực một tỉnh/thành phố hay cả nước)

Bước 3: Xác định loại hình dự báo (ngắn hạn, trung hạn hay dài hạn)

Ví dụ:

Số lượng ô tô nhập khẩu Năm hoặc Quý

Doanh số Quý

Bước 4: Nghiên cứu và khảo sát dữ liệu

- Chất lượng dự báo phụ thuộc nhiều vào chất lượng của số liệu dùng làm đầu vào cho dự báo

- Dữ liệu có thể thu thập từ các nguồn:

• Trong nội bộ: lấy dữ liệu cụ thể từ doanh nghiệp nhập khẩu và sản xuất ô tô như tổng vốn, chi phí sản xuất, chi phí marketing, doanh số, lợi nhuận, khả năng phát triển khách hàng, v.v

• Bên ngoài: dữ liệu kiểm định ô tô của cơ quan đăng kiểm (chất lượng xe đang lưu hành và số lượng xe hết niên hạn sử dụng trong khoảng thời gian nhất định), dữ liệu từ Tổng cục thống kê (số dân ở

độ tuổi trưởng thành, thu nhập bình quân đầu người/năm, v.v )

- Chuyển đổi dữ liệu phù hợp với mục đích dự báo nếu có đầy đủ cơ sở

Bước 5: Chọn mô hình

Mô hình dự báo có nhiều dạng phù hợp với nhiều mục đích dự báo khác nhau Nên việc chọn mô hình sẽ tuỳ thuộc vào các tiêu chí sau:

- Loại hình dự báo (ngắn hạn, trung hạn, dài hạn) Nếu dự báo ngắn hạn

có thể dùng mô hình chuỗi thời gian, ngược lại dự báo dài hạn có thể dùng mô hình kinh tế lượng

- Dạng phân bố của dữ liệu: nếu phân bố thể hiện tính xu hướng thì có thể áp dụng các phương pháp trung bình, đường số mũ

- Số lượng quan sát sẵn có Nếu số lượng quan sát quá ít, thì không thể

sử dụng mô hình hồi qui (mô hình này thường cần tối thiểu 15 quan sát trở lên) Ngược lại có thể dùng các mô hình đơn giản hơn

Bước 6: Đánh giá mô hình

Hầu hết các nhà dự báo đánh giá mô hình của họ theo năng lực dự báo của mô hình Một số phương pháp được sử dụng để đánh giá năng lực dự báo Sai số bình phương trung bình (MSE), trung bình tuyệt đối sai số được giới thiệu là những cách để so sánh các giá trị dự báo từ các mô hình khác nhau

Bước 7: Chuẩn bị dự báo

Lúc này chúng ta tin tưởng rằng mô hình được lựa chọn sẽ cho kết quả chuẩn xác Có những trường hợp phải chọn phương pháp kết hợp giữa định tính và định lượng

Bước 8: Trình bày dự báo

Trình bày rõ ràng kết quả dự báo đạt được

Bước 9: Theo dõi kết quả

Liên tục theo dõi, so sánh kết quả dự báo với giá trị thực tế Thay đổi phương pháp dự báo khi thấy có dấu hiệu bất ổn so với thực tế

Đối với phiếu thăm dò, ví dụ như dự báo nhu cầu sử dụng ô tô con trong cộng đồng dân cư thành thị có đời sống thu nhập khá trở lên Qua các phiếu thăm dò, người ra quyết định dự báo sẽ dự đoán khả năng thay đổi, phát triển số lượng xe ô tô con trong tương lai

Đối với cách thu thập ý kiến chuyên gia, người ra quyết định dự báo sẽ tập hợp ý kiến của các chuyên gia am hiểu sâu về lĩnh vực cần dự báo Kết quả chỉ tiêu dự báo đưa ra sẽ là ý kiến được nhiều tán thành nhất

Ngoài ra, dự báo có thể căn cứ vào yếu tố mùa vụ (seasoning) hoặc những chu kỳ phát triển kinh tế đã được kiểm nghiệm trong quá khứ Dự báo định tính cũng có thể kết hợp với các phương pháp thống kê theo dõi các chỉ tiêu định lượng như số trung bình, trung bình di động, phân tích xu hướng

Dưới đây là một số dự báo định tính thường dùng:

2.3.1.1 Lấy ý kiến của ban điều hành

Phương pháp này được sử dụng rộng rãi trong các doanh nghiệp

Ví dụ đứng trên lập trường vị trí một doanh nghiệp chuyên về nhập khẩu ô tô con Khi tiến hành dự báo, họ lấy ý kiến của các nhà quản trị cao cấp, những người phụ trách, các bộ phận quan trọng trong doanh nghiệp, và

sử dụng các số liệu thống kê về những chỉ tiêu tổng hợp: dân số, mức thu

nhập bình quân đầu người/năm, tốc độ phát triển hạ tầng giao thông, doanh

số, thuế nhập khẩu và sản xuất, chi phí, lợi nhuận Ngoài ra cần lấy thêm ý kiến của các chuyên gia về marketing, tài chính, sản xuất, kỹ thuật

Nhược điểm lớn nhất của phương pháp này là dựa vào ý kiến chủ quan của người ra quyết định dự báo và người trong ban điều hành có quyền lực chi phối ý kiến của những người khác

2.3.1.2 Lấy ý kiến của các nhà phân phối

Nhà phân phối, những người trực tiếp tiếp xúc với khách hàng, họ hiểu

rõ nhu cầu, thị hiếu của khách hàng, từ đó họ có thể đưa ra dự đoán về số lượng từng loại ô tô có thể tiêu thụ trên khu vực họ phụ trách

Tập hợp, tổng kết ý kiến của các nhà phân phối ô tô, ta sẽ có được dự báo tổng hợp về nhu cầu đối với sản phẩm đang xét

Nhược điểm của phương pháp này là phụ thuộc đánh giá chủ quan của các nhà phân phối Bản thân mỗi nhà phân phối sẽ có mục đích riêng của mình nên ý kiến của họ có khuynh hướng sẽ làm lợi cho họ

2.3.1.3 Phương pháp điều tra người tiêu dùng

Người tiêu dùng, đối tượng trực tiếp ảnh hưởng đến kết quả dự báo của doanh nghiệp Phương pháp này sẽ thu thập từ họ nhu cầu hiện tại cũng như tương lai Cuộc điều tra nhu cầu được thực hiện bởi những nhân viên bán hàng hoặc nhân viên nghiên cứu thị trường Họ thu thập ý kiến khách hàng thông qua phiếu điều tra, phỏng vấn trực tiếp hay điện thoại Các tiếp cận này không những giúp cho doanh nghiệp về dự báo nhu cầu về sản phẩm mà

cả việc cải tiến thiết kế và chất lượng sản phẩm Phương pháp này tốn nhiều thời gian, công sức, phức tạp và tốn kém, và có thể không chính xác do câu trả lời qua quít của người được điều tra

Ưu điểm của phương pháp định tính:

- Không đòi hỏi các số liệu tính toán phức tạp Do đó việc dự báo có thể tiến hành trong thời gian ngắn

- Có thể sử dụng được các biến dữ liệu mang tính chính sách (không

đo lường được (ví dụ như thay đổi thể chế, luật pháp ) Đây chính là nhược điểm mà các mô hình định lượng không thể đưa vào được

- Do không phụ thuộc vào bộ số liệu cụ thể hay hệ các phương trình nhất định nên dự báo có thể được điều chỉnh linh hoạt, phù hợp với các biến động của nền kinh tế

Nhược điểm của phương pháp định tính:

Mang tính chủ quan, kinh nghiệm và cảm tính Nếu những người được tham khảo ý kiến có trình độ kém thì kết quả dự báo sẽ rất khác với thực tế

Tuy nhiờn, kỹ thuật dự bỏo định lượng cũng cú nhiều nhược điểm:

- Cỏc mụ hỡnh được xõy dựng trờn giả thuyết lịch sử lặp lại Nghĩa là

hệ thống cỏc hàm, bảng được ước lượng, sử dụng trong quỏ khứ nhưng lại được dựng để dự đoỏn cho tương lai Tương lai chưa chắc đó giống với quỏ khứ và hiện tại vỡ cỏc điều kiện cú thể thay đổi, cỏc mối quan hệ, độ lớn của chỳng cú thể thay đổi

- Cỏc mụ hỡnh định lượng hầu hết đưa ra cỏc giả định khụng phự hợp với thực tế

Sau đõy là một số kỹ thuật dự bỏo định lượng thường dựng:

- Kỹ thuật dự bỏo hồi quy bội tuyến tớnh

- Kỹ thuật dự bỏo trung bỡnh trượt (MA – Moving Average)

- Kỹ thuật dữ bỏo đường số mũ

- Kỹ thuật dự bỏo ngoại suy

- Kỹ thuật dự bỏo chuỗi thời gian (Times Series Method)

a Phương pháp trung bình động

Số trung bình động (còn gọi là trung bình trượt) là số trung bình cộng của một nhóm nhất định, các mức độ của dãy số được được tính bằng cách lần lượt loại dần các mức độ đầu, đồng thời thêm vào các mức độ tiếp theo, sao cho tổng số lượng các mức độ tham gia tính số trung bình không thay đổi

Trung bình động tại thời điểm t là giá trị trung bình số học của n giá trị gần nhất Trung bình động chỉ tính giá trị trung bình cho một số lượng giai

đoạn cố định, sẽ thay đổi khi có giá trị mới xuất hiện

Giả sử có dãy thời gian y1, y2, y3, , yn-2, yn-1, yn Nếu tính trung bình

động cho nhóm ba mức độ, ta sẽ có:

z = y1+ y2 + y3 z = y2+ y3 + y4 z = yn-2+ yn-1 + yn

Từ đó ta có dãy số mới gồm các số trung bình động z2, z3, , zn-1 Việc lựa chọn nhóm bao nhiêu mức độ để tính trung bình động đòi hỏi phải dựa vào

đặc điểm biến động của hiện tượng và các mức độ của dãy số thời gian Thông thường thì người ta chọn nhóm có 3, 5 hoặc 7 mức độ

Mô hình tổng quát trung bình động đơn giản có dạng:

F t+1 = (A t + A t-1 + A t-2 + … + A t-n+1 )/n (2.1)

Trong đó:

F t+1 = giá trị dự báo cho giai đoạn t +1

A t = giá trị thực tế vào thời điểm t

n = tổng số lượng giai đoạn có trong thực tế (còn gọi là hệ số trung bình

động)

Nói cách khác: phương pháp này sử dụng trung bình của toàn bộ dãy số

để dự báo cho giai đoạn tiếp theo

b Phương pháp đường số mũ (san bằng mũ)

Trong phương pháp đường số mũ, người ta sử dụng những giá trị trong q khứ để dự báo các giá trị trong tương lai Đặt trọng số quan sát cho tất cả trong dãy số, phương pháp này có khả năng thích nghi với sự biến động của hiện tượng

Biểu thức dự báo có dạng sau:

Ft+1 = αAt + (1- α)Ft (2.2) Trong đó:

Ft+1 : Là giá trị dự báo tại thời điểm t+1

α : Hằng số mũ (0<α<1)

At : Giá trị thực tại thời điểm t

Ft : Giá trị dự báo tại thời điểm t

Đặt β = 1- α, ta có Ft+1 = αAt + βFt , α và β được gọi là các tham số san bằng với α + β =1

Tương tự, ta có: Ft = αAt-1 + βFt-1 , thay vào công thức (2.2) ta được

Ft+1 = αAt + αβFt-1 + β2Ft-1

Bằng phép đệ quy ta có:

Ft+1 = α t i

n i

i Aư

=

∑

0β + βi+1Ft-1 (2.3) Vì (1 - α) = β <1 nêm khi i → ∞ thì βi+1 → 0 lúc đó ta có

Ft+1 = α t i

n i

i Aư

=

∑

0β Chọn giá trị α:

- Chọn giá trị gần bằng 0 khi trong bộ dữ liệu có quá nhiều những biến động ngẫu nhiên

- Chọn gần bằng 1 khi bạn muốn giá trị dự báo phụ thuộc vào những quan sát gần nhất

- Chuẩn bình phương sai số trung bình (RMSE) là tiêu chí để lưạ chọn phù hợp

- α nhỏ thường đem lại các dự báo chính xác

- Giá trị α được chon tốt nhất thường là 0.1 <=α<=0.4

Phương pháp đường số mũ được thực hiện theo phép đệ quy, tức là để tính Ft+1 ta phải có Ft, để tính Ft ta phải có Ft-1, , để tính F1 ta phải có F0 F0

được gọi là giá trị đầu, có nhiều phương pháp khác nhau để xác định F0 , như

có thể lấy giá trị đầu tiên trong dãy số, hoặc là số trung bình của một số giá trị

đầu tiên, hoặc các tham số của hàm xu thế

c Phương pháp ngoại suy (phương pháp hàm xu thế)

Phương pháp ngoại suy là kéo dài quy luật phát triển của đối tượng dự báo đã có trong quá khứ và hiện tại sang tương lai với giả thiết quy luật đó vẫn phát huy tác dụng

Điều kiện áp dụng bao gồm: đối tượng đã phát triển tương đối ổn định theo thời gian; nhân tố ảnh hưởng chung nhất; không có tác động bên ngoài dẫn đến nhảy vọt về kinh tế

Nội dung phương pháp bao gồm các giai đoạn quan trọng sau:

- Xử lý chuỗi thời gian kinh tế

- Phát hiện xu thế đối tượng kinh tế

Bổ xung chuỗi thời gian: Nếu chuỗi thiếu một giá trị yi nào đó, xác định

yi bổ xung bằng trung bình cộng hai giá trị đứng trước và đứng sau nó:

y y y

Xử lý dao động ngẫu nhiên: Dùng các phương pháp trung bình không có trọng số và phương pháp trung bình trượt có trọng số

2 Phát hiện xu thế : Có nhiều phương pháp phát hiện xu thế và chọn hàm hàm xu thế tương ứng như phương pháp đồ thị, phương pháp phân tích số liệu quan sát, phương pháp sai phân Trong lĩnh vực viễn thông thường sử dụng phương pháp đồ thị, nội dung phương pháp đồ thị như sau :

Biểu diễn các cặp số (ti, yi) trên hệ toạ độ và nối liền các điểm thành

đường gấp khúc liên tục, từ đó nhận xét và so sánh đường biểu diễn thực nghiệm với đường biểu diễn các hàm số y = f(ai, t) Các dạng hàm f(t) thường gặp, đó là :

3 Xây dựng hàm xu thế :

Thường sử dụng phương pháp tổng bình phương bé nhất để xác định tham số của hàm xu thế, mức độ chính xác của nó thể hiện ở chỗ tổng bình phương độ lệch giữa lý thuyết và thực tế của chuỗi thời gian là nhỏ nhất

min )

S ) (2.4)

Trong đó : n là số giá trị chuỗi thời gian

yˆ là giá trị lý thuyết của hàm xu thế

yi là giá trị thực tế của chuỗi thời gian

n i

i

y t a

cho các biểu thức bằng 0, ta được dạng tổng quát sau: ∑

=+

t a a

y

1

2 0