3.1.Định tính (Qualitative)
3.2Định lượng (Quantitative)
Dự báo theo chuỗi thời gian (Time series forecasting): sử dụng phân tích toán học của các khuynh hướng nhu cầu trong quá khứ để dự báo cho nhu cầu trong tương lai.
Phương pháp này cho kết quả nhanh về khuynh hướng. Ví dụ, khuynh hướng nhu cầu trong quá khứ là đi lên thì dự báo là đi lên và khuynh hướng nhu cầu trong quá khứ là đi xuống thì dự báo là đi xuống. Vì vậy, phương pháp này
không thích hợp với những sản phẩm có nhu cầu biến động theo mùa.
Dự báo bằng trung bình trong quá khứ (Forecasting by past average): trung bình tất cả các kết quả trong quá khứ.
3.2 Định lượng (Quantitative)
Hai mô hình được sử dụng nhiều trong dự báo theo chuỗi thời gian là:
Trung bình cộng di động (moving averages): sử dụng trung bình cộng của các dữ liệu trong thời kỳ quá khứ của chuỗi thời gian để dự báo các hoạt động trong tương lai.
Phương pháp làm trơn số liệu (exponential smoothing): tương tự như phương pháp ở trên nhưng xóa đi một số phép tính. Sử dụng công thức toán như sau:
Fn+1 = aAn + (1-a)Fn
Trong đó Fn+1 là dự báo cho thời kỳ tiếp theo, Fn là dự báo cho thời kỳ hiện tại, a là nhân tố làm trơn và An là dữ liệu thực tế
Thời kỳ Dự báo nhu cầu Nhu cầu thực tế Sai số (giữa dự báo so với thực tế) 1 Không có dữ liệu 20 2 20 22 -2 3 22 23 -1 4 ? 18 ? 5 ?? 24 ??
Thời kỳ Dự báo Thực tế Sai số (Dự báo so với thực tế) 1 - 20 - 2 20 22 -2 3 21 24 -3 4 22 23 -1 5 ? 13 ? 6 ? 9 ? 7 ? 8 ? 8 ? 6 ?
Năm 2004 2005 2006 2007 2008 Quý 1 15 (14%) 22 (17%) 25 (17%) 28 (17%) 30 Quý 2 35 (32%) 40(31%) 45(30%) 52(32%) 55 Quý 3 40(36%) 45(35%) 50(33%) 54 (33%) 60 Quý 4 20(18%) 22(17%) 30(20%) 30(18%) ? Cả năm 110 129 150 164 ??