Để sử dụng một phương pháp dự báo, ít nhất người ta cũng phải biết về nó, biết nội dung đặc điểm ưu nhược và đặc điểm của phương pháp dự báo.
19
1.3.1 Chọn một phương pháp dựa vào dấu hiệu
Chọn phương pháp dự báo tốt nhất cho bất kỳ một tình huống cụ thể nào
không phải là một công việc đơn giản và đơi khi thì có nhiều hơn một phương
pháp thích hợp. Người ta đã sử dụng các khám phá trong thực tế và các ý kiến chuyên gia để xây dựng được sơ đồ cho việc lựa chọn các phương pháp dự
báo (Hình 1.2) [5]. Sơ đồ này cũng có thể tìm thấy trong trang web
http://www.forecastingprinciples.com.
Vấn đề đầu tiên mà nhà phân tích cần xem xet là dữ liệu có đủ cho việc phân tích định lượng hay khơng, nếu khơng thì sẽ phải sử dụng các quá trình đánh giá. Trong một số trường hợp phải sử dụng cả hai cách tiếp cận.
20
Đối với các quá trình đánh giá thì vấn đề đầu tiên là xem tình huống đó liên quan đến những thay đổi nhỏ hay lớn. Nếu những thay đổi là nhỏ mà khơng
cần đến sự phân tích chính sách và người ta có được các thơng tin phản hồi tốt thì Đánh giá khơng có trợ giúp sẽ hoạt động tốt. Tuy nhiên thì nếu sự phản hồi khơng tốt thì việc sử dụng các chuyên gia như trong Delphi hoặc thị trường dự báo lại mang lại kết quả. Khi mà muốn dự báo những tác động của các chính sách khác nhau, người ta phải xác định xem các dự báo từ chuyên gia hay dự báo từ nhữung người tham gia khác như là khách hàng tiềm năng sẽ thích hợp hơn cả. Nếu việc phỏng vấn các khách hàng tiềm năng khơng thích hợp thì phương pháp Phân rã sẽ giúp sử dụng các kiến thức của chuyên gia một cách hiệu quả.
Khi các điều kiện cho cho việc Phân tích kết hợp thỏa mãn, thì có thể sẽ có được các dự báo hữu ích từ việc khảo sát khách hàng tiềm năng. Đối với các trường hợp nơi có những thay đổi lớn được chờ đợi nhưng lại khơng địi hỏi phải phân tích chính sách thì người ta sẽ xem xét phương pháp Khảo sát mục đích và mong đợi.
Những nơi không đủ điều kiện cho việc phân tích tổng hợp thì chúng ta có thể dự báo bằng cách thực hiện các cuộc khảo sát khách hàng tiềm năng. Đối với các trường hợp mà ở đó được cho là có những thay đổi lớn nhưng việc phân tích chính sách khơng được u cầu thì chúng ta nên xem xét Khảo sát mong đợi hay Khảo sát mục đích.
Nơi được cho là có những thay đổi lớn và chỉ có một số người ra quyết định tham gia, ví dụ như đối thủ cạnh tranh hoặc các nhà cung cấp tham gia, thì Sự tương tác mô phỏng là phương pháp tốt nhất. Nếu các chun gia có thể nghĩ về một vài tình huống tương tự thì Phép loại suy có cấu trúc có thể cũng mang lại các dự báo tốt.
21
Nếu người ta có nhiều dữ liệu chuỗi thời gian thì nhà phân tích phải xác định xem có thơng tin hay không về sự tồn tại của các mối quan hệ thực tế và về sự ảnh hưởng của chúng. Ví dụ, trong phần lớn các tình huống thì ln tồn tại một kiến thức về sự đàn hồi của giá cả. Nếu có kiến thức thực tiễn về các mối quan hệ thì nên sử dụng mơ hình nhân quả. Thêm vào đó, người ta nên xem xét việc sử dụng kiến thức về lĩnh vực, ví dụ kiến thức của nhà quản lý về tình
huống. Phép ngoại suy hoặc các mạng neuron sẽ rất hữu dụng trong các tình huống mà ở đó khó có các thay đổi lớn.
Đối với các tình huống chuỗi thời gian nơi mà người ta thiếu kiến thức về nhân quả thì Phép ngoại suy là thích hợp. Nếu khơng có kiến thức từ trước về các mối quan hệ, nhưng lại tồn tại kiến thức về lĩnh vực, ví dụ nếu nhà quản lý biết được doanh số bán hàng sẽ tăng nhờ vào việc quảng cáo về giảm giá sản phẩm thì hãy sử dụng dự báo dựa trên quy tắc (rule-based forecasting).
Trong các tình huống mà người ta thiếu dữ liệu chuỗi thời gian và kiến thức về các mối quan hệ thì Các loại suy định lượng sẽ thích hợp. Nếu có kiến thức về lĩnh vực hoặc nếu việc phân tích chính sách là cần thiết thì hệ chun gia có thể được sử dụng. chúng ta thiếu dữ liệu và kiến thức về các mối quan hệ thì phương pháp phân tích định lượng là thích hợp. Nếu có kiến thức cơ bản và việc phân tích cách giải quyết thì nên sử dụng hệ chuyên gia.
Các điều kiện không phải luôn luôn rõ ràng. Trong các trường hợp như vậy, người ta nên sử dụng hai hoặc nhiều hơn các phương pháp liên quan và sau đó thì kết hợp các dự báo.
1.3.2 Kết hợp các dự báo
Các dự báo kết hợp cải thiện được độ chính xác (accuracy) và giảm khả năng mắc các lỗi lớn. Trong một phân tích, Amstrong đã thấy một sự giảm lỗi trung bình 12% qua 30 so sánh [5]. Chúng đặc biệt hữu ích khi các phương pháp
22
thành phần là khác nhau về bản chất. Ví dụ, người ta đã có được một dự báo doanh số bán hàng tốt hơn khi trung bình hóa các dự báo đánh giá của các nhà quản lý và các dự báo từ một mơ hình định lượng.
Các phương pháp định tính và định lượng phải được kết hợp với nhau. Sự tích hợp sẽ có hiệu quả khi các sự đánh giá được tập hợp một cách có hệ thống và sau đó sử dụng làm đầu vào cho các mơ hình định lượng thay vì chỉ sử dụng
như là các điều chỉnh của đầu ra.