Để kiểm tra độ chính xác của kết quả và đọc các chỉ số thống kê, nhấp chọn Visualize ở Evaluate model sau khi đã chạy xong mơ hình.
Hình 3.9: Các chỉ số thống kê của mơ hình
Từ hình 3.9 có thể đọc được các chỉ số thống kê:
Sai số tuyệt đối trung bình là 1751592.320712 (VNĐ), tức sai số lớn nhất của mơ hình dự báo chỉ lệch khoảng 1.7 triệu đồng so với con số thực tế;
Sai số bình phương là 2356614.348944; Độ tin cậy ở mức thấp, khoảng -0.3%.
4.3. API - Test
4.3.1. Web services set up
Sau khi hồn thành chạy mơ hình và đánh giá các chỉ số, bước tiếp theo là tạo API bằng cách nhấn vào nút “Set up web service” để lưu mơ hình và tạo Predictive Experiment.
Tại Predictive Experiment, kết nối Web service input với Score model. Add thêm tùy chọn “Select column in dataset” từ toolbar bên trái vào, kết nối 2 đầu của chức năng này với Score model và Web service output. Trong mục “Launch column” của Select column in dataset, chọn “Score Labels” để yêu cầu hiển thị kết quả dự báo doanh thu ngày khi test ở website.
Hình 4.7: Predictive Experiment
Sau khi sắp xếp các tính năng, nhấn nút “run” một lần nữa để chạy lại mơ hình. Sau khi việc chạy kết thúc và khơng có lỗi như được thể hiện ở hình 3.10, nhấn vào nút “Deploy web services” ở toolbar phía dưới màn hình.
4.3.2. Test
Sau khi Deploy web services thành cơng, Azure sẽ tự động mở giao diện của tính năng web services với link website dự báo và file excel để kiểm tra dự báo.
Nhấn nút “Test” và nhập các biến độc lập để dự báo. Ví dụ, dự báo doanh thu ngày 23/7/2020 của cửa hàng SAY Coffee Lê Văn Sỹ khi tất cả các bên thứ 3 là Grab, Now, Baemin và Goviet đều có chương trình khuyến mãi, kết quả trả về là doanh thu ước tính đạt khoảng 11,809,421 VNĐ
Hình 4.9: Giao diện dự báo
Hình 4.10: Kết quả dự
báo 4.3.3. Dự báo trực tiếp trên Excel
Ngoài việc dự báo doanh thu tại web services đã được tạo, doanh thu của cửa hàng SAY Coffee Lê Văn Sỹ cũng có thể được dự báo trực tiếp tại file Excel được tải về sau khi nhấn vào “Excel 2013 or later workbook” tại giao diện Web services của AMLS. Sau khi tải file về và nhập thông tin liên quan như ngày và các chương trình khuyến mãi, chọn dữ liệu mẫu vào input, chọn vị trí muốn trả output và so sánh kết quả dự báo so với file data excel gốc. Việc dự báo trực tiếp trên Excel sẽ giúp người dùng tiết kiệm thời gian bởi trên nền tảng AMLS
chúng ta chỉ có thể dự báo kết quả cho một ngày duy nhất trong mỗi lần nhập thơng tin, trong khi đó chúng ta có thể dự báo doanh thu cho nhiều ngày trên Excel một cách nhanh chóng.
Kết luận chương 4
Ở chương 4, quy trình xây dựng, chạy thử và kiểm tra mơ hình dự báo thực tế trên nền tảng AMLS được trình bày một cách ngắn gọn nhưng rất đầy đủ và dễ hình dung. Các chỉ số đo lường dữ liệu, các chỉ số có ý nghĩa thống kê cũng đã được nêu ra trong nội dung chương. Chương 4 cũng cung cấp cái nhìn tổng quan về quá trình tạo API và Deploy web services, cũng như việc dự báo trực tiếp trên file Excel.
CHƯƠNG 5: KẾT LUẬN 5.1. Tóm tắt
Những thành tựu mà con người đạt được trong thời đại công nghệ 4.0 ngày nay đã và đang góp phần vào việc cải thiện và nâng cao hiệu quả của hầu hết các lĩnh vực trong cuộc sống, đặc biệt là trong mảng kinh doanh nói chung và ngành F&B nói riêng. Việc ứng dụng những phần mềm, công nghệ big data vào dự báo doanh thu cho các cửa hàng cà phê, nhà hàng đang đóng vai trị rất lớn trong việc giúp các nhà quản lý/chủ sở hữu cửa hàng làm tốt hơn công tác quản lý việc kinh doanh: quản lý nguyên vật liệu, quản lý hàng tồn kho, quản lý và sắp xếp nhân sự phù hợp; từ đó có thể tối thiểu hóa chi phí và tối đa hóa doanh thu cho cửa hàng. Đó là những nội dung mà chương 1 đã đề cập đến. Bên cạnh đó, chương 1 cũng đã đưa ra bức tranh toàn cảnh của đề tài, hướng đi của nghiên cứu và làm mở đầu cho các nội dung triển khai cụ thể ở các chương sau. Ở chương 2, những lý thuyết về các vấn đề liên quan đến đề tài như doanh thu và quản lý doanh thu, khuyến mãi và các chương trình khuyến mãi hợp tác với bên thứ 3, vai trò của bên thứ 3, mối quan hệ giữa khuyến mãi và doanh thu cùng với những lý thuyết về các phương pháp dự báo doanh thu khả thi để cân nhắc và lựa chọn áp dụng phương pháp dự báo phù hợp nhất vào mơ hình dự báo doanh thu cho SAY Coffee Lê Văn Sỹ.
Thiết kế nghiên cứu, lựa chọn phương pháp dự báo nhằm tạo ra mơ hình dự báo doanh thu của cửa hàng SAY Coffee Lê Văn Sỹ dựa trên nền tảng AMLS, mô tả dữ liệu cùng phương pháp thu thập dữ liệu là những nội dung được trình bày ở Chương 3: Dữ liệu và phương pháp luận. Bên cạnh đó, chương 3 cũng đưa ra cái nhìn tổng quan về machine learning và giới thiệu về nền tảng AMLS.
Sau khi quyết định và thống nhất phương pháp nghiên cứu, nhóm tiến hành xây dựng mơ hình dự báo doanh thu ngày cho cửa hàng SAY Coffee Lê Văn Sỹ thực tế trên nền tảng AMLS; kiểm tra, chạy mơ hình, tạo API và tạo Web services.C hương 4 cung cấp cái nhìn tổng quan về q trình thực hiện những cơng việc trên.
Chương 5 sẽ tóm tắt lại một cách ngắn gọn nội dung của các chương trước đó, kết luận về mơ hình dự báo được xây dựng, nêu lên hàm ý đối với nhà quản lý trong việc dự báo doanh thu và quản lý bán hàng, cũng như liệt kê những hạn chế mà bài nghiên cứu gặp phải và cần khắc phục.
5.2. Kết luận
Từ việc xác định tầm quan trọng của dự báo doanh thu đối với việc quản lý kinh doanh tại cửa hàng nói chung và tối thiểu hóa chi phí/tối đa hóa lợi nhuận nói riêng, dựa vào các lý thuyết đã nêu ở chương 2 về các khái niệm và mơ
hình dự báo liên quan đến đề tài, nhóm nghiên cứu đã tiến hành thiết kế và xây dựng nghiên cứu, thu thập và xử lý dữ liệu cần thiết để tạo ra mơ hình dự báo doanh thu thực tế trên nền tảng Azure machine learning. Mặc dù vì một số lý do liên quan đến bộ dữ liệu khiến các chỉ số thống kê như độ tin cậy của mơ hình là chưa cao nhưng mơ hình cũng đã cho thấy phương pháp dự báo hồi quy tuyến tính (Linear regression) đã được sử dụng là phương pháp hiệu quả nhất để dự báo doanh thu cho cửa hàng. Tuy vậy, để mơ hình dự báo trở nên đáng tin cậy hơn và có thể áp dụng vào thực tế, bộ dữ liệu (và có thể là mơ hình) vẫn cần được bổ sung và chỉnh sửa thêm.
5.3. Hàm ý đối với nhà quản trị
Từ kết quả của nghiên cứu có thể rút ra những kết luận và đề ra giải pháp để nhà quản lý có thể tham khảo và đưa ra các quyết định kinh doanh tốt hơn như sau:
Vai trò của dự báo doanh thu là rất quan trọng
Kết hợp cùng những nghiên cứu về dự báo doanh thu đã có sẵn, nghiên cứu này phần nào củng cố và khẳng định thêm một lần nữa về tầm quan trọng của việc dự báo doanh thu đối với công tác quản lý cửa hàng và điều hành việc kinh doanh. Dự báo doanh thu có vai trị rất quan trọng đối với việc điều phối sản xuất và giúp nhà quản lý có thể đưa ra những quyết định chính xác nhất trong các tình huống, cụ thể là:
Giúp quản lý dự đốn được tình hình kinh doanh trong tương lai để có thể điều chỉnh lại các chương trình khuyến mãi cho phù hợp (ví dụ như kết quả dự báo doanh thu trong ngày sắp tới là rất thấp hoặc không đạt chỉ tiêu đề ra khi cửa hàng không chạy hoặc chỉ chạy chương trình khuyến mãi với 1 bên thứ 3 duy nhất, quản lý sẽ phải cân nhắc và đưa ra các chương trình khuyến mãi riêng ngay tại cửa hàng, hoặc bổ sung các chương trình khuyến mãi với những bên thứ 3 khác tùy theo khả năng. Ngược lại, trong trường hợp ngày hơm đó cửa hàng dự tính sẽ có nhiều chương trình khuyến mãi hợp tác với các bên thứ 3 nhưng doanh thu dự báo khá thấp, quản lý cửa hàng cần phải cân nhắc lại về việc bỏ bớt chương trình khuyến mãi với một hoặc nhiều bên thứ 3 để tiết kiệm những chi phí khơng đáng có);
Dự báo doanh thu trong ngày cũng giúp hoạt động quản lý và điều phối nhân sự tốt hơn. Chẳng hạn như dự báo doanh thu ngày kinh doanh sắp tới cao đột biến so với những ngày bình thường, quản lý cửa hàng có thể chuẩn bị phương án dự phịng để điều động thêm nhân sự khi cần thiết, đảm bảo hoạt động kinh doanh trong ngày hơm đó được diễn ra thuận lợi, tránh gây gián đoạn công việc do thiếu nhân sự và tránh việc khiến khách hàng phải chờ lâu, hạn chế việc khách hàng giảm mức độ hài lòng đối với cửa hàng;
Việc dự đoán được doanh thu ngày của cửa hàng cũng giúp quản lý, giám sát cửa hàng và nhân viên kho dễ dàng quản lý, điều phối các loại hàng hóa, nguyên vật liệu cho phù hợp. Các loại nguyên vật liệu sử dụng tại các cửa hàng F&B nói chung và Beverage nói riêng thường là ngun vật liệu tươi, khơng dễ để bảo quản và hạn sử dụng không dài. Do vậy, việc có thể tiên lượng trước nguồn nguyên vật liệu đủ dùng hoặc chỉ dư ra ít sẽ giúp cửa hàng tiết kiệm được một lượng lớn nguyên vật liệu sản xuất, đảm bảo chất lượng sản phẩm được tốt hơn, từ đó tối thiểu hóa chi phí sản xuất và giúp lợi nhuận tăng cao hơn;
Dựa trên dự báo ngắn hạn, quản lý có thể đề ra các chiến lược ngắn hạn tương ứng cho phù hợp với tình hình kinh doanh của cửa hàng, chẳng hạn như đưa ra kế hoạch chạy các chương trình khuyến mãi hợp tác với các bên thứ 3 cụ thể nào, vào khoảng thời gian nào là hợp lý và mang lại doanh thu cao nhất, từ đó đưa ra những chiến lược marketing, chiến lược giá và chiến lược phân phối phù hợp.
Chương trình khuyến mãi hợp tác với bên thứ 3 đóng vai trị lớn trong việc mang về nhiều doanh thu hơn cho cửa hàng
Nhóm nghiên cứu đã thử kiểm tra dự báo doanh thu của cửa hàng SAY Coffee Lê Văn Sỹ ngày 23/7/2020 trong các trường hợp: Khi khơng có chương trình khuyến mãi hợp tác với bên thứ 3, khi có chương trình khuyến mãi hợp tác với từng bên thứ 3 cụ thể và khi có chương trình khuyến mãi hợp tác với cả 4 bên thứ 3 được nhắc đến trong nghiên cứu này (Grab, Now, Baemin và Go Viet) và nhận được kết quả như sau:
Khi khơng có chương trình khuyến mãi hợp tác với bên thứ 3 nào: 3,511,264.4170857
Khi có chương trình khuyến mãi hợp tác với Grab: 7,022,528.83412622 VNĐ
Khi có chương trình khuyến mãi hợp tác với Now: 7,022,528.83413441 VNĐ
Khi có chương trình khuyến mãi hợp tác với Baemin: 3,724,163.73930069
VNĐ
Khi có chương trình khuyến mãi hợp tác với Go Viet: 4,573,992.99527291
VNĐ
Khi có chương trình khuyến mãi hợp tác với cả 4 bên kể trên: 11,809,421.1515771 VNĐ
Kết quả dự báo đã chỉ ra, khi cửa hàng chạy chương trình khuyến mãi với tất cả các bên thứ 3, doanh thu đạt được trong ngày là cao nhất, khoảng 11.8 triệu
lần lượt đạt mức 4.6 triệu đồng và 3.8 triệu đồng. Doanh thu của cửa hàng đạt thấp nhất ở mức 3.5 triệu đồng khi khơng có chương trình khuyến mãi với các bên thứ 3 nào. Có thể thấy từ kết quả trên, ảnh hưởng của chương trình khuyến mãi với bên thứ 3 lên việc tăng doanh thu là khá lớn, khi mà trong trường hợp cửa hàng có chương trình khuyến mãi với cả 4 bên thứ 3 được nghiên cứu, doanh thu dự báo của cửa hàng đã đạt mức cao nhất. Nhà quản trị nên tiến hành dự báo doanh thu đối với tất cả các trường hợp trên trong một khoảng thời gian ngắn hạn (1-3 tháng) hoặc dài hạn (3-6 tháng) tùy theo chiến lược để có cái nhìn chung về tình hình kinh doanh dự kiến trong tương lai. Từ những kết quả dự báo mẫu trong một khoảng thời gian nhất định, quản lý cửa hàng có thể đưa ra chiến lược khuyến mãi cụ thể, hoặc cân nhắc lựa chọn những bên thứ 3 phù hợp trong khoảng thời gian nhất định để hợp tác.
Nhà quản lý có thể lên kế hoạch dài hạn nhờ dự báo và quản lý doanh thu
Bên cạnh những chiến lược ngắn hạn, nhà quản lý có thể lên những kế hoạch quản lý và doanh nghiệp dài hạn nhờ dự báo doanh thu:
Lựa chọn các bên thứ 3 phù hợp nhất cho những chiến dịch marketing và chiến lược phân phối trọng tâm cho cửa hàng trong một khoảng thời gian nhất định;
Đưa ra kế hoạch thực hiện những chương trình khuyến mãi dài hạn phù hợp với nhu cầu khách hàng vào từng giai đoạn khác nhau (số cầu của khách hàng sẽ được dự đốn nhiều hay ít, tăng hay giảm dựa trên dự báo doanh thu);
Quản lý và điều chỉnh chiến lược nhân sự phù hợp trong từng giai đoạn kinh doanh. Chẳng hạn dự báo giai đoạn 2-3 tháng tới doanh thu sẽ bất ngờ tăng khá cao hoặc giảm mạnh, quản lý sẽ dựa vào tình hình mà chuẩn bị
trước phương án tuyển thêm nhân sự thời vụ hoặc cắt giảm nhân sự tại cửa hàng.
5.4. Hạn chế của nghiên cứu
Bên cạnh những kết quả đạt được, mơ hình nghiên cứu dự báo doanh thu cịn có những hạn chế sau:
Do một số hạn chế về khả năng khai thác và về thời gian, nguồn dữ liệu doanh thu ngày của cửa hàng SAY Coffee Lê Văn Sỹ vẫn còn khá khiêm tốn với số mẫu chỉ là n=91. Nếu có thể tăng cỡ mẫu thì tỉ lệ chính xác của mơ hình có thể được cải thiện;
Ngồi các bên thứ 3 là Grab, Now, Baemin và GoViet, SAY Coffee còn hợp tác với một số bên thứ 3 khác, nhưng do hạn chế về thời gian nên những thông tin về các bên thứ 3 khác không được thu thập và input vào dataset. Điều này có thể ảnh hưởng tới kết quả dự báo và các chỉ số thống kê;
Chỉ số độ tin cậy của mơ hình là khơng cao. Để có thể cải thiện các chỉ số thống kê, bộ dữ liệu cần phải có thêm các biến độc lập cũng như cỡ mẫu dữ liệu cần đa dạng hơn;
Tài liệu tham khảo chủ yếu dựa vào những nghiên cứu đã cũ;
Nhóm nghiên cứu chưa có nhiều kinh nghiệm và thời gian tiếp xúc với nền tảng Azure Machine Learning, do vậy có thể bỏ sót những mơ hình dự báo có khả năng trả về kết quả chính xác hơn với chỉ số thống kê có độ tin cậy cao hơn.
THAM KHẢO
1. Big Data Uni. 2020. “Hiểu hơn về Linear Regression thông qua ví dụ đơn giản trong bán lẻ phần 1”, (tiếp cận ngày 27/6/2020), [truy cập tại https://bigdatauni.com/vi/tin-tuc/hieu-hon-ve-linear-regression-thong-qua-v
i-du-don-gian-trong-ban-le-p-1.html].
2. Big Data Uni. 2020. “Tổng quan về Regression (Phân tích hồi quy)’, (tiếp cận ngày 27/6/2020), [truy cập tại https://bigdatauni.com/vi/tin-
tuc/tong-quan-ve-regression-phan-ti ch-hoi-quy.html ]. 3. Luật Thương mại Việt Nam
4. Machine Learning cơ bản. 2016. “Bài 3: Linear Regression”, (tiếp cận ngày
27/6/2020), [truy cập tại
https://machinelearningcoban.com/2016/12/28/linearregression/#cac-bai-to
an-co-the-giai-bang-linear-regression].
5. Microsoft. 2020. “What is machine learning studio (Classic)”, (tiếp cận ngày
27/6/2020), [truy cập tại https://docs.microsoft.com/en-us/azure/machine- learning/studio/what-is-ml -studio ].