Ngành Quý cao nhất Điểm giữa Quý thấp nhất
Phụ tùng và vật liệu điện 8.1 4.9 3.3
Máy tính điện tử 22.7 7.0 2.7
Thiết bị nghe nhìn gia đình 6.3 3.9 2.5
Nhá máy giấy 11.7 8.0 5.5
Hóa chất công nghiệp 14.1 6.4 4.2
Bánh mì, bánh ngọt 39.7 23.0 12.6
Sách: phát hành và in ấn 7.2 2.8 1.5
VI. DỰ BÁO
Xuyên suốt cuốn sách này, chúng ta cân nhắc lại vấn đề dự báo. Đằng sau tất cả những dự báo thì ba quy tắc của dự báo là:
• Dự báo thì luôn sai
• Thời gian dự báo càng dài, mức độ sai lệch càng lớn
• D ự báo tổ ng hợ p thì chính xác hơn.
Tuy nhiên dự báo là một công cụ chủ yếu trong “thùng đồ nghề” của quản trị.
Chúng ta nhận thấy rằng nhờ quản lý tồn kho một cách chính xác, nhà quản trị có khả năng sử dụng dự báo tốt hơn, mặc cho những hạn chế cố hữu của dự báo. Hơn nữa, dự báo không chỉ là ra quyết định tồn kho; mà dựu báo còn hữu dụng trong các quyết định về việc có nên thâm nhập vào thị trường cụ thể hay không, về việc mở rộng năng lực sản xuất hay không, hoặc liệu có nên thực hiện một kế hoạch khuyến mãi hay không? Trong phần này, chúng ta nghiên cứu nhiều kỹ thuật có thể được sử dụng, một cách riêng biệt hoặc kết hợp, để tiến hành dự báo. Mục tiêu của chúng tôi là giới thiệu các cách tiếp cận khác nhau để dự báo và khả năng áp dụng chúng cho từng trường hợp.
Mặc dầu có nhiều công cụ và phương pháp dự báo, chúng có thể được phân thành bốn loại chính sau:
• Các phương pháp phán đoán liên quan đến việc thu thập ý kiến của các chuyên gia
• Các phương pháp nghiên cứ u thị trường liên quan đến các nghiên cứ u định tính về hành vi khách hàng
• Các phương pháp dãy thời gian là các phương pháp toán học và kết quả tương lai được ngoại suy từ kết quả quá khứ.
• Các phương pháp nhân quả là các phương pháp toán học mà các dự báo thường dựa trên nhiều các biến số hệ thống.
1. Các phương pháp phán đoán
Các phương pháp phán đoán tổng hợp ý kiến của nhiều chuyên gia theo một cách hệ thống. Ví dụ nhân viên bán hàng (hoặc người buôn bán) thường đoán biết doanh thu bán hàng kỳ vọng vì họ kế cận thị trường. Việc tổng hợp ước tính về doanh thu của mỗi nhân viên bán hàng trong lực lượng bán hàng là cách hợp lý để dự báo về sản lượng bán.
Nhóm các chuyên gia có thể được tập hợp để đạt sự nhất trí. Cách tiếp cận này giả định rằng bằng việc giao tiếp và chia sẻ rộng rãi thông tin, chúng ta có thể đạt được dự báo tốt hơn. Những chuyên gia này có thể là các chuyên gia bên ngoài, hoặc chuyên gia nội bộ, từ một bộ phận chức năng bên trong công ty
Phương pháp Delphi là kỹ thuật cấu trúc nhằm đạt được sự nhất trí với một nhóm các chuyên gia không tập hợp lại ở một địa điểm đơn lẻ. Thực ra, kỹ thuật được thiết kế nhằm loại bỏ tính nguy hiểm về sự lấn áp của một cá nhân đến tiến trình ra quyết định. Trong phương pháp Delphi, mỗi thành viên của nhóm chuyên gia được khảo sát lấy ý kiến, điển hình là viết ý kiến của mình ra giấy. Các ý kiến được biên soạn và tóm tắt, và mỗi cá nhân có cơ hội để thay đổi ý kiến của mình sau khi xem bản tóm tắt. Tiến trình này được tiếp tục cho đến khi đạt được sự nhất trí.
Xem xét lại ví dụ về công ty kinh doanh quần áo bơi được đề cập ở phần trước.
Trong trường hợp này, nhà sản xuất sử dụng dự báo xác suất để ra quyết định sản xuất và tồn kho. Dự báo bao gồm nhiều trường hợp và mỗi trường hợp có một xác suất xảy ra. Rất có khả năng phòng marketing sử dụng một hoặc nhiều phương pháp phán đoán liệt kê ở trên để phát triển dự báo xác suất này.
2. Các phương pháp nghiên cứu thị trường
Thử nghiệm thị trường và khảo sát thị trường có thể là công cụ hữu ích để xây dựng các dự báo, đặc biệt cho việc giới thiệu sản phẩm mới. Trong thử nghiệm thị trường, các nhóm khách hàng tiềm năng được kết hợp và thử nghiệm về mức độ phản ứng với sản phẩm, và phản ứng này được ngoại suy cho toàn thị trường để ước tính nhu cầu về sản phẩm. Khảo sát thị trường liên quan đến việc thu thập thông tin từ nhiều khách hàng tiềm năng, điển hình là thông qua phỏng vấn, khảo sát dựa trên điện thoại và khảo sát thư viết.
3. Các phương pháp dãy thời gian
Các phương pháp dãy thời gian sử dụng các số liệu quá khứ để dự báo dữ liệu tương lai. Có khá nhiều kỹ thuật thường được sử dụng, mỗi kỹ thuật có ưu và nhược điểm khác nhau. Chúng ta sẽ tìm hiểu mỗi quan hệ giữa các phương pháp dự báo dãy thời gian và hiệu ứng bullwhip trong chương 4. Phần tiếp theo chúng ta thảo luận một vài phương pháp dãy thời gian thường sử dụng.
• Bình quân trượt. Mỗi dự báo là số bình quân của nhiều mức nhu cầu khác nhau. Vấn đề then chốt ở đây là lựa chọn số lượng các điểm trong bình quân trượt nhằm tối thiểu tác động của tính bất quy tắc trong dữ liệu. Xem chương 4 để hiểu rõ hơn về ảnh hưởng của bình quân trượt đến hiệu ứng bullwhip
• San bằng mũ. Mỗi dự báo là bình quân trọng số của dự báo trước và điểm nhu cầu gần đây. Vì vậy, phương pháp này là tương tự với bình quân trượt, ngoại trừ đó là bình quân trọng số cho tất cả các điểm dữ liệu quá khứ, trong đó các điểm càng gần thời gian hiện tại có trọng số càng cao.
• Các phương pháp đối với dữ liệu có xu hướng. Hai cách tiếp cận trước giả sử rằng không có xu hướng trong số liệu. Nếu có một xu hướng, các phương pháp chẳng hạn như phân tích hồi quy và phương pháp Holt là hữu ích hơn, đặc biệt khi chúng chứng tỏ tính xu hướng trong dữ liệu. Phân tích hồi quy ấn định đường thẳng cho chuỗi dữ liệu, trong khi phương pháp Holt kết hợp khái niệm san bằng mũ với khả năng cho phép đường tuyến tính trong chuỗi dữ liệu.
• Phương pháp đỗi với dữ liệu mùa vụ. Nhiều kỹ thuật giải thích sự thay đổi có tính
mùa vụ trong nhu cầu. Ví dụ, phương pháp phân tích (phân ly) mùa vụ loại bỏ các vấn đề thời vụ từ số liệu và sau đó áp dụng các kỹ thuật liệt kê ở trên
với số liệu đã hiệu chỉnh. Một cách tương tự, phương pháp Winter là một phiên bản của san bằng mũ vận dụng cho tính xu hướng và thời vụ.
• Các phương pháp phức tạp hơn. Nhiều phương pháp phức tạp hơn đã được đề nghị. Tuy nhiên, các phương pháp này tiêu biểu là không được sử dụng trong thực tế, và thực ra, có nhiều minh chứng chứng tỏ rằng các phương pháp này không tốt hơn các phương pháp đơn giản.
4. Các phương pháp nhân quả
Xem xét lại các phương pháp dãy thời gian được trình bày ở trên, dự báo chủ yếu dựa trên các giá trị trước đây của các dữ liệu đã được dự báo. Ngược lại, các phương pháp nhân quả thực hiện dự báo dựa trên dữ liệu hơn là dữ liệu đã được dự báo. Đặc biệt hơn, dự báo là phương trình của một vài loại dữ liệu. Ví dụ, dự báo thang nhân quả đối với quý đến có thể là phương trình của lạm phát, GNP, tỷ lệ thất nghiệp, thời tiết hoặc bất cứ điều gì ngoài sản lượng trong quý này.
5. Lựa chọn kỹ thuật dự báo thích hợp
Có quá nhiều kỹ thuật dự báo, phương pháp nào là thích hợp cho một tình huống cụ thể? Chamber, Mullick và Smith (CMS), trong bài báo đăng trên Harrvard Business Review, đưa ra ba câu hỏi giúp trả lời vấn đề này:
• M ụ c đ ích củ a dự báo là gì? Chúng được sử dụng như thế nào? Nế u ước tính doanh thu thuần là đúng, kỹ thuật ít phức tạp hơn có thể thích hợp, trong khi nếu yêu cầu dự báo chi tiết thì các kỹ thuật tân tiến hơn có thể cần thiết.
• Tính năng động của hệ thống sử dụ ng để dự báo là gì? Hệ thống có bị ảnh hưởng bởi loại dữ liệu kinh tế chỉ ra rằng mô hình thời vụ là thích hợp không? Nhu cầu có thay đổi theo mùa, hoặc có khuynh hướng tăng hoặc giảm? Tất cả những điều này ảnh hưởng đến việc lựa chọn công cụ dự báo.
• Quá khứ có vai trò quan trọng như thế nào trong dự báo tuơng lai? Nếu quá khứ là rất quan trọng, các phương pháp dãy thời gian là phù hợp. Nếu những thay đổi đáng kể của toàn hệ thống làm cho quá khứ ít quan trọng, các phương pháp nghiên cứu thị trường hoặc phán đoán có thể cần thiết.
CMS cũng chỉ ra rằng ở các giai đoạn khác nhau trong chu kỳ sống sản phẩm, các kỹ thuật dự báo khác nhau là thích hợp. Trong giai đoạn phát triển sản phẩm, phương pháp nghiên cứu thị trường có thể biểu thị sản lượng tiềm năng của các sản phẩm và các bản thiết kế sản phẩm khác nhau. Trong giai đoạn kiểm nghiệm và giới thiệu, nghiên cứu thị trường thêm có thể có giá trị, và phương pháp phán đoán có thể hữu ích để dự báo nhu cầu tương lai về sản phẩm. Trong giai đoạn phát triển nhanh chóng của sản phẩm trong chu kỳ sống, số liệu dãy thời gian là quan trọng nhất. Cuối cùng, một khi sản phẩm ở vào giai đoạn bão hòa, phân tích dãy thời gian sẽ có giá trị, cũng như vậy với phương pháp nhân quả, thực hiện dự báo doanh thu dài hạn trên cơ sở dự báo về dữ liệu thương mại.
Cuối cùng, chất lượng của dự báo có thể được cải thiện bằng cách kết hợp các kỹ thuật khác nhau được mô tả ở trên. Georgoff và Murdick quan sát thấy rằng “ Kết quả của dự báo kết hợp thường tốt hơn các kỹ thuật dữ báo riêng lẻ hoặc phân tích cá nhân của các chuyên gia”. Điều này đặc biệt thích hợp vì thực sự khó để có thể nói rằng sẽ ưu tiên vận dụng kỹ thuật dự báo nào trong một tình huống cụ thể.
CHƯƠNG 4 :