DỰ ÁN CÁ NHÂN MÔN PHÂN TÍCH KINH DOANH CAO HỌC

Nội dung chính của Dự án Cá nhân gồm ba phần: PHẦN 1: LẬP TRÌNH TUYẾN TÍNH VÀ BÀI TOÁN PHÂN TÍCH KINH DOANH Trong phần này thông qua Excel Solver giúp công ty tìm ra được số l

Trang 1

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM KHOA KINH DOANH QUỐC TẾ - MARKETING

DỰ ÁN CÁ NHÂN MÔN PHÂN TÍCH KINH DOANH

Trang 2

DỰ ÁN CÁ NHÂN MÔN PHÂN TÍCH KINH DOANH

Trang 3

CAM KẾT

Dự án cá nhân này do chính tôi xây dựng, xử lý và không sao chép từ bất cứ bài viết của bất cứ tổ chức và cá nhân nào khác (This report has been written by me and has not received any previous academic credit at this or any other institution)

Trang 4

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM KHOA KINH DOANH QUỐC TẾ - MARKETING

ĐÁNH GIÁ CỦA GIẢNG VIÊN HƯỚNG DẪN

Trang 5

TÓM LƯỢC

Lời đầu tiên em xin chân thành cảm ơn cô Nguyễn Thị Hồng Thu, Giáo viên bộ môn Phân tích Kinh doanh đã tận tình chỉ dạy chúng em những kiến thức bổ trợ cho môn học này Mong rằng những kiến thức cô truyền đạt em không chỉ vận dụng trong bài tập này

mà còn trong chính công việc hiện tại của mình

Nội dung chính của Dự án Cá nhân gồm ba phần:

PHẦN 1: LẬP TRÌNH TUYẾN TÍNH VÀ BÀI TOÁN PHÂN TÍCH KINH DOANH Trong phần này thông qua Excel Solver giúp công ty tìm ra được số lượng sản phẩm cung cấp cho bốn khách hàng tiềm năng của mình với mục đích tối đa hóa lợi nhuận PHẦN 2: PHÂN TÍCH RA QUYẾT ĐỊNH VÀ BÀI TOÁN PHÂN TÍCH KINH

DOANH

Giúp bạn Văn ra quyết định đúng hơn khi tham gia trò chơi của trường và đạt phần thưởng cao nhất của trò chơi đó

PHẦN 3: DỰ BÁO VÀ PHÂN TÍCH KINH DOANH

Dự báo số tiền quyên góp của Quỹ Vaccine tại Hoa Kỳ bằng ba mô hình Last-Value Forecasting Method; Averaging Forecasting Method, Moving-Average Forecasting Method

Trang 6

MỤC LỤC

NỘI DUNG CHÍNH 9

PHẦN 1: LẬP TRÌNH TUYẾN TÍNH VÀ BÀI TOÁN PHÂN TÍCH KINH DOANH 9

I Mở đầu: Bối cảnh tình huống (1-3 trang) 9

II Ứng dụng thực tiễn 10

1 Giới thiệu mô hình lập trình tuyến tính ứng dụng trong tình huống mà bạn xây dựng 10

2 Xác định vấn đề 10

3 Thiết lập mô hình đại số tuyến tính cho tình huống 10

4 Xây dựng mô hình lập trình tuyến tính trên Excel Solver và QM for Windows 12

5 Trình bày và giải thích kết quả/ giải pháp tối ưu của mô hình từ Excel Solver và QM for Windows 12

6 Phân tích độ nhạy- Nếu thì (What- If Analysis) trên Excel Solver và QM for Windows, xác định vùng giá trị min-max (range) của các biến trong hàm mục tiêu không làm thay đổi giải pháp tối ưu (optimal solution) khi: từng biến trong hàm mục tiêu thay đổi 13

III Kết luận 13

PHẦN 2: PHÂN TÍCH RA QUYẾT ĐỊNH VÀ BÀI TOÁN PHÂN TÍCH KINH DOANH 14

I Mở đầu: Bối cảnh tình huống (1-3 trang) 14

II Ứng dụng thực tiễn (6-12 trang) 14

1 Giới thiệu mô hình phân tích ra quyết định ứng dụng trong tình huống đã xây dựng 14

2 Thiết lập bảng “thu hồi” (Payoff Table) 15

2.1 Trả lời câu hỏi số 4 với mức thưởng 5.000.000 VNĐ có gọi điện cho bạn 15

2.2 Trả lời câu hỏi số 5 với mức thưởng 10.000.000 VNĐ không gọi bạn bè 15

3 Áp dụng quy luật ra quyết định Bayes để giải quyết bài toán ra quyết định, xây dựng Decision Tree trên QM for Windows và giải thích kết quả thu được bên dưới: 16

4 Xác định giá trị của thông tin hoàn hảo: 17

III Kết luận 20

PHẦN 3: DỰ BÁO VÀ PHÂN TÍCH KINH DOANH 21

I Mở đầu (Introduction): 21

II Cơ sở lý luận: 21

2 Giới thiệu và mô tả 3 mô hình dự báo: 21

2.1 Mô hình Last-Value Forecasting Method: 21

2.2 Mô hình Averaging Forecasting Method: 21

Trang 7

2.3 Mô hình Moving-Average Forecasting Method: 21

3 Tính chỉ số mean absolute deviation (called MAD) và mean square error (often abbreviated MSE) để đo lường sai số dự báo 21

III Ứng dụng thực tiễn: 22

1 Áp dụng 3 mô hình dự báo vào tình huống đã xây dựng: 22

2 Tính chỉ số mean absolute deviation (called MAD) và mean square error (often abbreviated MSE) để đo lường sai số dự báo tình huống đã xây dựng: 23

2.1 Mô hình Last-Value Forecasting Method: 23

2.2 Mô hình Averaging Forecasting Method: 24

2.3 Mô hình Moving-Average Forecasting Method: 25

3 Áp dụng 3 mô hình dự báo áp dụng vào tình huống đã xây dựng để dự báo có tính đến yếu tố thời vụ. 25

3.1 Mô hình Last-Value Forecasting Method tính đến yếu tố thời vụ: 26

3.2 Mô hình Averaging Forecasting Method tính đến yếu tố thời vụ: 30

3.3 Mô hình Moving-Average Forecasting Method tính đến yếu tố thời vụ: 30

3.4 Tính chỉ số mean absolute deviation (called MAD) và mean square error (often abbreviated MSE) để đo lường sai số dự báo tình huống mà bạn xây dựng có tính đến yếu tố thời vụ. 31

3.5 Chọn mô hình dự báo tốt nhất và lý giải tại sao. 32

IV Kết luận 32

TÀI LIỆU THAM KHẢO 33

Trang 8

MỤC LỤC BẢNG, SƠ ĐỒ VÀ HÌNH

Bảng 1 Lợi nhuận đơn vị cho mỗi sự kết hợp 9

Bảng 2 Lựa chọn trả lời Q4 có gọi bạn bè 15

Bảng 3 Lựa chọn trả lời Q4 không gọi bạn bè 15

Bảng 4 Lựa chọn trả lời Q5 có gọi bạn bè 15

Bảng 5 Lựa chọn trả lời Q5 không gọi bạn bè 16

Bảng 6 Trả lời Q4 có gọi bạn bè hoặc ra về với 2.500.000 VNĐ 18

Bảng 7 Trả lời Q4 không gọi bạn bè hoặc ra về với 2.500.000 VNĐ 19

Bảng 8 Trả lời Q5 có gọi bạn bè hoặc ra về với 5.000.000 VNĐ 19

Bảng 9 Trả lời Q5 không gọi bạn bè hoặc ra về với 5.000.000 VNĐ 19

Bảng 10 Các khoản quyên góp từ 2019-2021 21

Hình 4 Decision Tree, kết quả sau khi chạy QM for Windows 16 Hình 5 Dự báo các khoản quyên góp cho quỹ Vaccine tại Hoa Kỳ 22 Hình 6 Dự báo các khoản quyên góp theo mô hình Last-Value Forecasting Method 23 Hình 7 Dự báo các khoản quyên góp theo mô hình Averaging Forecasting Method 24 Hình 8 Dự báo các khoản quyên góp theo mô hình Moving-Average Forecasting Method 25 Hình 9 Mô hình Last-Value Forecasting Method tính đến yếu tố thời vụ 26 Hình 10 Mô hình Averaging Forecasting Method tính đến yếu tố thời vụ 30 Hình 11 Mô hình Moving-Average Forecasting Method tính đến yếu tố thời vụ 31

Trang 9

NỘI DUNG CHÍNH PHẦN 1: LẬP TRÌNH TUYẾN TÍNH VÀ BÀI TOÁN PHÂN TÍCH KINH DOANH

I Mở đầu: Bối cảnh tình huống (1-3 trang)

Công ty Tiffan mới thành lập và sáng tạo ra một sản phẩm duy nhất được tung ra thị trường, sản phẩm được sản xuất bởi 3 nhà máy Sản phẩm tốt nên họ nhận được yêu cầu đặt hàng vượt quá năng lực sản xuất của công ty Trong tháng sau, công ty có 4 khách hàng tiềm năng cần mua hàng Khách hàng 1 là khách hàng tiềm năng nhất của công ty, toàn bộ đơn hàng sẽ được đáp ứng Khách hàng 2 và 3 cũng là những khách hàng có giá trị nên sẽ được đáp ứng tối thiểu 1/3 đơn hàng Khách hàng 4, không thật sự tiềm năng nên công ty không đảm bảo bất kỳ giá trị tối thiểu nào cho đơn hàng Sẽ có đủ đơn vị được sản xuất để vượt quá số lượng tối thiểu này Do có sự thay đổi đáng kể trong chi phí vận chuyển, lợi nhuận ròng thu được trên mỗi đơn vị bán được rất khác nhau, tùy thuộc vào nhà máy đang cung cấp cho khách hàng nào Do đó, quyết định cuối cùng sẽ dựa trên việc tối đa hóa lợi nhuận

Lợi nhuận đơn vị cho mỗi sự kết hợp của một nhà máy cung cấp cho một khách hàng được thể hiện trong Bảng 1 Cột ngoài cùng bên phải cho biết số lượng đơn vị mà mỗi nhà máy sẽ sản xuất trong tháng tới (tổng cộng là 22.000) Hàng dưới cùng hiển thị số lượng đặt hàng mà khách hàng yêu cầu (tổng cộng 31.000) Hàng tiếp theo đến cuối cùng cung cấp số lượng tối thiểu sẽ được cung cấp (tổng cộng 14.000), dựa trên các quyết định của công ty

Công ty cần xác định có bao nhiêu đơn vị để bán cho mỗi khách hàng (quan sát những số tiền tối thiểu này) và bao nhiêu đơn vị cần vận chuyển từ mỗi nhà máy đến mỗi khách hàng để tối đa hóa lợi nhuận

Khách hàng Lợi nhuận đơn vị

7,000

Đơn hàng tối thiếu

Đơn hàng đặt

8,000 4,000 2,000 0 8,000 9,000 6,000 8,000

Bảng 1 Lợi nhuận đơn vị cho mỗi sự kết hợp

Trang 10

II Ứng dụng thực tiễn

1 Giới thiệu mô hình lập trình tuyến tính ứng dụng trong tình huống mà bạn xây dựng Tổng số lượng sản phẩm Nhà máy 1, 2, 3 cung cấp cho Khách hàng 1, 2, 3, 4 tương ứng với Số lượng mà Nhà máy 1, 2, 3 sản xuất

Số lượng sản phẩm 3 nhà máy cung cấp cho Khách hàng 1, 2, 3, 4 >= Số lượng sản phẩm tối thiểu phải cung cấp cho Khách hàng 1, 2, 3, 4

Số lượng sản phẩm 3 nhà máy cung cấp cho Khách hàng 1, 2, 3, 4 <= Số lượng sản phẩm Khách hàng 1, 2, 3, 4 đặt hàng

Hàm mục tiêu của bài toán là tối đa lợi nhuận, vì vậy lợi nhuận đơn vị một sản phẩm được sản xuất bởi một nhà máy cho từng khách hàng nhân cho số lượng sản phẩm được cung cấp bởi một nhà máy cho từng khách hàng phải đạt giá trị cao nhất

2 Xác định vấn đề

Vấn đề cần phải giải quyết trong bài toán:

Chúng ta cần giúp công ty xác định số lượng sản phẩm được sản xuất ở mỗi nhà máy để cung cấp cho từng khách hàng sao cho có thể đáp ứng số lượng sản phẩm phải cung cấp tối thiểu cho từng khách hàng theo yêu cầu nêu trên và tối đa hóa lợi nhuận từ việc bán các sản phẩm này

3 Thiết lập mô hình đại số tuyến tính cho tình huống

Đặt các biến:

Số lượng sản phẩm Nhà máy 1 cung cấp:

Số lượng sản phẩm Nhà máy 1 cung cấp cho Khách hàng 1 là P1C1

Trang 11

Khả năng Nhà máy 1 có thể sản xuất là 10,000 đơn vị sản phẩm, vậy tổng sản phẩm Nhà máy 1 cung cấp cho Khách hàng 1, 2, 3, 4 cũng là 10,000 đơn vị sản phẩm, khả năng Nhà máy 2 có thể sản xuất là 5,000 đơn vị sản phẩm và khả năng Nhà máy 3 có thể sản xuất là 7,000 đơn vị sản phẩm, ta có các phương trình:

Tiffan cần tối ưu hóa lợi nhuận của số lượng sản phẩm bán được, gọi P là lợi nhuận cần phải tối

ưu hóa, lợi nhuận của các sản phẩm bán được bằng lợi nhuận đơn vị của từng sản phẩm mà mỗi nhà máy cung cấp cho mỗi khách * số lượng sản phẩm mà mỗi nhà máy cung cấp cho mỗi khách hàng để tối ưu hóa lợi nhuận

Số lượng sản phẩm mỗi nhà máy cung cấp cho mỗi khách hàng sao cho:

P = $55*P1C1 + $42*P1C2 + $46*P1C3 + $53*P1C4 + $37*P2C1 + $18*P2C2 + $32*P2C3 +

$48*P2C4 + $29*P3C1 + $59*P3C2 + $51*P3C3 + $35*P3C4 , P phải đạt giá trị cao nhất

Trang 12

4 Xây dựng mô hình lập trình tuyến tính trên Excel Solver và QM for Windows

Hình 1 Kết quả Excel Solver

Hình 2 Kết quả QM for Windows

5 Trình bày và giải thích kết quả/ giải pháp tối ưu của mô hình từ Excel Solver và QM for Windows

Như các điều kiện về nhà máy và số lượng sản phẩm tối thiểu cho từng khách hàng nêu ở trên:

- Số lượng sản phẩm lớn nhất được cung cấp cho từng khách hàng lợi nhuận tối đa

đạt được là $1,185,000

- Khách hàng 1 nhận được 8000 sản phẩm từ nhà máy 1

Trang 13

6 Phân tích độ nhạy- Nếu thì (What- If Analysis) trên Excel Solver và QM for

Windows, xác định vùng giá trị min-max (range) của các biến trong hàm mục tiêu

không làm thay đổi giải pháp tối ưu (optimal solution) khi: từng biến trong hàm mục tiêu thay đổi

Hình 3 Phân tích độ nhạy Excel Solver

Excel Solver phân tích độ nhạy cho thấy rằng khi chỉ số Objective Coefficient (Lợi nhuận đơn vị); Allowable Increase/ Decrease là Khoảng được phép tăng hoặc giảm của lợi

nhuận đơn vị

III Kết luận

Như vậy thông qua Excel Solver và QM for Window có thể giúp công ty xác định được số lượng sản phẩm mỗi nhà máy có thể cung cấp cho mỗi khách hàng, Khách hàng 1 nhận được 8000

sản phẩm từ nhà máy 1; Khách hàng 2 nhận được 7000 sản phẩm từ nhà máy 3; Khách

hàng 3 nhận được 2000 sản phẩm từ nhà máy 1; Khách hàng 4 nhận được 5000 sản phẩm

từ nhà máy 2 nhằm lợi nhuận tối đa của công ty là $1,185,000

Trang 14

PHẦN 2: PHÂN TÍCH RA QUYẾT ĐỊNH VÀ BÀI TOÁN PHÂN TÍCH KINH DOANH

I.Mở đầu: Bối cảnh tình huống (1-3 trang)

Trường tôi có tổ chức chương trình “Rung chuông vàng”, bạn Văn đã trả lời chính xác đến câu

hỏi thứ 3 và nhận được 2.500.000 VNĐ, bước qua câu hỏi thứ 4 – giải thưởng là 5.000.000

VNĐ Và câu hỏi cuối cùng giải thưởng là 10.000.000 VNĐ

Có 2 sự lựa chọn cho Văn là đi tiếp hoặc dừng lại và ra về với 2.500.000 VNĐ Nếu đi tiếp và trả

lời chính xác câu hỏi thứ 4, bạn có thể chọn ra về với 5.000.000 VNĐ hoặc tiếp tục trả lời câu

hỏi cuối cùng – giải thưởng là 10.000.000 VNĐ Nếu trả lời đúng tất cả câu hỏi bạn sẽ chiến

thắng cuộc thi với tiền thưởng là 10.000.000 VNĐ Nếu trả lời sai câu hỏi số 4 hoặc 5 người

chơi phải ra về ngay lập tức với số tiền 500.000 VNĐ

Bên cạnh đó, suốt quá trình dự thi người chơi có duy nhất 1 quyền là “Gọi bạn bè”, bạn ấy chưa

sử dụng và dành quyền trợ giúp đó cho câu hỏi số 4 hoặc số 5 Giả sửa, khi không lựa chọn

quyền trợ giúp, nếu chọn đáp án câu hỏi 4 thì cơ hội trả lời đúng là 65% và tỷ lệ trả lời đúng cho

câu hỏi số 5 là 50% Nếu người chơi sử dụng quyền trợ giúp, tỷ lệ trả lời đúng cho câu hỏi 4 và 5

lần lượt là 80% và 65%

II.Ứng dụng thực tiễn (6-12 trang)

1 Giới thiệu mô hình phân tích ra quyết định ứng dụng trong tình huống đã xây

dựng

Sơ đồ 1 Giới thiệu mô hình phân tích

Bạn Văn lựa chọn

Trả lời Q4 nhận 5,000.000 VNĐ

Gọi điện cho bạn

Trả lời đúng câu hỏi Q4 (80%)

Trả lời câu hỏi Q5 nhận 10.000.000 VNĐ

Trả lời đúng Q5 nhận 10.000.000 VNĐ (50%) Trả lời sai Q5 ra về với 500.000 VNĐ (50%)

Ra về với 5.000.000 VNĐ Trả lời sai Q4 ra

về với 500.000 VNĐ (20%)

Không gọi điện cho bạn

Trả lời đúng Q4 (65%)

Trả lời Q5 nhận 10.000.000 VNĐ

Gọi điện cho bạn

Trả lời đúng Q5 nhận thưởng 10.000.000 VNĐ (65%) Trả lời sai Q5 ra về với 500.000 VNĐ (35%)

Không gọi điện cho bạn

Trả lời đúng Q5 nhận thương 10.000.000 VNĐ (50%) Trả lời sai Q5 ra về với 500.000 VNĐ (50%)

Ra về với 5.000.000 VNĐ Trả lời sai Q4 ra

về với 500.000 VNĐ (35%)

Ra về với 2.500.000 VNĐ

Trang 15

2 Thiết lập bảng “thu hồi” (Payoff Table)

2.1 Trả lời câu hỏi số 4 với mức thưởng 5.000.000 VNĐ có gọi điện cho bạn Giá trị kỳ vọng thu hồi = Tiền thưởng khi trả lời đúng x Xác suất khi trả lời đúng + Tiền thưởng khi trả lời sai x Xác suất khi trả lời sai = 5.000.000 x 0.8 + 500.000 x 0.2 = 4.100.000 VNĐ

Bảng 2 Lựa chọn trả lời Q4 có gọi bạn bè

Trả lời câu hỏi số 4 với mức thưởng 5.000.000 VNĐ không gọi điện cho bạn bè

Giá trị kỳ vọng thu hồi = 5.000.000 x 0.65 + 500.000 x 0.35 = 3.425.000 VNĐ

Bảng 3 Lựa chọn trả lời Q4 không gọi bạn bè

Trả lời câu hỏi số 5 với mức thưởng 10.000.000 VNĐ gọi điện cho bạn bè

Giá trị kỳ vọng thu hồi = 10.000.000 x 0.65 + 500.000 x 0.35 = 6.675.000 VNĐ

Trả lời Q5 thưởng

Bảng 4 Lựa chọn trả lời Q5 có gọi bạn bè

2.2 Trả lời câu hỏi số 5 với mức thưởng 10.000.000 VNĐ không gọi bạn bè Giá trị kỳ vọng thu hồi = 10.000.000 x 0.5 + 500.000 x 0.5 =5.250.000 VNĐ

Trang 16

Payoff Table Tiền thưởng Kỳ vọng

Trả lời Q5 thưởng

Bảng 5 Lựa chọn trả lời Q5 không gọi bạn bè

3 Áp dụng quy luật ra quyết định Bayes để giải quyết bài toán ra quyết định, xây dựng Decision Tree trên QM for Windows và giải thích kết quả thu được bên dưới:

Hình 4 Decision Tree, kết quả sau khi chạy QM for Windows

Giải thích kết quả:

Định dạng
Số trang	33
Dung lượng	1,12 MB