TỔNG QUAN VỀ DỰ BÁO
K HÁI NIỆM , ĐẶC ĐIỂM VÀ PHÂN LOẠI DỰ BÁO
Trong quá trình sản xuất kinh doanh, các nhà quản trị phải đưa ra quyết định liên quan đến tương lai, và kỹ thuật dự báo đóng vai trò quan trọng trong việc tăng độ tin cậy và giảm rủi ro cho những quyết định này Kỹ thuật dự báo trở nên cần thiết đối với doanh nghiệp, đặc biệt trong môi trường kinh tế thị trường hiện nay, nơi mà sự cạnh tranh giữa các doanh nghiệp diễn ra gay gắt.
Dự báo là khoa học và nghệ thuật tiên đoán các hiện tượng và sự việc trong tương lai, dựa trên các tài liệu và thông tin hiện có.
Các dãy số liệu của các thời kỳ quá khứ;
Căn cứ vào kết quả phân tích các nhân tố ảnh hưởng đối với kết quả dự báo;
Căn cứ vào các kinh nghiệm thực tế đã được đúc kết
Như vậy, tính khoa học ở đây thể hiện ở chỗ:
Căn cứ vào dãy số liệu của các thời kỳ quá khứ;
Căn cứ vào kết quả phân tích các nhân tố ảnh hưởng đối với kết quả dự báo
Tính nghệ thuật trong quyết định được thể hiện qua việc kết hợp kinh nghiệm thực tế và khả năng phán đoán của các chuyên gia với kết quả dự báo, nhằm đạt được độ chính xác và tin cậy cao trong các quyết định.
1.1.2 Đặc điểm của dự báo
Không thể xác định tương lai một cách chắc chắn do tính không chính xác của các dự báo Bất kể phương pháp nào được áp dụng, luôn có yếu tố không chắc chắn cho đến khi sự kiện thực tế xảy ra.
Trong dự báo, luôn tồn tại điểm mù, cho thấy rằng chúng ta không thể hoàn toàn chính xác về những gì sẽ xảy ra trong tương lai Điều này có nghĩa là không phải mọi khía cạnh đều có thể dự đoán nếu chúng ta thiếu hiểu biết về vấn đề cần phân tích.
Dự báo đóng vai trò quan trọng trong việc cung cấp thông tin cho các nhà hoạch định chính sách về phát triển kinh tế và xã hội Những chính sách mới không chỉ ảnh hưởng đến tương lai mà còn tác động đến độ chính xác của các dự báo.
Dự báo có thể được phân loại theo nhiều cách, trong đó hai cách cơ bản nhất là dựa vào thời gian và lĩnh vực dự báo Căn cứ vào thời gian dự báo, người ta có thể phân chia thành các loại khác nhau để phục vụ mục đích cụ thể.
Dự báo dài hạn (> 3 năm)
Dự báo trung hạn (> 3 tháng - 3 năm)
Dự báo ngắn hạn (< 3 tháng)
Dự báo dài hạn, kéo dài từ 3 năm trở lên, đóng vai trò quan trọng trong việc lập kế hoạch sản xuất sản phẩm mới, nghiên cứu và ứng dụng công nghệ tiên tiến, cũng như định vị và mở rộng doanh nghiệp.
Dự báo trung hạn, thường kéo dài từ 3 tháng đến 3 năm, là cần thiết cho việc lập kế hoạch sản xuất, kế hoạch bán hàng, xây dựng ngân sách, quản lý dòng tiền, huy động nguồn lực và tổ chức hoạt động tác nghiệp.
Dự báo ngắn hạn thường kéo dài dưới ba tháng, nhưng có thể lên đến một năm Loại dự báo này chủ yếu được áp dụng trong việc lập kế hoạch mua sắm, điều phối công việc, cân bằng nguồn nhân lực và phân chia nhiệm vụ.
* Dự báo trung hạn và dài hạn có ba đặc trưng khác với dự báo ngắn hạn:
Dự báo trung hạn và dài hạn cần phải xem xét một cách toàn diện nhiều vấn đề, nhằm hỗ trợ cho các quyết định quản lý liên quan đến hoạch định kế hoạch sản xuất sản phẩm và quy trình công nghệ.
Dự báo ngắn hạn thường sử dụng nhiều phương pháp luận hơn so với dự báo dài hạn, với các kỹ thuật toán học phổ biến như bình quân di động, san bằng mũ và hồi quy theo xu hướng Ngược lại, các phương pháp ít định lượng thường được áp dụng để dự đoán các vấn đề lớn hơn, chẳng hạn như việc có nên đưa một sản phẩm mới vào danh sách các mặt hàng của công ty hay không.
Dự báo ngắn hạn thường có độ chính xác cao hơn so với dự báo dài hạn, do các yếu tố ảnh hưởng đến nhu cầu thay đổi hàng ngày Khi kéo dài thời gian dự báo, độ chính xác có thể giảm, vì vậy cần thường xuyên cập nhật và cải tiến các phương pháp dự báo để đảm bảo hiệu quả.
Dự báo kinh tế: là dự báo các hiện tượng kinh tế như: o Tốc độ tăng trưởng kinh tế o Tỷ lệ lạm phát o Giá cả o Trữ lượng tài nguyên…
Dự báo công nghệ và kỹ thuật sản xuất liên quan đến các vấn đề như năng lượng mới, nguyên liệu mới, phương pháp công nghệ mới và máy móc thiết bị mới Những yếu tố này đóng vai trò quan trọng trong việc nâng cao hiệu quả sản xuất và đáp ứng nhu cầu thị trường hiện đại.
Dự báo nhu cầu: là dự báo nhu cầu sản xuất như: o Nhu cầu số lượng sản phẩm o Nhu cầu nguyên vật liệu o Nhu cầu máy móc thiết bị…
Trong chương này, chúng ta nghiên cứu về dự báo ngắn hạn, một lĩnh vực quan trọng trong việc dự đoán nhu cầu.
V AI TRÒ CỦA DỰ BÁO
Trong môi trường kinh doanh đầy biến động, nhu cầu về sản phẩm và dịch vụ thường xuyên thay đổi theo từng tháng Do đó, việc dự báo chính xác sẽ đóng vai trò quan trọng đối với sự phát triển và thành công của doanh nghiệp.
- Là phần thiết yếu trong quản trị sản xuất tác nghiệp, là cơ sở để đưa ra các quyết định chiến lược cũng như chiến thuật của doanh nghiệp
- Có ảnh hưởng rất lớn đến hiệu quả hoạch định và thực hiện kế hoạch sản xuất cũng như các kế hoạch bộ phận khác của doanh nghiệp
- Giúp doanh nghiệp chủ động trong việc đáp ứng cầu, không bỏ sót cơ hội kinh doanh
- Giúp các nhà quản trị doanh nghiệp có kế hoạch sử dụng hợp lý và có hiệu quả các nguồn lực
Để đảm bảo sự phối hợp hiệu quả giữa các bộ phận trong doanh nghiệp, việc cung cấp cơ sở vững chắc là rất quan trọng Để duy trì hoạt động sản xuất kinh doanh ổn định, doanh nghiệp cần đảm bảo rằng các nguồn lực được cung cấp đầy đủ và kịp thời Điều này đòi hỏi doanh nghiệp phải thực hiện dự báo một cách chính xác và liên tục.
Q UY TRÌNH DỰ BÁO TRONG DOANH NGHIỆP
Dù là dùng phương pháp nào, để tiến hành dự báo ta triển khai theo các bước như sau:
Bước 1: Xác định mục tiêu của dự báo;
Bước 2: Xác định độ dài thời gian dự báo (ngắn hạn, trung hạn hay dài hạn);
Bước 3: Lựa chọn phương pháp dự báo;
Bước 4: Lựa chọn đối tượng để thu thập thông tin;
Bước 5: Thu thập thông tin dự báo bằng bảng câu hỏi, phỏng vấn trực tiếp hoặc thông qua đội ngũ cộng tác viên marketing;
Bước 6: Xử lý thông tin;
Bước 7: Xác định xu hướng dự báo (Xu hướng tuyến tính, xu hướng chu kỳ, xu hướng thời vụ hay xu hướng ngẫu nhiên);
Bước 8: Phân tích, tính toán, ra quyết định về kết quả dự báo
Việc thực hiện dự báo một cách liên tục trong thời gian dài giúp thu thập dữ liệu thường xuyên, đồng thời cho phép tính toán dự báo tự động, thường được thực hiện trên máy tính điện toán.
C ÁC NHÂN TỐ TÁC ĐỘNG TỚI DỰ BÁO NHU CẦU
Nhân tố chủ quan hoặc còn gọi là các nhân tố bên trong nội bộ doanh nghiệp bao gồm:
- Cách thức phục vụ khách hàng
- Giá bán Đây là những nhân tố mà doanh nghiệp có khả năng chủ động điều chỉnh kiểm soát
Nhân tố khách quan quan trọng nhất là thị trường, bao gồm:
- Cảm tình của người tiêu dung
- Các nhân tố ngẫu nhiên
- Ngoài ra còn phải xét đến môi trường kinh tế bao gồm:
- Thực trạng nền kinh tế
1.4.3 Tác động của chu kỳ sống của sản phẩm đối với dự báo nhu cầu
Chu kỳ sống của sản phẩm là yếu tố quan trọng trong dự báo, đặc biệt là cho các dự báo dài hạn Hầu hết các sản phẩm được thị trường chấp nhận đều trải qua 4 giai đoạn trong chu kỳ sống của chúng.
Trong giai đoạn đầu của chu kỳ sống sản phẩm, thiếu hụt dữ liệu là một vấn đề phổ biến Do đó, việc dự báo thường dựa vào khảo sát thực tế trên thị trường, ý kiến và phán đoán của các chuyên gia, cũng như phân tích các sản phẩm tương tự.
Trong các giai đoạn tiếp theo, lượng số liệu ngày càng phong phú, cho phép chúng ta áp dụng các phương pháp thống kê để dự báo với độ chính xác cao hơn.
Trong giai đoạn suy thoái, mặc dù có nhiều số liệu thống kê, nhưng chúng thường không hỗ trợ hiệu quả cho việc dự báo suy giảm Do đó, cần áp dụng các phương pháp như điều tra thị trường, tham khảo ý kiến chuyên gia, hoặc phân tích các sản phẩm tương tự, giống như cách đã thực hiện trong giai đoạn đầu.
C ÁC PHƯƠNG PHÁP DỰ BÁO NHU CẦU
Các phương pháp dự báo định tính sử dụng phân tích dựa trên suy đoán và cảm nhận, phụ thuộc vào trực giác, kinh nghiệm và sự nhạy cảm của nhà quản trị Mặc dù mang tính phỏng đoán và không định lượng, nhưng những phương pháp này đơn giản, dễ thực hiện, thời gian nghiên cứu nhanh, chi phí thấp và thường đạt kết quả tốt Dưới đây là một số phương pháp dự báo định tính chủ yếu.
1.5.1.1 Lấy ý kiến của ban quản lý điều hành Đây là phương pháp dự báo được sử dụng khá rộng rãi Trong phương pháp này, cần lấy ý kiến của các nhà quản trị cao cấp, những người phụ trách các công việc quan trọng thường hay sử dụng các số liệu thống kê, chỉ tiêu tổng hợp của doanh nghiệp Ngoài ra cần lấy thêm ý kiến đánh giá của các cán bộ điều hành marketing, kỹ thuật, tài chính và sản xuất
Phương pháp này tận dụng trí tuệ và kinh nghiệm của các cán bộ trực tiếp tham gia vào hoạt động thực tiễn, nhưng cũng có nhược điểm là chịu ảnh hưởng của yếu tố chủ quan, với ý kiến của những người có chức vụ cao nhất thường chi phối quan điểm của các thành viên khác.
1.5.1.2 Phương pháp lấy ý kiến của lực lượng bán hàng
Người bán hàng nắm bắt sâu sắc nhu cầu và sở thích của người tiêu dùng, giúp họ dự đoán chính xác lượng hàng hóa và dịch vụ có khả năng tiêu thụ trong tương lai tại khu vực kinh doanh của mình.
Tập hợp ý kiến của nhiều người bán hàng tại nhiều khu vực khác nhau, có thể dự báo nhu cầu hàng hoá, dịch vụ của doanh nghiệp
Phương pháp này gặp nhược điểm do phụ thuộc vào đánh giá chủ quan của người bán hàng, dẫn đến việc một số người có thể đánh giá thấp lượng hàng hóa và dịch vụ để dễ dàng đạt định mức, trong khi những người khác lại có xu hướng dự báo quá cao nhằm nâng cao danh tiếng cá nhân.
1.5.1.3 Phương pháp nghiên cứu thị trường người tiêu dùng Đây là phương pháp lấy ý kiến khách hàng hiện tại và khách hàng tiềm năng của doanh nghiệp Việc nghiên cứu thường do bộ phận nghiên cứu thị trường thực hiện bằng nhiều hình thức như tổ chức các cuộc điều tra lấy ý kiến của khách hàng, phỏng vấn trực tiếp, phỏng vấn qua điện thoại, gửi phiếu điều tra tới gia đình hoặc cơ sở tiêu dùng
Phương pháp nghiên cứu thị trường người tiêu dùng giúp doanh nghiệp dự báo nhu cầu và hiểu rõ đánh giá của khách hàng về sản phẩm, dịch vụ Tuy nhiên, phương pháp này yêu cầu chi phí cao, tốn thời gian và cần chuẩn bị kỹ lưỡng cho các câu hỏi Ngoài ra, doanh nghiệp cũng có thể gặp khó khăn khi ý kiến của khách hàng không chính xác hoặc quá lý tưởng.
Phương pháp chuyên gia là kỹ thuật thu thập và phân tích các đánh giá dự báo thông qua việc tập hợp ý kiến từ những chuyên gia hàng đầu trong các lĩnh vực khoa học, kỹ thuật hoặc sản xuất.
Phương pháp chuyên gia sử dụng kinh nghiệm và khả năng dự đoán tương lai của các chuyên gia để đưa ra những dự báo khách quan về sự phát triển của khoa học kỹ thuật và sản xuất Quá trình này bao gồm việc xử lý thống kê các câu trả lời một cách khoa học, nhằm tổng hợp và phân tích các đánh giá dự báo của các chuyên gia.
Phương pháp chuyên gia được áp dụng đặc biệt có hiệu quả trong các trường hợp sau đây:
Khi dự báo một đối tượng có tầm bao quát lớn, việc xác định sẽ phụ thuộc vào nhiều yếu tố, trong đó hiện tại còn thiếu những cơ sở lý luận vững chắc.
- Trong điều kiện còn thiếu thông tin và những thống kê đầy đủ, đáng tin cậy về đặc tính của đối tượng dự báo
Trong bối cảnh có sự bất định cao trong việc dự báo, độ tin cậy về hình thức thể hiện, xu hướng biến thiên, phạm vi, quy mô và cơ cấu cũng trở nên thấp.
Dự báo trung hạn và dài hạn thường chịu ảnh hưởng từ nhiều yếu tố khó lượng hoá, đặc biệt là các yếu tố tâm lý xã hội như thị hiếu, thói quen, lối sống và đặc điểm dân cư Ngoài ra, sự tiến bộ khoa học kỹ thuật cũng góp phần quan trọng Do đó, trong quá trình phát triển, đối tượng dự báo có thể gặp nhiều biến động về quy mô và cơ cấu Nếu không có sự can thiệp và phân tích chuyên sâu từ các chuyên gia, những dự báo này có thể trở nên vô nghĩa.
- Trong điều kiện thiếu thời gian, hoàn cảnh cấp bách phương pháp chuyên gia cũng được áp dụng để đưa ra các dự báo kịp thời
Quá trình áp dụng phương pháp chuyên gia có thể chia làm ba giai đoạn lớn:
- Trưng cầu ý kiến chuyên gia;
- Thu thập và xử lý các đánh giá dự báo
Chuyên gia giỏi nhận diện rõ ràng các mâu thuẫn và vấn đề trong lĩnh vực của mình, đồng thời luôn hướng về tương lai để tìm giải pháp Họ dựa vào hiểu biết sâu sắc, kinh nghiệm phong phú và linh cảm nghề nghiệp nhạy bén để giải quyết các thách thức.
Các phương pháp dự báo định lượng sử dụng số liệu thống kê và công thức toán học để ước lượng nhu cầu trong tương lai Để dự báo nhu cầu, có thể áp dụng phương pháp theo dãy số thời gian mà không cần xem xét các yếu tố ảnh hưởng khác Tuy nhiên, nếu muốn tính đến các yếu tố tác động đến nhu cầu, các mô hình hồi quy tương quan sẽ là lựa chọn phù hợp.
1.5.2.1 Phương pháp dự báo theo dãy số thời gian (Phương pháp ngoại suy)
Phương pháp dự báo theo dãy số thời gian dựa trên giả thiết rằng các yếu tố quyết định đại lượng dự báo tồn tại và có thể được ghi nhận từ quá khứ đến tương lai Phương pháp này xác định đại lượng cần dự báo thông qua phân tích chuỗi số liệu về nhu cầu sản phẩm (dòng nhu cầu) đã được thống kê trong quá khứ.
K IỂM SOÁT VÀ GIÁM SÁT DỰ BÁO
Việc theo dõi kết quả thực hiện dựa trên "Tín hiệu theo dõi" giúp so sánh các số liệu dự báo với số liệu thực tế.
The tracking signal is calculated by dividing the Running Sum of the Forecast Error (RSFE) by the Mean Absolute Deviation (MAD).
Tín hiệu theo dõi dương cho thấy nhu cầu thực tế vượt quá dự báo, trong khi tín hiệu theo dõi âm chỉ ra rằng nhu cầu dự báo cao hơn thực tế Tín hiệu theo dõi được đánh giá tốt khi có RSFE nhỏ và sai số âm, với độ lệch nhỏ cùng các sai số dương và âm cân bằng quanh số 0 Để tối ưu hóa kết quả dự báo, doanh nghiệp cần thiết lập giới hạn kiểm soát cho dự báo Khi tín hiệu dự báo vượt quá giới hạn trên hoặc dưới, điều này cảnh báo rằng có vấn đề trong dự báo và cần phải xem xét lại phương pháp dự báo nhu cầu Hình ảnh minh họa mô tả quy trình kiểm soát dự báo qua "Tín hiệu theo dõi".
"Tín hiệu theo dõi giới hạn"
Việc xác định phạm vi chấp nhận được trong dự báo cần dựa vào kinh nghiệm để đảm bảo không quá hẹp hoặc quá rộng Phạm vi quá hẹp có thể dẫn đến việc phải điều chỉnh phương pháp dự báo do sai số nhỏ, trong khi phạm vi quá rộng sẽ làm giảm ý nghĩa thực tế của các số liệu dự báo.
Một số chuyên gia dự đoán rằng đối với các mặt hàng có số lượng lớn, phạm vi chấp nhận được là ± 4MAD, trong khi đối với các mặt hàng có số lượng nhỏ, phạm vi này có thể mở rộng đến ± 8MAD.
Một số chuyên gia khác, dựa vào quan hệ 1MAD ≈ 0,8 độ lệch chuẩn, cho rằng phạm vi chấp nhận được nên lấy tối đa là bằng ± 4MAD.
ỨNG DỤNG PHƯƠNG PHÁP ĐỊNH LƯỢNG ĐỂ DỰ BÁO NHU CẦU VÀ KIỂM SOÁT, GIÁM SÁT DỰ BÁO
D Ự BÁO THEO DÃY SỐ THỜI GIAN
2.1.1 Phương pháp bình quân di động
Ta có công thức tính dự báo theo phương pháp này như sau: n
Ft: Dự báo bình quân di động cho thời kỳ t;
Di: Nhu cầu thực tế cho thời kỳ i (ngày, tuần, tháng, quý, năm); n: Số thời kỳ nhu cầu được đưa vào số trung bình tính toán
Cuối mỗi tuần, chủ cửa hàng tạp phẩm Meersburg cần dự báo nhu cầu bánh mì cho tuần tới, dựa trên doanh số hàng tuần trong 9 tuần qua.
Dự báo sử dụng bình quân di động giản đơn với n = 3
Ví dụ 2: Nhu cầu của bánh trung thu Kinh đô được theo dõi trong suốt 6 tuần qua như sau:
Dự báo nhu cầu trong tuần thứ 7 bằng cách dùng phương pháp bình quân di động trong 5 giai đoạn
Phương pháp này có những ưu nhược điểm như sau: Ưu điểm: Đơn giản, dễ hiểu, san bằng được các biến động ngẫu nhiên trong dãy số thời gian
Hoàn toàn dựa vào số liệu quá khứ
Cần nhiều số liệu quá khứ
Chưa đánh giá được tầm quan trọng khác nhau của các số liệu ở các thời kỳ khác nhau
2.1.2 Phương pháp bình quân di động có trọng số
Phương pháp bình quân di động có trọng số được tính theo công thức sau:
Ft: Dự báo bình quân di động thời kỳ t;
Di: Nhu cầu thực tế cho thời kỳ i;
Wi: Giá trị của trọng số gán cho dữ liệu ở thời kỳ i; n: Số thời kỳ nhu cầu được đưa vào số trung bình tính toán
Ví dụ 1: Cửa hàng tạp phẩm Meersburg, có doanh số hàng tuần trong 9 tuần vừa qua được cho như sau:
Cửa hàng tạp hóa Meersburg đã quyết định áp dụng mô hình dự báo theo bình quân di động 4 tuần có trọng số, với các trọng số được phân bổ cho từng tuần nhằm tối ưu hóa quy trình dự báo.
Giai đoạn Trọng số áp dụng
Kết quả dự báo theo mô hình này được thể hiện trong bảng dưới đây như sau:
Doanh số thực tế (Số ổ bánh mì) Di
Dự báo (Số ổ bánh mì)
Ví dụ 2: Công ty bút bi Thiên Long thống kê số bút bi tồn kho trong 5 tuần qua như sau:
Tuần Số bút bi tồn kho
Dự báo số bút bi tồn kho trong tuần thứ 6 bằng phương pháp bình quân di động 3 tuần một có trọng số : 0.5 , 0.3 , 0.2
- Nhanh chóng, dễ hiểu, có tính toán biến động ngẫu nhiên
- Có biểu thị xu hướng phát triển trong tương lai
- Có phân biệt tầm quan trọng của các số liệu ở các thời kỳ khác nhau
- Cần nhiều số liệu quá khứ
- Việc xác định trọng số cho các kì, dự báo khó bắt nhịp với nhu cầu vì dựa hoàn toàn vào số liệu quá khứ
- Trong mô hình trên, tính chính xác của dự báo phụ thuộc vào khả năng xác định trọng số có hợp lý hay không?
Kết luận: Các phương pháp bình quân đã trình bày ở trên có những đặc điểm sau:
Khi số lượng quan sát n tăng, khả năng làm mượt các dao động được cải thiện, tuy nhiên, kết quả dự báo trở nên ít nhạy cảm hơn với những biến động thực tế của nhu cầu.
Dự báo thường không bắt kịp nhu cầu, không bắt kịp xu hướng thay đổi nhu cầu
Đòi hỏi phải ghi chép số liệu đã qua rất chính xác và phải đủ lớn mới có kết quả dự báo đúng
2.1.3 Phương pháp san bằng số mũ giản đơn
Phương pháp này dựa vào số bình quân di động và yêu cầu rất ít dữ liệu lịch sử, chỉ cần ghi nhận mức bán hàng thực tế và mức dự báo của kỳ trước cho mỗi sản phẩm Công thức tính nhu cầu trong tương lai được xây dựng dựa trên những thông tin này.
Ft nhu cầu dự báo thời kỳ t
F(t-1) nhu cầu theo dự báo ở thời kỳ (t-1)
A(t-1) số liệu nhu cầu thực tế ở thời kỳ (t-1)
Trong ví dụ này, một cửa hàng bán laptop dự đoán nhu cầu mua hàng trong tháng 9 là 150 chiếc, nhưng thực tế số lượng bán được lên tới 180 chiếc Để dự báo nhu cầu tháng 10, ta áp dụng hệ số san bằng số mũ 0,3 và công thức Ft = F(t-1) + 𝛼|𝐴(𝑡 − 1) − 𝐹(𝑡 − 1)|.
2.1.4 Phương pháp san bằng số mũ có điều chỉnh xu hướng
Phương pháp sản bằng số mũ giản đơn không phản ánh rõ ràng xu hướng biến động, do đó, cần áp dụng kỹ thuật điều chỉnh xu hướng sau khi có kết quả Các bước thực hiện bao gồm việc phân tích và điều chỉnh dữ liệu để làm nổi bật những xu hướng chính.
Bước 1: Sử dụng kết quả dự báo bằng phương pháp san bằng số mũ giản đơn (Ft ); Bước 2: Tính hiệu chỉnh xu hướng cho giai đoạn t theo công thức:
Tt = T(t-1) + β(Ft –F(t-1) – T(t-1)) Hoặc Tt = β (Ft –F(t-1)) + (1- β)* T(t-1)
Bước 3: Dự báo nhu cầu theo xu hướng(FITt ) : FITt= Ft + Tt
Trong đó : β: là hệ số điều chỉnh xu hướng
Tt: Hiệu chỉnh xu hướng cho giai đoạn t
Ft : Dự báo theo san bằng mũ giản đơn cho giai đoạn t
Ft-1 : Dự báo theo san bằng mũ giản đơn cho gia đoạn ngay trước đó
Tt-1 : Hiệu chỉnh xu hướng cho giai đoạn (t-1)
Ví dụ: Nhu cầu thực tế về sản phẩm giấy thơm của một công ty kinh doanh được cho trong bảng dưới đây:
Sử dụng phương pháp dự báo san bằng một nữa với α = 0,8 và α = 0,5 để dự báo cho tháng 7 (giả sự nhu cầu dự báo của tháng 1 là 2200 hộp) Yêu cầu
Cửa hàng nên sử dụng hệ số α nào để dự báo cho tháng 7
Hãy sử dụng hệ số β = 0,5 để dự báo cho tháng 7 bằng phương pháp san bằng số mũ có điều chỉnh xu hướng
1 Từ công thức tổng quát để tính cho phương pháp san bằng số mũ giản đơn Ft
Dựa vào công thức F(t-1) + α(A(t-1) – F(t-1)), chúng ta có thể dự báo trong hai trường hợp với α = 0,8 và α = 0,5 Sau đó, chúng ta tính tổng sai lệch dự báo (AD) và độ lệch tuyệt đối bình quân (MAD), kết quả được trình bày trong bảng dưới đây.
Từ bảng trên ta chọ hệ số α = 0,8 để dự báo cho tháng 7 như sau:
2 Từ kết quả trên, sử dụng hệ số α = 0,8 và β = 0,5 và kết quả dự báo trong trường hợp α = 0,8 của phương pháp san bằng số mũ có điều chỉnh xu hướng, ta có kết quả như sau:
Như vậy dự báo cho tháng 7 bằng phương pháp san bằng số mũ có hiệu chỉnh xu hướng cụ thể sẽ tính được như sau:
Sử dụng kết quả dự báo tháng 7 bằng phương pháp san bằng số mũ giản đơn: F7= 1546
Tính hiệu chỉnh xu hướng T7 = T6 + 0,5(F7 – F6 – T6) = 28
Dự báo cho tháng 7 sau khi đã điều chỉnh xu hướng: FIT = F7 + T7 = 1574 (hộp)
D Ự BÁO THEO ĐƯỜNG KHUYNH HƯỚNG
2.2.1 Phương pháp đường thẳng thống kê
Bài 1: Khách sạn MeKong có thống kê số khách đăng ký trong 7 tháng đầu năm nay như sau:
Yêu cầu: Hãy dùng phương pháp dự báo theo đường thẳng thống kê để dự báo số khách sẽ đăng ký trong các tháng 8,9,10 của năm
Giải: Để việc tính toán đơn giản hơn ta lập bảng tính như sau:
Tháng Số đăng ký (Y) X X 2 XY
Ta có hàm xu hướng như sau: y c ax b 107,143x1900 Để dự báo cho số khách đăng ký trong các tháng 8, 9, 10 ta thay lần lượt x = 8; 9; 10 vào phương trình ta được:
Bài 2: Doanh số bán ôtô của công ty Hoàng Long trong 6 tháng đầu năm được cho trong bảng dưới đây:
Doanh số 8.000 10.000 9.000 11.000 10.000 13.000 Yêu cầu: Sử dụng phương pháp dự báo theo đường thẳng để dự báo nhu cầu cho tháng 7
Ta có bảng tính sau:
Ta có hàm xu hướng như sau: 𝒚 𝒄 = 𝒂𝒙 + 𝒃 = 𝟑𝟖𝟓, 𝟏𝟕𝟒𝒙 + 𝟏𝟎 𝟏𝟔𝟔, 𝟔𝟔𝟕 Để dự báo cho nhu cầu tháng 7 ta thay x = 7 vào phương trình ta được:
2.2.2 Phương pháp đường thẳng thông thường
Bài 1: Lấy số liệu ở bài 1 phần 2.2.1 dùng phương pháp đường thẳng thông thường để dự báo số khách sẽ đăng ký trong các tháng 8,9,10 của năm
Ta có bảng tính sau:
Tháng (X) Số đăng ký (Y) XY X 2
Ta có hàm xu hướng như sau: 𝒚 𝒄 = 𝟏𝟎𝟕, 𝟏𝟒𝟑𝒙 + 𝟏 𝟒𝟕𝟏, 𝟒𝟐𝟗 Để dự báo cho số khách đăng ký trong các tháng 8, 9, 10 ta thay lần lượt x = 8; 9; 10 vào phương trình ta được:
Bài 2: Lấy số liệu ở bài 2 phần 2.2.1 dùng phương pháp đường thẳng thong thường để dự báo nhu cầu cho tháng 7
Ta có bảng tính sau:
Ta có hàm xu hướng như sau: 𝒚 𝒄 = 𝟕𝟕𝟏, 𝟒𝟐𝟗𝒙 + 𝟕 𝟒𝟔𝟔, 𝟔𝟔𝟕 Để dự báo cho nhu cầu tháng 7 ta thay x = 7 vào phương trình ta được:
2.2.3 Phương pháp dự báo theo khuynh hướng có xét đến biến động thời vụ
Phương trình dự báo có dạng sau: c s s I y y
Nông trường Nghĩa Trung đã ghi nhận sản lượng cao su qua 4 quý trong năm 2012 và 2013 Dựa trên dữ liệu này, chúng ta sẽ dự báo sản lượng cao su cho các quý trong năm 2014, với mục tiêu đạt 10.000 tấn, áp dụng phương pháp dự báo xu hướng có tính đến yếu tố thời vụ Từ dự báo tổng sản lượng, chúng ta có thể xác định nhu cầu hàng quý cho năm 2014.
Sản lượng cao su thu được (tấn)
QUÝ Sản lượng cao su thu được (tấn)
Giả sử sản lượng năm 2014 thu được là 10.000 tấn > trung bình mỗi quý là 2500 tấn Vậy ta có yc = 2500
Ví dụ 2: Tình hình tiêu thụ số lượng máy điều hòa của 1 siêu thị điện máy qua 4 năm như sau:
Vào năm 2014, cửa hàng dự kiến sẽ tiêu thụ 2.280 chiếc giày Để dự báo số lượng giày bán ra trong các quý của năm này, cần áp dụng phương pháp dự báo xu hướng kết hợp với yếu tố thời vụ, giúp xác định rõ hơn sự biến động trong doanh số theo từng quý.
Giả sử năm 2014 cửa hàng dự báo sẽ bán được 2.280 chiếc > trung bình mỗi quý bán được 570 chiếc Vậy y
2.2.4 Phương pháp đường parabol thống kê
Phương trình dự báo có dạng sau: c bX aX
Một hãng sản xuất động cơ điện tử cho van khởi động trong ngành công nghiệp đã hoạt động gần hết công suất trong suốt một năm qua Ông J, quản lý nhà máy, tin rằng doanh số bán ra sẽ tiếp tục tăng trưởng và muốn xây dựng dự báo dài hạn bằng phương pháp đường parabol để hoạch định nhu cầu về máy móc thiết bị trong 3 năm tới Số liệu bán ra trong 9 năm qua đã được ghi lại để phục vụ cho việc này.
Phương trình dự báo có dạng: b a
Một hãng sản xuất động cơ điện tử cho van khởi động trong ngành công nghiệp đã hoạt động gần hết công suất trong suốt một năm Ông J, quản lý nhà máy, tin rằng doanh số bán ra sẽ tiếp tục tăng trưởng và dự định xây dựng dự báo dài hạn bằng phương pháp đường logarit để hoạch định nhu cầu về máy móc thiết bị trong 3 năm tới Số lượng bán ra trong 9 năm qua đã được ghi lại để phục vụ cho việc này.
D Ự BÁO THEO MỐI LIÊN HỆ TƯƠNG QUAN (D Ự BÁO DỰA TRÊN CƠ SỞ ĐƯỜNG HỒI QUY TUYẾN TÍNH )
Ví dụ: Công ty Nhất Việt
Công ty Nhất Việt đã cung cấp số liệu thống kê về lượng sản phẩm tiêu thụ và tỉ lệ thất nghiệp trong khu vực hoạt động Để kiểm chứng mối quan hệ giữa hai đại lượng này, cần phân tích dữ liệu và tìm hiểu các yếu tố ảnh hưởng đến cả sản phẩm tiêu thụ và tình hình việc làm.
Dựng đồ thị biểu diễn mối quan hệ :
Tính hệ số r: (lập theo bản tính)
Hệ số tương quan r = -0,86 cho thấy mối quan hệ chặt chẽ giữa tỷ lệ thất nghiệp của dân cư tại khu vực doanh nghiệp và sản lượng tiêu thụ sản phẩm của công ty Nhất Việt Sự liên kết này cho thấy rằng khi tỷ lệ thất nghiệp tăng, lượng sản phẩm tiêu thụ của công ty cũng sẽ giảm.
Đ ÁNH GIÁ CÁC PHƯƠNG PHÁP DỰ BÁO
Các phương pháp dự báo định lượng sử dụng số liệu thống kê và công thức toán học để dự đoán nhu cầu tương lai Đối với dự báo nhu cầu mà không xem xét các yếu tố ảnh hưởng khác, có thể áp dụng các phương pháp dự báo theo dãy số thời gian Nếu cần xem xét tác động của các yếu tố khác đến nhu cầu, các mô hình hồi quy tương quan sẽ được sử dụng.
2.4.1 Phương pháp dự báo theo dãy số thời gian (Phương pháp ngoại suy)
Phương pháp dự báo theo dãy số thời gian dựa trên giả thuyết về sự tồn tại và ảnh hưởng của các yếu tố quyết định đến đại lượng dự báo từ quá khứ đến tương lai Trong phương pháp này, đại lượng cần dự báo được xác định thông qua việc phân tích chuỗi số liệu thống kê về nhu cầu sản phẩm trong quá khứ.
Phương pháp dự báo theo dãy số thời gian thực chất là mở rộng quy luật phát triển của đối tượng dự báo từ quá khứ và hiện tại sang tương lai, với giả định rằng quy luật này vẫn tiếp tục có hiệu lực.
2.4.1.1 Phương pháp trung bình giản đơn (Simple Average)
Phương pháp này làm giảm mọi biến động ngẫu nhiên trong dòng yêu cầu, do đó nó không nhạy bén với sự thay đổi của nhu cầu Phương pháp này thích hợp cho dòng nhu cầu ổn định, nhưng sẽ có sai số lớn khi áp dụng cho nhu cầu theo mùa hoặc có xu hướng Ưu điểm của nó là khả năng dự báo nhanh chóng và đơn giản.
Áp đặt thời kỳ trước cho thời kỳ sau, do đó thiếu chính xác;
Không nghiên cứu được sự biến động của thị trường trong từng thời kỳ, do đó không thấy được sự biến động của thị trường
Phạm vi áp dụng: Xí nghiệp quy mô nhỏ
2.4.1.2 Phương pháp bình quân di động
Khi nhu cầu có sự biến động, đặc biệt là trong thời gian gần, phương pháp trung bình động sẽ là lựa chọn phù hợp để dự báo Phương pháp này có ưu điểm là đơn giản, dễ hiểu và giúp làm mượt các biến động ngẫu nhiên trong chuỗi số thời gian.
Hoàn toàn dựa vào số liệu quá khứ;
Cần nhiều số liệu quá khứ;
Chưa đánh giá được tầm quan trọng khác nhau của các số liệu ở các thời kỳ khác nhau
Phạm vi áp dụng : Dãy số liệu trong quá khứ phải ổn định (không biến động)
2.4.1.3 Phương pháp bình quân di động có trọng số
Trong phương pháp trung bình động có trọng số, độ chính xác của dự báo phụ thuộc vào việc xác định trọng số phù hợp Việc điều chỉnh thường xuyên hệ số αt-i trong mô hình giúp phương pháp này mang lại kết quả dự báo chính xác hơn so với phương pháp trung bình động thông thường.
2.4.1.4 Phương pháp san bằng hàm mũ giản đơn Để khắc phục những hạn chế của các phương pháp trên, người ta đề xuất sử dụng phương pháp san bằng hàm mũ giản đơn để dự báo Đây là phương pháp dễ sử dụng nhất, nó cần ít số liệu trong quá khứ
2.4.1.5 Phương pháp san bằng hàm mũ có điều chỉnh xu hướng
Phương pháp san bằng hàm mũ giản đơn không đủ để thể hiện xu hướng biến động của dòng nhu cầu, vì vậy cần áp dụng kỹ thuật điều chỉnh xu hướng để có cái nhìn chính xác hơn.
2.4.2 Dự báo theo đường xu hướng
Phương pháp dự báo theo đường xu hướng giúp ta dự báo nhu cầu trong tương lai dựa vào dãy số theo thời gian
Dãy số theo thời gian giúp xác định đường xu hướng lý thuyết thông qua kỹ thuật bình phương bé nhất, tối thiểu hóa tổng khoảng cách từ các điểm nhu cầu thực tế đến đường xu hướng Để dự báo nhu cầu tương lai, trước tiên cần biểu diễn nhu cầu trong quá khứ lên biểu đồ và phân tích xu hướng phát triển Nếu dữ liệu tăng hoặc giảm đều đặn theo một chiều hướng nhất định, có thể vạch ra một đường thẳng Ngược lại, nếu dữ liệu biến động phức tạp hơn, như tăng giảm nhanh chóng, có thể sử dụng các đường cong như parabol, hyperbol, logarit hoặc hàm mũ để mô tả sự biến động đó.
2.4.3 Phương pháp hồi quy tương quan
Các phương pháp dự báo đã nêu đều phân tích sự biến động của đại lượng cần dự báo theo thời gian, dựa trên dãy số thời gian thống kê trong quá khứ Tuy nhiên, trong thực tế, đại lượng cần dự báo còn chịu ảnh hưởng từ nhiều yếu tố khác.
Ví dụ: Mật độ điện thoại phụ thuộc vào thu nhập quốc dân bình quân đầu người, tốc độ tăng trưởng kinh tế
Mối liên hệ giữa mật độ điện thoại và thu nhập quốc dân bình quân đầu người có thể được thể hiện qua một tương quan, sử dụng đường hồi quy tương quan Trong mô hình này, thu nhập quốc dân bình quân đầu người là biến phụ thuộc, trong khi mật độ điện thoại là biến độc lập Mô hình hồi quy tương quan tuyến tính là phương pháp phổ biến nhất để thực hiện dự báo này.
L ỰA CHỌN PHƯƠNG PHÁP DỰ BÁO THÍCH HỢP
Khi phân tích số liệu trên đồ thị mà không xác định được rõ đường khuynh hướng tuyến tính hay phi tuyến tính, có thể áp dụng một số phương pháp dự báo khác nhau Để lựa chọn phương pháp phù hợp, cần đánh giá kết quả dự báo thông qua việc tính sai chuẩn của từng phương pháp Phương pháp có sai chuẩn nhỏ nhất sẽ được ưu tiên chọn để thể hiện.
Sai chuẩn tính theo công thức:
𝜎: sai chuẩn tính cho từng phương pháp sử dụng
Y: lượng nhu cầu thực tế ứng với từng thời kỳ trong dãy số thời gian quá khứ
Yc: lượng nhu cầu dự báo ứng với từng thời kỳ trong dãy số thời gian quá khứ
Qua từng thời kỳ, số liệu thực tế có thể không khớp với dự báo, do đó cần theo dõi, giám sát và kiểm soát quá trình dự báo Nếu chênh lệch giữa thực tế và dự báo nằm trong giới hạn cho phép, phương pháp dự báo hiện tại có thể giữ nguyên Tuy nhiên, nếu chênh lệch vượt quá mức cho phép, cần xem xét và điều chỉnh phương pháp dự báo cho phù hợp.
Việc giám sát kết quả thực hiện dựa trên việc so sánh số liệu dự báo với số liệu thực tế được thực hiện thông qua tín hiệu theo dõi Thông tin chi tiết về vấn đề này đã được trình bày rõ ràng trong chương 1.