Tài liệu Chương 7: Dự báo nhu cầu pdf

Chương 7 : DỰ BÁO NHU CẦU7.1 Chu kì sống của sản phẩm Nhu cầu của sản phẩm thường qua 4 giai đoạn: Hình 7.1 Những phương pháp dự báo mà chúng ta có thể áp dụng phụ thuộc hiển nhiên vào g

Chương 7 : DỰ BÁO NHU CẦU

7.1 Chu kì sống của sản phẩm

Nhu cầu của sản phẩm thường qua 4 giai đoạn:

Hình 7.1

Những phương pháp dự báo mà chúng ta có thể áp dụng phụ thuộc hiển nhiên vào giai đoạn hiện tại của sản phẩm mà chúng ta nghiên cứu

1 Giai đoạn khởi đầu : Trong giai đoạn này, việc buôn bán thường ít Điều này có

thể một phần là do nhu cầu thấp, nhất là đối với những sản phẩm cũng có thể là

do sự cố ý giới hạn mức sản xuất Một lựơng sản xuất ít ban đầu cho phép bộ phận kinh doanh thăm dò phản ứng của khách hàng, và điều chỉnh lại số lượng hoặc ngưng sản xuất và bộ phận sản xuất có thể tăng dần sản lượng

2 Giai đoạn tăng trưởng : Trong giai đoạn này, doanh số bán tăng lên một cách

nhanh chóng (sự tăng lên theo hàm mũ là một ví dụ) trước khi đạt mức ổn định khi thị trường bão hòa

3 Giai đoạn trưởng thành : việc buôn bán vẫn giữ nhịp đều dặn Những sự mới lạ

và hấp dẫn của sản phẩm như trong các giai đoạn trước không còn nữa

4 Giai đoạn suy thoái : trong giai đoạn cuối cùng này, việc bán giảm xuống một

cách nhanh chóng Điều đó có thể là do không thu hút được khách hàng hoặc do ngừng sản xuất

Bốn giai đoạn này không bằng nhau trong suốt quá trình, thậm chí có quá trình không tồntại tùy theo sản phẩm Ví dụ như giai đoạn trưởng thành không có trong lĩnh vực thời trang hoặc hàng tiêu dùng nhỏ, mới lạ ( gadget)

7.2 Những đặc điểm của dự báo :

1 Nhìn chung những dự báo thường không chính xác Những kết quả gần đây cho thấy những dự báo càng ngày càng ít độ in cậy Những con số toàn cầu được cung cấp bởi những tổ chức như là l’INSEE trong các lĩnh vực không đáng tin (Ví dụ cuối năm 1992 người ta dự đoán thị trường xe hơi sẽ tăng lên một vài phần trăm vào năm 1993 Thực tế, năm 93 thị trường xe hơi giảm xuống hơn 15%) Khi mà những dự báo này sai, chúng nó

sẽ không còn ý nghĩa thực tế đối với 1 sản phẩm nửa Chúng ta không nghi ngờ năng lực của các nhà dự báo Ở đây cũng vậy, chúng ta lại tìm thấy những vấn đề đã được đề cập

về mối liên hệ giữa thông tin đầu vào và kết quả thích hơp ở đầu ra Tất cả những mô hình dự báo đều bắt nguồn từ định đề rằng thái độ của khách hàng, theo thống kê, là ổ định Nhưng giả thuyết về khách hàng này ngày càng bị ảnh hưỡng bởi nhiều thông số khó mà dự đóan như những sự kiện kinh tế và những chính sách, ở trong nước hoặc quốc

tế (ví dụ, cơn sốt dầu vào những năm 73-79, những vụ phá sản của những người chơi chứng khoán cứ lặp lại, chiến tranh vùng vịnh, việc tan rã khối URSS) Có thể nói những

sự kiện loại này diễn ra ngày càng thường xuyên và càng làm giảm nhu cầu

Tuy nhiên, một khi được quyết định, những dự báo được xem như những thông tin được biết và chắc chắn, từ đó xác định kế hoạch sản xuất cũng như những nguồn lực cần thiết

để đưa vào sản xuất Điều này có nghĩa là kế hoạch phải vững chắc để có thể chấp nhận nhũng điều chỉnh không tránh khỏi

2 Một dự báo tốt không chỉ có nghĩa là 1 con số Cho rằng mức cầu dự báo khoãng

10000 thì không đủ Các quyết định sẽ không giống nhau nếu số lượng này dao động

trong khoảng 0 – 20000 hoặc 9500 – 10500 Vì thông thường dự báo có thể sai lầm Một

dự báo tốt sẽ bao gồm việc ước lượng được sai số Điều này có thể đạt được bằng cách cho một khoảng hoặc một mức độ phân tán nào đó (ví dụ như phương sai)

3 Những dự báo kết nhóm (agrégée) thì chắc chắn hơn

4 Những dự báo phải được xác minh, thậm chí phải được điều chỉnh thông qua những thông tin thu thập được Ví dụ chúng ta có thể tìm hiểu thông qua những chiến dịch quảng cáo của hoạt động tiếp thị, những cuộc thương lượng trong hoạt động thương mại, những sự đổi mới của đối thủ cạnh tranh

7.3 Kĩ thuật dự báo :

Có rất nhiều kĩ thuật dự báo Những kĩ thuật này dựa trên ý kiến rằng tồn tại mối quan hệ nhân quả giữa nhu cầu tương lai của những sản phẩm mà chúng ta nghiên cứu với một số thông tin tham chiếu liên quan Những kĩ thuật này hiển nhiên dựa vào sự hiểu biết mà người ta có thể có đượcvề những thông tin tham chiếu này, chủ quan hoặc một vài thông tin về số lượng và chất lượng của một sản phẩm

1 Phương pháp dựa trên quan niệm “ Quan điểm của những chuyên gia”

Khi một sản phẩm chưa được thương mại hóa hoặc nó vừa xuất hiện trên thị trường thì những dự báo thường dựa trên những sự đánh giá hoặc điều tra Những sự đánh giá này dựa trên những ý kiến của những chuyên gia và vấn đề là đạt được một sự nhất trí tối thiểu giữa những ý kiến khác nhau Những kĩ thuật được sử dụng phụ thuộc vào việc đưa ra những quyết định hoặc những kỹ thuật lựa chọn đa tiêu chuẩn

Về phía những cuộc điều tra và những cuộc khảo sát thị trường, họặc mong tìm ra được những nhu cầu tiềm ẩn (VD : bạn mua sản phẩm nào với giá bao nhiêu?), hơặc đánh giá được sự thỏa mãn của khách hàng Trong trường hợp này, những cuộc điều tra bắt đầu bằng sự kiểm tra sản phẩm Cho dù mục đích cuộc điều tra như thế nào, cần phải xác định phân đoạn của những khách hàng tiềm năng và tìm hiểu ý nghĩa những câu trả lời thu thập được Điều này thông thường được thực hiện bởi các công

tychuyên môn ( VD như là SOFRES) Loại dự báo này sẽ giúp dịch vụ tiếp thị nhưng

nó sẽ không phát triển thêm trong sách này

2 Dự báo nhờ dịch vụ thương mại

Trong phần lớn các công ty, các nhân viên bán hàng thường phục vụ cho một loại khách hàng hoặc một sản phẩm chuyên biệt nào đó Dựa trên công việc và những mốiquan hệ, các nhân viên bán hàng thường là người được phản ánh tốt nhất về những phản ứng của khách hàng và họ là về các sản phẩm mà họ phụ trách Do đó cần dựa các nhân viên này để làm dự báo

Trong một vài công ty, việc cung cấp những dự báo là một trong nhũng họat động củacác nhân viên bán hàng Đặc biệt , việc phán đóan khả năng của 1 nhân viên bán hàngcũng như phần lương thay đổi của họ được tính dựa trên độ tin cậy của những dự báo của họ mang lại Đôi khi hợp đồng giữa người bán hàng và bộ phận sản xuất quy địnhmức độ sai số α ( Ví dụ : sai số là 30 % cho dự báo 6 tháng, 10 % cho 1 tháng) Nhân

phận mua hàng chấp nhận (bộ phân này có thể cung ứng hàng cần thiết), cũng như bộ phận sản xuất Khi đã có được sự đồng ý, biên độ dao động 1 P t,(1)P t sẽ

có tính chất hợp đồng cho cả người bán lẫn người sản xuất Và chính điều này sẽ đẩy

nhu cầu trong biên độ dao động đó Về phía người bán hàng, có nhiệm vụ là bán số lựơng tối thiểu và sẽ không gặp khó khăn nếu số lượng là tối đa Nhưng nếu số lượng bán vượt quá mức tối đa thì phải bàn lại với bộ phận mua hàng và sản xuất

Phương pháp này nghiên cứu kết hợp các bộ phận khác nhau của công ty trong việc

dự đóan Những công ty sử dụng phương pháp này xem ra hài lòng: Toyota, HP, Sollac Đối với những công ty có ý định theo phương pháp này thì việc thực hiện sẽ không phải luôn luôn dể dàng Nó đòi hỏi một sự thay đổi trong tâm lý các nhân viên kinh doanh: họ chỉ quen dùng doanh số bán hàng như là tiêu chuẩn tham khảo, và tiềnlương của họ cũng thay đổi dựa trên doanh số này

3 Mô hình tóan kinh tế

) Để làm được điều đó, người ta cần xác định hàm số f đê tính mức cầu D trong một

trẻ từ 3-6 tháng trong tháng 12 phụ thuộc vào số lượng trẻ được sinh từ tháng 3 đến tháng 10 Hoặc là, việc buôn bán lốp xe sẽ tương quan đến số lượng xe bán ra trong những năm trước và số km xe chạy trung bình Để mô hình này cho dự báo tốt, mối

các giá trị quá khứ của D nhưng điều này không đảm bảo mối liên quan tương lai Nhà kinh tế học G Morlat đã tìm thấy một mối tương quan tốt giữa việc tiêu thụ điện

và kích thước của những con cừu, nhưng mà ông cũng cho rằng dùng phương pháp ngoại suy kết quả không chắc chắn

4 Mô hình thống kê

Khi nhu cầu tương đối ổn định theo thời gian, nhưng biến động trong từng thời kỳ, chúng ta có thể xác định luật xác suất theo nhu cầu này Một khi luật này được xác lập ,cho phép chúng ta đánh giá độ rủi ro nếu nhu cầu thấp hơn cung hoặc mức thiếu hụt trong trưòng hợp ngược lại

Để xàc định luật này, chúng ta lấy lại các nhu cầu những thời kì vừa qua (ví dụ số lượng bán hàng mổi ngày của tháng rồi) và chúng ta có thể tính những tần số.Tiếp đó,họac chúng ta tính toán trực tiếp dựa trên các dữ liệu này, theo luật rời rạc, hoặc chúng ta tìm một hàm xác suất liên tục để giải thích.Trong trường hợp này, chúng ta dựa vào hai luật xác suất thường hay sử dụng :

quan đến việc quản lý kho



5 Phân tích theo thời gian

Khi nhu cầu phát triển theo mùa , điều quan trọng là chúng ta phải tính đến những biến thiên từ tháng này qua tháng khác Số lượng bán ra chưa đủ, thời điểm cần đượctính vào Chúng ta sử dụng những thông tin được xếp theo ngày tháng, đây là phân theo chuỗi thời gian Các phân tích này được nghiên cứu rất nhiều, nhất là trong các

cơ quan dự đóan cấp nhà nước (l’INSEE) Trong thời đại hiện nay, khoa học thống kê

có rất nhiều phương pháp, đi từ đơn giản ( phương pháp thực nghiệm) đến phức tạp hơn, nhất là khi có những thay đổi theo mùa ( thi dụ phương pháp Box và

Jenkins) .Trong công nghiệp ,thực tế chúng ta chỉ sử dụng phương pháp thực nghiệm

vì hai lí do cơ bản sau :

 Chúng dể dàng sử dụng, không cần phải có phần mềm thống kê đặc biệt ( chỉ cần

1 bảng tính, 1 máy tính nhỏ là đủ)

các dự báo chính xác Phương pháp Box – Jenkins đòi hỏi ít nhất 5-6 mùa cho việc dự báo Trong công nghiệp ,yếu tố theo mùa thông thường là hàng năm và ít

có xí nghiệp có số liệu về việc bán 5-6 năm ( hơn nửa vòng đời của 1 sản phẩm ngàycàng giảm)

Đó là lí do tại sao trong chương này chúng ta hạn chế vào những mô hình đơn giản của phân tích tuần tự theo thời gian

7.4 Chuỗi thời gian : nghiên cứu các dữ liệu

Để đạt được những dự báo đáng tin cậy cần phải đi từ những dữ liệu đáng tin cậy Vậy

mà những dữ liệu chúng ta thu thập, dù rằng phản ánh thực tế nhưng không phải đương nhiên có thể sử dụng trong tính toán Do trong một số nguyên nhân, dữ liệu thô thường không phải luôn luôn đồng nhất Cho nên trước hết cần phải sắp xếp các dữ liệu một cách

sơ bộ hoặc chính xác hơn phải xắp sếp theo môt trình trự trước sau Và chúng ta sẽ nghiên cứu các lí do chính đáng cho sự sắp xếp dữ liệu này :

1.Trường hợp ngoại lệ : ví dụ các đỉnh thuộc đường cong do có những hợp đồng

ngoại lệ hoặc ngược lại những điểm hố, do đình công trong công ty hoặc ở các công ty đặt hàng, hoặc những sự cố bất thường (chiến tranh vùng vịnh ,biểu tình )

Trong trường hợp hợp đồng ngoại lệ ,chúng ta cần phải xem xét những dữ liệu ban đầu

và sử dụng gia công cho hợp dồng này.Trong một vài trường hợp, có thể có tác động trong khoảng thời gian biến động và sự chĩnh sửa sẽ khó hơn Qua đó, sau các cuộ đình công thường là thời gian bù lại Phải ước lượng những thiếu hụt để them vào và những bổsung cầ được gia công

2.Trường hợp thông thường, nhưng tần số hoặc ngày thay đổi (số ngày nghỉ them,

các khởi hành trong dịp hè cho cá xa lộ) Độ lớn của các biến phải được tính toán , từ các

dữ liệu ban đầu và thêm vào các dự báo

3.Khoảng thời gian không bằng nhau :Khi các dữ liệu được tính theo tháng, thời

gian không bằng nhau giữa các tháng là nguyên nhân gây ra không chính xác của các đường cong Tuỳ theo các dữ liệu thu được thu được và các hoạt động công ty ,chúng ta

có thể phân loại sự sắp xếp như sau

3.1 Khi nhu cầu là một hàm theo số lượng ngày của tháng (ví dụ sự tiêu thụ nước ),chúng ta có thể sử dụng tháng chuẩn có số ngày 365/12 (hoặc 366/12 nếu năm nhuần).Khi đó ,ta có công thức sau :

DRi = (Di/NJi)*365/12Trong đó :

Trong đó :

Di : dữ liệu của tháng i

4.BIến động theo sốngày trong tuần, trong vài trường hợp, dử liệu phụ thuộc ngày

thứ hai, thứ ba,, (sự buôn bán trong siêu thị ,cưa hàng đồ gổ ).Và công việc đầu tiên là

tuần được chọn Giá trị trung bình của số lượng bán cho phép chúng ta tính số lượng bán

550

ngày chuẩn k và lấy tổng số ngày chuẩn của tháng i Chúng ta sẽ có:

Bảng 7.1 với các chỉ số giải lạm phát cho bởi chỉ số về giá của INSEE từ năm 1970 đến năm 1990 Giả sử chọn chỉ số 1 năm 1990 Ví dụ : 1000 F năm 1970 sẽ là 4600 F năm 1990

6.Anh hưỡng của kiều hối: Trong một vài trường hợp, chúng ta có các số liệu

bằng đồng franc trong khi việc mua bán có thể được thực hiện bằng 1 ngoại tệ khác ( vi

dụ bằng USD) Những thay đổi giá trị của các ngoại tệ này có thể làm thay đổi rất nhiều các dữ liệu thu được

7.5 Nghiên cứu theo thời gian: tổng quát

7.5.1 Phân tích chuỗi

Tất cả chuỗi thời gian được nghiên cứu thông qua ba yếu tố:

-Yếu tố khuynh hướng :yếu tố này có bản chất được xác định, chỉ phụ thuộc vào thời

Ft= Foebt

Và trong giai đoạn bão hoà :

e b

các công ty , chu kì của nhu cầu thường tính theo năm Thỉnh thoảng ,chúng ta có thể nghiên cứu một chu kì thông qua từng chu kì nhỏ riêng biệt như chu kì theo mùa

- Nhu cầu bấp bênh :Dt = t

Trong trường hợp này ,chúng ta không thể dự báo Và chúng ta phải dựa vào độ linh động tố đa của hệ thống sản xuất để đáp ứng nhu cầu

HÌNH 7.2

Trong trường hợp này ,nhu cầu ổn định theo thời gian ,dao động quanh giá trị trung bình Điều này thường xuyên xảy ra đối với những sản phẩm thong dụng Do đó cho phép xác định luật xác suất của nhu cầu

HÌNH 7.3

- Nhu cầu khuynh hướng Dt = At +B +t

Nhu cầu biểu thị sự tăng trưởng (họac suy giảm) tuyến tính trên giai đoạn khá dài

HÌNH 7.4

Nhu cầu biểu thị dao động theo mùa ,với các biến động về số lượng ổn định: ví dụ hằng năm sự khác nhau về nhu cầu giữa tháng một và tháng bảy vẫn tiếp diễn từ năm này qua

động theo mùa phải dựa trên nhiều chu kì

HÌNH 7.5

-Nhu cầu theo mùa liên tiếp :Dt = (At + B)Ctt

HÌNH 7.6

Ở đây , sự khác nhau giữa các đỉnh càng ngày càng rõ nét Nhất là nhu cầu tại các thời điểm đỉnh ngày càng tăng lên nếu là khuynh hướng tăng họăc các điểm đáy ngày càng tháp nếu khuynh hướng là giảm Điều này kéo theo sự thay đổi các sai biệt từ chu kỳ này sang chu kỳ khác

Mô hình này có thể dưa về mô hình trước bằng cách sử dụng hàm toán học logarith

mùa để ổn định các sai biệt dữ liệu

Qua mắt thường, hai mô hình này chỉ khác biệt nhau bởi các đường thẳng tiệm cận với các đường cong (hình 7.7) Trong mô hình theo mùa, các đường này song song với nhau, trong khi với mô hình nhiều mùa, các đường thẳng phân kì hoặc hội tụ tuỳ theo hướng tăng hoặc giảm

HÌNH 7.7 A

HÌNH 7.7 B 7.5.3 Kí hiệu

7.5.4.Đánh giá một dự báo

et : et= Pt – Dt

Hai đại lượng quen thuộc để tính sai sót trong dự báo :

-Trung bình tuyệt đối :

n i

n e Moy MA

1

1-Trung bình bình phương

)

n e Moy MC

Thông thường MA được sử dụng nhiều nhất Một cách tóan học, nó thường đại diện cho

xác định bởi công thức

MA

2 / 

i

i D e n

MAP

1

100

*/1

Giả sử chúng ta có 10 giá trị về nhu cầu của 10 tháng trước như sau :

7.6.2.Trung bình di động trên khoảng thời gian L cuối cùng

Dự báo được xác định bởi công thức :





t L t

D L

1

Ở đây , phai chọn giá trị L Theo lý thuyết, chuoi trên không thay dôi và L phải lớn tôi

Diêu này cho phep vài thay dôi trong khoang thoi gian ngan

Với L=3 ,chúng ta có thể suy ra rằng, dê khoảng tin cậy là 95%, nhu cầu tháng sau sẽ là

7.6.3 Hàm mũ don gian

Kỹ thuật này do Brown đưa ra (1958) như sau: vào cuối tháng t, chung ta co hai gia tri du

hai là do nhu cầu thực tế duoc biet vào cuối tháng t Và giá trị thực B sẽ nằm trong khoảng hai giá trị B trên (một cách toán học, phương pháp này giam thieu sai số) Từ

đó :

1 0

) 1 (

i

Nhân xet rang duong nôi hàm mu tinh dên tât ca thoi diêm, trong do chu trong nhât là cac

Khi   1 thì Pt+1 -> Dt ,chúng ta chu trong dên giá trị hiện tại