Phương pháp dự báo thô điều chỉnh xu hướng

Xu thế là sự vận động tăng hay giảm của dữ liệu trong 1 thời gian dài có thể được mô tả bằng một đường thẳng ( xu thế tuyến tính ) hay dạng đường cong( xu thế phi tuyến). Có thể mô hình hóa xu thế bằng cách thực hiện 1 hàm hồi quy thích hợp giữa biến cần dự báo( biến Y) và thời gian ( biến t). Hàm hồi quy này được sử dụng để tạo ra các giá trị dự báo trong tương lai.

1. Các phương pháp dự báo định tính

Các phương pháp dự báo định tính là các phương pháp dự báo bằng cách phân tích định tính dựa vào suy đoán, cảm nhận. Các phương pháp này phụ thuộc nhiều vào trực giác, kinh nghiệm và sự nhạy cảm của nhà quản trị trong quá trình dự báo, chỉ mang tính phỏng đoán, không định lượng.. Tuy nhiên chúng có ưu điểm là đơn giản, dễ thực hiện thời gian nghiên cứu dự báo nhanh, chi phí dự báo thấp và kết quả dự báo trong nhiều trường hợp cũng rất tốt. Sau đây là một số phương pháp dự báo định tính chủ yếu:

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 sử dụng được trí tuệ và kinh nghiệm của những cán bộ trực tiếp liên quan đến hoạt động thực tiễn. Tuy nhiên nó có nhược điểm là mang yếu tố chủ quan và ý kiến của những người có chức vụ cao nhất thường chi phối ý kiến của những người khác.

1.2 Phương pháp lấy ý kiến của lực lượng bán hàng

Những người bán hàng là người hiểu rõ nhu cầu và thị hiếu của người tiêu dùng của người tiêu dùng. Họ có thể dự báo được lượng hàng hoá, dịch vụ có thể bán được trong tương lai tại khu vực mình bán hàng.

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 có nhược điểm là phụ thuộc vào đánh giá chủ quan của người bán hàng. Một số người bán hàng thường có xu hướng đánh giá thấp lượng hàng hoá, dịch vụ bán được để dễ đạt định mức, ngược lại một số khác lại chủ quan dự báo ở mức quá cao để nâng danh tiếng của mình.

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 không chỉ chuẩn bị dự báo nhu cầu của khách hàng mà còn có thể hiểu được những đánh giá của khách hàng về sản phẩm, dịch vụ của doanh nghiệp để có biện pháp cải tiến, hoàn thiện cho phù hợp. Tuy nhiên, phương pháp này đòi hỏi tốn kém về tài chính, thời gian và phải có sự chuẩn bị công phu trong việc xây dựng câu hỏi. Đôi khi phương pháp này cũng vấp phải khó khăn là ý kiến của khách hàng không xác thực hoặc quá lý tưởng.

1.4 Phương pháp chuyên gia

Phương pháp chuyên gia là phương pháp thu thập và xử lý những đánh giá dự báo bằng cách tập hợp và hỏi ý kiến các chuyên gia giỏi thuộc một lĩnh vực hẹp của khoa học - kỹ thuật hoặc sản xuất.

Phương pháp chuyên gia dựa trên cơ sở đánh giá tổng kết kinh nghiệm, khả năng phản ánh tương lai một cách tự nhiên của các chuyên gia giỏi và xử lý thống kê các câu trả lời một cách khoa học. Nhiệm vụ của phương pháp là đưa ra những dự báo khách quan về tương lai phát triển của khoa học kỹ thuật hoặc sản xuất dựa trên việc xử lý có hệ thống 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 đối tượng dự báo có tầm bao quát lớn phụ thuộc nhiều yếu tố mà hiện tại còn chưa có hoặc thiếu những cơ sở lý luận chắc chắn để xác định.

- 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 điều kiện có độ bất định lớn của đối tượng dự báo, độ tin cậy thấp về hình thức thể hiện, về chiều hướng biến thiên về phạm vi cũng như quy mô và cơ cấu.

- Khi dự báo trung hạn và dài hạn đối tượng dự báo chịu ảnh hưởng của nhiều nhân tố, phần lớn là các nhân tố rất khó lượng hoá đặc biệt là các nhân tố thuộc về tâm lý xã hội (thị hiếu, thói quen, lối sống, đặc điểm dân cư...) hoặc tiến bộ khoa học kỹ thuật. Vì vậy trong quá trình phát triển của mình đối tượng dự báo có nhiều đột biến về quy mô và cơ cấu mà nếu không nhờ đến tài nghệ của chuyên gia thì mọi sự 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:

- Lựa chọn chuyên gia

- Trưng cầu ý kiến chuyên gia;

- Thu thập và xử lý các đánh giá dự báo.

Chuyên gia giỏi là người thấy rõ nhất những mâu thuẫn và những vấn đề tồn tại trong lĩnh vực hoạt động của mình, đồng thời về mặt tâm lý họ luôn luôn hướng về tương lai để giải quyết những vấn đề đó dựa trên những hiểu biết sâu sắc, kinh nghiệm sản xuất phong phú và linh cảm nghề nghiệp nhạy bén.

2. Các phương pháp dự báo định lượng

Các phương pháp dự báo định lượng dựa vào các số liệu thống kê và thông qua các công thức toán học được thiết lập để dự báo nhu cầu cho tương lai. Khi dự báo nhu cầu tương lai, nếu không xét đến các nhân tố ảnh hưởng khác có thể dùng các phương pháp dự báo theo dãy số thời gian. Nếu cần ảnh hưởng của các nhân tố khác đến nhu cầu có thể dùng các mô hình hồi quy tương quan...

Để tiến hành dự báo nhu cầu sản phẩm theo phương pháp định lượng cần thực hiện 8 bước sau:

- Xác định mục tiêu dự báo

- Lựa chọn những sản phẩm cần dự báo

- Xác định độ dài thời gian dự báo

- Chọn mô hình dự báo

- Thu thập các dữ liệu cần thiết

- Phê chuẩn mô hình dự báo

- Tiến hành dự báo

- Áp dụng kết quả dự báo

2.1 Phương pháp dự báo theo dãy số thời gian (Phương pháp ngoại suy)

Phương pháp dự báo theo dãy số thời gian được xây dựng trên một giả thiết về sự tồn tại và lưu lại các nhân tố quyết định đại lượng dự báo từ quá khứ đến tương lai. Trong phương pháp này đại lượng cần dự báo được xác định trên cơ sở phân tích chuỗi các số liệu về nhu cầu sản phẩm (dòng nhu cầu) thống kê được trong quá khứ.

Như vậy thực chất của phương pháp dự báo theo dãy số thời gian là kéo dài quy luật phát triển của đối tượng dự báo đã có trong quá khứ và hiện tại sang tương lai với giả thiết quy luật đó vẫn còn phát huy tác dụng.

Các yếu tố đặc trưng của dãy số theo thời gian gồm:

- Tính xu hướng: Tính xu hướng của dòng nhu cầu thể hiện sự thay đổi của các dữ liệu theo thời gian (tăng, giảm...)

- Tính mùa vụ: Thể hiện sự dao động hay biến đổi dữ liệu theo thời gian được lặp đi lặp lại theo những chu kỳ đều đặn do sự tác động của một hay nhiều nhân tố môi trường xung quanh như tập quán sinh hoạt, hoạt động kinh tế xã hội... Ví dụ: Nhu cầu dịch vụ bưu chính viễn thông không đồng đều theo các tháng trong năm.

- Biến đổi có chu kỳ: Chu kỳ là yếu tố lặp đi lặp lại sau một giai đoạn thời gian. Ví dụ: Chu kỳ sinh học, chu kỳ phục hồi kinh tế...

- Biến đổi ngẫu nhiên: Biến đổi ngẫu nhiên là sự dao động của dòng nhu cầu do các yếu tố ngẫu nhiên gây ra, không có quy luật.

Sau đây là các phương pháp dự báo theo dãy số thời gian. 

a. Phương pháp trung bình giản đơn (Simple Average)

Phương pháp trung bình giản đơn là phương pháp dự báo trên cơ sở lấy trung bình của các dữ liệu đã qua, trong đó các nhu cầu của các giai đoạn trước đều có trọng số như nhau, nó được thể hiện bằng công thức: 

Phương pháp này san bằng được tất cả mọi sự biến động ngẫu nhiên của dòng yêu cầu, vì vậy nó là mô hình dự báo rất kém nhạy bén với sự biến động của dòng nhu cầu. Phương pháp này phù hợp với dòng nhu cầu đều, ổn định, sai số sẽ rất lớn nếu ta gặp dòng nhu cầu có tính chất thời vụ hoặc dòng nhu cầu có tính xu hướng.

b. Phương pháp trung bình động

Trong trường hợp khi nhu cầu có sự biến động, trong đó thời gian gần nhất có ảnh hưởng nhiều nhất đến kết quả dự báo, thời gian càng xa thì ảnh hưởng càng nhỏ ta dùng phương pháp trung bình động sẽ thích hợp hơn. 

Phương pháp trung bình động dùng kết quả trên cơ sở thay đổi liên tục khoảng thời gian trước đây cho dự báo giai đoạn tiếp theo: 

Khi sử dụng phương pháp trung bình động đòi hỏi phải xác định n sao cho sai số dự báo là nhỏ nhất, đó chính là công việc của người dự báo, n phải điều chỉnh thường xuyên tuỳ theo sự thay đổi tính chất của dòng nhu cầu. Để chọn n hợp lý cũng như để đánh giá mức độ chính xác của dự báo người ta căn cứ vào độ lệch tuyệt đối bình quân (MAD). 

c. Phương pháp trung bình động có trọng số:

Đây là phương pháp bình quân nhưng có tính đến ảnh hưởng của từng giai đoạn khác nhau đến nhu cầu, thông qua việc sử dụng các trọng số. 

αt-i được lựa chọn bởi người dự báo dựa trên cơ sở phân tích tính chất của dòng nhu cầu, thoả mãn điều kiện:

Trong phương pháp trung bình động có trọng số, độ chính xác của dự báo phụ thuộc vào khả năng xác định được các trọng số phù hợp. Thực tế chỉ ra rằng, nhờ điều chỉnh thường xuyên hệ số at-i của mô hình dự báo, phương pháp trung bình động có trọng số mang lại kết quả dự báo chính xác hơn phương pháp trung bình động. 

Các phương pháp trung bình giản đơn, trung bình động, trung bình động có trọng số đều có các đặc điểm sau:

- Khi số quan sát n tăng lên, khả năng san bằng các giao động tốt hơn, nhưng kết quả dự báo ít nhạy cảm hơn với những biến đổi 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.

- Để dự báo nhu cầu ở kỳ t chỉ sử dụng n mức nhu cầu thực gần nhất từ kỳ t-1 trở về trước còn các số liệu từ kỳ n+1 trở đi trong quá khứ bị cắt bỏ, nhưng thực tế và lý luận không ai chứng minh được rằng các số liệu từ kỳ n +1 trở về trước hoàn toàn không ảnh hưởng gì đến đại lượng cần dự báo.

2.4 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. Theo phương pháp này:

Ft = Ft-1 + α(Dt-1 - Ft-1) với 0< α<1

Trong đó:

Ft - Mức nhu cầu dự báo kỳ t

Ft-1 - Mức nhu cầu dự báo kỳ t-1

Dt-i - Mức nhu cầu thực kỳ t-i

αt-i - Hệ số san bằng mũ

Thực chất là dự báo mới bằng dự báo cũ cộng với khoảng chênh lệch giữa nhu cầu thực và dự báo của kỳ đã qua, có điều chỉnh cho phù hợp.

Hệ số a trong mô hình dự báo thể hiện tầm quan trọng hay mức độ ảnh hưởng của số liệu hiện tại đến đại lượng dự báo. Hệ số a càng lớn mô hình càng nhạy bén với sự biến động của dòng nhu cầu. Nếu chọn α = 0,7, thì chỉ cần 3 số liệu đầu tiên đã tham gia 97,3% vào kết quả dự báo.

Hệ số a chọn càng nhỏ mô hình dự báo càng kém nhạy bén hơn với sự biến đổi của dòng nhu cầu. Nếu chọn α = 0,2 thì giá trị hiện tại chỉ tham gia 20% vào kết quả dự báo, tiếp đó là 16%... và 5 số liệu mới nhất chiếm khoảng 67%, dãy số còn lại từ kỳ thứ 6 trong quá khứ về vô cùng chiếm 33% kết quả dự báo.

Việc chọn α phải dựa trên cơ sở phân tích tính chất của dòng nhu cầu.  Đối với dòng nhu cầu có tính chất thời vụ, để áp dụng phương pháp san bằng hàm mũ giản đơn, ta có thuật toán sau:

- Tính chỉ số thời vụ từ các số liệu thống kê về nhu cầu thực trong quá khứ:

- Dự báo theo phương pháp san bàng hàm mũ giản đơn đối với dòng nhu cầu phi thời vụ hoá

Vt = V t-1 + α(Nt-1 - Vt-1)

Trong đó:

Vt, V t-1 - Mức nhu cầu dự báo phi thời vụ hoá ở kỳ t và t-1

- Xác định mức nhu cầu dự báo đã tính đến yếu tố thời vụ:

Ft = Vt . It 

e. Phương pháp san bằng hàm mũ có điều chỉnh xu hướng

Phương pháp san bằng hàm mũ giản đơn không thể hiện rõ xu hướng biến động của dòng nhu cầu, do đó cần phải sử dụng thêm kỹ thuật điều chỉnh xu hướng. Trong phương pháp này nhu cầu dự báo được xác định theo công thức:

FITt = Ft + Tt

Trong đó:

FITt - Mức nhu cầu dự báo theo phương pháp san bằng hàm mũ có điều chỉnh xu hướng

Ft - Mức nhu cầu dự báo theo phương pháp san bằng hàm mũ giản đơn

Tt - Lượng điều chỉnh theo xu hướng, Tt được xác định theo công thức sau:

Tt = Tt-1 + β(Ft - Ft-1)

Trong đó:

Tt - Lượng điều chỉnh theo xu hướng trong kỳ t

Tt-1 - Lượng điều chỉnh theo xu hướng trong kỳ t-1

β - Hệ số san bằng xu hướng

Như vậy, để dự báo nhu cầu theo phương pháp san bằng hàm mũ có điều chỉnh xu hướng, cần tiến hành các bước sau:

- Dự báo nhu cầu theo phương pháp san bằng hàm mũ giản đơn Ft ở thời kỳ t.

- Tính lượng điều chỉnh theo xu hướng: Để tính lượng điều chỉnh theo xu hướng, giá trị điều chỉnh xu hướng ban đầu phải được xác định và đưa vào công thức. Giá trị này có thể được đề xuất bằng phán đoán hoặc bằng những số liệu đã quan sát được trong thời gian qua.

- Tính nhu cầu dự báo theo phương pháp san bằng hàm mũ có điều chỉnh xu hướng. 

f. 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 cho phép xác định đường xu hướng lý thuyết trên cơ sở kỹ thuật bình phương bé nhất, tức là tổng khoảng cách từ các điểm thể hiện nhu cầu thực tế trong quá khứ đến đường xu hướng lấy theo trục tung là nhỏ nhất. Sau đó dựa vào đường xu hướng lý thuyết để dự báo nhu cầu cho tương lai.

Để xác định đường xu hướng lý thuyết trước hết cần biểu diễn các nhu cầu trong quá khứ lên biểu đồ và phân tích xu hướng phát triển của các số liệu đó. Qua phân tích nếu thấy rằng các số liệu tăng hoặc giảm tương đối đều đặn theo một chiều hướng nhất định thì ta có thể vạch ra một đường thẳng biểu hiện chiều hướng đó. Nếu các số liệu biến động theo một chiều hướng đặc biệt hơn, như tăng giảm ngày càng tăng nhanh hoặc ngày càng chậm thì ta có thể sử dụng các đường cong thích hợp để mô tả sự biến động đó, như đường parabol, hyperbol, logarit...

Một số đường cong xu hướng nhu cầu sản phẩm thường gặp như: tuyến tính, Logistic và hàm mũ... Dưới đây sẽ xem xét phương pháp dự báo nhu cầu sản phẩm theo đường xu hướng tuyến tính.

Dạng của mô hình tuyến tính được biểu diễn theo công thức sau :

Yt = a +bt

Trong đó:

Yt - Nhu cầu sản phẩm tính cho kỳ t

a, b - Các tham số

t      - Biến thời gian 

Sử dụng phương pháp bình phương nhỏ nhất, a và b được xác định như sau: 

Nếu khi phân tích các số liệu trên đồ thị không thấy rõ đường xu hướng là tuyến tính hay phi tuyến thuộc dạng nào thì ta có thể sử dụng một vài phương pháp dự báo khác nhau. Lúc này để chọn phương pháp nào, ta cần đánh giá các kết quả dự báo bằng cách tính sai số chuẩn của từng phương án. Phương pháp nào có sai số chuẩn nhỏ nhất là tốt nhất và sẽ được chọn để thực hiện. Sai số chuẩn được tính theo công thức: 

3. Phương pháp hồi quy tương quan

Các phương pháp dự báo trình bày trên đây đều xem xét sự biến động của đại lượng cần dự báo theo thời gian thông qua dãy số thời gian thống kê được trong quá khứ.

Nhưng trong thực tế đại lượng cần dự báo còn có thể bị tác động bởi các nhân 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 nhân quả giữa mật độ điện thoại và thu nhập quốc dân bình quân đầu người có thể biểu diễn gần đúng với dạng một tương quan, thể hiện bằng một đường hồi quy tương quan. Trong đó, đại lượng cần dự báo là biến phụ thuộc còn nhân tố tác động lên nó là biến độc lập. Biến độc lập có thể có một hoặc một số. Mô hình hồi quy tương quan được sử dụng phổ biến nhất trong dự báo là mô hình hồi quy tương quan tuyến tính.

Đại lượng dự báo được xác định theo công thức sau:

Yt = a+bx

Trong đó:

Yt - mức nhu cầu dự báo cho kỳ t

X - Biến độc lập (nhân tố ảnh hưởng đến đại lượng dự báo)

a, b - Các hệ số (a - đoạn cắt trục tung của đồ thị, b - độ dốc của đường hồi quy)

Các hệ số a, b được tính như sau:

Để đánh giá độ chính xác của dự báo bằng phương pháp hồi quy tương quan, ta tính sai số chuẩn của đường hồi quy tương quan ( S y,x ). 

Để đánh giá mối liên hệ giữa hai biến số trong mô hình hồi quy tương quan cần tính "Hệ số tương quan" được ký hiệu r. Hệ số này biểu hiện mức độ hoặc cường độ của mối quan hệ tuyến tính, r nhận giá trị giữa -1 và 1. Hệ số tương quan r được xác định theo công thức sau: 

Tuỳ theo các giá trị r, mối quan hệ giữa hai biến x và y như sau:

- Khi r = ±1, giữa x và y có quan hệ chặt chẽ

- Khi r = 0, giữa x và y không có liên hệ gì

- Khi r càng gần ±1, mối liên hệ tương quan giữa x và y càng chặt chẽ

- Khi r mang dấu dương ta có tương quan thuận, khi r mang dấu âm ta có tương quan nghịch. 

Nguồn: TS. Nguyễn Thị Minh An (Quantri.vn biên tập và hệ thống hóa)