fbpx
Planning Supply Chain

Làm thế nào để xác định kỹ thuật dự báo nhu cầu hiệu quả

Làm thế nào để xác định kỹ thuật dự báo nhu cầu hiệu quả

Nhằm ứng phó với sự biến đổi đa dạng và sự phức tạp không ngừng tăng của thị trường, nhiều kỹ thuật dự báo nhu cầu đã được phát triển trong những năm gần đây. Mỗi loại kỹ thuật dự báo đều sẽ có công dụng riêng, nhiệm vụ của các nhà dự báo là phải xác định được vấn đề của doanh nghiệp và hiểu rõ vai trò của các loại dự báo để chọn ra giải pháp phù hợp nhất. Càng hiểu rõ về phạm vi các khả năng dự báo thì càng có nhiều khả năng dự báo của doanh nghiệp sẽ mang lại kết quả như mong đợi.

Nếu doanh nghiệp phải đối mặt với những yếu tố như tính thời vụ, sự thay đổi đột ngột của nhu cầu, các động thái cắt giảm giá của đối thủ, đình công và biến động lớn của nền kinh tế. Dự báo có thể giúp doanh nghiệp đối phó với những rắc rối này. Từ đó họ sẽ biết nhiều hơn về các nguyên tắc chung của dự báo, những gì nó có thể và không thể làm và những kỹ thuật nào phù hợp với nhu cầu của doanh nghiệp trong thời điểm hiện tại.

Trước khi đưa ra dự báo cho một sản phẩm cụ thể, doanh nghiệp cần xem xét các giai đoạn vòng đời của sản phẩm đó, bên cạnh đó là xem xét các dữ liệu sẵn có và tiến hành chọn một phương pháp dự báo phù hợp.

Bài viết dưới đây đề cập đến 3 kỹ thuật dự báo nhu cầu cơ bản nhất, bao gồm: kỹ thuật định tính, phân tích và dự báo chuỗi thời gian và mô hình nhân quả.

  • Cách thứ nhất sử dụng dữ liệu định tính (ví dụ: ý kiến ​​chuyên gia) và thông tin về các sự kiện đặc biệt thuộc loại đã được đề cập và có thể xem xét hoặc không tính đến quá khứ.
  • Mặt khác, thứ hai tập trung hoàn toàn vào các mẫu và thay đổi mẫu, do đó hoàn toàn dựa vào dữ liệu lịch sử.
  • Kỹ thuật thứ ba sử dụng thông tin cụ thể và tinh tế cao về mối quan hệ giữa các phần tử hệ thống và đủ mạnh để tính đến các sự kiện đặc biệt một cách chính thức. Cũng như các kỹ thuật phân tích và dự báo chuỗi thời gian, quá khứ rất quan trọng đối với các mô hình nhân quả.

Kỹ thuật dự báo nhu cầu định tính

Kỹ thuật dự báo này tập trung vào ý kiến, nhận định và kinh nghiệm của các chuyên gia trong ngành. Kỹ thuật dự báo định tính thường được sử dụng khi một sản phẩm lần đầu tiên được đưa vào thị trường, khi có quá ít dữ liệu phục vụ cho quá trình dự báo. Các nhà hoạch định sẽ sử dụng đánh giá từ con người, dựa trên sự quan sát  và đánh giá chủ quan về thị trường để biến thông tin định tính thành các ước tính định lượng. 

Ngoài ra, tạo một cuộc khảo sát cũng là một trong những phương pháp định tính mà các nhà dự báo nhu cầu có thể áp dụng. Thông qua hoạt động này, các nhà dự báo có thể hiểu được thái độ của người tiêu dùng đối với các sản phẩm hoặc dịch vụ nhất định.

Các kỹ thuật dự báo nhu cầu định tính mang lại sự linh hoạt hơn so với các phương pháp thống kê và dự báo định lượng. Mặc dù tập dữ liệu chứa thông tin có giá trị cao nhưng chúng không thể hoàn toàn giải thích cho các điều kiện thay đổi trong ngành, đặc biệt là khi những thay đổi này xảy ra bên ngoài mức trung bình bán hàng trong quá khứ.

Phân tích chuỗi thời gian 

Đây là kỹ thuật nhằm phân tích hoạt động bán hàng trong quá khứ như xu hướng giá cả, v.v., và dự báo sự thay đổi trong tương lai theo dữ liệu đã phân tích. Dữ liệu chuỗi thời gian thường bao gồm bốn yếu tố biến đổi: xu hướng, chuyển động theo chu kỳ, biến đổi theo mùa và những biến động bất thường.

Thường sẽ khó đưa ra dự đoán từ dữ liệu thô vì dự báo thường bị ảnh hưởng bởi các biến thể theo mùa hay ảnh hưởng của một chiến dịch xúc tiến bán hàng lớn. Dữ liệu thô phải được xử lý trước khi chúng trở thành dữ liệu cho hoạt động dự báo, điều này thường được thực hiện bằng cách phân tích chuỗi thời gian.

Chuỗi thời gian là một tập hợp các điểm dữ liệu thô được sắp xếp theo thứ tự thời gian. Ví dụ: doanh số bán một sản phẩm nhất định của một bộ phận, theo tháng, trong vài năm. Phân tích chuỗi thời gian giúp xác định và giải thích:

  • Bất kỳ sự thay đổi đều đặn hoặc có hệ thống nào trong chuỗi dữ liệu là do tính thời vụ – “mùa thay đổi”
  • Các mô hình theo chu kỳ lặp lại sau 2 – 3 năm, hoặc có thể hơn.
  • Xu hướng trong dữ liệu. Tốc độ tăng trưởng của các xu hướng này

Khi quá trình phân tích hoàn tất, công việc dự đoán doanh số bán hàng trong tương lai (hoặc bất cứ điều gì) có thể bắt đầu.

Kỹ thuật dự báo nhu cầu theo Causal Model (Mô hình nhân quả)

Đây được xem là một trong những sự báo mang tính phức tạp nhất. Sau khi có dữ liệu lịch sử và đã thực hiện đủ phân tích để giải thích rõ ràng các mối quan hệ giữa yếu tố được dự báo và các yếu tố khác (chẳng hạn như các doanh nghiệp liên quan, yếu tố kinh tế và các vấn đề xã hội,…), người dự báo thường xây dựng mô hình Causal. 

Kỹ thuật dự báo nhu cầu theo mô hình nhân quả cho phép các nhà quản lý đo lường tác động có thể có đối với doanh nghiệp của họ từ những thay đổi.

Ở mỗi giai đoạn trong vòng đời của sản phẩm, từ giai đoạn chuẩn bị cho đến khi bán hàng ở trạng thái ổn định, các quyết định về mặt đặc điểm của người quản lý phải đưa ra là hoàn toàn khác nhau và chúng đòi hỏi các loại thông tin khác nhau làm cơ sở. Phương pháp nhân quả biến các mối quan hệ nhân quả thành dữ liệu toán học. Phương pháp này thường bao gồm các cân nhắc khác, chẳng hạn như phân tích chuỗi thời gian, khảo sát thị trường và hàng tồn kho.

THAM GIA: CỘNG ĐỒNG LOGISTICS VÀ SUPPLY CHAIN VIỆT NAM

Làm sao để chọn được kỹ thuật dự báo phù hợp?

Để dự báo có hiệu quả, cần có sự hợp tác giữa người dự báo và ban lãnh đạo trong doanh nghiệp. Cùng nhau trả lời các câu hỏi được nêu dưới đây và xác định phương pháp dự báo tốt nhất để sử dụng cho các nhu cầu cụ thể cho doanh nghiệp của mình.

1. Mục đích của dự báo này là gì và nó sẽ được sử dụng như thế nào?

Có một số lý do để thực hiện dự báo và phương pháp bạn sử dụng sẽ bị ảnh hưởng nhiều bởi mức độ chính xác bạn cần từ thông tin. Ví dụ: nếu bạn chỉ đang cố gắng xác định xem có nên tham gia vào một thị trường kinh doanh hay không, thì những ước tính chung là đủ. Tuy nhiên, nếu bạn muốn dự báo ngân sách cho tương lai, độ chính xác sẽ quan trọng hơn đáng kể.

Các phương pháp dự báo khác nhau về độ chính xác và phạm vi cũng như chi phí. Điều đó có nghĩa là các nhà lãnh đạo phải xác định giá trị của thông tin sẽ thu thập để quyết định mức độ chính xác của dữ liệu mà họ cần.

Khi mục đích của dự báo đã được xác định, người dự báo sẽ có thể tư vấn cho tổ chức về kỹ thuật nào họ nên sử dụng cũng như tần suất họ nên đưa ra dự báo. Ngoài ra, tùy thuộc vào mục đích, có thể hữu ích khi cài đặt một hệ thống theo dõi độ chính xác của dự báo.

2. Các thành phần của hệ thống mà dự báo sẽ được thực hiện là gì?

Để chọn một phương pháp dự báo thích hợp, bạn sẽ cần phải xem xét các biến số liên quan đến bất kỳ khía cạnh nào của doanh nghiệp đang được nghiên cứu. Ví dụ, bạn có thể kiểm tra các yếu tố và vị trí liên quan của chúng đối với hệ thống sản xuất, hệ thống bán hàng hoặc thậm chí là hệ thống phân phối. Các nhà dự báo thường kiểm tra các biến này bằng cách xây dựng một sơ đồ với sự trợ giúp của ban lãnh đạo.

Điều này có thể xác định các khía cạnh và yếu tố khác nhau liên quan đến các hệ thống cụ thể. Tuy nhiên, nó cũng xác định quyền truy cập của công ty vào dữ liệu, điều này có tác động đáng kể đến các phương pháp dự báo có thể được sử dụng.

3. Dữ liệu quá khứ có ảnh hưởng đến hoạt động dự báo cho tương lai không?

Một số thay đổi trong hệ thống có thể làm giảm độ tin cậy của các mẫu đã xác định trong dữ liệu quá khứ. Ví dụ, nếu một chiến lược cạnh tranh mới được áp dụng hoặc một sản phẩm mới được giới thiệu ra thị trường, nó sẽ làm cho các dự đoán về tương lai kém chính xác hơn.

Mặc dù những thay đổi có thể có tác động lớn, nhưng nếu chúng được thực hiện gần đây, chúng có thể sẽ ít ảnh hưởng đến các mô hình ngắn hạn. Thay vào đó, bạn sẽ bắt đầu thấy tác động đầy đủ của chúng trong một khoảng thời gian dài.

Người dự báo và người điều hành hỗ trợ họ sẽ cần thảo luận đầy đủ về tất cả các thay đổi để xác định kỹ thuật dự báo nhu cầu hiệu quả nhất cho tình huống cụ thể.


Chương trình Đào tạo Demand & Supply Planning (DSP) cung cấp kiến thức chuyên môn về các nguyên tắc và thực tiễn của việc lập kế hoạch cung – cầu.

Tham gia ngay Hội thảo SCSS 04: Risk Management in Supply Chain, để cùng VILAS:

✔️ Xác định các nhóm rủi ro có thể xảy ra đối với Chuỗi cung ứng
✔️ Nắm bắt quy trình nhận dạng và giải quyết rủi ro
✔️ Tiếp cận các giải pháp và Mô hình quản trị rủi ro trong Chuỗi cung ứng
✔️ Nhận định và chuẩn bị phương án quản trị những rủi ro tiềm ẩn

VILAS