Forecasting

Định nghĩa (Definition)

Forecasting (Dự báo) là quá trình ước tính nhu cầu tương lai của sản phẩm/dịch vụ, sử dụng dữ liệu lịch sử, phán đoán chuyên gia, hoặc kết hợp cả hai, làm cơ sở cho các quyết định vận hành.

Giải thích chi tiết (Detailed Explanation)

Tại sao cần dự báo?

• Quyết định Capacity — cần bao nhiêu năng lực?
• Lập Sales and Operations Planning (S&OP) — sản xuất bao nhiêu?
• Quản lý Inventory — giữ bao nhiêu tồn kho?
• Lên lịch nhân sự — cần bao nhiêu nhân viên?

Đặc điểm quan trọng:

1. Dự báo luôn sai — Câu hỏi là sai bao nhiêu, không phải có sai không
2. Dự báo nhóm chính xác hơn cá nhân — Dự báo tổng nhu cầu sữa dễ hơn dự báo nhu cầu 1 loại sữa cụ thể
3. Dự báo ngắn hạn chính xác hơn dài hạn
4. Không có phương pháp dự báo hoàn hảo — cần kết hợp nhiều phương pháp

Hai nhóm phương pháp:

A. Qualitative Methods (Phương pháp định tính)

Dựa trên phán đoán, kinh nghiệm, ý kiến chuyên gia:

• Executive Opinion: Ý kiến ban lãnh đạo
• Market Research: Khảo sát thị trường
• Delphi Method: Lấy ý kiến chuyên gia nhiều vòng
• Sales Force Estimates: Ước tính của đội ngũ bán hàng

→ Phù hợp khi không có dữ liệu lịch sử (sản phẩm mới)

B. Quantitative Methods (Phương pháp định lượng)

Dựa trên dữ liệu lịch sử và mô hình toán:

• Time Series: Phân tích xu hướng, mùa vụ từ dữ liệu quá khứ
  • Moving Average (Trung bình trượt)
  • Exponential Smoothing (San bằng mũ)
  • Trend projection, Seasonal decomposition
• Causal/Regression: Tìm mối quan hệ nhân quả (ví dụ: doanh số kem ↔ nhiệt độ)

→ Phù hợp khi có dữ liệu lịch sử đủ lớn

Đo lường sai số dự báo:

• MAD (Mean Absolute Deviation) = Trung bình giá trị tuyệt đối sai số
• MAPE (Mean Absolute Percentage Error) = MAD dưới dạng %
• MSE (Mean Squared Error) = Trung bình bình phương sai số

Ví dụ thực tế (Real-world Example)

Highlands Coffee dự báo nhu cầu cà phê tháng tới:

• Dữ liệu lịch sử: Tháng trước bán 50,000 ly, cùng kỳ năm ngoái 45,000 ly
• Yếu tố định tính: Sắp có chương trình khuyến mãi, mở thêm 2 cửa hàng mới
• Phương pháp: Kết hợp Exponential Smoothing (dữ liệu) + điều chỉnh theo ý kiến quản lý
• Dự báo: 55,000 ly ± 5,000 ly

Mối liên hệ (Relationships)

• Công cụ: Moving Average, Exponential Smoothing
• Phục vụ cho: Demand Management, Sales and Operations Planning (S&OP)
• Ảnh hưởng đến: Capacity, Inventory, Safety Stock
• Sai số dự báo gây ra: Bullwhip Effect
• Thuộc chương: Chapter 13 — Forecasting

Công thức (Formula)

MAD (Mean Absolute Deviation): $MAD=\frac{{\sum }_{t=1}^n|A_t-F_t|}{n}$

MAPE (Mean Absolute Percentage Error): $MAPE=\frac{{\sum }_{t=1}^n\frac{|A_t-F_t|}{A_t}}{n}\times 100\%$

Trong đó:

• $A_t$ = Actual demand (Nhu cầu thực tế) tại thời điểm t
• $F_t$ = Forecast (Dự báo) tại thời điểm t
• n = Số kỳ quan sát