Nguyên Tắc Tính Đặc Thù Về Bản Chất Của Đối Tượng Dự Báo

- Phải xem xét mọi vấn đề trong một điều kiện và hoàn cảnh cụ thể, tính đến sự phụ thuộc lẫn nhau giữa các mặt của vấn đề nghiên cứu.

- Phải có quan điểm hệ thống trong phân tích dự báo.

2.1.4.2. Nguyên tắc kế thừa lịch sử

Nguyên tắc này yêu cầu khi tiến hành dự báo một đối tượng phải nghiên cứu sâu sắc quá trình vận động của đối tượng đó trong quá khứ và hiện tại, tạo ra cơ sở thực nghiệm để tiên đoán và đánh giá tác động các xu hướng trong tương lai. Chỉ có thể dự báo tương lai mà không rơi vào không tưởng khi chúng ta nghiên cứu kỹ lưỡng quá khứ và hiện tại của đối tượng dự báo.

2.1.4.3. Nguyên tắc tính đặc thù về bản chất của đối tượng dự báo

Nguyên tắc này đòi hỏi nhất thiết phải tính đến những nét đặc thù về bản chất của đối tượng cần dự báo. Xuất phát từ những nét đặc thù này sẽ tạo cho chúng ta những giới hạn nhất định về xu thế phát triển đối tượng kinh tế trong tương lai. Nguyên tắc này càng quan trọng khi sử dụng các phương pháp ngoại suy định lượng trong dự báo, nếu không có giới hạn thì dễ dàng đi đến những kết luận sai lầm trong dự báo.

2.1.4.4. Nguyên tắc mô tả tối ưu đối tượng dự báo

Nguyên tắc này đòi hỏi phải mô tả đối tượng dự báo như thế nào đó nhằm đảm bảo sự xác thực và chính xác cho trước của dự báo với chi phí dự báo thấp nhất. Để thực hiện nguyên tắc này cần phải mô tả đối tượng dự báo với mức độ hình thức hoá tối ưu, kết hợp mô hình hình thức với phương pháp mô tả phi hình thức; lựa chọn một số biến số và tham số tối thiểu, đánh giá tầm quantrọng của biến số; chọn thang đo phù hợp cho mỗi chỉ tiêu nhằm đảm bảo độ chính xác đặt ra với chi phí nhỏ nhất.

2.1.4.5. Nguyên tắc về tính tương tự của đối tượng dự báo

Nguyên tắc này đòi hỏi khi phân tích phải thường xuyên so sánh những tính chất của đối tượng dự báo với những đối tượng tương tự đã biết và với các mô hình của các đối tượng đó nhằm mục đích sử dụng mô hình sẵn có này phục vụ cho dự báo. Việc quán triệt nguyên tắc này cho phép tiết kiệm chi phí để phân tích, rút ngắn thời gian xây dựng mô hình, mặt khác cho phép kiểm tra kết quả bằng cách so sánh với các kết quả của các đối tượng tương tự trước đó.

2.2. Các phương pháp dự báo

2.2.1. 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:

2.2.1.1. Lấy ý kiến của ban quản lý

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.

2.2.1.2. Lấy ý kiến của đội ngũ bán hàng

Đây là phương pháp được nhiều người dùng đặc biệt là đối với những nhà sản xuất những mặt hàng công nghiệp, vì lượng sản phẩm lớn và tiêu thụ rộng rãi cho nên người bán là người hiểu rò nhu cầu của người tiêu dùng nhất.

Mỗi nhân viên dự đoán số lượng hàng bán của khu vực mình phục trách. Kết hợp với các số liệu dự báo ở các khu vực khác để đưa ra số lượng sản phẩm cần sản xuất.

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.

2.2.1.3. 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 của doanh nghiệp 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 các 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.

2.2.1.4. Phương pháp chuyên gia (Phương pháp Delphi)

Phương pháp chuyên gia phương pháp bao gồm một nhóm quá trình thực hiện nhằm đảm bảo việc nhất trí dự báo trên cơ sở tiến hành một cách nghiêm ngặt, năng động, linh hoạt việc nghiên cứu lấy ý kiến của các chuyên gia.

Có ba nhóm chuyên gia trong quá trình dự báo theo phương pháp này:

- Những người ra quyết định.

- Những nhân viên, điều phối viên.

- Những chuyên gia chuyên sâu.

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 sự biến đổi 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.

Phương pháp chuyên gia thực hiện theo các bước sau:

- Chọn các nhà chuyên môn, các điều phối viên và các nhóm ra quyết định.

- Xây dựng các câu hỏi điều tra lần đầu, gửi đến chuyên gia.

- Phân tích các câu trả lời, tổng hợp viết lại bảng câu hỏi.

- Soạn thảo bảng câu hỏi lần hai gửi tiếp cho các chuyên gia.

- Thu thập, phân tích bảng trả lời lần hai.

- Viết lại, gửi đi và phân tích kết quả điều tra.

- Các bước trên được dừng lại khi kết quả dự báo thỏa mãn những yêu cầu đề ra.

Chuyên gia giỏi là người thấy rò 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.

Tư tưởng cơ bản của phương pháp chuyên gia là tạo ra và nhận được ý kiến, phản ứng hai chiều từ người ra quyết định đến các chuyên gia và ngược lại. Phương pháp này tránh được mối liên hệ trực tiếp giữa các cá nhân, không có các va chạm giữa người này với người khác hoặc bị ảnh hưởng của một người nào đó có ưu thế hơn.

Phương pháp chuyên gia đòi hỏi trình độ tổng hợp rất cao của điều phối viên và người ra quyết định. Họ phải là người có đủ khả năng để tổng hợp các bài phát biểu của các chuyên gia và phát triển các ý kiến đa dạng của các chuyên gia.

2.2.2. 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.

Các bước trên đây được tiến hành một cách có hệ thống và thống nhất từ khi tìm hiểu, thiết kế đến áp dụng hệ thống dự báo. Nếu hệ thống dự báo được sử dụng đều đặn trong một thời gian dài thì khi thu thập dữ liệu và dự báo có thể bỏ qua bước này hay bước khác để đơn giản hóa trong tính toán.

Sau đây là một số mô hình dự báo định lượng:

2.2.2.1. Phương pháp bình quân giản đơn

Bình quân 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 sau:

Trong đó:

t1



i1

Ft = n

Ft: nhu cầu dự báo cho giai đoạn t Ai: nhu cầu thực của giai đoạn i

(2.1)

n: số giai đoạn quan sát (số giai đoạn có nhu cầu thực)

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.

Ví dụ: Công ty cao su S có số liệu thống kê về nhu cầu săm lốp xe máy (bộ) trong 3 năm qua là: 500.000, 600000 và 700.000 bộ. Theo phương pháp này ta có thể dự báo nhu cầu cho năm tới là:

F4 = (500.000+600.000+700.000)/3 = 600.000 bộ

2.2.2.2. Phương pháp bình quân di động giản đơn

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 bình quân di động giản đơn sẽ thích hợp hơn.

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

t 1

Ai

Trong đó:

Ft =

i t n

(2.2)

Ai: nhu cầu thực của giai đoạn i

n: số giai đoạn cần quan sát

Ví dụ: Cửa hàng X bán máy nổ D9 đã dùng phương pháp bình quân di động 4 tháng để dự báo mức bán cho tháng tới như sau:

Bảng 2.1: Dự báo cho các tháng bằng phương pháp bình quân di động 4

tháng tại cửa hàng X

Đơn vị: sản phẩm

Tháng

Nhu cầu thực	Nhu cầu dự báo
1	405

2	410

3	395
4	450
5	410	(450+395+410+405)/4=415
6	430	(410+450+395+410)/4=416
7	450	(430+410+450+395)/4=421
8	461	(450+430+410+450)/4=435
9	470	(461+450+430+410)/4=438
10	600	(470+461+450+430)/4=453
11	630	(600+470+461+450)/4=495
12	610	(630+600+470+461)/4=540

Có thể bạn quan tâm!

Xem toàn bộ 215 trang tài liệu này.

2.2.2.3. Phương pháp bình quân di động có trọng số

Phương pháp này cũng dựa trên cơ sở lấy bình quân di động nhưng có tính ảnh hưởng khác nhau qua nhu cầu thông qua trọng số. Những số liệu ở giai đoạn gần với giai đoạn cần dự báo được gán cho trọng số cao hơn những số liệu ở xa giai đoạn cần dự báo.

Trong đó:

Ft =

it 1



Ai .H i it n



it 1

H i

it n

(2.3)

Ai: nhu cầu thực của giai đoạn i Hi: là trọng số của giai đoạn i

Ví dụ: Cửa hàng X trên quyết định áp dụng mô hình dự báo theo bình quân di động 4 tháng có trọng số với các trọng số cho các tháng như sau:

Bảng 2.2: Trọng số áp dụng cho từng giai đoạn

Giai đoạn

Trọng số áp dụng
Tháng vừa qua	4
2 tháng trước	3
3 tháng trước	2
4 tháng trước	1
Tổng trọng số	10

Kết quả dự báo theo mô hình này được thể hiện trong bảng sau:

Bảng 2.3: Dự báo nhu cầu cửa hàng X theo phương pháp bình quân di động có trọng số

Đơn vị: sản phẩm

Tháng

Nhu cầu thực	Nhu cầu dự báo
1	405
2	410
3	395
4	450
5	410	(450.4+395.3+410.2+405.1)/10=421
6	430	(410.4+450.3+395.2+410.1)/10=419
7	450	(430.4+410.3+450.2+395.1)/10=425
8	461	(450.4+430.3+410.2+450).1/10=436
9	470	(461.4+450.3+430.2+410.1)/10=446
10	600	(470.4+461.3+450.2+430.1)/10=459
11	630	(600.4+470.3+461.2+450.1)/10=518
12	610	(630.4+600.3+470.2+461.1)/10=572

Trong mô hình trên, tính chính xác của dự báo phụ thuộc vào khả năng xác định trọng số có hợp lý hay không?

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 của 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.

2.2.2.4. Phương pháp san bằng mũ giản đơn

Để khắc phục những hạn chế của các phương pháp trên, người ta đưa ra phương pháp san bằng số mũ để dự báo. Đây là phương pháp dễ sử dụng và cần ít số liệu trong quá khứ. Công thức cơ bản của san bằng mũ có thể diễn tả như sau:

Trong đó:

Ft = Ft-1 + (At-1 - Ft-1) với 0 ≤≤ 1

Ft: Nhu cầu dự báo cho giai đoạn t

Ft-1: Dự báo cho các giai đoạn trước đó

At-1: Nhu cầu thực trong giai đoạn ngay trước đó

α: 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 αtrong 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 αcàng 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 α 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 αphải dựa trên cơ sở phân tích tính chất của dòng nhu cầu.

Ví dụ: Vẫn với số liệu trong ví dụ trên nhưng biết nhu cầu thực trong tháng 1 là 405, ta giả sử dự báo trong tháng 1 cũng đúng bằng 405 và hệ số san bằng mũ α = 0,9.

Áp dụng phương pháp san bằng mũ giản đơn ta có kết quả dự báo như sau:

Bảng 2.4: Dự báo nhu cầu cửa hàng X theo phương pháp san bằng mũ giản đơn

Đơn vị: sản phẩm

Tháng

Nhu cầu thực	Nhu cầu dự báo
1	405	405
2	410	405+0,9(405-405)=405
3	395	405+0.9(410-405)=409,5
4	450	409,5+0.9(395-409,5)=396,5
5	410	396,5+0.9(450-396,5)=444,6
6	430	444,6+0,9(410-444,6)=413,5
7	450	413,5+0,9(430-413,5)=428,5
8	461	428,5+0,9(450-428,5)=448
9	470	448+0,9(461-448)=460
10	600	460+0,9(470-460)=469
11	630	469+0,9(600-469)=587
12	610	587+0,9(630-587)=626

Xem tất cả 215 trang.

Ngày đăng: 16/07/2022