Dự báo nhu cầu: khi nào hỏi chuyên gia, khi nào dựng mô hình

Cửa hàng K (ví dụ giả định) bán chăn ga gối nệm, có sáu năm doanh số theo tháng. Quý này chủ cửa hàng cần chốt hàng nhập cho ba tháng tới, và đồng thời quyết định lô đầu cho một dòng chăn mới chưa ai bán. Hai việc này cần hai cách dự báo khác nhau, và nhầm cách là chỗ nhiều người tốn tiền nhất. Bài này vẽ bản đồ từ phán đoán có cấu trúc đến phân rã chuỗi thời gian, rồi đưa một bảng chọn theo tình huống.

Dự báo, mục tiêu và kế hoạch khác nhau thế nào?

Hyndman và Athanasopoulos (2021) mở sách bằng việc tách ba thứ hay bị trộn: dự báo, mục tiêu và kế hoạch (Hyndman và Athanasopoulos, 2021). Dự báo là ước lượng tốt nhất từ thông tin hiện có. Mục tiêu là điều bạn muốn. Kế hoạch là việc bạn làm khi đã thấy cả hai (Hyndman và Athanasopoulos, 2021). Sự lẫn lộn này dễ thấy khi người bán hàng tự dự báo: nếu số đó cũng là chỉ tiêu của họ, họ có lý do đặt thấp để dễ vượt; nếu họ lạc quan, họ đặt cao (Hyndman và Athanasopoulos, 2021). Hai tác giả khuyên tách người dự báo khỏi người dùng dự báo.

Quy trình năm bước trong sách là khung chung cho mọi phương pháp dưới đây: xác định vấn đề, thu thập thông tin, phân tích sơ bộ, chọn và khớp mô hình, dùng và đánh giá mô hình (Hyndman và Athanasopoulos, 2021). Theo sách, bước đầu thường khó nhất, vì cần biết dự báo dùng để làm gì và ai dùng.

Khi chưa có số liệu: ba cách phán đoán có cấu trúc

Sách nêu ba tình huống dùng phán đoán: không có số liệu, có số liệu và chỉnh thêm, hoặc dự báo thống kê và phán đoán làm riêng rồi ghép (Hyndman và Athanasopoulos, 2021). Với dòng chăn mới của cửa hàng K, đây là tình huống đầu. Ba cách chính:

Delphi do Olaf Helmer và Norman Dalkey ở RAND phát minh trong thập niên 1950 theo Hyndman và Athanasopoulos, dựa trên giả định rằng dự báo của nhóm thường chính xác hơn của từng người (Hyndman và Athanasopoulos, 2021). Ẩn danh là một đặc điểm chính, vì chuyên gia không bị ép bởi chức vụ hay người nói to; hai tác giả sách cũng ghi rằng họp nhóm làm tăng lạc quan (Hyndman và Athanasopoulos, 2021).

Ví dụ về so sánh tương tự trong sách đáng nhớ. Một nhóm học giả và giáo viên ở Israel được hỏi soạn xong một chương trình học mất bao lâu; câu trả lời từ 18 đến 30 tháng. Một thành viên là chuyên gia thiết kế chương trình xem các dự án tương tự trên thế giới: 40% không hoàn thành, số còn lại mất 7 đến 10 năm. Dự án của Israel xong sau 8 năm (Hyndman và Athanasopoulos, 2021). Điều rút ra cho cửa hàng K: trước khi chọn một con số cho chăn mới, hãy hỏi các dòng chăn tương tự của cửa hàng khác bán thế nào trong tháng đầu.

Hai cách thường gặp khác là gom dự báo từ nhân viên bán hàng và lấy ý kiến ban điều hành. Sách xếp cả hai vào nhóm ít cấu trúc hơn, dễ lệch hơn: người bán hàng vừa dự báo vừa bị chấm theo số bán, còn ban điều hành chịu hiệu ứng họp nhóm (Hyndman và Athanasopoulos, 2021). Nếu bạn dùng chúng, hãy ghi lại căn cứ từng con số.

Về kịch bản, xem Một con số hay nhiều kịch bản?.

Khi có số liệu: đọc bốn lớp, rồi so với luật đơn giản

Sáu năm doanh số của cửa hàng K là chuỗi thời gian. Bước đầu sách khuyên luôn là vẽ đồ thị (Hyndman và Athanasopoulos, 2021). Trên đồ thị, bạn tìm bốn lớp. Xu hướng là tăng hoặc giảm dài hạn, không nhất thiết thẳng. Mùa vụ có chu kỳ cố định và biết trước, như tháng trong năm. Chu kỳ là lên xuống không đều tần suất, thường kéo dài ít nhất hai năm. Phần dư là phần còn lại (Hyndman và Athanasopoulos, 2021).

Hai điểm dễ nhầm. Chu kỳ hay bị lẫn với mùa vụ, trong khi mùa vụ gắn với lịch còn chu kỳ thì không. Khi phân rã, sách gộp xu hướng và chu kỳ thành một thành phần "xu hướng-chu kỳ", nên bốn lớp là cách đọc chứ không phải bốn thành phần ước lượng riêng (Hyndman và Athanasopoulos, 2021).

Trước khi dựng mô hình phức tạp, hãy thử bốn luật đơn giản của sách làm chuẩn: lấy giá trị trung bình, lấy giá trị cuối, lấy giá trị cùng mùa năm trước, hoặc kéo dài đường từ đầu đến cuối chuỗi. Sách dùng sản lượng bia quý của Úc đến hết 2007 để dự báo 2008 đến 2010:

Nguồn: bảng độ chính xác trong chương 5 của sách (Hyndman và Athanasopoulos, 2021). Với chuỗi bia này, có mùa vụ mạnh, luật "lấy giá trị cùng quý của năm quan sát cuối" thắng ba luật kia. Sách ghi rằng nhiều phương pháp phức tạp phải so với các luật này, và nếu không hơn được thì không đáng dùng (Hyndman và Athanasopoulos, 2021). Cách làm từng bước trong Excel cho chuỗi mùa vụ nằm ở Dự báo doanh số theo mùa trong Excel và chấm bằng MAPE; bài này không lặp lại.

Chọn cách nào cho từng tình huống?

Bảng sau là suy luận của tôi từ sách, chưa kiểm với dữ liệu doanh nghiệp Việt Nam.

Về chỉnh tay: sách viết rằng chỉ nên chỉnh khi có thông tin quan trọng mà mô hình chưa có, và các chỉnh sửa lớn có xu hướng đúng hơn chỉnh sửa nhỏ (Hyndman và Athanasopoulos, 2021). Người dùng thích chỉnh vì cảm thấy dự báo trở thành của mình, nên đòi ghi lại lý do là cách chặn bớt chỉnh sửa không cần thiết.

Đào sâu: đã đọc gì, chưa đọc gì?

Bài dựa trên toàn bộ chương 6 và các phần liên quan của chương 1, 2, 3 và 5 trong sách Hyndman và Athanasopoulos (2021) bản trực tuyến miễn phí; bảng độ chính xác lấy từ chương 5, định nghĩa bốn lớp từ chương 2 và 3, Delphi và phán đoán từ chương 6. Sách đề cập thêm hàng loạt mô hình (làm trơn mũ, ARIMA, hồi quy) mà bài này không đi vào.

Bài của Dalkey và Helmer (1963) về một thí nghiệm Delphi có trong thư viện nguồn, nhưng chỉ có phần tóm tắt, nên bài này không dựa vào đó và không dùng nó làm bằng chứng rằng Delphi chính xác hơn các cách khác; chương 6 của sách ghi Delphi mất thời gian và cần người điều phối giỏi. Bảng "chọn theo tình huống" và ví dụ cửa hàng K là suy luận và minh hoạ của tác giả.