---
title: "Dự báo nhu cầu: Delphi, chuỗi thời gian, chọn cách nào"
description: "Sản phẩm mới dùng phán đoán có cấu trúc, mặt hàng cũ dùng mô hình chuỗi thời gian. Bản đồ phương pháp theo Hyndman và Athanasopoulos, kèm bảng chọn."
url: "https://staging.khoi.co.uk/blog/ban-do-phuong-phap-du-bao"
lang: vi
author: "Lê Quốc Khôi"
date: 2026-11-03
updated: 2026-11-03
topics: ["Dữ liệu & phân tích"]
tags: ["Dự báo nhu cầu", "Phương pháp Delphi", "Chuỗi thời gian", "Dự báo bằng phán đoán"]
---

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

## Tóm tắt nhanh

- Khi chưa có số liệu, ví dụ với sản phẩm mới hoặc đối thủ mới, phán đoán thường là lựa chọn duy nhất; Hyndman và Athanasopoulos (2021) khuyên làm có cấu trúc, như Delphi, so sánh tương tự hoặc kịch bản (Hyndman và Athanasopoulos, 2021).
- Khi có số liệu, nên bắt đầu bằng mô hình thống kê; theo hai tác giả, dự báo thống kê thường tốt hơn chỉ dùng phán đoán (Hyndman và Athanasopoulos, 2021).
- Chuỗi thời gian có bốn lớp cần đọc: xu hướng, mùa vụ, chu kỳ và phần dư; khi phân rã, xu hướng và chu kỳ thường được gộp làm một (Hyndman và Athanasopoulos, 2021).
- Trong ví dụ sản lượng bia quý của Úc, phương pháp mùa vụ đơn giản sai số RMSE 14,31, thấp hơn nhiều so với 62,69 của phương pháp lấy giá trị cuối (Hyndman và Athanasopoulos, 2021). Luật đơn giản nên là chuẩn so sánh đầu tiên.
- Cửa hàng K và các con số của nó trong bài là giả định do tôi bịa.

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.

> **Hình:** [Quy trình dự báo năm bước](https://staging.khoi.co.uk/framework/forecasting-process) (vẽ lại theo framework trong thư viện của site)

## 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:

| Cách | Làm gì | Điểm yếu theo sách |
|:--|:--|:--|
| Delphi | Lập nhóm 5 đến 20 chuyên gia ẩn danh; mỗi người trả lời kèm lý do; điều phối viên tóm tắt và gửi lại; lặp hai hoặc ba vòng; ghép kết quả | Mất thời gian; càng nhiều vòng càng có người bỏ; điều phối viên phải có kinh nghiệm |
| So sánh tương tự (dạng có cấu trúc) | Tìm các trường hợp giống, dự báo từ từng trường hợp, chấm mức giống, có thể lấy trung bình có trọng số | Khó tìm nhiều tình huống tương tự; một tương tự duy nhất dễ gây lệch |
| Kịch bản | Dựng vài tình huống khả dĩ, kể cả cực đoan, rồi chuẩn bị phương án | Mỗi kịch bản có thể có xác suất thấp |

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?](https://staging.khoi.co.uk/blog/lap-kich-ban-cho-chu-doanh-nghiep).

## 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).

> **Hình:** [Bốn thành phần của chuỗi thời gian](https://staging.khoi.co.uk/framework/time-series-components) (vẽ lại theo framework trong thư viện của site)

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:

| Phương pháp | RMSE | MAPE (%) |
|:--|--:|--:|
| Trung bình | 38,45 | 8,28 |
| Giá trị cuối | 62,69 | 14,18 |
| Kéo dài đường | 64,90 | 14,58 |
| Giá trị cùng mùa năm trước | 14,31 | 3,17 |

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](https://staging.khoi.co.uk/blog/du-bao-mua-vu-excel-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.

| Tình huống của cửa hàng K | Điểm xuất phát | Ghi chú |
|:--|:--|:--|
| Dòng chăn mới, chưa có doanh số | So sánh tương tự, rồi Delphi khoảng 5 người | Ghi lý do từng con số; so với số bán thật sau hai tháng |
| Chăn ga thường bán, sáu năm số liệu, mùa vụ rõ | Luật cùng mùa năm trước làm chuẩn, rồi mô hình mùa vụ | Chỉ dùng mô hình phức tạp hơn nếu nó thắng chuẩn trên dữ liệu kiểm |
| Sắp có đợt khuyến mãi lớn mà dữ liệu cũ không có | Dự báo thống kê, rồi chỉnh một lần, lớn, có ghi chú | Chỉnh nhỏ làm giảm chính xác |
| Cú sốc làm lịch sử mất giá trị | Kịch bản, rồi cập nhật theo chu kỳ | Xem ca [Starbucks dự báo giữa COVID](https://staging.khoi.co.uk/blog/starbucks-du-bao-giua-covid) |

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.

## Câu hỏi thường gặp

### Phương pháp Delphi cần bao nhiêu chuyên gia và bao nhiêu vòng?

Sách của Hyndman và Athanasopoulos gợi ý khoảng 5 đến 20 chuyên gia có hiểu biết khác nhau và thường chỉ cần hai hoặc ba vòng; càng nhiều vòng thì càng có người bỏ cuộc (Hyndman và Athanasopoulos, 2021). Suy luận từ sách: với doanh nghiệp nhỏ, đầu thấp của khoảng này đã đủ để thử, miễn là các chuyên gia trả lời độc lập và ghi lý do.

### Có nên chỉnh tay một dự báo thống kê không?

Chỉ khi bạn có thông tin quan trọng mà mô hình chưa có, như một chương trình khuyến mãi lớn hoặc một sự kiện sắp tới. Hyndman và Athanasopoulos viết rằng người dùng chỉnh nhiều hơn mức nên chỉnh, các chỉnh sửa nhỏ làm giảm độ chính xác, và việc chỉnh để sửa một mẫu hình mà người xem nghĩ mô hình bỏ sót thường vô ích (Hyndman và Athanasopoulos, 2021). Hãy ghi lại lý do mỗi lần chỉnh.

### Chu kỳ khác mùa vụ ở chỗ nào?

Mùa vụ có chu kỳ cố định và biết trước, gắn với lịch như tháng hay ngày trong tuần. Chu kỳ là những lên xuống không có tần suất cố định, thường do điều kiện kinh tế và thường kéo dài ít nhất hai năm (Hyndman và Athanasopoulos, 2021). Nếu chuỗi của bạn ngắn hơn hai năm, theo suy luận của tôi, bạn khó tách chu kỳ khỏi xu hướng.

### Dự báo khác mục tiêu và kế hoạch thế nào?

Dự báo là ước lượng chính xác nhất có thể từ mọi thông tin hiện có, mục tiêu là điều bạn muốn xảy ra, còn kế hoạch là phản ứng của bạn trước cả hai (Hyndman và Athanasopoulos, 2021). Khi người bán hàng vừa dự báo vừa bị chấm theo số đó, dự báo dễ bị kéo xuống thành mục tiêu thấp để dễ vượt.

## Tài liệu tham khảo

- Hyndman, R.J. and Athanasopoulos, G. (2021) *Forecasting: principles and practice (3rd edn)*. Melbourne: OTexts. Available at: https://otexts.com/fpp3/.

---

Bản HTML chuẩn: https://staging.khoi.co.uk/blog/ban-do-phuong-phap-du-bao