CHƯƠNG 3

DỰ BÁO NHU CẦU

3.1 KHÁI NIỆM - Ý NGHĨA
CỦA CÔNG TÁC DỰ BÁO
NHU CẦU:
a/ Khái niệm:
• Dự báo là một khoa học và
nghệ thuật nhằm tiên đoán
những sự việc sẽ xảy ra
trong tương lai, trên cơ sở
phân tích khoa học về các
dữ liệu đã thu thập được.
Tính khoa học: Kết quả dự báo cần
dựa vào số liệu thu thập được ở kỳ
trước kết hợp với những phương
pháp toán học hay những mô hình dự
báo tiên tiến.
Dãy số thời gian là một tập hợp các quan sát được
ghi nhận tại các thời điểm hoặc các khoảng thời gian
kế tiếp nhau.

Các dãy số thời gian có thể biểu thị các đặc điểm sau:
- Tính xu hướng
- Tính thời vụ
- Tính chu kỳ
- Tính ngẫu nhiên
- Sự bất thường
 Tính nghệ thuật : Có nhiều phương
pháp dự báo khác nhau và kết quả
dự báo cũng khác nhau việc lựa
chọn và sử dụng phương pháp hay
điều chỉnh kết quả dự báo là nghệ
thuật của người dự báo.
Nếu không có tính khoa học và nghệ thuật
thì :

Kết quả thu được chỉ là tiên đoán

Prediction
chứ không phải là dự báo
Forecast
b.Ý nghĩa :
Dự báo nhu cầu là cơ sở
cho công tác hoạch định
doanh nghiệp.
Nhu cầu thị Hoạch định Khả năng
trường tổng thể sản xuất

Lựa chọn
chiến lược

Kế hoạch
tổng thể

Kế hoạch chi
tiết
3.2. CÁC LOẠI DỰ BÁO
+Theo thời gian dự báo
+Theo lĩnh vực dự báo
- Dự báo ngắn hạn: là những
dự báo có thời gian ngắn,
phổ biến là những dự báo
dưới 1 năm như hoạch định
tiến độ sản xuất, hoạch định
mua hàng, hoạch định nhu
cầu lao động ngắn hạn.
Dự báo trung hạn là những dự
báo có thời gian trên 1 năm
đến dưới 5 năm. Dự báo trung
hạn được sử dụng cho hoạch
định sản lượng, hoạch định
doanh số, hoạch định về hoạt
động điều hành…
- Dự báo dài hạn là những dự báo có
thời gian từ 5 năm trở lên. Dự báo
dài hạn được sử dụng để hoạch định
sản phẩm mới, phân bổ nguồn vốn,
mở rộng quy mô và nghiên cứu phát
triển
 - Dự báo kinh tế cung cấp
những thông tin về:
+ Tổng sản phẩm xã hội.
+ Tỷ lệ thất nghiệp.
+ Tỷ lệ lạm phát.
+ Xu hướng kinh doanh.
+ Điều kiện kinh doanh…
- Dự báo kỹ thuật đề cập đến mức
độ phát triển khoa học kỹ thuật
trong tương lai. Dự báo này rất
quan trọng trong những ngành có
hàm lượng kỹ thuật cao như : năng
lượng, máy tính, điện tử.
- Dự báo nhu cầu về thực chất
là dự báo doanh số của
doanh nghiệp bán ra. Dự báo
này được các nhà quản trị
điều hành quan tâm.
- Dự báo nhu cầu giúp cho doanh
nghiệp xác định số chủng loại và số
lượng sản phẩm, dịch vụ mà họ tạo ra
trong tương lai, thông qua đó sẽ
quyết định về quy mô sản xuất, quy
mô hoạt động của doanh nghiệp, là
cơ sở để dự toán tài chính, nhân sự,
tiếp thị.
3.3 CÁC PHƯƠNG PHÁP
DỰ BÁO NHU CẦU:

3.3.1 Phương pháp định tính

3.3.2 Phương pháp định lượng

3.3.1 Phương pháp định tính
Phương pháp lấy ý kiến:
- Lấy ý kiến của Ban điều hành doanh nghiệp
- Lấy ý kiến của lực lượng bán hàng
- Lấy ý kiến người tiêu dùng
- Phân tích Delphi
Lấy ý kiến của Ban điều hành doanh nghiệp
Theo phương pháp này, một nhóm nhỏ các nhà
quản lý điều hành cấp cao sử dụng tổng hợp các
số liệu thống kê phối hợp với các kết quả đánh
giá của các cán bộ điều hành marketing, kỹ thuật,
tài chính và sản xuất để đưa ra những con số dự
báo về nhu cầu sản phẩm trong thời gian tới.
Phương pháp này sử dụng được trình độ và kinh
nghiệm của những cán bộ trực tiếp liên quan đến
hoạt động thực tiễn
Lấy ý kiến của lực lượng bán hàng
Mỗi người phụ trách bán hàng sẽ dự đoán số lượng
hàng bán được trong tương lai ở khu vực mình phụ
trách. Những dự báo này được thẩm định để đoán chắc
là nó hiện thực, sau đó phối hợp các dự đoán của tất cả
các khu vực khác để hình thành dự báo của toàn quốc.
Đây là một dự báo phổ biến đối với các công ty mà có
hệ thống liên lạc tốt và có đội ngũ nhân viên trực tiếp
bán hàng. Các nhân viên bán hàng là những người trực
tiếp tiếp xúc với khách hàng, hơn ai hết, họ sẽ hiểu rõ về
nhu cầu của khách hàng, số lượng, chất lượng và chủng
loại hàng cần thiết.
Lấy ý kiến người tiêu dùng
Phương pháp này tập trung vào việc lấy ý kiến của khách
hàng hiện tại và tiềm năng cho kế hoạch tương lai của
doanh nghiệp. Việc nghiên cứu do phòng nghiên cứu thị
trường thực hiện bằng nhiều hình thức khác nhau 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 này không những giúp cho ta chuẩn bị dự
báo mà còn có thể hiểu được những đánh giá của khách
hàng về sản phẩm của doanh nghiệp để cải tiến, hoàn
thiện cho phù hợp
Phân tích Delphi
Phân tích Delphi là phương pháp bao gồm một nhóm
quá trình thực hiện nhằm đảm bảo việc nhất trí cao
trong 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. Phương pháp này huy động trí
tuệ của các chuyên gia ở những vùng địa lý khác
nhau để xây dựng dự báo.
Có 3 nhóm chuyên gia tham gia vào quá trình dự
báo:
- Những người ra quyết định;
- Các nhân viên, điều phối viên;
-Các chuyên gia chuyên sâu.
Phương pháp phân tích Delphi được thực hiện theo
các bước sau:
- Lựa chọn nhân sự (các nhà chuyên môn, các điều phối
viên và nhóm ra quyết định).
- Xây dựng các câu hỏi điều tra lần đầu, gửi đến các
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 thứ hai.
- Viết lại, gửi đi và phân tích kết quả điều tra
 3.3.2 Phương pháp định lượng
a/ Phương pháp bình quân di động
+ Phương pháp bình quân di động giản đơn.

A t 1  A t  2  ...  At  n
Ft 
n
Ft : dự báo nhu cầu của thời kỳ t.
At : thực tế nhu cầu của thời kỳ t.
 A t 1  A t  2 ( 2 thời kỳ )
Ft 
2

A t 1  A t  2  A t 3 ( 3 thời kỳ )
Ft 
3

Ft : dự báo nhu cầu của thời kỳ t.

At : thực tế nhu cầu của thời kỳ t.
Tuần Doanh số Bình quân di động 2 tuần
thực tế
1 37
2 41
3 37 (37+ 41) /2 = 39

F4 (37 + 41)/2 = 39
+ Phương pháp bình quân di động trọng số.

α1A t 1  α 2 A t  2  ...  α n A t  n
Ft 
 αi
 i là trọng số với 1 > 2 > 3
 α1A t 1  α 2 A t  2
F  (2 thời kỳ)
t  αi

α1A t 1  α 2 A t  2  α 3 A t 3
Ft 
 αi ( 3 thời kỳ )

 i là trọng số với 1 > 2 > 3

Tuần Doanh số Bình quân di động có trọng số
thực tế

1 37
2 41
3 37
F4 0,5(37) + 0,3(41) + 0,2(37) = 38,2
b/ Phương pháp san bằng số mũ

+ Phương pháp san bằng số mũ giản đơn ( bậc 1)

Ft = F t-1 +  ( A t-1 – F t-1 )

 : Hệ số san bằng số mũ bậc 1

 : được xác định bằng phương pháp thử

0<<1
Tuần Doanh Nhu cầu dự báo Ft với  = 0.2
số thực
tế
1 20 F1= 20
2 21 F2= 20 + 0.2 ( 20 –20 ) = 20
3 22 F3= 20 + 0.2 ( 21 –20 ) = 20.2
4 23 F4= 20.2 + 0.2 ( 22 –20.2 )= 20.56
5 24 F5= 20.56 + 0.2 ( 23 –20.56 )= 21.048
6 25 F6= 21.048 + 0.2 ( 24 –21.048 )= 21.638
7 26 F7= 21.638 + 0.2 ( 25–21.638 )= 22.31
8 F8= 22.31 + 0.2 ( 26 –22.31 )=23.048
Ft = F t-1 +  ( A t-1 – F t-1 )

Ft =  A t-1 +(1- ) F t-1

Ft =  A t-1 + (1- ) [ A t-2 + (1- ) F t-2 ]

Ft =  A t-1 + (1- )A t-2 + (1- )2[ A t-3 +

(1- ) F t-3 ]
Tổng quát :

Ft =  A t-1 + (1- )A t-2 + (1- )2 A t-3 + (1-

)3 A t-4 + …. + (1- )n-1 A t-n

n n

   (1   )
i 1
i
i 1
i 1
1

α1A t 1  α 2 A t  2  ...  α n A t  n
Ft 
 αi
Tổng quát:

Ft =  A t-1 + (1- )A t-2 + (1- )2 A t-3 + (1-

)3 A t-4 + …. + (1- )n-1 A t-n

Với 0 <  < 1 thì khi n càng lớn (1- )n-1

càng nhỏ và tiến tới 0 cho nên các số liệu thu
thập càng xa thời kỳ dự báo sẽ càng nhỏ nên
không ảnh hưởng nhiều đến kết quả dự báo
  được xác định bằng phương pháp thử với
các giá trị khác nhau từ 0 <  < 1 và sẽ được
chọn khi :

Độ lệch tuyệt đối bình quân (MAD) nhỏ nhất

( Mean Absolute Deviation )

 Sai so du bao trong thoi ky i

i 1
MAD 
n

MAD 
 At  Ft
n
Tuần Doanh số Với  = 0.2 Với  = 0.4
thực tế Ft Ft
AD AD

1 20 F1= 20 F1= 20
2 21 F2= 20 1 F2= 20 1
3 22 F3= 20.2 1,8 F3= 20.4 1,6
4 23 F4= 20.56 2.44 F4= 21.04 1.96
5 24 F5= 21.05 2.95 F5= 21.82 2,18
6 25 F6= 21.64 3.36 F6= 22.69 2,31
7 26 F7= 22.31 3.69 F7= 23.62 2,38
15.24 11.43
 được chọn khi MAD -> min AD là độ lệch tuyệt đối
MAD 
 AD
n
 MAD 
 AD
n
15.24
MAD   2.177
7
11 .43
MAD   1.63
7

Ft = Ft-1 +  (At-1– Ft-1)

F8 = 23.616 + 0.4 (26 – 23.616 )
= 24.57
+ Phương pháp san bằng số mũ bậc 2 (có điều chỉnh
theo xu hướng).
( Forecast Inchiding Trend )

FITt = Ft + Tt

Tt : Lượng điều chỉnh theo xu hướng

 Tt = Tt - 1 + β (Ft - Ft - 1)

β : hệ số san bằng số mũ bậc 2 (hệ số điều chỉnh theo

xu hướng).

O < β < 1 và được xác định như 

Tuần Doanh số Ft với  = 0.4 Tt với FITt
thực tế β = 0,5
1 20 F1= 20 T1 = 0 20
2 21 F2= 20 0 20
3 22 F3= 20.4 0,2 20,6
4 23 F4= 21.04 0,52 21,56
5 24 F5= 21.82 0,91 22,74
6 25 F6= 22.69 1,34 24,04
7 26 F7= 23.61 1,80 25,42
8 F8= 24.57 2,27 FIT8 =26,86
  1 = 0,4  1 = 0.5  2 = 0,4  2 = 0.8
Thôø Doanh Ft
i kyø soá
Tt FITt AD Tt FITt AD

1 20 20 T1 = 0 20 0 0 20 0
2 21 20 0 20 1 0 20 1
3 22 20.4 0,2 20,6 1,4 0.32 20,72 1,28
4 23 21.04 0,52 21,56 1,44 0.83 21,87 1,13
5 24 21.82 0,91 22,74 1,26 1.46 23,28 0,72
6 25 22.69 1,34 24,04 0,96 2.16 24,85 0,15
7 26 23.61 1,80 25,42 0,58 2.89 26,50 0,50
 6,64 4,78
MAD 
 AD
n
6.65
MAD   0.95
7
4.78
MAD   0.68
7

FITt = Ft + Tt

= 24.57 + 3.65 = 28.22

c/ Phương pháp dự báo theo đường xu hướng

+ Phương pháp dự báo theo đường xu hướng (đường thẳng)

y = ax + b

y : Nhu cầu dự báo, x là thứ tự thời gian.

 
n xy   x  y
a  n x 2 ( x)2
 

  y   x  xy
x2
b  n x 2 ( x)2
 
Tuần Doanh số x x2 xy
thực tế
(y)
1 20 1 1 20
2 21 2 4 42
3 22 3 9 66
4 23 4 16 92
5 24 5 25 120
6 25 6 36 150
7 26 7 49 182
 161 28 140 672

a=1 ; b = 19 F 8= 27 F9=28
y = x + 19
 Với x 0
 xy   x  y
n
a  n x 2 ( x)2  xy
  a  x2

  y   x  xy
x2
b  n x 2 ( x)2  y
  b n
Trường hợp n lẻ

Tuần Doanh : x x2 xy
số thực tế
(y)
1 20 -3 9 -60
2 21 -2 4 -42
3 22 -1 1 -22
4 23 0 0 0
5 24 1 1 24
6 25 2 4 50
7 26 3 9 78
 161 0 28 28

n =7 a = 1 ; b = 23 F 8= 27 F9=28
y = x + 23
y

y=ax+b

x
0 1 2 3 4 5 6 7

-3 -2 -1 0 1 2 3
Trường hợp n chẵn

Tuần Doanh số x x2 xy
thực tế
(y)

2 21 -5 25 -105
3 22 -3 9 -66
4 23 -1 1 -23
5 24 1 1 24
6 25 3 9 75
7 26 5 25 130
 141 0 70 35

n = 6 a = 0,5 ; b = 23,5 F 8= 27 F9=28

y = 0.5x + 23,5
y

y=ax+b

x
0 1 2 3 4 5 6

-5 -3 -1 0 1 3 5
 + Phương pháp dự báo theo đường xu hướng có xét
đến biến động thời vụ

Bước 1 : Tính chỉ số thời vụ theo công thức

yi
Is 
yo
yi là nhu cầu bình quân của các thời kỳ cùng tên

yo là nhu cầu bình quân của tất cả các thời kỳ

Is là chỉ số thời vụ
Ví dụ 1: Tại một cửa hàng bán xe hơi có số liệu thống kê về số lượng xe hơi
bán ra trong 3 năm qua (theo từng qúy) như sau:
Đơn vị tính: chiếc

Doanh số quý
Quý
2021 2022 2023

1 90 130 190
2 130 190 200
3 200 250 300
4 170 220 280
TC 590 790 970

Yêu cầu: Hãy dùng phương pháp dự báo theo đường xu hướng có
điều chỉnh theo mùa để dự báo số xe hơi được bán ra trong năm 2024
(theo từng qúy).
 Doanh số quý Dự Dự báo có
Qúy
2021 2022 2023 yi Is báo điều chỉnh
chưa
đchỉnh

1 90 130 190 137 0.6989

2 130 190 200 173 0.8827
3 200 250 300 250 1.2755
4 170 220 280 223 1.1377
TC 590 790 970
 Quý y x x2 xy

1/2021 90 -11 121 -990

2 130 -9 81 -1170

3 200 -7 49 -1400  xy
a  x 2  7.08
4 170 -5 25 -850

1/2022 130 -3 9 -390

2 190 -1 1 -190

3 250 1 1 250
 y
b  n  195.83
4 220 3 9 660

1/2023 190 5 25 950

2 200 7 49 1400

3 300 9 81 2700

4 280 11 121 3080

Cộng 2350 0 572 4050

Bước 2 : Dự báo theo đường xu hướng tìm nhu cầu dự
báo của từng thời kỳ
Yc 
Bước 3 : Xác định nhu cầu dự báo của từng thời kỳ
có xét đến biến động thời vụ

Ys  I s  Yc
 Doanh số quý Dự báo Dự báo
Quý
2021 2022 2023 yi Is chưa có điều
điều chỉnh
chỉnh 2024

1 90 130 190 137 0.6989 288 201

2 130 190 200 173 0.8827 302 267
3 200 250 300 250 1.2755 316 403
4 170 220 280 223 1.1377 330 375
TC 590 790 970 196 1236 1246
Ví dụ 2: Tại một cửa hàng bán xe hơi có số liệu thống kê về số lượng xe hơi
bán ra trong 3 năm qua (theo từng qúy) như sau:
Đơn vị tính: chiếc

Doanh số quý
Quý
2021 2022 2023

1 90 130 190
2 130 190 200
3 200 250 300
4 170 220 280
TC 590 790 970

Yêu cầu:Hãy dùng phương pháp dự báo theo đường xu hướng có điều
chỉnh theo mùa để dự báo số xe hơi được bán ra trong năm 2024 (theo
từng qúy). Biết rằng dự báo nhu cầu cho năm 2024 là 1200 chiếc.
 Doanh số quý Dự Dự báo có
Quý
2021 2022 2023 yi Is báo điều chỉnh
chưa 2024
điều
chỉnh

1 90 130 190 137 0.6989 300 210

2 130 190 200 173 0.8827 300 265
3 200 250 300 250 1.2755 300 383
4 170 220 280 223 1.1377 300 342
TC 590 790 970 196
d/Phương pháp dự báo theo mối quan hệ tương quan
y = ax + b
x, y có mối quan hệ tương quan tuyến tính
x - biến độc lập (yếu tố ảnh hưởng tới y)

a
 xy  n x y
b  yax
 x  n( x )
2 2

y
 y
x
 x
n n
Tháng Doanh : x x2 xy
số thực tế
(y)
1 3 1,5 2,25 4,5
2 2 1 1 2
3 4 2 4 8
4 5 2,5 6,25 12,5
5 6 3 9 18
6 7 3,5 12,25 24,5
 27 13,5 34,75 69,5

x là thu nhập bình quân dân cư

a=2 ; b=0 y = 2x
Tháng Thu x x2 xy
nhập(y)

1 1,5 -5 25 -7,5
2 1 -3 9 -3
3 2 -1 1 -2
4 2,5 1 1 2,5
5 3 3 9 9
6 3,5 5 25 17,5
 13,5 0 70 16,5

a =0,235; b = 2,25
y =0,235x+2,25=
 CHAPTER 11 FORECASTING AND DEMAND PLANNING

• Sai số dự báo là sự khác biệt giữa giá trị quan sát theo chuỗi
thời gian và dự báo. (ký hiệu là )

 Sai số bình phương bình quân (MSE):

[11.1]
 Độ lệch tuyệt đối bình quân (MAD):
[11.2]
 Sai số phần trăm tuyệt đối bình quân (MAPE):
[11.3]

©2013 OM4 Cengage Learning. All Rights Reserved. May not be scanned, copied or
duplicated, or posted to a publicly accessible website, in whole or in part.
67
 CHAPTER 11 FORECASTING AND DEMAND PLANNING

 Sai số bình phương bình quân:

Ví dụ MSE là 4 có nghĩa là sai số bình phương bình
quân cho một lần dự báo là 4 vậy trong một lần dự báo
kết quả dự báo còn sai lệch so với giá trị thực tế là +/-
2

 Độ lệch tuyệt đối bình quân :

Ví dụ MAD = 1,632 có nghĩa là bình quân mỗi lần dự
báo kết quả dự báo còn sai lệch so với giá trị thực tế là
+- 1,632

©2013 OM4 Cengage Learning. All Rights Reserved. May not be scanned, copied or
duplicated, or posted to a publicly accessible website, in whole or in part.
68
 CHAPTER 11 FORECASTING AND DEMAND PLANNING

• Sai số phần trăm tuyệt đối bình quân (MAPE):

Ví dụ: MAD=10 và nhu cầu trung bình là 20 thì

MAPE=50% là một tỉ lệ sai số cực kỳ lớn nhưng nếu nhu
cầu trung bình là 1000 thì MAPE=1% lại là tỉ lệ sai số
nhỏ.

©2013 OM4 Cengage Learning. All Rights Reserved. May not be scanned, copied or
duplicated, or posted to a publicly accessible website, in whole or in part.
69