Như chúng ta biết rằng công tác dự báo nhu cầu được xem là một trong những hoạt động ảnh hưởng trực tiếp đến yếu tố thành công của doanh nghiệp. Đảm bảo yếu tố tiếp cận chính xác, hợp lý của dự báo đòi hỏi doanh nghiệp phải tiếp cận đến nhiều phương pháp dự báo khác nhau, hiện có khá nhiều phương pháp dự báo như dự báo hồi quy, phân tích xu hướng, dự báo nhân quả, … gồm cả dự báo mang tính định tính và định lượng. Các doanh nghiệp hoàn toàn có thể lựa chọn một hoặc một số phương pháp phù hợp với tình hình lĩnh vực sản xuất của mình. Tuy nhiên để đảm bảo công tác dự báo được hiệu quả hơn chúng ta cũng cần xem xét một số nội dung cần lưu ý như sau:

Lỗi của dự báo

Sự chênh lệch giữa giá trị dự báo và giá trị thực tế gọi là lỗi. Trong thống kê, lỗi  này còn được gọi là số dư. Miễn là giá trị dự báo nằm trong khoảng giới hạn tin cậy thì thực sự đó không phải là lỗi, nhưng thông thường sự chênh lệch được gọi là sai số.

Nhu cầu đối với sản phẩm nảy sinh từ sự tương tác của rất nhiều yếu tố rất phức tạp để mô tả chính xác một mô hình. Vì vậy, tất cả dự báo chứa một số sai số.

  Nguồn của sai số

Sai số có thể từ rất nhiều nguồn.

Một nguồn phổ biến là nhiều nhà dự báo không nhận thức về việc biểu đạt khuynh hướng trong quá khứ cho tương lai.

Ví dụ: khi nói đến sai số thống kê trong phân tích hồi quy, chúng ta đang đề cập đến độ lệch của các quan sát so với đường hồi quy. Thông thường người ta gắn giới hạn tin cậy với đường hồi quy để giảm các sai số không thể giải thích. Nhưng sau đó dùng đường hồi quy này như là công cụ dự báo bằng cách đưa nó vào dự báo tương lai, sai số có thể không được xác định chính xác với độ tin cậy đã lập. Vì khoảng tin cậy dựa vào dữ liệu quá khứ, nó có thể không giữ được các điểm dữ liệu và vì vậy không dùng cùng độ tin cậy.

Thực tế, kinh nghiệm cho thấy sai số thực tế có khuynh hướng lớn hơn những dự báo này từ các mô hình dự báo.

Người ta chia sai số thành hai loại: Sai số ngẫu nhiên và sai số dịch chuyển.

Sai số dịch chuyển (bias errors) hay sai số hệ thống(systematic errors)  nghĩa là sai số được tạo ra đồng nhất. Sai số hệ thống là những sai số thường có trị số và dấu không đổi, được lặp đi, lặp lại trong tất cả các lần đo.

Nguồn của sai số dịch chuyển: do không gồm các biến đúng, dùng sai mối quan hệ giữa các biến, thực hiện đường khuynh hướng sai, không phát hiện một số xu hướng lâu dài.

Sai số ngẫu nhiên (random errors) là những sai số không thể giải thích bằng mô hình dự báo. Sai số ngẫu nhiên là những sai số mà trị số và đặc điểm ảnh hưởng của nó đến mỗi kết quả đo đạc không rõ ràng, khi thì xuất hiện thế này, khi thì xuất hiện thế kia, ta không thể biết trước trị số và dấu của nó.

Phương pháp dự báo nhân quả

Dự báo nhân quả liên quan đến các biến độc lập chứ không phải thời gian để dự báo cho tương lai.

Ví dụ: Giả sử mùa mưa kéo dài sẽ làm tăng doanh số của ô và áo mưa. Mưa là nguyên nhân làm cho sản lượng bán đồ mưa tăng. Đây chính là mối quan hệ nhân quả.

Bước đầu tiên của dự báo nhân quả là tìm ra các sự kiện xảy ra thực sự chính là nguyên  nhân. Ví dụ: Cửa hàng bán thảm Carpet City ở Carpenteria có các bản ghi sản lượng bán mỗi năm (tính theo đơn vị yard vuông), cùng với số giấy phép (permits) cho những ngôi nhà mới trong vùng đó.

Nghiên cứu thị trường

Các doanh nghiệp thường thuê công ty bên ngoài chuyên nghiên cứu thị trường để tiến hành các loại dự báo. Bản câu hỏi được xây dựng để thu thập thông tin từ khách hàng về những vấn đề quan trọng như thói quen tiêu dùng, các ý tưởng về sản phẩm mới, ý tưởng về sản phẩm hiện tại. Khảo sát được thực hiện qua thư, điện thoại, Internet hoặc phỏng vấn cá nhân.

Hội đồng thảo luận ý kiến

Việc thảo luận dự báo thông qua các cuộc họp mở với sự trao đổi ý tưởng tự do từ mọi cấp quản trị và cá nhân. Đây là nhóm các nhà quản trị cấp cao, những người có kiến thức  chuyên sâu về thị trường, đối thủ cạnh tranh và môi trường kinh doanh, tập hợp lại với nhau để tiến hành dự báo.

Kỹ thuật này có ưu điểm từ việc hội tụ những người có kinh nghiệm làm việc cùng nhau, nhưng nếu có quan điểm một thành viên thống trị buổi thảo luận thì giá trị và độ tin cậy có thể giảm bớt.

Kỹ thuật này thích hợp với việc hoạch định dài hạn và giới thiệu sản phẩm mới.

Phương pháp mô hình tương quan

Phương pháp này giả định dự báo dựa trên các sự kiện đã qua nhưng có tương quan với tình huống hiện tại. Vấn đề là phải khái quát hóa các kinh nghiệm, tác động và kết quả của các hiện tượng kỹ thuật, kinh tế và xã hội.

Có nhiều cách để phân loại sự tương quan như các sản phẩm bổ sung, sản phẩm thay thế và sản phẩm thiết yếu. Ví dụ: Nếu mua DVD qua mail, bạn sẽ nhận thêm mail về DVD hoặc DVD players mới.

Phương pháp Delphi

Phương pháp này thực hiện việc khảo sát một nhóm các chuyên gia nội bộ và bên ngoài  qua một vài vòng về khía cạnh những sự kiện tương lai và dự báo dài hạn. Các chuyên gia không cần gặp nhau nên tránh được việc một vài thành viên có thể thống trị cuộc thảo luận.

Quy trình phương pháp Delphi: Chọn các chuyên gia tham gia. Nên chọn những người uyên bác trong nhiều lĩnh vực; Thông qua bảng câu hỏi, lấy dự báo từ tất cả những chuyên gia; Tóm tắt kết quả và gửi cho tất cả các chuyên gia cùng với câu hỏi mới phù hợp; Tóm tắt lại, sàng lọc các dự báo và điều kiện, lại tiếp tục phát triển các câu hỏi mới; Lặp lại bước 4 nếu cần để đạt được sự nhất trí. Phát kết quả cuối cùng cho các chuyên gia.

Quy trình này tốn kém thời gian, tiền bạc. Cách này thích hợp cho việc dự báo công nghệ cao; những dự án lớn và tốn kém hoặc cho việc giới thiệu sản phẩm chính mới. Chất lượng của dự báo phụ thuộc rất lớn vào các chuyên gia.

Nguyễn Huy Tuân