Quản  

Lý  Sản  xuất  
và  tác  nghiệp

Chương 5  – Dự Báo
 Mục  Tiêu  Bài  Học
Sau  khi  học  xong  chương  này  học  viên  
có  thể
þ Hiểu được cách thức dự báo mô hình
theo thời gian và áp dụng đối với mỗi
trường hợp
þ Giải thích khi nào thì sử dụng một
trong  số bốn mô hình dự báo định tính
þ Áp dụng phương pháp đơn giản,  trung
bình động,san bằng theo quy luật hàm
số mũ,  và phương pháp xu hướng
 Mục Tiêu Bài Học
Sau khi học xong chương này học viên có
thế
þ Ước tính ba cách đo lường dự báo
chính xác
þ Phát triển các chỉ số mùa vụ khi dự báo
þ Tiến hành phân tích hồi qui  và tương
quan
þ Sử dụng tín hiệu theo dõi sai lệch của
dự báo
 Dự  Báo  Tại  Disney  World
þ Là  tập  đoàn  toàn  cầu  bao  gồm  các  
công  viên  ở  Hồng  Kông,  Paris,  
Tokyo,  Orlando,  và  Anaheim
þ Doanh  thu  thu  được  từ  khách  hàng  
–  có  bao  nhiêu  khách  tham  quan  và  
họ  sử  dụng  tiền  của  mình  như  thế  
nào
þ Báo  cáo  quản  lý  hàng  ngày  chỉ  gồm  
bản  dự  báo  và  số  lượng  khách  tham  
quan  thực  tế  tại  mỗi  công  viên
 Dự  Báo  Tại  Disney  World

þ Disney  làm  dự  báo:  hàng  ngày,  hàng  tuần,  

hàng  tháng,  hàng  năm,  và  mỗi  5  năm
þ Dự  báo  được  sử  dụng  bởi  bộ  phận  quản  
lý  lao  động,  bảo  dưỡng,  điều  hành,  tài  
chính,  và  quản  lý  lịch  trình  của  công  viên
þ Dự  báo  được  dùng  để  điều  chỉnh  giờ  mở  
cửa,  vui  chơi,  giải  trí,  các  chương  trình,  số  
nhân  viên  mỗi  ca  và  số  khách  tham  quan  
tại  một  thời  điểm
 Dự  Báo  Tại  Disney  World
þ 20%  số khách tham quan  là du  khách
nước ngoài
þ Các dữ liệu về mặt kinh tế bao gồm:  
Tổng sản phẩm quốc nội,  tỷ giá ngoại tệ,  
số du  khách tới Mỹ
þ Một nhóm gồm 35  nhà phân tích và 70  
chuyên gia tiến hành nghiên cứu 1  triệu
khách tham quan  công viên,  nhân viên
và các chuyên gia du  lịch mỗi năm
 Dự  Báo  Tại  Disney  World
þ Đầu vào cho mô hình dự báo bao gồm
các chương trình đặc biệt của hãng
hàng không,  chính sách của nhà nước,  
tình hình thị trường chứng khoán,  kế
hoạch nghỉ của người dân.  
þ Sai số dự báo trung bình 5%  cho 5-­năm  
dự báo.  
þ Sai số trung bình 0%-­ 3%  cho dự báo
hàng năm.
 Dự  Báo  Là  Gì?
þ Quá  trình  dự  đoán  
các  sự  kiện  xảy  ra  ở  
tương  lai  
þ Những  nguyên  tắc  
??
cơ  bản  của  tất  cả  
các  quyết  định  
þ Sản  phẩm
þ Hàng  tồn  kho
þ Nhân  lực
þ Cơ  sở  vật  chất
 Dự báo theo thời gian
þ Dự báo ngắn hạn
þ Tối đa là 1  năm,  thường là ít hơn 3  tháng.  
þ Mua sắm,  phân công công việc,  lực lượng
lao động,  và sản lượng sản xuất.  
þ Dự báo trung hạn
þ Từ 3  tháng đến 3  năm
þ Kế hoạch về doanh thu và sản xuất,  dự thảo
ngân sách.
þ Dự báo dài hạn
þ 3+ năm
þ Kế hoạch sản phẩm mới,  xây dựng/khai thác
khu vực,  nghiên cứu và phát triển.
 Phân biệt sự Khác nhau
þ Dự báo trung hạn và dài hạn áp dụng
với những vấn đề toàn diện hơn và
hỗ trợ các quyết định quản lý về
hoạch định  và sản phẩm,  nhà xưởng
và các quá trình
þDự báo ngắn hạn thường sử dụng
những phương pháp khác so  với dự
báo dài hạn
þDự báo ngắn hạn xu hướng chính
xác hơn so  với dự báo dài hạn
 Các  Loại  Dự  Báo
þ Dự báo kinh tế
þ Chu  kỳ kinh doanh – tỉ lệ lạm phát,  nguồn
tiền,  thị trường bất động sản,  v.v.
þ Dự báo kỹ thuật/công nghệ
þ Dự đoán tốc độ tiến triển công nghệ
þ Tác động đến sự phát triển của sản phẩm
mới
þ Dự báo nhu cầu
þ Dự đoán doanh số bán hàng của các mặt
hàng hiện tại
 7  Bước  Dự  Báo
þ Xác định mục đích của dự báo
þ Chọn yếu tố cần phải dự báo
þ Quyết định thời hạn sẽ dự báo (1  năm -­10  
năm …)
þ Chọn mô hình dự báo
þ Thu  thập dữ liệu
þ Làm dự báo
þ Phê chuẩn và thi hành kết quả dự báo
 Sự  Thật!

þ Dự báo ít khi nào hoàn hảo

þ Các phương pháp dự báo mặc định
sự ổn định trong  hệ thống
þ Dự báo cho nhóm sản phẩm chính
xác hơn dự báo cho từng sản phẩm
 Câu  hỏi  thảo  luận  nhóm
• Tại  doanh  nghiệp  của  anh/chị  hiện  
nay  công  tác  dự  báo  đang  được  thực  
hiện  bởi  bộ  phận  nào?  
• Theo  anh/chị  kết  quả  dự  báo  là  đáng  
tin  cậy?  Ưu/nhược  điểm  của  công  
tác  dự  báo  là  gì?
• Hãy  cho  biết  các  yếu  tố  ảnh  hưởng  
đến  công  tác  dự  báo  tại  doanh  
nghiệp  của  anh/chị?
Các  Phương  Pháp  Dự  Báo
Phương  pháp  định  tính
þ Sử  dụng    trong  tình  huống  không  rõ  
ràng  và  ít  dữ  liệu
þ Sản  phẩm  mới
þ Công  nghệ  mới
þ Liên  quan  tới  trực  giác  và  kinh  nghiệm
þ Ví  dụ,  dự  báo  doanh  thu  từ    kinh  doanh  
trên  internet
Các  Phương  Pháp  Dự  Báo
Phương  pháp  định  lượng
þ Sử  dụng  trong  tình  huống  “ổn  định”  
và  các  dữ  liệu  quá  khứ  sẵn  có
þ Sản  phẩm  hiện  tại
þ Công  nghệ  hiện  tại
þ Sử  dụng  các  phương  pháp  toán  học  
þ Ví  dụ,dự  báo  doanh  số  Tivi  bán  ra
 Phương  pháp  Định  tính

þ Ý  kiến hội đồng chuyên gia

þ Dùng ý  kiến của các chuyên gia cấp
cao và đôi khi bổ sung  bởi các mô
hình thống kê
þ Phương pháp Delphi
þ Hội đồng chuyên gia,  lặp lại các nghi
vấn.
 Phương  pháp  định  tính

þ Lấy  ý  kiến  từ  đội  ngũ  nhân  viên  bán  

hàng
þ Dự  báo  của  mỗi  nhân  viên  bán  hàng  
được  xem  xét  tính  hợp  lý,  rồi  tổng  hợp  
lại.  
þ Điều  tra  thị  trường  người  tiêu  dùng
þ Hỏi  ý  kiến  khách  hàng
 Hội  đồng  chuyên  gia
þ Gồm nhóm nhỏ các chuyên gia cấp cao
và nhà quản lý
þ Cùng làm việc và dự đoán nhu cầu
þ Kết hợp kinh nghiệm quản lý với mô hình
thống kê
þ Tương đối nhanh
þ Bất lợi
‘Tư duy tập thể’
Lấy  ý  kiến  từ  đội  ngũ  bán  hàng

þ Mỗi  nhân  viên  bán  hàng  dự  đoán  

doanh  số  bán  hàng  của  bản  thân
þ Tổng  hợp  kết  quả  của  từng  khu  vực  
và  toàn  quốc
þ Nhân  viên  luôn  biết  khách  hàng  cần  
gì
þ Thường  có  xu  hướng  lạc  quan  thái  
quá
 Phương  pháp  Delphi
þ Trao  đổi  nhóm  được   Người  ra  quyết  
lặp  đi  lặp  lại  cho  đến   định
(Đánh  giá  và  đưa  ra  
khi  đạt  được  được   quyết  định)
sự  đồng  thuận
þ 3  thành  phần  tham  Nhân  viên
gia (Theo  dõi  
þ Người  ra  quyết  địnhkhảo  sát)
þ Nhân  viên
þ Người  chịu  trách  
nhiệm Người  đưa  ra  ý  ki
ến  nhận  xét
(Người  có  thể  đưa  ra  
những  phán  quyết  có  
giá  trị)
 Điều  Tra  Thị  Trường  Người  
Tiêu  Dùng

þ Hỏi  khách  hàng  kế  hoạch  mua  sắm  

của  họ
þ Điều  mà  khách  hàng  nói  và  việc  mà  
họ  làm  thực  tế  rất  khác  nhau
þ Đôi  khi  họ  khó  mà  trả  lời
Tổng  Quan  Về  Phương  Pháp  
Định  Lượng      
1. Phương  pháp  giản  đơn
2. Trung  bình  động
Mô  hình  
3. San  bằng  theo  quy  luật   chuỗi  thời  
hàm  số  mũ gian

4. Dự  báo  xu  hướng

Mô  hình  liên  
5. Hồi  qui  tuyến  tính kết
 Dự  Báo  Chuỗi  Thời  Gian
þ  Tập  hợp  các  dữ  liệu  dạng  số  được  
sắp  xếp  đều  đặn
þ  Thu  được  bằng  cách  quan  sát  các  
biến  ở  những  giai  đoạn  thông  
thường
þ Dự  báo  chỉ  dựa  trên  giá  trị  quá  khứ  ,  
các  biến  khác  không  quan  trọng
þ Giả  định  các  yếu  tố  ảnh  hưởng  tới  
quá  khứ  và  hiện  tại  cũng  sẽ  tiếp  tục  
ảnh  hưởng  tới  tương  lai
Các  Yếu  tố  của  Chuỗi  Thời  Gian

Xu   Chu  kỳ
hướng

Mùa  vụ Ngẫu  nhiên

 Yếu  tố  Nhu  Cầu  
Xu  hướng

Đỉnh  mùa  vụ

Nhu  cầu  hàng  hóa  dịch  vụ

Nhu  cầu  
thực

Nhu  cầu  trung  

bình  trong  4  
Yếu  tố   năm
ngẫu  
| nhiên
| | |
1 2 3 4
Năm
 Yếu  tố  Xu  Hướng
þ Dao  động  lên  hoặc  xuống  liên  t
ục,  bền  bỉ  
þ Thay  đổi  do  dân  số,  công  nghệ,  
tuổi  tác,  văn  hóa..v.v..
þ Diễn  ra  trong  một  vài  năm  điển  
hình
 Yếu  tố  Mùa  Vụ
þ Dao  động  lên  và  xuống  liên  tục
þ Thay  đổi  bởi  thời  tiết,  phong  tục  
v.v.
þ Xảy  ra  trong  vòng  một  năm  

Giai  đoạn Độ  dài Số  mùa

Tuần Ngày 7
Tháng Tuần 4-­4.5
Tháng Ngày 28-­31
Năm Quý 4
Năm Tháng 12
Năm Tuần 52
 Yếu  tố  Chu  Kỳ
þ Dao  động  lên  xuống  lặp  đi  lặp  lại
þ Bị  ảnh  hưởng  bởi  các  yếu  tố  chu  kỳ  kinh  
doanh,  chính  trị,  kinh  tế
þ Khoảng  thời  gian  dài,  nhiều  năm
þ Có  quan  hệ  nhân  quả  hay  liên  đới

0 5 10 15 20
 Yếu  tố  Ngẫu  Nhiên
þ Biến  động  thất  thường,  không  có  
hệ  thống
þ Thay  đổi  bởi  sự  dao  động  ngẫu  
nhiên  hoặc  các  sự  kiện  không  lườ
ng  trước  được
þ Thời  hạn  ngắn  và  không  lặp  lại  

M T W T F
 Phương  pháp  giản  đơn

þ Giả  định  rằng  nhu  cầu  ở  

tương  lai  cũng  giống  với  nhu  
cầu  hiện  tại
þ Ví  dụ,  doanh  thu  tháng  Một  là  
68  thì  doanh  thu  tháng  Hai  
cũng  là  68
þ Đôi  khi  tiết  kiệm  chi  phí  và  
có  hiệu  quả  
þ Có  thể  là  một  khởi  đầu  tốt
Phương  Pháp  Trung  bình  động
þ MA    (Moving  Average)  là  chuỗi  các  giá  tr
ị  trung  bình  số  học
þ Sử  dụng  khi  ít  dữ  liệu  hoặc  không  dự  đo
án  được  xu  hướng
þ Thường  được  sử  dụng  để  cân  bằng  
dữ  liệu
þ Cho  thấy    xu  hướng  chung  của  dữ  liệu  
∑ Nhu  cầu  trong  n  giai  đoạn  trước
Trung  bình  động  = n
Ví  Dụ  Về  Trung  Bình  Động
Doanh  số   Trung  bình  động
Tháng thực 3  -­tháng
Giêng 10
Hai 12
Ba 13
Tư 16 (10 +  12 +  13)/3  =  11  2/3
Năm 19 (12  +  13  +  16)/3  =  13  2/3
Sáu 23 (13  +  16  +  19)/3  =  16
Bảy 26 (16  +  19  +  23)/3  =  19  1/3
 Biểu  Đồ  Trung  Bình  Động
Doanh  số  
30    –
dự  báo
28    –
26    – Doanh  
24    – số  thực
Doanh  số  bán

22    –
20    –
18    –
16    –
14    –
12    –
10    –
| | | | | | | | | | | |
J F M A M J J A S O N D
Trung  Bình  Động  Có  Trọng  Số

þ Sử  dụng  khi  tính  xu  hướng  là  tương  

đối  rõ
þ Dữ  liệu  cũ  trở  nên  ít  quan  trọng  hơn
þ Trọng  số  dựa  trên  kinh  nghiệm  và  trực  
giác
∑(trọng  số  cho  giai  đoạn  n)
Trung  bình  động   x  (nhu  cầu  trong  giai  đoạn  n)
Có  trọng  số =
∑ trọng  số
 Trọng  số  áp  dụng Giai  đoạn
Trung  Bình  Động  Có  Trọng  Số
3 Tháng  cuối  cùng
2 Hai  tháng  trước
1 Ba  tháng  trước
6 Tổng  trọng  số

Doanh  số Doanh  số

Tháng thực dự  báo
January 10
February 12
March 13
April 16 [(3  x  13)  +  (2  x  12)  +  (10)]/6  =  121/6
May 19 [(3  x  16)  +  (2  x  13)  +  (12)]/6  =  141/3
June 23 [(3  x  19)  +  (2  x  16)  +  (13)]/6  =  17
July 26 [(3  x  23)  +  (2  x  19)  +  (16)]/6  =  201/2
Những  Vấn  Đề  Tiềm  Ẩn  Với  
Trung  Bình  Động
þ Tăng  n  giúp  điều  hòa  dự  báo  
nhưng  lại  ít  nhạy  cảm  với  các  thay  
đổi
þ Không  dự  báo  được  xu  hướng
þ Đòi  hỏi  một  khối  lương  lớn  các  
dữ  liệu  quá  khứ
 Trung  Bình  Động  Và
Trung  Bình  Động  Có  Trọng  Số
Trung  bình  
30    – động  có  
trọng  số
25    –
Sales  demand

20    – Doanh  
thu  thực
15    –
Trung  bình  
10    – động

5    –
| | | | | | | | | | | |
J F M A M J J A S O N D
Figure  4.2
 Điều  hòa  Theo  Quy  Luật  
Hàm  Số  Mũ
þ Dạng  của  trung  bình  động  có  trọng  số
þ Trọng  số  giảm  theo  hàm  mũ  
þ Dữ  liệu  gần  nhất  có  trọng  số  lớn  nhất
þ Điều  kiện  hằng  số  điều  hòa  (a)
þ Nằm  trong  khoảng  từ  0  đến  1
þ Lựa  chọn  một  cách  chủ  quan
þ Không  cần  tìm  nhiều  số  liệu  trong  quá  
khứ
 Điều  hòa  Theo  Quy  Luật
Hàm  Số  Mũ

Dự  báo  mới   = Dự  báo  của  giai  đoạn  trước

+  a (Nhu  cầu  thực  tế  của  giai  đoạn  trước
– Dự  báo  của  giai  đoạn  trước)

Ft =  Ft  – 1 + a(At  – 1 -­ Ft  – 1)

Trong  đó Ft =  Dự  báo  mới

Ft  –  1 =  Dự  báo  tgiai  đoạn  rước
                         At-­1      =  Nhu  cầu  thự  tế  giai  đoạn  trước
a =  Hằng  số  san  bằng  (hoặc  trọng  số)  
(0  ≤  a  ≤  1)
 Ví  Dụ  Về  San  Bằng  Theo  
Quy  Luật  Hàm  Số  Mũ
Nhu  cầu  dự  đoán  =  142 Ford  Mustangs
Nhu  cầu  thực  tế  =  153
Hằng  số  san  bằng  a =  .20
 Ví  Dụ  Về  San  Bằng  Theo  
Quy  Luật  Hàm  Số  Mũ
Nhu  cầu  dự  đoán =  142 Ford  Mustangs
Nhu  cầu  thực  tế =  153
Hằng  số  san  bằng a =  .20

Dự  báo  mới =  142  +  .2(153  – 142)

 Ví  Dụ  Về  San  Bằng  Theo  
Quy  Luật  Hàm  Số  Mũ
Nhu  cầu  dự  đoán  =  142 Ford  Mustangs
Nhu  cầu  thực  tế  =  153
Hằng  số  san  bằng  a  =  .20

Dự  báo  mới =  142  +  .2(153  – 142)

=  142  +  2.2
=  144.2  ≈  144  xe
 Tác  Động  Của  a Khác  Nhau
225    –

Nhu  cầu   a =  .5

200    – thực
Nhu  cầu

175    –

a =  .1
150    – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Quý
 Tác  Động  Của  a Khác  Nhau
225    –

Actual   a =  .5
þ Chọn  giá  trị  a demand
200    – cao  khi    
giá  trị  trung  bình  có  thể  
Demand

thay  đổi
175    –
þ Chọn  giá  trị  a thấp  khi  
giá  trị  trung  bình  ổn  định a =  .1
150    – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Quý
 Lựa  Chọn  a
Mục  tiêu  là  có  được  dự  báo  chính  
xác  nhất  mà  không  phụ  thuộc  vào  
phương  pháp    
Chúng ta thường làm việc này bằng cách
lựa chọn các mô hình mang lại những sai
lệch dự báo thấp nhất

Sai lệch dự báo =  Nhu cầu thực tế -­ Giá trị dự báo

=  At -­ Ft
 Các  Phương  Pháp  Đo  Lường  
Sai  Lệch    
Trung  Bình  Sai  lệch  Tuyệt  Đối  
(MAD  -­  Mean  Absolute  Deviation)
∑ |Thực  tế  -­ Dự  báo|
MAD  =
n

Trung  Bình  Sai  lệch  Bình  Phương  

(MSE  -­  Mean  Squared  Error)
∑ (Sai  lệch  dự  báo)2
MSE  =
n
 Các  Phương  Pháp  Đo  Lường  
Sai  Lệch  

Trung  Bình Phần Trăm Sai Lêch Tuyệt Đối (MAPE)

n
∑100|Thực  tếi – Dự  báoi|/Thực  tếi
MAPE  = i  =  1
n
 So  Sánh  Các  Sai  Lệch  
Dự  Báo
Kết  quả   Độ  lệch Kết  quả Độ  lệch
Nhu  cầu dự  báo tuyệt  đối dự  báo tuyệt  đối
thực với với với với
Quý a  =  .10 a  =  .10 a  =  .50 a  =  .50
1 180 175 5.00 175 5.00
2 168 175.5 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 175 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205 175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178.22 3.78 186.30 4.30
82.45 98.62
 So  Sánh  Các  Sai  Lệch  
Dự  Báo
∑ |các  sai  lệch|
Kết  quả   Độ  lệch Kết  quả Độ  lệch
MAD  =
Nhu  cầu dự  báo tuyệt  đối dự  báo tuyệt  đối
thực n
với trung với trung  bình
Quý a =  .10 a =  .10 a =  .50 a =  .50
1
Với  a =  .10
180 175 5.00 175 5.00
2 168 =  82.45/8  =  10.31
175.5 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 Với  a175
=  .50 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205 =  98.62/8  =  12.33
175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178.22 3.78 186.30 4.30
82.45 98.62
 So  Sánh  Các  Sai  Lệch  
Dự  Báo 2
∑ (các  sai  lệch  dự  báo)
Kết  quả   Độ  lệch Kết  quả Độ  lệch
MSE  =Nhu  cầu
thực
n
dự  báo
với
tuyệt  đối
trung
dự  báo
với
tuyệt  đối
trung  bình
Quý a =  .10 a =  .10 a =  .50 a =  .50
1
Với  a =  .10
180 175 5.00 175 5.00
2 =  1,526.54/8  =  190.82
168 175.5 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 Với  a175
=  .50 173.18
1.82 165.88 9.12
5 =  1,561.91/8  =  195.24
190 173.36 16.64 170.44 19.56
6 205 175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178.22 3.78 186.30 4.30
82.45 98.62
MAD 10.31 12.33
 So  Sánh  Các  Sai  Lệch
n Dự  Báo  
∑100|sai  lệchi|/thực  tếi
Kết  quả   Độ  lệch Kết  quả Độ  lệch
MAPE  = i  =  1
Nhu  cầu dự  báo tuyệt  đối dự  báo tuyệt  đối
thực với n trung với trung  bình
Quý a =  .10 a =  .10 a =  .50 a =  .50
a =  .10
Với  180
1 175 5.00 175 5.00
2 168 =  44.75/8  =  5.59%
175.5 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 a =  .50 173.18
Với  175 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205 =  54.05/8  =  6.76%
175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178.22 3.78 186.30 4.30
82.45 98.62
MAD 10.31 12.33
MSE 190.82 195.24
 So  Sánh  Các  Sai  Lệch  
Dự  Báo
Kết  quả   Độ  lệch Kết  quả Độ  lệch
Nhu  cầu dự  báo tuyệt  đối dự  báo tuyệt  đối
thực với trung với trung  bình
Quý a =  .10 a =  .10 a =  .50 a =  .50
1 180 175 5.00 175 5.00
2 168 175.5 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 175 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205 175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178.22 3.78 186.30 4.30
82.45 98.62
MAD 10.31 12.33
MSE 190.82 195.24
MAPE 5.59% 6.76%
  Điều  hòaTheo  Luật  Số  Mũ  
Với  Xu  Hướng  Điều  Chỉnh
Khi  dữ  liệu  tồn  tại  xu  hướng,  điều  hòa  theo  luật  
số  mũ  phải  được  điều  chỉnh

Dự báo Dự  báo   Yếu  tố

Bao  gồm    (FITt) =   Theo  hàm        (Ft) + (Tt) điều  chỉnh
cả  xu  hướng Số  mũ xu  hướng
Điều  hòa  Theo  Luật  Số  Mũ  
Với  Xu  Hướng  Điều  Chỉnh

Ft =  a(At -­ 1)  +  (1  -­ a)(Ft -­ 1 +  Tt -­ 1)

Tt =  b(Ft -­ Ft -­ 1)  +  (1  -­ b)Tt -­ 1

Bước 1:  Tính Ft
Bước 2:  Tính Tt
Step  3:  Tính  toán  dự  báo FITt = Ft +  Tt
 Ví Dụ

Dự báo
Nhu cầu Dự báo Yếu tố có tính đến
Tháng (t) thực (At) hàm số mũ,  Ft xuhướng,  Tt xu hướng,  FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24
6 21
7 31
8 28
9 36
10
 Ví Dụ

Dự  báo
Nhu  cầu Dự  báo Yếu  tố có  tính  đến
Tháng  (t) thực  (At) hàm  số  mũ,  Ft xuhướng,  Tt xu  hướng,  FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24 Bước  1:  Dự  báo  cho  Tháng  2
6 21
7 31 F2 =  aA1 +  (1  -­ a)(F1 +  T1)
8 28 F2 =  (.2)(12)  +  (1  -­ .2)(11  +  2)
9 36
10 =  2.4  +  10.4  =  12.8  đơn  vị
 Ví Dụ

Dự  báo
Nhu  cầu Dự  báo Yếu  tố có  tính  đến
Tháng  (t) thực  (At) hàm  số  mũ,  Ft xuhướng,  Tt xu  hướng,  FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24 Bước  2:  Xu  hướng  của  Tháng  2
6 21
7 31 T2 =  b(F2 -­ F1)  +  (1  -­ b)T1
8 28 T2 =  (.4)(12.8  -­ 11)  +  (1  -­ .4)(2)
9 36
10 =  .72  +  1.2  =  1.92  đơn  vị
 Ví Dụ

Dự  báo
Nhu  cầu Dự  báo Yếu  tố có  tính  đến
Tháng  (t) thực  (At) hàm  số  mũ,  Ft xuhướng,  Tt xu  hướng,  FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24 Bước  3:  Tính  toán  FIT  cho  Tháng  2
6 21
7 31 FIT2 =  F2 +  T1
8 28 FIT2 =  12.8  +  1.92
9 36
10 =  14.72  đơn  vị
 Ví Dụ

Dự  báo
Nhu  cầu Dự  báo Yếu  tố có  tính  đến
Tháng  (t) thực  (At) hàm  số  mũ,  Ft xuhướng,  Tt xu  hướng,  FITt
1 12 11 2 13.00
2 17 12.80 1.92 14.72
3 20 15.18 2.10 17.28
4 19 17.82 2.32 20.14
5 24 19.91 2.23 22.14
6 21 22.51 2.38 24.89
7 31 24.11 2.07 26.18
8 28 27.14 2.45 29.59
9 36 29.28 2.32 31.60
10 32.48 2.68 35.16
 Ví Dụ

35    –

30    – Nhu  cầu  thực  tế  (At)

Nhu  cầu  sản  phẩm

25    –

20    –

15    –

10    – Dự  báo  bao  gồm  cả  xu  hướng  (FITt)

Với a =  .2  và b =  .4
5    –

0    – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Tháng
 Dự  Báo  theo  Xu  Hướng  
Kết  nối  dòng  dự  báo  với  các  điểm  dữ  liệu  quá  khứ  
để  xác  định  xu  hướng  trung  và  dài  hạn

Đường  xu  hướng  tuyến  tính  có  thể  được  xác  định  
bằng  việc  sử  dụng  kỹ  thuật  bình  phương  nhỏ  
nhất
^
y  =  a  +  bx
ở  đó y^ =  giá trị dự báo cần tính toán (biến
phụ thuộc)
a =  hằng số phụ thuộc
b =  hệ số góc của đường xu hướng
x =  biến độc lập
 Phương  Pháp  Bình  Phương  
Nhỏ  Nhất
Quan  sát  thực  tế  
Giá  trị  của  biến  phụ  thuộc

Độ  lệch7

(y  value)

Độ  lệch5 Độ  lệch
6

Độ  lệch3

Độ  lệch
4

Độ  lệch1
(error)
Độ  lệch 2 Đường  xu  hướng
^
y  =  a  +  bx

Thời  gian
 Phương  Pháp  Bình  Phương  
Nhỏ  Nhất
Quan  sát  thực  tế   Độ  lệch
Giá  trị  của  biến  phụ  thuộc

(y  value)

Độ  lệch5 Độ  lệch
Phương  pháp  bình  phương   6

Độ  lệch nhỏ  nhất  làm  giảm  tới  mức  

3
tối  thiểu  tổng  bình  phương  
độ  lệch
Độ  lệch 4

Độ  lệch1
(error)
Độ  lệch 2 Đường  xu  hướng
^
y  =  a  +  bx

Thời  gian
 Phương  Pháp  Bình  Phương  
Nhỏ  Nhất
Các  phương  trình  để  tính  các  biến  hồi  quy

^
y  =  a  +  bx

Sxy  -­ nxy

b  =
Sx2 -­ nx2

a  =  y  -­ bx
 Ví  Dụ  Bình  Phương  Nhỏ  Nhất
Biến Nhu  cầu  
Năm thời  gian(x) điện  năng x2 xy
2001 1 74 1 74
2002 2 79 4 158
2003 3 80 9 240
2004 4 90 16 360
2005 5 105 25 525
2005 6 142 36 852
2007 7 122 49 854
∑x =  28 ∑y =  692 ∑x2 =  140 ∑xy =  3,063
x =  4 y =  98.86

∑xy  -­ nxy 3,063  -­ (7)(4)(98.86)

b  =                                        =                                                                        =  10.54
∑x2 -­ nx2 140  -­ (7)(42)

a =  y -­ bx =  98.86  -­ 10.54(4)  =  56.70

 Ví  Dụ  Bình  Phương  Nhỏ  Nhất
Biến Nhu  cầu  
Năm thời  gian(x) điện  năng x2 xy
2001 1 74 1 74
2002 2 79 4 158
Đường  xu  hướng  là
2003 3 80 9 240
2004 4 90 16 360
2005 ^5
y  =  56.70  +  10.54x
105 25 525
2005 6 142 36 852
2007 7 122 49 854
∑x =  28 ∑y =  692 ∑x2 =  140 ∑xy =  3,063
x =  4 y =  98.86

∑xy  -­ nxy 3,063  -­ (7)(4)(98.86)

b  =                                        =                                                                        =  10.54
∑x2 -­ nx2 140  -­ (7)(42)

a =  y -­ bx =  98.86  -­ 10.54(4)  =  56.70

 Ví  Dụ  Bình  Phương  Nhỏ  Nhất
160    –
Đường  xu  hướng,
^
y  =  56.70  +  10.54x
150    –
140    –
130    –
Nhu  cầu

120    –
110    –
100    –
90    –
80    –
70    –
60    –
50    –
| | | | | | | | |
2001 2002 2003 2004 2005 2006 2007 2008 2009
Năm
Các  Điều  Kiện  Của  Bình  Phương    
Nhỏ  Nhất
1. Chúng  ta  luôn  thu  thập  dữ  liệu  để  
đảm  bảo  mối  quan  hệ  tuyến  tính
2. Chúng  ta  không  dự  báo  những  giai  
đoạn  xa  vượt  ra  ngoài  cơ  sở  liệu
3. Sai  lệch  xung  quanh  đường  bình  
phương  nhỏ  nhất  được  giả  định  là  
ngẫu  nhiên
Biến  Mùa  Vụ  Trong  Dữ  Liệu

Mô  hình  dự  báo  có  

tính  đến  yếu  tố  
mùa  vụ  có  thể  giúp  
dự  báo  theo  xu  
hướng  được  điều  
chỉnh  theo  sự  biến  
đổi  của  mùa  vụ
Sự  biến  đổi  mùa  vụ  trong  số  liệu
Các  bước  để  điều  chỉnh:
1. Tìm  các  số  liệu  trung  bình  cho  mỗi  mùa
2. Tính  mức  trung  bình  trung  cho  tất  cả  các  mùa
3. Tính  chỉ  số  mùa  vụ  cho  mỗi  mùa  tương  ứng
4. Ước  lượng  tổng  nhu  cầu  cho  năm  tiếp  theo
5. Chia  tổng  nhu  cầu  này  cho  số  mùa  sau  đó  
nhân  với  các  chỉ  số  mùa  vụ  của  từng  mùa  để  
được  giá  trị  dự  báo  cho  mỗi  mùa  đó
 Ví  dụ  về  dự  báo  theo  mùa  vụ
Nhu  cầu   Trung  bình Trung  bình Chỉ  số  
Tháng 2005 2006 2007 2005-­2007 các  tháng mùa  vụ
Jan 80 85 105 90 94
Feb 70 85 85 80 94
Mar 80 93 82 85 94
Apr 90 95 115 100 94
May 113 125 131 123 94
Jun 110 115 120 115 94
Jul 100 102 113 105 94
Aug 88 102 110 100 94
Sept 85 90 95 90 94
Oct 77 78 85 80 94
Nov 75 72 83 80 94
Dec 82 78 80 80 94
 Ví  dụ  về  dự  báo  theo  mùa  vụ
Nhu  cầu   Trung  bình Trung  bình Chỉ  số  
Tháng 2005 2006 2007 2005-­2007 các  tháng mùa  vụ
Jan 80 85 105 90 94 0.957
Feb 70 85 85 80 94
Mar 80 93 Trung  bình  mỗi  tháng  từ  2005-­2007  
82 85 94
Chỉ  số  mùa  vụ  =  
Apr 90 95 115Trung  bình  tất  cả  các  thàng
100 94
May 113 125 131 123 94
=  90/94  =  .957
Jun 110 115 120 115 94
Jul 100 102 113 105 94
Aug 88 102 110 100 94
Sept 85 90 95 90 94
Oct 77 78 85 80 94
Nov 75 72 83 80 94
Dec 82 78 80 80 94
 Vi  dụ  về  dự  báo  theo  mùa  vụ
Nhu  cầu   Trung  bình Trung  bình Chỉ  số  
Tháng 2005 2006 2007 2005-­2007 các  tháng mùa  vụ
Jan 80 85 105 90 94 0.957
Feb 70 85 85 80 94 0.851
Mar 80 93 82 85 94 0.904
Apr 90 95 115 100 94 1.064
May 113 125 131 123 94 1.309
Jun 110 115 120 115 94 1.223
Jul 100 102 113 105 94 1.117
Aug 88 102 110 100 94 1.064
Sept 85 90 95 90 94 0.957
Oct 77 78 85 80 94 0.851
Nov 75 72 83 80 94 0.851
Dec 82 78 80 80 94 0.851
 Vi  dụ  về  dự  báo  theo  mùa  vụ
Nhu  cầu   Trung  bình Trung  bình Chỉ  số  
Tháng 2005 2006 2007 2005-­2007 các  tháng mùa  vụ
Jan 80 85 105 90 94 0.957
Feb 70 85 Nhu  cầu  cho  2008
85 80 94 0.851
Mar 80 93 82 85 94 0.904
Apr 90Tổng  nhu  cầu  dự  báo  năm  =  1,200
95 115 100 94 1.064
May 113 125 131 123 94 1.309
Jun 110 115 120 1,200 115 94 1.223
Jul Jan 113
100 102 x  .957  =  96
12 105 94 1.117
Aug 88 102 110 100 94 1.064
1,200
Sept 85 90
Feb 95 90
x  .851  =  85 94 0.957
Oct 77 78 85 12 80 94 0.851
Nov 75 72 83 80 94 0.851
Dec 82 78 80 80 94 0.851
Ví  dụ  về  dự  báo  theo  mùa  vụ
2008  Dự  báo
140    – 2007  Nhu  cầu  thực  
130    – 2006  Nhu  cầu  thực
2005  Nhu  cầu  thực
120    –
Nhu  cầu

110    –
100    –
90    –
80    –
70    –
| | | | | | | | | | | |
J F M A M J J A S O N D
Thời  gian
 Bệnh  viện  San  Diego
Yếu  tố  xu  hướng
10,200  –

10,000  –
Lượt  bệnh  nhân  

9,800  – 9745
9702
9616 9659
9573 9724 9766
9,600  – 9530 9680
9594 9637
9,400  – 9551

9,200  –

9,000  – | | | | | | | | | | | |
Jan Feb Mar Apr May June July Aug Sept Oct Nov Dec
67 68 69 70 71 72 73 74 75 76 77 78
Tháng
 Bệnh  viện  San  Diego
Chỉ  số  mùa  vụ
Chỉ  số  mùa  vụ  cho  lượt  bệnh  nhân

1.06  –
1.04 1.04
1.04  – 1.03
1.02
1.02  – 1.01
1.00
1.00  – 0.99
0.98
0.98  – 0.99
0.96  – 0.97 0.97
0.96
0.94  –
0.92  – | | | | | | | | | | | |
Jan Feb Mar Apr May June July Aug Sept Oct Nov Dec
67 68 69 70 71 72 73 74 75 76 77 78
Tháng
 Bệnh  viện  San  Diego
Kết  hợp  yếu  tố  xu  hướng  và  mùa  vụ
10,200  –
10068
Lượt  bệnh  nhân  ngày

10,000  – 9911 9949

9,800  – 9764 9724

9691
9,600  – 9572

9,400  – 9520 9542

9411
9265 9355
9,200  –

9,000  – | | | | | | | | | | | |
Jan Feb Mar Apr May June July Aug Sept Oct Nov Dec
67 68 69 70 71 72 73 74 75 76 77 78
Tháng
 Dự  báo  liên  kết
Được sử dụng khi sự thay đổi của một hay  
nhiều biến độc lập có thể dẫn đến ước lượng
được sự thay đổi của biến phụ thuộc

Kỹ  thuật  dự  báo  cơ  bản  nhất  là  kỹ  

thuật  phân  tích  hồi  quy  tuyến  tính

Cách  thức  áp  dụng  ở  đây  giống  như  

chúng  ta  áp  dụng  với  biến  là  thời  gian  
đã  được  lấy  làm  ví  dụ  ở  trên
 Dự  báo  liên  kết
Kết  quả  dự  báo  được  tính  theo  mô  hình  này  
dựa  trên  bài  toán  quy  hoạch  tuyến  tính  với  
điều  kiện  bình  phương  nhỏ  nhất
^
y  =  a  +  bx

ở  đó  y^ =  giá  trị  dự  báo  cần  tính  toán  (biến  
phụ  thuộc)
a =  hằng  số  phụ  thuộc
b =  hệ  số  góc  của  đường  xu  hướng
x =  biến  độc  lập  có  ảnh  hưởng  đến  biến  
phụ  thuộc
 Ví  dụ  về  Dự  báo  liên  kết
Doanh  thu Lương  tại  địa  phương
($  tỷ),  y ($  triệu),  x
2.0 1
3.0 3
2.5 4 4.0    –
2.0 2

Doanh  thu
2.0 1 3.0    –
3.5 7
2.0    –

1.0    –

| | | | | | |
0 1 2 3 4 5 6 7
Lương  tại  khu  vực
 Ví  dụ  về  dự  báo  liên  kết
Doanh  thu,  y Lương  bổng,  x x2 xy
2.0 1 1 2.0
3.0 3 9 9.0
2.5 4 16 10.0
2.0 2 4 4.0
2.0 1 1 2.0
3.5 7 49 24.5
∑y =  15.0 ∑x =  18 ∑x2 =  80 ∑xy =  51.5

∑xy  -­ nxy 51.5  -­ (6)(3)(2.5)

x =  ∑x/6  =  18/6  =  3 b =                                =                                                  =  .25
80  -­ (6)(32)
∑x -­ nx
2 2

y =  ∑y/6  =  15/6  =  2.5 a =  y -­ bx  =  2.5  -­ (.25)(3)  =  1.75

 Ví  dụ  về  dự  báo  liên  kết
^
y  =  1.75  +  .25x Doanh  thu  =  1.75  +  .25(lương)

Nếu  chi  phí  tiền  

4.0    –
lương  năm  sau  là  
$6 triệu  thì: 3.25
Doanh  thu 3.0    –

Doanh  thu  =  1.75  +  .25(6) 2.0    –

Doanh  thu  =  $3,250,000,000
1.0    –

| | | | | | |
0 1 2 3 4 5 6 7
Lương  tại  địa  phương
 Độ  lệch  chuẩn  của  sai  số
þ Dự  báo  là  việc  đoán  trước  các  điểm  
trong  tương  lai
þ Dự  báo  có   4.0    –
thể  tạo  ra  các   3.25
xác  suất  sai  số 3.0    –
Sales
2.0    –

1.0    –

| | | | | | |
0 1 2 3 4 5 6 7
Area  payroll
Figure  4.9
 Độ  lệch  chuẩn

∑(y  -­ yc)2

Sy,x =
n  -­ 2

Tại đó y = y-­ giá trị mỗi điểm thực

yc = giá trị tính toán dự báo cho mỗi
kỳ đã đã tính
n = số lượng số liệu
 Độ  lệch  chuẩn
Có  cách  khác  đơn  giản  hơn  để  tính  
độ  lệch  chuẩn

∑y2 -­ a∑y  -­ b∑xy

Sy,x =
n  -­ 2

Sử  dụng  độ  lệch  chuẩn  để  xác  định  

khoảng  biến  thiên  của  giá  trị  dự  
báo  xung  quanh  giá  trị  trung  bình  
đã  dự  báo
 Độ  lệch  chuẩn
∑y2 -­ a∑y  -­ b∑xy 39.5  -­ 1.75(15)  -­ .25(51.5)
Sy,x =                                                                        =
n  -­ 2 6  -­ 2

Sy,x =    .306 4.0    –

3.25
3.0    –
Sales
Độ  lệch  chuẩn  của  
2.0    –
giá  trị  doanh  số  là  
306  triệu   1.0    –

| | | | | | |
0 1 2 3 4 5 6 7
Area  payroll
 Hệ  số  tương  quan
þ Thể hiện mối quan  hệ giữa các
biến là mạnh hay  yếu
þ Hệ số tương quan  không nhất thiết
phản ánh mức độ tác động!
þ Hệ số tương quan,  r,  đo lường sự
liên kết của các giá trị
þ r  nằm trong  khoảng từ -­1 đến +1
 Hệ  số  tương  quan
nSxy -­ SxSy    
r  =  
[nSx2 -­ (Sx)2][nSy2 -­ (Sy)2]
y
Hệ  số  tương  quan y

nSxy -­ SxSy    
r  =  
(a) Tương  quan  
[nS
x
x 2 -­ (Sx)2][nSy2 -­ (Sy)2]
x
(b) Đồng  biến:  
đồng  biến  hoàn   0  < r  < 1
toàn:  r  =  +1

y y

(c) Không  tương   x (d) Tương  quan   x

quan:   nghịch  biến  hoàn  
r  = 0 toàn:  r  =  -­1
 Hệ  số  tương  quan
þ Hệ số tương quan  bình phương,  r2,  
dự đoán hoàn hảo sự thay đổi của
y  sẽ như thế nào khi x  thay đổi
þ Giá trị trong  khoảng 0 đến 1
þ Dễ để biện luận

Ví  dụ  tại  công  ty  xây  dựng  Noden:

r  =  .901
r2 =  .81
 Hồi  quy  đa  biến

Nếu  như  có  nhiều  hơn  một  biến  độc  lập  có  
ảnh  hưởng  đến  biến  phụ  thuộc,  mô  hình  hồi  
quy  tuyến  tính  chuyển  thành  mô  hình  hồi  quy  
đa  biến
^
y  =  a  +  b1x1 +  b2x2 …

Về  mặt  tính  toán,  mô  hình  này  phức  tạp  hơn  

so  với  mô  hình  đơn  biến,  cho  nên  người  ta  
phải  sử  dụng  máy  tính  để  giải  bài  toán  này
 Hồi  quy  đa  biến

Trong  ví  dụ  về  công  ty  Nodel  nếu  ta  đưa  thêm  
biến  về  lãi  suất  vào  công  thức  tính,  sẽ  được  hàm  
mới  :
^
y  =  1.80  +  .30x1 -­ 5.0x2

Hệ  số  tương  quan  mới  r  =  0.96 có  nghĩa  là  hàm  

mới  cho  thấy  hàm  này  có  thể  dự  báo  chính  xác  
hơn  về  những  biến  động  trong  doanh  thu  của  
công  ty
Sales  =  1.80  +  .30(6)  -­ 5.0(.12)  =  3.00
Sales  =  $3,000,000
 Điều  khiển  và  kiểm  soát  
dự  báo
Tiến  hiệu  chỉnh
þ Đo  lường  mức  độ  chính  xác  của  kết  quả  
dự  báo
þ Là  tỷ  số  giữa  tổng  sai  lệch  dự  báo  (RSFE)  
với  sai  lệch  tuyệt  đối  trung  bình  (MAD)
þ Tín  hiệu  điều  chỉnh  càng  nhỏ  càng  tốt
þ Nếu  kết  quả  dự  báo  liên  tục  cao  hay  thấp,  sẽ  
chỉ  ra  cho  thấy  các  sai  lệch  có  tính  hệ  thống  
của  mô  hình  dự  báo
Điều  khiển  và  kiểm  soát
dự  báo

Tín hiệu RSFE

chỉnh =
MAD

∑(Giá  trị  thực  trong  

kỳ  i  -­
Giá  trị  dự  báo  trong  
Tín hiệu kỳ  i)
chỉnh =
(∑|Giá  trị  thực  kỳ  i  –
Gía  trị  dự  báo  kỳ  i|/n)
 Tín  hiệu  điều  khiển
Tín  hiệu  ra  ngoài  giới  hạn
Tín  hiệu  điều  khiển
Cận  trên  kiểm  soát
+

0 MADs Khoảng  
chấp  nhận

–
Cận  dưới  kiểm  soát

Thời  gian
 Ví  dụ  về  tín  hiệu  kiểm  soát
Tổng
sai  lệch sai  lệch
Nhu  cầu Nhu  cầu tuyệt  đối cộng  
Quý thực dự  báo Sai  lệch RSFE TB dồn MAD

1 90 100 -­10 -­10 10 10 10.0

2 95 100 -­5 -­15 5 15 7.5
3 115 100 +15 0 15 30 10.0
4 100 110 -­10 -­10 10 40 10.0
5 125 110 +15 +5 15 55 11.0
6 140 110 +30 +35 30 85 14.2
 Ví  dụ  về  tín  hiệu  kiểm  soát  
Tổng
Tín  hiệu  điều sai  lệch sai  lệch
chỉnh
Nhu  cầu Nhu  cầu tuyệt  đối cộng  
Quý thực(RSFE/MAD)
dự  báo Sai  lệch RSFE TB dồn MAD

1 90-­10/10  =  -­1
100 -­10 -­10 10 10 10.0
2 95
-­15/7.5  =  -­2
100 -­5 -­15 5 15 7.5
3 115 0/10  =  0
100 +15 0 15 30 10.0
4 100-­10/10  =  -­1
110 -­10 -­10 10 40 10.0
5 125
+5/11  =  +0.5
110 +15 +5 15 55 11.0
6 140
+35/14.2  =  +2.5
110 +30 +35 30 85 14.2

Sự  biến  thiên  của  tín  hiệu  điều  chỉnh  nằm  

trong  khoảng  từ  -­2.0 đến  +2.5 là  trong  giới  
hạn  cho  phép
 Dự  báo  điều  chỉnh

Người ta có thể sử dụng máy tính để

điều chỉnh liên tục các giá trị hệ số a
và b trong  mô hình dự báo hàm số mũ
cho đến khi kết quả dự báo nằm trong  
phạm vi  mong muốn với mức sai lệch
chấp nhận được.
Kỹ thuật này được gọi là dự báo điều
chỉnh
 Dự  báo  trọng  tâm
Được  phát  triển  tại  công  ty  American  
Hardware  Supply,  dự  báo  trọng  tâm  dựa  trên  
hai  nguyên  tắc  sau:
1. Các  mô  hình  dự  báo  phức  tạp  chưa  chắc  đã  mang  lại  kết  
quả  tốt  hơn  phương  pháp  đơn  giản
2. Không  thể  chỉ  có  một  phương  pháp  đơn  giản  mà  có  thể  
áp  dụng  cho  mọi  sản  phẩm  hay  dịch  vụ  cần  dự  báo
Phương  pháp  này  sử  dụng  các  số  liệu  trong  quá  
khứ  để  thử  nghiệm  mô  hình  dự  báo  đa  năng  cho  
các  sản  phẩm  hoặc  dịch  vụ  khác  nhau
Phương  pháp  dự  báo  với  sai  số  thấp  nhất  sẽ  được  
sử  dụng  ngay  để  dự  báo  các  nhu  cầu  sau  đó
 Dự  báo  trong  dịch  vụ
þ Những  thách  thức  bất  thường  của  dự  
báo  trong  dịch  vụ
þ Dự  báo  đặc  biệt  theo  thời  gian  ngắn  hạn
þ Nhu  cầu  là  khác  nhau  cho  mỗi  ngành  
dịch  vụ  và  mỗi  dịch  vụ
þ Nhu  cầu  có  thể  cao  hơn  trong  ngày  lễ  và  
ngày  nghỉ
þ Chịu  ảnh  hưởng  của  những  sự  kiện  bất  
thường
 Dự  báo  tại  nhà  hàng  
Fast  Food
20%    –
Phần  trăm  doanh  số

15%    –

10%    –

5%    –

11-­12 1-­2 3-­4 5-­6 7-­8 9-­10

12-­1 2-­3 4-­5 6-­7 8-­9 10-­11
(Giờ  ăn  trưa) (Giờ  ăn  tối)
Giờ  trong  một  ngày
 Dự  báo  tại  Call  Center  của  
FedEx
12%    –

10%    –

8%    –

6%    –

4% –

2% –

0% –
2 4 6 8 10 12 2 4 6 8 10 12
A.M. P.M.
Giờ  trong  ngày