Khai thác dữ liệu và dự báo trong kinh doanh | Bài giảng Kinh Doanh Thương Mại

Đại học Văn lang Tp HCM Khoa: Thương mại
Bộ môn: Kinh Doanh Thương Mại
KHAI THÁC DỮ LIỆU & DỰ BÁO TRONG KINH DOANH
DATA MINING & FORECASTING IN BUSINESS ID: 71BUSI40183 Ngành: Thương mại
Chuyên ngành: Kinh Doanh Thương Mại Trình bày: Lý Đức Minh 0 Tp HCM, 20/08/2024 Chương 1
Giới thiệu tổng quan 1 1.1. Giới thiệu
 Định nghĩa: Dự báo trong kinh doanh là quá trình sử dụng các phương pháp và công
cụ phân tích để dự đoán các sự kiện hoặc xu hướng tương lai, nhằm hỗ trợ việc
hoạch định và ra quyết định kinh doanh.
 Mục đích của dự báo trong kinh doanh:
① Cung cấp thông tin về tương lai để hỗ trợ ra quyết định chiến lược và hoạch định kinh doanh.
② Giúp doanh nghiệp chủ động đối phó với các thay đổi và rủi ro trong tương lai.
③ Tối ưu hóa quy hoạch sản xuất, chiến lược marketing, quản lý tài chính
 Các loại dự báo trong kinh doanh:
① Dự báo doanh số, doanh thu
② Dự báo nhu cầu tiêu dùng
③ Dự báo chi phí, giá cả
④ Dự báo tình hình tài chính
⑤ Dự báo xu hướng thị trường
⑥ Dự báo các sự kiện ảnh hưởng đến kinh doanh 2 1.1. Giới thiệu
 Phương pháp dự báo:
① Phương pháp định tính: sử dụng ý kiến chuyên gia, bảng câu hỏi, phân tích kịch bản, v.v.
② Phương pháp định lượng: sử dụng mô hình thống kê, chuỗi thời gian,
 Tóm lại, dự báo trong kinh doanh là một quá trình quan trọng giúp doanh nghiệp
đưa ra các quyết định kinh doanh hiệu quả dựa trên thông tin về tương lai. 3 1.2. Phân loại
 Phương pháp dự báo định tính trong kinh doanh là các phương pháp dự báo dựa
trên ý kiến, đánh giá chủ quan của các chuyên gia, nhà quản lý hoặc thông tin định
tính khác. Một số phương pháp dự báo định tính phổ biến bao gồm:
① Phương pháp ý kiến chuyên gia (Expert Opinion): Dựa vào kinh nghiệm,
trực giác và kiến thức của các chuyên gia có chuyên môn trong lĩnh vực kinh doanh.
Ví dụ: Hội thảo tham vấn chuyên gia, cuộc họp ban lãnh đạo.
② Phương pháp delfhi (Delphi Method): Tập hợp ý kiến của các chuyên gia theo
quy trình lặp đi lặp lại nhằm đạt được sự đồng thuận. Các chuyên gia đưa ra dự báo
độc lập, sau đó được phản hồi về dự báo của nhóm, rồi điều chỉnh lại dự báo cá nhân.
③ Phương pháp kịch bản (Scenario Planning): Xây dựng các kịch bản tình
huống tương lai khác nhau, sau đó phân tích và lựa chọn kịch bản phù hợp. Giúp
doanh nghiệp chuẩn bị sẵn các phương án ứng phó với các tình huống có thể xảy ra. 4 1.2. Phân loại
④ Phương pháp sử dụng bảng câu hỏi (Survey): Sử dụng các bảng câu hỏi để
thu thập thông tin, ý kiến của khách hàng, nhà cung cấp hoặc các bên liên quan. Dựa
trên kết quả khảo sát để đưa ra dự báo về nhu cầu, xu hướng thị trường.
 Ưu điểm của phương pháp dự báo định tính là tính linh hoạt, khả năng lý giải
cao và phù hợp với các tình huống mới lạ. Tuy nhiên, kết quả dự báo có thể chịu
ảnh hưởng bởi sự chủ quan của các chuyên gia. 5 1.2. Phân loại
 Phương pháp dự báo định lượng trong kinh doanh là những phương pháp sử
dụng các mô hình toán học, phân tích thống kê để dự báo các chỉ số định lượng như
doanh số, doanh thu, chi phí, nhu cầu thị trường, v.v. Một số phương pháp dự báo
định lượng phổ biến bao gồm:
① Phương pháp chuỗi thời gian (Time Series Analysis): Dự báo dựa trên phân
tích các xu hướng, mùa vụ, chu kỳ trong dữ liệu chuỗi thời gian của các chỉ số kinh
doanh. Các mô hình thường sử dụng như mô hình trung bình di động, mô hình hồi quy, mô hình ARIMA.
② Phương pháp hồi quy (Regression Analysis): Xây dựng mô hình hồi quy để
dự báo một biến số phụ thuộc dựa trên các biến số độc lập. Ví dụ: Dự báo doanh số
dựa trên các yếu tố như quảng cáo, giá cả, thu nhập khách hàng, v.v. 6 1.2. Phân loại
③ Phương pháp chỉ số dẫn (Leading Indicators): Sử dụng các chỉ số kinh tế vĩ
mô như GDP, lạm phát, lãi suất để dự báo xu hướng của các chỉ số kinh doanh. Ví
dụ: Dự báo doanh số dựa trên chỉ số sản xuất công nghiệp.
④ Phương pháp mô hình trọng số (Weighted Models): Sử dụng các trọng số
khác nhau để kết hợp các phương pháp dự báo định lượng khác nhau. Giúp nâng
cao độ chính xác của dự báo.
 Ưu điểm của phương pháp dự báo định lượng là tính khách quan, khoa học và
có thể định lượng được kết quả. Tuy nhiên, chúng cần có nhiều dữ liệu lịch sử và có
thể bỏ qua các yếu tố định tính quan trọng. 7
1.3. Qui trình dự báo
 Qui trình dự báo trong kinh doanh thường bao gồm các bước sau:
① Xác định mục đích và phạm vi dự báo: Xác định rõ mục tiêu và phạm vi của
dự báo (doanh số, lợi nhuận, nhu cầu thị trường, v.v.). Xác định các bên liên quan và
những thông tin cần thiết.
② Thu thập và chuẩn bị dữ liệu: Thu thập dữ liệu lịch sử liên quan (doanh số,
chi phí, thị trường, v.v.). Làm sạch, kiểm tra tính đầy đủ và chính xác của dữ liệu.
③ Lựa chọn phương pháp dự báo: Xem xét các phương pháp dự báo định tính
và định lượng phù hợp. Chọn phương pháp dựa trên mục đích, tính khả dụng của dữ liệu và nguồn lực.
④ Xây dựng mô hình dự báo: Áp dụng phương pháp dự báo đã chọn. Hiệu
chỉnh các tham số và giả định của mô hình. 8
1.3. Qui trình dự báo
⑤ Đánh giá và kiểm tra độ chính xác: Đánh giá chất lượng và độ chính xác của
dự báo. Xác định các nguồn lỗi và điều chỉnh mô hình nếu cần.
⑥ Trình bày và sử dụng kết quả dự báo: Trình bày kết quả dự báo dưới dạng
báo cáo, bảng, biểu đồ. Sử dụng kết quả dự báo để hỗ trợ ra quyết định kinh doanh.
⑦ Theo dõi, cập nhật và điều chỉnh: Theo dõi sự thay đổi của môi trường kinh
doanh. Cập nhật dữ liệu và điều chỉnh mô hình dự báo định kỳ.
 Qui trình dự báo là một quy trình lặp đi lặp lại nhằm nâng cao chất lượng và độ
chính xác của dự báo, hỗ trợ quá trình ra quyết định kinh doanh hiệu quả. 9
1.4. Dữ liệu dùng để dự báo
 Các tiêu chí quan trọng của dữ liệu dùng để dự báo trong kinh doanh bao gồm:
① Tính liên quan (Relevance): Dữ liệu phải liên quan và phù hợp với mục đích
dự báo. Dữ liệu cần bao quát các yếu tố ảnh hưởng đến kết quả kinh doanh.
② Tính đầy đủ (Completeness): Dữ liệu phải đầy đủ, bao phủ đủ các yếu tố quan
trọng. Không có quá nhiều giá trị bị thiếu hoặc sai lệch.
③ Tính chính xác (Accuracy): Dữ liệu phải chính xác, đáng tin cậy, phản ánh
đúng thực tế. Giảm thiểu sai số, lỗi trong quá trình thu thập và xử lý dữ liệu.
④ Tính kịp thời (Timeliness): Dữ liệu phải được cập nhật đều đặn và được thu
thập kịp thời. Dữ liệu phải phản ánh tình hình hiện tại và xu hướng mới nhất. 10
1.4. Dữ liệu dùng để dự báo
⑤ Tính nhất quán (Consistency): Dữ liệu phải được định nghĩa và đo lường theo
cùng một cách thức. Dữ liệu phải được chuẩn hóa và có thể so sánh được.
⑥ Tính minh bạch (Transparency): Nguồn gốc, quy trình thu thập và xử lý dữ
liệu phải rõ ràng. Các giả định và hạn chế của dữ liệu phải được nêu rõ.
⑦ Tính bảo mật (Security): Dữ liệu phải được bảo vệ an toàn, hạn chế truy cập
trái phép. Tuân thủ các quy định về bảo vệ dữ liệu cá nhân.
 Việc tuân thủ các tiêu chí này sẽ giúp đảm bảo chất lượng và độ tin cậy của dữ
liệu, cải thiện chất lượng của các mô hình dự báo trong kinh doanh. 11
1.5. Xử lý dữ liệu dùng để dự báo
 Có các phương pháp chính để khử yếu tố khuyến mãi trong dự báo kinh doanh:
① Phương pháp điều chỉnh dữ liệu lịch sử (Adjustment method): Xác định các
thời điểm có diễn ra khuyến mãi và ước tính mức độ ảnh hưởng. Trừ đi phần doanh
số/doanh thu do khuyến mãi tạo ra khỏi dữ liệu lịch sử. Sử dụng dữ liệu đã được
điều chỉnh để xây dựng mô hình dự báo.
② Phương pháp biến số giả (Dummy variable method): Xây dựng một biến số
giả (dummy variable) để đánh dấu các thời điểm có khuyến mãi. Thêm biến số giả
này vào mô hình dự báo và ước tính hệ số ảnh hưởng. Sử dụng mô hình để dự báo,
sau đó loại trừ ảnh hưởng của khuyến mãi.
③ Phương pháp mô hình kết hợp (Combined model method): Xây dựng 2 mô
hình song song: một mô hình dự báo chung và một mô hình dự báo riêng cho ảnh
hưởng của khuyến mãi. Sử dụng kết quả từ cả 2 mô hình để tính toán dự báo cuối cùng. 12
1.5. Xử lý dữ liệu dùng để dự báo
④ Phương pháp mô hình thời gian (Time series method): Phân tích chuỗi thời
gian dữ liệu và xác định các mô hình thời gian phù hợp. Loại bỏ yếu tố mùa vụ và
chu kỳ do khuyến mãi gây ra khỏi chuỗi thời gian. Sử dụng mô hình thời gian được
hiệu chỉnh để dự báo.
 Tùy thuộc vào tính chất của dữ liệu và mục đích dự báo, các doanh nghiệp có thể
lựa chọn phương pháp phù hợp để khử yếu tố khuyến mãi, đảm bảo dự báo chính xác hơn. 13
1.5. Xử lý dữ liệu dùng để dự báo
 Để khử yếu tố ngoại lai trong dự báo kinh doanh, có thể sử dụng các phương pháp sau:
① Phương pháp loại trừ dữ liệu ngoại lai (Outlier Removal): Xác định các
quan sát ngoại lai trong dữ liệu dựa trên tiêu chí thống kê như khoảng giá trị cho
phép, độ lệch chuẩn, v.v. Loại trừ hoặc điều chỉnh các giá trị ngoại lai khỏi dữ liệu
lịch sử trước khi xây dựng mô hình dự báo.
② Phương pháp biến số giả (Dummy Variable Method): Xác định các sự kiện,
điều kiện ngoại lại ảnh hưởng đến dữ liệu. Tạo ra các biến số giả để đánh dấu các
thời điểm có sự kiện ngoại lại. Bổ sung các biến số giả này vào mô hình dự báo và
ước tính hệ số ảnh hưởng. Sử dụng mô hình được hiệu chỉnh để loại bỏ ảnh hưởng
của yếu tố ngoại lại. 14
1.5. Xử lý dữ liệu dùng để dự báo
③ Phương pháp mô hình hỗn hợp (Mixed Model): Xây dựng mô hình dự báo
chung với các biến số giải thích chính. Xây dựng mô hình riêng để dự báo ảnh
hưởng của các yếu tố ngoại lại. Kết hợp kết quả của cả hai mô hình để có dự báo cuối cùng.
④ Phương pháp mô hình thời gian động (Dynamic Time Series Model): Sử
dụng các mô hình chuỗi thời gian như ARIMA, Exponential Smoothing. Cho phép
mô hình điều chỉnh động để thích ứng với sự thay đổi trong dữ liệu, bao gồm cả các
giá trị ngoại lại. Liên tục cập nhật và hiệu chỉnh mô hình theo thời gian để đảm bảo dự báo chính xác.
 Lựa chọn phương pháp phù hợp phụ thuộc vào tính chất của dữ liệu, mức độ
ảnh hưởng của các yếu tố ngoại lại và mục tiêu dự báo. Việc kết hợp các phương
pháp cũng có thể giúp nâng cao độ chính xác của dự báo. 15
1.6. Một số khái niệm về thống kê
 Dưới đây là một số khái niệm về thống kê quan trọng:
① Dữ liệu (Data): Các thông tin định lượng hoặc định tính được thu thập để phân
tích. Có hai loại dữ liệu chính: dữ liệu định lượng (số) và dữ liệu định tính (chữ).
② Biến số (Variable): Đặc trưng, thuộc tính hoặc đối tượng được đo lường hay
quan sát. Có hai loại biến số chính: biến số định lượng (số) và biến số định tính (chữ).
③ Trung bình (Mean): Giá trị trung bình của một tập hợp số liệu. Được tính bằng
cách cộng tất cả các giá trị và chia cho số lượng quan sát.
④ Trung vị (Median): Giá trị nằm chính giữa một tập hợp số liệu được sắp xếp
theo thứ tự. Chia đôi tập hợp thành hai nửa bằng nhau. 16
1.6. Một số khái niệm về thống kê ⑤
Mốt (Mode): Giá trị xuất hiện nhiều nhất trong một tập hợp số liệu. Là giá trị quan sát phổ biến nhất.
⑥ Phương sai (Variance): Đo lường mức độ phân tán của dữ liệu so với giá trị
trung bình. Bình phương của độ lệch chuẩn.
⑦ Độ lệch chuẩn (Standard Deviation): Đo lường mức độ phân tán của dữ liệu
so với giá trị trung bình. Căn bậc hai của phương sai.
⑧ Tương quan (Correlation): Đo lường mối quan hệ giữa hai biến số. Có thể
nhận giá trị từ -1 đến 1, với -1 là tương quan âm và 1 là tương quan dương.
 Hiểu rõ các khái niệm này là nền tảng quan trọng để áp dụng thống kê vào phân
tích và dự báo kinh doanh. 17
1.6. Một số khái niệm về thống kê 18
1.6. Một số khái niệm về thống kê 19