Giải pháp xây dựng hệ thống phân tích dữ liệu và dự báo doanh thu cho doanh nghiệp vừa và nhỏ tại Việt Nam

Nguyễn Văn Huân và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 135(05): 191 - 198<br /> <br /> GIẢI PHÁP XÂY DỰNG HỆ THỐNG PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO<br /> DOANH THU CHO DOANH NGHIỆP VỪA VÀ NHỎ TẠI VIỆT NAM<br /> Nguyễn Văn Huân*, Lê Anh Tú<br /> Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên<br /> <br /> TÓM TẮT<br /> Trong thực tế, phân tích và dự báo doanh thu đóng một vai trò quan trọng, giúp cho các nhà quản<br /> lý chủ động trong việc đề ra các kế hoạch và các quyết định cần thiết phục vụ cho quá trình sản<br /> xuất kinh doanh, đầu tư, quảng bá, quy mô sản xuất, kênh phân phối sản phẩm, nguồn cung cấp tài<br /> chính,…<br /> Bài báo đã đề xuất giải pháp xây dựng hệ thống phân tích dữ liệu và dự báo doanh thu cho doanh<br /> nghiệp vừa và nhỏ trên cơ sở thu thập, phân tích và kiểm định dữ liệu nhằm đưa ra những giải<br /> pháp xây dựng kế hoạch hoạt động sản xuất kinh doanh sao cho đạt hiệu quả cao nhất.<br /> Từ khoá: phân tích dữ liệu, dự báo, hồi quy tuyến tính, trung bình động, doanh thu<br /> <br /> GIỚI THIỆU*<br /> Phân tích dữ liệu và dự báo là một bài toán có<br /> ý nghĩa quan trọng trong việc hỗ trợ các nhà<br /> quản lý đưa ra quyết định đúng đắn dựa vào<br /> các dữ liệu đã thu thập được. Khi tiến hành dự<br /> báo cần căn cứ vào việc thu thập, xử lý số liệu<br /> trong quá khứ và hiện tại để xác định xu hướng<br /> vận động của các hiện tượng trong tương lai<br /> nhờ vào một số mô hình toán học[3].<br /> Trên thế giới đã có nhiều tác giả đưa ra cách<br /> phân loại các phương pháp dự báo khác nhau.<br /> Tuy nhiên, theo Gordon trong hai thập kỷ gần<br /> đây, có các phương pháp dự báo được áp<br /> dụng rộng rãi trên thế giới như: Tiên đoán,<br /> ngoại suy xu hướng, dự báo tổng<br /> hợp,…[1],[2].<br /> Hiện nay, ở Việt Nam có rất nhiều đơn vị<br /> tham gia công tác phân tích dữ liệu và dự<br /> báo phục vụ việc lập và triển khai các kế<br /> hoạch phát triển kinh tế xã hội như: Bộ Kế<br /> hoạch và Đầu tư, Trung tâm Thông tin và Dự<br /> báo Kinh tế Xã hội Quốc gia, Viện Chiến<br /> lược phát triển, Tổng cục Thống kê và Vụ<br /> Tổng hợp kinh tế quốc dân,… Bên cạnh đó,<br /> bài toán phân tích dữ liệu và dự báo đã được<br /> một số nhà quản lý, chuyên gia kinh tế<br /> nghiên cứu và đề xuất một số giải pháp ứng<br /> dụng vào một số lĩnh vực cụ thể: Phân tích<br /> và dự báo tình hình tài chính [9], tiền tệ [7],<br /> hoạch định và điều hành chính sách tài chính<br /> *<br /> <br /> Tel: 0987 118623<br /> <br /> [5], xây dựng mô hình dự báo chỉ số thống<br /> kê xã hội chủ yếu [4], dự báo biến động giá<br /> chứng khoán [8], dự báo sự tác động của vốn<br /> đầu tư từ nước ngoài [10], dự báo giá một số<br /> mặt hàng tư liệu sản xuất [6]. Tuy nhiên,<br /> những nghiên cứu này chưa tập trung nhiều<br /> vào việc dự báo doanh thu cho các doanh<br /> nghiệp vừa và nhỏ nhằm có được những kế<br /> hoạch hoạt động sản xuất kinh doanh đạt<br /> hiệu quả cao.<br /> Một trong các chỉ tiêu quan trọng để đánh giá<br /> kết quả hoạt động sản xuất kinh doanh của<br /> doanh nghiệp vừa và nhỏ là chỉ tiêu doanh<br /> thu. Doanh thu là tổng giá trị các mặt hàng<br /> sản phẩm của doanh nghiệp đã được tiêu thu<br /> và thanh toán trong kỳ. Đây là chỉ tiêu tổng<br /> hợp phản ánh kết quả kinh doanh, là cơ sở để<br /> đánh giá việc thực hiện mục tiêu kinh doanh<br /> của doanh nghiệp vừa và nhỏ.<br /> Xuất phát trong hoàn cảnh đó, bài báo này đề<br /> xuất giải pháp xây dựng hệ thống phân tích<br /> dữ liệu và dự báo doanh thu cho doanh nghiệp<br /> vừa và nhỏ trên cơ sở thu thập, phân tích và<br /> kiểm định dữ liệu từ đó đưa ra những giải<br /> pháp xây dựng kế hoạch hoạt động sản xuất<br /> kinh doanh sao cho đạt hiệu quả cao nhất.<br /> PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO<br /> KINH TẾ<br /> Quy trình phân tích và dự báo<br /> Quy trình phân tích và dự báo được chia thành 9<br /> bước. Các bước này bắt đầu và kết thúc với sự<br /> 191<br /> <br /> Nitro PDF Software<br /> 100 Portable Document Lane<br /> Wonderland<br /> <br /> Nguyễn Văn Huân và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 135(05): 191 - 198<br /> <br /> trao đổi, hợp tác và cộng tác giữa những người<br /> sử dụng và những người làm dự báo.<br /> <br /> + Nguồn thông tin thứ cấp:<br /> <br /> Bước 1: Xác định mục tiêu<br /> <br /> Bên ngoài: sách báo, tạp chí, internet, các tài<br /> liệu thống kê,…<br /> <br /> - Các mục tiêu liên quan đến các quyết định<br /> cần đến dự báo phải được nói rõ. Nếu quyết<br /> định vẫn không thay đổi bất kể có dự báo<br /> hay không thì mọi nỗ lực thực hiện dự báo<br /> cũng vô ích.<br /> - Nếu người sử dụng và người làm dự báo có<br /> cơ hội thảo luận các mục tiêu và kết quả dự<br /> báo sẽ được sử dụng như thế nào, thì kết quả<br /> dự báo sẽ có ý nghĩa quan trọng.<br /> Bước 2: Xác định dự báo cái gì<br /> <br /> Bên trong: nội bộ công ty, sổ sách kế toán.<br /> <br /> - Cần phải lưu ý dạng dữ liệu sẵn có ( thời<br /> gian, đơn vị tính,…).<br /> - Dữ liệu thường được tổng hợp theo cả biến<br /> và thời gian, nhưng tốt nhất là thu thập dữ<br /> liệu chưa được tổng hợp.<br /> - Cần trao đổi giữa người sử dụng và người<br /> làm dự báo.<br /> Bước 5: Lựa chọn mô hình<br /> <br /> Khi các mục tiêu tổng quát đã rõ ta phải xác<br /> định chính xác là dự báo cái gì.<br /> <br /> - Để chọn một phương pháp dự báo thích hợp<br /> người làm dự báo phải:<br /> <br /> Bước 3: Xác định khía cạnh thời gian<br /> <br /> + Xác định bản chất của vấn đề dự báo.<br /> <br /> Có 2 loại khía cạnh thời gian cần xem xét:<br /> <br /> + Bản chất của dữ liệu đang xem xét.<br /> <br /> - Thứ nhất: Độ dài dự báo, cần lưu ý:<br /> <br /> + Mô tả các khả năng và hạn chế của các<br /> phương pháp dự báo tiềm năng.<br /> <br /> + Dự báo dài hạn: Là những dự báo có thời<br /> gian dự báo từ 5 năm trở lên. Thường dùng để<br /> dự báo những mục tiêu, chiến lược về kinh tế<br /> chính trị, khoa học kỹ thuật trong thời gian<br /> dài ở tầm vĩ mô.<br /> + Dự báo trung hạn: Là những dự báo có thời<br /> gian dự báo từ 3 đến 5 năm. Thường phục vụ<br /> cho việc xây dựng những kế hoạch trung hạn về<br /> kinh tế văn hoá xã hội… ở tầm vi mô và vĩ mô.<br /> + Dự báo ngắn hạn: Là những dự báo có thời<br /> gian dự báo dưới 3 năm, loại dự báo này<br /> thường dùng để dự báo hoặc lập các kế hoạch<br /> kinh tế, văn hoá, xã hội chủ yếu ở tầm vi mô<br /> và vĩ mô trong khoảng thời gian ngắn nhằm<br /> phục vụ cho công tác chỉ đạo kịp thời.<br /> - Thứ hai: Người sử dụng và người làm dự<br /> báo phải thống nhất tính cấp thiết của dự báo.<br /> Bước 4: Xem xét dữ liệu<br /> - Dữ liệu cần để dự báo có thể từ 2 nguồn:<br /> + Nguồn thông tin sơ cấp:<br /> Thu thập qua các cuộc khảo sát, chọn mẫu<br /> hoặc các số liệu ghi chép các biến số trong<br /> doanh nghiệp.<br /> Các phương pháp thu thập: phỏng vấn trực<br /> tiếp, gửi thư, điện thoại.<br /> <br /> + Xây dựng các tiêu chí để ra quyết định lựa chọn.<br /> + Một nhân tố chính ảnh hưởng đến việc lựa<br /> chọn mô hình dự báo là nhận dạng và hiểu<br /> được bản chất số liệu lịch sử.<br /> Bước 6: Đánh giá mô hình<br /> - Đối với các phương pháp định tính thì bước này<br /> ít phù hợp hơn so với phương pháp định lượng.<br /> - Đối với các phương pháp định lượng, cần<br /> phải đánh giá mức độ phù hợp của mô hình<br /> (trong phạm vi mẫu dữ liệu).<br /> - Đánh giá mức độ chính xác của dự báo<br /> (ngoài phạm vi mẫu dữ liệu).<br /> - Nếu mô hình không phù hợp, quay lại bước 5.<br /> Bước 7: Chuẩn bị dự báo<br /> - Nếu có thể nên sử dụng hơn một phương<br /> pháp dự báo, và nên là những loại phương pháp<br /> khác nhau (ví dụ mô hình hồi quy và san mũ<br /> Holt, thay vì cả 2 mô hình hồi quy khác nhau).<br /> Bước 8: Trình bày kết quả dự báo<br /> - Kết quả dự báo phải được trình bày rõ ràng<br /> cho ban quản lý sao cho họ hiểu các con số<br /> được tính toán như thế nào và chỉ ra sự tin<br /> cậy trong kết quả dự báo.<br /> <br /> 192<br /> <br /> Nitro PDF Software<br /> 100 Portable Document Lane<br /> Wonderland<br /> <br /> Nguyễn Văn Huân và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> - Người dự báo phải có khả năng trao đổi các<br /> kết quả dự báo theo ngôn ngữ mà các nhà<br /> quản lý hiểu được.<br /> - Trình bày cả ở dạng viết và dạng nói.<br /> - Bảng biểu phải ngắn gọn, rõ ràng.<br /> - Chuỗi dữ liệu dài có thể được trình bày dưới<br /> dạng đồ thị (cả giá trị thực và dự báo).<br /> - Trình bày thuyết trình nên theo cùng hình thức<br /> và cùng mức độ với phần trình bày viết.<br /> Bước 9: Đánh giá kết quả dự báo<br /> - Lệch giữa giá trị dự báo và giá trị thực phải<br /> được thảo luận một cách tích cực, khách<br /> quan và cởi mở.<br /> - Mục tiêu của việc thảo luận là để hiểu tại sao<br /> có các sai số, để xác định độ lớn của sai số.<br /> - Trao đổi và hợp tác giữa người sử dụng và<br /> người làm dự báo có vai trò rất quan trọng<br /> trong việc xây dựng và duy trì quy trình dự<br /> báo thành công.<br /> Phân tích và xử lý dữ liệu<br /> Xử lý và phân tích dữ liệu nghiên cứu là một<br /> trong các bước cơ bản của một nghiên cứu,<br /> bao gồm xác định vấn đề nghiên cứu; thu<br /> thập số liệu; xử lý số liệu; phân tích số liệu<br /> và báo cáo kết quả. Xác định rõ vấn đề<br /> nghiên cứu giúp việc thu thập số liệu được<br /> nhanh chóng và chính xác hơn. Để có cơ sở<br /> phân tích số liệu tốt thì trong quá trình thu<br /> thập số liệu phải xác định trước các yêu cầu<br /> của phân tích để có thể thu thập đủ và đúng<br /> số liệu như mong muốn.<br /> Điều cốt lõi của phân tích số liệu là suy diễn<br /> thống kê, nghĩa là mở rộng những hiểu biết<br /> từ một mẫu ngẫu nhiên thành hiểu biết về<br /> tổng thể, hay còn gọi là suy diễn quy nạp.<br /> Muốn có được các suy diễn này phải phân<br /> tích số liệu dựa vào các test thống kê để đảm<br /> bảo độ tin cậy của các suy diễn. Bản thân số<br /> liệu chỉ là các số liệu thô, qua xử lý phân tích<br /> trở thành thông tin và sau đó trở thành tri<br /> thức. Đây chính là điều mà tất cả các nghiên<br /> cứu đều mong muốn.<br /> Tiền xử lý dữ liệu<br /> Nguyên nhân dữ liệu cần tiền xử lý<br /> <br /> 135(05): 191 - 198<br /> <br /> Dữ liệu không hoàn chỉnh có thể xảy ra vì<br /> một số nguyên nhân:<br /> - Một vài thuộc tính quan trọng không được<br /> cung cấp. Ví dụ: thông tin khách hàng đối với<br /> giao dịch bán hàng vì lý do cá nhân có thể<br /> khách hàng không muốn cung cấp thông tin<br /> của họ, hay thuộc tính mã số bằng lái xe đối<br /> với người không có bằng lái xe họ không thể<br /> cung cấp thông tin được yêu cầu,…<br /> - Một số dữ liệu không được chọn lựa đơn<br /> giản bởi vì nó không được xem làm quan<br /> trọng tại thời điểm nhập dữ liệu. Hay nói cách<br /> khác, việc xem xét dữ liệu tại thời điểm nhập<br /> dữ liệu và thời điểm phân tích là khác nhau.<br /> - Vấn đề con người/ phần mềm/ phần cứng.<br /> - Dữ liệu không nhất quán với những dữ liệu<br /> đã được lưu trước đó có thể bị xóa, dẫn đến<br /> việc mất mát dữ liệu.<br /> Dữ liệu nhiễu có thể xảy ra vì một số nguyên<br /> nhân:<br /> - Công cụ lựa chọn dữ liệu được sử dụng bị<br /> lỗi.<br /> - Lỗi do con người hay máy tính lúc ghi<br /> chép dữ liệu.<br /> - Lỗi trong quá trình truyền tải dữ liệu.<br /> - Dữ liệu không chính xác cũng có thể là do<br /> không nhất quán trong việc đặt tên, định dạng<br /> dữ liệu.<br /> Dữ liệu không nhất quán có thể là do:<br /> - Dữ liệu được tập hợp từ nhiều nguồn khác<br /> nhau.<br /> - Vài thuộc tính được biểu diễn bằng những<br /> tên khác nhau trong cơ sở dữ liệu. Ví dụ:<br /> thuộc tính customer indentification có thể là<br /> customer_id trong cơ sở dữ liệu này nhưng là<br /> cust_id trong cơ sở dữ liệu khác.<br /> Tầm quan trọng của việc tiền xử lý dữ liệu<br /> - Quá trình làm sạch dữ liệu sẽ lắp đầy những<br /> giá trị bị thiếu, làm mịn các dữ liệu nhiễu, xác<br /> định và xóa bỏ những dữ liệu sai miền giá trị,<br /> và giải quyết vấn đề không nhất quán.<br /> - Nếu người dùng cho rằng dữ liệu là chưa<br /> được làm sạch thì họ sẽ không tin tưởng vào<br /> bất kỳ kết quả khai thác nào từ dữ liệu đó.<br /> 193<br /> <br /> Nitro PDF Software<br /> 100 Portable Document Lane<br /> Wonderland<br /> <br /> Nguyễn Văn Huân và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 135(05): 191 - 198<br /> <br /> - Ngoài ra, dữ liệu chưa được tiền xử lý có thể<br /> là nguyên nhân gây ra sự lộn xộn trong quá<br /> trình khai thác, cho ra kết quả không đáng tin.<br /> Việc có một số lượng lớn dữ liệu dư thừa có<br /> thể làm giảm tốc độ và làm hỗn loạn quá trình<br /> tìm kiếm tri thức.<br /> - Rõ ràng, việc thêm vào quá trình làm sạch<br /> dữ liệu giúp chúng ta tránh những dữ liệu<br /> dư thừa không cần thiết trong quá trình<br /> phân tích dữ liệu.<br /> - Làm sạch dữ liệu là một bước quan trọng<br /> trong quá trình tìm kiếm tri thức vì dữ liệu<br /> không có chất lượng thì kết quả khai thác cũng<br /> không có chất lượng. Những quyết định có chất<br /> lượng phải dựa trên dữ liệu có chất lượng.<br /> - Quá trình làm sạch dữ liệu và mã hóa dữ<br /> liệu có vai trò quan trọng trong việc xây<br /> dựng kho dữ liệu.<br /> <br /> sai sót trong quá trình nhập số liệu từ bảng số<br /> liệu ghi tay vào file số liệu trên máy tính.<br /> <br /> Nhiệm vụ chính trong quá trình tiền xử lý<br /> dữ liệu<br /> <br /> a: Hệ số tự do (hệ số chặn), là điểm xuất phát<br /> của đường hồi quy lý thuyết, nêu lên ảnh<br /> hưởng của các nhân tố khác (tiêu thức nguyên<br /> nhân khác) ngoài t tới sự biến động của y.<br /> b: Hệ số hồi quy (hệ sốgóc,độ dốc), phản ánh<br /> ảnh hưởng trực tiếp của tiêu thức nguyên<br /> nhân t đến tiêu thức kết quả y. Mỗi khi t tăng<br /> lên 1 đơn vị thì y sẽ thay đổi trung bình b đơn<br /> vị. b nói lên chiều hướng của mối liên hệ: b>0:<br /> Mối liên hệ thuận; b