Tóm tắt Chương 16: Forecasting: High-Low, Regression, Correlation and Time Series

Môn Business Insight and Performance (BIP), chương 16/29

Dự báo từ dữ liệu quá khứ và quan hệ tuyến tính

  • Mọi kỹ thuật dự báo dựa trên số liệu quá khứ đều giả định quá khứ là chỉ dẫn tốt cho tương lai.
  • High-low method và linear regression giả định thêm chi phí và mức hoạt động có quan hệ tuyến tính.
  • Quan hệ tuyến tính: y = a + bx. Chữ y là dependent variable, x là independent variable, a là intercept (hằng số cố định), b là gradient (hệ số của x).
  • Áp vào chi phí: y = tổng chi phí, x = mức hoạt động, a = fixed cost, b = variable cost một đơn vị.
  • Không nhân tỷ lệ thẳng tổng chi phí theo sản lượng: chỉ phần bx thay đổi theo x.

High-low method

  • Tách semi-variable cost (còn gọi là semi-fixed cost, mixed cost) thành phần cố định và biến đổi; dự báo trong relevant range.
  • Bước 1: chọn kỳ có mức hoạt động cao nhất và thấp nhất (theo x, không theo chi phí).
  • Bước 2: b = Difference in total costs ÷ Difference in activity levels.
  • Bước 3: a = y − bx, thay một điểm để tìm, thay điểm còn lại để kiểm tra.
  • Bước 4: dự báo y = a + bx.
  • Đề cho chi phí bình quân một đơn vị thì đổi ra tổng chi phí trước. Chỉ có hai kỳ vẫn dùng high-low method.
  • Nhược điểm: chỉ dùng hai bộ số liệu, có thể không đại diện hoặc là số liệu bất thường. Dự báo ngoài relevant range là extrapolation, rủi ro cao.

Linear regression

  • Tìm line of best fit y = a + bx từ mọi cặp số liệu, nên tốt hơn high-low method.
  • Vẫn giả định quá khứ là chỉ dẫn tốt cho tương lai.
  • Độ tin cậy của phương trình từ cả hai cách phụ thuộc vào mức correlation giữa hai biến.
  • Đề cho sẵn phương trình regression; thí sinh dùng để dự báo và nhận xét.

Correlation và causation

  • Correlation là mức độ hai biến liên hệ với nhau. Các mức: perfect, partial, no correlation, non-linear (curvilinear) correlation.
  • Positive correlation: thấp đi với thấp, cao đi với cao. Negative correlation: thấp đi với cao.
  • Coefficient of correlation r nằm từ −1 (âm hoàn hảo) tới +1 (dương hoàn hảo); r = 0 là no correlation.
  • Coefficient of determination = r²: tỷ lệ biến động của y mà biến động của x giải thích được. Ví dụ r = 0.9 thì r² = 0.81, tức 81%.
  • Hệ số r² không âm và có thể bằng đúng 1.
  • Có causation thì có correlation; có correlation chưa chắc có causation.
  • Lý do có correlation mà không có causation: tình cờ (dữ liệu ít); cả hai do biến C gây ra (confounding variable); B gây ra A; A gây ra B chỉ khi có X; A gây ra Y rồi Y gây ra B.

Time series analysis

  • Bốn thành phần: trend, seasonal variation, cyclical variation, random variation.
  • Moving average: bình quân của một số kỳ cố định, trượt dần; loại ảnh hưởng mùa vụ để thấy trend. Số kỳ nên phủ đúng một chu kỳ.
  • Moving average ba kỳ: cộng ba kỳ liền nhau, đặt ở kỳ giữa, chia 3; kỳ đầu và kỳ cuối không có giá trị.
  • Additive model: TS = T + SV, nên SV = TS − T. Multiplicative model: TS = T × SV, nên SV = TS ÷ T và T = forecast ÷ SV.
  • Cyclical variation và random variation bị loại khỏi cả hai mô hình.
  • Trend tăng hoặc giảm thì multiplicative model chính xác hơn.
  • Dùng phương trình trend: đếm số thứ tự kỳ liên tục qua các năm.
  • Outlier: quan sát bất thường làm méo kết quả; chỉ loại khi có lý do rõ ràng và xác đáng, nếu không là đưa thiên lệch vào dữ liệu.
  • Giả định: quá khứ tiếp diễn; trend tuyến tính; seasonal variation không đổi hoặc tỷ lệ với trend.

Big data, machine learning và AI

  • Dự báo sai dẫn tới quyết định sai; forecast cần có ý nghĩa, chính xác và kịp lúc.
  • Big data cho dự báo nhu cầu: lượt truy cập website, xu hướng trên mạng, phản hồi khách hàng, khuyến mãi, yếu tố kinh tế của ngành. Khó khăn: thiếu công cụ, công cụ truyền thống không xử lý nổi.
  • Machine learning học từ nhiều ví dụ; càng nhiều dữ liệu, dự báo càng sát. Hữu ích cho cash flow forecast: dự đoán hóa đơn trả đúng hạn, hóa đơn quá hạn thu muộn.
  • ML bổ trợ chứ không thay thế quyết định của con người; con người can thiệp khi có sự kiện bất thường.
  • AI trong lập dự toán: đưa dữ liệu vào phần mềm dự toán, theo dõi chi tiêu, nhận diện seasonal variation, cảnh báo thời gian thực, scenario planning.
  • Vấn đề của AI: tin quá mức, bảo vệ dữ liệu, đạo đức, bản quyền, chất lượng dữ liệu, data bias, chi phí đầu tư cao, hallucination.
  • Professional scepticism khi chọn dữ liệu đưa vào, khi diễn giải kết quả, khi xử lý rủi ro như rủi ro an ninh mạng.

Bản đầy đủ gồm

Bài giảng chi tiết, flashcard lặp lại ngắt quãng, ngân hàng câu hỏi luyện thi, lộ trình theo ngày thi và trợ lý AI theo từng chương (có giới hạn). Dùng trọn 1 năm.

690.000đ545.000đdùng 1 năm

Hoàn 100% trong 7 ngày nếu bạn chưa dùng quá 30% khoá học.

Giá ưu đãi early bird 545.000đ

690.000đ545.000đdùng 1 năm
Mua ngay