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.