Bài giảng Phân tích dữ liệu và dự báo (Phần 2) - Đại học kinh tế TP Hồ Chí Minh

Chia sẻ: Fvdx Fvdx | Ngày: | Loại File: PDF | Số trang:66

Thêm vào BST

Báo xấu

146
lượt xem 41
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Phân tích dữ liệu và dự báo gồm các nội dung: dự báo là gì? Tại sao phải dự báo? Ai cần dự báo? Phương pháp luận của dự báo. Quy trình thực hiện dự báo. Các tiêu chí đánh giá dự báo.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Phân tích dữ liệu và dự báo (Phần 2) - Đại học kinh tế TP Hồ Chí Minh

PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO P. T.B KHOA KINH TẾ ptbinh[a-còng]ueh.edu.vn Bài giảng 1: Giới thiệu tổng quan
Nội dung: Giới thiệu Phân loại dự báo Phương pháp luận của dự báo Quy trình thực hiện dự báo Các tiêu chí đánh giá dự báo Các vấn đề khác
Giới thiệu: Dự báo là gì? Tại sao phải dự báo? Ai cần dự báo?  Doanh nghiệp  Các cơ quan chính phủ, NGOs, nhà nghiên cứu chính sách Ai chịu trách nhiệm dự báo?
Ai cần dự báo? Jain, C.L., 2006, All U.S. Industries
Ai cần dự báo? Klassen, 2001, Canada
Ai chịu trách nhiệm dự báo? Klassen, 2001, Canada
Ai chịu trách nhiệm dự báo? Klassen, 2001, Canada
Phân loại: Dựa vào kết quả dự báo: điểm, khoảng Dựa vào phạm vi dự báo: vi mô, vĩ mô Dựa vào phương pháp dự báo:  Định tính  Định lượng
Jain, C.L., 2006, the U.S.
Phương pháp định tính:  Dựa vào kinh nghiệm và phán đoán của những chuyên viên, những người quản lý và những chuyên gia.  Khi dữ liệu lịch sử không sẵn có hay có nhưng không đầy đủ, hoặc không đáng tin cậy, hoặc những đối tượng dự báo bị ảnh hưởng bởi những nhân tố không thể lượng hoá được.
 Ưu điểm của dự báo định tính: • Không đòi hỏi kiến thức về các mô hình toán hoặc kinh tế lượng. • Được chấp nhận rộng rãi nên ở nhiều nơi và lĩnh vực vẫn sử dụng khá phổ biến.
 Nhược điểm của dự báo định tính: • Kết quả dự báo định tính phụ thuộc vào ý kiến chủ quan nên có thể bị sai lệch, thiếu chính xác và ổn định qua thời gian. • Không có phương pháp hệ thống để đánh giá và cải thiện mức độ chính xác, và đòi hỏi người tham gia phải mất nhiều thời gian để tích lũy kinh nghiệm về một lĩnh vực nhất định.
Tổng hợp lực lượng bán hàng • Thực hiện bởi các nhân viên bán hàng • Sử dụng các đánh giá chủ quan về điều mà họ mong đợi khách hàng sẽ mua trong tương lai • Dự báo một biến tổng hợp (ví dụ doanh số) từ những sản phẩm riêng lẻ • Ưu điểm: Hiểu rõ hành vi khách hàng • Nhược điểm: Sai lệch có chủ ý
Ý kiến ban quản trị:  Kết hợp ý kiến chủ quan của trưởng các bộ phận và những người quản lý vì họ am hiểu rõ về tình hình kinh doanh và mục tiêu của doanh nghiệp.  Quy trình: Người làm dự báo lựa chọn những chuyên gia ở nhiều lĩnh vực chuyên môn khác nhau để thu thập ý kiến thông qua các cuộc phỏng vấn riêng hoặc thông qua họp mặt và thảo luận.
Phương pháp Delphi:  Từ 1950s (by RAND corporation)  Khách quan hơn  Phạm vi áp dụng rộng: chính sách, giáo dục, công nghệ, quan sự, … British Food Journal, Vol.115, No.3, 2013
British Food Journal, Vol.115 No.3, 2013 pp. 448-459
Phương pháp định lượng:  Dựa trên dữ liệu quá khứ để phát hiện xu hướng vận động của đối tượng.  Giả định: giá trị tương lai của biến số dự báo phụ thuộc vào xu hướng vận động trong quá khứ.  Chia thành 2 phân nhóm: • Chuỗi thời gian (univariate) • Kinh tế lượng (multivariate/cross-section)
 Ưu điểm: • Kết quả dự báo hoàn toàn khách quan • Có phương pháp đo lường độ chính xác dự báo • Ít tốn thời gian để tìm ra kết quả dự báo • Có thể dự báo điểm hay dự báo khoảng
 Nhược điểm: • Chỉ dự báo tốt trong ngắn và trung hạn • Không thể mô hình hóa đầy đủ những yếu tố bên ngoài có tác động đến kết quả dự báo.