Dự báo nhu cầu — sai bao nhiêu, lệch phía nào?

Dự báo là đầu vào của mọi thứ: đặt hàng, tồn kho, công suất, ngân sách. Dự báo sai thì tất cả sai theo — nhưng “sai” cũng phải đo được, vì mọi dự báo đều sai; câu hỏi đúng là sai bao nhiêu và lệch phía nào.

Hai thước đo chất lượng dự báo

Chỉ số	Công thức	Trả lời
MAPE (Mean Absolute Percentage Error)	Trung bình của |Thực tế − Dự báo| / Thực tế	Sai trung bình bao nhiêu %
Bias	Trung bình của (Dự báo − Thực tế) (có dấu)	Lệch hệ thống về phía nào

Ví dụ — 4 tháng của một nhóm hàng:

Tháng	Dự báo	Thực tế	Sai số	% sai
1	1.000	880	+120	13,6%
2	1.000	820	+180	22,0%
3	950	790	+160	20,3%
4	950	815	+135	16,6%

MAPE ≈ 18% — chấp nhận được ở cấp nhóm hàng. Nhưng nhìn cột dấu: cả 4 tháng đều dự báo CAO hơn thực tế — bias dương rõ rệt. Đây không phải ngẫu nhiên mà là lệch hệ thống (chỉ tiêu bán hàng lạc quan đang được dùng làm dự báo?), và hậu quả tích lũy: kho phình dần đúng bằng phần lạc quan đó, tháng này qua tháng khác.

Bias nguy hiểm hơn MAPE vì sai ngẫu nhiên đã có safety stock đỡ, còn lệch hệ thống thì safety stock không cứu được — nó chỉ chuyển thành tồn kho thừa (bias dương) hoặc thiếu hàng kinh niên (bias âm).

Bullwhip — cái roi da của chuỗi

Nhu cầu người mua cuối chỉ dao động ±5%, nhưng đại lý thấy vậy đặt dư “cho chắc”, nhà phân phối thấy đơn đại lý tăng lại cộng thêm dự phòng, nhà máy thấy đơn nhà phân phối tăng vọt bèn tăng ca… — biến động khuếch đại dần về phía thượng nguồn như đầu roi da. Kết cục kinh điển: cả chuỗi ôm tồn kho vì một dao động nhỏ ở điểm bán.

Thuốc giải: chia sẻ dữ liệu bán thật (sell-through) thay vì chỉ nhìn đơn đặt, rút ngắn chu kỳ đặt hàng, và một con số dự báo chung cho cả chuỗi — chính là việc của S&OP.

Nguyên tắc vận hành dự báo

• Dự báo ở cấp gộp, chi tiết hóa sau: dự báo theo nhóm hàng/tháng chính xác hơn hẳn theo SKU/tuần; phân rã xuống bằng tỷ trọng lịch sử.
• Tách dự báo khỏi chỉ tiêu: chỉ tiêu (target) là tham vọng, dự báo (forecast) là điều tin sẽ xảy ra — trộn hai thứ là nguồn bias phổ biến nhất.
• Đo và công bố MAPE/bias hằng tháng theo người/nhóm dự báo — chất lượng dự báo chỉ cải thiện khi có người chịu trách nhiệm về nó.

Các sai lầm dễ mắc phải

1. Lấy chỉ tiêu bán hàng làm dự báo — bias dương cài sẵn; kho gánh phần lạc quan.
2. Đuổi theo MAPE = 0 — dự báo hoàn hảo không tồn tại; dưới ngưỡng nào đó, tiền nên chuyển sang làm chuỗi phản ứng nhanh hơn thay vì đoán giỏi hơn.
3. Không đo bias — MAPE 18% “đều hai phía” và MAPE 18% “toàn một phía” là hai bệnh khác hẳn nhau.
4. Dự báo xong không ai dùng — mua hàng vẫn đặt theo thói quen: dự báo phải nối thẳng vào tham số đặt hàng, không phải nằm trong file riêng.

Áp dụng trong thực tế

Trong hệ sinh thái BSD

• Lịch sử bán từ Odoo / Dynamics 365 qua dbt chuẩn hóa (tách khuyến mãi, sự kiện bất thường) làm nền dự báo sạch; MAPE/bias theo nhóm hàng dựng trên Tableau / Power BI.
• Nông nghiệp: dự báo năng suất trong Agrione đi từ diện tích × giống × giai đoạn sinh trưởng — dự báo “cung” của vùng nguyên liệu cho nhà máy, cùng logic với dự báo cầu.
• Kịch bản nhu cầu cao/thấp nối vào kế hoạch cung và tài chính trên Acterys — đầu vào của phiên S&OP.

Tiếp theo: biến dự báo thành một kế hoạch chung cả công ty — S&OP →