ເຕັກນິກການຄາດຄະເນໃນການຄຸ້ມຄອງ
ການຄາດຄະເນແມ່ນຂະບວນການຄາດຄະເນສະພາບການໃນອະນາຄົດໂດຍອີງໃສ່ຂໍ້ມູນທີ່ຜ່ານມາ ແລະ ຂໍ້ມູນໃນປະຈຸບັນ. ໃນສະພາບການຂອງການຄຸ້ມຄອງ, ການຄາດຄະເນເປັນພື້ນຖານສໍາລັບການຕັດສິນໃຈ - ຕັ້ງແຕ່ການວາງແຜນການຜະລິດ ແລະ ການຄວບຄຸມສິນຄ້າຄົງຄັງ ຈົນເຖິງການກຳນົດເປົ້າໝາຍການຂາຍ ແລະ ການວາງແຜນຄວາມສາມາດຂອງກໍາລັງແຮງງານ. ເມື່ອອົງກອນຕ່າງໆສາມາດຄາດຄະເນໄດ້ຢ່າງມີປະສິດທິພາບ, ຄວາມສ່ຽງຂອງຄວາມບໍ່ແນ່ນອນສາມາດຫຼຸດລົງໄດ້, ຊັບພະຍາກອນສາມາດຈັດສັນໄດ້ຢ່າງມີປະສິດທິພາບຫຼາຍຂຶ້ນ, ແລະ ໂອກາດທາງການຕະຫຼາດສາມາດຈັບໄດ້ໄວກວ່າຄູ່ແຂ່ງ. ຢ່າງໃດກໍຕາມ, ການຄາດຄະເນບໍ່ພຽງແຕ່ "ການຄາດເດົາ" ເທົ່ານັ້ນ; ມັນຮຽກຮ້ອງໃຫ້ມີວິທີການ, ຂໍ້ມູນທີ່ພຽງພໍ, ແລະ ການປະເມີນຄວາມຖືກຕ້ອງທີ່ມີລະບຽບວິໄນ.
ເປັນຫຍັງການຄາດຄະເນຈຶ່ງມີຄວາມສຳຄັນໃນການຄຸ້ມຄອງ?
ໃນການປະຕິບັດດ້ານການຄຸ້ມຄອງ, ການຕັດສິນໃຈມັກຈະຕ້ອງເຮັດກ່ອນທີ່ຈະເຫັນຜົນໄດ້ຮັບທີ່ເປັນຮູບປະທຳ. ຕົວຢ່າງ, ບໍລິສັດອາດຈະຕ້ອງສັ່ງຊື້ວັດຖຸດິບກ່ອນທີ່ຄວາມຕ້ອງການຂອງຜູ້ບໍລິໂພກຕົວຈິງຈະເກີດຂຶ້ນ, ຫຼື ກຳນົດງົບປະມານການຕະຫຼາດກ່ອນທີ່ຈະຮູ້ການຕອບສະໜອງຂອງຕະຫຼາດ. ນີ້ແມ່ນບ່ອນທີ່ການຄາດຄະເນກາຍເປັນເຄື່ອງມືທີ່ສຳຄັນ. ການຄາດຄະເນຊ່ວຍຫຼຸດຜ່ອນຄວາມບໍ່ແນ່ນອນ, ສະໜັບສະໜູນການວາງແຜນຍຸດທະສາດໄລຍະຍາວ, ແລະ ເສີມສ້າງການວາງແຜນການດຳເນີນງານໄລຍະສັ້ນ.
ນອກຈາກນັ້ນ, ການຄາດຄະເນຍັງຊ່ວຍປັບປຸງການປະສານງານລະຫວ່າງພະແນກຕ່າງໆ. ການຂາຍ, ການດຳເນີນງານ, ການເງິນ, ແລະ ຊັບພະຍາກອນມະນຸດຮຽກຮ້ອງໃຫ້ມີຂອບການຄາດຄະເນຮ່ວມກັນເພື່ອຫຼີກເວັ້ນການຕັດສິນໃຈທີ່ຂັດແຍ້ງກັນ. ເວົ້າອີກຢ່າງໜຶ່ງ, ການຄາດຄະເນຊ່ວຍໃຫ້ອົງກອນຕ່າງໆນຳທາງ "ແຜນທີ່" ທີ່ສອດຄ່ອງກັນ.
ປະເພດຂອງການຄາດຄະເນ
ໂດຍທົ່ວໄປ, ການຄາດຄະເນໃນການຄຸ້ມຄອງສາມາດຈໍາແນກໄດ້ຕາມຂອບເຂດເວລາຂອງມັນ:
1. ໄລຍະສັ້ນ (ລາຍວັນ ຫາ ຫຼາຍເດືອນ): ໂດຍປົກກະຕິແລ້ວ ສຳລັບການຕັດສິນໃຈດ້ານການດຳເນີນງານ ເຊັ່ນ: ການວາງແຜນການຜະລິດ, ການຊື້ ແລະ ການແຈກຢາຍ.
2. ໄລຍະກາງ (ຫຼາຍເດືອນຫາ 2 ປີ): ມັກໃຊ້ສຳລັບການວາງແຜນຄວາມອາດສາມາດ, ການວາງງົບປະມານ ແລະ ການຄຸ້ມຄອງສິນຄ້າຄົງຄັງ.
3. ໄລຍະຍາວ (ຫຼາຍກວ່າ 2 ປີ): ໃຊ້ສຳລັບການຕັດສິນໃຈດ້ານຍຸດທະສາດ ເຊັ່ນ: ການຂະຫຍາຍໂຮງງານ, ການພັດທະນາຜະລິດຕະພັນໃໝ່, ຫຼື ການເຂົ້າສູ່ຕະຫຼາດໃໝ່.
ການຄາດຄະເນຍັງສາມາດຈັດປະເພດໄດ້ຕາມວິທີການຂອງມັນຄື: ຄຸນນະພາບ ແລະ ປະລິມານ. ວິທີການເຊີງຄຸນນະພາບແມ່ນອີງໃສ່ການຕັດສິນຂອງຜູ້ຊ່ຽວຊານ ແລະ ຂໍ້ມູນທີ່ບໍ່ແມ່ນຕົວເລກ, ໃນຂະນະທີ່ວິທີການເຊີງປະລິມານແມ່ນອີງໃສ່ຂໍ້ມູນຕົວເລກ ແລະ ຮູບແບບສະຖິຕິ.
ເຕັກນິກການຄາດຄະເນດ້ານຄຸນນະພາບ
ເຕັກນິກເຊີງຄຸນນະພາບແມ່ນເປັນປະໂຫຍດເມື່ອຂໍ້ມູນປະຫວັດສາດມີໜ້ອຍ, ສະພາບແວດລ້ອມມີການປ່ຽນແປງຢ່າງໄວວາ, ຫຼືອົງກອນກຳລັງພິຈາລະນາບາງສິ່ງບາງຢ່າງໃໝ່ທັງໝົດ (ເຊັ່ນ: ຜະລິດຕະພັນທີ່ມີນະວັດຕະກໍາ). ເຕັກນິກເຊີງຄຸນນະພາບທີ່ນິຍົມໃຊ້ທົ່ວໄປປະກອບມີ:
1. ວິທີການ Delphi
ວິທີການ Delphi ກ່ຽວຂ້ອງກັບກຸ່ມຜູ້ຊ່ຽວຊານທີ່ໃຫ້ການປະເມີນໂດຍບໍ່ເປີດເຜີຍຊື່ໃນຫຼາຍໆຮອບ. ຫຼັງຈາກແຕ່ລະຮອບ, ຜົນໄດ້ຮັບຈະຖືກສະຫຼຸບ ແລະ ສົ່ງຄືນໃຫ້ຜູ້ຊ່ຽວຊານເພື່ອທົບທວນຈົນກວ່າຈະບັນລຸຄວາມເຫັນດີເປັນເອກະພາບ. ຂໍ້ດີຂອງມັນແມ່ນວ່າມັນຊ່ວຍຫຼຸດຜ່ອນການຄອບງຳຂອງບາງຝ່າຍ ແລະ ຊຸກຍູ້ໃຫ້ມີການປະເມີນຜົນທີ່ເປັນກາງຫຼາຍຂຶ້ນ.
2. ການສຳຫຼວດຕະຫຼາດ ແລະ ເຈດຕະນາການຊື້
ບໍລິສັດຕ່າງໆສາມາດເກັບກຳຄວາມຄິດເຫັນຂອງລູກຄ້າທີ່ມີທ່າແຮງຜ່ານແບບສອບຖາມ, ການສຳພາດ ຫຼື ການທົດລອງຜະລິດຕະພັນ. ເຕັກນິກເຫຼົ່ານີ້ຊ່ວຍຄາດຄະເນຄວາມຕ້ອງການ, ໂດຍສະເພາະສຳລັບຜະລິດຕະພັນໃໝ່. ຂໍ້ຈຳກັດຂອງພວກມັນລວມມີການຕອບສະໜອງຂອງຜູ້ບໍລິໂພກທີ່ມີອະຄະຕິ, ແລະ ເຈດຕະນາອາດຈະບໍ່ຈຳເປັນຕ້ອງແປເປັນການຊື້ຕົວຈິງ.
3. ຄະນະລູກຂຸນຄວາມຄິດເຫັນຂອງຜູ້ບໍລິຫານ
ຜູ້ບໍລິຫານລະດັບສູງ ຫຼື ຫົວໜ້າພະແນກປຶກສາຫາລື ແລະ ສະຫຼຸບກ່ຽວກັບການຄາດຄະເນໃນອະນາຄົດໂດຍອີງໃສ່ປະສົບການຂອງເຂົາເຈົ້າ. ວິທີການນີ້ແມ່ນໄວ ແລະ ໃຊ້ໄດ້ຈິງ, ແຕ່ມີແນວໂນ້ມທີ່ຈະເຫັນແກ່ຕົວ ແລະ ໝັ້ນໃຈເກີນໄປ.
4. ອະນາລັອກປະຫວັດສາດ
ຖ້າຜະລິດຕະພັນ ຫຼື ສະຖານະການໃໝ່ຄ້າຍຄືກັບສະຖານະການກ່ອນໜ້ານີ້, ອົງກອນສາມາດໃຊ້ຮູບແບບທີ່ຜ່ານມາເປັນແນວທາງ. ຕົວຢ່າງ, ການເປີດຕົວເຄື່ອງດື່ມລຸ້ນໃໝ່ສາມາດຄາດຄະເນໄດ້ໂດຍການເບິ່ງປະສິດທິພາບຂອງການເປີດຕົວຄັ້ງກ່ອນ.
ເຕັກນິກການຄາດຄະເນດ້ານປະລິມານ
ເຕັກນິກດ້ານປະລິມານແມ່ນເໝາະສົມເມື່ອຂໍ້ມູນປະຫວັດສາດມີຢູ່ ແລະ ຮູບແບບໃນອະດີດມີຄວາມກ່ຽວຂ້ອງກັນ. ໂດຍທົ່ວໄປ, ເຕັກນິກເຫຼົ່ານີ້ປະກອບດ້ວຍແບບຈຳລອງອະນຸກົມເວລາ ແລະ ແບບຈຳລອງສາເຫດ ແລະ ຜົນກະທົບ.
ກ. ການຄາດຄະເນອະນຸກົມເວລາ
ຮູບແບບນີ້ສົມມຸດວ່າຮູບແບບຄວາມຕ້ອງການໃນອະດີດມີຂໍ້ມູນທີ່ສຳຄັນສຳລັບການຄາດຄະເນອະນາຄົດ. ອົງປະກອບທົ່ວໄປຂອງຊຸດເວລາປະກອບມີແນວໂນ້ມ, ລະດູການ, ວົງຈອນ ແລະ ການປ່ຽນແປງແບບສຸ່ມ.
1. ສະເລ່ຍເຄື່ອນທີ່
ວິທີການນີ້ຄິດໄລ່ຄ່າສະເລ່ຍຂອງໄລຍະເວລາທີ່ຜ່ານມາຈຳນວນໜຶ່ງ. ຕົວຢ່າງ, ຄ່າສະເລ່ຍຂອງສາມເດືອນທີ່ຜ່ານມາແມ່ນໃຊ້ເພື່ອຄາດຄະເນເດືອນຕໍ່ໄປ. ຄ່າສະເລ່ຍເຄື່ອນທີ່ແບບງ່າຍໆແມ່ນງ່າຍຕໍ່ການເຂົ້າໃຈ ແລະ ຫຼຸດຜ່ອນຄວາມຜັນຜວນແບບສຸ່ມ, ແຕ່ພວກມັນບໍ່ຕອບສະໜອງຕໍ່ການປ່ຽນແປງແນວໂນ້ມຢ່າງກະທັນຫັນ.
2. ການເຮັດໃຫ້ລຽບແບບເລກກຳລັງ
ເຕັກນິກນີ້ໃຫ້ນ້ຳໜັກຫຼາຍກວ່າໃສ່ຂໍ້ມູນທີ່ຜ່ານມາ. ສູດໃຊ້ຄ່າຄົງທີ່ທີ່ເຮັດໃຫ້ລຽບ (α). α ທີ່ໃຫຍ່ກວ່າ, ການຄາດຄະເນຈະຕອບສະໜອງຕໍ່ການປ່ຽນແປງທີ່ຜ່ານມາໄດ້ຫຼາຍຂຶ້ນ. ວິທີການນີ້ເປັນທີ່ນິຍົມເພາະມັນງ່າຍຕໍ່ການຈັດຕັ້ງປະຕິບັດໃນລະບົບຂໍ້ມູນຂ່າວສານຂອງວິສາຫະກິດ ແລະ ມີຄວາມຖືກຕ້ອງພຽງພໍສຳລັບສະຖານະການປະຕິບັດງານຫຼາຍຢ່າງ.
3. ການວິເຄາະແນວໂນ້ມ (ການຄາດຄະເນແນວໂນ້ມ)
ຖ້າຂໍ້ມູນສະແດງໃຫ້ເຫັນແນວໂນ້ມຂຶ້ນ ຫຼື ລົງທີ່ສອດຄ່ອງກັນ, ບໍລິສັດສາມາດຄາດຄະເນແນວໂນ້ມໂດຍໃຊ້ວິທີການເສັ້ນຊື່ (ການຖົດຖອຍແບບງ່າຍໆຕາມການເວລາ). ວິທີການນີ້ມີປະສິດທິພາບສຳລັບການເຕີບໂຕຂອງຄວາມຕ້ອງການທີ່ໝັ້ນຄົງ, ແຕ່ຕ້ອງມີຄວາມລະມັດລະວັງເມື່ອມີຮູບແບບລະດູການທີ່ເຂັ້ມແຂງ.
4. ການຍ່ອຍສະຫຼາຍຕາມລະດູການ
ຖ້າຄວາມຕ້ອງການເປັນໄປຕາມລະດູການ (ເຊັ່ນ: ຍອດຂາຍເພີ່ມຂຶ້ນໃນຊ່ວງ Ramadan ຫຼື ໃນທ້າຍປີ), ວິທີການແຍກສ່ວນຈະແຍກແນວໂນ້ມ ແລະ ອົງປະກອບຕາມລະດູການອອກ ແລະ ລວມເຂົ້າກັນເພື່ອສ້າງການຄາດຄະເນ. ເຕັກນິກນີ້ແມ່ນຖືກຕ້ອງກວ່າສຳລັບທຸລະກິດຂາຍຍ່ອຍຕາມລະດູການ.
ຂ. ຮູບແບບເຫດ ແລະ ຜົນ (ສາເຫດ ແລະ ຜົນ)
ຮູບແບບເຊີງເຫດ ແລະ ຜົນຊອກຫາຄວາມສຳພັນລະຫວ່າງສາເຫດ ແລະ ຜົນລະຫວ່າງຕົວແປທີ່ຄາດຄະເນໄວ້ ແລະ ຕົວແປອື່ນໆທີ່ມີອິດທິພົນຕໍ່ມັນ.
1. ການຖົດຖອຍເສັ້ນຊື່
ຄວາມຕ້ອງການ (Y) ຖືກຄາດຄະເນໂດຍອີງໃສ່ຕົວແປເອກະລາດໜຶ່ງຕົວ ຫຼື ຫຼາຍກວ່ານັ້ນ (X) ເຊັ່ນ: ລາຄາ, ລາຍໄດ້, ຫຼື ການໃຊ້ຈ່າຍໃນການໂຄສະນາ. ການຄິດໄລ່ຖອຍຫຼັງຊ່ວຍໃຫ້ຜູ້ຈັດການເຂົ້າໃຈຕົວຂັບເຄື່ອນຂອງຄວາມຕ້ອງການ, ແທນທີ່ຈະພຽງແຕ່ຄາດຄະເນຮູບແບບທາງປະຫວັດສາດ.
2. ການຖົດຖອຍຫຼາຍຕົວ
ຖ້າມີຫຼາຍປັດໃຈທີ່ມີອິດທິພົນຕໍ່ຜົນໄດ້ຮັບ, ສາມາດໃຊ້ການວິເຄາະການຖົດຖອຍຫຼາຍຕົວໄດ້. ຕົວຢ່າງ, ຍອດຂາຍໄດ້ຮັບອິດທິພົນຈາກລາຄາ, ການສົ່ງເສີມການຂາຍ, ຄຸນນະພາບການແຈກຢາຍ, ແລະ ແນວໂນ້ມທາງເສດຖະກິດ. ສິ່ງທ້າທາຍແມ່ນການຮັບປະກັນຂໍ້ມູນທີ່ມີຄຸນນະພາບ ແລະ ຫຼີກລ່ຽງຄວາມຄ້າຍຄືກັນຫຼາຍຮູບແບບ.
3. ແບບຈຳລອງ ແລະ ການຈຳລອງທາງເສດຖະມິຕິ
ສຳລັບອົງກອນຂະໜາດໃຫຍ່, ແບບຈຳລອງເສດຖະມິຕິສາມາດລວມສົມຜົນຫຼາຍອັນເຂົ້າກັນເພື່ອຄາດຄະເນຜົນກະທົບຂອງການປ່ຽນແປງນະໂຍບາຍການກຳນົດລາຄາ, ອັດຕາດອກເບ້ຍ, ອັດຕາແລກປ່ຽນ, ຫຼື ເງື່ອນໄຂເສດຖະກິດມະຫາພາກ. ການຈຳລອງ (ເຊັ່ນ Monte Carlo) ຍັງຖືກນຳໃຊ້ເພື່ອທົດສອບສະຖານະການຄວາມບໍ່ແນ່ນອນຕ່າງໆ.
ການວັດແທກຄວາມຖືກຕ້ອງຂອງການຄາດຄະເນ
ການຄາດຄະເນທີ່ດີຄວນໄດ້ຮັບການທົດສອບຄວາມຖືກຕ້ອງ. ມາດຕະການຄວາມຜິດພາດທີ່ນິຍົມໃຊ້ບາງຢ່າງຄື:
- MAD (ຄ່າຜັນປ່ຽນຢ່າງແທ້ຈິງ): ຄ່າສະເລ່ຍຂອງຄວາມແຕກຕ່າງຢ່າງແທ້ຈິງລະຫວ່າງການຄາດຄະເນ ແລະ ຂໍ້ມູນຕົວຈິງ.
– MSE (ຄວາມຜິດພາດກຳລັງສອງສະເລ່ຍ): ຄວາມຜິດພາດກຳລັງສອງສະເລ່ຍ, ມີຄວາມອ່ອນໄຫວຕໍ່ກັບຄວາມຜິດພາດຂະໜາດໃຫຍ່.
- MAPE (ຄ່າສະເລ່ຍຂອງຄວາມຜິດພາດຢ່າງແທ້ຈິງ): ເປີເຊັນສະເລ່ຍຂອງຄວາມຜິດພາດຢ່າງແທ້ຈິງ, ອຳນວຍຄວາມສະດວກໃນການປຽບທຽບລະຫວ່າງຜະລິດຕະພັນຕ່າງໆ.
ໂດຍການວັດແທກຄວາມຖືກຕ້ອງ, ຜູ້ຈັດການສາມາດເລືອກວິທີການທີ່ເໝາະສົມທີ່ສຸດ, ປັບຕົວກໍານົດການ (ເຊັ່ນ α ໃນການເຮັດໃຫ້ລຽບແບບເອັກໂປເນນຊຽວ), ແລະ ລະບຸເວລາທີ່ຮູບແບບຕ້ອງໄດ້ຮັບການອັບເດດ.
ສິ່ງທ້າທາຍໃນການນຳໃຊ້ການຄາດຄະເນ
ເຖິງວ່າຈະມີຄວາມກ້າວໜ້າຂອງເຕັກນິກການຄາດຄະເນ, ແຕ່ຍັງມີສິ່ງທ້າທາຍຫຼາຍຢ່າງ. ທຳອິດ, ຂໍ້ມູນປະຫວັດສາດອາດຈະບໍ່ຄົບຖ້ວນ ຫຼື ບໍ່ສອດຄ່ອງກັນ. ອັນທີສອງ, ການປ່ຽນແປງພຶດຕິກຳຂອງຜູ້ບໍລິໂພກ, ການລົບກວນທາງເທັກໂນໂລຢີ, ຫຼື ວິກິດການເສດຖະກິດສາມາດເຮັດໃຫ້ຂໍ້ມູນໃນອະດີດມີຄວາມກ່ຽວຂ້ອງໜ້ອຍລົງ. ອັນທີສາມ, ອະຄະຕິຂອງມະນຸດ - ເຊັ່ນ: ຄວາມຄິດໃນແງ່ດີຫຼາຍເກີນໄປ - ສາມາດມີອິດທິພົນຕໍ່ການຕີຄວາມໝາຍຂອງຜົນການຄາດຄະເນ. ດັ່ງນັ້ນ, ອົງກອນຕ່າງໆຈຳເປັນຕ້ອງລວມເອົາວິທີການດ້ານປະລິມານ ແລະ ຄຸນນະພາບ ແລະ ປັບປຸງຮູບແບບຂອງເຂົາເຈົ້າເປັນປະຈຳ.
Penutup
ເຕັກນິກການຄາດຄະເນໃນການຄຸ້ມຄອງແມ່ນເຄື່ອງມືທີ່ສຳຄັນສຳລັບການວາງແຜນໃນອະນາຄົດທີ່ສາມາດວັດແທກໄດ້ຫຼາຍຂຶ້ນ. ຕັ້ງແຕ່ວິທີການເຊີງຄຸນນະພາບເຊັ່ນ Delphi ແລະ ການສຳຫຼວດຕະຫຼາດ ຈົນເຖິງວິທີການເຊີງປະລິມານເຊັ່ນ: ຄ່າສະເລ່ຍເຄື່ອນທີ່, ການເຮັດໃຫ້ລຽບແບບເອັກໂປເນນຊຽວ, ແລະ ການຖົດຖອຍ, ແຕ່ລະອັນລ້ວນແຕ່ມີຂໍ້ດີ ແລະ ຂໍ້ຈຳກັດຂອງມັນເອງ. ກຸນແຈສຳຄັນຂອງການຄາດຄະເນທີ່ປະສົບຜົນສຳເລັດບໍ່ພຽງແຕ່ເລືອກວິທີການທີ່ຊັບຊ້ອນທີ່ສຸດເທົ່ານັ້ນ; ມັນຍັງແມ່ນການຮັບປະກັນຂໍ້ມູນທີ່ດີ, ຮັບປະກັນຄວາມເໝາະສົມຂອງວິທີການກັບສະພາບການທາງທຸລະກິດ, ແລະ ການປະເມີນຄວາມຖືກຕ້ອງຂອງມັນຢ່າງຕໍ່ເນື່ອງ. ດ້ວຍການຄາດຄະເນທີ່ຖືກຕ້ອງ, ການຄຸ້ມຄອງສາມາດຕັດສິນໃຈໄດ້ໄວຂຶ້ນ, ມີປະສິດທິພາບຫຼາຍຂຶ້ນ, ແລະ ກຽມພ້ອມທີ່ດີກວ່າທີ່ຈະປະເຊີນກັບຄວາມບໍ່ແນ່ນອນຂອງຕະຫຼາດ.
