Skip to content

Buổi 8: Hoạch định nhu cầu (Demand Planning)

📊 Phần 4 — Tồn kho & Nhu cầu

Mục tiêu: Nắm vững phương pháp dự báo và hoạch định nhu cầu

1. Forecasting Methods

Phương pháp định tính

Phương phápMô tảKhi nào dùng
Expert JudgmentÝ kiến chuyên giaSản phẩm mới
DelphiKhảo sát chuyên gia nhiều vòngDự báo dài hạn
Market ResearchKhảo sát thị trườngSản phẩm mới, thị trường mới
Sales ForceƯớc tính từ đội salesForecast ngắn hạn

Phương pháp định lượng

Phương phápCông thứcƯu điểm
Moving AverageX¯t=1ni=tn+1tXiĐơn giản, lọc nhiễu
Exponential SmoothingFt+1=αXt+(1α)FtPhản ứng nhanh
Linear RegressionY=a+bXPhát hiện trend
Seasonal DecompositionTrend × Season × Cycle × RandomXử lý mùa vụ

Đo lường độ chính xác

MAPE=1nt=1n|AtFtAt|×100%ForecastBias=(FtAt)At×100%

2. S&OP / IBP

S&OP – Sales & Operations Planning

📊
Data Gather
Month 1
📈
Demand Review
Month 2
🏭
Supply Review
Month 3
🤝
Pre-S&OP Meeting
Month 4
👔
Executive S&OP
Month 5

IBP – Integrated Business Planning

💡 IBP vs S&OP

S&OP = Cân bằng cung – cầu (tactical) IBP = S&OP + Financial + Strategic alignment

IBP kết nối:

  • Chiến lược kinh doanh → Portfolio review
  • Demand review → Supply review
  • Financial reconciliation → Management review

5 bước IBP

  1. Product Review – Portfolio, NPI, phase-out
  2. Demand Review – Consensus forecast
  3. Supply Review – Capacity, constraint
  4. Integrated Reconciliation – Cân bằng P&L
  5. Management Business Review – Quyết định

3. Demand Sensing

Demand Sensing vs Traditional Forecasting

TraditionalDemand Sensing
HorizonTháng / QuýNgày / Tuần
DataHistoricalReal-time (POS, weather, social)
Accuracy60–70%80–90%
ResponseChậmNhanh

Nguồn dữ liệu demand sensing

  • 📊 POS (Point of Sale) data
  • 🌤️ Weather data
  • 📱 Social media trends
  • 🔍 Search trends (Google Trends)
  • 📰 Event data (lễ, tết, khuyến mãi)
  • 🏪 Channel inventory data

4. Collaboration Sales–Operations

CPFR – Collaborative Planning, Forecasting & Replenishment

🏪 Retailer
POS dataPromo plan
Shared Forecast & Plan →
🔄 CPFR
← Inventory Status
🏭 Supplier
Production planCapacity

Consensus Forecast Process

  1. Statistical baseline – Mô hình định lượng
  2. Sales input – Insights từ thị trường
  3. Marketing input – Khuyến mãi, NPI
  4. Customer input – Forecast từ key accounts
  5. Consensus meeting – Thống nhất con số cuối

📝 Case Study

✍️ Sai lệch Forecast & hậu quả

Tình huống: Công ty dự báo bán 100.000 SP trong Q4 nhưng thực tế chỉ bán 65.000 SP.

Hậu quả:

  • Tồn kho dư 35.000 SP → chi phí lưu kho tăng
  • Nguyên liệu đã mua dư → vốn bị chôn
  • Nhà máy đã tăng ca → chi phí nhân công lãng phí
  • Sản phẩm có hạn sử dụng → rủi ro expired

Phân tích:

  1. Nguyên nhân sai lệch là gì?
  2. Ai chịu trách nhiệm?
  3. Làm thế nào để cải thiện?
  4. Xử lý tồn kho dư thế nào?
  5. Thiết kế quy trình S&OP để ngăn ngừa

⚠️ 100% nội dung được tạo bởi AI — chỉ mang tính tham khảo, không thay thế tư vấn chuyên môn.