Giải pháp xây dựng hệ thống phân tích dữ liệu và dự báo doanh thu cho doanh nghiệp vừa và nhỏ tại Việt Nam

Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 191 GIẢI PHÁP XÂY DỰNG HỆ THỐNG PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO DOANH THU CHO DOANH NGHIỆP VỪA VÀ NHỎ TẠI VIỆT NAM Nguyễn Văn Huân*, Lê Anh Tú Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên TÓM TẮT Trong thực tế, phân tích và dự báo doanh thu đóng một vai trò quan trọng, giúp cho các nhà quản lý chủ động trong việc đề ra các kế hoạch và các quyết định cần thiết phục vụ cho quá trình sản xuất kinh doanh, đầu tư, quảng bá, quy mô sản xuất, kênh phân phối sản phẩm, nguồn cung cấp tài chính, Bài báo đã đề xuất giải pháp xây dựng hệ thống phân tích dữ liệu và dự báo doanh thu cho doanh nghiệp vừa và nhỏ trên cơ sở thu thập, phân tích và kiểm định dữ liệu nhằm đưa ra những giải pháp xây dựng kế hoạch hoạt động sản xuất kinh doanh sao cho đạt hiệu quả cao nhất. Từ khoá: phân tích dữ liệu, dự báo, hồi quy tuyến tính, trung bình động, doanh thu GIỚI THIỆU* Phân tích dữ liệu và dự báo là một bài toán có ý nghĩa quan trọng trong việc hỗ trợ các nhà quản lý đưa ra quyết định đúng đắn dựa vào các dữ liệu đã thu thập được. Khi tiến hành dự báo cần căn cứ vào việc thu thập, xử lý số liệu trong quá khứ và hiện tại để xác định xu hướng vận động của các hiện tượng trong tương lai nhờ vào một số mô hình toán học[3]. Trên thế giới đã có nhiều tác giả đưa ra cách phân loại các phương pháp dự báo khác nhau. Tuy nhiên, theo Gordon trong hai thập kỷ gần đây, có các phương pháp dự báo được áp dụng rộng rãi trên thế giới như: Tiên đoán, ngoại suy xu hướng, dự báo tổng hợp,[1],[2]. Hiện nay, ở Việt Nam có rất nhiều đơn vị tham gia công tác phân tích dữ liệu và dự báo phục vụ việc lập và triển khai các kế hoạch phát triển kinh tế xã hội như: Bộ Kế hoạch và Đầu tư, Trung tâm Thông tin và Dự báo Kinh tế Xã hội Quốc gia, Viện Chiến lược phát triển, Tổng cục Thống kê và Vụ Tổng hợp kinh tế quốc dân, Bên cạnh đó, bài toán phân tích dữ liệu và dự báo đã được một số nhà quản lý, chuyên gia kinh tế nghiên cứu và đề xuất một số giải pháp ứng dụng vào một số lĩnh vực cụ thể: Phân tích và dự báo tình hình tài chính [9], tiền tệ [7], hoạch định và điều hành chính sách tài chính * Tel: 0987 118623 [5], xây dựng mô hình dự báo chỉ số thống kê xã hội chủ yếu [4], dự báo biến động giá chứng khoán [8], dự báo sự tác động của vốn đầu tư từ nước ngoài [10], dự báo giá một số mặt hàng tư liệu sản xuất [6]. Tuy nhiên, những nghiên cứu này chưa tập trung nhiều vào việc dự báo doanh thu cho các doanh nghiệp vừa và nhỏ nhằm có được những kế hoạch hoạt động sản xuất kinh doanh đạt hiệu quả cao. Một trong các chỉ tiêu quan trọng để đánh giá kết quả hoạt động sản xuất kinh doanh của doanh nghiệp vừa và nhỏ là chỉ tiêu doanh thu. Doanh thu là tổng giá trị các mặt hàng sản phẩm của doanh nghiệp đã được tiêu thu và thanh toán trong kỳ. Đây là chỉ tiêu tổng hợp phản ánh kết quả kinh doanh, là cơ sở để đánh giá việc thực hiện mục tiêu kinh doanh của doanh nghiệp vừa và nhỏ. Xuất phát trong hoàn cảnh đó, bài báo này đề xuất giải pháp xây dựng hệ thống phân tích dữ liệu và dự báo doanh thu cho doanh nghiệp vừa và nhỏ trên cơ sở thu thập, phân tích và kiểm định dữ liệu từ đó đưa ra những giải pháp xây dựng kế hoạch hoạt động sản xuất kinh doanh sao cho đạt hiệu quả cao nhất. PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO KINH TẾ Quy trình phân tích và dự báo Quy trình phân tích và dự báo được chia thành 9 bước. Các bước này bắt đầu và kết thúc với sự Nitro PDF Software 100 Portable Document Lane Wonderland Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 192 trao đổi, hợp tác và cộng tác giữa những người sử dụng và những người làm dự báo. Bước 1: Xác định mục tiêu - Các mục tiêu liên quan đến các quyết định cần đến dự báo phải được nói rõ. Nếu quyết định vẫn không thay đổi bất kể có dự báo hay không thì mọi nỗ lực thực hiện dự báo cũng vô ích. - Nếu người sử dụng và người làm dự báo có cơ hội thảo luận các mục tiêu và kết quả dự báo sẽ được sử dụng như thế nào, thì kết quả dự báo sẽ có ý nghĩa quan trọng. Bước 2: Xác định dự báo cái gì Khi các mục tiêu tổng quát đã rõ ta phải xác định chính xác là dự báo cái gì. Bước 3: Xác định khía cạnh thời gian Có 2 loại khía cạnh thời gian cần xem xét: - Thứ nhất: Độ dài dự báo, cần lưu ý: + Dự báo dài hạn: Là những dự báo có thời gian dự báo từ 5 năm trở lên. Thường dùng để dự báo những mục tiêu, chiến lược về kinh tế chính trị, khoa học kỹ thuật trong thời gian dài ở tầm vĩ mô. + Dự báo trung hạn: Là những dự báo có thời gian dự báo từ 3 đến 5 năm. Thường phục vụ cho việc xây dựng những kế hoạch trung hạn về kinh tế văn hoá xã hội ở tầm vi mô và vĩ mô. + Dự báo ngắn hạn: Là những dự báo có thời gian dự báo dưới 3 năm, loại dự báo này thường dùng để dự báo hoặc lập các kế hoạch kinh tế, văn hoá, xã hội chủ yếu ở tầm vi mô và vĩ mô trong khoảng thời gian ngắn nhằm phục vụ cho công tác chỉ đạo kịp thời. - Thứ hai: Người sử dụng và người làm dự báo phải thống nhất tính cấp thiết của dự báo. Bước 4: Xem xét dữ liệu - Dữ liệu cần để dự báo có thể từ 2 nguồn: + Nguồn thông tin sơ cấp: Thu thập qua các cuộc khảo sát, chọn mẫu hoặc các số liệu ghi chép các biến số trong doanh nghiệp. Các phương pháp thu thập: phỏng vấn trực tiếp, gửi thư, điện thoại. + Nguồn thông tin thứ cấp: Bên trong: nội bộ công ty, sổ sách kế toán. Bên ngoài: sách báo, tạp chí, internet, các tài liệu thống kê, - Cần phải lưu ý dạng dữ liệu sẵn có ( thời gian, đơn vị tính,). - Dữ liệu thường được tổng hợp theo cả biến và thời gian, nhưng tốt nhất là thu thập dữ liệu chưa được tổng hợp. - Cần trao đổi giữa người sử dụng và người làm dự báo. Bước 5: Lựa chọn mô hình - Để chọn một phương pháp dự báo thích hợp người làm dự báo phải: + Xác định bản chất của vấn đề dự báo. + Bản chất của dữ liệu đang xem xét. + Mô tả các khả năng và hạn chế của các phương pháp dự báo tiềm năng. + Xây dựng các tiêu chí để ra quyết định lựa chọn. + Một nhân tố chính ảnh hưởng đến việc lựa chọn mô hình dự báo là nhận dạng và hiểu được bản chất số liệu lịch sử. Bước 6: Đánh giá mô hình - Đối với các phương pháp định tính thì bước này ít phù hợp hơn so với phương pháp định lượng. - Đối với các phương pháp định lượng, cần phải đánh giá mức độ phù hợp của mô hình (trong phạm vi mẫu dữ liệu). - Đánh giá mức độ chính xác của dự báo (ngoài phạm vi mẫu dữ liệu). - Nếu mô hình không phù hợp, quay lại bước 5. Bước 7: Chuẩn bị dự báo - Nếu có thể nên sử dụng hơn một phương pháp dự báo, và nên là những loại phương pháp khác nhau (ví dụ mô hình hồi quy và san mũ Holt, thay vì cả 2 mô hình hồi quy khác nhau). Bước 8: Trình bày kết quả dự báo - Kết quả dự báo phải được trình bày rõ ràng cho ban quản lý sao cho họ hiểu các con số được tính toán như thế nào và chỉ ra sự tin cậy trong kết quả dự báo. Nitro PDF Software 100 Portable Document Lane Wonderland Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 193 - Người dự báo phải có khả năng trao đổi các kết quả dự báo theo ngôn ngữ mà các nhà quản lý hiểu được. - Trình bày cả ở dạng viết và dạng nói. - Bảng biểu phải ngắn gọn, rõ ràng. - Chuỗi dữ liệu dài có thể được trình bày dưới dạng đồ thị (cả giá trị thực và dự báo). - Trình bày thuyết trình nên theo cùng hình thức và cùng mức độ với phần trình bày viết. Bước 9: Đánh giá kết quả dự báo - Lệch giữa giá trị dự báo và giá trị thực phải được thảo luận một cách tích cực, khách quan và cởi mở. - Mục tiêu của việc thảo luận là để hiểu tại sao có các sai số, để xác định độ lớn của sai số. - Trao đổi và hợp tác giữa người sử dụng và người làm dự báo có vai trò rất quan trọng trong việc xây dựng và duy trì quy trình dự báo thành công. Phân tích và xử lý dữ liệu Xử lý và phân tích dữ liệu nghiên cứu là một trong các bước cơ bản của một nghiên cứu, bao gồm xác định vấn đề nghiên cứu; thu thập số liệu; xử lý số liệu; phân tích số liệu và báo cáo kết quả. Xác định rõ vấn đề nghiên cứu giúp việc thu thập số liệu được nhanh chóng và chính xác hơn. Để có cơ sở phân tích số liệu tốt thì trong quá trình thu thập số liệu phải xác định trước các yêu cầu của phân tích để có thể thu thập đủ và đúng số liệu như mong muốn. Điều cốt lõi của phân tích số liệu là suy diễn thống kê, nghĩa là mở rộng những hiểu biết từ một mẫu ngẫu nhiên thành hiểu biết về tổng thể, hay còn gọi là suy diễn quy nạp. Muốn có được các suy diễn này phải phân tích số liệu dựa vào các test thống kê để đảm bảo độ tin cậy của các suy diễn. Bản thân số liệu chỉ là các số liệu thô, qua xử lý phân tích trở thành thông tin và sau đó trở thành tri thức. Đây chính là điều mà tất cả các nghiên cứu đều mong muốn. Tiền xử lý dữ liệu Nguyên nhân dữ liệu cần tiền xử lý Dữ liệu không hoàn chỉnh có thể xảy ra vì một số nguyên nhân: - Một vài thuộc tính quan trọng không được cung cấp. Ví dụ: thông tin khách hàng đối với giao dịch bán hàng vì lý do cá nhân có thể khách hàng không muốn cung cấp thông tin của họ, hay thuộc tính mã số bằng lái xe đối với người không có bằng lái xe họ không thể cung cấp thông tin được yêu cầu, - Một số dữ liệu không được chọn lựa đơn giản bởi vì nó không được xem làm quan trọng tại thời điểm nhập dữ liệu. Hay nói cách khác, việc xem xét dữ liệu tại thời điểm nhập dữ liệu và thời điểm phân tích là khác nhau. - Vấn đề con người/ phần mềm/ phần cứng. - Dữ liệu không nhất quán với những dữ liệu đã được lưu trước đó có thể bị xóa, dẫn đến việc mất mát dữ liệu. Dữ liệu nhiễu có thể xảy ra vì một số nguyên nhân: - Công cụ lựa chọn dữ liệu được sử dụng bị lỗi. - Lỗi do con người hay máy tính lúc ghi chép dữ liệu. - Lỗi trong quá trình truyền tải dữ liệu. - Dữ liệu không chính xác cũng có thể là do không nhất quán trong việc đặt tên, định dạng dữ liệu. Dữ liệu không nhất quán có thể là do: - Dữ liệu được tập hợp từ nhiều nguồn khác nhau. - Vài thuộc tính được biểu diễn bằng những tên khác nhau trong cơ sở dữ liệu. Ví dụ: thuộc tính customer indentification có thể là customer_id trong cơ sở dữ liệu này nhưng là cust_id trong cơ sở dữ liệu khác. Tầm quan trọng của việc tiền xử lý dữ liệu - Quá trình làm sạch dữ liệu sẽ lắp đầy những giá trị bị thiếu, làm mịn các dữ liệu nhiễu, xác định và xóa bỏ những dữ liệu sai miền giá trị, và giải quyết vấn đề không nhất quán. - Nếu người dùng cho rằng dữ liệu là chưa được làm sạch thì họ sẽ không tin tưởng vào bất kỳ kết quả khai thác nào từ dữ liệu đó. Nitro PDF Software 100 Portable Document Lane Wonderland Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 194 - Ngoài ra, dữ liệu chưa được tiền xử lý có thể là nguyên nhân gây ra sự lộn xộn trong quá trình khai thác, cho ra kết quả không đáng tin. Việc có một số lượng lớn dữ liệu dư thừa có thể làm giảm tốc độ và làm hỗn loạn quá trình tìm kiếm tri thức. - Rõ ràng, việc thêm vào quá trình làm sạch dữ liệu giúp chúng ta tránh những dữ liệu dư thừa không cần thiết trong quá trình phân tích dữ liệu. - Làm sạch dữ liệu là một bước quan trọng trong quá trình tìm kiếm tri thức vì dữ liệu không có chất lượng thì kết quả khai thác cũng không có chất lượng. Những quyết định có chất lượng phải dựa trên dữ liệu có chất lượng. - Quá trình làm sạch dữ liệu và mã hóa dữ liệu có vai trò quan trọng trong việc xây dựng kho dữ liệu. Nhiệm vụ chính trong quá trình tiền xử lý dữ liệu - Làm sạch dữ liệu: Thêm vào những giá trị bị thiếu, làm mịn dữ liệu, nhận biết hoặc xóa những dữ liệu sai miền giá trị và giải quyết sự không nhất quán. - Tích hợp dữ liệu: Kết hợp nhiều cơ sở dữ liệu, khối dữ liệu hoặc từ nhiều tệp. - Chuyển hóa dữ liệu: Chuẩn hóa và kết hợp dữ liệu. - Thu gọn dữ liệu: Giảm bớt kích thước dữ liệu nhưng vẫn cho ra kết quả phân tích tương tự. Xử lý số liệu nghiên cứu Ngày nay, hầu hết các nghiên cứu đều xử lý số liệu trên các phần mềm máy tính. Do vậy,việc xử lý số liệu phải qua các bước sau: Mã hóa số liệu: Các số liệu định tính (biến định tính) cần được chuyển đổi (mã hóa) thành các con số. Các số liệu định lượng thì không cần mã hóa. y n y a   Nhập liệu: Số liệu được nhập và lưu trữ vào cơ sở dữ liệu. Cần phải thiết kế mẫu tệp số liệu thuận tiện cho việc nhập liệu. Hiệu chỉnh: Là kiểm tra và phát hiện những sai sót trong quá trình nhập số liệu từ bảng số liệu ghi tay vào file số liệu trên máy tính. Phương pháp phân tích dữ liệu và dự báo kinh tế Phương pháp hồi quy tuyến tính Nhiệm vụ đầu tiên của phân tích hồi quy tuyến tính là xây dựng mô hình hồi quy và xác định tính chất cũng như hình thức của mối liên hệ (loại mô hình). Mô hình dự đoán theo phương trình hồi quy: tbay .ˆ  Trong đó: t : Trị số của tiêu thức gây ảnh hưởng (nguyên nhân) (biến độc lập). yˆ : Trị số điều chỉnh của tiêu thức chịu ảnh hưởng (kết quả) (biến phụ thuộc) theo quan hệ với t. a: Hệ số tự do (hệ số chặn), là điểm xuất phát của đường hồi quy lý thuyết, nêu lên ảnh hưởng của các nhân tố khác (tiêu thức nguyên nhân khác) ngoài t tới sự biến động của y. b: Hệ số hồi quy (hệ sốgóc,độ dốc), phản ánh ảnh hưởng trực tiếp của tiêu thức nguyên nhân t đến tiêu thức kết quả y. Mỗi khi t tăng lên 1 đơn vị thì y sẽ thay đổi trung bình b đơn vị. b nói lên chiều hướng của mối liên hệ: b>0: Mối liên hệ thuận; b<0: Mối liên hệ nghịch. Cách xác định tham số: a, b phải được xác định sao cho đường hồi quy lý thuyết mô tả gần đúng nhất mối liên hệ thực tế. Khoảng cách từ điểm thực tế đến điểm thuộc đường hồi quy lý thuyết nhỏ nhất sẽ là tốt nhất. Từ phương trìnhh trên bằng phương pháp bình phương nhỏ nhất hoặc thông qua việc đặt thứ tự thời gian (t) trong dãy số để tính các tham số a, b. Nếu đặt thứ tự thời gian t sao cho ∑t # 0 ta có công thức tính tham số như sau: tayb . 22 .. tt tyty a    2t yt b   Nitro PDF Software 100 Portable Document Lane Wonderland Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 195 Nếu đặt thứ tự thời gian t sao cho ∑t = 0 ta có: Phương pháp điều hòa mũ Điều hòa mũ đưa ra các dự báo cho giai đoạn trước và thêm vào đó một lượng điều chỉnh để có được lượng dự báo cho giai đoạn kế tiếp. Sự điều chỉnh này là một tỷ lệ nào đó của sai số dự báo ở giai đoạn trước và được tính bằng cách nhân số dự báo của giai đoạn trước với hệ số nằm giữa 0 và 1. Hệ số này gọi là hệ số điều hòa. Công thức tính như sau: Ft = Ft-1+ α (At-1 - Ft-1) Trong đó : Ft: Dự báo cho giai đoạn thứ t, giai đoạn kế tiếp. Ft-1: Dự báo cho giai đoạn thứ t-1, giai đoạn trước. At-1: Số liệu thực tế của giai đoạn thứ t-1 Phương pháp trung bình động giản đơn Phương pháp trung bình động đơn giản là phương pháp đưa ra dự báo cho giai đoạn tiếp theo dựa trên cơ sở kết quả trung bình của các kỳ trước đó thay đổi (trượt) trong một giới hạn thời gian nhất định. Công thức: Trong đó : Ft: Là nhu cầu dự báo cho giai đoạn t. : Là nhu cầu thực tế của giai đoạn t-i; n: Số giai đoạn quan sát. Phương pháp trung bình động có trọng số Phương pháp trung bình động có trọng số là phương pháp trung bình động có tính đến ảnh hưởng của từng giai đoạn khác nhau đến nhu cầu thông qua việc sử dụng các trọng số. Trong phương pháp bình quân đơn giản được đề cập ở phần trên, chúng ta xem vai trò của các số liệu trong quá khứ là như nhau. Trong một vài trường hợp, các số liệu này có ảnh hưởng khác nhau trên kết quả dự báo. Vì thế, người ta thích sử dụng quyền số không đồng đều cho các số liệu quá khứ. Trọng số là các con số được gán cho các số liệu quá khứ để chỉ mức độ quan trọng của chúng ảnh hưởng đến kết quả dự báo. Quyền số lớn được gán cho số liệu gần với kỳ dự báo nhất để ám chỉ ảnh hưởng của nó là lớn nhất.Việc chọn các trọng số phụ thuộc vào kinh nghiệm và sự nhạy cảm của người dự báo. Công thức: Trong đó : : Dự báo thời kỳ thứ t. : Số liệu thực tế thời kỳ trước (i= 1,2,3...) : Trọng số tương ứng ở thời kỳ i. GIẢI PHÁP XÂY DỰNG HỆ THỐNG PHÂN TÍCH DỮ LIỆU VÀ DỰ BÁO KINH TẾ Phân tích thiết kế hệ thống phân tích dữ liệu và dự báo kinh tế Biểu đồ phân cấp chức năng Hình 1. Biểu đồ phân cấp chức năng Biểu đồ luồng dữ liệu + Biểu đồ luồng dữ liệu mức khung cảnh Hình 2. Biểu đồ luồng dữ liệu mức khung cảnh + Biểu đồ luồng dữ liệu mức đỉnh Một số kết quả Chức năng quản lý khu vực Để thuận tiện cho quá trình tổ chức và xử lý dữ liệu. Chức năng thực hiện việc quản lý dữ liệu thuộc các khu vực nào Nitro PDF Software 100 Portable Document Lane Wonderland Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 196 Hình 3. Biểu đồ luồng dữ liệu mức đỉnh Hình 4. Chức năng quản lý khu vực Chức năng quản lý lĩnh vực Để thuận tiện cho việc quản lý, tổ chức và xử lý dữ liệu. Dữ liệu sẽ được lưu trữ ở các lĩnh vực khác nhau. Hình 5. Chức năng kiểm tra dữ liệu Chức năng đánh giá dữ liệu Chức năng Đánh giá dữ liệu gồm một số chức năng như: Tải dữ liệu, lưu dữ liệu, đánh giá dữ liệu và Thống kê báo cáo. Sau khi dữ liệu được thu thập về và tổ chức theo từng Khu vực và Lĩnh vực và được lưu trữ dưới một số định dạng như Excel, XML, Text. Sẽ được tự động tải vào thông qua chức năng Tải dữ liệu. Để tiện cho việc lưu trữ thì dữ liệu sẽ được lưu trữ vào Cơ sở dữ liệu SQL Server thông qua chức năng Lưu dữ liệu. Sau khi có dữ liệu, chuyên viên dự báo sẽ tiến hành đánh giá bộ dữ liệu. Việc đánh giá dữ liệu thông quan hệ số tương quan mẫu và hệ số xác định sẽ cho ta được phương pháp mô hình dự báo nào là phù hợp và cho kết quả chính xác nhất. Hình 6. Chức năng đánh giá dữ liệu Chức năng phân tích và dự báo Chức năng Phân tích và dự báo gồm một số chức năng như: Lấy dữ liệu, Phân tích dự báo và Thống kê báo cáo. Sau khi dữ liệu được lưu trữ vào Cơ sở dữ liệu SQL Server. Dữ liệu được lấy dựa theo các tiêu chí như: Khu vực, lĩnh vực và khoảng dữ liệu cần lấy thông qua chức năng Lấy dữ liệu. Sau đó, Chuyên viên dự báo có thể lựa chọn phương pháp dự báo và tiến hành phân tích dự báo. Kết quả dự báo đưa ra doanh thu của doanh nghiệp trong khoảng thời gian tiếp theo mà doanh nghiệp muốn dự báo và đưa ra các chỉ tiêu đánh giá kết quả dự báo như: các sai số, hệ số tương quan, hệ số xác định.Bên cạnh đó, kết quả dự báo được hệ thống biểu diễn dưới dạng 17 loại biểu đồ thông dụng nhất hiện nay. Ngoài ra, để tiện cho việc báo cáo với bộ phận quản lý thì chuyên viên dự báo sẽ tiến hành in báo cáo thông qua chức năng Báo cáo của chương trình. Hình 7. Giao diện chức năng phân tích và dự báo Chức năng thống kê báo cáo Hệ thống hỗ trợ chức năng xuất thống kê báo cáo tổng hợp. Báo cáo sẽ tiến hành so sánh các phương pháp dự báo đối với cùng một bộ dữ liệu. Thông qua các chỉ tiêu đánh giá phân tích dự báo chuyên viên dự báo sẽ biết được phương pháp dự báo nào là phù hợp nhất cho bộ dữ liệu hiện tại. Bên cạnh đó, báo cáo được xuất ra tệp excel để tiện cho ban lãnh đạo theo dõi từ đó hỗ trợ việc ra quyết định. Nitro PDF Software 100 Portable Document Lane Wonderland Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 197 Hình 8. Giao diện chức năng báo cáo KẾT LUẬN Phân tích dữ liệu và dự báo là một yếu tố quan trọng của hầu hết các quyết định kinh doanh và lập kế hoạch kinh tế. Phân tích dữ liệu và dự báo như một tập hợp các công cụ giúp người ra quyết định đưa ra các phán đoán tốt nhất về các sự kiện tương lai. Bài báo đã đề xuất giải pháp xây dựng hệ thống phân tích dữ liệu và dự báo doanh thu cho doanh nghiệp vừa và nhỏ trên cơ sở thu thập, phân tích và kiểm định dữ liệu nhằm đưa ra những giải pháp xây dựng kế hoạch hoạt động sản xuất kinh doanh sao cho đạt hiệu quả cao nhất. TÀI LIỆU THAM KHẢO 1. The odore Jay Gordon, (1994), Integration of Forecasting Methods and the Frontiers of Futures Research, AC/UNU Millennium Project. 2. Daekook Kang, Wooseok Jang, Hyeonheong Lee, Hyun Joung No, (2013),A Review on Technology Forecasting Methods and Their Application Area, World Academy of Science, Engineering and Technology. 3. Nguyễn Văn Huân, Phạm Việt Bình, (2011), Phân tích dữ liệu và dự báo kinh tế, NXB Khoa học và kỹ thuật. 4. Lê Văn Dụy, (2010), Nghiên cứu ứng dụng một số phương pháp và mô hình dự báo ngắn hạn để dự báo các chỉ tiêu thống kê xã hội chủ yếu, Đề tài NCKH Cấp Bộ 2009 – 2010. 5. Nguyễn Ngọc Tuyến, (2008), Xây dựng mô hình phân tích và dự báo các chỉ tiêu kinh tế tài chính phục vụ công tác phân tích, hoạch định và điều hành chính sách tài chính, Đề tài NCKH Cấp Bộ 6/2007 - 5/2008. 6. Trần Thị Trâm Anh, (2007), Ứng dựng mô hình phân tích, dự báo giá một số mặt hàng tư liệu sản xuất quan trọng ở Việt Nam gian đoạn 2006-2010, Đề tài NCKH Cấp Bộ 01/05/06 - 01/05/07. 7. Bùi Duy Phú, (2010), Xây dựng hàm cầu tiền của Việt Nam, phân tích & dự báo qua một số mô hình thực nghiệm, Đề tài NCKH Cấp Ngành, KNH 2010 – 06. 8. Phùng Duy Quang, (2007),Mô hình chuỗi thời gian dùng để dự báo biến động giá chứng khoán và áp dụng vào thị trường chứng khoán Việt Nam, Đề tài Cấp trường Đại học Ngoại Thương, Mã số NT 2007-02. 9. Trần Văn Tá, (2003), Phân tích và dự báo tình hình kinh tế tài chính khu vực và thế giới tác động đến Việt Nam, Đề tài NCKH Cấp Bộ 2/2002 - 2/2003. 10. Phạm Thị Thắng,Phạm Thị Kim Vân, (2007), Sử dụng các mô hình kinh tế lượng trong phân tích và dự báo tác động của vốn đầu tư trực tiếp nước ngoài đối với phát triển kinh tế-xã hội Việt Nam, Đề tài NCKH Cấp Bộ 01/05/06 - 01/05/07. 11. Vũ Xuân Nam, Phạm Việt Bình, Nguyễn Văn Huân, (2012), Phương pháp hồi quy bội trong dự báo và ứng dụng vào dự báo doanh thu dịch vụ viễn thông tại Viễn thông Thái Nguyên, P 87-92,số 102, tập 2 Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên. 12. Phạm Việt Bình, Nguyễn Văn Huân, Vũ Xuân Nam, Lê Anh Tú, (2013), Một phương pháp phân tích và dự báo sản lượng chè Tỉnh Thái Nguyên, trang 65-70, Số 10 tập 110 Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên. Nitro PDF Software 100 Portable Document Lane Wonderland Nguyễn Văn Huân và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 135(05): 191 - 198 198 SUMMARY SOLUTION BUILDING SYSTEMS DATA ANALYSIS AND TURNOVER FORECASTING FOR SMALL AND MEDIUM ENTERPRISES IN VIET NAM Nguyen Van Huan * , Le Anh Tu College of Information and Communication Technology - TNU In fact, analysis and turn over forecasting plays an important role, helping managers active in the formulation of plans and decisions necessary for the production and business processes, the first investment, promotion, production scale, product distribution channels, sources of financing, ... This paper proposes the solution building systems data analysis and turnover forecasting for small and medium enterpriseson the basis ofcollecting, analyzing and testing data in order to provide solutions to the construction plans production business that reached the highest efficiency. Keywords: data analyse , forecast, linear regression, moving average, turnover Ngày nhận bài:25/10/2014; Ngày phản biện:14/11/2014; Ngày duyệt đăng: 31/5/2015 Phản biện khoa học: TS. Cao Đình Thi – Trường Đại học Kinh tế quốc dân Hà Nội * Tel: 0987 118623 Nitro PDF Software 100 Portable Document Lane Wonderland