Một cửa hàng nhỏ không cần mô hình phức tạp để dự báo nhu cầu: trung bình bán của vài tuần gần nhất, nhân với hệ số mùa vụ rút từ năm trước, cộng thêm hiểu biết của người đứng quầy về những gì sắp xảy ra, đã đủ để nhập hàng sát hơn rõ rệt so với ước lượng bằng mắt. AI giúp ở khâu dựng bảng, đọc dữ liệu tìm quy luật và nhắc những yếu tố bạn có thể bỏ sót.
Bài này dành cho chủ cửa hàng văn phòng phẩm, mỹ phẩm, vật tư nông nghiệp, cửa hàng tiện lợi một hai điểm bán — những nơi có dữ liệu bán từ phần mềm tính tiền nhưng chưa dùng nó để lên kế hoạch nhập. Bạn sẽ có quy trình từ dữ liệu thô tới con số dự báo cho tháng tới, cách đo xem dự báo có đáng tin không, và những tình huống nên bỏ qua con số máy đưa ra. Các con số minh hoạ đều là ví dụ giả định.
Dự báo để làm gì, và đừng mong nó làm gì
Mục đích của dự báo nhu cầu ở cửa hàng nhỏ rất thực tế: biết tháng tới nên nhập khoảng bao nhiêu mỗi nhóm hàng, chuẩn bị bao nhiêu tiền, có cần thuê thêm người vào mùa cao điểm không. Dự báo tốt không phải dự báo trúng từng đơn vị; nó là dự báo sai ít hơn cách đang làm, và sai theo cách bạn biết trước.
Đừng mong dự báo tính được những thứ chưa từng xảy ra: một sản phẩm bỗng được nhắc trên mạng xã hội, một cửa hàng cạnh tranh mở ngay đối diện, đường trước cửa bị rào sửa ba tháng. Những thay đổi kiểu này chỉ có người ở hiện trường biết, và con số dự báo phải được người chỉnh lại.
Cũng đừng dự báo cho từng mã một khi mã đó bán rất ít. Một mã bán hai cái một tháng thì mọi phương pháp đều đoán gần như ngẫu nhiên. Dự báo theo nhóm hàng, rồi chia xuống mã theo tỉ lệ bán gần đây, thường ổn định hơn nhiều với cửa hàng nhỏ.
Thêm một điều nên rõ ngay từ đầu: con số dự báo là một khoảng chứ không phải một điểm. Khi ghi "tháng tới bán khoảng 300 hộp", hãy ghi kèm mức thấp và mức cao bạn thấy hợp lý, chẳng hạn từ 250 tới 350. Khoảng này giúp bạn quyết định nên nghiêng về phía nào khi đặt hàng: hàng dễ hỏng thì nghiêng về mức thấp, hàng để lâu được và hết hàng thì mất khách thì nghiêng về mức cao.
Chuẩn bị dữ liệu bán trước khi dự báo
Phần lớn thời gian của việc dự báo nằm ở bước làm sạch dữ liệu. AI làm bước này nhanh, nhưng bạn cần biết mình muốn bảng cuối trông thế nào.
- Xuất dữ liệu bán theo ngày hoặc theo tuần cho từng mã từ phần mềm tính tiền, ít nhất 12 tháng nếu có, để thấy được mùa vụ.
- Gộp về tuần. Dữ liệu ngày dao động mạnh theo thứ trong tuần, gộp tuần giúp nhìn thấy xu hướng rõ hơn.
- Đánh dấu những tuần bất thường: tuần khuyến mãi lớn, tuần đóng cửa, tuần hết hàng kéo dài. Những tuần này không nên dùng để tính mức bán bình thường.
- Gộp các mã thay thế nhau, chẳng hạn cùng một loại bút khác màu, vào một nhóm nếu khách mua cái nào cũng được.
- Bỏ cột giá vốn, tên khách hàng, mã khách thân thiết trước khi đưa vào bất kỳ chatbot nào. Dự báo chỉ cần số lượng theo thời gian.
Câu lệnh mẫu cho bước này: "Đây là bảng bán hàng theo ngày, cột A là ngày, cột B là mã nhóm hàng, cột C là số lượng. Hãy hướng dẫn cách gộp thành bảng theo tuần bằng bảng tổng hợp, mỗi dòng một tuần, mỗi cột một nhóm hàng, và chỉ ra những tuần có số lượng thấp hơn một nửa mức trung bình để kiểm tra lại."
Ba cách dự báo vừa sức cửa hàng nhỏ
Không cần chọn cách phức tạp nhất. Cách đơn giản mà bạn hiểu rõ, cập nhật đều đặn, luôn có giá trị hơn cách phức tạp mà không ai dám sửa.
| Cách | Làm thế nào | Hợp với | Điểm yếu |
|---|---|---|---|
| Trung bình trượt | Lấy trung bình của 4 đến 8 tuần gần nhất làm dự báo tuần tới | Hàng bán đều quanh năm như nước uống, gia vị, giấy in | Chậm theo kịp khi nhu cầu đang tăng hoặc giảm dần |
| Trung bình trượt có trọng số | Tuần gần đây được nhân hệ số lớn hơn tuần xa | Hàng có xu hướng tăng giảm chậm | Phải tự chọn trọng số, chọn sai thì dao động theo nhiễu |
| Trung bình nhân hệ số mùa vụ | Mức nền nhân với hệ số của tháng lấy từ năm trước | Hàng theo mùa: đồ dùng học tập, quạt, áo mưa, quà Tết | Cần ít nhất một năm dữ liệu, năm trước bất thường thì hệ số sai |
Hệ số mùa vụ tính đơn giản: lấy lượng bán của một tháng năm trước chia cho lượng bán bình quân tháng của cả năm đó. Ví dụ giả định: bình quân một tháng bán 400 cuốn vở, tháng Tám bán 1.000 cuốn, hệ số tháng Tám là 2,5. Năm nay mức nền là 440 cuốn, dự báo tháng Tám khoảng 1.100 cuốn, trước khi bạn chỉnh theo thông tin riêng.
Nhờ AI đọc dữ liệu tìm quy luật
Tìm mùa vụ và chu kỳ. Dán bảng bán theo tuần đã che, nhờ AI chỉ ra nhóm hàng nào có mùa rõ, đỉnh rơi vào tuần nào, và nhóm nào bán đều. Câu lệnh mẫu: "Với bảng bán theo tuần dưới đây của 12 nhóm hàng, hãy xếp các nhóm thành ba loại: bán đều, có mùa rõ, thất thường. Với nhóm có mùa, cho biết khoảng tuần bắt đầu tăng và tuần đạt mức cao nhất. Ghi rõ dòng nào trong bảng là căn cứ."
Tính hệ số mùa vụ và viết công thức. AI viết công thức tính hệ số cho từng tháng, kèm cách đặt vào bảng để tháng sau chỉ cần dán số mới. Bạn tự kiểm một tháng bằng máy tính tay.
Liệt kê yếu tố cần hỏi người. Nhờ AI gợi ý danh sách câu hỏi trước mỗi kỳ dự báo: có lịch khai giảng, lễ hội địa phương, đợt khuyến mãi của chính cửa hàng, nhà cung cấp tăng giá không. Đây là cách biến kinh nghiệm của người đứng quầy thành đầu vào có hệ thống.
Giải thích con số cho người khác. Khi cần trình bày với người cùng góp vốn hay với nhân viên, AI viết lại phần dự báo thành vài câu dễ hiểu, kèm lý do vì sao tháng này nhập nhiều hơn tháng trước.
Đo sai số để biết có nên tin dự báo
Dự báo mà không đo sai số thì không biết nó có giúp gì hay không. Cách đơn giản nhất là thêm hai cột vào bảng: dự báo của tuần và lượng bán thực tế khi tuần kết thúc. Cột thứ ba là chênh lệch tuyệt đối, cột thứ tư là chênh lệch chia cho lượng bán thực tế, ra phần trăm sai số.
Sau tám đến mười hai tuần, bạn có đủ số để trả lời hai câu: dự báo sai trung bình bao nhiêu phần trăm, và nó thường sai về phía cao hay phía thấp. Nếu dự báo luôn thấp hơn thực tế, có thể bạn đang tính cả những tuần hết hàng vào mức nền. Nếu luôn cao hơn, có thể bạn đang dùng hệ số mùa vụ của một năm đặc biệt.
So sánh sai số của dự báo với sai số của cách cũ, chẳng hạn "tháng này nhập bằng tháng trước". Nếu dự báo mới không tốt hơn cách cũ, đừng cố giữ nó vì trông chuyên nghiệp. Có những nhóm hàng mà kinh nghiệm người bán vẫn đoán tốt hơn, và đó là thông tin quý chứ không phải thất bại.
AI giúp được ở đây bằng cách viết công thức đo sai số và tóm tắt nhóm hàng nào dự báo tốt, nhóm nào tệ. Nhưng việc ghi lượng bán thực tế mỗi tuần là kỷ luật của người làm, không ai làm thay được.
Khi nào bỏ qua con số dự báo
Một dự báo tốt vẫn phải nhường chỗ cho thông tin mới mà dữ liệu cũ không có. Những tình huống sau đây là lúc người phụ trách nên chỉnh tay, ghi lại lý do để lần sau rút kinh nghiệm.
- Có thay đổi lớn quanh cửa hàng: công trình rào đường, chợ mới mở, trường học dời đi, khu dân cư mới vào ở.
- Nhà cung cấp báo ngừng mẫu cũ, đổi bao bì hoặc thay quy cách, khách cần thời gian làm quen.
- Chính cửa hàng chuẩn bị chạy khuyến mãi lớn, mở thêm kênh bán qua mạng hoặc nhận đơn sỉ đầu tiên.
- Thời tiết bất thường kéo dài như nắng nóng sớm, mưa lũ ở Đồng Nai hay các tỉnh miền Trung, làm lệch hẳn nhu cầu theo mùa.
- Tết rơi vào tháng khác năm trước, làm hệ số mùa vụ theo tháng dương lịch bị lệch một tháng.
Mỗi lần chỉnh tay, hãy ghi một dòng ghi chú bên cạnh con số: chỉnh bao nhiêu, vì sao. Sau vài tháng, đọc lại các ghi chú này cùng sai số thực tế sẽ cho bạn biết trực giác của mình đáng tin ở loại tình huống nào.
Từ dự báo sang đơn đặt hàng
Dự báo nhu cầu chưa phải là đơn đặt hàng. Lượng cần đặt bằng dự báo cho khoảng thời gian tới lúc lô sau về, cộng tồn kho an toàn, trừ tồn hiện có và hàng đang trên đường. Nếu bạn đã dựng bảng điểm đặt hàng lại, hãy thay cột lượng bán bình quân bằng cột dự báo để bảng phản ứng nhanh hơn với mùa vụ.
Với cửa hàng nhỏ, đơn đặt hàng còn bị chi phối bởi đơn tối thiểu của nhà cung cấp, chiết khấu theo số lượng, chỗ trống trong kho và tiền mặt sẵn có. Những ràng buộc này nên ghi thành cột riêng trong bảng, để khi dự báo bảo nhập nhiều mà kho không đủ chỗ, bạn thấy ngay chỗ vướng thay vì phát hiện lúc xe hàng tới cửa.
Một thói quen hữu ích: mỗi tháng dành nửa giờ ngồi cùng người đứng quầy, đặt bảng dự báo lên bàn và hỏi họ thấy con số nào vô lý. Người bán hằng ngày thường bắt được những sai lệch mà cả bảng tính lẫn AI đều bỏ qua.
Câu hỏi thường gặp
Cửa hàng mới mở chưa có dữ liệu thì dự báo thế nào?
Trong vài tháng đầu, hãy nhập ít và nhập thường xuyên, ghi đủ dữ liệu bán theo ngày. Có thể tham khảo kinh nghiệm của nhà cung cấp về sức bán của khu vực tương tự. Sau khoảng hai tháng, bắt đầu dùng trung bình trượt cho nhóm hàng bán đều.
Có cần phần mềm chuyên dụng để dự báo nhu cầu không?
Với cửa hàng một hai điểm bán, bảng tính cùng dữ liệu xuất từ phần mềm tính tiền là đủ để bắt đầu. Khi số mã hàng và số điểm bán tăng nhiều, công cụ chuyên dụng mới đáng cân nhắc, và nên chọn theo nhu cầu đã rõ chứ không theo quảng cáo.
Nên dự báo theo từng mã hay theo nhóm hàng?
Mã bán ít nên dự báo theo nhóm rồi chia xuống mã theo tỉ lệ bán gần đây. Mã bán nhiều và ổn định có thể dự báo riêng. Dự báo từng mã bán lẻ tẻ thường cho kết quả gần như ngẫu nhiên.
Làm sao biết dự báo của mình có tốt không?
Ghi dự báo và lượng bán thực tế mỗi tuần, tính phần trăm chênh lệch, sau tám đến mười hai tuần so với cách nhập cũ. Nếu sai số nhỏ hơn và không lệch hẳn về một phía, dự báo đang có ích.
Dán dữ liệu bán hàng vào chatbot có an toàn không?
Chỉ nên dán số lượng theo thời gian và mã nhóm hàng. Bỏ giá vốn, tên nhà cung cấp, thông tin khách hàng. Nếu công ty có quy định dùng AI, làm theo quy định đó và dùng tài khoản được cấp.
Tết mỗi năm rơi vào tháng khác thì hệ số mùa vụ tính sao?
Thay vì tính theo tháng dương lịch, hãy tính theo số tuần trước và sau Tết. Ví dụ đánh số tuần so với ngày mùng Một, rồi so sánh các năm theo cùng vị trí đó, hệ số sẽ ổn định hơn.