CƠ SỞ LÝ THUYẾT
Lý thuyết về quản lý doanh thu
Quản lý doanh thu, bắt nguồn từ ngành hàng không vào những năm 1980, nhằm dự đoán nhu cầu người tiêu dùng và giúp các hãng hàng không xác định giá cả hợp lý Ngày nay, với sự phát triển của công nghệ, quản lý doanh thu đã được áp dụng rộng rãi trong hầu hết các lĩnh vực kinh doanh, và khái niệm này đã được điều chỉnh để phù hợp với đặc điểm riêng của từng ngành Theo Robert Cross (1997) trong cuốn sách "Revenue Management", quản lý doanh thu được định nghĩa là nghệ thuật và khoa học dự đoán nhu cầu khách hàng theo thời gian thực, tối ưu hóa giá cả và tính sẵn có của sản phẩm Nói một cách đơn giản, quản lý doanh thu là việc bán đúng số lượng sản phẩm với giá dựa trên mức độ sẵn lòng chi trả của khách hàng.
Theo Allos Linn (2015), quản lý doanh thu chủ yếu dựa vào việc hiểu giá trị nhận thức của khách hàng, từ đó giúp nhà quản trị điều chỉnh giá và địa điểm kinh doanh cho phù hợp Điều này cho phép đội ngũ quản lý doanh thu xác định các kênh phân phối hợp lý, kiểm soát chi phí hiệu quả và áp dụng các chiến lược quản lý thích hợp cho từng phân khúc khách hàng, qua đó thúc đẩy tăng trưởng doanh thu bền vững và nhanh chóng.
Quản lý doanh thu trong ngành khách sạn, theo Theo Patrix Landman (2011), là quá trình bán phòng đúng cho khách hàng phù hợp vào thời điểm thích hợp với mức giá hợp lý trên các kênh phân phối hiệu quả nhằm tối ưu hóa lợi nhuận.
Quản lý doanh thu là quá trình mà các doanh nghiệp dự đoán nhu cầu và hành vi của người tiêu dùng, từ đó tối ưu hóa sản phẩm và giá bán Mặc dù mỗi tác giả có định nghĩa riêng về quản lý doanh thu cho từng ngành nghề, nhưng mục tiêu chung vẫn là tối đa hóa doanh thu và lợi nhuận cho doanh nghiệp.
2.1.2 Vai trò của quản lý doanh thu
Theo Bill Marriott, Chủ tịch và CEO của Marriott International, quản lý doanh thu không chỉ mang lại hàng triệu đô la cho kết quả tài chính mà còn giúp nhân viên hiểu cách quản lý doanh nghiệp hiệu quả hơn Tập trung vào yếu tố này sẽ thúc đẩy sự phát triển của công ty.
Quản lý doanh thu giúp doanh nghiệp hiểu rõ nhu cầu và hành vi của khách hàng, từ đó tối ưu hóa hàng tồn kho và điều chỉnh giá cả linh hoạt, góp phần vào sự tăng trưởng doanh thu Điều này giúp doanh nghiệp nhận thức rõ hơn về vị trí và khả năng của mình trên thị trường, cho phép họ đưa ra quyết định và thiết lập chiến lược dựa trên dữ liệu thay vì chỉ dựa vào trực giác hay phỏng đoán về giá cả và phân phối.
Quản lý doanh thu không chỉ là một chức năng độc lập mà còn là cầu nối quan trọng giữa các bộ phận bán hàng, tiếp thị và vận hành Nó đóng vai trò như một chất kết dính, giúp doanh nghiệp tối ưu hóa khả năng hoạt động của mình dựa trên các yếu tố như điều kiện thị trường và bối cảnh phân phối.
Lý thuyết về dự báo doanh thu
Theo tài liệu Phân tích và Dự báo Kinh tế (2009), dự báo là sự kết hợp giữa khoa học và nghệ thuật trong việc tiên đoán các sự kiện tương lai, dựa trên phân tích khoa học các dữ liệu đã thu thập Dự báo được phân loại thành ba loại dựa trên thời gian.
- Dự báo ngắn hạn (tuần, tháng, đến dưới 1 năm) được dùng cho các quyết định mua sắm, điều độ công việc, phân giao nhiệm vụ,…
- Dự báo trung hạn (từ 12 tháng – 3 năm) cần cho việc lập kế hoạch sản xuất, kế hoạch bán hàng, dự thảo ngân sách, huy động các nguồn lực,…
Dự báo dài hạn, với thời gian từ 3 năm trở lên, đóng vai trò quan trọng trong việc lập kế hoạch cho các dự án sản xuất sản phẩm mới, lựa chọn công nghệ phù hợp và mở rộng quy mô doanh nghiệp.
2.2.2 Dự báo doanh thu (Revenue Forecast)
Dự báo doanh thu là một kế hoạch xác định doanh thu của doanh nghiệp trong tương lai, dựa trên việc phân tích dữ liệu lịch sử của doanh nghiệp.
Có thể nói, dự báo doanh thu là một công việc rất quan trọng của doanh nghiệp vì:
Dự báo doanh thu là nền tảng cho hầu hết các dự báo khác và là nhiệm vụ cần thực hiện thường xuyên, giúp doanh nghiệp đảm bảo sự phát triển bền vững.
Dự báo doanh thu đóng vai trò quan trọng trong việc xây dựng chiến lược giá, đồng thời giúp phòng Marketing phát triển chiến lược tiếp thị phù hợp với ngân sách và sản phẩm Điều này đảm bảo doanh nghiệp thực hiện chiến lược kinh doanh một cách kịp thời và hiệu quả.
Dự báo doanh thu sẽ giúp doanh nghiệp kiểm soát và bố trí sử dụng các nguồn lực trong tương lai một cách có căn cứ thực tế;
Dự báo cung cấp thông tin quý giá giúp nhà quản trị hoạch định chính sách và đưa ra quyết định đầu tư, sản xuất, tài chính nhằm tối ưu hóa chi phí và tiêu dùng.
Dự báo đóng vai trò quan trọng trong việc hoạch định chính sách và chiến lược phát triển, đồng thời giúp đánh giá khả năng thực hiện kế hoạch và điều chỉnh chúng phù hợp với tình hình thực tế.
Lý thuyết về khuyến mãi
Khuyến mãi là hoạt động của doanh nghiệp nhằm kích thích nhu cầu mua sắm của khách hàng trong thời gian ngắn bằng cách cung cấp những lợi ích hấp dẫn Đây là chiến lược của nhà sản xuất để thu hút khách hàng và tăng doanh số bán hàng Thực tế, có nhiều khái niệm khuyến mãi đa dạng khác nhau.
Theo Philip Kotler và Gary Amstrong, khuyến mãi là tập hợp các công cụ khuyến khích đa dạng, thường có tính chất ngắn hạn, nhằm thúc đẩy người tiêu dùng mua sắm nhiều hơn và nhanh chóng hơn các sản phẩm, dịch vụ cụ thể.
Tại Việt Nam, khuyến mãi được định nghĩa theo khoản 1 Điều 88 Luật Thương mại (2005) là hoạt động xúc tiến thương mại của thương nhân nhằm thúc đẩy việc mua bán hàng hóa và cung ứng dịch vụ, thông qua việc mang lại cho khách hàng những lợi ích cụ thể.
2.3.2 Mục tiêu của khuyến mãi
Khuyến mãi là công cụ hiệu quả giúp doanh nghiệp nâng cao sức cạnh tranh trên thị trường, đặc biệt là đối với các doanh nghiệp không kinh doanh sản phẩm độc quyền như điện và nước Trong bối cảnh luôn phải đối mặt với hoạt động cạnh tranh từ các đối thủ, việc áp dụng các chương trình khuyến mãi có thể giúp củng cố vị thế của doanh nghiệp.
Khuyến mãi là một phương pháp hiệu quả để tăng doanh số nhanh chóng trong thời gian ngắn, giúp doanh nghiệp đạt được mục tiêu bán hàng và giảm lượng hàng tồn kho.
Để thu hút khách hàng mới, doanh nghiệp có thể triển khai các chương trình phát mẫu thử miễn phí, khuyến mãi quà tặng và cho khách hàng dùng thử sản phẩm Những hoạt động này không chỉ kích thích sự quan tâm của khách hàng mà còn tạo cơ hội cho họ trải nghiệm và quyết định mua hàng, từ đó giúp doanh nghiệp gia tăng số lượng khách hàng.
Khuyến mãi vào những ngày lễ đặc biệt kết hợp với các hoạt động từ thiện không chỉ giúp tăng cường uy tín thương hiệu mà còn tạo dựng hình ảnh tích cực cho sản phẩm của doanh nghiệp.
Chương trình khuyến mãi rút thăm trúng thưởng qua phiếu tham dự không chỉ thu hút khách hàng mà còn giúp doanh nghiệp thu thập thông tin quan trọng từ người tham gia.
Giữ chân khách hàng cũ;
Trong mùa thấp điểm, các doanh nghiệp có thể thực hiện chương trình giảm giá để thu hút khách hàng, giúp duy trì hoạt động và bù đắp chi phí Nhiều ngành kinh doanh chịu ảnh hưởng bởi yếu tố mùa vụ nên việc này là cần thiết để tăng doanh thu.
Lý thuyết về hợp tác với bên thứ 3
Hợp tác với bên thứ ba là một thỏa thuận kinh doanh quan trọng, trong đó ngoài các bên tham gia chính như người mua và người bán, còn có sự tham gia của một bên thứ ba Thỏa thuận này thường mang lại lợi ích cho tất cả các bên liên quan, tạo ra sự cộng tác hiệu quả trong quá trình giao dịch.
2.4.2 Đặc điểm và vai trò của bên thứ 3
Khi thực hiện thỏa thuận kinh doanh, người mua và người bán có thể lựa chọn sử dụng dịch vụ của bên trung gian để quản lý giao dịch hiệu quả hơn.
Bên thứ ba đóng vai trò quan trọng trong việc cung cấp dịch vụ ngoài chuyên môn của công ty, làm trung gian kết nối giữa hai bên, và thực hiện việc nhận thanh toán từ người mua để chuyển cho người bán.
Phương pháp dự báo doanh thu
2.5.1 Chuỗi giá trị thời gian
Dự báo kinh tế thường dựa vào dữ liệu chuỗi giá trị thời gian, là tập hợp các giá trị được ghi nhận và lưu trữ theo thứ tự thời gian Ví dụ, số lượng hàng bán được trong 12 tháng của một công ty là một minh chứng cho việc sử dụng chuỗi giá trị thời gian trong phân tích kinh tế.
Các nhà thống kê thường chia chuỗi giá trị theo thời gian ra làm 4 thành phần:
Thành phần xu hướng dài hạn phản ánh sự tăng giảm của đại lượng trong thời gian dài Trên đồ thị, thành phần này có thể được biểu diễn bằng một đường thẳng hoặc một đường cong tròn.
Thành phần mùa (seasonal component) đề cập đến sự biến đổi của các đại lượng theo mùa hoặc tháng trong năm Chẳng hạn, lượng tiêu thụ điện thường tăng cao vào mùa hè và giảm xuống vào mùa đông, trong khi nhu cầu về đồ dùng học tập lại gia tăng vào thời điểm khai giảng.
Thành phần chu kỳ là yếu tố lặp lại theo một khoảng thời gian nhất định, như chu kỳ sinh học hay chu kỳ phục hồi kinh tế.
Thành phần bất thường là thuật ngữ chỉ những biến động không thể đoán trước trong các giá trị theo thời gian, mà không dựa vào dữ liệu lịch sử Những thay đổi này thường gây ra sự bất ổn và không thể lý giải bằng các mô hình thống kê truyền thống.
2.5.2 Các mô hình dự báo doanh thu
Dự báo dựa vào dãy số thời gian là phương pháp sử dụng dữ liệu quá khứ để phân tích sự biến động của hiện tượng, từ đó xác định xu hướng và mức độ của hiện tượng trong tương lai.
Các phương pháp thường được sử dụng trong dự báo doanh thu gồm những mô hình sau:
2.5.2.1 Hồi quy tuyến tính – Linear Regression
Hồi quy tuyến tính là một phương pháp phổ biến cho doanh nghiệp trong việc dự báo doanh thu tương lai, thiết lập mối quan hệ giữa biến phụ thuộc và hai hoặc nhiều biến độc lập.
Nếu số liệu được tổ chức theo chuỗi thời gian, biến độc lập sẽ là giai đoạn thời gian, trong khi biến phụ thuộc thường là doanh số bán ra hoặc bất kỳ chỉ tiêu nào khác mà bạn muốn dự báo.
Nếu biến độc lập không phải là biến thời gian, hồi quy tuyến tính được xem là một mô hình dự báo thuộc nhóm mô hình nhân quả Mô hình này cung cấp dự báo sau khi thiết lập và đo lường các biến phụ thuộc liên quan đến một hoặc nhiều biến độc lập.
Phương trình hồi quy tổng quát:
Hình 2.1:Phương trình hồi quy tổng quát 2.5.2.2 Mô hình cây quyết định – Decision Forest Regression
Mô hình này bao gồm nhiều cây quyết định, thể hiện mối quan hệ giữa các yếu tố độc lập và tác động của chúng đến biến mục tiêu Mỗi cây trong rừng quyết định hồi quy cung cấp một phân phối Gaussian để dự đoán Một tổng hợp được thực hiện trên toàn bộ cây nhằm tìm ra phân bố Gini gần nhất với phân phối tổng hợp cho tất cả các cây trong mô hình Tập dữ liệu T được chia thành các tập con T1 và T2 với kích thước N1 và N2, sau đó giá trị phân chia Gini được tính toán dựa trên công thức cụ thể.
2.5.2.3 Dự báo trung bình – Average Method
Phương pháp ước tính giá trị tương lai dựa trên trung bình của các giá trị lịch sử doanh thu, có thể áp dụng cho mọi loại dữ liệu miễn là có sẵn dữ liệu lịch sử.
Phương pháp này cho phép tính toán bằng cách tính giá trị trung bình của dữ liệu trong một khoảng thời gian nhất định.
Mô hình dự báo ARIMA là phương pháp độc lập trong nghiên cứu, cho phép dự đoán dựa trên chuỗi thời gian Bằng cách sử dụng các thuật toán độ trễ, ARIMA giúp xây dựng mô hình dự báo chính xác và phù hợp.
Mô hình ARIMA cung cấp độ tin cậy cao hơn trong dự báo so với các phương pháp lập mô hình kinh tế lượng truyền thống, đặc biệt là trong dự báo ngắn hạn.
Trong mô hình thời gian, L đại diện cho toán tử độ trễ, p là thứ tự thể hiện số độ trễ của mô hình tự phát, q là thứ tự của mô hình trung bình di động, θ là các tham số của phần trung bình di động, và Φ là các tham số của phần tự phát của mô hình.
Mô hình nghiên cứu đề xuất
Giả thuyết nghiên cứu là những kết luận tạm thời về bản chất của sự vật hoặc hiện tượng mà người nghiên cứu đưa ra để xem xét và kiểm chứng trong quá trình nghiên cứu Trong mô hình nghiên cứu dự báo doanh thu cho cửa hàng thông qua các chương trình khuyến mãi hợp tác với bên thứ ba, nhóm nghiên cứu đã đặt ra các giả thuyết nhằm phục vụ cho việc phân tích và đánh giá hiệu quả của các chương trình này.
H1: Chương trình khuyến mãi hợp tác với Grab tác động động đồng biến với doanh thu trong ngày;
H2: Chương trình khuyến mãi hợp tác với Now tác động động đồng biến với doanh thu trong ngày;
H3: Chương trình khuyến mãi hợp tác với Baemin tác động động đồng biến với doanh thu trong ngày;
H4: Chương trình khuyến mãi hợp tác với Go-Viet tác động động đồng biến với doanh thu trong ngày;
2.6.2 Xây dựng mô hình nghiên cứu
Theo Ed Seidewitz (2003) mô hình là tập hợp các phát biểu về một số hệ thống đang được nghiên cứu.
Theo Sutton (2000), mô hình được hiểu là một cấu trúc toán học, kèm theo các giải thích bằng lời nói để mô tả các hiện tượng quan sát được Mô hình này giúp rút ra những định nghĩa rõ ràng và cụ thể về các hiện tượng trong thực tế.
Mô hình là công cụ thể hiện mối quan hệ hệ thống giữa các yếu tố, giúp đơn giản hóa và minh họa quy luật của sự vật hiện tượng.
Mô hình nghiên cứu thể hiện mối quan hệ giữa các biến trong phạm vi nghiên cứu, cần được phát hiện và kiểm chứng Dựa trên mục tiêu nghiên cứu, lý thuyết và các câu hỏi nghiên cứu đã xác định, nhóm đã chọn mô hình nghiên cứu nhân quả để đánh giá và trả lời các câu hỏi, đồng thời tìm hiểu mối quan hệ nhân quả giữa các biến trên thị trường Cụ thể, trong đề tài Dự báo doanh thu cho cửa hàng thông qua các chương trình khuyến mãi với bên thứ 3, có thể xác định được các biến nghiên cứu và mối quan hệ giữa chúng.
Biến phụ thuộc – Dependent variables (các biến có sự thay đổi mà nhà nghiên cứu mong muốn giải thích): Doanh thu;
Biến độc lập – Independent variables (các biến giúp giải thích sự thay đổi trong biến phụ thuộc): các chương trình khuyến mãi hợp tác với bên thứ 3;
Mối quan hệ giữa hai biến này thể hiện nguyên tắc nguyên nhân – kết quả, trong đó biến độc lập luôn xảy ra trước sự thay đổi của biến phụ thuộc Cụ thể, khi biến độc lập, chẳng hạn như chương trình khuyến mãi với bên thứ ba, được áp dụng, sẽ dẫn đến sự thay đổi tương ứng trong doanh thu, tức là biến phụ thuộc.
Sơ đồ 2.1:Mô hình nghiên cứu đề xuất
Chương 2 đã cho chúng ta nắm về cơ sở lý thuyết của đề tài nghiên cứu bao gồm những khái niệm về quản lý doanh thu, khuyến mãi và hợp tác với bên thứ
3 cũng như đặc điểm và vai trò của bên thứ 3.
Trong bài viết này, chúng ta sẽ khám phá lý thuyết về dự báo doanh thu và tầm quan trọng của nó đối với doanh nghiệp Việc dự báo doanh thu không chỉ giúp các công ty lập kế hoạch tài chính mà còn hỗ trợ trong việc ra quyết định chiến lược Bên cạnh đó, chúng tôi cũng sẽ liệt kê một số mô hình dự báo doanh thu phổ biến, từ đó làm cơ sở cho việc lựa chọn mô hình phù hợp trong chương 3.
Nhóm nghiên cứu đã kết hợp nội dung từ chương 1 và các cơ sở lý thuyết để đưa ra giả thuyết nghiên cứu nhằm dự báo doanh thu cho cửa hàng trong bối cảnh chương trình khuyến mại hợp tác với bên thứ 3 Dựa trên đó, nhóm đã lựa chọn mô hình nghiên cứu nhân quả, bao gồm hai biến phụ thuộc và một biến độc lập, làm cơ sở cho chương 3.
1 Chương trình khuyến mại hợp tác với Grab
2 Chương trình khuyến mại hợp tác với Now
3 Chương trình khuyến mại hợp tác với Baemin
4 Chương trình khuyến mại hợp tác với Go-Viet H4+
DỮ LIỆU VÀ PHƯƠNG PHÁP LUẬN
Thiết kế nghiên cứu
Các phương pháp nghiên cứu được sử dụng trong đề tài gồm:
Phương pháp nghiên cứu tài liệu được thực hiện thông qua việc thu thập kiến thức từ các môn học như Big Data, Phương pháp nghiên cứu trong kinh doanh và Nghiên cứu Marketing tại Đại học Tôn Đức Thắng Đồng thời, nghiên cứu cũng dựa trên tài liệu nội bộ của doanh nghiệp và các nguồn tài liệu liên quan từ scholar.google.com và nền tảng AMLS.
Phương pháp nghiên cứu định lượng tập trung vào tư duy nguyên nhân - kết quả, nhằm xác định các biến số cụ thể, câu hỏi và giả thuyết nghiên cứu liên quan đến dự báo doanh thu hàng ngày và các chương trình khuyến mãi hợp tác với bên thứ ba Sau đó, các đại lượng đo lường được sử dụng để kiểm định các giả thuyết này.
Nghiên cứu sơ bộ: Tìm hiểu tình hình kinh doanh của cửa hàng SAY Coffee Lê Văn
Sự hợp tác giữa SAY Coffee và các đối tác như GrabFood, GoFood, Baemin, và Now Delivery đã giúp thu thập dữ liệu doanh thu cho cửa hàng SAY Coffee Tea & Dessert chi nhánh Lê Văn Sỹ, dưới sự hỗ trợ của quản lý Nguyễn Văn Tường Duy Kết quả thu thập sẽ tạo ra cơ sở dữ liệu quan trọng để kiểm định mô hình nghiên cứu và các giả thuyết, nhằm xác định sự khác biệt về tác động của các chương trình khuyến mãi từ các đối tác thứ ba đến doanh thu của cửa hàng SAY Coffee.
Dữ liệu kinh doanh tại SAY Coffee Lê Văn Sỹ được thu thập từ nghiên cứu sơ bộ, với mục tiêu dự báo doanh thu dựa trên các chương trình khuyến mãi từ bên thứ ba Nghiên cứu này sử dụng phần mềm Azure Machine Learning để đánh giá độ tin cậy và giá trị của thang đo, đồng thời thực hiện phân tích hồi quy đa biến nhằm kiểm định mô hình nghiên cứu, các giả thuyết và đo lường cường độ tác động của các yếu tố.
Sơ đồ 3.1:Quy trình nghiên cứu
Nghiên cứu định lượng
Dữ liệu ghi nhận doanh thu và thông tin về các chương trình khuyến mãi của bên thứ ba tại cửa hàng SAY Coffee, địa chỉ 203 Lê Văn Sỹ, trong khoảng thời gian từ ngày 01/4/2020 đến hết ngày 30/6/2020.
Dữ liệu từ phần mềm quản lý bán hàng KiotViet được xuất ra, tinh gọn và nhập vào phần mềm phân tích để thực hiện dự báo.
Phương pháp thu thập dữ liệu bao gồm việc sử dụng dữ liệu bàn giấy và dữ liệu thứ cấp có sẵn từ nội bộ công ty Dữ liệu được thu thập sẽ được chọn lọc dựa trên tiêu chí gần nhất với thời điểm nghiên cứu, nhằm đảm bảo tính chính xác và độ tin cậy cao.
Nguồn dữ liệu: Phần mềm quản lý bán hàng KiotViet của SAY Coffee.
Kích thước dữ liệu: Dữ liệu có kích thước mẫu n.
Xác định mục tiêu nghiên cứu
Phân tích kết quả khảo sát (Hồi quy đa biến) Kết luận Đề xuất giải pháp
Thang đo chính thứcNghiên cứu định lượng
Phương pháp dự báo
Chúng tôi áp dụng phương pháp phân tích hồi quy đa biến để xác định mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập, nhằm dự đoán giá trị của biến phụ thuộc dựa trên giá trị các biến độc lập Phương trình hồi quy đa biến sẽ được sử dụng để thực hiện phân tích này.
Hình 3.2:Phương trình hồi quy đa biến
Biến phụ thuộc: Doanh thu trong ngày
Chương trình khuyến mãi của Grab;
Chương trình khuyến mãi của Now;
Chương trình khuyến mãi của Baemin;
Chương trình khuyến mãi của GoViet.
Phân tích dự báo dựa trên nền tảng Azure Machine Learning
Học máy, một nhánh của trí tuệ nhân tạo, tập trung vào việc phát triển các kỹ thuật giúp hệ thống tự động học hỏi và cải thiện từ dữ liệu mà không cần lập trình cụ thể.
“học” từ dữ liệu có sẵn để giải quyết những vấn đề cụ thể.
3.4.2 Giới thiệu Azure Machine Learning Studio
Azure Machine Learning Studio (AMLS) là công cụ phát triển của Microsoft, cho phép người dùng xây dựng, kiểm tra và triển khai các giải pháp phân tích dự đoán bằng cách sử dụng tính năng kéo và thả AMLS hỗ trợ xuất bản các mô hình dưới dạng dịch vụ web, giúp tối ưu hóa việc sử dụng dữ liệu có sẵn.
3.4.3 Xây dựng mô hình dự báo dựa trên Azure Machine Learning Studio Để xây dựng mô hình dự báo doanh thu cho cửa hàng SAY Coffee Lê Văn Sỹ một cách nhanh chóng và thuận tiện, nhóm sử dụng nền tảng Azure Machine Learning của Microsoft Mô hình được xây dựng với kỳ vọng có độ tin cậy cao nhất và sai số thấp nhất có thể để có thể ứng dụng vào việc quản lý cửa hàng. Trước hết nhóm sẽ thực hiện nghiên cứu sơ bộ về dữ liệu của cửa hàng cùng với việc nghiên cứu những mô hình dự báo doanh thu đã được thực hiện liên quan đến đề tài nghiên cứu Sau đó nhóm tiến hành thực hiện nghiên cứu chính thức bằng cách xây dựng mô hình dự báo trên nền tảng AMLS, tiến hành chỉnh sửa và chạy mô hình, cuối cùng là test mô hình và tạo Web services để phục vụ việc kinh doanh của cửa hảng.
Chương 3 trình bày thiết kế nghiên cứu với các phương pháp phù hợp để theo dõi, đo lường và đánh giá quá trình nghiên cứu Nhóm đã thu thập và mô tả dữ liệu, đồng thời lựa chọn và phân tích phương pháp dự báo Phương pháp nghiên cứu định tính được áp dụng với kích thước mẫu n, dựa trên tiêu chí tiện lợi Phân tích hồi quy đa biến (Linear Regression trong AMLS) được sử dụng để dự đoán sự thay đổi doanh thu từ các chương trình khuyến mãi hợp tác với bên thứ ba Chương cũng giới thiệu nền tảng AMLS và mô hình dự báo doanh thu được xây dựng trên đó.
KẾT QUẢ NGHIÊN CỨU
Mô tả dữ liệu
Hình 4.1:Mô tả dữ liệu
Dữ liệu thô thu thập từ phần mềm Kiot Viet sẽ được chỉnh sửa, lọc và mã hóa thành dạng số, sau đó được nhập vào AMLS Hình 4.1 minh họa các thông tin liên quan đến dữ liệu này.
Doanh thu trung bình đạt 11627659.3407 (VNĐ/ngày)
Doanh thu thấp nhất là 6547000 (VNĐ/ngày)
Doanh thu cao nhất là 16534000 (VNĐ/ngày)
Có tổng cộng 91 dữ liệu doanh thu khác nhau, tương ứng với doanh thu của
Không có dữ liệu nào bị mất
Loại dữ liệu là dữ liệu số
Xây dựng mô hình dự báo
Để xây dựng mô hình dự báo, người dùng cần truy cập trang web https://studio.azureml.net/, sau đó chọn mục “Data set” trong giao diện AMLS bên trái và tải lên dữ liệu về doanh thu cùng chương trình khuyến mãi tại cửa hàng SAY Coffee Lê Văn Sỹ.
Sau khi update dataset thành công, ở thanh công cụ bên trái tiến hành chọn mục
“Experiments” và nhấn ttạo Blank Experiements để bắt đầu thực hiện thí nghiệm mới tạo mô hình dự báo doanh thu.
Kế đến, tiến hành thực hiện kéo - thả các tùy chọn có trong toolbar ở phía bên trái giao diện AMLS:
Đầu tiên, kéo data doanh thu của cửa hàng SAY Coffee Lê Văn Sĩ đã input vào thí nghiệm;
Kéo tùy chọn “Clean missing data” khi xây dựng mô hình để làm sạch dữ liệu, giúp tăng độ chính xác của quá trình dự báo.
Sử dụng tùy chọn Kéo thả Filter Based Selection để kết nối với dataset, nhằm đo lường ảnh hưởng của các biến độc lập đến biến phụ thuộc trong dữ liệu.
Trong hình 4.3, các yếu tố ảnh hưởng đến doanh thu hàng ngày của cửa hàng SAY Coffee Lê Văn Sỹ được sắp xếp theo thứ tự giảm dần Hai yếu tố độc lập tác động mạnh nhất đến doanh thu là chương trình khuyến mãi của GoViet với tỷ lệ 16.2% và Baemin với 2.3%.
Hình 4.3:Đo lường mức độ ảnh hưởng của các biến độc lập
Next, drag the "Split data" option into the model-building process and set the "Fraction of rows in the first output dataset" to 0.7, meaning that 70% of the data will be used for training the model, while the remaining 30% will be utilized for scoring the model to verify its accuracy.
Hình 4.4:Kéo thả các tùy chọn lọc và đo lường dữ liệu
Kéo và thả các công cụ “Train model” để dạy máy học, “Score model” để kiểm tra mô hình, và “Evaluate model” để xem xét các chỉ số thống kê Trong phần “Train model”, hãy nhấn chọn “Launch column” và chọn cột “Revenue” để hướng dẫn máy học rằng đây là biến phụ thuộc cần dự đoán.
Để kết nối với "Train model", việc lựa chọn thuật toán phù hợp là rất quan trọng Trong nghiên cứu này, chúng tôi đã chọn thuật toán Hồi quy, cụ thể là Hồi quy tuyến tính Để thực hiện, bạn chỉ cần tìm kiếm từ khóa "Hồi quy tuyến tính" trên thanh tìm kiếm, sau đó kéo và thả thuật toán vào vùng thử nghiệm và kết nối nó với Train model.
Sau khi hoàn thành thiết kế mô hình dự báo, nhấn nút “Run” ở toolbar phía dưới màn hình để chạy mô hình;
Kết quả sau khi chạy mô hình hoàn tất và không có lỗi được thể hiện ở hình 4.6.
Hình 4.5:Kéo thả các tùy chọn xây dựng mô hình dự báo
Để kiểm tra độ chính xác của kết quả và đọc các chỉ số thống kê trong mô hình dự báo hoàn chỉnh trên AMLS, bạn hãy nhấp chọn "Visualize" ở phần "Evaluate model" sau khi đã chạy xong mô hình.
Hình 3.9:Các chỉ số thống kê của mô hình
Từ hình 3.9 có thể đọc được các chỉ số thống kê:
Sai số tuyệt đối trung bình là 1751592.320712 (VNĐ), tức sai số lớn nhất của mô hình dự báo chỉ lệch khoảng 1.7 triệu đồng so với con số thực tế;
Sai số bình phương là 2356614.348944;
Độ tin cậy ở mức thấp, khoảng -0.3%.
API - Test
After completing the model run and evaluating the metrics, the next step is to create an API by clicking the "Set up web service" button to save the model and generate a Predictive Experiment.
At Predictive Experiment, connect the Web service input to the Score model Add the "Select column in dataset" option from the left toolbar and link both ends of this function to the Score model and the Web service output.
“Launch column” của Select column in dataset, chọn “Score Labels” để yêu cầu hiển thị kết quả dự báo doanh thu ngày khi test ở website.
Sau khi cấu hình các tính năng, hãy nhấn nút “run” để chạy lại mô hình Khi quá trình chạy hoàn tất mà không gặp lỗi, bạn hãy nhấn vào nút “Deploy web services” ở thanh công cụ dưới màn hình.
After successfully deploying web services, Azure automatically opens the interface for the web services feature, providing a link to the forecast website and an Excel file for verifying the predictions.
Hình 4.8:Giao diện tính năng Web sevices trên AMLS
Nhấn nút “Test” và nhập các biến độc lập để dự báo doanh thu Ví dụ, dự báo doanh thu cho cửa hàng SAY Coffee Lê Văn Sỹ vào ngày 23/7/2020 khi các bên thứ ba như Grab, Now, Baemin và Goviet đều có chương trình khuyến mãi, cho kết quả ước tính doanh thu đạt khoảng 11,809,421 VNĐ.
Hình 4.9:Giao diện dự báo
Hình 4.10: Kết quả dự báo 4.3.3 Dự báo trực tiếp trên Excel
Người dùng có thể dự báo doanh thu cho cửa hàng SAY Coffee Lê Văn Sỹ trực tiếp trên file Excel bằng cách tải về từ giao diện Web services của AMLS Sau khi tải file, cần nhập thông tin như ngày và chương trình khuyến mãi, chọn dữ liệu mẫu vào input, và xác định vị trí xuất output để so sánh kết quả dự báo với file dữ liệu gốc Việc dự báo trên Excel giúp tiết kiệm thời gian, vì trên nền tảng AMLS chỉ cho phép dự báo cho một ngày duy nhất mỗi lần nhập, trong khi Excel cho phép dự báo doanh thu cho nhiều ngày nhanh chóng.
Chương 4 trình bày quy trình xây dựng, chạy thử và kiểm tra mô hình dự báo thực tế trên nền tảng AMLS một cách ngắn gọn, đầy đủ và dễ hiểu Các chỉ số đo lường dữ liệu và chỉ số thống kê quan trọng đã được nêu rõ Bên cạnh đó, chương cũng cung cấp cái nhìn tổng quan về việc tạo API, triển khai dịch vụ web và thực hiện dự báo trực tiếp trên file Excel.