LightGBM có giúp siêu thị đặt đúng lượng hàng cho tuần khuyến mại?

Ảnh minh họa. Nhân viên lập kế hoạch xem dự báo nhu cầu bên kệ sữa.

Sáng thứ Hai, phụ trách ngành hàng sữa phải đặt lượng hàng cho chương trình cuối tuần. Bảng tính gợi ý lấy doanh số của bốn tuần trước. Nhưng hai tuần gần nhất cửa hàng hết hàng sớm, còn đợt khuyến mại sắp tới có mức giảm giá khác. LightGBM đáng thử khi có đủ lịch sử theo cửa hàng và mặt hàng, kèm thông tin giá, lịch bán và tình trạng tồn. Kết quả cần đánh giá bằng cả sai số dự báo lẫn tác động lên đặt hàng.

M5 cho thấy gì về học máy trong dự báo bán lẻ?

Makridakis, Spiliotis và Assimakopoulos (2022) phân tích cuộc thi M5 Accuracy, dùng dữ liệu bán hàng theo ngày của Walmart với 42.840 chuỗi ở nhiều mức tổng hợp. Nhiều phương pháp dẫn đầu sử dụng cây tăng cường, trong đó có LightGBM. Bộ dữ liệu cho phép kết hợp lịch sử bán với giá và biến lịch. Kết quả xếp hạng đo chất lượng dự báo trên dữ liệu cuộc thi. Nó chưa đo lợi nhuận hay chi phí tồn kho của một siêu thị khác. Nghiên cứu gốc, International Journal of Forecasting

Dữ liệu đi từ hệ thống bán hàng đến đề xuất đặt hàng ra sao?

Trong ví dụ minh họa, nhóm dữ liệu ghép doanh số ngày, giá, lịch khuyến mại đã chốt và trạng thái còn hàng theo cửa hàng và mã sản phẩm. LightGBM là mô hình tập hợp nhiều cây quyết định, dùng các quan hệ học được để dự báo lượng bán. Ngày bán thấp vì hết hàng được đánh dấu và xử lý riêng, vì lượng bán quan sát được có thể thấp hơn nhu cầu thật. Giá hoặc khuyến mại chỉ được đưa vào dự báo nếu đã biết tại lúc đặt hàng.

Đầu ra là dự báo từng ngày. Nhân viên kế hoạch ghép dự báo với thời gian giao hàng, lượng tồn thực, lượng đã đặt và hạn sử dụng để tính số thùng. Họ giữ quyền điều chỉnh khi có sự kiện ngoài dữ liệu, chẳng hạn cửa hàng đóng cửa sửa chữa. Mọi lần điều chỉnh có lý do để nhóm có thể so lại với dự báo gốc.

Từ dự báo bán sang số thùng phải đặt

Giả sử mô hình dự báo bán 70 hộp cho thời gian chờ hàng về. Cửa hàng muốn giữ 10 hộp đệm, còn 35 hộp bán được và có 20 hộp đã đặt sẽ về kịp. Mức thiếu dự kiến là 25 hộp. Nếu nhà cung cấp bán theo thùng 12 hộp, hệ thống có thể đề xuất ba thùng. Người lập kế hoạch kiểm tra hạn dùng và sức chứa trước khi xác nhận. Đây là phép tính minh họa cho chính sách đặt hàng, không phải kết quả của mô hình M5.

Nếu hai dự báo khác nhau chỉ vài hộp mà đều cho cùng số thùng đặt, sai số thấp hơn chưa làm thay đổi quyết định. Trong phép thử, cần ghi lại những lần mô hình đổi số thùng hoặc ngày đặt, rồi xem thay đổi đó giảm hết hàng hay tăng tồn cuối kỳ. Điều này giúp tách lợi ích dự báo khỏi các lỗi như lô hàng về chậm hoặc tồn trên hệ thống sai.

So sánh ra sao trước khi mở rộng?

Giữ phương án lấy doanh số cùng thứ trong các tuần gần đây làm mốc. Chạy lại cả hai phương án qua nhiều thời điểm trong quá khứ, chỉ dùng dữ liệu có sẵn vào thời điểm đó. Đo sai số theo nhóm bán nhanh và bán chậm, độ lệch dự báo lên hoặc xuống, cùng số ngày thiếu hàng và hàng phải giảm giá trong một thử nghiệm đặt hàng có giám sát.

Chi phí gồm làm sạch lịch sử tồn và giá, duy trì đường dữ liệu, đào tạo người lập kế hoạch và theo dõi khi hành vi mua thay đổi. Mở rộng khi LightGBM giúp đặt hàng tốt hơn ở nhóm mục tiêu qua cả tuần thường lẫn tuần khuyến mại và khi lợi ích vượt công duy trì. Số dự báo có giá trị khi nó giúp người đặt hàng biết nên tăng hay giảm bao nhiêu, với giả định nào về tồn và thời gian giao.

Tài liệu tham khảo

Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2022). M5 accuracy competition: Results, findings, and conclusions. International Journal of Forecasting, 38(4), 1346–1364. DOI

VNEconomics là một dự án với mục đích chia sẻ những tri thức hữu ích về Kinh tế số và Công nghệ, đặc biệt là những kiến thức về công nghệ Blockchain & ứng dụng của Blockchain.

👉Tham gia cộng đồng của VNEconomics tại:
📍Website: https://vneconomics.com/
📍Twitter: https://twitter.com/vneconomics_com
📍Telegram: https://t.me/VNEconomic
📍Linked In: https://www.linkedin.com/company/vneconomics/
📍Fanpage Facebook: https://www.facebook.com/vneconomics/
📍Facebook Group: https://www.facebook.com/groups/blockchaindeco/
📍Youtube: https://www.youtube.com/@vn-economics
📍Tiktok: https://www.tiktok.com/@vneconomics

Miễn trừ trách nhiệm

Tất cả nội dung trên website này đều vì mục đích cung cấp thông tin và không phải là lời khuyên đầu tư. Người đọc nên tự tiến hành nghiên cứu trước khi đưa ra các quyết định có ảnh hưởng đến bản thân hay doanh nghiệp của mình và sẵn sàng tự chịu trách nhiệm cho những lựa chọn ấy.

Tin tức nổi bật khác

More results...

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors
post
page
product
lp_course
lp_lesson

Miễn trừ trách nhiệm

Tất cả nội dung trên website này đều vì mục đích cung cấp thông tin và không phải là lời khuyên đầu tư. Người đọc nên tự tiến hành nghiên cứu trước khi đưa ra các quyết định có ảnh hưởng đến bản thân hay doanh nghiệp của mình và sẵn sàng tự chịu trách nhiệm cho những lựa chọn ấy.

Dữ liệu hữu ích

Bài viết nhiều lượt xem

Bài viết trending