Điểm khác nhau về mối quan hệ trong sản xuất và dịch vụ:

Đáp án đúng: C. Sản xuất dịch vụ (sản xuất phi vật chất). 

Lời giải: Sản xuất bậc ba là hoạt động cung cấp dịch vụ, không trực tiếp tạo ra sản phẩm vật chất, như vận tải, ngân hàng, giáo dục, y tế, du lịch...

Đáp án đúng: D. Các nhân tố về lượng và các nhân tố về chất. 

Lời giải: Việc lựa chọn chiến lược và ra quyết định chịu ảnh hưởng của cả nhân tố về lượng (số liệu, chi phí, sản lượng...) và nhân tố về chất (chất lượng, đặc điểm, điều kiện...).

Đáp án đúng: C. Áp dụng kết quả dự báo. 

Lời giải: Trong 8 bước tiến hành dự báo, bước thứ 7 là áp dụng kết quả dự báo vào quá trình lập kế hoạch và ra quyết định.

Dự báo định lượng (Quantitative forecasting) là quá trình sử dụng các phương pháp toán học và thống kê dựa trên dữ liệu lịch sử để dự đoán các giá trị tương lai. Quá trình này thường được thực hiện qua 6 bước chính, đảm bảo tính khoa học và độ tin cậy của kết quả:

1. Xác định vấn đề và mục tiêu dự báo: Bước đầu tiên là làm rõ mục đích cụ thể của việc dự báo. Ví dụ, chúng ta muốn dự báo doanh số bán hàng, nhu cầu nguyên vật liệu, giá cổ phiếu, hay lượng khách hàng. Đồng thời, cần xác định rõ đối tượng cần dự báo và khoảng thời gian dự báo (ngắn hạn, trung hạn hay dài hạn) để lựa chọn phương pháp phù hợp.

2. Thu thập dữ liệu: Tiến hành thu thập các dữ liệu lịch sử có liên quan trực tiếp đến đối tượng cần dự báo. Dữ liệu này cần đủ lớn, chính xác và có tính đại diện để làm cơ sở cho phân tích. Nguồn dữ liệu có thể từ nội bộ doanh nghiệp (lịch sử bán hàng, sản xuất) hoặc từ các nguồn bên ngoài (thông tin thị trường, kinh tế v.v.).

3. Làm sạch và tiền xử lý dữ liệu: Dữ liệu thô thường có thể chứa các lỗi, giá trị thiếu, hoặc các điểm dữ liệu ngoại lai (outliers). Bước này bao gồm việc kiểm tra tính nhất quán, chỉnh sửa, chuẩn hóa và xử lý các giá trị thiếu hoặc không hợp lệ để dữ liệu trở nên sạch sẽ, chính xác và sẵn sàng cho việc phân tích mô hình.

4. Lựa chọn phương pháp/mô hình dự báo: Dựa trên đặc điểm của dữ liệu đã thu thập và mục tiêu dự báo (ví dụ: dữ liệu có xu hướng, tính mùa vụ, chu kỳ hay không), các nhà phân tích sẽ lựa chọn phương pháp định lượng phù hợp. Các phương pháp phổ biến bao gồm: phương pháp bình quân di động, làm trơn hàm mũ, phân tích hồi quy, mô hình chuỗi thời gian ARIMA, v.v.

5. Xây dựng và kiểm định mô hình: Áp dụng phương pháp đã chọn vào dữ liệu lịch sử để xây dựng mô hình dự báo. Sau khi mô hình được thiết lập, nó cần được kiểm định bằng cách sử dụng một phần dữ liệu không dùng để xây dựng (dữ liệu kiểm định) để đánh giá độ chính xác, độ tin cậy và khả năng tổng quát hóa của mô hình. Nếu cần, các tham số của mô hình sẽ được điều chỉnh để tối ưu hóa hiệu suất.

6. Thực hiện dự báo và đánh giá: Sử dụng mô hình đã được kiểm định và tối ưu để đưa ra các dự báo cho tương lai. Sau khi có kết quả thực tế, cần so sánh với các giá trị dự báo để tính toán sai số, đánh giá mức độ chính xác của dự báo và liên tục điều chỉnh, cải tiến mô hình cho các lần dự báo tiếp theo nhằm nâng cao chất lượng dự báo.