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