Hết hàng thì mất khách, dư hàng thì đọng vốn: AI dự báo nhu cầu đang giải bài toán này thế nào

Bất kỳ doanh nghiệp nào có hàng hoá đều đối mặt cùng một bài toán mỗi ngày: nhập bao nhiêu, sản xuất bao nhiêu, trữ kho bao nhiêu cho ngày mai, tuần sau, tháng tới? Đoán sai theo cả hai hướng đều mất tiền — và phần lớn doanh nghiệp đang đoán bằng Excel cộng với kinh nghiệm của vài người phụ trách.

Cái giá của việc đoán sai

Dự báo thấp hơn thực tế thì hết hàng: khách đến muốn mua mà không có, doanh thu mất ngay tại thời điểm khách sẵn sàng trả tiền, tệ hơn là khách quay sang đối thủ. Dự báo cao hơn thực tế thì tồn kho chất đống: vốn lưu động bị chôn trong hàng không bán được, tốn chi phí lưu kho, và với hàng tươi sống thì hết hạn phải huỷ bỏ hoàn toàn — mất trắng.

Đây là kiểu chi phí âm thầm mà nhiều doanh nghiệp chưa từng tính tách bạch: mất bao nhiêu doanh thu vì hết hàng, và chôn bao nhiêu vốn vì dư hàng. Khi danh mục sản phẩm lên tới hàng nghìn mã hàng (SKU), việc tính tay từng mã mỗi ngày trở nên bất khả thi — planner đơn giản không đủ thời gian để làm kỹ.

AI làm khác gì so với Excel và kinh nghiệm?

Cách làm truyền thống — trung bình trượt, tăng trưởng theo phần trăm năm trước — chỉ nhìn vào lịch sử bán của chính sản phẩm đó. Mô hình AI dự báo nhu cầu học được nhiều hơn: nó nhìn đồng thời hàng nghìn mã hàng, tự nhận ra tác động của các yếu tố bên ngoài như khuyến mãi, thời tiết, mùa vụ, ngày lễ — những thứ mà công thức Excel bỏ qua. Quan trọng nhất, nó làm được điều con người không kịp: cập nhật dự báo cho toàn bộ danh mục mỗi ngày, thay vì chỉ rà được vài mặt hàng quan trọng.

Điều này không có nghĩa là thay thế người lập kế hoạch. Trong các triển khai thực tế, AI lo phần tính toán hàng loạt, còn con người tập trung vào xử lý ngoại lệ và các quyết định cần phán đoán.

Bằng chứng thật: những con số đo được

Đây không phải lời hứa của nhà cung cấp — đây là kết quả các doanh nghiệp lớn đã công bố:

More Retail (một trong bốn chuỗi bán lẻ thực phẩm lớn nhất Ấn Độ) áp dụng dự báo nhu cầu bằng AI cho ngành hàng rau củ quả tươi. Độ chính xác dự báo tăng từ 24% lên 76%, tỉ lệ còn hàng trên kệ tăng từ 80% lên 90%, lượng hàng tươi phải huỷ do hết hạn giảm tới 30%, và lợi nhuận gộp mảng này tăng 25% (nguồn AWS).

Coop (chuỗi bán lẻ thực phẩm gần 160 năm tuổi của Thuỵ Sĩ) đưa mô hình AI của Google Cloud đấu trực tiếp với hai mô hình do đội nội bộ tự xây dựng, trong cùng một dự án thử nghiệm trước khi quyết định. Kết quả mô hình AI cho kết quả tốt hơn 43% so với mô hình tự xây, giúp Coop giảm lãng phí thực phẩm (nguồn Google Cloud). Cách làm này đáng học: không mặc định công cụ có sẵn tốt hơn, mà chứng minh bằng đo lường thật.

Foxconn (nhà sản xuất điện tử lớn nhất thế giới) xây giải pháp dự báo cho một nhà máy tại Mexico chỉ trong hai tháng, cải thiện độ chính xác dự báo 8% và tiết kiệm ước tính 553.000 USD mỗi năm (nguồn AWS). Rào cản chính của họ không phải công nghệ mà là thiếu chuyên gia dữ liệu nội bộ — nên họ hợp tác với đội chuyên môn bên ngoài.

Lenovo (30 nhà máy, bán tại 180 thị trường) nâng độ chính xác dự báo thêm 5%, giao hàng đúng hạn cải thiện 4%, và giảm 10% lượng vốn quay vòng trong tồn kho (nguồn Blue Yonder).

Không phải phép màu — điều kiện để thành công

AI dự báo nhu cầu hiệu quả, nhưng không tự động. Ba điều quyết định thành bại:

Thứ nhất, chất lượng dữ liệu. Dữ liệu bán hàng thường nằm rời rạc ở nhiều hệ thống (ERP, kho, điểm bán) với cách định nghĩa khác nhau giữa các phòng ban — mô hình học từ dữ liệu mâu thuẫn sẽ cho kết quả kém. Dọn dẹp và thống nhất dữ liệu thường là phần tốn công nhất.

Thứ hai, đưa đủ yếu tố ngoại sinh vào. Bỏ quên lịch khuyến mãi hay tác động thời tiết khiến sai số tăng đáng kể, vì đây chính là những thứ làm nhu cầu biến động mạnh.

Thứ ba, sản phẩm mới không có lịch sử cần cách xử lý riêng — không nên kỳ vọng độ chính xác cao ngay với mã hàng chưa từng bán.

Ai nên quan tâm?

Rõ nhất là bán lẻ và hàng tiêu dùng nhanh, đặc biệt doanh nghiệp có hàng tươi sống — nơi mỗi phần trăm hàng huỷ là tiền mất thật. Kế đến là nhà sản xuất cần lập kế hoạch sản xuất và mua nguyên vật liệu, và doanh nghiệp phân phối với danh mục hàng nghìn mã. Nếu doanh nghiệp của bạn đang vừa thỉnh thoảng hết hàng, vừa ôm tồn kho dư — thì bài toán này đáng để nghiêm túc nhìn lại.