Cách dự báo doanh thu doanh nghiệp

Vì vậy, cách tiếp cận thực tế có thể biểu diễn dưới dạng:

Doanh thu dự báo = Doanh thu nền từ dữ liệu lịch sử Doanh thu kỳ vọng từ pipeline ± Tác động của các giả định tương lai

Công thức này không phải một chuẩn kế toán cố định mà là khung tư duy. Với từng mô hình kinh doanh, doanh thu cần được phân rã thành các driver có thể đo lường, chẳng hạn số khách hàng × doanh thu bình quân/khách hàng, số đơn hàng × giá trị đơn hàng trung bình hoặc số cơ hội bán hàng × tỷ lệ thắng × giá trị hợp đồng.

Xác định phạm vi và driver trước khi dự báo doanh thu

Sai số có thể xuất hiện ngay từ đầu nếu doanh nghiệp chưa xác định rõ mình đang dự báo doanh thu nào, trong khoảng thời gian nào và doanh thu được tạo ra bởi những biến số nào.

Trước hết cần cố định kỳ dự báo. Doanh nghiệp có thể lập forecast theo tháng, quý hoặc năm, nhưng dữ liệu đầu vào phải có cùng mức thời gian. Nếu dự báo theo tháng nhưng chỉ sử dụng số liệu tăng trưởng cả năm, mô hình có thể bỏ qua tính mùa vụ và những biến động giữa các tháng.

Tiếp theo, nên phân rã tổng doanh thu thành những cấu phần có hành vi khác nhau. Tùy mô hình kinh doanh, có thể sử dụng:

·         Doanh thu theo sản phẩm hoặc nhóm sản phẩm

·         Doanh thu theo khu vực, kênh bán hoặc nhóm khách hàng

·         Doanh thu từ khách hàng hiện hữu và khách hàng mới

·         Doanh thu định kỳ và doanh thu phát sinh một lần

·         Doanh thu đã ký kết và doanh thu còn phụ thuộc vào cơ hội bán hàng

Sau đó xác định driver tạo doanh thu cho từng cấu phần. Ví dụ:

Doanh thu bán lẻ = Số đơn hàng × Giá trị đơn hàng trung bình

Doanh thu dịch vụ = Số khách hàng × Doanh thu bình quân trên khách hàng

Doanh thu bán hàng B2B = Số cơ hội × Tỷ lệ thắng × Giá trị hợp đồng bình quân

Phân rã theo driver quan trọng vì doanh thu tổng chỉ cho biết kết quả. Driver cho biết vì sao doanh thu thay đổi và giả định nào phải thay đổi khi điều kiện kinh doanh thay đổi.

Xây dựng mức doanh thu nền từ dữ liệu lịch sử

Dữ liệu lịch sử là điểm xuất phát để xác định tốc độ tăng trưởng, mùa vụ, biến động và mối quan hệ giữa doanh thu với các driver. Tuy nhiên, lấy doanh thu năm trước rồi cộng một tỷ lệ tăng trưởng không đủ để tạo một forecast có khả năng giải thích.

Trước khi tính toán, cần chuẩn hóa chuỗi dữ liệu. Những khoản doanh thu bất thường, thay đổi chính sách giá, thương vụ lớn không lặp lại, thay đổi cách ghi nhận hoặc giai đoạn thiếu dữ liệu có thể làm méo xu hướng. Nếu không nhận diện chúng, mô hình có thể coi một sự kiện một lần là đặc điểm bình thường của doanh nghiệp.

Một cách đơn giản là tính tăng trưởng lịch sử:

Tăng trưởng = (Doanh thu kỳ hiện tại / Doanh thu kỳ trước) - 1

Nếu doanh thu năm gần nhất là 120 tỷ đồng và năm trước là 100 tỷ đồng:

Tăng trưởng = 120 / 100 - 1 = 20%

Nhưng 20% chưa tự động trở thành tỷ lệ tăng trưởng của năm tiếp theo. Cần xác định 20% đến từ đâu: tăng số lượng khách hàng, tăng giá, mở thêm kênh phân phối, một hợp đồng lớn hay điều kiện thị trường thuận lợi. Chỉ những động lực có khả năng tiếp tục mới nên được chuyển thành giả định dự báo.

Với doanh nghiệp có tính mùa vụ, nên so sánh cùng kỳ thay vì chỉ nhìn kỳ liền trước. Doanh thu tháng 12 của một ngành có cao hơn tháng 11 nhưng điều đó không có nghĩa tốc độ tăng này sẽ tiếp tục sang tháng 1. So sánh tháng 12 năm nay với tháng 12 năm trước thường giúp tách yếu tố mùa vụ tốt hơn.

Dữ liệu lịch sử vì thế tạo ra baseline, không phải đáp án cuối cùng. Forecast dựa hoàn toàn vào quá khứ sẽ yếu đi khi doanh nghiệp thay đổi giá, sản phẩm, năng lực bán hàng hoặc khi thị trường bước sang trạng thái mới.

Chuyển sales pipeline thành doanh thu kỳ vọng

Với doanh nghiệp có quy trình bán hàng theo cơ hội, pipeline cung cấp thông tin mà dữ liệu lịch sử không thể hiện: những giao dịch nào đang tồn tại và khả năng chúng tạo doanh thu trong kỳ dự báo.

Không nên cộng toàn bộ giá trị pipeline vào forecast. Một cơ hội ở giai đoạn đầu không có xác suất tạo doanh thu giống một hợp đồng đang ở bước đàm phán cuối.

Phương pháp phổ biến là weighted pipeline:

Doanh thu kỳ vọng = Σ (Giá trị cơ hội × Xác suất chốt)

Giả sử pipeline có ba cơ hội:

·         Cơ hội A: 2 tỷ đồng, xác suất chốt 80%

·         Cơ hội B: 1 tỷ đồng, xác suất chốt 50%

·         Cơ hội C: 500 triệu đồng, xác suất chốt 20%

Doanh thu kỳ vọng từ pipeline là:

2 × 80% 1 × 50% 0,5 × 20% = 2,2 tỷ đồng

Điểm quan trọng nằm ở xác suất chốt. Nếu doanh nghiệp tùy ý gán 20%, 50% và 80% cho các stage, phép tính vẫn có vẻ chính xác nhưng forecast chưa chắc đáng tin cậy. Xác suất nên được hiệu chỉnh từ dữ liệu lịch sử: trong các cơ hội từng đi đến một stage nhất định, bao nhiêu phần trăm thực sự thắng.

Ngoài xác suất thắng còn phải xét thời điểm chốt. Một hợp đồng có xác suất thắng cao nhưng dự kiến ký vào quý sau không nên được tính toàn bộ vào doanh thu quý hiện tại. Vì thế, pipeline forecasting cần đồng thời kiểm tra:

Giá trị × Xác suất thắng × Khả năng chốt đúng kỳ

Chất lượng CRM cũng tạo ra giới hạn trực tiếp cho phương pháp này. Deal đã mất nhưng chưa đóng, ngày dự kiến ký liên tục bị lùi, giá trị hợp đồng chưa cập nhật hoặc định nghĩa sales stage không nhất quán đều có thể khiến pipeline bị thổi phồng.

Điều chỉnh forecast bằng các giả định thị trường và kinh doanh

Dữ liệu lịch sử trả lời câu hỏi “đã xảy ra điều gì”, còn pipeline phản ánh “đang có những cơ hội nào”. Cả hai vẫn chưa bao quát đầy đủ những thay đổi có thể xảy ra trong tương lai.

Vì vậy, forecast cần một lớp assumptions có thể kiểm chứng.

Các giả định nội bộ có thể liên quan đến:

·         Thay đổi giá bán

·         Ra mắt hoặc dừng sản phẩm

·         Thay đổi năng lực đội sales

·         Mở hoặc đóng kênh phân phối

·         Thay đổi ngân sách marketing

·         Năng lực sản xuất hoặc cung ứng

·         Tỷ lệ giữ chân, gia hạn hoặc mất khách

Các giả định bên ngoài có thể gồm:

·         Tăng trưởng hoặc suy giảm nhu cầu

·         Cạnh tranh và thay đổi thị phần

·         Lạm phát và sức mua

·         Lãi suất hoặc tỷ giá nếu có tác động đến khách hàng

·         Biến động của ngành và nền kinh tế

Một giả định tốt phải gắn với driver cụ thể. Ví dụ, thay vì ghi “thị trường thuận lợi nên doanh thu tăng 10%”, nên xác định thị trường thuận lợi làm số khách hàng tăng bao nhiêu, giá bán thay đổi thế nào hoặc tỷ lệ chuyển đổi thay đổi ra sao.

Có thể mô hình hóa:

Doanh thu = Số khách hàng × Tần suất mua × Giá trị giao dịch bình quân

Khi đó tác động của từng giả định trở nên minh bạch. Nếu giá bán tăng 5% nhưng số lượng giao dịch dự kiến giảm 3%, mô hình phải phản ánh đồng thời hai biến thay vì mặc định doanh thu tăng đúng 5%.

Nguyên tắc quan trọng là không điều chỉnh hai lần cùng một tác động. Nếu việc tăng giá đã nằm trong baseline hoặc pipeline, không nên cộng thêm một khoản “tác động tăng giá” vào forecast một lần nữa.

Kết hợp dữ liệu lịch sử, pipeline và giả định thành mô hình dự báo

Ba lớp dữ liệu nên được kết hợp theo đặc điểm doanh thu thay vì cộng cơ học tất cả số liệu.

Một cấu trúc có thể sử dụng là:

Forecast = Doanh thu có độ chắc chắn cao Weighted pipeline Doanh thu chưa có trong pipeline nhưng được mô hình hóa bằng driver

Trong đó:

Doanh thu có độ chắc chắn cao có thể bao gồm doanh thu định kỳ, hợp đồng đã ký hoặc phần doanh thu có cơ sở ghi nhận tương đối chắc chắn trong kỳ.

Weighted pipeline phản ánh các cơ hội đang mở sau khi điều chỉnh theo xác suất thắng và thời điểm dự kiến chốt.

Doanh thu mô hình hóa bằng driver bao phủ phần kinh doanh chưa hình thành thành cơ hội cụ thể, chẳng hạn doanh thu bán lẻ, khách hàng mới trong tương lai hoặc nhu cầu phát sinh liên tục.

Ví dụ, một doanh nghiệp dự báo doanh thu quý tới có:

·         6 tỷ đồng doanh thu từ các hợp đồng và khách hàng hiện hữu

·         5 tỷ đồng pipeline nhưng sau khi weighting còn 2,5 tỷ đồng

·         1,5 tỷ đồng doanh thu mới dự kiến theo mô hình khách hàng × tỷ lệ chuyển đổi × giá trị hợp đồng

Forecast cơ sở sẽ là:

6 2,5 1,5 = 10 tỷ đồng

Nếu điều kiện thị trường thay đổi, doanh nghiệp không nên tùy ý sửa con số 10 tỷ. Thay vào đó, cần thay đổi giả định nguồn: tỷ lệ thắng, số khách hàng, giá trị giao dịch, thời gian chốt hoặc các driver chịu tác động. Nhờ vậy có thể truy ngược được nguyên nhân mỗi khi forecast thay đổi.

Dùng kịch bản để phản ánh bất định thay vì chỉ dự báo một con số

Một forecast duy nhất dễ tạo cảm giác chắc chắn giả tạo. Doanh thu tương lai phụ thuộc vào nhiều biến chưa biết chính xác, vì vậy mô hình nên thể hiện phạm vi kết quả thông qua các kịch bản.

Ba kịch bản cơ bản là:

Kịch bản cơ sở

Sử dụng những giả định được xem là có khả năng xảy ra nhất dựa trên dữ liệu hiện tại, pipeline và điều kiện thị trường.

Kịch bản tích cực

Phản ánh trường hợp các driver quan trọng diễn biến thuận lợi hơn, chẳng hạn tỷ lệ thắng cao hơn, khách hàng tăng nhanh hơn hoặc thời gian chốt hợp đồng ngắn hơn.

Kịch bản thận trọng

Phản ánh trường hợp nhu cầu yếu hơn, deal bị trì hoãn, tỷ lệ chuyển đổi giảm hoặc những giả định quan trọng không đạt kế hoạch.

Điểm quan trọng là các kịch bản phải thay đổi input, không phải tùy ý thay đổi output. Nếu forecast cơ sở là 100 tỷ đồng, không nên đơn giản đặt kịch bản tích cực bằng 110 tỷ và thận trọng bằng 90 tỷ mà không giải thích nguồn gốc ±10%.

Thay vào đó có thể thay đổi những biến như:

Số khách hàng × Tỷ lệ chuyển đổi × Giá trị giao dịch × Tỷ lệ giữ chân

Cách này cho phép ban lãnh đạo biết điều gì phải xảy ra để doanh thu đạt từng mức và driver nào tạo ra rủi ro lớn nhất.

Đo sai số và cập nhật dự báo doanh thu liên tục

Forecast chỉ thực sự trở thành công cụ quản trị khi doanh nghiệp đối chiếu nó với kết quả thực tế. Nếu không đo sai số, doanh nghiệp không biết mô hình đang tốt lên hay chỉ tình cờ dự báo đúng trong một kỳ.

Một chỉ số đơn giản là forecast error:

Sai số dự báo = Doanh thu thực tế - Doanh thu dự báo

Có thể biểu diễn theo tỷ lệ:

Sai số % = (Doanh thu thực tế - Doanh thu dự báo) / Doanh thu thực tế × 100%

Ví dụ doanh thu dự báo là 9,5 tỷ đồng và thực tế đạt 10 tỷ đồng:

Sai số = 10 - 9,5 = 0,5 tỷ đồng

Sai số % = 0,5 / 10 × 100% = 5%

Không chỉ cần nhìn độ lớn của sai số mà còn phải kiểm tra bias. Nếu doanh nghiệp liên tục dự báo cao hơn thực tế, nguyên nhân có thể nằm ở xác suất pipeline quá lạc quan, thời gian chốt không thực tế hoặc giả định tăng trưởng quá cao. Nếu liên tục dự báo thấp, mô hình có thể đang bỏ sót nguồn cầu hoặc sử dụng assumptions quá thận trọng.

Quy trình forecast vì thế nên vận hành theo vòng lặp:

1.    Thu thập actual và dữ liệu pipeline mới

2.    So sánh forecast cũ với actual

3.    Xác định driver tạo ra sai số

4.    Hiệu chỉnh xác suất và giả định

5.    Chạy lại mô hình

6.    Lưu forecast mới để tiếp tục đối chiếu ở kỳ sau

Không nên thay đổi phương pháp chỉ vì một kỳ dự báo sai. Điều cần tìm là nguồn sai số có tính hệ thống. Khi doanh nghiệp lưu lại forecast theo từng thời điểm thay vì ghi đè liên tục, có thể đánh giá mô hình đã dự báo như thế nào khi còn 30, 60 hoặc 90 ngày trước khi kỳ kết thúc.

Dự báo doanh thu tốt không đồng nghĩa với việc tìm được một công thức có thể đoán chính xác tương lai. Giá trị của forecast nằm ở khả năng biến những gì doanh nghiệp biết thành một hệ thống giả định có thể kiểm tra: dữ liệu lịch sử tạo baseline, pipeline cung cấp tín hiệu về doanh thu đang hình thành, còn giả định thị trường điều chỉnh những gì quá khứ không thể đại diện cho tương lai.

Mô hình càng minh bạch ở cấp driver thì càng dễ kiểm tra. Khi doanh thu dự báo thay đổi, doanh nghiệp phải có khả năng trả lời được thay đổi đó đến từ số lượng khách hàng, giá bán, tỷ lệ chuyển đổi, pipeline, thời điểm chốt hay điều kiện thị trường. Sau mỗi kỳ, việc so sánh forecast với actual và hiệu chỉnh những giả định bị sai sẽ biến dự báo doanh thu từ một con số phục vụ kế hoạch thành một quy trình quản trị có khả năng học từ dữ liệu.