Phân tích độ nhạy là thay đổi lần lượt từng con số đầu vào — giá bán, lượng bán, chi phí — một mức như nhau, rồi xem lãi thay đổi bao nhiêu. Con số nào làm lãi dao động mạnh nhất là con số bạn cần theo dõi sát nhất và cân nhắc kỹ nhất trước khi thay đổi. Kèm theo đó là phép tính ngược: muốn giữ nguyên lãi khi giảm giá thì phải bán thêm bao nhiêu.
Trợ lý AI rất hợp với việc này vì nó tính hàng chục phương án trong vài giây và trình bày thành bảng. Điều kiện là bạn có một mô hình lãi đơn giản, đúng, và hiểu giới hạn của việc thay từng biến một. Ví dụ xuyên suốt là một tiệm giặt sấy theo ký, mọi số liệu là ví dụ giả định.
Độ nhạy khác dự báo ở chỗ nào
Dự báo cố trả lời câu “tháng sau bán được bao nhiêu”. Phân tích độ nhạy không đoán tương lai; nó hỏi “nếu con số này lệch đi một chút thì hậu quả lớn đến đâu”. Hai việc bổ sung cho nhau: dự báo cho một con số kỳ vọng, độ nhạy cho biết nếu kỳ vọng sai thì sai đắt hay rẻ. Phần dự báo có chuyên mục riêng trên trang.
Giá trị thực tế của độ nhạy nằm ở chỗ nó sắp xếp lại sự chú ý. Chủ tiệm thường lo nhất về khoản chi nhìn thấy hằng ngày như tiền điện, bột giặt. Nhưng khi thay mọi biến cùng mười phần trăm, có thể hoá ra giá bán mới là con số tác động mạnh nhất, và một quyết định giảm giá vội vàng gây hại nhiều hơn mọi đợt tăng giá điện.
Độ nhạy cũng là công cụ để trao đổi với người khác. Khi người cùng góp vốn đề nghị giảm giá để hút khách, thay vì tranh luận cảm tính, bạn đưa ra phép tính: giảm 10% giá thì cần tăng bao nhiêu phần trăm khách mới giữ nguyên lãi. Cuộc nói chuyện chuyển từ “có nên không” sang “có đạt được mức đó không”, câu hỏi dễ trả lời hơn nhiều.
Điều kiện duy nhất là có một mô hình lãi, dù đơn giản đến mấy. Không có mô hình, AI sẽ tự dựng một cái từ giả định của nó, và mọi kết quả độ nhạy sau đó chỉ nói về một tiệm tưởng tượng.
Mô hình lãi làm nền và bảng thay từng biến mười phần trăm
Tiệm giặt sấy trong ví dụ giả định thu 18 nghìn mỗi ký đồ, chi phí biến đổi 6 nghìn mỗi ký (điện, nước, bột giặt, nước xả, túi), giặt 3.000 ký mỗi tháng, chi phí cố định 25 triệu (thuê, lương, khấu hao máy). Lãi tháng: 3.000 nhân 12 nghìn bằng 36 triệu, trừ 25 triệu, còn 11 triệu. Bảng dưới thay từng biến lên và xuống 10%, giữ nguyên các biến khác.
| Biến thay đổi | Lãi khi giảm 10% | Lãi khi tăng 10% | Lãi dao động |
|---|---|---|---|
| Giá mỗi ký | 5,6 triệu | 16,4 triệu | ± 5,4 triệu |
| Số ký mỗi tháng | 7,4 triệu | 14,6 triệu | ± 3,6 triệu |
| Chi phí cố định | 13,5 triệu | 8,5 triệu | ± 2,5 triệu |
| Chi phí biến đổi mỗi ký | 12,8 triệu | 9,2 triệu | ± 1,8 triệu |
Xếp theo cột cuối, giá bán đứng đầu: mười phần trăm giá làm lãi thay đổi gần một nửa. Số ký đứng thứ hai. Chi phí biến đổi, khoản chủ tiệm hay lo nhất khi giá điện tăng, lại ít tác động nhất trong bốn biến. Nếu vẽ thành biểu đồ thanh nằm ngang xếp từ dài đến ngắn, hình dạng giống cái phễu, nên trong sách quản trị gọi là biểu đồ lốc xoáy.
Thứ tự này không cố định cho mọi tiệm. Tiệm có biên lãi góp mỏng hơn sẽ nhạy với chi phí biến đổi hơn nhiều. Vì vậy phải tính bằng số của chính mình, không lấy kết luận của tiệm khác.
Tính ngược: cần đạt bao nhiêu để giữ nguyên lãi
Câu hỏi hay nhất trong phân tích độ nhạy thường là câu hỏi ngược. Giả sử tiệm giặt định giảm giá 10%, từ 18 xuống 16,2 nghìn mỗi ký, để cạnh tranh với tiệm mới mở. Lãi góp mỗi ký giảm từ 12 xuống 10,2 nghìn. Muốn tổng lãi góp vẫn là 36 triệu, số ký cần giặt là 36 triệu chia 10,2 nghìn, khoảng 3.530 ký, tức tăng gần 18%.
Như vậy giảm giá 10% đòi hỏi tăng gần 18% lượng khách chỉ để đứng yên. Đó là điều nhiều chủ tiệm không ngờ: tỉ lệ cần tăng luôn lớn hơn tỉ lệ giảm giá, và càng lớn khi biên lãi góp càng mỏng. Câu hỏi thực tế trở thành: khu vực quanh tiệm có thêm chừng ấy khách không, và máy có giặt kịp không.
Chiều ngược lại cũng đáng tính. Nếu tăng giá 10% lên 19,8 nghìn, lãi góp mỗi ký thành 13,8 nghìn. Tổng lãi góp giữ ở 36 triệu chỉ cần khoảng 2.610 ký, tức có thể mất tới 13% khách mà vẫn không thiệt. Tăng giá không phải lúc nào cũng khả thi, nhưng ít nhất bạn biết biên chịu đựng.
Nhờ AI làm phép tính ngược cho cả dải: “Với các mức giảm giá 5%, 10%, 15%, 20%, tính số ký cần đạt để giữ nguyên lãi tháng, và phần trăm tăng so với hiện tại. Trình bày bảng.” Kết quả cho bạn một bảng tra nhanh mỗi khi có ai đề nghị chương trình khuyến mãi. Phân tích chương trình khuyến mãi đã chạy có hiệu quả hay không thuộc chuyên mục bán hàng; ở đây là tính trước khi chạy.
Kết hợp nhiều biến: bảng hai chiều và ba kịch bản
Bảng hai chiều. Thay đồng thời hai biến thường đi cùng nhau, ví dụ giá và số ký. Hàng là các mức giá, cột là các mức số ký, mỗi ô là lãi tháng. Nhờ AI dựng bảng năm nhân năm, rồi tô màu các ô lỗ. Ranh giới giữa vùng lãi và vùng lỗ hiện ra rõ ràng.
Ba kịch bản ghép. Thay vì thay từng biến, ghép các giả định thành bộ: bộ thận trọng (giá giữ nguyên, khách giảm 10%, điện tăng 10%), bộ cơ sở (như hiện tại), bộ thuận lợi (khách tăng 10%, chi phí giữ nguyên). Mỗi bộ cho một con số lãi, dễ trình bày cho người không quen đọc bảng.
Đặt tên biến rõ ràng. Khi có nhiều biến, yêu cầu AI giữ một khu vực “giả định” riêng ở đầu bảng, mọi phép tính tham chiếu tới đó. Sau này đổi một giả định là cả bảng cập nhật, không phải hỏi lại từ đầu.
Ví dụ giả định một kịch bản ghép. Giảm giá 5% xuống 17,1 nghìn kèm số ký tăng 15% lên 3.450: lãi góp mỗi ký 11,1 nghìn, tổng lãi góp khoảng 38,3 triệu, lãi tháng khoảng 13,3 triệu, cao hơn hiện tại. Kịch bản này chỉ có lời nếu khách thực sự tăng 15%; đó là giả định cần kiểm, không phải điều chắc chắn.
Câu lệnh mẫu cho phân tích độ nhạy
Dán mô hình lãi của bạn trước, gồm giá bán, chi phí biến đổi mỗi đơn vị, sản lượng, chi phí cố định; tách theo từng sản phẩm nếu có nhiều. Không cần tên khách hay nhà cung cấp.
- “Đây là mô hình lãi tháng của một tiệm giặt sấy (dán số). Thay lần lượt từng biến lên và xuống 10%, giữ nguyên các biến khác, tính lãi tháng. Trình bày bảng xếp theo mức dao động lớn nhất.”
- “Lặp lại với mức thay đổi 5% và 20%. Thứ tự các biến có đổi không?”
- “Tính số ký cần đạt để giữ nguyên lãi khi giảm giá 5%, 10%, 15%.”
- “Dựng bảng hai chiều: giá từ 15 đến 21 nghìn bước 1,5 nghìn, số ký từ 2.400 đến 3.600 bước 300. Mỗi ô là lãi tháng. Đánh dấu các ô lỗ.”
- “Mô hình này đang giả định những gì? Giả định nào dễ sai nhất trong thực tế của một tiệm giặt?”
- “Trình bày kết quả bằng năm câu cho người góp vốn không quen đọc bảng.”
Kiểm một ô bất kỳ bằng tay: lấy giá trừ chi phí biến đổi, nhân số ký, trừ chi phí cố định. Nếu ô đó khớp, bảng nhiều khả năng đúng. Nếu không, yêu cầu AI trình bày phép tính của ô đó và tìm chỗ lệch.
Từ bảng độ nhạy tới việc làm hằng tuần
Bảng độ nhạy chỉ có ích khi nó đổi cách bạn quản lý. Với tiệm giặt trong ví dụ, kết luận rút ra khá rõ: giá bán và số ký là hai con số quyết định lãi, còn chi phí biến đổi tuy đáng để ý nhưng ít tác động hơn. Từ đó, việc theo dõi hằng tuần nên ưu tiên số ký nhận vào và giá bình quân thực thu sau khuyến mãi, thay vì dồn sức săn từng gói bột giặt rẻ hơn vài phần trăm.
Bước tiếp theo là đặt ngưỡng cảnh báo. Dựa vào phép tính ngược, bạn biết nếu số ký mỗi tháng tụt dưới khoảng 2.080 ký thì tiệm hoà vốn (25 triệu chia 12 nghìn). Chia theo tuần, đó là con số đáng ghi lên sổ: tuần nào thấp hơn mức tương ứng hai lần liên tiếp thì cần xem nguyên nhân ngay, không đợi cuối tháng.
Độ nhạy cũng chỉ ra chỗ nên thương lượng. Nếu chi phí cố định đứng thứ ba, lần gia hạn hợp đồng thuê sắp tới là cơ hội đáng chuẩn bị kỹ: mỗi một triệu giảm được là một triệu lãi thêm mỗi tháng, chắc chắn hơn nhiều so với hy vọng thêm khách.
Cuối cùng, lưu lại bảng giả định và kết quả theo ngày. Ba tháng sau, khi có số thật, đặt cạnh nhau để xem giả định nào lệch nhiều nhất. Lần làm sau, bạn sẽ biết biến nào cần biên độ rộng hơn.
Những bẫy khi làm độ nhạy với AI
Các biến không độc lập. Thay giá mà giữ nguyên số khách là giả định phi thực tế: tăng giá thường mất bớt khách. Bảng thay từng biến chỉ cho biết độ nhạy cơ học; quyết định thật phải xét cả phản ứng của khách, nên bảng hai chiều và phép tính ngược hữu ích hơn.
Biên độ đều không phản ánh rủi ro thật. Mười phần trăm giá điện và mười phần trăm số khách không có cùng khả năng xảy ra. Giá bán do bạn quyết, số khách thì không. Khi trình bày, nói rõ biến nào bạn kiểm soát, biến nào không.
Bỏ qua ngưỡng bậc thang. Số ký tăng 20% có thể vượt công suất máy, buộc phải mua thêm máy hoặc thuê thêm người. Mô hình tuyến tính không thấy điều này; hãy nêu công suất tối đa cho AI.
Độ chính xác giả. AI trả về số đến hàng nghìn đồng, nhưng mô hình đầu vào chỉ chính xác ở mức vài trăm nghìn. Làm tròn khi trình bày để không ai tưởng con số chắc hơn thực tế.
Quên chi phí cố định cũng thay đổi theo thời gian. Hợp đồng thuê sắp gia hạn, lương sắp điều chỉnh: đưa các thay đổi biết trước vào mô hình, đừng chỉ thay ngẫu nhiên.
Câu hỏi thường gặp
Phân tích độ nhạy có cần phần mềm chuyên dụng không?
Không. Một bảng tính với khu vực giả định riêng và các ô công thức tham chiếu tới đó là đủ cho cửa hàng nhỏ. Trợ lý AI giúp dựng cấu trúc bảng và giải thích kết quả. Phần mềm chuyên dụng chỉ cần khi mô hình có hàng chục biến liên quan nhau.
Nên thay mỗi biến bao nhiêu phần trăm?
Mười phần trăm là mức thông dụng để so sánh các biến với nhau. Nhưng nên chạy thêm với biên độ sát thực tế của từng biến: giá điện có thể dao động ít, số khách mùa thấp điểm có thể giảm nhiều hơn. Kết hợp cả hai cách cho bức tranh đầy đủ hơn.
Kết quả độ nhạy có thay cho dự báo được không?
Không. Độ nhạy cho biết lãi phản ứng ra sao khi đầu vào lệch, còn dự báo cố ước lượng đầu vào sẽ là bao nhiêu. Dùng dự báo để có con số cơ sở, rồi dùng độ nhạy để biết sai lệch nào đáng lo.
Có nên tin AI khi nó nói biến nào quan trọng nhất mà không đưa số?
Không nên. Nếu không có số của bạn, AI chỉ nói theo kinh nghiệm chung, có thể đúng với nhiều cửa hàng nhưng sai với bạn. Thứ tự quan trọng của các biến phụ thuộc vào cơ cấu chi phí và biên lãi góp riêng của từng nơi.
Có nên làm lại phân tích độ nhạy định kỳ không?
Nên làm lại mỗi khi cơ cấu chi phí hay giá bán thay đổi đáng kể, hoặc ít nhất mỗi năm một lần. Khi biên lãi góp đổi, thứ tự các biến quan trọng cũng có thể đổi. Giữ bảng giả định cũ để so với kết quả thực tế cũng giúp bạn đặt giả định tốt hơn ở lần sau.
Tiệm có nhiều dịch vụ thì làm độ nhạy thế nào?
Lập mô hình theo từng dịch vụ với giá, chi phí biến đổi và sản lượng riêng, chi phí cố định để chung. Thay từng biến của từng dịch vụ sẽ cho thấy dịch vụ nào và con số nào chi phối lãi. Với nhiều dịch vụ, gộp các dịch vụ nhỏ thành một nhóm để bảng không quá dài.