TÀI LIỆU HƯỚNG DẪN DÙNG CRYSTAL BALL pptx

TÀI LIỆU HƯỚNG DẪN DÙNG CRYSTAL BALL
1.5. Tổng quan về xây dựng mô hình và phân tích rủi ro
Crystal Ball là một công cụ phân tích bằng cách thực hiện việc mô phỏng trên mô hình bảng tính và
từ đó cung cấp các thông tin cần thiết để hỗ trợ cho người ra quyết định một cách chính xác hơn, hiệu
quả hơn và tin cậy hơn. Trong phần này sẽ trình bày sơ lược về các khái niệm phân tích rủi ro và lập
mô hình.
Rủi ro và phân tích rủi ro
Sự không chắc chắc thường liên quan đến rủi ro, mà ở đó bao gồm khả năng xuất hiện các sự kiện
không mong muốn rất lớn. Ví dụ như doanh số kỳ vọng tháng tới sẽ cao hơn tổng giá trị tháng hiện
hành (sự kiện kỳ vọng), khi đó sẽ có nhiều đơn hàng hơn và sẽ làm giảm lượng hàng tồn kho. Nếu
lượng hàng tồn kho giảm quá nhiều thì sẽ làm chậm trễ việc chuyển giao các đơn hàng (sự kiện
không chắc chắn). Sự trỳ hoãn này có thể dẫn đến việc đánh mất các đơn đặt hàng và điều này có khả
năng gây nên một sự rủi ro. Khi sự không chắc chắn và rủi ro tăng lên, việc ra quyết định sẽ trở nên
khó khăn hơn rất nhiều.
Có hai điểm phải nhớ khi phân tích rủi ro đó là:
 Rủi ro ở đâu?
 Mức độ mà rủi ro gây nên như thế nào?
Hầu hết các sự thay đổi tốt hoặc xấu đều tiềm ẩn các rủi ro. Sự phân tích chúng thông thường sẽ giúp
phát hiện các vùng mà rủi ro tiềm ẩn như là: các chi phí ngoài giờ, sự thiếu hụt hàng tồn kho, doanh
số tương lai, các kết quả khảo sát địa chất, sự thay đổi bất thường về nhân sự, nhu cầu không thể dự
báo, sự thay đổi trong chi phí lao động, các quyết định của chính phủ, những sự liên doanh liên kết
tiềm ẩn, các luật mới sắp ban hành,…
Khi bạn đã xác định được các rủi ro của mình, một mô hình phù hợp có thể giúp bạn định lượng
được chúng. Sự định lượng rủi ro có nghĩa là sự xác định các thay đổi mà rủi ro có thể xảy ra và tổn
thất mà nó có thể gây ra. Điều này sẽ giúp bạn quyết định xem có đáng phải chấp nhận rủi ro đó hay
không nhằm đạt được mục tiêu mong muốn. Ví dụ như, nếu bạn có 5% khả năng bị trễ tiến độ và nếu
trễ thì bạn phải trả khoản tiền phạt tới $10.000 thì khi đó bạn có chấp nhận rủi rỏ này hay không.
Việc tìm kiếm một sự chắc chắn để đạt được một kết quả xác định nào đó thông thường chính là mục
tiêu của mô hình phân tích. Phân tích rủi ro sử dụng một mô hình và xem xét các biến nào ảnh hưởng
đến mục tiêu cần phân tích. Phân tích rủi ro có thể:
 Giúp thoát khỏi tình trạng “không điều khiển” và giúp việc ra quyết định tốt hơn

bằng cách khảo sát nhanh tất cả các tình huống có thể xảy ra.
 Nhận dạng được yếu tố hoặc biến nào ảnh hưởng nhiều nhất lên mục tiêu dự báo.
 Làm sáng tỏ các yếu tố không chắc chắn trong mô hình giúp cho thông tin về các
rủi ro được nắm bắt tốt hơn.
Mô hình là gì?
Crystal Ball làm việc với mô hình trên bảng tính, đặc biệt là mô hình bảng tính Excel. Bảng tính của
bạn có thể có sẵn một mô hình tùy thuộc vào loại thông tin mà bạn có trên bảng tính và cách mà bạn
sử dụng nó.
 Dữ liệu đối lập với sự phân tích:
Nếu bạn chỉ sử dụng bảng tính để lưu trữ dữ liệu: dữ liệu về doanh thu, dữ liệu hàng tồn kho, dữ liệu
kế toán, … thì bạn chưa có một mô hình trên bảng tính. Thậm chí khi bạn có sử dụng các công thức
tính toán trên dữ liệu thì có thể bạn vẫn chưa có một mô hình phù hợp cho việc mô phỏng.
Một mô hình là một bảng tính mà ở đó có tổ chức về dữ liệu phù hợp cho một công cụ phân tích. Một
mô hình phải biểu diễn được sự quan hệ giữa các biến đầu vào và đầu ra bằng cách sử dụng phối hợp
các công thức, các hàm và dữ liệu.
 Các phân tích truyền thống trên bảng tính
Khi tạo một mô hình bạn phải xác định được các biến biến đổi của mô hình bằng cách tự đặt câu hỏi
cho mình “Tôi cảm thấy giá trị của nó (biên) chắc chắn như thế nào? Nó có biến đổi hay không? Nó
có được ước lượng tốt nhất hay chưa hay nó là một sự việc đã được biết rồi?”. Từ đó, bạn có thể thấy
được trong mô hình của mình có một vài yếu tố biến đổi mà bạn không xác định được một cách chắc
chắn. Điều đó, có thể là do bạn vẫn chưa có dữ liệu thực tế (số liệu về doanh số tháng này) hoặc là do
sự biến đổi không thể dự báo được (chi phí đơn vị sản phẩm).
Phân tích truyền thống trên bảng tính cố gắng kiểm soát sự không chắn chắn này bằng 3 cách:
 Ước lượng điểm: Là cách ước lượng các giá trị mà bạn cho là đại diện tốt nhất
cho các biến không chắc chắn. Ước lượng này thì dễ thực hiện nhưng có thể dẫn đến các
kết quả sai lầm.
 Ước lượng khoảng: Là việc phân chia thành 3 tình huống phân tích – tình huống
tốt nhất, tình huống xấu nhất và tình huống kỳ vọng. Các kết quả phân tích cũng thể
hiện giá trị dạng khoảng nhưng không biết được xác suất xuất hiện của các kết quả này.
 Phân tích nhân quả: Là dạng phân tích nhằm trả lời câu hỏi “điều gì sẽ xảy ra …

nếu như … ” (what – if). Phân tích này xem xét yếu tố đầu vào nào là quan trọng nhất
(yếu tố mang tính chất rủi ro) ảnh hưởng đến kết quả bài toán (lợi nhuận hoặc chi phí).
Trong Excel hỗ trợ phân tích độ nhạy 1 chiều và hai chiều, nghĩa là chỉ đánh giá được
tối đa 2 yếu tố rủi ro. Phân tích độ nhạy không xét đến mối quan hệ tương quan giữa các
biến.
Tuy nhiên các phương pháp phân tích trên có hai điểm hạn chế chính:
 Một lần bạn chỉ có thể thay đổi một ô bảng tính. Như thế, bạn gần như không
thể khảo sát tỉ mỉ toàn bộ dãy kết quả có thể có. Thực tế, bạn không thể xác định được
lượng rủi ro đang tác động vào kết quả phân tích.
 Phép phân tích nhân quả luôn luôn dẫn đến những ước lượng điểm đơn, không
cho biết khả năng đạt được một kết quả cụ thể nào đó. Trong khi những ước lượng điểm
đơn cho bạn biết cái gì có thể xảy ra thì chúng lại không cho bạn biết cái gì có lẽ đúng.
Mô phỏng bằng Crystal Ball khắc phục được các giới hạn này:
 Bạn có thể mô tả một phạm vi các giá trị có thể có cho mỗi ô không chắc chắn
trong bảng tính của bạn. Các ô này gọi là ô giả thuyết và khi mô phỏng thì chúng biến
đổi một cách đồng thời và cũng đồng thời tác động đến kết quả phân tích.
 Mô phỏng Monte Carlo bằng Crystal Ball mô tả các kết quả trong đồ thị dự báo
và trình bày toàn bộ kết quả có thể có kèm theo khả năng (xác suất ) xuất hiện của mỗi
kết quả.
Mô phỏng Monte Carlo
Phân tích rủi ro trên bảng tính sử dụng cả mô hình bảng tính và mô phỏng để phân tích tác động của
các đại lượng biến đổi ở đầu vào lên các đại lượng ở đầu ra của mô hình hệ thống. Mô phỏng Monte
Carlo cũng là một loại của mô phỏng trên bảng tính, nó tạo ra các giá trị ngẫu nhiên cho các yếu tố
(biến) không chắc chắn dùng để mô phỏng một mô hình.
Mô phỏng Monte Carlo về cơ bản chỉ là một thử nghiệm lấy mẫu với mục đích ước tính sự phân phối
của một biến kết quả mà biến này lại phụ thuộc vào một số biến biến đổi ở đầu vào. Thuật ngữ mô
phỏng Monte Carlo đầu tiên được dùng trong suốt thời kỳ phát triển bom nguyên tử dưới tên gọi mô
phỏng máy tính của quá trình phân chia hạt nhân. Các nhà nghiên cứu đặt tên thuật ngữ này cho mô
phỏng vì nó tương tự như việc lấy mẫu ngẫu nhiên trong các trò chơi ở sòng bạc nổi tiếng của thành
phố Monte Carlo.

1.6. Một số thuật ngữ
 Mô hình bảng tính (Spreadsheet model): Là bảng tính biểu diễn một hệ thống thực
tế hoặc giả thuyết hay tập các quan hệ.
 Giả thuyết (Assumption): Là giá trị ước lượng hoặc giá trị đầu vào được ước lượng
cho một mô hình bảng tính.
 Mô phỏng Monte Carlo (Monte Carlo simulation): Hệ thống sử dụng các số ngẫu
nhiên để đo lường ảnh hưởng của sự không chắc chắn trong mô hình bảng tính.
 Dự đoán (Forecast): Tóm tắt thống kê của những giả thuyết trong một mô hình
bảng tính, trình bày dưới dạng đồ thị và các thông số.
 Xác suất (Probability): Khả năng sự việc xảy ra.
 Số ngẫu nhiên (Random number): Giá trị được chọn một cách toán học, được phát
sinh (theo công thức) hoặc được chọn (từ bảng) tuân theo một phân phối xác suất.
 Bộ phát số ngẫu nhiên (Random number generator): Là phương pháp theo đó
chương trình máy tính thực thi để sinh ra một chuỗi số ngẫu nhiên độc lập.
 Phân phối xác suất (Probability Distribution): Tập hợp tất cả các sự kiện có thể có
và xác suất của chúng
 Độ lệch chuẩn (Standard Deviation): căn bậc hai của bình phương của phương sai
đối với một phân phối. Đại lượng đo độ phân tán của các giá trị nằm xung quanh trị trung
bình.
 Giá trị trung bình (Mean): trung bình số học của một tập các giá trị quan sát (tổng
của các giá trị quan sát chia cho số quan sát).
 Phương sai (Variance): bình phương của độ lệch chuẩn, tức là trung bình của bình
phương độ lệch của giá trị quan sát so với giá trị trung bình.
2. Sử dụng Crystal Ball chạy mô phỏng trên bảng tính Excel
 Một sự mở rộng tự nhiên của phân tích độ nhạy và phân tích tình huống
 Đồng thời có tính tới các phân phối xác suất khác nhau và các miền giá trị tiềm
năng khác nhau đối với các biến chính của vấn đề cần phân tích (ví dụ dự án).
 Cho phép xét đến sự tương quan giữa các biến (đồng biến/ nghịch biến)
 Tạo ra một phân phối xác suất cho các kết quả cần phân tích của dự án (các ngân
lưu, NPV, IRR) thay vì chỉ ước tính một giá trị đơn lẻ.

 Phân phối xác suất của các kết quả phân tích dự án hỗ trợ cho các nhà ra quyết
định trong việc lựa chọn các phương án.
Qui trình thiết lập và chạy mô phỏng:
1. Lập mô hình bài toán trên Excel
2. Xác định các biến nhạy cảm và không chắc chắn: Định phân phối xác suất, các
phân phối xác suất thông thường nhất là: Phân phối xác xuất chuẩn, phân phối xác suất tam
giác, phân phối xác suất đều, phân phối xác suất bậc thang
3. Xác định và định nghĩa các biến có tương quan: Tương quan đồng biến hoặc
nghịch biến, Độ mạnh của tương quan
4. Định nghĩa các dự báo: các chỉ tiêu cần phân tích trong bài toán
5. Thiết lập các thông số chạy mô phỏng: số lần thử, chọn phương pháp lấy mẫu, tuỳ
chọn chạy phân tích độ nhạy, tùy chọn chạy Macro của người dùng trong khi mô phỏng,
6. Tạo các báo cáo: đồ thị, bảng thống kê mô tả,
7. Phân tích các kết quả:Các trị thống kê,Các phân phối xác suất
Cách Crystal Ball sử dụng mô phỏng Monte Carlo
Crystal Ball triển khai mô phỏng Monte Carlo theo quy trình lặp 3 bước:
8. Đối với mỗi ô giả thuyết, Crystal Ball phát ra một số theo phân phối xác suất bạn
đã định nghĩa và đặt nó vào bảng tính.
9. Crystal Ball tính lại mô hình bài toán trên bảng tính
10. Sau đó Crystal Ball rút ra một giá trị từ mỗi ô dự báo và thêm nó vào đồ thị trong
các cửa sổ dự báo.
Mặc dù mô phỏng Monte Carlo là một phương tiện để vẽ lại một tình huống thực tế, xin lưu ý rằng
mô hình bảng tính chỉ có thể xấp xỉ các thành phần của thực tiễn. Khi bạn khảo sát bài toán, bạn có
thể loại một số biến nào đó và thêm các biến khác vào mô hình bảng tính. Hãy tiếp tục điều chỉnh mô
hình cho đến khi bạn cảm thấy nó mô tả tình huống thực tế càng chính xác càng tốt.
2.1. Lập mô hình bài toán trên Excel
Phần này chúng ta sẽ khảo sát tình huống “Vision Research” nhằm tìm hiểu các đặc tính của Crystal
Ball sâu hơn. Bảg tính Vision Research mô hình hóa một tình huống thương mại có đầy đủ tính
không chắc chắn (rủi ro). Vision Research phát triển đang phát triển một loại thuốc mới có tên mã là
ClearView dùng để trị tật cận thị. Sản phẩm mới này có thể phát triển hoàn chỉnh và kiểm nghiệm để

kịp đưa ra thị trường trong năm tới nếu được FDA công nhận. Mặc dù thuốc có tác dụng tốt trên một
vài bệnh nhân nhưng tổng tỷ lệ thành công chung lại rất hạn chế và Vision Research không chắc
FDA có công nhận sản phẩm này hay không?
Vision Research sử dụng Crystal Ball để hỗ trợ ra quyết định hủy bỏ dự án hoặc tiếp tục phát triển và
tiếp thị loại thuốc mới này. Dự án ClearView là một sự mạo hiểm nhiều triệu đô la. Crystal Ball là
một chương trình hỗ trợ ra quyết định tiềm năng được thiết kế để loại bỏ những phân vân khỏi các
quyết định như vậy.
Bảng tính Vision Research chúng ta có thể tìm thấy trong phần Crystal Ball | Resources | Examples
Guide cùa chương trình.
Nhấp chuột lên liên kết Vision Research để mở mô hình bảng tính
Mở trực tiếp các tập tin ví dụ kèm theo phần mền tại thư mục Examples trong thư mục cài đặt
chương trình.
Mô hình bài toán đã lập sẵn trên Excel.
Chúng ta đã có mô hình bài toán trên bảng tính, bước tiếp theo là khai báo cho Crystal Ball biết đâu
là các biến rủi ro của dự án.
Ghi chú: Crystal Ball được ứng dụng rất rộng trong nhiều lĩnh vực, do vậy tùy vấn đề mà chúng ta sẽ
lập mô hình trên bảng tính khác nhau. Tài liệu này tập trung vào việc hướng dẫn sử dụng các tính
năng của phần mềm.
Tập tin đính kèm
o Vision Research.xls (62.5 KB, 133 lần tải)
2.2. Khai báo các biến giả thuyết của dự án
Các biến giả thuyết hay còn gọi là các biến rủi ro biến đổi trong suốt quá trình thực hiện dự án và ảnh
hưởng trực tiếp hoặc gián tiếp đến kết quả của dự án. Khi khai báo các biến giả thuyết này, chúng
phải thuộc vào một kiểu phân phối nào đó trong danh mục các phân phối mà Crystal Ball hỗ trợ.
Trong thực tế, tùy theo tập số liệu thu thập được của các biến giả thuyết mà chúng có thể có các kiểu
phân phối khác nhau, chúng ta sẽ thực hành phần xác định kiểu phân phối của một tập số liệu quá
khứ cho trước ở phần sau.
Trong dự án ClearView, có tất cả 5 biến rủi ro đó là: chi phí kiểm nghiệm (Testing costs), chi phí tiếp
thị (Marketing costs), bệnh nhân được điều trị (Patients Cured), tỷ lệ gia tăng của tật cận thị (Growth
Rate of Nearsightedness) và mức thâm nhập thị trường (Market Penetration). Chúng ta sẽ lần lượt

khai báo các biến rủi ro của dự án này cho chương trình Crystal Ball.
2.2.1 Khai báo cho biến giả thuyết “Chi phí kiểm nghiệm”
Vision Research đã chi ra tổng cộng 10 triệu USD để phát triển dự án ClearView và ước tính phải chi
thêm từ 3-5 triệu USD nữa để kiểm nghiệm nó dựa trên những chi phí kiểm nghiệm trước đây.
Vision Research cho rằng, khả năng xuất hiện “chi phí kiểm nghiệm” chỉ có thể dao động trong
khoảng 3-5 triệu mà thôi và xác xuất suất hiện của mỗi giá trị nằm trong khoảng này là như nhau. Do
vậy, Vision Research quyết định biến “chi phí kiểm nghiệm” sẽ tuân theo phân phối đều (Uniform
distribution) với giá trị nhỏ nhất là 3 triệu USD và lớn nhất là 5 triệu USD.
Các bước khai báo biến “chi phí kiểm nghiệm” thuộc phân phối đều như sau:
Bước 1. Mở mô hình bảng tính Vision Research, chọn ô C5,
Bước 2. Nhấp chuột vào nút Define Assumption từ ngăn Crystall Ball | nhóm Define, cửa sổ
Distribution Gallery xuất hiện
Bước 3. Chọn kiểu phân phối đều (Uniform) và nhấp nút OK
Bước 4. Tại hộp Name bạn sẽ thấy Crystal Ball hiển thị tên cho biến C5 là “Testing costs” được lấy
từ ô kế bên. Bạn khai báo thêm giá trị tại hộp Minimum là $3 và Maximun là $5 rồi nhấn nút OK.
Bạn đã hoàn tất khai báo với Crystal Ball thông tin về biến giả thuyết “Chi phí kiểm nghiệm”.
Phân phối đều:
Trong phân phối đều, tất cả các giá trị trong khoảng từ giá trị nhỏ nhất đến giá trị lớn nhất đều có xác
suất xuất hiện như nhau. Ba điều kiện cơ bản để có một phân phối đều:
 Giá trị nhỏ nhất (Minimum) là cố định
 Giá trị lớn nhất (Maximum) là cố định
 Tất cả các giá trị trong khoảng từ Min tới Max đều có khả năng xuất hiện như
nhau.
2.2.2. Khai báo cho biến giả thuyết “Chi phí tiếp thị”
Vision Research lập kế hoạch chi một khoản đáng kể cho việc tiếp thị ClearView nếu được FDA
công nhận. Vision Research sẽ thuê một lượng lớn nhân viên bán hàng và bắt đầu chiến dịch quảng
cáo rộng rãi để giáo dục công chúng về loại sản phẩm mới này. Tổng chi phí quảng cáo và tiền hoa
hồng bán hàng mà Vision Research ước tính sẽ nằm trong khoảng giữa từ $12 triệu đến $18 triệu và
khả năng xuất hiện cao nhất là $16 triệu.
Do tính chất của chi phí như thế nên Vision Research quyết định chọn kiểu phân phối tam giác

(Triangular Distribution) để mô tả cho biến này.
Các bước thực hiện khai báo biến giả thuyết “chi phí tiếp thị” theo phân phối tam giác:
Bước 1. Mở mô hình bảng tính Vision Research, chọn ô C6
Bước 2. Nhấp chuột vào nút Define Assumption từ ngăn Crystall Ball | nhóm Define, cửa sổ
Distribution Gallery xuất hiện.
Bước 3. Chọn kiểu phân phối tam giác và nhấp nút OK
Bước 4. Tại hộp Name bạn sẽ thấy Crystal Ball hiển thị tên cho biến C6 là “Marketing Costs” được
lấy từ ô kế bên. Bạn khai báo cho hộp thoại này như sau:
 Minimum: $12
 Maximun: $18
 Likeliest: $16
 Nhấn nút Enter để xem hình của phân phối, sau đó nhấn nút OK để đóng hộp thoại
khai báo.
Phân phối tam giác:
Phân phối tam giác mô tả một trạng thái mà ở đó bạn biết được giá trị tối đa và tối thiểu và các giá trị
thường xuyên xuất hiện nhất. Các điều kiện để có phân phối tam giác:
 Giá trị nhỏ nhất (Minimum) là cố định
 Giá trị lớn nhất (Maximum) là cố định
 Giá trị thường xuyên xuất hiện nhất của biến nằm giữa giá trị nhỏ nhất và lớn nhất.
Tập tin đính kèm
 Vision Research.xls (64.0 KB, 61 lần tải)
2.2.3. Khai báo cho biến giả thuyết “bệnh nhân được điều trị”
Trước khi FDA công nhận ClearView, Vision Research phải tiến hành kiểm nghiệm trên mẫu 100
bệnh nhân trong vòng một năm. PDA quy định rằng họ sẽ chấp thuận ClearView chữa khỏi tật cận
thị cho từ 20 bệnh nhân này trở lên mà không có bất kỳ ảnh hưởng phụ nghiêm trọng nào. Nói cách
khác, ít nhất 20% bệnh nhân được kiểm nghiệm phải được chữa khỏi sau khi dùng ClearView trong
khoảng một năm. Vision Research rất hy vọng sau cuộc kiểm nghiệm này thì tỷ lệ thành công sẽ là
khoảng 25%.
Với thông tin kiểm nghiệm với tỷ lệ thành công là 25%, do vậy Vision Research quyết định sử dụng
phân phối nhị thức (Binomial distribution) để mô tả tính không chắc chắn trong tình huống này vì

phân phối nhị thức mô tả số các thử nghiệm thành công (là 25) trong tổng số các thử nghiệm (là 100).
Các bước khai báo cho biến này như sau:
Bước 1. Mở mô hình bảng tính Vision Research, chọn ô C10
Bước 2. Nhấp chuột vào nút Define Assumption từ ngăn Crystall Ball | nhóm Define, cửa sổ
Distribution Gallery xuất hiện.
Bước 3. Chọn nhóm All, sau đó chọn kiểu phân phối nhị thức và nhấp nút OK
Bước 4. Tại hộp Name bạn sẽ thấy Crystal Ball hiển thị tên cho biến C10 là “Patients Cured” được
lấy từ ô kế bên. Bạn khai báo cho hộp thoại này như sau:
 Tại hộp Probability: nhập vào tỷ lệ thành công là 0.25 hoặc 25% đều được
 Tại hộp Trials: nhận vào số lần thử nghiệm là 100
 Nhấn nút Enter để xem hình dạng của phân phối và nhấn nút OK hoàn tất.
Phân phối nhị thức:
Phân phối nhị thức mô tả số lần xuất hiện của một biến cố cụ thể trong một số lần thử nhất định, ví
dụ như số mặt ngửa trong 10 lần tung đồng tiền. Các điều kiện hình thành phân phối nhị thức:
 Với mỗi lần thử, chí có thể xảy ra hai kết quả
 Các lần thử là độc lập nhau. Điều gì xảy ra trong lần thử thứ nhất sẽ không ảnh
hưởng đến lần thử thứ hai,…
 Xác suất để một biến cố xảy ra sẽ không đổi từ lần thử này đến lần thử khác.