Live Chat Software by Kayako
 News Categories
(19)Microsoft Technet (2)StarWind (4)TechRepublic (3)ComuterTips (1)SolarWinds (1)Xangati (1)MyVirtualCloud.net (27)VMware (5)NVIDIA (9)VDI (1)pfsense vRouter (3)VEEAM (3)Google (2)RemoteFX (1)developers.google.com (1)MailCleaner (1)Udemy (1)AUGI (2)AECbytes Architecture Engineering Constrution (7)VMGuru (2)AUTODESK (1)storageioblog.com (1)Atlantis Blog (7)AT.COM (2)community.spiceworks.com (1)archdaily.com (14)techtarget.com (2)hadoop360 (3)bigdatastudio (1)virtualizetips.com (1)blogs.vmware.com (3)VECITA (1)vecom.vn (1)Palo Alto Networks (4)itnews.com.au (2)serverwatch.com (1)Nhịp Cầu đầu tư (3)VnEconomy (1)Reuters (1)Tom Tunguz (1)Medium.com (1)Esri (1)www.specommerce.com (1)tweet (1)Tesla (1)fool.com (6)ITCNews (1)businessinsider.com (1)hbr.org Harvard Business Review (1)Haravan (2)techcrunch.com (1)vn.trendmicro.com (3)thangletoan.wordpress.com (3)IBM (1)www.droidmen.com (2)blog.parallels.com (1)betanews.com (6)searchvmware.techtarget.com (1)www.bctes.com (1)www.linux.com (4)blog.capterra.com (1)theelearningcoach.com (1)www.examgeneral.com (1)www.wetutoringnation.com (1)chamilo.org/ (1)www.formalms.org (1)chalkup.co (1)www.mindonsite.com (5)moodle.org (4)moodle.croydon.ac.uk (1)opensource.com (1)1tech.eu (1)remote-learner.net (1)paradisosolutions.com (2)sourceforge.net (7)searchbusinessanalytics.techtarget.com (1)nscs.gov.sg (1)virten.net (1)fastest.com.vn (1)elearninglearning.com (2)www.computerweekly.com (1)youtube.com (2)computer.howstuffworks.com (2)techz.vn (2)techsignin.com (1)itworld.com (7)searchsecurity.techtarget.com (1)makeuseof.com (1)nikse.dk (1)4kdownload.com (1)thegioididong.com (1)itcentralstation.com (1)www.dddmag.com (1)Engenius (1)networkcomputing.com (1)woshub.com (1)hainam121.wordpress.com (1)www.lucidchart.com (1)www.mof.gov.vn (3)www.servethehome.com (6)www.analyticsvidhya.com
RSS Feed
News
Jul
2
DỰ BÁO DOANH THU THEO MÙA VỤ của WAL-MART STORES,INC
Posted by Thang Le Toan on 02 July 2017 07:03 AM

Nhận ra thay đổi theo mùa trong thu nhập của một công ty và tầm quan trọng của tài chính, bán hàng, tiếp thị, nhân sự, và quản lý hoạt động. Giải thích những gì có nghĩa là "điều chỉnh theo mùa với một tỷ lệ tương ứng hàng năm" và làm thế nào để tính toán được và tạo một mô hình điều chỉnh theo mùa hàng năm. Tạo một mô hình điều chỉnh theo mùa bằng cách tham gia các điều chỉnh theo mùa để một mô hình cho đường xu hướng di chuyển trung bình. Sử dụng thông tin phản hồi về các lỗi để chỉn sửa một mô hình dự báo sao cho tổng sai số là bằng không. Tạo một hệ thống phản hồi tự động bằng cách sử dụng các giá trị trong tương lai để sửa đổi một mô hình dự báo và cải thiện dự báo của tương lai.

Thay đổi theo mùa là những hiện tượng lặp lại thường xuyên với thời gian. Các hiện tượng lặp lại là khá phổ biến. Chúng xuất hiện, ví dụ, hàng tháng, hàng quý hoặc nửa năm "đỉnh núi và thung lũng" trên các bảng xếp hạng bán hàng. Một cửa hàng bách hóa PING đã cung cấp một ví dụ nổi tiếng của hành vi theo mùa. Bởi vì ngoài những ngày nghỉ cửa hàng, doanh số bán hàng rất mạnh trong tháng mười hai, khi một cửa hàng có thể làm nhiều hơn 1/3 daonh thu hàng năm của nó. Tháng Mười Hai là tháng có đỉnh cao nhu cầu và sau đó những tháng chậm của tháng Giêng và tháng Hai, trong đó cửa hàng quản lý mức giá chiết khấu để thu hút khách hàng. Yếu tố hành vi cũng rất quan trọng trong việc điều chỉnh hàng tồn kho và lập kế hoạch của lực lượng lao động.

Mô hình dự báo điều chỉnh theo mùa có hai thành phần: Một phần thương tuân theo xu hướng chung với thời gian, và thứ hai điều chỉnh xu hướng cho các biến thể định kỳ trên và dưới nó. Phát triển một phương trình hồi quy cho một mô hình dự báo điều chỉnh theo mùa cần ba bước tách biệt: (1) Hủy bỏ các mùa vụ từ các dữ liệu thô, (2) phát triển một mô hình cho các đường xu hướng, và (3) đặt tính mùa vụ vào mô hình bằng cách nhân hoặc thêm các hiệu chỉnh theo mùa để cho đường xu hướng. Ví dụ, dữ liệu hàng tháng hoặc hàng quý có thể được điều chỉnh theo mùa vụ hoặc bằng cách tính toán giá trị hàng năm hoặc bằng cách sử dụng các đường trung bình động 12 tháng hoặc 4 quý. Phân tích hồi quy sau đó có thể được sử dụng để tính toán các tham số cho đường xu hướng điều chỉnh theo mùa, nó có thể là đường thẳng hoặc đường cong. Những điều chỉnh này là cần thiết đối với các khoản mà theo đó phụ thuộc vào yếu tố thời gian (ví dụ, giá trị hàng quý hoặc hàng tháng) cao hơn hoặc thấp hơn so với giá trị trên đường xu hướng.

Hệ số tương quan mùa vụ được gọi là chỉ số mùa vụ cụ thể (SSIS). Nếu đường xu hướng dự án giá trị hàng năm, SSIS có thể là phân số hoặc tỷ lệ phần trăm của giá trị hàng năm cho giai đoạn cụ thể. Vì vậy, một khi chúng ta đã dự đoán giá trị hàng năm, số tiền cho thời gian cụ thể được tính toán bằng cách nhân lên những giá trị hàng năm dự kiến ​​bởi SSIS. Ví dụ, nếu 30% doanh thu hàng năm của công ty xảy ra trong tháng Mười Hai và dự kiến ​​doanh thu hàng năm là 10.000.000 $, doanh số dự báo cho tháng mười hai sẽ $ 3 triệu USD (nghĩa là, 30% của 10 triệu USD). Tổng của SSIS nhân cho tất cả các khoảng thời gian trong một năm hoàn. Mùa vụ là một yếu tố được ghi nhận trong báo cáo dữ liệu kinh tế và dự báo hành vi tương lai. Thống kê cho lĩnh vực kinh doanh với đỉnh cao nhu cầu của năm được xác định lại theo tỷ lệ điều chỉnh mùa vụ hàng năm. Chính phủ thống kê về tỷ lệ xây dựng nhà ở, tổng sản phẩm quốc dân và tỷ lệ thất nghiệp là ví dụ các hoạt động kinh tế mà được báo cáo như là sự cơ bản trong điều chỉnh theo mùa.

          Chúng ta sẽ nghiên cứu tình huống dự báo doanh thu theo mùa với dữ liệu của WAL-MART STORES, INC được trình bày trên bảng tính Excel.

 

A

B

C

D

E

F

G

H

I

J

K

L

M

N

O

1

WAL-MART STORES,INC.

2

Seasonally-Adjusted Cubic AnnualTrend Line for Quarterly Sales (Based on Quarters 1 to 26)

3

 

 

 

 

Actual

Forecast

Ratio,

SSI,

Forecast Quarterly Sales,

$ million

 

 

Standard

Quarterly Sales

Actual

4

 

 

 

 

Quarterly

Annual

Quarterly

Avg.Ratio

Forecast

 

Forecast

80% Confidence

Outside

5

Fiscal

 

 

 

Sales,

Sales,

to Fcast

for Like

Error,

 

Error,

Range,$ million

Conf.

6

Year

XYR

Quarter

X

$ million

$ million

Annual

Quarters

$ million

X-XM

$ million

Minimum

Maximum

Range?

7

1991

5

1st

1

9,280

44,414

0.20894

0.21332

9,474

10,662

10,914

13,362

–194

–12.5

463.8

8,861

10,088

---

8

1991

5

2nd

2

10,340

44,414

0.23281

0.24006

–322

–11.5

460.5

10,053

11,271

---

9

1991

5

3rd

3

10,627

44,414

0.23927

0.24573

–287

–10.5

457.4

10,309

11,519

---

10

1991

5

4th

4

13,640

44,414

0.30711

0.30084

278

–9.5

454.6

12,760

13,963

---

11

1992

6

1st

5

11,649

55,738

0.20900

0.21332

11,890

13,380

13,696

16,768

–241

–8.5

452.0

11,292

12,488

---

12

1992

6

2nd

6

13,028

55,738

0.23374

0.24006

–352

–7.5

449.8

12,785

13,976

---

13

1992

6

3rd

7

13,683

55,738

0.24549

0.24573

–13

–6.5

447.8

13,104

14,289

---

14

1992

6

4th

8

17,124

55,738

0.30722

0.30084

356

–5.5

446.0

16,178

17,359

---

15

1993

7

1st

9

13,920

67,897

0.20502

0.21332

14,484

16,299

16,684

20,426

–564

–4.5

444.6

13,895

15,072

---

16

1993

7

2nd

10

16,237

67,897

0.23914

0.24006

–62

–3.5

443.4

15,713

16,886

---

17

1993

7

3rd

11

16,827

67,897

0.24783

0.24573

143

–2.5

442.6

16,099

17,270

---

18

1993

7

4th

12

20,360

67,897

0.29987

0.30084

–66

–1.5

442.0

19,841

21,011

---

19

1994

8

1st

13

17,686

80,526

0.21963

0.21332

17,178

19,331

19,788

24,226

508

–0.5

441.7

16,593

17,762

---

20

1994

8

2nd

14

19,942

80,526

0.24765

0.24006

611

0.5

441.7

18,747

19,915

YES

21

1994

8

3rd

15

20,418

80,526

0.25356

0.24573

630

1.5

442.0

19,203

20,372

YES

22

1994

8

4th

16

24,448

80,526

0.30360

0.30084

222

2.5

442.6

23,640

24,811

---

23

1995

9

1st

17

20,440

93,259

0.21917

0.21332

19,894

22,388

22,917

28,056

546

3.5

443.4

19,307

20,481

---

24

1995

9

2nd

18

22,723

93,259

0.24365

0.24006

335

4.5

444.6

21,799

22,976

---

25

1995

9

3rd

19

22,913

93,259

0.24569

0.24573

–4

5.5

446.0

22,326

23,507

---

26

1995

9

4th

20

27,551

93,259

0.29542

0.30084

–505

6.5

447.8

27,464

28,649

---

27

1996

10

1st

21

22,772

105,731

0.21538

0.21332

22,555

25,382

25,981

31,809

217

7.5

449.8

21,960

23,150

---

28

1996

10

2nd

22

25,587

105,731

0.24200

0.24006

205

8.5

452.0

24,784

25,980

---

29

1996

10

3rd

23

25,644

105,731

0.24254

0.24573

–337

9.5

454.6

25,380

26,583

---

30

1996

10

4th

24

30,856

105,731

0.29183

0.30084

–953

10.5

457.4

31,203

32,414

YES

31

1997

11

1st

25

25,409

117,577

0.21611

0.21332

25,081

28,225

328

11.5

460.5

24,472

25,691

---

32

1997

11

2nd

26

28,386

117,577

0.24143

0.24006

161

12.5

463.8

27,612

28,839

---

33

1997

11

3rd

27

 

117,577

 

0.24573

28,892

35,372

 

13.5

467.4

28,274

29,511

 

34

1997

11

4th

28

 

117,577

 

0.30084

 

14.5

471.2

34,749

35,996

 

35

1998

12

1st

29

 

128,429

 

0.21332

27,397

30,831

31,559

38,637

 

15.5

475.3

26,768

28,025

 

36

1998

12

2nd

30

 

128,429

 

0.24006

 

16.5

479.6

30,196

31,465

 

37

1998

12

3rd

31

 

128,429

 

0.24573

 

17.5

484.2

30,918

32,199

 

38

1998

12

4th

32

 

128,429

 

0.30084

 

18.5

488.9

37,990

39,284

 

39

1999

13

1st

33

 

137,924

 

0.21332

29,422

33,110

33,892

41,493

 

19.5

493.9

28,768

30,075

 

40

1999

13

2nd

34

 

137,924

 

0.24006

 

20.5

499.0

32,449

33,770

 

41

1999

13

3rd

35

 

137,924

 

0.24573

 

21.5

504.4

33,225

34,559

 

42

1999

13

4th

36

 

137,924

 

0.30084

 

22.5

510.0

40,819

42,168

 

43

 

 

 

 

 

 

Average Error, $ million

24.573

 

Student’s t value

1.323

 

44

 

 

 

 

 

 

Sum of Squares of Errors

3,944,687

Sum of qrtrly fcsts for 1997

117,571

 

45

 

 

 

 

 

Model’s Standard Error of Estimate, $ million

433.41

 

 

1998

128,423

 

46

 

 

 

 

 

Model’s Coefficient of Correlation

0.997903

 

 

1999

137,917

 

47

 

 

 

 

Sum of Average Seasonal Ratios

0.99995

 

 

 

 

 

 

 

Chú thích:

G7: = E7/F7, copy to G8:G32          

J43: = AVERAGE(J7:J32)

H7: =AVERAGE(G7,G11,G15,G19,G23,G27,G31)

J44: =SUMSQ(J7:J32) H11: =H7, copy cho H12:H42

J45: =SQRT(J44/(26-5))

I7: =F7*H7, copy cho I8:I42

J46: =CORREL(E7:E32,I7:I32) J7: =E7-I7, copy cho J8:32       

H47:=SUM(H7:H10)

K7: =D7-AVERAGE($D$7:$D$32), copy to K8:K42     

N43:=TINV(0.2,26-5)

L7:=$J$45*SQRT(1+1/$D$32+K7^2/SUMSQ($K$7:$K$32)),

N44: =SUM(I31:I34) M7: =I7-$N$43*L7, copy cho M8:M42   

N45: =SUM(I35:I38) N7: =I7+$N$43*L7, copy cho N8:N42    

N46: =SUM(I39:I42)

O7: =IF(OR(E7<M7,E7>N7), “YES”,“---”), copy cho O8:O32

             Phát triển các sản phẩm mang tính mùa vụ là một trong những chiến lược công ty sử dụng để đối phó với những khó khăn của mùa vụ. Ví dụ, một nhà sản xuất thiết bị thể thao có thể sản xuất ván trượt tuyết cho các nhu cầu mùa đông để bù đắp sự sụt giảm trong nhu cầu mùa hè cho ván trượt nước. Một nhà sản xuất quần áo có thể thêm vào danh mục khi thời tiết lạnh như là một sản phẩm theo mùa như là đồ bơi. Các công ty cung cấp các dịch vụ tài chính có thể cung cấp quy hoạch bất động sản và các dịch vụ cùng với việc chuẩn bị các báo cáo tài chính hàng quý và tờ khai thuế thu nhập./.


Read more »



Jun
30
Thông báo ATTT của Ngân hàng điện tử 6.2017
Posted by Thang Le Toan on 30 June 2017 03:32 AM

Ngân hàng thông báo tình hình sử dụng dịch vụ trong thời gian qua.

Mới đây trên một số trang tin điện tử có đưa thông tin về việc bộ phận ATTT của một Công ty đang trong quá trình điều tra xử lý tại máy tính của nhân viên công ty (nghi ngờ bị lộ tài khoản quản trị website trực thuộc công ty) đã phát hiện trình duyệt Google Chrome trên máy tính này có cài đặt Extension (tiện ích mở rộng) mạo danh phần mềm hỗ trợ download file khá phổ biến là IDM (Internet Download Manager).

Theo thông tin đăng tải, nhóm hacker đã lấy cắp được thông tin của khoảng 55.000 tài khoản Facebook, 6.000 tài khoản Google, 5.000 tài khoản Yahoo, 5 triệu cookie các trang phổ biến Facebook, Gmail, Yahoo mail, Hotmail, Paypal, trong đó có cả thông tin của một số ngân hàng ở Việt nam.

Theo đánh giá của các chuyên gia, nguyên nhân được xác định không phải do hệ thống của các tổ chức hay của ngân hàng bị xâm nhập mà do hacker đã đính kèm mã độc vào extension IDM - Internet Download Manager được cài rất phổ biến tại Việt Nam, sử dụng được trên 2 trình duyệt hàng đầu Google Chrome và Cốc Cốc. Khi người dùng cài đặt các Extension này vào thiết bị của mình thì các thông tin trong đó có thông tin đăng nhập trên các trình duyệt mà người dùng đã thực hiện trên thiết bị được cài các Extension có gắn mã độc này sẽ được gửi về hệ thống máy chủ của hacker.

Để tránh bị lộ thông tin, một lần nữa, Ngân hàng khuyến cáo Quý khách hàng cần lưu ý thực hiện:

     -   Sử dụng các phần mềm có bản quyền trên các thiết bị giao dịch mạng, không cài đặt các tiện ích mở rộng không rõ nguồn gốc, thường xuyên cập nhật phần mềm chống virus, áp dụng các biện pháp tối đa để thiết bị giao dịch không bị theo dõi hoặc sao chép việc truy cập của khách hàng;

     -   Kiểm tra các extension trong trình duyệt máy tính, xóa các extension không cần thiết hoặc có dấu hiệu khả nghi;

     -   Tuân thủ các quy định và khuyến cáo mà Ngân hàng đã đưa ra để đảm bảo an toàn trong việc sử dụng các dịch vụ ngân hàng điện tử cũng như đảm bảo quyền lợi của Quý khách hàng.

Trong quá trình sử dụng dịch vụ, nếu gặp bất kỳ vướng mắc nào cần được tư vấn giải đáp, hoặc nghi ngờ bị lộ thông tin, Quý khách vui lòng liên hệ ngay tới Ngân hàng qua số điện thoại của Trung tâm dịch vụ khách hàng 24/7 để được hỗ trợ kịp thời.

Ngân hàng luôn cam kết và mong muốn mang lại sự đảm bảo an toàn trong dịch vụ Ngân hàng điện tử cho Quý khách hàng.


Read more »



Oct
11
Thành tỷ phú nhờ sản xuất mặt kính iPhone
Posted by Thang Le Toan on 11 October 2015 01:28 AM

Câu chuyện về nhà cung cấp mặt kính điện thoại lớn nhất cho Apple và Samsung.

Với mỗi chiếc điện thoại iPhone hoặc Samsung Galaxy được bán ra, Yeung Kin-man lại trở nên giàu hơn.

Theo hãng tin Bloomberg, Yeung là nhà sáng lập kiêm giám đốc điều hành công ty Biel Crystal Manufactory có trụ sở ở Hồng Kông, nhà cung cấp mặt kính điện thoại lớn nhất cho Apple và Samsung - hai hãng sản xuất điện thoại thông minh (smartphone) hàng đầu thế giới.

Theo số liệu của hãng tin Bloomberg, giá trị tài sản ròng của vị tỷ phú kín tiếng Yeung hiện đạt mức khoảng 7,2 tỷ USD.

“Trong lĩnh vực mặt kính điện thoại, Biel luôn đi đầu trên thị trường”, nhà phân tích Terry Yu thuộc công ty IHS Technology ở Thượng Hải nhận xét.

Để sản xuất mặt kính cho iPhone, Biel mua nguyên liệu từ các nhà sản xuất kính như Corning Inc., sau đó cắt và tạo thành phẩm. Doanh thu của Biel đạt 3,2 tỷ USD trong năm 2013 và tăng lên khoảng 4 tỷ USD trong năm 2014. 

Tỷ phú Yeung cùng vợ là bà Lam Wai Ying cùng nắm quyền sở hữu Biel, trong đó Yeung nắm 51% còn Ying nắm 49%. Tuy vậy, xếp hạng tỷ phú của Bloomberg tính toàn bộ số tài sản trong Biel thuộc về Yeung, khiến ông trở thành người giàu thứ 10 ở Hồng Kông.

Yeung nhảy vào lĩnh vực sản xuất cách đây 3 thập kỷ, ban đầu cung cấp mặt kính cho đồng hồ. Ông bắt đầu sản xuất mặt kính cho smartphone sau khi nhận thấy mặt nhựa của chiếc điện thoại mà ông sử dụng rất dễ bị trầy xước. Ông đã đề xuất với các nhà sản xuất smartphone sử dụng mặt kính thay cho mặt nhựa.

Yeung bắt đầu sản xuất mặt kính điện thoại vào năm 2003 sau khi nhận được đơn đặt hàng 1 triệu mặt kính cho chiếc điện thoại Razr của Motorola. Tổng cộng, Yeung đã sản xuất 100 triệu mặt kính cho hãng này. 

Tiếp đó, Biel nhận được hợp đồng từ Apple khi “quả táo” cung ra chiếc iPhone thế hệ đầu tiên vào năm 2007.

Hiện Biel có các nhà máy ở hai thành phố Thẩm Quyến và Huy Châu của Trung Quốc. Ngoài hai khách “sộp” là Apple và Samsung, Biel còn cung cấp cho nhiều hãng lớn khác như nhà sản xuất màn hình kỹ thuật số Hàn Quốc LG Display.

Thị trường mặt kính điện thoại hiện nay đang nằm dưới sự thống trị của Biel và Lens Technology Co.. Tuy vậy, theo giới phân tích, Lens vẫn còn cách Biel một khoảng cách xa, và trong thời gian trước mắt, khó có một đối thủ nào đủ sức cạnh tranh với hai công ty này.

Ông Way Kuo, Chủ tịch Đại học Hồng Kông, ước tính giá trị vốn hóa của Biel ở mức khoảng 14,2 tỷ USD. Mới đây, tỷ phú Yeung đã tài trợ số tiền 26 triệu USD cho trường này.

Trong khi đó, công ty Lens - đối thủ của Biel - đã niêm yết trên thị trường chứng khoán và có mức vốn hóa khoảng 6,4 tỷ USD. Công ty này nằm dưới sự kiểm soát của Zhou Qunfei, người phụ nữ giàu nhất Trung Quốc với khối tài sản ròng khoảng 5,6 tỷ USD.

Trong một bài trả lời phỏng vấn tờ Economic Journal, Yeung nói ông luôn nỗ lực sáng tạo để cải thiện chất lượng sản phẩm, tạo ra những vỏ kính điện thoại chống vân tay và chống xước.

“Chúng tôi luôn muốn tạo ra thứ gì đó mới mẻ. Chẳng hạn, vân tay thường lưu lại trên khắp mặt kính điện thoại. Đó là lý do vì sao chúng tôi tạo ra một công nghệ mới chống lưu vân tay. Để cải thiện khả năng chống xước, chúng tôi phát triển kính sapphire”, Yeung nói.

Với số lượng đặt hàng tăng, Biel dự kiến sẽ tăng diện tích sản xuất lên hơn 1,2 triệu mét vuông trong các nhà máy ở Trung Quốc, sử dụng hơn 100.000 công nhân.



Xem tiếp tại: http://nhipcaudautu.vn/cong-nghe/kham-pha/thanh-ty-phu-nho-san-xuat-mat-kinh-iphone-3287421/#ixzz3oDbt4C4X


Read more »




Help Desk Software by Kayako