Bài toán Nghiệp vụ & Hệ thống Cấp gộp Vận hành

Đặc tả 3 cấp hạt vận hành cốt lõi (Kho con, Hệ thống Chuỗi, Cửa hàng), hệ thống 16 cấp gộp linh hoạt và công thức phân rã nghiệp vụ Base × (1 + ΣK).

1.0 (Draft) ✓ Đã chốt giải pháp & mô hình dự báo

Ba Cấp Hạt Vận hành Cốt lõi (3 Core Operational Grains)

Để một module dự báo phục vụ đồng thời nhiều bộ phận nghiệp vụ mà không xảy ra tình trạng “mỗi phòng ban dùng một con số khác nhau”, hệ thống xuất bản kết quả chính thức trên 3 cấp hạt vận hành cốt lõi (tương ứng với 3 tệp Parquet đầu ra và 3 Tab trên báo cáo Excel tổng hợp):

Cấp Hạt Báo Cáo	Chiều Phân Tích Chính	Quy Mô Chuỗi / Cặp	Bộ Phận Sử Dụng & Mục Đích Vận Hành
Sản phẩm × Kho con (Subinventory)	Kho chính, Kho con (Subinventory) và Mã sản phẩm	7.340 chuỗi (75 Kho con thuộc 35 Kho chính)	Supply Chain & Quản lý Kho vận: Lập kế hoạch tồn kho, điều chuyển hàng hóa giữa các kho vật lý (Lineage, Cần Thơ, Đà Nẵng, Lương Sơn…) và kho giao hộ / ký gửi nhà phân phối.
Sản phẩm × Hệ thống Chuỗi (Chain)	Hệ thống chuỗi siêu thị và Mã sản phẩm	2.668 chuỗi (45 chuỗi MT/KA + Kênh ngoài chuỗi)	Trade Marketing & Kinh doanh MT/KA: Lập kế hoạch bán hàng theo từng hệ thống siêu thị/chuỗi tiện lợi (Bách Hóa Xanh, Circle K, GS25, WinMart, Vinpearl…) và kênh lẻ, gắn trực tiếp với lịch khuyến mãi Trade Promotion.
Sản phẩm × Cửa hàng (Store)	Điểm bán lẻ và Mã sản phẩm	244.783 – 273.115 cặp (~20.000 điểm bán)	Điều phối Đơn hàng & Đội ngũ Sales: Phân bổ hạn mức gợi ý đặt hàng (Suggested Order) xuống từng cửa hàng / điểm bán lẻ.

Cam kết Đồng bộ Cấp hạt (Zero-Discrepancy Roll-up): Nhờ cơ chế Đồng bộ Phân cấp Stein neo về tổng chuẩn của 473 mã sản phẩm gốc, tổng sản lượng cộng dồn từ dòng chi tiết lên dòng TỔNG CỘNG giữa cả 3 cấp hạt trên luôn hội tụ khớp nhau tuyệt đối (độ lệch giữa 3 Tab báo cáo dưới 0,003%).

Hệ thống 16 Cấp gộp Đa chiều (16 Multi-Dimensional Grains)

Bên cạnh 3 cấp hạt xuất báo cáo cốt lõi, động cơ dự báo hỗ trợ truy vấn và chẻ nhỏ tức thì trên 16 cấp gộp vận hành từ chi tiết nhất đến tổng hợp nhất:

Tên Cấp gộp Nghiệp vụ	Ý nghĩa & Phạm vi Quản trị	Số nhóm điển hình	Nhóm Mô hình Tối ưu Mặc định
Cặp Cửa hàng × Mã hàng	Chi tiết từng mặt hàng tại từng điểm bán	~292.154	Chronos-2 Đa biến + Phân bổ Empirical-Bayes
Cửa hàng (Store)	Tổng sản lượng theo từng điểm bán	~11.459 – 20.012	Chronos-2 Đa biến + Đồng bộ Stein
Mã hàng × Kho con (SKU × Subinventory)	Chi tiết mặt hàng tại từng kho thương mại / ký gửi	~7.340 – 13.800	Chronos-2 Đa biến + 28 Biến Ngoại sinh
Mã hàng × Kho chính (SKU × Warehouse)	Chi tiết mặt hàng tại từng kho vật lý	~3.968 – 4.400	Chronos-Bolt / LightGBM Empirical-Bayes
Mã hàng × Hệ thống chuỗi (SKU × Chain)	Chi tiết mặt hàng tại từng chuỗi siêu thị MT/KA	~2.668 – 3.300	Chronos-2 Đa biến + 28 Biến Ngoại sinh
Mã hàng toàn công ty (SKU)	Mỏ neo sản lượng toàn quốc của từng sản phẩm	465 – 473	Chronos-2 Đa biến + Siêu Mỏ Neo 8 Chiều
Thương hiệu (Brand)	Tổng hợp theo nhãn hàng (Cornetto, Merino, Celano…)	84 – 88	Chronos-Bolt Đa phân vị
Kho con (Subinventory)	Tổng sản lượng xuất theo từng kho con	71 – 75	Chronos-2 Đa biến + Đồng bộ Stein
Hệ thống chuỗi (Chain)	Tổng sản lượng theo từng hệ thống siêu thị	41 – 46	Chronos-2 Đa biến + Đồng bộ Stein
Nhà cung cấp (Supplier)	Tổng hợp theo nhà sản xuất (Unilever, Binggrae…)	33 – 36	Chronos-Bolt Đa phân vị
Kho phục vụ (Warehouse)	Tổng sản lượng theo 35 kho chính	27 – 35	Chronos-Bolt Đa phân vị
Kênh bán hàng cấp 2	Chi tiết kênh phụ (Siêu thị, Cửa hàng tiện lợi, Tạp hóa…)	26 – 32	CatBoost MAE + Empirical-Bayes
Khu vực địa lý cấp 3	Tổng hợp theo khu vực kinh doanh	11 – 12	Chronos-Bolt Đa phân vị
Vùng miền địa lý cấp 2	Tổng hợp theo Miền Bắc, Miền Trung, Miền Nam, TP.HCM…	4 – 5	Chronos-Bolt Đa phân vị
Kênh bán hàng cấp 1	Tổng hợp theo MT, GT, Horeca, Bán sỉ…	4 – 8	Chronos-Bolt Đa phân vị
Toàn công ty (Total Channel)	Tổng sản lượng toàn hệ thống Đại Thuận	1	Mùa vụ Empirical-Bayes / Chronos-2

Công thức Giải trình Nghiệp vụ & Phân rã 6 Hệ số $$K$$

Để phục vụ hội đồng S&OP thẩm định và điều chỉnh số dự báo trên giao diện vận hành, mọi con số dự báo từ mô hình AI đều được quy chiếu về đẳng thức giải trình chuẩn:

\text{Dự báo} = \text{Base} \times \left(1 + \sum_{j=1}^{6} K_j\right)

Trong đó:

$\text{Base}$ (Mức nền kỳ liền kề): Sản lượng thực tế của kỳ liền kề trước đó (đã hiệu chỉnh những ngày đứt hàng tồn kho). Với tầm dự báo xa hơn (M+2, M+3), mức nền được lấy nối tiếp từ dự báo của kỳ liền trước.
Bộ 6 hệ số thành phần ( $\sum_{j=1}^{6} K_j$ ): Biểu diễn mức thay đổi phần trăm (%) so với mức nền, được phân rã chính xác thành 6 nhóm nguyên nhân kinh doanh:
1. $K_{\text{Mùa vụ}}$ : Tác động của chu kỳ mùa vụ trong năm và số ngày giao dịch hiệu dụng trong tháng.
2. $K_{\text{Thời tiết}}$ : Tác động của nhiệt độ tối đa trung bình và số ngày mưa tại địa bàn cửa hàng.
3. $K_{\text{Sự kiện}}$ : Tác động của các kỳ nghỉ lễ Quốc gia và Tết Âm lịch.
4. $K_{\text{Chương trình}}$ : Tác động của chính sách chiết khấu, hàng tặng kèm (FOC) và lịch Chương trình Khuyến mãi (CTKM Trade Promotion).
5. $K_{\text{Thị trường}}$ : Tác động mở rộng độ phủ điểm bán, biến động sức mua thị trường và hiệu chỉnh mức nền.
6. $K_{\text{Khác}}$ : Các yếu tố vận hành nội bộ khác (tần suất viếng thăm của nhân viên Sales, độ phủ tủ đông trưng bày…).

Quy tắc Bảo toàn Tổng khi Người dùng Điều chỉnh Hệ số

Khi người dùng nghiệp vụ điều chỉnh bất kỳ hệ số $$K_j$$ nào ở cấp tổng trên màn hình dự báo, hệ thống tự động phân bổ tỷ lệ điều chỉnh xuống toàn bộ các nhóm cấp dưới theo quy tắc bảo toàn tổng:

\text{Dự báo cuối}(\text{nhóm}) = \text{Dự báo mô hình}(\text{nhóm}) \times \frac{\text{Tổng dự báo cuối}}{\text{Tổng dự báo mô hình}}

Nhờ đó, tổng sản lượng của mọi cửa hàng, kho con hay hệ thống chuỗi bên dưới luôn cộng lại khớp 100% với con số đã phê duyệt ở cấp trên.