Tài chính

Dự Báo Tồn Kho Bằng Excel Và AI Cho SME: Tránh Ứ Vốn Và Thiếu Hàng


Mục lục (20 mục)

Nhiều chủ SME hay hỏi tôi một câu: "Doanh thu tháng nào cũng tốt, sao tiền mặt lúc nào cũng thiếu?" Mở sổ ra xem, thủ phạm thường nằm ở một chỗ: hàng tồn kho.

Lấy ví dụ minh họa (số tròn, không phải số liệu của doanh nghiệp cụ thể): Công ty X nhập khoảng 500 triệu đồng hàng mỗi tháng. Sau hai quý, giá trị tồn kho tăng 40% trong khi doanh thu gần như đi ngang. Tức là một phần tiền đã "nằm" trên kệ và trong kho thay vì nằm trong tài khoản. Mà tiền nằm kho thì không trả được lương, không trả được nhà cung cấp.

Nguyên nhân thường gặp: nhập theo cảm tính ("tháng trước bán chạy thì tháng này nhập nhiều"), không phân biệt hàng bán đều và hàng bán theo mùa, hoặc sợ thiếu hàng nên nhập dư. Tin vui là bạn không cần phần mềm đắt tiền. Một file Excel làm cho đúng, thêm AI hỗ trợ phân tích, là đủ để dự báo tồn kho bằng Excel ở mức thực chiến cho SME.

Ba chỉ số cần theo dõi để biết kho "khỏe" hay "ốm"

1. Số ngày tồn kho (DIO)

DIO cho biết trung bình hàng nằm trong kho bao nhiêu ngày mới bán hết.

DIO = (Tồn kho bình quân ÷ Giá vốn hàng bán trong kỳ) × Số ngày trong kỳ

Ví dụ minh họa: tồn kho bình quân 600 triệu, giá vốn hàng bán cả quý 900 triệu, quý có 90 ngày.

DIO = (600 ÷ 900) × 90 = 60 ngày.

Cách đọc: hàng nằm kho trung bình 60 ngày. Con số này tốt hay xấu tùy ngành. Hàng thực phẩm tươi mà 60 ngày thì rất nguy hiểm, còn hàng khô, vật tư thì có thể chấp nhận được. Quan trọng nhất là xu hướng: DIO tháng này so với tháng trước, quý này so với quý trước.

2. Vòng quay hàng tồn kho

Vòng quay hàng tồn kho = Giá vốn hàng bán ÷ Tồn kho bình quân

Với số liệu trên: 900 ÷ 600 = 1,5 vòng/quý. Vòng quay càng cao nghĩa là vốn quay càng nhanh. DIO và vòng quay thực chất là hai cách nhìn của cùng một vấn đề: một cái đo bằng ngày, một cái đo bằng số vòng.

3. Tỷ lệ hàng chậm luân chuyển

Đây là chỉ số mà nhiều SME bỏ qua, nhưng lại hữu ích nhất để "bắt bệnh" sớm.

Tỷ lệ hàng chậm luân chuyển = Giá trị tồn kho của mã hàng không phát sinh bán
trong X ngày ÷ Tổng giá trị tồn kho

X do bạn tự đặt (ví dụ 60 hoặc 90 ngày, tùy đặc thù ngành). Ví dụ minh họa: tồn kho 600 triệu, trong đó 120 triệu là các mã không bán được trong 90 ngày qua → tỷ lệ = 20%. Nghĩa là cứ 5 đồng nằm kho thì có 1 đồng đang "ngủ".

Lưu ý: ba chỉ số này dùng giá trị kế toán nên cần số liệu nhập – xuất – tồn khớp với sổ sách. Nếu kho và kế toán đang lệch nhau, hãy đối chiếu trước rồi hẵng phân tích.

Dự báo nhu cầu bằng Excel: đơn giản nhưng đủ dùng

Bạn không cần mô hình phức tạp. Với SME, hai kỹ thuật sau là đủ cho giai đoạn đầu.

Bảng dữ liệu mẫu 12 tháng

Dữ liệu minh họa cho một mã hàng của Công ty X (đơn vị: cái):

ThángSố lượng bán
T1900
T2700
T31.000
T41.100
T51.200
T61.000
T7900
T81.000
T91.200
T101.400
T111.600
T121.800

Tổng cả năm = 13.800, trung bình = 1.150 cái/tháng.

Kỹ thuật 1: Trung bình trượt 3 tháng

Dự báo tháng tiếp theo bằng trung bình của 3 tháng gần nhất. Giả sử số liệu nằm ở cột B, dòng 2–13, công thức cho dự báo tháng 13:

=AVERAGE(B11:B13)

Với số liệu trên: (1.400 + 1.600 + 1.800) ÷ 3 = 1.600 cái.

Ưu điểm: dễ làm, làm mượt các biến động ngẫu nhiên. Nhược điểm: phản ứng chậm với xu hướng và bỏ qua mùa vụ. Ở ví dụ này, tháng 10–12 tăng mạnh vì cuối năm, nên trung bình trượt dễ dự báo thiếu nếu tháng 1 năm sau thực sự giảm hoặc tăng đột biến theo Tết.

Kỹ thuật 2: Hệ số mùa vụ đơn giản

Ý tưởng: so sánh từng tháng với mức trung bình cả năm để biết tháng nào "cao mùa", tháng nào "thấp mùa".

Hệ số mùa vụ tháng t = Số lượng bán tháng t ÷ Trung bình tháng của cả năm

Ví dụ: tháng 12 bán 1.800, trung bình 1.150 → hệ số = 1.800 ÷ 1.150 ≈ 1,57. Tháng 2 bán 700 → hệ số ≈ 0,61.

Dự báo năm sau: lấy mức nhu cầu trung bình dự kiến (ví dụ bạn kỳ vọng 1.250 cái/tháng) nhân với hệ số mùa vụ của tháng đó. Tháng 12 năm sau: 1.250 × 1,57 ≈ 1.960 cái.

Lưu ý quan trọng: một năm dữ liệu chưa đủ để kết luận mùa vụ. Nếu có 2–3 năm, hãy lấy trung bình hệ số mùa vụ của các năm. Và nếu năm vừa rồi có sự kiện bất thường (khuyến mãi lớn, đứt hàng, dịch bệnh), hãy ghi chú hoặc hiệu chỉnh trước khi dùng.

Mức tồn an toàn và điểm đặt hàng lại

Dự báo nhu cầu xong, câu hỏi tiếp theo là: khi nào thì đặt hàng, và đặt bao nhiêu?

Điểm đặt hàng lại (Reorder Point)

Điểm đặt hàng lại = Nhu cầu bình quân/ngày × Thời gian giao hàng (ngày) + Tồn an toàn

Ví dụ minh họa: nhu cầu 100 đơn vị/ngày, nhà cung cấp giao trong 5 ngày, tồn an toàn 50 đơn vị.

Điểm đặt hàng lại = 100 × 5 + 50 = 550 đơn vị.

Cách dùng: khi tồn kho chạm 550 đơn vị thì phát lệnh đặt hàng. Trong 5 ngày chờ hàng về, bạn bán khoảng 500 đơn vị, vẫn còn 50 đơn vị "đệm" phòng khi bán nhanh hơn dự kiến hoặc giao trễ.

Trong Excel, bạn có thể làm một cột cảnh báo:

=IF(C2<=D2,"ĐẶT HÀNG","Đủ hàng")

(C2 là tồn hiện tại, D2 là điểm đặt hàng lại.)

Tồn an toàn lấy ở đâu ra?

Cách đơn giản nhất: tồn an toàn = (nhu cầu ngày cao nhất − nhu cầu ngày bình quân) × thời gian giao hàng. Ví dụ ngày bán cao nhất là 110, bình quân 100, giao 5 ngày → (110 − 100) × 5 = 50. Đúng bằng con số 50 ở trên.

Tồn an toàn là bài toán đánh đổi: đặt cao thì ít thiếu hàng nhưng tốn vốn, đặt thấp thì tiết kiệm vốn nhưng rủi ro mất doanh thu. Với hàng có hạn sử dụng ngắn hoặc dễ lỗi thời, nên để thấp và nhập thường xuyên hơn. Đây là quyết định của chủ doanh nghiệp, không phải của công thức.

Dùng AI để phân tích nhanh hơn

AI không thay Excel, nhưng giúp bạn đọc dữ liệu nhanh hơn và gợi ý hướng xử lý. Dưới đây là prompt mẫu, bạn dán kèm bảng dữ liệu đã ẩn danh.

Prompt 1: Phân tích xu hướng bán hàng

Bạn là chuyên gia phân tích chuỗi cung ứng cho doanh nghiệp nhỏ.
Dưới đây là số lượng bán theo tháng của 12 tháng gần nhất cho mã hàng A:
[dán bảng dữ liệu]

Hãy:
1. Nhận xét xu hướng chung và tính mùa vụ (nếu có).
2. Tính trung bình trượt 3 tháng và nêu dự báo tháng tiếp theo.
3. Chỉ ra các tháng bất thường và các lý do có thể cần tôi kiểm tra.
4. Nêu rõ những giả định bạn đã dùng và các hạn chế của dự báo.

Prompt 2: Phát hiện sản phẩm chậm luân chuyển

Dưới đây là bảng tồn kho gồm: mã hàng, giá trị tồn, số ngày kể từ lần bán gần nhất,
số lượng bán trung bình/tháng 3 tháng gần nhất:
[dán bảng dữ liệu]

Hãy:
1. Liệt kê các mã có nguy cơ chậm luân chuyển (không bán trên 60 ngày hoặc
   tồn kho đủ bán trên 120 ngày).
2. Tính tỷ lệ giá trị hàng chậm luân chuyển trên tổng tồn kho.
3. Gợi ý 3 hướng xử lý cho nhóm hàng này (khuyến mãi, trả NCC, ngừng nhập...)
   kèm ưu – nhược điểm.

Prompt 3: Đề xuất kịch bản đặt hàng

Mã hàng B: nhu cầu dự báo 100 đơn vị/ngày, thời gian giao 5 ngày,
tồn an toàn 50, giá nhập 200.000đ/đơn vị, tồn hiện tại 800.

Hãy đưa ra 3 kịch bản đặt hàng (thận trọng – cơ sở – tăng trưởng),
mỗi kịch bản nêu: số lượng đặt, thời điểm đặt, vốn cần bỏ ra,
và rủi ro chính. Trình bày dạng bảng.

Lưu ý khi dùng AI

  • Kiểm chứng số liệu: AI có thể tính sai hoặc "tự tin" nói sai. Hãy tính lại các con số quan trọng bằng Excel trước khi ra quyết định.
  • Bảo mật dữ liệu: ẩn tên khách hàng, tên nhà cung cấp, giá nhập thật nếu không cần thiết; dùng mã hàng thay cho tên. Kiểm tra chính sách dữ liệu của công cụ AI bạn đang dùng.
  • AI không biết bối cảnh của bạn: chương trình khuyến mãi sắp tới, thay đổi nhà cung cấp, đối thủ giảm giá... là những thứ bạn phải bổ sung vào.

Liên kết tồn kho với dòng tiền

Đây là bước nhiều SME bỏ qua: dự báo tồn kho xong nhưng không đưa vào kế hoạch thu – chi, nên đến khi hàng về mới thấy tiền không đủ.

Ví dụ minh họa: Công ty X dự kiến nhập thêm lô hàng 300 triệu vào đầu tháng, điều khoản trả nhà cung cấp là 30 ngày.

Khoản mục (triệu đồng)Tháng 1Tháng 2Tháng 3
Tiền đầu kỳ20015080
Thu từ bán hàng400420450
Chi trả nhà cung cấp (nhập tháng trước)(300)(300)(350)
Chi lương, thuê, chi phí khác(150)(150)(150)
Tiền cuối kỳ15012030

Con số trên chỉ để minh họa cách lập bảng. Điều cần rút ra: nếu tháng 3 bạn nhập thêm vì "sợ thiếu hàng" mà không tính tác động, tiền cuối kỳ có thể âm. Quy trình nên làm:

  1. Từ điểm đặt hàng lại, xác định lịch nhập hàng dự kiến từng tháng.
  2. Nhân số lượng với giá nhập để ra giá trị phải trả, rồi xếp vào tháng thanh toán theo điều khoản nợ.
  3. Đưa vào bảng dòng tiền cùng với khoản thu dự kiến từ dự báo bán hàng.
  4. Nếu tiền cuối kỳ xuống dưới mức tối thiểu bạn đặt ra, hãy cân nhắc: chia nhỏ lô nhập, đàm phán kéo dài điều khoản trả, hoặc giảm tồn an toàn ở nhóm hàng ít quan trọng.

Làm vậy, tồn kho không còn là con số trên kho mà là số tiền cụ thể sẽ ra khỏi tài khoản vào ngày nào.

Câu hỏi thường gặp

Cửa hàng mới, chưa có đủ 12 tháng dữ liệu thì làm sao? Bắt đầu với trung bình trượt từ vài tuần dữ liệu đầu tiên, nhập hàng vừa phải và theo dõi sát. Chưa nên áp dụng hệ số mùa vụ khi chưa có ít nhất một chu kỳ đầy đủ.

Nên dự báo theo tháng hay theo tuần? Hàng bán nhanh, hạn dùng ngắn (thực phẩm, bán lẻ) nên theo tuần. Hàng bán chậm, nhập theo lô lớn thì theo tháng là đủ.

Có cần dự báo cho tất cả mã hàng không? Không. Hãy ưu tiên nhóm chiếm phần lớn giá trị tồn kho hoặc doanh thu (phân loại ABC), các mã còn lại quản lý theo quy tắc đơn giản.

AI có thể thay thế phần mềm quản lý kho không? Không. AI hỗ trợ phân tích và gợi ý, còn dữ liệu nhập – xuất – tồn chính xác vẫn cần được ghi nhận đều đặn ở một hệ thống đáng tin cậy.

Số liệu kho lệch với sổ kế toán thì phân tích có đáng tin không? Chưa. Hãy kiểm kê và đối chiếu trước. Phân tích đẹp trên dữ liệu sai chỉ dẫn đến quyết định sai.

Checklist 5 bước rà soát tồn kho hàng tháng

  1. Đối chiếu số liệu: tồn kho thực tế, sổ kho và sổ kế toán có khớp không?
  2. Tính 3 chỉ số: DIO, vòng quay, tỷ lệ hàng chậm luân chuyển; so với tháng trước.
  3. Cập nhật dự báo: thêm số bán tháng vừa qua, tính lại trung bình trượt và hệ số mùa vụ.
  4. Kiểm tra điểm đặt hàng lại: mã nào chạm ngưỡng, mã nào dư quá nhiều?
  5. Đưa vào dòng tiền: lịch nhập hàng và thanh toán tháng tới có làm tiền mặt xuống dưới mức an toàn không?

Kết luận

Quản lý tồn kho không phải là chuyện "nhập nhiều cho chắc" hay "nhập ít cho an toàn", mà là cân bằng giữa không mất doanh thu vì thiếu hàng và không chôn vốn vì dư hàng. Một file Excel có đủ ba chỉ số, một mô hình dự báo đơn giản, công thức điểm đặt hàng lại và bảng dòng tiền đã giúp bạn đi được 80% chặng đường. AI giúp bạn đi nhanh hơn, nhưng người ra quyết định cuối cùng vẫn là bạn: AI không biết khách hàng của bạn, không biết quan hệ với nhà cung cấp, và không chịu trách nhiệm khi quyết định sai.

Nếu bạn muốn học cách xây file dự báo tồn kho hoàn chỉnh, hoặc ứng dụng AI vào kế toán – tài chính cho doanh nghiệp nhỏ theo hướng thực chiến, hãy tìm hiểu các khóa học và công cụ trên ecostartupai.com.

Lưu ý: các ví dụ và số liệu trong bài chỉ mang tính minh họa. Hãy điều chỉnh theo đặc thù ngành, chính sách kế toán và tình hình thực tế của doanh nghiệp bạn.

Bài viết liên quan

Ngân Sách Tiền Mặt Hằng Tháng Bằng Excel Và AI Cho SME
Tài chính19/11/2026

Ngân Sách Tiền Mặt Hằng Tháng Bằng Excel Và AI Cho SME

Hướng dẫn lập ngân sách tiền mặt hằng tháng bằng Excel và AI cho SME, phân loại chi phí, đặt quỹ dự phòng và prompt mẫu dùng ngay.

Báo Cáo Dòng Tiền Tuần Bằng Excel Và AI: Mẫu Cảnh Báo Ngưỡng Tiền Tối Thiểu
Tài chính18/11/2026

Báo Cáo Dòng Tiền Tuần Bằng Excel Và AI: Mẫu Cảnh Báo Ngưỡng Tiền Tối Thiểu

Hướng dẫn lập báo cáo dòng tiền tuần bằng Excel, đặt ngưỡng tiền tối thiểu và dùng AI viết cảnh báo sớm cho chủ doanh nghiệp nhỏ.

Lập Kế Hoạch Thu Tiền Thực Tế Bằng Excel Và AI Cho SME
Tài chính16/11/2026

Lập Kế Hoạch Thu Tiền Thực Tế Bằng Excel Và AI Cho SME

Lập kế hoạch thu tiền thực tế bằng Excel và AI giúp SME dự báo đúng tiền về, tránh hụt tiền mặt khi khách hàng trả chậm.