FP&A, hay Financial Planning & Analysis (Lập kế hoạch và Phân tích Tài chính), là một quy trình quan trọng trong quản lý tài chính doanh nghiệp, giúp các tổ chức xây dựng chiến lược tài chính dài hạn và đưa ra quyết định dựa trên dữ liệu. FP&A không chỉ tập trung vào việc lập ngân sách và dự báo tài chính mà còn phân tích hiệu suất, xác định các chênh lệch giữa kế hoạch và thực tế, đồng thời hỗ trợ các nhà lãnh đạo điều chỉnh chiến lược để đạt được mục tiêu kinh doanh. Trong bối cảnh cạnh tranh khốc liệt và thị trường biến động, FP&A đóng vai trò như một “kim chỉ nam”, cung cấp cái nhìn sâu sắc về dòng tiền, lợi nhuận, và các yếu tố ảnh hưởng đến hiệu quả vận hành, từ đó giúp doanh nghiệp tối ưu hóa nguồn lực và định hướng phát triển bền vững.

1. Business Strategy (Chiến lược kinh doanh)

• Ý nghĩa: Điểm xuất phát, xác định tầm nhìn, sứ mệnh và mục tiêu dài hạn của doanh nghiệp.
• Ví dụ: Đặt mục tiêu tăng trưởng doanh thu 20

2. Strategic and Operational Objectives (Mục tiêu chiến lược và vận hành)

• Ý nghĩa: Chuyển đổi chiến lược thành các mục tiêu cụ thể, đo lường được.
• Ví dụ: Mục tiêu vận hành: Tăng thị phần lên 15

3. How to Set KPIs (Cách đặt KPIs)

• Ý nghĩa: Thiết lập các Chỉ số Hiệu suất Chính (KPIs) để đo lường tiến độ đạt được mục tiêu. KPIs cần cụ thể, đo lường được, khả thi, liên quan và có thời hạn (SMART). Trong ngành bán lẻ, KPIs không chỉ tập trung vào tài chính mà còn liên quan đến vận hành, tồn kho, trải nghiệm khách hàng, và hiệu quả bán hàng.
• Chi tiết từ tài liệu (Page 7 – Budget Bottom-up): Tài liệu nhấn mạnh việc giao tiếp các KPIs tài chính và tầm quan trọng của chúng với các trưởng bộ phận trong quá trình lập ngân sách bottom-up.

Các KPIs quan trọng trong ngành bán lẻ:

• Tỷ lệ vòng quay hàng tồn kho (Inventory Turnover Rate):
  • Mô tả: Đo lường số lần hàng tồn kho được bán và thay thế trong một khoảng thời gian (thường là 1 năm).
  • Công thức: $$\text{Inventory Turnover Rate} = \frac{\text{COGS}}{\text{Average Inventory}}$$
  • Ví dụ: Một siêu thị có COGS trong năm là 120 tỷ đồng, giá trị trung bình hàng tồn kho là 20 tỷ đồng. Tỷ lệ vòng quay hàng tồn kho = 120 / 20 = 6 lần/năm. Điều này có nghĩa là siêu thị bán hết và thay thế hàng tồn kho 6 lần trong năm.
  • Ý nghĩa: Tỷ lệ cao cho thấy hàng hóa bán nhanh, giảm chi phí lưu kho.
• Số ngày tồn kho trung bình (Days on Hand – DOH):
  • Mô tả: Đo lường số ngày trung bình để bán hết hàng tồn kho hiện có.
  • Công thức: $$\text{Days on Hand} = \frac{365}{\text{Inventory Turnover Rate}}$$
  • Ví dụ: Với tỷ lệ vòng quay hàng tồn kho là 6 lần/năm, số ngày tồn kho trung bình = 365 / 6 ≈ 61 ngày. Điều này có nghĩa là siêu thị cần khoảng 61 ngày để bán hết toàn bộ hàng tồn kho hiện có.
  • Ý nghĩa: Số ngày thấp cho thấy hàng hóa luân chuyển nhanh, phù hợp với bán lẻ thực phẩm.
• Tỷ lệ chuyển đổi (Conversion Rate):
  • Mô tả: Đo lường tỷ lệ khách hàng ghé thăm cửa hàng (hoặc website) và thực hiện mua hàng.
  • Công thức: $$\text{Conversion Rate} = \left(\frac{\text{Number of Transactions}}{\text{Number of Visitors}}\right) \times 100%$$
  • Ví dụ: Một cửa hàng thời trang có 1.000 khách ghé thăm trong một ngày, và trong đó 200 người mua hàng. Tỷ lệ chuyển đổi = (200 / 1.000) × 100
  • Ý nghĩa: Tỷ lệ cao cho thấy hiệu quả bán hàng tốt.
• Doanh thu trên mỗi mét vuông (Sales per Square Foot):
  • Mô tả: Đo lường doanh thu tạo ra trên mỗi mét vuông diện tích bán hàng.
  • Công thức: $$\text{Sales per Square Foot} = \frac{\text{Total Sales}}{\text{Selling Area (m}^2\text{)}}$$
  • Ví dụ: Một cửa hàng bán lẻ có tổng doanh thu hàng tháng là 500 triệu đồng, với diện tích bán hàng là 100 mét vuông. Doanh thu trên mỗi mét vuông = 500 / 100 = 5 triệu đồng/mét vuông. Nếu mục tiêu là 6 triệu, họ cần tối ưu hóa cách sắp xếp sản phẩm.
  • Ý nghĩa: Giúp doanh nghiệp bán lẻ tối ưu hóa không gian.
• Tỷ lệ khách hàng quay lại (Customer Retention Rate):
  • Mô tả: Đo lường tỷ lệ khách hàng quay lại mua sắm trong một khoảng thời gian nhất định.
  • Công thức: $$\text{Customer Retention Rate} = \left(\frac{\text{Returning Customers}}{\text{Initial Customers}}\right) \times 100%$$
  • Ví dụ: Một chuỗi cửa hàng tiện lợi có 1.000 khách hàng mua sắm trong tháng 1, và trong số đó, 700 khách quay lại trong tháng 2. Tỷ lệ khách hàng quay lại = (700 / 1.000) × 100
  • Ý nghĩa: Tỷ lệ cao cho thấy khách hàng trung thành.
• Giá trị trung bình mỗi giao dịch (Average Transaction Value – ATV):
  • Mô tả: Đo lường số tiền trung bình mà một khách hàng chi tiêu trong mỗi lần mua sắm.
  • Công thức: $$\text{Average Transaction Value} = \frac{\text{Total Sales}}{\text{Number of Transactions}}$$
  • Ví dụ: Một cửa hàng thời trang có tổng doanh thu trong ngày là 300 triệu đồng, với 1.000 giao dịch. Giá trị trung bình mỗi giao dịch = 300 / 1.000 = 300.000 đồng. Nếu mục tiêu là 350.000 đồng, cửa hàng có thể áp dụng chiến lược bán chéo.
  • Ý nghĩa: Giá trị cao cho thấy khách hàng chi tiêu nhiều hơn mỗi lần mua.

Ví dụ tổng hợp: Một chuỗi cửa hàng tiện lợi ở Việt Nam đặt mục tiêu tăng doanh thu 15

4. Data Management (Quản lý dữ liệu)

• Ý nghĩa: Thu thập, tổ chức dữ liệu từ hệ thống ERP.
• Chi tiết từ tài liệu:
  • Chuẩn hóa hệ thống tài khoản.
  • Tự động hóa kết nối ERP với mô hình.
  • Sử dụng Power Query hoặc hàm Excel nâng cao.
• Ví dụ: Xử lý dữ liệu doanh thu, chi phí bằng Power Query.

5. How to Set a Model (Cách thiết lập mô hình)

• Ý nghĩa: Xây dựng mô hình tài chính để hỗ trợ dự báo, lập ngân sách và phân tích. Trong ngành bán lẻ, mô hình tài chính cần phản ánh các yếu tố đặc thù như tính mùa vụ, chi phí vận hành, giá vốn hàng bán (COGS), và các yếu tố ảnh hưởng đến doanh thu (ví dụ: khuyến mãi, lưu lượng khách). Mô hình này thường được xây dựng trên Excel hoặc các phần mềm EPM, tích hợp dữ liệu từ các KPIs đã thiết lập ở bước trước (như Inventory Turnover Rate, Sales per Square Foot, v.v.) để đưa ra các kịch bản tài chính.
• Chi tiết từ tài liệu: Tài liệu nhấn mạnh rằng mô hình tài chính là một phần quan trọng của hệ thống FP&A, được xây dựng trên Excel, và cần dựa trên dữ liệu từ bước quản lý dữ liệu (Data Management) cũng như các KPIs đã xác định.

Các bước thiết lập mô hình tài chính trong ngành bán lẻ:

• Thu thập và tổ chức dữ liệu đầu vào:
  • Dữ liệu lịch sử: Doanh thu, chi phí, giá vốn hàng bán (COGS), tồn kho, lưu lượng khách, số lượng giao dịch.
  • KPIs: Các chỉ số như Inventory Turnover Rate, Sales per Square Foot, Average Transaction Value (ATV), v.v.
  • Các yếu tố bên ngoài: Tính mùa vụ (ví dụ: doanh thu tăng vào dịp Tết), chi phí thuê mặt bằng, chi phí marketing, xu hướng thị trường (ví dụ: tăng mua sắm trực tuyến).
• Xác định các giả định (Assumptions):
  • Tỷ lệ tăng trưởng doanh thu: Dựa trên dữ liệu lịch sử và xu hướng thị trường (ví dụ: tăng 15
  • Chi phí: Tăng chi phí thuê mặt bằng 5
  • Tính mùa vụ: Doanh thu tăng 25
  • Tỷ lệ chuyển đổi và ATV: Dựa trên KPIs đã đặt, giả định Conversion Rate tăng từ 20
• Xây dựng mô hình trên Excel hoặc công cụ EPM:
  • Cấu trúc mô hình:
    • Sheet 1 – Inputs: Dữ liệu lịch sử, giả định, và KPIs.
    • Sheet 2 – Calculations: Tính toán doanh thu, chi phí, lợi nhuận dựa trên dữ liệu và giả định.
    • Sheet 3 – Outputs: Dự báo doanh thu, chi phí, lợi nhuận theo tháng/quý; các kịch bản khác nhau (tăng trưởng 10
  • Công thức chính:
  • Doanh thu: $$\text{Sales} = \left(\text{Number of Visitors} \times \text{Conversion Rate} \times \text{ATV}\right) + \text{Online Sales}$$
  • COGS: Tính dựa trên Inventory Turnover Rate và dữ liệu tồn kho, ví dụ COGS = 60
  • Lợi nhuận: $$\text{Profit} = \text{Sales} – \text{COGS} – \text{Operating Costs}$$
• Chạy các kịch bản (What-if Scenarios):
  • Kịch bản lạc quan: Doanh thu tăng 20
  • Kịch bản trung bình: Doanh thu tăng 15
  • Kịch bản bi quan: Doanh thu tăng 10
  • Sử dụng các công cụ như Data Table hoặc Scenario Manager trong Excel để chạy các kịch bản này.
• Phân tích và điều chỉnh:
  • So sánh kết quả từ các kịch bản với mục tiêu kinh doanh (ví dụ: tăng trưởng doanh thu 15
  • Điều chỉnh giả định nếu cần (ví dụ: tăng ATV bằng cách áp dụng bán chéo, giảm chi phí bằng cách tối ưu hóa tồn kho).

Ví dụ cụ thể trong ngành bán lẻ:
Một chuỗi cửa hàng tiện lợi ở Việt Nam muốn xây dựng mô hình tài chính để dự báo doanh thu và lợi nhuận cho quý 4 năm 2025. Họ thực hiện các bước sau:

• Thu thập dữ liệu đầu vào:
  • Doanh thu trung bình hàng tháng (dữ liệu lịch sử): 500 triệu đồng/tháng.
  • Số lượng khách ghé thăm trung bình: 10.000 khách/tháng.
  • Conversion Rate hiện tại: 20
  • ATV hiện tại: 250.000 đồng.
  • COGS: 60
  • Chi phí vận hành: 100 triệu đồng/tháng (thuế mặt bằng 50 triệu, marketing 30 triệu, nhân sự 20 triệu).
  • Tính mùa vụ: Doanh thu tăng 25
• Xác định giả định:
  • Conversion Rate tăng lên 25
  • ATV tăng lên 300.000 đồng nhờ chiến lược bán chéo (gợi ý mua đồ uống khi khách mua đồ ăn nhẹ).
  • Tỷ lệ tăng trưởng doanh thu: 15
  • Chi phí marketing tăng 20
  • COGS giữ ở mức 60
• Xây dựng mô hình trên Excel:
  • Doanh thu dự kiến (tháng 10):
    Số lượng khách ghé thăm = 10.000, Conversion Rate = 25
  • Doanh thu dự kiến (tháng 12):
    Số lượng khách ghé thăm = 10.000, Conversion Rate = 25
  • COGS: 60
  • Chi phí vận hành: 106 triệu đồng/tháng (marketing tăng 20
  • Lợi nhuận:
    Tháng 10: 675 – 405 – 106 = 164 triệu đồng.
    Tháng 12: 937,5 – 562,5 – 106 = 269 triệu đồng.
• Chạy các kịch bản:
  • Kịch bản lạc quan: Tăng trưởng doanh thu 20
  • Kịch bản bi quan: Tăng trưởng 10
• Phân tích và điều chỉnh:
  • Kết quả kịch bản trung bình cho thấy lợi nhuận quý 4 khoảng 650 triệu đồng (trung bình 216 triệu đồng/tháng), đạt mục tiêu tăng trưởng 15
  • Nếu muốn tăng lợi nhuận, có thể tối ưu tồn kho (giảm COGS xuống 55

Liên kết với ngành bán lẻ:
Ngành bán lẻ có tính mùa vụ cao (ví dụ: doanh thu tăng mạnh vào dịp Tết, giảm sau lễ hội), chi phí vận hành biến động (thuế mặt bằng, marketing), và phụ thuộc nhiều vào hành vi khách hàng (Conversion Rate, ATV). Mô hình tài chính cần phản ánh các yếu tố này để dự báo chính xác, từ đó giúp nhà bán lẻ lập kế hoạch nhập hàng, khuyến mãi, và quản lý chi phí hiệu quả. Trong ví dụ trên, chuỗi cửa hàng tiện lợi có thể dựa vào mô hình để quyết định tăng ngân sách marketing vào tháng 12, nhập thêm hàng hóa đáp ứng nhu cầu Tết, hoặc điều chỉnh giá bán để tăng ATV.

6. Forecasting (Dự báo)

• Ý nghĩa: Dự báo các chỉ số tài chính như doanh thu, chi phí, hoặc nhu cầu trong tương lai dựa trên dữ liệu lịch sử, xu hướng thị trường và các giả định.
• Chi tiết từ tài liệu (Page 8 – Forecasting):
  • Thiết lập quy tắc và quy trình dự báo rõ ràng.
  • Ghi lại các giả định (ví dụ: tỷ lệ tăng trưởng, chi phí dự kiến).
  • Xác định các điểm cần cải thiện để đạt được mục tiêu.

Các phương pháp dự báo phổ biến:

• Phương pháp định tính (Qualitative Forecasting):
  • Ví dụ trong ngành bán lẻ: Dự đoán nhu cầu bộ sưu tập mùa đông mới dựa trên ý kiến chuyên gia thời trang và phản hồi khách hàng.
  • Ưu điểm: Linh hoạt, phù hợp với sản phẩm mới.
  • Nhược điểm: Có thể chủ quan.
• Phương pháp định lượng (Quantitative Forecasting):
  • Ví dụ trong ngành bán lẻ: Sử dụng trung bình động để dự báo doanh thu, điều chỉnh theo mùa vụ (tăng 20
  • Ưu điểm: Dựa trên dữ liệu thực tế.
  • Nhược điểm: Cần dữ liệu chính xác.
• Phương pháp kết hợp (Hybrid Forecasting):
  • Ví dụ trong ngành bán lẻ: Phân tích chuỗi thời gian cho doanh thu Giáng sinh, kết hợp ý kiến đội bán hàng về xu hướng tiêu dùng trực tuyến.
  • Ưu điểm: Tăng độ chính xác.
  • Nhược điểm: Phức tạp, cần công nghệ hỗ trợ.

Cách các hệ thống EPM hỗ trợ dự báo:

• Acterys:
  • Sử dụng AI-driven forecasting, tích hợp Power BI và Excel, hỗ trợ time-series forecasting và scenario planning.
  • Ví dụ: Dự báo doanh thu Tết với dữ liệu bán hàng, thời tiết, và giả định tăng trưởng 15
• Anaplan:
  • Dùng machine learning, chạy what-if scenarios.
  • Ví dụ: Dự báo nhu cầu Black Friday với các kịch bản tăng trưởng 5
• Oracle Fusion Cloud EPM:
  • Tích hợp AI, hỗ trợ Predictive Planning.
  • Ví dụ: Dự báo doanh thu hàng tuần, phát hiện mùa vụ (tăng 30
• Workday Adaptive Planning:
  • Hỗ trợ phân tích chuỗi thời gian, mô phỏng kịch bản.
  • Ví dụ: Dự báo nhu cầu áo khoác mùa đông với kịch bản thời tiết.
• Planful:
  • Tích hợp machine learning, phân tích xu hướng và mùa vụ.
  • Ví dụ: Dự báo doanh thu Giáng sinh với giả định nhu cầu tăng 20

Ví dụ tổng hợp trong ngành bán lẻ: Một chuỗi siêu thị ở Việt Nam dự báo doanh thu quý 4 năm 2025, sử dụng phân tích chuỗi thời gian (tăng 25

7. Budgeting (Lập ngân sách)

• Ý nghĩa: Phân bổ nguồn lực dựa trên dự báo.
• Chi tiết từ tài liệu:
  • Top-down: Sử dụng dữ liệu lịch sử, đặt giả định, tạo danh sách thả xuống, và căn chỉnh với mục tiêu vận hành.
  • Bottom-up: Làm việc với trưởng bộ phận, truyền đạt kỳ vọng và KPIs, thu thập dữ liệu để xây dựng mô hình.
• Ví dụ: Top-down: Phân bổ ngân sách tổng 10 triệu USD; Bottom-up: Bộ phận marketing đề xuất ngân sách 2 triệu USD.

8. Managing of Direction (Quản lý định hướng)

• Ý nghĩa: Điều chỉnh hoạt động để đi đúng kế hoạch.
• Ví dụ: Cắt giảm chi phí nếu doanh thu dự báo thấp.

9. Chênh lệch & Điều chỉnh (Gaps & Alignments)

• Ý nghĩa: So sánh con số thực tế với con số dự báo hoặc ngân sách để xác định chênh lệch, từ đó điều chỉnh chiến lược hoặc vận hành.
• Ví dụ: Nếu doanh thu thực tế thấp hơn dự báo 10

10. Reporting (Báo cáo)

• Ý nghĩa: Tạo báo cáo để cung cấp thông tin cho các bên liên quan.
• Chi tiết từ tài liệu:
  • Reports Building: Xác định bố cục, lấy dữ liệu từ ERP, đảm bảo dữ liệu đầy đủ.
  • Dashboards: Thiết kế trực quan, chỉ hiển thị thông tin quan trọng.
  • Executive Summary: Đơn giản, cung cấp thông tin chính về tiến độ mục tiêu.
• Ví dụ: Dashboard hiển thị chênh lệch doanh thu; executive summary báo cáo tiến độ đạt 80

11. Periodical Reports (Báo cáo định kỳ)

• Ý nghĩa: Theo dõi tiến độ qua các báo cáo định kỳ.
• Chi tiết từ tài liệu: Xác định khoảng thời gian (hàng tháng, quý), căn chỉnh với mô hình kinh doanh.
• Ví dụ: Báo cáo quý cho thấy chi phí tăng 5

12. Partnering (Hợp tác)

• Ý nghĩa: Hợp tác với các bộ phận để đảm bảo kế hoạch khả thi.
• Chi tiết từ tài liệu: Làm việc với trưởng bộ phận trong lập ngân sách bottom-up.
• Ví dụ: Bộ phận tài chính phối hợp với marketing để lập ngân sách quảng cáo.

13. Influence (Ảnh hưởng)

• Ý nghĩa: Dùng báo cáo để ảnh hưởng đến quyết định của các bộ phận.
• Ví dụ: Báo cáo cho thấy chi phí marketing không hiệu quả, dẫn đến điều chỉnh chiến lược.

14. Impact (Tác động)

• Ý nghĩa: Quy trình FP&A cải thiện hiệu quả kinh doanh.
• Ví dụ: Nhờ dự báo chính xác, công ty đạt mục tiêu lợi nhuận.

Các giải pháp công nghệ hỗ trợ FP&A

• Anaplan:
  Anaplan là một nền tảng lập kế hoạch tích hợp (Connected Planning) dựa trên đám mây, nổi bật với khả năng mở rộng và linh hoạt. Nó hỗ trợ các kịch bản lập kế hoạch phức tạp, dự báo thông minh và tích hợp dữ liệu xuyên suốt doanh nghiệp. Anaplan phù hợp cho các doanh nghiệp lớn với đội ngũ IT mạnh, cần triển khai các giải pháp FP&A trên toàn tổ chức. Tuy nhiên, việc triển khai Anaplan có thể phức tạp và chi phí cao, đặc biệt với doanh nghiệp nhỏ. Một số người dùng cũng cho rằng việc tích hợp với hệ thống bên ngoài chưa thực sự mượt mà, mặc dù Anaplan đang cải thiện điều này với các công cụ như Anaplan Data Orchestrator (ADO) [Web ID: 8].
• Oracle Fusion Cloud EPM (Enterprise Performance Management):
  Oracle EPM là một bộ giải pháp toàn diện hỗ trợ lập kế hoạch tài chính và vận hành, đóng sổ tài chính, và quản lý dữ liệu doanh nghiệp. Điểm mạnh của Oracle EPM là tích hợp AI và machine learning để cung cấp dự báo thông minh, cùng với khả năng lập kế hoạch xuyên suốt các phòng ban (tài chính, nhân sự, chuỗi cung ứng, bán hàng). Oracle EPM được đánh giá cao về độ sâu và độ rộng chức năng, phù hợp cho các doanh nghiệp muốn một hệ thống FP&A mạnh mẽ và tích hợp [Web ID: 1]. Oracle liên tục được xếp hạng hàng đầu trong các báo cáo của Gartner về phần mềm lập kế hoạch tài chính và đóng sổ tài chính [Web ID: 23].
• Acterys:
  Acterys là một nền tảng phân tích tích hợp, tập trung vào báo cáo tài chính, lập kế hoạch và hợp nhất dữ liệu, với khả năng tích hợp mạnh mẽ với Power BI và Excel. Acterys cho phép tạo các mô hình dữ liệu chuyên nghiệp và kết nối với nhiều nguồn dữ liệu khác nhau (ERP, SaaS) thông qua Cube Wizard hoặc các bộ kết nối có sẵn. Đây là lựa chọn tốt cho các doanh nghiệp muốn tận dụng Excel và Power BI trong quy trình FP&A, đồng thời giảm phụ thuộc vào các hệ thống phức tạp [Web ID: 2].
• Workday Adaptive Planning:
  Workday Adaptive Planning là một giải pháp lập kế hoạch thông minh, được sử dụng bởi nhiều công ty lớn như Airbnb và Microsoft. Nó hỗ trợ lập kế hoạch đa kịch bản trên các tập dữ liệu lớn và cho phép cộng tác từ xa qua web, di động và Excel. Workday nổi bật với khả năng lập kế hoạch nguồn nhân lực (workforce planning) và phân tích kịch bản, nhưng một số người dùng cho rằng tài liệu đào tạo và hỗ trợ cho các tính năng nâng cao còn hạn chế [Web ID: 21]. Đây là lựa chọn phù hợp cho các doanh nghiệp lớn muốn triển khai FP&A trên toàn tổ chức.
• Planful:
  Planful là một nền tảng FP&A dựa trên đám mây, tập trung vào lập kế hoạch liên tục (continuous planning), hợp nhất tài chính và báo cáo. Planful tích hợp machine learning để hỗ trợ dự báo và lập ngân sách hiệu quả hơn. Tuy nhiên, một số người dùng nhận xét rằng việc tích hợp dữ liệu với Planful không đơn giản, đòi hỏi chuyên môn kỹ thuật (ví dụ: sử dụng Boomi để kết nối dữ liệu), và việc quản lý các mẫu dự báo có thể tốn thời gian do phải ánh xạ thủ công từng mục [Web ID: 0].

---

Tóm tắt

Quy trình FP&A bắt đầu từ chiến lược, xác định mục tiêu và KPIs (đặc biệt trong ngành bán lẻ với các chỉ số như Inventory Turnover Rate, Sales per Square Foot), quản lý dữ liệu, xây dựng mô hình tài chính (tích hợp dữ liệu lịch sử, giả định, và kịch bản để dự báo doanh thu, chi phí, lợi nhuận), dự báo (với các phương pháp định tính, định lượng, kết hợp), và lập ngân sách. Sau đó, doanh nghiệp quản lý định hướng, phân tích chênh lệch để điều chỉnh, báo cáo qua dashboard và executive summary, hợp tác giữa các bộ phận, và tạo tác động tích cực. Các giải pháp EPM như Acterys, Anaplan, Oracle EPM, Workday, và Planful giúp tự động hóa và nâng cao độ chính xác, đặc biệt trong ngành bán lẻ tại Việt Nam.