📈 Sensitivity Analysis (Phân tích độ nhạy)

🔍 Tổng quan

Sensitivity Analysis là một kỹ thuật trong nhóm Data Analysis Techniques, được sử dụng trong quy trình Perform Quantitative Risk Analysis để xác định mức độ ảnh hưởng của từng biến số đầu vào đến kết quả đầu ra của dự án.

Nói cách khác, kỹ thuật này giúp nhóm dự án hiểu được yếu tố nào có tác động lớn nhất đến rủi ro tổng thể hoặc mục tiêu dự án, từ đó tập trung kiểm soát hoặc quản lý những yếu tố quan trọng nhất.

Kỹ thuật này thường được áp dụng song song với Expected Monetary Value (EMV)Monte Carlo Simulation để tăng độ chính xác cho phân tích định lượng rủi ro.


🎯 Mục tiêu sử dụng

  • Xác định biến đầu vào nào ảnh hưởng mạnh nhất đến chi phí, thời gian hoặc hiệu suất dự án.
  • Đánh giá độ ổn định của kết quả dự án khi điều kiện đầu vào thay đổi.
  • Hỗ trợ ra quyết định đầu tư, dự phòng hoặc ưu tiên kiểm soát rủi ro.
  • Tăng độ tin cậy cho các mô hình dự báo và phân tích rủi ro.

🧩 Các khái niệm cơ bản

  1. Variable (Biến đầu vào):
    Các yếu tố có thể thay đổi và ảnh hưởng đến kết quả dự án, ví dụ: giá vật liệu, tỷ lệ nhân công, năng suất, hoặc thời gian giao hàng.
  2. Output (Đầu ra):
    Giá trị kết quả bị ảnh hưởng — thường là chi phí, thời gian, hoặc lợi nhuận của dự án.
  3. Sensitivity:
    Mức độ thay đổi của đầu ra khi một biến đầu vào thay đổi.
    → Nếu thay đổi nhỏ của biến đầu vào làm đầu ra thay đổi lớn ⇒ biến đó có độ nhạy cao.

⚙️ Cách thực hiện Sensitivity Analysis

Bước 1: Xác định biến đầu vào và đầu ra

  • Chọn các biến rủi ro chính (ví dụ: chi phí nhân công, tỷ giá ngoại tệ, thời gian hoàn thành).
  • Xác định đầu ra cần theo dõi (ví dụ: tổng chi phí dự án, NPV, hoặc thời gian bàn giao).

Bước 2: Thiết lập phạm vi biến thiên

  • Đặt giá trị tối thiểu và tối đa cho từng biến dựa trên dữ liệu thực tế hoặc ước lượng.
    Ví dụ: chi phí nhân công có thể dao động ±10%.

Bước 3: Chạy mô hình và ghi nhận kết quả

  • Thay đổi từng biến một, giữ các biến khác cố định, để xem ảnh hưởng của nó đến đầu ra.
  • Ghi lại giá trị đầu ra tương ứng.

Bước 4: Vẽ biểu đồ Tornado Chart (Biểu đồ lốc xoáy)

  • Sử dụng biểu đồ thanh ngang để thể hiện mức độ ảnh hưởng của từng biến đến kết quả đầu ra.
  • Biến có ảnh hưởng lớn nhất được đặt ở trên cùng → ưu tiên kiểm soát.

Bước 5: Phân tích kết quả

  • Xác định biến có độ nhạy cao → cần được giám sát chặt chẽ, có kế hoạch dự phòng.
  • Biến có độ nhạy thấp → ít rủi ro, có thể xem là ổn định.

💡 Ví dụ minh họa

Bối cảnh: Dự án xây dựng nhà máy muốn phân tích rủi ro chi phí tổng thể.

Biến đầu vàoGiá trị cơ sởPhạm vi biến thiênChi phí tổng (tỷ VNĐ)
Giá vật liệu100%±20%90 → 130
Nhân công100%±10%95 → 115
Thiết bị100%±15%92 → 125
Tỷ giá USD100%±5%98 → 110

Kết quả: Biểu đồ Tornado Chart cho thấy:

  • Giá vật liệu ảnh hưởng lớn nhất đến tổng chi phí (biến nhạy cao).
  • Tỷ giá USD ảnh hưởng nhỏ nhất.

Kết luận: Nhóm dự án nên tập trung vào quản lý giá vật liệu (ký hợp đồng cố định giá, chọn nhà cung cấp ổn định).


📊 Biểu đồ Tornado Chart minh họa

Chi phí tổng ↑
│   ┌───────────────┐  Giá vật liệu (±20%)
│   ┌───────────┐      Thiết bị (±15%)
│   ┌───────┐          Nhân công (±10%)
│   ┌───┐              Tỷ giá USD (±5%)
└─────────────────────→ Ảnh hưởng

Thanh dài hơn thể hiện biến có độ nhạy cao hơn với kết quả đầu ra.


📘 Ứng dụng trong PMP

  • Perform Quantitative Risk Analysis: Xác định biến rủi ro có ảnh hưởng lớn nhất đến kết quả mô phỏng.
  • Estimate Costs: Đánh giá độ nhạy của chi phí trước các biến đầu vào (nhân công, vật liệu, tỷ giá…).
  • Estimate Activity Durations: Phân tích độ nhạy của tiến độ khi thay đổi năng suất hoặc số lượng nhân sự.
  • Control Risks: Theo dõi sát các yếu tố có độ nhạy cao để cập nhật phản ứng kịp thời.

⚙️ Lợi ích

  • Xác định yếu tố rủi ro có tác động mạnh nhất đến mục tiêu dự án.
  • Giúp ưu tiên hành động quản lý rủi ro hiệu quả.
  • Cung cấp bằng chứng định lượng cho các quyết định tài chính hoặc chiến lược.
  • Cải thiện khả năng dự báo và độ tin cậy của mô hình rủi ro.

⚡ Lưu ý khi áp dụng

  • Không nên thay đổi nhiều biến cùng lúc — sẽ khó xác định tác động riêng lẻ.
  • Cần dữ liệu đầu vào đáng tin cậy để kết quả có giá trị thực tiễn.
  • Nên kết hợp với Monte Carlo Simulation để kiểm chứng độ nhạy trong nhiều kịch bản.
  • Khi có biến có độ nhạy cao, cần lập Risk Response Plan chi tiết.

📎 Tải Template

👉 Bạn có thể tải Sensitivity Analysis Template (bao gồm bảng mô phỏng và biểu đồ Tornado Chart) tại:
🔗 https://nguyenhainam.info/pm-toolbox/