Giới thiệu dự án

Thị trường kinh doanh phụ tùng ô tô và lốp xe tại Việt Nam đang bước vào giai đoạn cạnh tranh khốc liệt khi tốc độ gia tăng phương tiện cơ giới đường bộ duy trì ở mức 8 - 10%/năm (theo số liệu Cục Đăng kiểm Việt Nam). Tại thị trường trọng điểm miền Trung – đặc biệt là thành phố Đà Nẵng, doanh thu bán lẻ hàng hóa năm 2021 dù chịu ảnh hưởng nặng nề bởi dịch Covid-19 vẫn đạt 59.385 tỷ đồng (tăng 4,6% so với năm 2020, theo Cục Thống kê Đà Nẵng). Trong bối cảnh chuỗi cung ứng gặp nhiều gián đoạn, hoạt động phân phối không chỉ đóng vai trò luân chuyển hàng hóa mà còn là năng lực cốt lõi quyết định lợi thế cạnh tranh của doanh nghiệp thương mại tổng hợp.

Công ty TNHH Kinh Doanh Tổng Hợp (KDTH) Ân Điển là nhà phân phối chính thức các dòng lốp ô tô chất lượng cao tại Đà Nẵng và khu vực miền Trung. Tuy nhiên, doanh nghiệp đang đối mặt với nhiều điểm nghẽn nghiêm trọng trong chuỗi phân phối (Distribution Chain Pain Points):

  • Xung đột kênh cục bộ giữa kênh trực tiếp (bán dự án, đội xe) và kênh gián tiếp (đại lý bán lẻ, garage sửa chữa).
  • Độ bao phủ thị trường (Market Coverage) chưa tối ưu, tỷ lệ đơn hàng giao chậm và thiếu hụt cục bộ dòng sản phẩm lốp chuyên dụng lên tới 18,4%.
  • Chính sách chiết khấu, hạn mức tín dụng công nợ và dịch vụ hỗ trợ kỹ thuật chưa gắn liền với mức độ hài lòng thực tế của mạng lưới đại lý.
graph TD
    A[Nhà sản xuất lốp xe] -->|Dòng sản phẩm & Chứng từ| B[Công ty TNHH KDTH Ân Điển]
    B -->|Phân phối cấp 1: Bán lẻ trực tiếp| C[Khách hàng doanh nghiệp/Đội xe]
    B -->|Phân phối cấp 2: Bán buôn| D[Đại lý cấp 1 / Cửa hàng lốp]
    D -->|Bán lẻ| E[Người tiêu dùng cá nhân]
    B -->|Kênh xúc tiến & Hỗ trợ kỹ thuật| D
    D -->|Dòng tiền & Đơn đặt hàng| B

Đồ án/Khóa luận tốt nghiệp tập trung giải quyết bài toán tối ưu hóa hệ thống phân phối thông qua 3 mục tiêu cụ thể:

  1. Hệ thống hóa khung lý thuyết và thực tiễn: Xây dựng mô hình đo lường mức độ ảnh hưởng của các thành phần phân phối đến sự hài lòng của các đại lý trung gian trong ngành phụ tùng ô tô.
  2. Định lượng thực trạng và kiểm định mô hình: Khảo sát thực chứng $N = 120$ đại lý trên địa bàn Đà Nẵng, sử dụng công cụ thống kê nâng cao (Cronbach's Alpha, EFA, Multiple Linear Regression, One-Sample T-Test) trên phần mềm IBM SPSS Statistics 26.0.
  3. Đề xuất giải pháp chuẩn hóa chuỗi cung ứng: Thiết lập hệ thống quản trị kênh phân phối (Distribution Management System - DMS), tối ưu hóa chính sách giá - công nợ, nâng cao nghiệp vụ bán hàng và dịch vụ hậu mãi đến năm 2025.

Phạm vi và giới hạn nghiên cứu:

  • Không gian: Toàn bộ hệ thống 120 đại lý, điểm bán buôn và bán lẻ phụ tùng lốp xe của Công ty Ân Điển tại Đà Nẵng và các tỉnh lân cận.
  • Thời gian: Dữ liệu thứ cấp giai đoạn 2019 - 2021; dữ liệu sơ cấp điều tra từ tháng 10/2021 đến tháng 01/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thực trạng phân phối phụ tùng ô tô tại miền Trung hiện tồn tại 3 mô hình vận hành chính với các ưu nhược điểm được tổng hợp dưới đây:

Mô hình phân phối Cơ chế vận hành Ưu điểm cốt lõi Nhược điểm & Rủi ro Chi phí vận hành
Kênh trực tiếp (0 cấp) Doanh nghiệp $\rightarrow$ Khách hàng cuối (Đội xe, Dự án) Biên lợi nhuận gộp cao, kiểm soát chặt chẽ giá bán Chi phí vận tải/kho bãi lớn, phân tán nhân lực sale Rất cao
Kênh gián tiếp (1-2 cấp) Doanh nghiệp $\rightarrow$ Đại lý/Garage $\rightarrow$ Người tiêu dùng Phủ sóng nhanh, chuyển giao rủi ro tồn kho Khó kiểm soát giá niêm yết, dễ xung đột chiết khấu Trung bình
Kênh hỗn hợp (Hybrid) (Mô hình Ân Điển) Kết hợp bán sỉ đại lý và bán trực tiếp cho doanh nghiệp vận tải Đa dạng hóa nguồn thu, tiếp cận sâu các phân khúc Xung đột quyền lợi kênh ngang, quản trị phức tạp Tối ưu nếu có DMS

Phân tích ma trận MoSCoW cho hệ thống phân phối hoàn thiện:

  • Must Have (Bắt buộc có): Chính sách giá minh bạch theo bậc sản lượng (Tiered Pricing), quy trình giao hàng đúng hẹn (On-Time In-Full $\ge 95%$), hệ thống quản lý tồn kho theo điểm đặt hàng lại (Reorder Point - ROP).
  • Should Have (Nên có): Cổng thông tin đại lý đặt hàng trực tuyến (B2B Portal), chính sách công nợ linh hoạt theo xếp hạng tín dụng tín chấp.
  • Could Have (Có thể có): Hỗ trợ phần mềm quản lý bán hàng cho các garage nhỏ, chương trình tài trợ bảng hiệu chuẩn nhận diện thương hiệu.
  • Won't Have (Chưa ưu tiên): Mở rộng bán lẻ trực tiếp qua sàn thương mại điện tử B2C nhằm tránh xung đột quyền lợi với hệ sinh thái đại lý hiện hữu.

Thiết kế hệ thống

Mô hình nghiên cứu định lượng cấu trúc 5 nhân tố ảnh hưởng đến sự hài lòng của đại lý đối với hệ thống phân phối:

graph LR
    CSBH[1. Chính sách bán hàng - CSBH] --> SH[SỰ HÀI LÒNG ĐỐI VỚI CHÍNH SÁCH PHÂN PHỐI - SH]
    CCHH[2. Cung cấp hàng hóa - CCHH] --> SH
    DVHT[3. Dịch vụ hỗ trợ - DVHT] --> SH
    NVBH[4. Nghiệp vụ bán hàng - NVBH] --> SH
    QHCN[5. Quan hệ cá nhân - QHCN] --> SH

Ngăn xếp công nghệ & công cụ phân tích (Tech Stack):

  • Phần mềm phân tích thống kê: IBM SPSS Statistics version 26.0 (64-bit Edition).
  • Ngôn ngữ xử lý dữ liệu kiểm chứng: Python 3.10 với các thư viện pandas (v1.5.3), statsmodels (v0.13.5), factor_analyzer (v0.4.1), scikit-learn (v1.2.1).
  • Mô hình kiến trúc DMS/CRM mục tiêu: Cơ sở dữ liệu PostgreSQL 14, Kiến trúc RESTful API Microservices, bảo mật xác thực OAuth 2.0 / JWT.

Mô hình quan hệ dữ liệu quản lý kênh phân phối (Database Schema):

-- Bảng Quản lý Đại lý / Trung gian kênh phân phối
CREATE TABLE channel_partners (
    partner_id VARCHAR(20) PRIMARY KEY,
    partner_name VARCHAR(100) NOT NULL,
    partner_tier VARCHAR(10) CHECK (partner_tier IN ('Tier_1', 'Tier_2', 'Retailer')),
    credit_limit NUMERIC(12, 2) DEFAULT 50000000.00,
    payment_terms_days INT DEFAULT 30,
    region VARCHAR(50) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- Bảng Quản lý Đơn hàng & Dòng vận động
CREATE TABLE distribution_orders (
    order_id VARCHAR(20) PRIMARY KEY,
    partner_id VARCHAR(20) REFERENCES channel_partners(partner_id),
    order_date DATE NOT NULL,
    delivery_status VARCHAR(20) CHECK (delivery_status IN ('Pending', 'Dispatched', 'Delivered', 'Cancelled')),
    total_amount NUMERIC(14, 2) NOT NULL,
    discount_applied NUMERIC(5, 2) DEFAULT 0.00,
    lead_time_hours INT NOT NULL
);

Methodology

Quy trình nghiên cứu kết hợp giữa phương pháp định tính và định lượng theo 4 cột mốc (Milestones):

  1. Thiết kế nghiên cứu & Bảng hỏi sơ bộ ($M_1$): Tổng hợp 24 biến quan sát từ thang đo chuẩn của Rosenbloom (1991), Schellhase et al. (2000) và hiệu chỉnh theo đặc thù ngành lốp ô tô.
  2. Khảo sát thí điểm (Pilot Study) ($M_2$): Phỏng vấn sâu 15 đại lý và chuyên gia kinh doanh để hoàn thiện từ ngữ bảng hỏi Likert 5 điểm (1: Rất không hài lòng $\rightarrow$ 5: Rất hài lòng).
  3. Thu thập dữ liệu chính thức ($M_3$): Khảo sát $N = 120$ đại lý (theo quy tắc Hatcher 1994: $N \ge 5 \times m = 5 \times 24 = 120$).
  4. Phân tích dữ liệu đa biến ($M_4$): Làm sạch dữ liệu, kiểm định Cronbach's Alpha ($\ge 0.6$), phân tích EFA (KMO $\ge 0.5$, Eigenvalue $> 1$, Varimax Rotation), phân tích tương quan Pearson và mô hình hồi quy tuyến tính bội đa biến.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được lập trình tự động hóa bằng Python/SPSS Syntax để đảm bảo tính nhất quán và khả năng tái lập kết quả nghiên cứu.

Thuật toán & Pipeline tính toán thống kê:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

def execute_distribution_analysis(df_survey_data):
    """
    Pipeline kiểm định thang đo phân phối:
    1. Cronbach's Alpha
    2. Bartlett & KMO Test
    3. Exploratory Factor Analysis (EFA)
    4. Multiple Linear Regression (OLS)
    """
    # 1. Kiểm định KMO và Bartlett
    chi_square_value, p_value = calculate_bartlett_sphericity(df_survey_data.drop(columns=['SH']))
    kmo_all, kmo_model = calculate_kmo(df_survey_data.drop(columns=['SH']))
    print(f"[EFA Matrix Validation] KMO: {kmo_model:.3f} | Bartlett p-value: {p_value:.4e}")

    # 2. Rút trích nhân tố (Principal Axis Factoring với Varimax Rotation)
    fa = FactorAnalyzer(n_factors=5, rotation="varimax", method="principal")
    fa.fit(df_survey_data.drop(columns=['SH']))
    loadings = fa.loadings_
    
    # 3. Chạy mô hình Hồi quy Tuyến tính Đa biến
    X = df_survey_data[['CSBH', 'CCHH', 'DVHT', 'NVBH', 'QHCN']]
    X = sm.add_constant(X)
    y = df_survey_data['SH']
    
    regression_model = sm.OLS(y, X).fit()
    return regression_model.summary()

Testing và validation

Kết quả phân tích độ tin cậy thang đo bằng Cronbach's Alpha và phân tích nhân tố khám phá EFA đối với 24 biến quan sát của $N = 120$ mẫu điều tra thực tế:

Nhóm nhân tố Số biến quan sát Cronbach's $\alpha$ Tương quan biến-tổng nhỏ nhất KMO / Bartlett Sig. Tổng phương sai trích
1. Chính sách bán hàng (CSBH) 5 0.842 0.562 0.814 / $p < 0.001$ 62.45%
2. Cung cấp hàng hóa (CCHH) 5 0.818 0.514 0.789 / $p < 0.001$ 58.90%
3. Dịch vụ hỗ trợ (DVHT) 5 0.795 0.485 0.765 / $p < 0.001$ 56.78%
4. Nghiệp vụ bán hàng (NVBH) 5 0.836 0.531 0.802 / $p < 0.001$ 61.12%
5. Quan hệ cá nhân (QHCN) 4 0.784 0.472 0.741 / $p < 0.001$ 55.40%
Sự hài lòng đại lý (SH) 4 0.865 0.612 0.830 / $p < 0.001$ 67.20%

Tất cả các thang đo đều thỏa mãn điều kiện $0.784 \le \alpha \le 0.865$, hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $> 0.55$, không có biến rác bị loại bỏ.

Kết quả đạt được

Phương trình hồi quy tuyến tính đa biến chuẩn hóa thể hiện tác động của các yếu tố phân phối đến sự hài lòng chung của đại lý:

$$\text{SH} = 0.285 \cdot \text{CSBH} + 0.248 \cdot \text{CCHH} + 0.214 \cdot \text{NVBH} + 0.176 \cdot \text{DVHT} + 0.142 \cdot \text{QHCN}$$

  • Hệ số xác định mô hình: $R^2 = 0.684$, $R^2_{\text{adj}} = 0.670$ (Mô hình giải thích được 67.0% sự biến thiên mức độ hài lòng của mạng lưới đại lý).
  • Kiểm định độ phù hợp F: $F = 49.362$ với giá trị $p < 0.001$.
  • Đánh giá One-Sample T-Test (Kiểm định giá trị trung bình với mức chuẩn trung bình $\mu_0 = 3.0$):
    • Điểm đánh giá trung bình cao nhất thuộc về Nghiệp vụ bán hàng ($\bar{X} = 3.82 / 5.0$, $t = 11.45, p < 0.001$).
    • Điểm đánh giá thấp nhất tập trung ở Dịch vụ hỗ trợ ($\bar{X} = 3.24 / 5.0$) và Chính sách cung ứng hàng hóa khi khan hiếm ($\bar{X} = 3.18 / 5.0$).

Đổi mới và đóng góp

  • Chuyển đổi phương pháp luận từ định tính sang định lượng thực chứng: Thay thế phương thức quản lý phân phối cảm tính bằng bộ chỉ số $R^2$, trọng số hồi quy $\beta$ và ma trận độ tin cậy thang đo tiêu chuẩn quốc tế.
  • Tối ưu hóa chính sách chiết khấu theo phân đoạn khách hàng: So sánh với các giải pháp phân phối truyền thống trên địa bàn:
Tiêu chí so sánh Phân phối truyền thống (Nghiên cứu cũ) Mô hình đề xuất tại Công ty Ân Điển Mức độ cải thiện (%)
Quản lý tồn kho & Đơn hàng Ghi sổ / Zalo thủ công, phản hồi sau 2-4 giờ Tự động hóa qua hệ thống tập trung, phản hồi $< 15$ phút Giảm 87.5% thời gian xử lý
Phân bổ hạn mức công nợ Cào bằng theo quan hệ cá nhân Chấm điểm tín nhiệm tự động (Dựa trên $\beta = 0.285$ CSBH) Giảm 35.0% nợ quá hạn
Độ chính xác giao hàng (OTIF) Đạt $78.0% - 82.0%$ Thiết lập ROP tối ưu hóa chu kỳ luân chuyển đạt $94.5%$ Tăng 14.5 điểm %
Mức độ hài lòng đại lý ($\bar{X}$) $3.15 / 5.0$ (Mức trung bình khá) Nâng mục tiêu lên $4.20 / 5.0$ theo lộ trình chuẩn hóa Cải thiện 33.3%
  • Đóng góp học thuật và ngành: Cung cấp bộ dữ liệu thực chứng chuyên sâu về hành vi trung gian B2B ngành phụ tùng lốp ô tô trong giai đoạn phục hồi hậu Covid-19 tại vùng kinh tế trọng điểm miền Trung.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế (Use Cases)

  • Kịch bản 1 - Xử lý đơn hàng giờ cao điểm: Khi đại lý cấp 1 tại quận Cẩm Lệ đặt khẩn cấp 50 lốp xe tải nặng, hệ thống tự động kiểm tra tồn kho tại kho Hòa Cầm, phân luồng tuyến vận tải tối ưu và xuất hóa đơn điện tử trong 10 phút, đảm bảo giao hàng trong 90 phút.
  • Kịch bản 2 - Cảnh báo và kích hoạt hạn mức công nợ: Tự động thông báo gia hạn thanh toán kèm chiết khấu thanh toán sớm 1.5% nếu đại lý tất toán trong vòng 7 ngày làm việc.
gantt
    title Lộ trình triển khai hoàn thiện kênh phân phối (2022 - 2024)
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Chuẩn hóa
    Tái cấu trúc chính sách giá & công nợ       :done,    des1, 2022-01-01, 2022-06-30
    Đào tạo chuẩn hóa nghiệp vụ Sale           :done,    des2, 2022-04-01, 2022-09-30
    section Giai đoạn 2: Số hóa DMS
    Triển khai phần mềm quản lý phân phối DMS :active,  des3, 2022-10-01, 2023-06-30
    Tích hợp cổng đặt hàng B2B Portal          :         des4, 2023-04-01, 2023-12-31
    section Giai đoạn 3: Mở rộng
    Mở rộng kho đệm vệ tinh Quảng Nam - Quảng Ngãi :    des5, 2024-01-01, 2024-12-31

Phân tích hiệu quả kinh tế (ROI & Cost-Benefit Analysis)

  • Chi phí đầu tư nâng cấp kênh phân phối: 350.000.000 VNĐ (Bao gồm triển khai phần mềm DMS, chuẩn hóa nhận diện POSM và đào tạo nhân sự).
  • Hiệu quả tài chính dự kiến sau 12 tháng:
    • Doanh thu bán hàng tăng trưởng $18.5%$ (tương đương tăng thêm 2.2 tỷ VNĐ doanh thu gộp).
    • Giảm chi phí lưu kho và hàng tồn chậm luân chuyển $12.0%$ (tiết kiệm xấp xỉ 180.000.000 VNĐ/năm).
    • Thời gian hoàn vốn đầu tư (Payback Period): 7.5 tháng.

Hạn chế và hướng phát triển

  • Giới hạn quy mô mẫu và địa bàn: Nghiên cứu giới hạn ở $N = 120$ trung gian tại Đà Nẵng; cấu trúc kênh chưa khảo sát toàn diện các tỉnh Tây Nguyên và Nam Trung Bộ.
  • Phương pháp lấy mẫu thuận tiện: Có thể tồn tại độ lệch chọn mẫu nhất định giữa các đại lý quy mô lớn và điểm bán lẻ phụ tùng nhỏ lẻ.
  • Hướng nghiên cứu tiếp theo: Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để đánh giá tác động trung gian của biến "Cam kết hợp tác" (Relationship Commitment) và "Xung đột kênh" (Channel Conflict). Tích hợp thuật toán Machine Learning (Random Forest, XGBoost) trong dự báo nhu cầu lốp xe theo chu kỳ bảo dưỡng định kỳ của phương tiện.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Marketing / Quản trị Kinh doanh: Tài liệu tham khảo chuẩn mực về cấu trúc khóa luận ứng dụng phân tích định lượng SPSS trong quản trị kênh phân phối.
  • Doanh nghiệp phân phối & Giám đốc chuỗi cung ứng: Khung giải pháp thực tế để tái cấu trúc chính sách bán hàng, tối ưu hóa điểm đặt hàng lại và quản lý công nợ đại lý hiệu quả.
  • Nhà nghiên cứu kinh tế ứng dụng: Bộ thang đo và dữ liệu kiểm định đáng tin cậy về hành vi trung gian phân phối B2B trong ngành công nghiệp phụ trợ ô tô.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai giải pháp quản lý phân phối là gì?

Doanh nghiệp chỉ cần trang bị máy chủ Cloud cấu hình cơ bản (2 vCPU, 4GB RAM), hệ thống máy trạm có kết nối Internet và ứng dụng di động cho nhân viên thị trường (hỗ trợ Android 9.0+ hoặc iOS 13+).

2. Mô hình có giải quyết triệt để xung đột giữa kênh bán sỉ và bán lẻ không?

Mô hình giải quyết xung đột thông qua chính sách phân vùng địa bàn (Geographic Zoning), minh bạch chính sách giá theo cấp bậc sản lượng và cam kết mức giá sàn bảo vệ biên lợi nhuận của đại lý bán lẻ tối thiểu $12 - 15%$.

3. Làm thế nào để tích hợp dữ liệu khảo sát SPSS vào hệ thống vận hành ERP/CRM của doanh nghiệp?

Các trọng số hồi quy $\beta$ và điểm đánh giá đại lý được chuẩn hóa thành chỉ số tín nhiệm (Partner Scorecard) và tích hợp vào hệ thống cơ sở dữ liệu quản trị qua các bảng quan hệ channel_partners và distribution_orders.

4. Chi phí bảo trì và vận hành hệ thống phân phối mới chiếm bao nhiêu ngân sách?

Chi phí vận hành và bảo trì hàng năm ước tính chỉ chiếm $2.5 - 3.0%$ tổng doanh thu gia tăng, chủ yếu dành cho chi phí máy chủ đám mây, cập nhật phần mềm và chương trình hội nghị tri ân đại lý định kỳ.

5. Thời gian hoàn vốn (ROI) thực tế của đề án là bao lâu?

Dựa trên mô hình tài chính hoàn thiện chính sách chiết khấu và giảm thiểu chi phí xử lý đơn hàng lỗi, thời gian hoàn vốn thực tế đạt 7.5 tháng, tỷ suất hoàn vốn nội bộ (IRR) ước tính đạt 38.6%.

Kết luận

Khóa luận tốt nghiệp "Hoàn thiện hoạt động phân phối hàng hóa tại Công ty TNHH KDTH Ân Điển" đã giải quyết trọn vẹn mục tiêu lý luận và thực tiễn:

  • Xác lập mô hình 5 nhân tố chi phối sự hài lòng của đại lý với độ tin cậy cao ($R^2_{\text{adj}} = 0.670$), trong đó Chính sách bán hàng ($\beta = 0.285$) và Cung cấp hàng hóa ($\beta = 0.248$) là hai động lực cốt lõi nhất.
  • Cung cấp lộ trình thực thi khả thi giúp Công ty Ân Điển nâng cao chỉ số giao hàng đúng hạn lên $94.5%$, rút ngắn chu kỳ xử lý đơn hàng và mở rộng mạng lưới phân phối vững chắc tại Đà Nẵng và miền Trung.
  • Đề án là minh chứng điển hình cho việc ứng dụng khoa học dữ liệu và phân tích định lượng vào giải quyết bài toán quản trị kinh doanh thực tiễn. Doanh nghiệp và bạn đọc quan tâm có thể ứng dụng trực tiếp bộ khung thang đo và quy trình xử lý dữ liệu này cho các mô hình phân phối B2B tương đồng.