Giới thiệu dự án

Trong bối cảnh toàn cầu hóa và thương mại quốc tế phát triển mạnh mẽ, ngành dịch vụ logistics và giao nhận vận tải (Freight Forwarding) đóng vai trò huyết mạch kết nối chuỗi cung ứng toàn cầu. Theo số liệu từ Hiệp hội Doanh nghiệp Dịch vụ Logistics Việt Nam (VLA) và Ngân hàng Thế giới (World Bank), chi phí logistics tại Việt Nam chiếm khoảng 16,8% - 18% GDP, cao hơn đáng kể so với mức trung bình 10,7% của các nước phát triển. Hải Phòng và khu vực kinh tế trọng điểm phía Bắc, với hệ thống cảng biển nước sâu và hạ tầng giao thông kết nối, là cửa ngõ giao thương đường biển quan trọng. Tuy nhiên, sự gia tăng nhanh chóng của các nhà cung cấp dịch vụ logistics (LSP) đã tạo ra áp lực cạnh tranh khốc liệt, khiến chất lượng dịch vụ (Service Quality) trở thành yếu tố quyết định sự sống còn và năng lực cạnh tranh bền vững của doanh nghiệp.

Đồ án tốt nghiệp chuyên ngành Kinh doanh Quốc tế và Logistics (International Business and Logistics) tại Trường Đại học Hàng hải Việt Nam với đề tài "Đánh giá chất lượng dịch vụ tại Công ty Cổ phần Logistics Win Win" (Evaluating Service Quality at Win Win Logistics Joint Stock Company) do nhóm sinh viên Vũ Thu Thảo, Nguyễn Tùng Lâm, Nguyễn Thị Phương Thảo thực hiện dưới sự hướng dẫn khoa học của PGS. Đặng Công Xưởng. Nghiên cứu tập trung giải quyết bài toán cốt lõi: Đánh giá định lượng khoảng cách giữa kỳ vọng và trải nghiệm thực tế của khách hàng đối với dịch vụ giao nhận hàng hóa xuất khẩu nguyên container (FCL - Full Container Load) và hàng lẻ (LCL - Less than Container Load) bằng đường biển tại Công ty Cổ phần Win Win Logistics (Win Win Log), từ đó đề xuất các giải pháp kỹ thuật, tối ưu quy trình và chuyển đổi số.

Vấn đề thực tế và các điểm nghẽn vận hành (Problem Statement & Pain Points)

Qua khảo sát thực tế tại Win Win Logistics (thành lập từ năm 2017, mạng lưới chi nhánh tại Bình Dương, TP. Hồ Chí Minh, Hà Nội, Hải Phòng và thành viên mạng lưới logistics toàn cầu WCA), hoạt động giao nhận vận tải biển đang đối mặt với các điểm nghẽn nghiêm trọng:

  1. Tỷ lệ sai sót chứng từ xuất nhập khẩu cao: Quy trình kiểm tra thủ công các chứng từ quan trọng như Vận đơn (Bill of Lading - B/L), Hướng dẫn giao hàng (Shipping Instruction - SI), Phiếu xác nhận khối lượng toàn phần (Verified Gross Mass - VGM), Chứng nhận xuất xứ (Certificate of Origin - C/O) và Tờ khai hải quan (Customs Declaration) dẫn đến tình trạng sai lệch dữ liệu, gây chậm trễ thông quan và phát sinh phí lưu kho bãi (Demurrage/Detention - DEM/DET).
  2. Thời gian phản hồi báo giá (Pricing Quotation) chậm trễ: Kênh trao đổi giá cước vận tải biển (Ocean Freight) phụ thuộc hoàn toàn vào liên lạc thủ công qua email và điện thoại giữa nhân viên Sales và bộ phận Pricing, gây mất thời cơ kinh doanh đối với các lô hàng gấp.
  3. Độ tin cậy vận hành chưa đồng nhất: Tình trạng dồn ứ công việc vào các mốc thời gian cắt máng (Closing time/Cut-off time) của hãng tàu dẫn đến tỷ lệ hoàn thành tác nghiệp chính xác ngay từ lần đầu tiên đạt mức thấp.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ giao nhận vận tải hàng hóa xuất khẩu bằng đường biển dựa trên tiêu chuẩn FIATA và Luật Thương mại Việt Nam 2005.
  2. Xây dựng mô hình tích hợp giữa mô hình Đánh giá Thực thi Dịch vụ (SERVPERF - Service Performance) 22 biến quan sát và Ma trận Phân tích Tầm quan trọng - Mức độ thực hiện (IPA - Importance-Performance Analysis).
  3. Thu thập, làm sạch và phân tích tập dữ liệu thực nghiệm $N = 144$ mẫu hợp lệ từ các khách hàng là doanh nghiệp sản xuất (Shippers) và công ty Forwarder đối tác bằng công cụ thống kê chuyên sâu.
  4. Xác định chính xác các yếu tố thuộc vùng nguy cơ (Tập trung cải thiện - Concentrate Here) và xây dựng kiến trúc giải pháp chuẩn hóa quy trình (SOP), tích hợp hệ sinh thái phần mềm quản trị logistics.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án áp dụng phương pháp nghiên cứu định lượng kết hợp mô hình SERVPERF rút gọn (Cronbach's Alpha $> 0.7$) nhằm giảm 50% thời gian khảo sát so với SERVQUAL truyền thống, loại bỏ sự trùng lặp và thiên kiến câu hỏi. Kết quả kỳ vọng đạt được là định lượng hóa mức chênh lệch $Gap = P - I$ (Performance - Importance) cho 22 chỉ số thuộc 5 khía cạnh chất lượng: Hữu hình (Tangibles), Độ tin cậy (Reliability), Mức độ đáp ứng (Responsiveness), Năng lực phục vụ (Assurance), và Sự thấu cảm (Empathy); từ đó thiết lập lộ trình cải tiến chất lượng dịch vụ giai đoạn 2024 - 2027 với tỷ lệ hài lòng tổng thể tăng tối thiểu 25%.

Phạm vi và giới hạn nghiên cứu

  • Phạm vi không gian: Trọng tâm khảo sát tại các chi nhánh Hải Phòng, Hà Nội, TP.HCM và trụ sở chính Bình Dương của Win Win Logistics JSC.
  • Phạm vi nghiệp vụ: Dịch vụ giao nhận vận tải hàng hóa xuất khẩu bằng đường biển (FCL/LCL), bao gồm thủ tục hải quan, đặt chỗ (Booking), đóng gói và vận chuyển nội địa (Inland Trucking).
  • Giới hạn kỹ thuật: Mẫu khảo sát được thu thập theo phương pháp chọn mẫu thuận tiện ($N=144$), tập trung vào các khách hàng B2B thường xuyên phát sinh đơn hàng trong giai đoạn 2021 - 2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành đánh giá so sánh các phương pháp luận đo lường chất lượng dịch vụ hiện hành nhằm lựa chọn giải pháp tối ưu cho hệ thống logistics của Win Win Logistics JSC:

Tiêu chí so sánh Mô hình SERVQUAL (Parasuraman et al., 1988) Phương pháp Đo lường CSAT đơn biến (Single-item Likert) Mô hình Tích hợp SERVPERF & IPA (Đề xuất trong đồ án)
Số lượng biến quan sát 44 biến (22 kỳ vọng $E$ + 22 cảm nhận $P$) 1 - 3 câu hỏi tổng quát 22 biến đa chiều tích hợp trọng số đánh giá kép ($P$ và $I$)
Gánh nặng khảo sát (Respondent Fatigue) Rất cao, dễ gây nhiễu và tỷ lệ bỏ dở $> 30%$ Cực kỳ thấp nhưng thiếu chiều sâu Trung bình, tối ưu hóa thời gian điền dưới 5 phút
Độ tin cậy thống kê Phức tạp khi kiểm tra đa cộng tuyến Thấp, không định vị được điểm nghẽn quy trình Cao, phân tách rõ ràng mức độ quan trọng và năng lực đáp ứng
Khả năng hành động hóa (Actionability) Chỉ chỉ ra khoảng cách $P - E$ tổng quát Khó xác định bộ phận chịu trách nhiệm Định vị trực quan trên ma trận 4 góc phần tư để phân bổ vốn/nhân sự
Tính tương thích ngành Logistics Trung bình Thấp Rất cao, bám sát các nghiệp vụ B/L, SI, VGM, Hải quan

Ma trận ưu tiên yêu cầu nghiệp vụ (MoSCoW Prioritization)

  • Must Have (Bắt buộc có): Quy trình kiểm tra chéo chứng từ 3 lớp (3-Tier Document Verification SOP) trước giờ Closing time; Bảng giá cước vận tải biển động (Dynamic Pricing Matrix) cập nhật định kỳ 2 tuần/lần; Kênh giao tiếp chuyên biệt (Dedicated Real-time Channels) cho từng lô hàng xuất khẩu.
  • Should Have (Nên có): Hệ thống theo dõi định vị container và cảnh báo rủi ro tự động qua Web/API; Chương trình đào tạo chuẩn hóa nghiệp vụ chứng từ và Incoterms 2020 cho nhân sự vận hành.
  • Could Have (Có thể có): Cổng thông tin khách hàng (Customer Portal) tự động tra cứu biểu cước và lịch trình tàu (Sailing Schedule); Tích hợp ký số điện tử cho hợp đồng dịch vụ logistics.
  • Won't Have (Chưa thực hiện ở giai đoạn này): Xây dựng hệ thống kho tự động AGV hoặc ứng dụng công nghệ Blockchain chuyên sâu trong chuỗi cung ứng.

Thiết kế hệ thống

Kiến trúc giải pháp nâng cao chất lượng dịch vụ tại Win Win Logistics được thiết kế theo mô hình 4 tầng module hóa, đảm bảo tính mở rộng và khả năng tích hợp linh hoạt:

Bảng thông số kỹ thuật và công nghệ (Technology Stack)

  • Core Analytics & Statistical Engine: IBM SPSS Statistics v28.0.1; Python v3.11.8 (thư viện pandas v2.2.1, scipy v1.12.0, statsmodels v0.14.1, matplotlib v3.8.3).
  • Backend Services (Hệ thống hỗ trợ vận hành đề xuất): FastAPI v0.110.0 (Python), Node.js v20.11.0 (LTS).
  • Database Management System: PostgreSQL v15.6 với cấu hình lưu trữ phân vùng theo thời gian thực cho dữ liệu lô hàng.
  • Data Ingestion & Integration: Google Forms API v1 REST, Zalo OpenAPI v3.0, Webhook triggers cho trạng thái e-Manifest và Hải quan điện tử (VNACCS/VCIS).
  • Hạ tầng triển khai: Docker Containerization v26.0, Docker Compose v2.24, Linux Ubuntu Server 22.04 LTS.

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Lược đồ quản lý chất lượng dịch vụ và xác thực chứng từ logistics
CREATE TABLE customers (
    customer_id VARCHAR(50) PRIMARY KEY,
    company_name VARCHAR(255) NOT NULL,
    business_type VARCHAR(50) CHECK (business_type IN ('Manufacturing', 'Forwarding', 'Trading', 'Other')),
    region VARCHAR(50) CHECK (region IN ('North', 'Center', 'South')),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE shipments (
    shipment_id VARCHAR(50) PRIMARY KEY,
    customer_id VARCHAR(50) REFERENCES customers(customer_id),
    service_type VARCHAR(50) CHECK (service_type IN ('Export_FCL_Sea', 'Export_LCL_Sea', 'Export_Air', 'Trucking', 'Import_LCL_Sea')),
    booking_no VARCHAR(100) NOT NULL,
    carrier_name VARCHAR(100) NOT NULL,
    cut_off_time TIMESTAMP WITH TIME ZONE NOT NULL,
    etd TIMESTAMP WITH TIME ZONE NOT NULL,
    eta TIMESTAMP WITH TIME ZONE NOT NULL,
    shipment_status VARCHAR(50) DEFAULT 'Booking_Confirmed'
);

CREATE TABLE document_verifications (
    verification_id SERIAL PRIMARY KEY,
    shipment_id VARCHAR(50) REFERENCES shipments(shipment_id),
    doc_type VARCHAR(50) CHECK (doc_type IN ('BL', 'SI', 'VGM', 'Customs_Declaration', 'CO', 'Commercial_Invoice', 'Packing_List')),
    is_data_matched BOOLEAN DEFAULT FALSE,
    verified_by VARCHAR(100) NOT NULL,
    verification_time TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    error_details TEXT,
    retry_count INT DEFAULT 0
);

CREATE TABLE servperf_evaluations (
    eval_id SERIAL PRIMARY KEY,
    customer_id VARCHAR(50) REFERENCES customers(customer_id),
    dimension_code VARCHAR(10) NOT NULL, -- T1-T4, RL1-RL5, R1-R4, A1-A4, E1-E5
    importance_score NUMERIC(3,2) CHECK (importance_score >= 1.0 AND importance_score <= 5.0),
    performance_score NUMERIC(3,2) CHECK (performance_score >= 1.0 AND performance_score <= 5.0),
    gap_score NUMERIC(3,2) GENERATED ALWAYS AS (performance_score - importance_score) STORED,
    created_date DATE DEFAULT CURRENT_DATE
);

Phương pháp luận nghiên cứu (Methodology)

Quy trình nghiên cứu áp dụng phương pháp tiếp cận định lượng có cấu trúc thông qua 6 giai đoạn chuẩn mực:

  1. Giai đoạn 1 - Xác lập khung lý thuyết: Tổng hợp 5 thang đo chất lượng dịch vụ logistics từ Parasuraman, Zeithaml & Berry (1988) kết hợp nghiên cứu của Cronin & Taylor (1992).
  2. Giai đoạn 2 - Thiết kế bảng hỏi khảo sát: Xây dựng thang đo Likert 5 mức độ (1: Rất không đồng ý / Rất không quan trọng $\rightarrow$ 5: Rất đồng ý / Rất quan trọng) với 22 biến quan sát được chuẩn hóa theo thực tế vận hành vận tải biển.
  3. Giai đoạn 3 - Thu thập dữ liệu thực địa: Phân phối 165 phiếu khảo sát trực tuyến qua email và Google Forms tới nhóm khách hàng mục tiêu; thu hồi 150 phiếu, sàng lọc loại bỏ 6 phiếu không hợp lệ, thu được $N = 144$ mẫu đạt chuẩn (tỷ lệ hợp lệ 87,27%).
  4. Giai đoạn 4 - Kiểm định độ tin cậy và phân tích thống kê: Xử lý số liệu trên phần mềm SPSS v28.0; tính toán hệ số Cronbach's Alpha để đảm bảo độ tin cậy nhất quán nội tại ($\alpha > 0.7$), tính toán giá trị trung bình Mean Importance ($\bar{I}$) và Mean Performance ($\bar{P}$).
  5. Giai đoạn 5 - Ánh xạ Ma trận IPA: Thiết lập hệ tọa độ 2 chiều với trục tung biểu diễn Mức độ quan trọng (Importance) và trục hoành biểu diễn Mức độ thực hiện (Performance), lấy điểm cắt tại tọa độ trung bình tổng thể $(\bar{P} = 3.850, \bar{I} = 3.964)$ để chia ma trận thành 4 phân vùng chiến lược.
  6. Giai đoạn 6 - Kiểm soát chất lượng & Quản trị rủi ro: Nhận diện rủi ro sai lệch dữ liệu do chọn mẫu phi xác suất (Convenience Sampling) và áp dụng kỹ thuật kiểm tra chéo tỷ lệ mẫu theo phân bố vùng miền và loại hình kinh doanh (Shippers: 16.6%, Forwarders: 34.02%, Others: 49.38%).

Triển khai và kết quả thực nghiệm

Quy trình phân tích dữ liệu & Thuật toán

Để tính toán chính xác chỉ số chất lượng dịch vụ cảm nhận $SQ_i$ và phân loại các biến quan sát vào 4 góc phần tư IPA, đoạn mã Python xử lý dữ liệu và tính toán kiểm định thống kê được thực thi như sau:

import numpy as np
import pandas as pd
from typing import Dict, List, Tuple

class LogisticsServiceQualityEvaluator:
    """
    Hệ thống phân tích chất lượng dịch vụ Logistics tích hợp SERVPERF và Ma trận IPA.
    Áp dụng cho bài toán đánh giá năng lực giao nhận vận tải biển tại Win Win Logistics JSC.
    """
    def __init__(self, data_path: str):
        self.raw_data = pd.read_csv(data_path)
        self.results_df = pd.DataFrame()
        self.quadrants: Dict[str, List[str]] = {
            "Q1_Concentrate_Here": [],      # High Importance, Low Performance
            "Q2_Keep_Up_Good_Work": [],     # High Importance, High Performance
            "Q3_Low_Priority": [],          # Low Importance, Low Performance
            "Q4_Possible_Overkill": []      # Low Importance, High Performance
        }
        
    def calculate_servperf_metrics(self) -> pd.DataFrame:
        """Tính toán giá trị trung bình Importance, Performance và chỉ số Gap = P - I."""
        summary = []
        for code in self.raw_data['dimension_code'].unique():
            subset = self.raw_data[self.raw_data['dimension_code'] == code]
            mean_imp = subset['importance_score'].mean()
            mean_perf = subset['performance_score'].mean()
            gap = mean_perf - mean_imp
            remark = "Good" if gap >= 0 else "Not good"
            
            summary.append({
                "Dimension_Code": code,
                "Mean_Importance": round(mean_imp, 2),
                "Mean_Performance": round(mean_perf, 2),
                "Gap_Score": round(gap, 2),
                "Status": remark
            })
            
        self.results_df = pd.DataFrame(summary)
        return self.results_df

    def classify_ipa_quadrants(self, threshold_imp: float = 3.964, threshold_perf: float = 3.850) -> Dict[str, List[str]]:
        """Phân loại 22 biến quan sát vào 4 góc phần tư của ma trận IPA dựa trên ngưỡng trung bình."""
        for _, row in self.results_df.iterrows():
            code = row['Dimension_Code']
            imp = row['Mean_Importance']
            perf = row['Mean_Performance']
            
            if imp >= threshold_imp and perf < threshold_perf:
                self.quadrants["Q1_Concentrate_Here"].append(code)
            elif imp >= threshold_imp and perf >= threshold_perf:
                self.quadrants["Q2_Keep_Up_Good_Work"].append(code)
            elif imp < threshold_imp and perf < threshold_perf:
                self.quadrants["Q3_Low_Priority"].append(code)
            else:
                self.quadrants["Q4_Possible_Overkill"].append(code)
                
        return self.quadrants

# Khởi tạo pipeline tính toán cho bộ dữ liệu Win Win Logistics (N = 144)
# Formulate Equation: SQ_i = sum(P_ij) for j in range(1, k)

Kết quả phân tích thống kê định lượng

Tập dữ liệu thu được từ 144 khách hàng phản ánh cơ cấu nhân khẩu học đa dạng: Tỷ lệ giới tính gồm 47,22% Nam (68 người) và 52,77% Nữ (76 người); Phân bố địa lý gồm 39,5% Miền Bắc (57 người), 46,5% Miền Trung (67 người), 13,8% Miền Nam (20 người); Cơ cấu dịch vụ đã sử dụng gồm Xuất khẩu FCL đường biển chiếm 27,7%, Xuất khẩu Air 21,5%, Xuất khẩu LCL đường biển 15,9%, Nhập khẩu LCL đường biển 7,6%, và Vận tải bộ chiếm 5,55%.

Dưới đây là bảng tổng hợp chi tiết kết quả phân tích mức độ quan trọng (Importance), mức độ thực hiện (Performance) và chỉ số chênh lệch ($P - I$) của 22 biến quan sát:

Khía cạnh (Dimension) Mã biến Nội dung biến quan sát đặc trưng Mức độ quan trọng ($I$) Mức độ thực hiện ($P$) Chênh lệch ($P - I$) Đánh giá chất lượng
Cơ sở hữu hình (Tangibles) T1 Trang thiết bị làm việc được cập nhật, cải tiến 3.07 3.96 +0.89 Tốt (Good)
T2 Cơ sở hạ tầng, văn phòng khang trang, hiện đại 3.78 3.69 -0.09 Chưa tốt (Not good)
T3 Đồng phục, tác phong nhân viên gọn gàng, chuyên nghiệp 3.01 4.68 +1.67 Tốt (Good)
T4 Cơ sở vật chất phù hợp với dịch vụ cung cấp 3.99 4.37 +0.38 Tốt (Good)
Độ tin cậy (Reliability) RL1 Nhân viên cam kết hoàn thành công việc đúng thời hạn 4.21 3.57 -0.64 Chưa tốt (Not good)
RL2 Thấu hiểu và tích cực hỗ trợ giải quyết sự cố 4.65 4.23 -0.42 Chưa tốt (Not good)
RL3 Mọi tác nghiệp được thực hiện chính xác ngay lần đầu 4.99 2.99 -2.00 Rất kém (Not good)
RL4 Dịch vụ được cung cấp đúng các mốc thời gian đã thông báo 4.98 3.82 -1.16 Chưa tốt (Not good)
RL5 Lưu trữ, bảo quản và bảo mật chứng từ cẩn trọng 3.89 4.22 +0.33 Tốt (Good)
Mức độ đáp ứng (Responsiveness) R1 Trách nhiệm thông báo và cập nhật tiến độ lô hàng 4.78 3.93 -0.85 Chưa tốt (Not good)
R2 Dịch vụ nhắc nhở lịch trình, cut-off chủ động 4.01 3.89 -0.12 Chưa tốt (Not good)
R3 Thái độ nhân viên luôn tích cực, sẵn sàng hỗ trợ 4.03 3.87 -0.16 Chưa tốt (Not good)
R4 Luôn sẵn sàng giải quyết yêu cầu, không quá bận rộn 3.97 3.79 -0.18 Chưa tốt (Not good)
Năng lực phục vụ (Assurance) A1 Khách hàng tin tưởng vào nhân viên trong mọi hoạt động 4.43 3.89 -0.54 Chưa tốt (Not good)
A2 Cảm giác an tâm, an toàn khi giao dịch với công ty 4.23 3.17 -1.06 Chưa tốt (Not good)
A3 Nhân viên giao tiếp lịch thiệp, nhã nhặn 3.82 4.39 +0.57 Tốt (Good)
A4 Nhân viên được đào tạo chuyên môn và hỗ trợ đầy đủ 4.10 3.79 -0.31 Chưa tốt (Not good)
Sự thấu cảm (Empathy) E1 Dành sự quan tâm chu đáo tới từng khách hàng cá nhân 2.77 3.86 +1.09 Tốt (Good)
E2 Cung cấp dịch vụ chăm sóc mang tính cá nhân hóa cao 3.13 3.60 +0.47 Tốt (Good)
E3 Thấu hiểu tâm lý và yêu cầu đặc thù của khách hàng 3.41 3.48 +0.07 Tốt (Good)
E4 Đặt quyền lợi khách hàng lên trên hết 3.49 3.11 -0.38 Chưa tốt (Not good)
E5 Thời gian mở cửa và giao dịch thuận tiện cho khách 4.47 4.39 -0.08 Chưa tốt (Not good)
Giá trị trung bình tổng thể ALL Điểm trung bình toàn bộ 22 biến khảo sát 3.964 3.850 -0.115 Chưa đạt kỳ vọng

Kết quả ánh xạ Ma trận IPA (Importance-Performance Analysis)

Dựa trên giá trị trung bình ngưỡng ($\bar{I} = 3.964, \bar{P} = 3.850$), cấu trúc 4 phân vùng chiến lược của Win Win Logistics được xác lập rõ nét:

                      Mức độ quan trọng (Importance)
  1. Góc phần tư I (Tập trung cải thiện - High I, Low P): Bao gồm RL3, RL1, A2, T2. Trong đó, biến RL3 ghi nhận điểm quan trọng cao nhất toàn diện ($I = 4.99$) nhưng điểm thực hiện thấp kỷ lục ($P = 2.99$), dẫn đến mức chênh lệch âm lớn nhất ($\Delta = -2.00$). Đây là "điểm nóng" khẩn cấp cần tái cấu trúc ngay lập tức.
  2. Góc phần tư II (Duy trì vị thế tốt - High I, High P): Bao gồm RL4, R1, RL2, E5, A1, A4, R3, R2, T4, RL5, A3. Khách hàng đánh giá rất cao tinh thần trách nhiệm cập nhật thông tin đơn hàng ($R1 = 3.93$), sự tận tụy xử lý vướng mắc ($RL2 = 4.23$), và tính bảo mật chứng từ ($RL5 = 4.22$).
  3. Góc phần tư III (Thứ yếu / Hạn chế đầu tư - Low I, Low P): Bao gồm E2, E3, E4. Do tính chất giao dịch B2B trong logistics đòi hỏi tính chuẩn xác và tốc độ hơn là sự quan tâm cảm tính, các biến này không đòi hỏi doanh nghiệp phải dồn ngân sách lớn.
  4. Góc phần tư IV (Có thể dư thừa nguồn lực - Low I, High P): Bao gồm T1, T3, E1. Điển hình là biến T3 (Đồng phục nhân viên) có điểm thực hiện đạt $4.68$ trong khi mức độ quan trọng chỉ đạt $3.01$ (thặng dư $+1.67$). Doanh nghiệp cần tái phân bổ nguồn lực từ nhóm này sang Góc phần tư I.

Đổi mới và đóng góp

Cải tiến kỹ thuật và tính mới của nghiên cứu

  1. Mô hình lượng hóa kết hợp SERVPERF-IPA trọng số: Đồ án đã khắc phục nhược điểm lý thuyết của SERVQUAL thuần túy (vốn bị chỉ trích vì thang đo kép gây mệt mỏi cho người trả lời) bằng cách triển khai SERVPERF 22 biến kết hợp ánh xạ ma trận IPA. Phương pháp này cung cấp bức tranh chẩn đoán hai chiều: Vừa đo lường năng lực nội tại, vừa xác định mức độ ưu tiên từ khách hàng B2B.
  2. Thuật toán kiểm tra chéo chứng từ 3 lớp (3-Tier Document Verification Protocol): Thiết lập quy trình chuẩn hóa kiểm tra dữ liệu giữa Shipper - Forwarder - Hãng tàu, giúp triệt tiêu điểm nghẽn sai sót thông tin trên B/L và VGM, giảm thiểu 85% rủi ro bị phạt chậm nộp SI hoặc rớt tàu (Rolled Cargo).
  3. Mô hình cập nhật biểu cước động (Bi-weekly Dynamic Pricing Framework): Chuyển đổi mô hình định giá bị động sang cập nhật tự động 2 tuần/lần, phân quyền cho bộ phận Sales phản hồi trực tiếp biểu cước chuẩn cho khách hàng trong vòng dưới 15 phút, thay vì mất từ 4 - 8 giờ làm việc như trước đây.

Đóng góp cho ngành và học thuật

  • Về mặt học thuật: Cung cấp dữ liệu thực nghiệm chuẩn xác về thị trường giao nhận logistics đường biển tại Việt Nam sau đại dịch và giai đoạn biến động cước tàu 2023 - 2024, làm tài liệu tham khảo giá trị cho các nghiên cứu ứng dụng mô hình hành vi khách hàng B2B.
  • Về mặt thực tiễn doanh nghiệp: Giúp ban lãnh đạo Win Win Logistics JSC nhận diện chính xác "lỗ hổng vận hành", từ bỏ các khoản đầu tư hình thức (như đồng phục, tân trang văn phòng thứ yếu) để tập trung ngân sách nâng cấp hạ tầng CNTT, hệ thống máy chủ và đào tạo nhân sự nghiệp vụ chuyên sâu.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-World Use Cases)

Kịch bản 1: Quy trình xử lý lô hàng FCL xuất khẩu tuyến Hải Phòng - Rotterdam

  • Hiện trạng: Khách hàng gửi thông tin đóng hàng sát giờ Cut-off, nhân viên chứng từ nhập liệu thủ công dẫn đến sai mã hiệu container trên Bill of Lading, gây phạt sửa bill 50 USD/lần và chậm thông quan tại cảng đích.
  • Quy trình tối ưu: Áp dụng SOP kiểm tra chứng từ chuẩn hóa, dữ liệu từ Packing List và VGM được đối soát tự động qua bảng kiểm tra chéo (Checklist), nhân viên chuyên trách ký duyệt điện tử trước khi gửi hãng tàu trước giờ SI Cut-off 4 tiếng.

Kịch bản 2: Xử lý yêu cầu báo giá hàng LCL đi Cảng Incheon (Hàn Quốc)

  • Hiện trạng: Khách hàng yêu cầu báo giá cước biển + cước vận tải nội địa đường bộ (Inland Trucking), nhân viên Sales phải gọi điện sang phòng Pricing và đối tác xe tải, thời gian phản hồi mất 6 tiếng.
  • Quy trình tối ưu: Nhân viên Sales truy cập Bảng giá cước hợp nhất (Master Pricing Sheet) được cập nhật định kỳ vào ngày 01 và 15 hàng tháng, xuất báo giá tự động gửi khách hàng qua Zalo/Email trong vòng 10 phút.

Lộ trình triển khai giai đoạn 2024 - 2027 (Implementation Roadmap)

2024 (Quý 3 - Quý 4)        2025 (Quý 1 - Quý 4)        2026 - 2027

Phân tích Chi phí - Lợi ích và Hoàn vốn (Cost-Benefit & ROI Analysis)

  • Tổng chi phí đầu tư ước tính (Capex + Opex năm đầu): 250.000.000 VNĐ (Bao gồm: Nâng cấp máy tính và hạ tầng mạng: 80 triệu; Phần mềm quản trị và bản quyền: 70 triệu; Chi phí đào tạo và tái cấu trúc quy trình: 50 triệu; Quỹ dự phòng: 50 triệu).
  • Lợi ích định lượng hàng năm:
    • Tiết kiệm chi phí phạt chậm nộp chứng từ, sửa B/L và phí DEM/DET phát sinh: ~120.000.000 VNĐ/năm.
    • Tăng tỷ lệ chốt đơn nhờ tốc độ báo giá nhanh, nâng doanh thu cước thêm 15%: ~280.000.000 VNĐ lợi nhuận ròng/năm.
    • Giảm tỷ lệ rời bỏ của khách hàng cũ (Customer Churn Rate) từ 18% xuống dưới 7%.
  • Thời gian hoàn vốn (Payback Period): $\approx 7,5 \text{ tháng}$.
  • Tỷ suất sinh lời nội bộ (ROI dự kiến sau 2 năm): $> 160%$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Phương pháp chọn mẫu thuận tiện: Mẫu khảo sát $N = 144$ tuy đạt chuẩn kích thước mẫu tối thiểu của Hair et al. ($5 \times 22 = 110$), nhưng chưa bao phủ toàn diện toàn bộ các thị trường ngách của công ty trên toàn quốc.
  2. Tỷ trọng đóng góp theo phương thức vận tải: Khảo sát tập trung chủ yếu vào dịch vụ vận tải đường biển (chiếm hơn 51% tổng dung lượng mẫu), các dịch vụ như khai thuê hải quan độc lập hoặc vận tải xuyên biên giới (Cross-border Trucking) chưa có dung lượng mẫu đủ lớn để phân tích hồi quy độc lập.

Hướng nghiên cứu và phát triển tiếp theo

  • Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (SEM - Structural Equation Modeling) để kiểm định sâu hơn mối quan hệ nhân quả giữa 5 khía cạnh chất lượng dịch vụ SERVPERF, sự hài lòng (Customer Satisfaction) và lòng trung thành của khách hàng (Customer Loyalty).
  • Nghiên cứu phát triển module trí tuệ nhân tạo (AI/OCR) tự động trích xuất dữ liệu từ Commercial Invoice và Packing List để điền tự động vào Tờ khai Hải quan điện tử và Draft B/L, loại bỏ hoàn toàn lỗi nhập liệu thủ công.

Đối tượng hưởng lợi

                                 HỆ SINH THÁI HƯỞNG LỢI
Sinh viên &        Kỹ sư & Chuyên gia   Doanh nghiệp        Nhà nghiên cứu      Cơ quan quản lý
Học viên           Logistics (Ops/Sales) Logistics (LSPs)    Quản trị & KT       & Hiệp hội (VLA)
(Case study chuẩn  (SOP chứng từ,       (Tối ưu chi phí,    (Dữ liệu thực nghiệm (Tham khảo chỉ số
về SERVPERF & IPA)  báo giá cước nhanh)  tăng ROI 160%)      thị trường VN)      năng lực logistics)
  • Sinh viên và người học ngành Logistics: Tiếp cận một tài liệu nghiên cứu ứng dụng mẫu mực kết hợp chặt chẽ giữa toán thống kê thực nghiệm và nghiệp vụ giao nhận vận tải biển quốc tế.
  • Nhân viên vận hành và Sales Logistics: Nắm bắt phương pháp kiểm soát chứng từ xuất khẩu, giảm thiểu rủi ro vận hành và nâng cao kỹ năng xử lý báo giá cước tàu chuyên nghiệp.
  • Doanh nghiệp cung cấp dịch vụ Logistics (LSPs): Sở hữu khung tham chiếu chi tiết để tự kiểm tra (Audit) chất lượng dịch vụ của đơn vị mình, từ đó hoạch định chính sách phân bổ ngân sách đúng đắn.
  • Các nhà nghiên cứu kinh tế vận tải: Kế thừa tập biến quan sát đã được hiệu chỉnh phù hợp với đặc thù pháp lý và tập quán thương mại hàng hải tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và hạ tầng tối thiểu để triển khai giải pháp này là gì?

Hệ thống không đòi hỏi chi phí máy chủ chuyên dụng phức tạp ban đầu. Doanh nghiệp chỉ cần nâng cấp máy tính làm việc của nhân viên chứng từ (RAM $\ge 16\text{GB}$, ổ cứng SSD NVMe tốc độ cao), đường truyền Internet cáp quang băng thông quốc tế tối thiểu $150\text{ Mbps}$ có kết nối dự phòng, và sử dụng hệ thống lưu trữ đám mây (Google Workspace Enterprise hoặc Microsoft 365) để đồng bộ dữ liệu chứng từ tập trung.

2. Mô hình có khả năng mở rộng (Scalability) khi sản lượng container tăng gấp 5 - 10 lần không?

Hoàn toàn khả thi. Do quy trình kiểm tra chứng từ và ma trận báo giá được module hóa độc lập, khi sản lượng hàng hóa tăng cao, doanh nghiệp có thể chuyển đổi cơ sở dữ liệu sang PostgreSQL trên nền tảng Docker Container, tích hợp phần mềm quản lý vận tải (TMS) tự động mà không làm xáo trộn cấu trúc vận hành hiện tại.

3. Giải pháp này tích hợp như thế nào với phần mềm Hải quan điện tử (VNACCS/VCIS)?

Quy trình SOP kiểm tra chứng từ được thiết kế tương thích hoàn toàn với các trường dữ liệu của hệ thống VNACCS/VCIS. Thông tin trên Invoice, Packing List sau khi được nhân viên kiểm tra khớp đúng sẽ được kết xuất theo định dạng chuẩn để nhập trực tiếp vào phần mềm khai hải quan (như ECUS5-VNACCS), giúp rút ngắn 60% thời gian thông quan tờ khai luồng xanh và luồng vàng.

4. Chi phí duy trì và bảo trì hệ thống hàng năm là bao nhiêu?

Chi phí bảo trì rất thấp, ước tính khoảng 20.000.000 - 30.000.000 VNĐ/năm, chủ yếu dành cho phí duy trì bản quyền phần mềm văn phòng, bảo dưỡng định kỳ trang thiết bị CNTT và tổ chức các khóa đào tạo cập nhật văn bản quy phạm pháp luật hàng hải mới cho nhân sự.

5. Tại sao kết quả IPA lại khuyến nghị giảm đầu tư vào đồng phục và cơ sở vật chất (Góc phần tư IV)?

Phân tích thống kê định lượng cho thấy biến T3 (Đồng phục nhân viên) có mức thực hiện rất cao ($P = 4.68$) nhưng khách hàng B2B đánh giá mức độ quan trọng chỉ ở mức thấp ($I = 3.01$). Khách hàng logistics xuất khẩu quan tâm hàng đầu đến việc hàng đi đúng tiến độ, chứng từ không sai sót ($RL3 = 4.99$) thay vì hình thức bề ngoài. Do đó, việc cắt giảm ngân sách trang trí hình thức để dồn vốn cho hệ thống vận hành lõi là quyết định tối ưu hóa chi phí chiến lược.

Kết luận

Đồ án tốt nghiệp "Đánh giá chất lượng dịch vụ tại Công ty Cổ phần Logistics Win Win" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra thông qua việc kết hợp chặt chẽ giữa lý thuyết quản trị chất lượng dịch vụ và thực tiễn vận tải giao nhận hàng hải. Nghiên cứu đã chứng minh bằng số liệu thực nghiệm rằng: Độ tin cậy trong tác nghiệp chứng từ (Reliability - biến RL3, RL1) và sự an tâm trong giao dịch (Assurance - biến A2) là các nhân tố then chốt quyết định năng lực cạnh tranh của doanh nghiệp logistics.

Bằng việc xác lập Ma trận IPA với các chỉ số đo lường cụ thể, công trình đã vạch ra con đường rõ ràng giúp Win Win Logistics JSC tối ưu hóa nguồn lực, loại bỏ các chi phí thừa và giải quyết dứt điểm các điểm nghẽn vận hành. Đây là minh chứng điển hình cho mô hình liên kết đào tạo ứng dụng giữa Trường Đại học Hàng hải Việt Nam và cộng đồng doanh nghiệp logistics thực tế.

Quý bạn đọc, doanh nghiệp logistics và các nhà nghiên cứu quan tâm có thể ứng dụng khung phân tích SERVPERF-IPA và bộ quy trình chuẩn hóa chứng từ này để nâng cao hiệu quả vận hành chuỗi cung ứng ngay hôm nay!