Bối cảnh và vấn đề nghiên cứu

Đồ án môn học "Hệ hỗ trợ ra quyết định vào dự án đầu tư và sản xuất kẹo Nougat tại cửa hàng Candyshop" do sinh viên Trương Thị Kim Thoa và Trần Anh Thư thực hiện dưới sự hướng dẫn của ThS. Thái Thị Ngọc Lý (Khoa Công nghệ Thông tin, Trường Đại học Tài chính – Marketing, 2022). Nghiên cứu xuất phát từ bối cảnh ứng dụng công nghệ thông tin ngày càng sâu rộng trong các lĩnh vực kinh doanh, quản trị và tài chính, giúp người quản lý khai thác trí tuệ kinh doanh kịp thời nhằm nâng cao năng lực cạnh tranh trên thị trường.

Thực tiễn tại chuỗi cửa hàng kinh doanh đồ ngọt thủ công Candyshop cho thấy nhu cầu cấp thiết trong việc nâng cao chất lượng sản phẩm và gia tăng doanh số. Với quy mô chuỗi lớn, việc quản lý và ban hành các quyết định đầu tư, sản xuất theo phương pháp truyền thống thủ công bộc lộ nhiều hạn chế: quy trình phức tạp, tiêu tốn thời gian và tiềm ẩn mức độ rủi ro cao đối với các dự án có quy mô vốn lớn. Nhằm mở rộng hoạt động kinh doanh mặt hàng kẹo nougat với tổng nguồn vốn dự kiến là 3 tỷ đồng, cửa hàng cần xây dựng hệ hỗ trợ ra quyết định (Decision Support System - DSS) trên nền tảng bảng tính để đánh giá tính khả thi tài chính và lập kế hoạch phối hợp sản xuất tối ưu.

Đồ án đặt ra 2 câu hỏi và nhiệm vụ nghiên cứu trọng tâm:

  1. Câu hỏi nghiên cứu 1: Với 3 tỷ đồng vốn đầu tư ban đầu, phân tích giá trị hiện tại thuần (NPV) và nội suất thu hồi vốn (IRR) của cửa hàng để xác định dự án mở rộng quy mô có nên được đầu tư hay không?
  2. Câu hỏi nghiên cứu 2: Với định mức nguyên vật liệu có sẵn, cửa hàng cần đưa ra mục tiêu sản xuất mỗi loại kẹo nougat bao nhiêu kilôgam để đạt cực đại lợi nhuận?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Lý thuyết về hệ hỗ trợ ra quyết định; các mô hình tối ưu hóa toán học, phương pháp phân tích tài chính dự án và cơ sở dữ liệu sản xuất - tiêu thụ kẹo nougat của Cửa hàng Candyshop.
  • Phạm vi nghiên cứu: Ứng dụng các công cụ tính toán, phân tích độ nhạy và tối ưu hóa trên Microsoft Excel (hàm tài chính SYD, NPV, IRR, công cụ What-If Analysis gồm Goal Seek, Scenario Manager, Data Table; công cụ Solver Add-in) và ngôn ngữ lập trình Visual Basic for Applications (VBA) phục vụ quá trình ra quyết định kinh doanh tại đơn vị.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình nghiên cứu

Đồ án xây dựng nền tảng lý thuyết dựa trên các khái niệm và mô hình chuẩn tắc trong hệ thống thông tin quản lý và phân tích quyết định:

  • Bản chất của quyết định và quá trình ra quyết định: Quyết định là việc lựa chọn phương án tối ưu hoặc thỏa đáng trong số các phương án khả thi để giải quyết vấn đề của tổ chức.
  • Khái niệm Hệ hỗ trợ ra quyết định (DSS): Là hệ thống chương trình máy tính trợ giúp việc thu thập, sàng lọc, phân tích khối lượng dữ liệu lớn và tổng hợp thông tin nhằm phục vụ các cấp quản lý (cấp cao: chiến lược dài hạn; cấp trung: phân bổ nguồn lực; chuyên gia: sáng kiến sản phẩm; tác nghiệp: hoạt động cụ thể).
  • Phân loại quyết định theo Herbert Simon (1977): Chia làm 3 loại gồm quyết định có cấu trúc (theo quy trình lặp lại), quyết định bán cấu trúc (kết hợp kinh nghiệm và thủ tục định sẵn) và quyết định phi cấu trúc (không theo nguyên tắc định trước).
  • Quy trình ra quyết định 4 giai đoạn của Simon:
    1. Giai đoạn nhận định (Intelligence phase): Nhận diện vấn đề, nhu cầu, cơ hội và rủi ro.
    2. Giai đoạn thiết kế (Design phase): Phân tích các hướng tiếp cận, xây dựng và trừu tượng hóa mô hình thực tế.
    3. Giai đoạn lựa chọn (Choice phase): Đánh giá hệ quả của từng giải pháp và chọn phương án tối ưu hoặc thỏa đáng.
    4. Giai đoạn thực hiện (Implementation phase): Triển khai giải pháp, giám sát kết quả và điều chỉnh.
  • Phân loại DSS theo Daniel J. Power: Gồm 5 dạng chính: DSS hướng dữ liệu (Data-Driven), DSS hướng mô hình (Model-Driven), DSS hướng tri thức (Knowledge-Driven), DSS hướng văn bản (Document-Driven) và DSS hướng kết nối/nhóm (Communication-Driven & Group DSS).
  • Cấu trúc 3 thành phần của DSS: Quản lý dữ liệu (Data Management), Quản lý mô hình (Model Management) và Quản lý giao diện người dùng (User Interface Management).
  • Mô hình toán học:
    • Mô hình quy chuẩn (Normative Model): Tìm phương án tối ưu tuyệt đối cho bài toán đơn mục tiêu.
    • Mô hình mô tả (Descriptive Model): Tìm giải pháp thỏa đáng cho bài toán đa mục tiêu.
    • Quy hoạch tuyến tính (Linear Programming - LP): Xây dựng hàm mục tiêu (cực đại hóa lợi nhuận hoặc cực tiểu hóa chi phí) cùng hệ thống ràng buộc bất đẳng thức tuyến tính về tài nguyên.
    • Quy hoạch số nguyên (Integer Programming - IP): Ứng dụng các biến nhị phân $0-1$ để đại diện cho quyết định chấp thuận hoặc từ chối dự án đầu tư.
  • Phương pháp phân tích tài chính dự án:
    • Khấu hao tài sản cố định theo phương pháp tổng số năm sử dụng (Sum-of-Years' Digits) bằng hàm SYD(cost, salvage, life, per) căn cứ theo Thông tư 45 của Bộ Tài chính.
    • Thẩm định hiệu quả dòng tiền phát sinh đều qua hàm Giá trị hiện tại thuần NPV(rate, value1, value2,...) và Nội suất thu hồi vốn IRR(values, [guess]). Quy tắc lựa chọn: Dự án được chấp thuận khi $NPV > 0$ và $IRR > r$ (chi phí sử dụng vốn).

Phương pháp thu thập dữ liệu và công cụ phân tích

Tác giả hệ thống hóa các phương pháp thu thập dữ liệu phục vụ vận hành DSS:

  • Dữ liệu sơ cấp: Thu thập trực tiếp thông qua quan sát (trực tiếp/gián tiếp, ngụy trang/công khai), phỏng vấn bằng thư (mail interview), phỏng vấn qua điện thoại (telephone interview), phỏng vấn cá nhân trực tiếp (personal interviews), điều tra nhóm cố định (panels) và điều tra nhóm chuyên đề (focus groups từ 7 đến 12 người).
  • Dữ liệu thứ cấp: Khai thác từ báo chí, ấn phẩm chuyên ngành, catalogues chỉ mục, hệ thống lưu trữ nội bộ, cơ sở dữ liệu thương mại, dữ liệu máy/nhật ký truy cập (IoT, web logs) và dữ liệu mạng xã hội (qua Gnip, API công khai).
  • Công cụ kỹ thuật: Sử dụng Microsoft Excel kết hợp bộ công cụ What-If Analysis (Goal Seek để tìm điểm hòa vốn; Scenario Manager để lập kịch bản đa biến; Data Table để tạo bảng phân tích độ nhạy 2 chiều), Solver Add-in để giải bài toán quy hoạch tuyến tính và ngôn ngữ VBA để tự động hóa giao diện, xử lý mô hình.

Nội dung chính theo từng chương

Chương 1. Tổng quan đề tài

Chương 1 thiết lập khung nghiên cứu thực tiễn cho đề tài tại Cửa hàng CandyShop. Nội dung tập trung vào:

  • Phân tích bối cảnh chuyển dịch số trong quản trị kinh doanh và sự cần thiết của các công cụ hỗ trợ ra quyết định trên máy tính thay thế cho thao tác thủ công.
  • Xác định bài toán thực tế của CandyShop: Nhu cầu đầu tư 3 tỷ đồng để mở rộng quy mô kinh doanh và tổ chức sản xuất đa dạng hóa các dòng kẹo nougat.
  • Trình bày mục tiêu nghiên cứu thông qua 2 câu hỏi kỹ thuật về thẩm định dự án đầu tư (NPV, IRR) và tối ưu hóa phối thức sản lượng đầu ra dựa trên định mức nguyên vật liệu.
  • Giới thiệu phạm vi triển khai và kết quả kỳ vọng của đồ án đối với công tác quản trị tại đơn vị.

Chương 2. Cơ sở lý thuyết và công cụ của hệ hỗ trợ ra quyết định

Chương 2 là phần trọng tâm về lý luận và phương pháp tính toán, được chia thành các nhóm nội dung:

  1. Tổng quan về DSS: Trình bày chi tiết các định nghĩa, vai trò của DSS đối với 4 cấp quản lý trong tổ chức kinh tế; phân tích 5 loại hình DSS theo Daniel J. Power; cấu trúc hệ thống gồm 3 phân hệ quản lý (dữ liệu, mô hình, giao diện); phân loại quyết định và quy trình 4 pha của Herbert Simon.
  2. Phương pháp thu thập dữ liệu: Phân tích ưu điểm, nhược điểm và điều kiện áp dụng của 6 kỹ thuật thu thập dữ liệu sơ cấp cùng các kênh định vị dữ liệu thứ cấp (thương mại, chính phủ, IoT, mạng xã hội).
  3. Mô hình hóa và phân tích tối ưu:
    • Định nghĩa quy hoạch tuyến tính (LP) và quy hoạch số nguyên (IP với biến nhị phân $0-1$).
    • Minh họa bài toán LP thông qua mô hình phân bổ nguyên liệu sản xuất chất phụ gia ($F$) và bazơ hòa tan ($B$) tại công ty hóa chất ABC với hàm mục tiêu $\text{Max } 40F + 30B$ cùng 3 ràng buộc nguyên liệu thô ($0{,}4F + 0{,}5B \le 20$; $0{,}2B \le 5$; $0{,}6F + 0{,}3B \le 21$; $F, B \ge 0$).
  4. Phân tích độ nhạy cảm (Sensitivity Analysis):
    • Trình bày phương pháp tiếp cận trực tiếp (thay thế trực tiếp giả định tăng trưởng) và gián tiếp (chèn biến số phần trăm thay đổi vào công thức).
    • Đánh giá ưu điểm (tăng độ tin cậy dự báo, làm rõ biến trọng yếu) và nhược điểm (phụ thuộc giả định lịch sử, có sai số trước biến động thị trường).
  5. Phương pháp đánh giá tài chính dự án:
    • Hướng dẫn cấu trúc bảng tính khấu hao tài sản cố định theo tổng số năm sử dụng với hàm SYD.
    • Thiết lập công thức dòng ngân lưu, tính $NPV$ và $IRR$ dòng tiền đều; minh họa qua bài toán đầu tư 2 tỷ đồng, dòng đời 5 năm, tỷ suất chiết khấu $12%$/năm của công ty thức ăn chăn nuôi.
  6. Hướng dẫn ứng dụng các công cụ tính toán trên Excel:
    • Goal Seek: Minh họa bài toán tìm điểm hòa vốn sản lượng tại Công ty sản xuất gạch Đồng Tâm (định phí 750.000.000 đồng/tháng, biến phí 3.500.000 đồng/tấn, giá bán 4.100.000 đồng/tấn; kết quả Goal Seek xác định sản lượng hòa vốn đạt đúng 1.250 tấn gạch).
    • Scenario Manager: Thiết lập 3 kịch bản kinh doanh (TH1: giá 4.200.000 đ, sản lượng 2.100 tấn; TH2: giá 4.400.000 đ, sản lượng 2.200 tấn; TH3: giá 4.600.000 đ, sản lượng 2.500 tấn) và trích xuất bảng Scenario Summary so sánh lợi nhuận trước thuế.
    • Data Table: Hướng dẫn lập bảng phân tích độ nhạy 2 chiều kết nối ô dòng (đơn giá) và ô cột (sản lượng) với chỉ tiêu lợi nhuận trước thuế.
    • Solver Add-in: Hướng dẫn quy trình cài đặt Add-in và thiết lập bài toán tối ưu hóa kế hoạch sản xuất 3 loại áo len tại xí nghiệp Hoàng Gia với hàm mục tiêu cực đại hóa lợi nhuận $F = 2000x_1 + 4000x_2 + 3000x_3$, chịu các ràng buộc nguyên liệu len trắng ($\le 700$), len đỏ ($\le 800$) và sản lượng tối thiểu mỗi loại ($x_1, x_2, x_3 \ge 100$).
    • Visual Basic for Applications (VBA): Giới thiệu ngôn ngữ lập trình tích hợp trên Excel nhằm tự động hóa các thao tác xử lý dữ liệu và xây dựng form giao diện người dùng.

Phần phát triển mô hình và xây dựng hệ hỗ trợ ra quyết định

Theo cấu trúc đồ án, phần tiếp theo thực hiện giải quyết 2 bài toán cụ thể của CandyShop:

  • Tổ chức cơ sở dữ liệu đầu vào cho dự án đầu tư 3 tỷ đồng (tài sản cố định, doanh thu, định phí, biến phí).
  • Xây dựng bảng tính Excel tính khấu hao tài sản cố định (SYD), thiết lập dòng ngân lưu ròng, tính toán chỉ số $NPV$ và $IRR$ để đưa ra kết luận chấp thuận/từ chối đầu tư cho Câu hỏi 1.
  • Tổ chức mô hình Solver Add-in trên Excel để tìm sản lượng tối ưu cho từng loại kẹo nougat dựa trên định mức nguyên vật liệu có sẵn nhằm đạt lợi nhuận cực đại cho Câu hỏi 2.
  • Xây dựng giao diện thực thi hệ thống bằng biểu mẫu VBA kết nối các phân hệ dữ liệu, phân hệ mô hình và bảng kết quả tổng hợp.

Thiết kế và triển khai

Căn cứ vào nội dung kỹ thuật được trình bày trong đồ án, hệ thống hỗ trợ ra quyết định cho Cửa hàng Candyshop được thiết kế và tổ chức trên môi trường Microsoft Excel kết hợp VBA theo cấu trúc 3 phân hệ:

Phân hệ DSS Thành phần kỹ thuật Chức năng xử lý
Quản lý dữ liệu Bảng tính Excel lưu trữ tham số đầu vào Lưu trữ nguyên giá TSCĐ, thời gian khấu hao, chi phí vốn, đơn giá nguyên vật liệu, định mức tiêu hao cho từng loại kẹo nougat, định phí và biến phí.
Quản lý mô hình Hàm tài chính, What-If Analysis, Solver Add-in - Khấu hao TSCĐ bằng hàm SYD.
- Thẩm định tài chính bằng hàm NPV, IRR.
- Phân tích điểm hòa vốn qua Goal Seek.
- Phân tích kịch bản đa biến qua Scenario Manager.
- Phân tích độ nhạy 2 chiều qua Data Table.
- Tối ưu hóa sản lượng kẹo bằng Solver Add-in (Simplex LP).
Giao diện người dùng Biểu mẫu và bảng điều khiển VBA Cung cấp giao diện nhập liệu tham số, các nút lệnh thực thi mô hình tự động và hiển thị báo cáo tổng hợp kết quả phân tích.

Quy trình giải quyết bài toán tối ưu trên bảng tính Excel được chuẩn hóa theo 4 bước:

  1. Xác định hàm mục tiêu (Objective Function) và các biến quyết định.
  2. Thiết lập hệ thống các ràng buộc kỹ thuật, nguyên vật liệu và điều kiện không âm (Constraints).
  3. Tổ chức cấu trúc bảng dữ liệu đơn vị và bảng tính tổng hợp trên sheet Excel.
  4. Gọi công cụ Solver Add-in để chạy thuật toán tìm phương án tối ưu toàn cục.

Kết quả và đóng góp

Kết quả chính

Đồ án đã hệ thống hóa và minh chứng tính khả thi của việc ứng dụng các mô hình định lượng và công cụ tin học trong việc giải quyết các bài toán quản trị kinh doanh:

  • Về mặt phương pháp luận: Chuẩn hóa quy trình 4 giai đoạn ra quyết định của Simon và quy trình mô hình hóa toán học cho doanh nghiệp quy mô vừa và nhỏ.
  • Về công cụ đánh giá tài chính: Thiết lập thành công bảng tính tích hợp tự động tính toán dòng tiền, trích khấu hao tài sản cố định theo phương pháp SYD và xác định các chỉ số $NPV$, $IRR$ để trả lời câu hỏi chấp thuận dự án đầu tư 3 tỷ đồng của CandyShop.
  • Về công cụ phân tích độ nhạy và hòa vốn: Chứng minh hiệu quả tính toán của Goal Seek (tìm ra chính xác sản lượng hòa vốn 1.250 tấn gạch trong ví dụ minh họa), Scenario Manager (tổng hợp so sánh đa kịch bản) và Data Table 2 chiều trên bảng tính.
  • Về tối ưu hóa sản xuất: Ứng dụng thành công công cụ Solver Add-in để giải bài toán quy hoạch tuyến tính phân bổ nguyên vật liệu đầu vào, xác định khối lượng sản xuất từng chủng loại sản phẩm nhằm đạt cực đại hóa hàm lợi nhuận.

Giải pháp và kiến nghị của tác giả

  • Thay thế phương thức quản lý và ra quyết định thủ công bằng hệ hỗ trợ ra quyết định bán tự động trên Excel nhằm giảm thiểu sai sót và tiết kiệm thời gian.
  • Ứng dụng phân tích độ nhạy trước khi triển khai các dự án đầu tư lớn để lường trước biến động của các yếu tố chi phí, giá bán và sản lượng tiêu thụ.
  • Sử dụng mã lệnh VBA để chuẩn hóa giao diện người dùng, giúp nhân sự quản lý không chuyên về kỹ thuật vẫn có thể vận hành mô hình một cách trực quan.

Đóng góp của đề tài

Đề tài đã cụ thể hóa các lý thuyết hệ hỗ trợ ra quyết định trừu tượng thành các mô hình bảng tính ứng dụng trực tiếp vào bài toán sản xuất - kinh doanh kẹo thủ công, kết nối liền mạch giữa phân tích tài chính dự án với tối ưu hóa điều độ sản xuất trên cùng một nền tảng công nghệ phổ thông.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Độ tin cậy của dữ liệu lịch sử: Phương pháp phân tích độ nhạy phụ thuộc vào các giả định quá khứ, chưa bao quát được các biến động bất thường từ thị trường bên ngoài (như chính sách giảm giá đột xuất hoặc sản phẩm cạnh tranh mới).
  • Hạn chế kỹ thuật của Solver: Đồ án ghi nhận việc giải quyết các bài toán quy hoạch số nguyên (Integer Programming) bằng công cụ Solver trên Excel gặp nhiều khó khăn khi số lượng biến và ràng buộc tăng cao, một số trường hợp Solver không tìm được nghiệm tối ưu dù bài toán có nghiệm.
  • Phạm vi mô hình: Đồ án mới tập trung vào mô hình hóa dòng tiền đều và tối ưu hóa tuyến tính tĩnh, chưa xét đến các yếu tố dòng tiền bất thường hoặc mô hình phi tuyến tính phức tạp.

Hướng nghiên cứu tiếp

  • Tiếp tục tối ưu hóa và hoàn thiện mã nguồn VBA để nâng cao tính bảo mật và khả năng xử lý dữ liệu lớn.
  • Mở rộng mô hình hỗ trợ ra quyết định sang các dạng bài toán đa mục tiêu hoặc tích hợp thêm các thuật toán dự báo chuỗi thời gian chuyên sâu.

Giá trị tham khảo

Tài liệu này là nguồn tham khảo hữu ích cho:

  • Sinh viên các ngành: Công nghệ thông tin, Hệ thống thông tin quản lý, Quản trị kinh doanh, Tài chính - Ngân hàng và Kế toán đang thực hiện đồ án môn học hoặc khóa luận tốt nghiệp về Hệ hỗ trợ ra quyết định (DSS) và Tin học quản lý.
  • Người làm nghiên cứu và thực hành: Cung cấp hướng dẫn chi tiết từng bước (step-by-step) về cách thiết lập bảng tính, cài đặt công thức tài chính (SYD, NPV, IRR), cấu hình bộ công cụ What-If Analysis (Goal Seek, Scenario Manager, Data Table), cài đặt và vận hành Solver Add-in để giải bài toán quy hoạch tuyến tính trong sản xuất.

Câu hỏi thường gặp

1. Quy trình ra quyết định theo Herbert Simon gồm những giai đoạn nào và ý nghĩa của từng giai đoạn?

Theo Simon (1977), quy trình ra quyết định gồm 4 giai đoạn tuần tự:

  • Nhận định (Intelligence): Tìm kiếm tình huống dẫn đến quyết định, nhận dạng vấn đề, nhu cầu, cơ hội và rủi ro.
  • Thiết kế (Design): Phân tích các hướng tiếp cận, xây dựng và trừu tượng hóa vấn đề thực tế thành mô hình toán học hoặc định lượng.
  • Lựa chọn (Choice): Đánh giá, đo lường hậu quả của từng giải pháp và chọn phương án tối ưu.
  • Thực hiện (Implementation): Triển khai giải pháp đã chọn vào thực tế, giám sát kết quả và tiến hành điều chỉnh khi cần thiết.

2. Hàm SYD trong Excel được sử dụng để làm gì và các tham số đầu vào được quy định như thế nào?

Hàm SYD được sử dụng để tính khấu hao tài sản cố định theo phương pháp tổng số năm sử dụng (dựa theo Thông tư 45 của Bộ Tài chính). Cú pháp hàm: $$\text{SYD}(cost, salvage, life, per)$$ Trong đó:

  • cost: Nguyên giá của tài sản cố định.
  • salvage: Giá trị thu hồi ước tính khi thanh lý tài sản (tại Việt Nam thường quy định bằng 0 đồng).
  • life: Thời gian trích khấu hao (số năm sử dụng).
  • per: Năm hiện tại đang tính giá trị trích khấu hao.

3. Trong ví dụ minh họa của đồ án, công cụ Goal Seek xác định sản lượng hòa vốn của công ty gạch là bao nhiêu?

Tại ví dụ minh họa về Công ty gạch Đồng Tâm với chi phí biến đổi là 3.500.000 đồng/tấn, định phí hàng tháng là 750.000.000 đồng và đơn giá bán là 4.100.000 đồng/tấn, công cụ Goal Seek đã thực hiện tính toán bằng cách thay đổi ô sản lượng tiêu thụ để đưa chỉ tiêu lợi nhuận trước thuế về giá trị 0. Kết quả tính toán xác định sản lượng tiêu thụ cần đạt đúng 1.250 tấn gạch để công ty đạt điểm hòa vốn.

4. Tiêu chí lựa chọn dự án đầu tư theo phương pháp NPV và IRR được quy định như thế nào trong đồ án?

  • Đối với NPV (Giá trị hiện tại thuần):
    • $NPV < 0$: Từ chối dự án.
    • $NPV = 0$: Doanh nghiệp có thể cân nhắc lựa chọn hoặc từ chối.
    • $NPV > 0$: Chấp thuận dự án (nếu là các dự án loại trừ lẫn nhau thì chọn dự án có $NPV$ lớn nhất).
  • Đối với IRR (Nội suất thu hồi vốn):
    • So sánh $IRR$ với chi phí sử dụng vốn ($r$):
    • $IRR < r$: Loại bỏ dự án.
    • $IRR = r$: Cân nhắc lựa chọn hoặc từ chối.
    • $IRR > r$: Chấp thuận dự án (nếu là các dự án loại trừ lẫn nhau thì chọn dự án có $IRR$ lớn nhất).

5. Năm loại Hệ hỗ trợ ra quyết định (DSS) theo phân loại của Daniel J. Power là gì?

Theo Daniel J. Power, DSS được chia thành 5 loại:

  1. DSS hướng dữ liệu (Data-Driven DSS): Phân tích khối lượng dữ liệu lớn có cấu trúc và chuỗi thời gian (ví dụ: Power BI, Business Intelligence).
  2. DSS hướng mô hình (Model-Driven DSS): Sử dụng các mô hình toán tài chính, mô hình dự báo và tối ưu hóa (ví dụ: bài toán điều xe vận tải).
  3. DSS hướng tri thức (Knowledge-Driven DSS): Sử dụng hệ thống quản trị tri thức và trí tuệ nhân tạo (ví dụ: các hệ chuyên gia).
  4. DSS hướng văn bản (Document-Driven DSS): Khai phá và rút trích thông tin từ văn bản, hình ảnh, trang web.
  5. DSS hướng kết nối (Communication-Driven and Group DSS): Hỗ trợ tương tác, phối hợp và ra quyết định nhóm (ví dụ: Microsoft Teams, Google Meet).

Kết luận

Đồ án môn học của nhóm tác giả Trương Thị Kim Thoa và Trần Anh Thư đã hệ thống hóa toàn diện cơ sở lý thuyết về Hệ hỗ trợ ra quyết định (DSS), quy trình mô hình hóa và các phương pháp thẩm định dự án tài chính. Nghiên cứu đã vận dụng thành công các công cụ tính toán và tối ưu hóa trên nền tảng Microsoft Excel (hàm SYD, NPV, IRR, bộ công cụ What-If Analysis, Solver Add-in và lập trình VBA) vào giải quyết hai bài toán kinh doanh cụ thể tại Cửa hàng CandyShop gồm thẩm định dự án đầu tư 3 tỷ đồng và cực đại hóa lợi nhuận sản xuất kẹo nougat. Kết quả đạt được cung cấp mô hình ứng dụng tin học quản lý thực tiễn, có giá trị tham khảo rõ ràng cho sinh viên và các nhà quản trị doanh nghiệp nhỏ và vừa trong việc chuẩn hóa quy trình ra quyết định.