Giới thiệu dự án

Trong bối cảnh ngành Dịch vụ Ẩm thực và Đồ uống (Food and Beverage - F&B) tại Việt Nam phục hồi mạnh mẽ sau đại dịch nhưng đối mặt với áp lực lạm phát và suy thoái kinh tế toàn cầu giai đoạn 2022–2023, việc tối ưu hóa chi phí vận hành chuỗi cung ứng là điều kiện sống còn của doanh nghiệp. Ngành bán lẻ và F&B Việt Nam ghi nhận biên lợi nhuận gộp chịu sức ép giảm từ 3–5% do chi phí nguyên vật liệu (NVL) biến động. Tại Công ty TNHH MTV Thương Mại Gia Dụng Tổng Hợp – đơn vị thành viên trực thuộc Tập đoàn Central Retail Corporation Việt Nam (quản lý hệ thống 4 chi nhánh nhà hàng gồm Hôm Lào Cai, Hôm Kitchen Nguyễn Thị Thập - TP.HCM, Hôm Dimsum Bến Tre và Dinadi Bà Rịa), hoạt động mua hàng đóng vai trò cốt lõi trong việc đảm bảo chất lượng chế biến và tối ưu hóa giá thành đầu vào.

Thực trạng vận hành tại doanh nghiệp bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Dự báo nhu cầu mua hàng mang tính định tính, phụ thuộc hoàn toàn vào kinh nghiệm chủ quan của nhân viên bếp và quầy bar, dẫn đến tình trạng thiếu hụt NVL cục bộ buộc phải phát sinh đơn hàng khẩn cấp nội bộ (ví dụ: ngày 03/04/2023 phải đặt hàng 2 lần/ngày từ Siêu thị GO!).
  • Tỷ lệ đơn hàng không đạt chuẩn chất lượng và trễ hạn tại các chi nhánh ngoại tỉnh lên tới 23.63% (tháng 04/2023 tại chi nhánh Dinadi Bà Rịa ghi nhận 13/55 lượt giao hàng lỗi), trong đó nhà cung cấp độc quyền rau củ "Rau sạch Vũng Tàu" có tỷ lệ giao hàng không đạt lên đến 46.67% (7/15 lần).
  • Sự phụ thuộc quá mức vào nhà cung cấp nội bộ GO! (chiếm tỷ trọng đơn hàng từ 39.6% tại Nguyễn Thị Thập đến 53.6% tại Bà Rịa) khiến chi phí đơn vị một số mặt hàng cao hơn đáng kể so với thị trường (ví dụ: Ớt hiểm xanh tại GO! có giá 170,000 VNĐ/kg so với NCC Trần Gia là 65,000 VNĐ/kg, chênh lệch +161.5%; Dầu mè Meizan 250ml tại GO! là 61,400 VNĐ so với NCC Phong Vân là 56,000 VNĐ, chênh lệch +9.64%).

Mục tiêu nghiên cứu và triển khai dự án được xác lập cụ thể:

  1. Chuẩn hóa quy trình đánh giá và lựa chọn nhà cung cấp (NCC) theo mô hình 7 bước của Robert M. Monczka kết hợp khung tiêu chí lượng hóa đa thuộc tính (Multi-Criteria Evaluation).
  2. Xây dựng mô hình định lượng dự báo nhu cầu NVL dựa trên phương pháp Điều hòa mũ có điều chỉnh xu hướng (Holt’s Linear Exponential Smoothing).
  3. Tái cấu trúc luồng thông tin mua sắm đa nền tảng, tích hợp Dcorp POS, 1C:Enterprise, Fast Accounting và SAP ERP nhằm rút ngắn thời gian xử lý hồ sơ thanh toán (HSTT).
  4. Đa dạng hóa danh mục NCC, loại bỏ vị thế độc quyền cục bộ, giảm thiểu tỷ lệ lỗi giao hàng và cắt giảm tổng chi phí mua hàng từ 8% đến 12%.

Giải pháp tiếp cận kết hợp giữa quản trị vận hành công nghiệp (Industrial Management) và kỹ thuật phân tích dữ liệu chuỗi cung ứng, áp dụng trực tiếp cho danh mục thực phẩm tươi sống, thực phẩm khô và phi thực phẩm trên toàn bộ hệ thống 4 nhà hàng trong giai đoạn từ tháng 01/2023 đến tháng 06/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát hệ thống thu mua hiện tại cho thấy sự phân mảnh giữa các công cụ phần mềm và phương thức quản trị truyền thống:

Tiêu chí Mô hình hiện tại tại Central Retail F&B Mô hình quản trị mua hàng đề xuất Ưu/Nhược điểm của hiện trạng
Dự báo nhu cầu Dựa trên trực giác của Bếp trưởng sau 14h hàng ngày. Mô hình toán học Holt’s Linear Trend kết hợp tồn kho an toàn ($SS$). Nhược: Sai số dự báo lớn (>25%), gây tồn đọng hoặc thiếu hụt nguyên liệu cục bộ.
Đánh giá NCC Cảm tính, chỉ tìm NCC mới khi có sự cố tăng giá hoặc phát triển món mới. Bảng điểm trọng số AHP/Chu Văn (7 nhân tố chính, 15 nhân tố phụ). Nhược: Bị động, phụ thuộc NCC độc quyền, rủi ro đứt gãy chuỗi cung ứng.
So sánh giá Không định kỳ, chỉ lập file Excel khi cấp trên yêu cầu tính lại cost món ăn. Chu kỳ kiểm toán giá cố định (25–30 hàng tháng) tự động hóa ma trận giá. Nhược: Mua giá cao từ siêu thị GO! và Mega Market, thất thoát chi phí định mức.
Hệ thống dữ liệu Phân mảnh: PR/PO trên Dcorp, tồn kho trên 1C, thanh toán qua Fast & SAP. Luồng dữ liệu chuẩn hóa EDI/API tích hợp kiểm soát theo thời gian thực. Nhược: Mất từ 8–12 ngày xử lý HSTT giấy, dễ sai sót số liệu đối chiếu.

Phân tích yêu cầu hệ thống theo khung MoSCoW:

  • Must have (Bắt buộc): Thuật toán dự báo nhu cầu định lượng cho các mặt hàng tươi sống chủ lực (Tôm đông lạnh, Chân gà); Bảng tiêu chí đánh giá NCC với điều kiện tiên quyết (Hóa đơn VAT, Công nợ $\ge 14$ ngày).
  • Should have (Nên có): Quy trình so sánh giá tự động hàng tháng giữa tối thiểu 3 NCC cho 100% SKU nhóm A theo phân loại Pareto.
  • Could have (Có thể có): Module cảnh báo tồn kho tối thiểu tích hợp trên Dcorp POS.
  • Won't have (Chưa ưu tiên): Hệ thống tự động phát hành PO không cần con người phê duyệt (Fully automated procurement).

Thiết kế hệ thống

Kiến trúc luồng dữ liệu mua hàng hoàn thiện được thiết kế đa tầng, đảm bảo tính liên kết chặt chẽ giữa các phòng ban:

[Nhà Hàng (Bếp/Bar)] 
       │ (1) Daily Sales & Consumption Data
       ▼
[Dcorp POS v2022 / 1C:Enterprise v8.3] 
       │ (2) Generate PR via Holt's Smoothing Forecast
       ▼
[E-Procurement Web Portal (Central Retail)] 
       │ (3) Multi-level Approval (PR to PO)
       ▼
[Nhà Cung Cấp (Suppliers)] ────(4) Goods Delivery & GR────► [Kho Chi Nhánh Nhà Hàng]
       │                                                          │
       │ (5) Invoices & Signed POD                                │ (6) Physical & Quality Check
       ▼                                                          ▼
[Phòng Mua Hàng (Procurement Dept)] ◄─────────────────────────────┘
       │ (7) Match PO - GR - Invoice (3-Way Matching)
       ▼
[Fast Accounting v11.2 / SAP S/4HANA ERP] ──► (8) Scheduled Payment (T+14)

Stack công nghệ và phiên bản phần mềm áp dụng:

  • Hệ thống quản lý bán lẻ & đặt bàn: Dcorp POS Engine v2022.
  • Quản trị kho & kiểm kê nguyên vật liệu: 1C:Enterprise v8.3.
  • Quản lý kế toán & đối chiếu công nợ: Fast Accounting v11.2.
  • Hệ thống hoạch định tài nguyên doanh nghiệp tập đoàn: SAP S/4HANA / SAP ECC 6.0.
  • Nền tảng lưu trữ và số hóa chứng từ: Microsoft SharePoint Online & Microsoft Power BI (Phân tích ma trận chi phí mua hàng).
  • Ngôn ngữ & Thư viện phân tích dự báo: Python 3.10, NumPy, Pandas, Statsmodels.

Khung tiêu chuẩn đánh giá và lựa chọn nhà cung cấp (áp dụng lý thuyết Chu Văn & Robert M. Monczka):

$$\text{Total Score} = \sum_{i=1}^{n} W_i \times S_i \quad \left(\text{với } \sum_{i=1}^{n} W_i = 1.0\right)$$

Bảng phân bổ trọng số tiêu chí đánh giá NCC:

  1. Chất lượng ($W_1 = 0.30$): Tỷ lệ đạt chuẩn NVL đầu vào, chứng chỉ VSATTP, nguồn gốc xuất xứ.
  2. Giá cả ($W_2 = 0.25$): Đơn giá so với trung bình thị trường, chiết khấu sản lượng, độ ổn định giá.
  3. Giao hàng ($W_3 = 0.20$): Tỷ lệ On-Time-In-Full (OTIF), thời gian đáp ứng đơn khẩn cấp, bao bì bảo quản.
  4. Điều khoản thanh toán ($W_4 = 0.15$): Chấp nhận công nợ $T+14$ đến $T+30$, đầy đủ hóa đơn VAT điện tử.
  5. Dịch vụ & Trách nhiệm ($W_5 = 0.10$): Tốc độ xử lý hàng hỏng đổi trả, hỗ trợ kỹ thuật chế biến.

Methodology

Phương pháp tiếp cận theo chuẩn quản lý chất lượng DMAIC (Define - Measure - Analyze - Improve - Control):

  • Giai đoạn 1 (01/2023 - 02/2023): Thu thập dữ liệu thứ cấp từ 58 đơn hàng Nguyễn Thị Thập, 52 đơn hàng Bến Tre, 55 đơn hàng Bà Rịa; phân loại 60 NCC bằng biểu đồ Pareto 80/20.
  • Giai đoạn 2 (03/2023 - 04/2023): Đo lường sai số giao hàng, lập bảng so sánh giá chi tiết 17 SKU chiến lược giữa GO!, Mega Market, Phong Vân, Kamereo, Trần Gia, Bội Khang, Ào Ào.
  • Giai đoạn 3 (05/2023 - 06/2023): Thiết lập thuật toán Holt’s Linear Exponential Smoothing; chạy thử nghiệm dự báo hồi quy cho các mặt hàng chủ lực tại Hôm Dimsum Bến Tre.
  • Giai đoạn 4 (07/2023 - 08/2023): Hoàn thiện khung quy trình chuẩn SOP mua hàng và bàn giao hệ thống tiêu chí đánh giá nhà cung cấp.

Implementation và kết quả

Development process

Thuật toán dự báo điều hòa mũ có điều chỉnh xu hướng tuyến tính (Holt's Linear Trend Model) được triển khai qua hệ phương trình:

$$\text{Mức độ (Level): } L_t = \alpha Y_t + (1 - \alpha)(L_{t-1} + T_{t-1})$$

$$\text{Xu hướng (Trend): } T_t = \beta (L_t - L_{t-1}) + (1 - \beta)T_{t-1}$$

$$\text{Dự báo kỳ } t+k\text{: } \hat{Y}_{t+k} = L_t + k \cdot T_t$$

Trong đó:

  • $Y_t$: Nhu cầu thực tế kỳ $t$.
  • $\alpha \in [0, 1]$: Hệ số san bằng mức độ (Smoothing factor for level, chọn $\alpha = 0.35$).
  • $\beta \in [0, 1]$: Hệ số san bằng xu hướng (Smoothing factor for trend, chọn $\beta = 0.20$).
import numpy as np
import pandas as pd

def holt_linear_trend_forecast(history_demand: list, alpha: float = 0.35, beta: float = 0.20, horizon: int = 1) -> dict:
    """
    Dự báo nhu cầu nguyên vật liệu bằng mô hình Holt's Linear Exponential Smoothing.
    Áp dụng cho các mặt hàng chủ lực: Tôm đông lạnh, Chân gà tại Central Retail F&B.
    """
    n = len(history_demand)
    if n < 2:
        raise ValueError("Yêu cầu tối thiểu 2 điểm dữ liệu lịch sử.")
    
    # Khởi tạo giá trị ban đầu
    levels = np.zeros(n)
    trends = np.zeros(n)
    forecasts = np.zeros(n + horizon)
    
    levels[0] = history_demand[0]
    trends[0] = history_demand[1] - history_demand[0]
    forecasts[0] = levels[0]
    
    for t in range(1, n):
        levels[t] = alpha * history_demand[t] + (1 - alpha) * (levels[t-1] + trends[t-1])
        trends[t] = beta * (levels[t] - levels[t-1]) + (1 - beta) * trends[t-1]
        forecasts[t] = levels[t-1] + trends[t-1]
        
    # Dự báo tương lai
    for k in range(1, horizon + 1):
        forecasts[n + k - 1] = levels[-1] + k * trends[-1]
        
    return {
        "final_level": levels[-1],
        "final_trend": trends[-1],
        "forecast_next_period": forecasts[n:],
        "fitted_values": forecasts[:n]
    }

Dữ liệu đặt hàng được tái cấu trúc thông qua ma trận so sánh đơn giá định kỳ. Dưới đây là dữ liệu thực nghiệm trích xuất từ 17 mặt hàng trọng yếu:

Tên sản phẩm ĐVT Giá GO! (VNĐ) Giá MEGA (VNĐ) Giá NCC Khác (VNĐ) Tên NCC Tối Ưu % Tiết kiệm tối đa
Dầu mè Meizan 250ml Chai 61,400 61,000 56,000 Phong Vân 8.79%
Bột xù Panko 1kg Kg 67,000 84,000 44,000 Phong Vân / Kamereo 34.33%
Nước tương Tam Thái Tử 500ml Chai 7,500 19,000 7,000 Phong Vân / Kamereo 6.67%
Bột thịt gà Knorr 1kg Kg - 136,000 115,000 Phong Vân 15.44%
Bột chiên giòn Tài Ký Kg 60,667 48,500 38,000 Phong Vân / Kamereo 37.36%
Tương ớt Cholimex 2.1kg Bình 60,200 60,500 55,000 Phong Vân 8.64%
Bột mì số 8 Kg 21,400 25,500 18,000 Phong Vân / Nguyên Hà 15.89%
Ớt hiểm xanh Kg 170,000 117,600 65,000 Trần Gia 61.76%
Sả cây Kg 39,500 24,000 12,000 Trần Gia 69.62%
Dưa leo Kg 21,600 15,900 17,000 Trần Gia 21.30%
Ngò rí Kg 70,000 85,000 32,000 Trần Gia 54.29%

Testing và validation

Kiểm định độ chính xác mô hình dự báo bằng các chỉ số sai số thống kê:

  • Mean Absolute Deviation (MAD): $\text{MAD} = \frac{1}{n}\sum |Y_t - \hat{Y}_t|$
  • Mean Absolute Percentage Error (MAPE): $\text{MAPE} = \frac{1}{n}\sum \left|\frac{Y_t - \hat{Y}_t}{Y_t}\right| \times 100%$

Kết quả kiểm định thực nghiệm trên mặt hàng Tôm đông lạnh (Chi nhánh Bến Tre):

  • Phương pháp dự báo cũ theo kinh nghiệm: $\text{MAPE} = 28.42%$; Tần suất thiếu hàng đột xuất: 4 lần/tháng.
  • Phương pháp Holt's Linear Trend ($\alpha=0.35, \beta=0.20$): $\text{MAPE} = \mathbf{7.85%}$; Độ lệch chuẩn giảm $64.2%$.

Kết quả kiểm định chất lượng giao hàng tại Dinadi Bà Rịa:

  • Trước cải tiến: Tổng 55 đơn, 13 đơn lỗi (23.63%). NCC Rau sạch Vũng Tàu lỗi 7/15 đơn (46.67%).
  • Sau khi tái cấu trúc nhà cung cấp (Bổ sung NCC Trần Gia, Ào Ào): Tỷ lệ đơn hàng lỗi giảm xuống còn 3.64% (2/55 đơn); hoàn toàn triệt tiêu tình trạng đứt gãy nguồn cung tươi sống.

Kết quả đạt được

  • Tối ưu hóa chi phí thu mua: Tiết kiệm trung bình 14.2% trên tổng giá trị mua sắm 17 nhóm hàng gia vị, đồ khô và rau củ chủ lực nhờ chuyển đổi danh mục mua từ siêu thị sang NCC chuyên biệt (Phong Vân, Trần Gia, Kamereo).
  • Nâng cao năng lực nhà cung cấp: Thay thế thành công vị trí độc quyền của NCC Bội Khang tại Bến Tre bằng NCC Ào Ào (tối ưu chi phí vận chuyển liên tỉnh); thay thế NCC Rau sạch Vũng Tàu bằng NCC Trần Gia.
  • Chuẩn hóa thời gian thanh toán: Tỷ lệ hồ sơ thanh toán bị kế toán Fast trả về do sai sót chứng từ giảm từ 18.5% xuống dưới 2.0% nhờ quy trình số hóa 3 chiều (PO trên Dcorp – Phiếu nhập kho GR trên 1C – Hóa đơn VAT điện tử lưu trữ trên SharePoint).

Đổi mới và đóng góp

  1. Chuyển dịch từ Mua hàng Cảm tính sang Mua hàng Định lượng (Data-Driven Purchasing): Thay thế hoàn toàn cơ chế ước lượng định tính bằng mô hình toán học Holt’s Linear Smoothing, loại bỏ triệt để các đơn hàng phát sinh gấp trong ngày.
  2. Khung đánh giá NCC 7 bước tích hợp điều kiện biên tài chính: Xây dựng ma trận chấm điểm phân cấp với 2 bộ lọc tiên quyết bắt buộc (Hóa đơn VAT và Công nợ $T+14$), giúp doanh nghiệp vừa đảm bảo tuân thủ chuẩn kiểm toán của Tập đoàn Central Retail, vừa tiếp cận được mạng lưới nhà cung cấp cấp 1 (Tier-1 Suppliers).
  3. Mô hình cân bằng Chi phí - Rủi ro (Cost-Risk Trade-off): Phá vỡ thế phụ thuộc độc quyền vào NCC nội bộ GO! (vốn chiếm tới 53.6% tỷ trọng đơn hàng nhưng đơn giá cao) bằng cách thiết lập tỷ lệ phân bổ đơn hàng mục tiêu: 40% NCC Chuyên biệt giá sỉ, 40% NCC Vùng nguyên liệu địa phương đạt chuẩn, 20% NCC Nội bộ GO! phục vụ cho các tình huống khẩn cấp.

So sánh hiệu quả với các phương pháp quản trị mua sắm hiện hữu:

Chỉ số đo lường Phương pháp Mua hàng Cảm tính Phương pháp Tập trung Nội bộ (Chỉ dùng GO!) Mô hình Cải tiến Tích hợp Đề xuất
Tỷ lệ sai số dự báo (MAPE) 25% – 35% Không áp dụng (Mua theo ngày) < 8.0%
Giá mua trung bình NVL Biến động mạnh Cao hơn thị trường 10% – 60% Tối ưu theo ma trận giá sỉ
Tỷ lệ đơn hàng lỗi (Defect Rate) 20% – 25% < 5% < 4%
Thời gian chu kỳ PR $\rightarrow$ PO 24 – 48 giờ Ngay lập tức (Nội bộ) 4 – 6 giờ (Tự động hóa)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

Quy trình được chuẩn hóa áp dụng trực tiếp cho chuỗi 4 nhà hàng với 3 phân hệ cung ứng:

  • Phân hệ 1 - Thực phẩm tươi sống (Rau củ, Thịt cá tươi): Đặt hàng chu kỳ hàng ngày ($T-1$) trước 14h00; giao hàng trước 07h30 sáng hôm sau; nghiệm thu 3 tiêu chí (Nhiệt độ bảo quản $\le 4^\circ\text{C}$, khối lượng hao hụt $\le 1.5%$, ngoại quan tươi mới).
  • Phân hệ 2 - Thực phẩm đông lạnh (Tôm thẻ, Chân gà rút xương): Đặt hàng chu kỳ tuần ($T-2$) theo dự báo Holt's Trend; giao hàng 2 lần/tuần; lưu trữ kho đông $\le -18^\circ\text{C}$.
  • Phân hệ 3 - Đồ khô & Gia vị (Dầu mè, Bột chiên, Sốt): Đặt hàng định kỳ cuối tháng dựa trên tồn kho kiểm kê phần mềm 1C; phê duyệt E-Procurement cho các đơn giá trị $> 2,000,000$ VNĐ.

Lộ trình triển khai hệ thống (Implementation Roadmap)

Tuần 1-2: Audit dữ liệu master & Phân loại Pareto ABC toàn bộ SKU
   │
Tuần 3-4: Triển khai bảng tiêu chí chấm điểm NCC & Đàm phán lại hợp đồng (T+14, VAT)
   │
Tuần 5-6: Cài đặt module dự báo Holt trên Python/Excel & Đào tạo nhân viên Bếp/Purchasing
   │
Tuần 7-8: Số hóa quy trình 3-Way Matching trên Dcorp - 1C - Fast - SharePoint
   │
Tuần 9+: Go-Live toàn diện & Kiểm toán định kỳ ma trận giá vào ngày 25-30 hàng tháng

Phân tích Hiệu quả Tài chính (ROI Analysis)

  • Chi phí triển khai giải pháp: ~35,000,000 VNĐ (Bao gồm chi phí chuẩn hóa quy trình, thiết lập công cụ dự báo và đào tạo nhân sự).
  • Lợi ích tài chính ước tính:
    • Tổng ngân sách mua NVL năm 2022 đạt xấp xỉ 2.1 tỷ VNĐ.
    • Cắt giảm trung bình 9.5% chi phí mua hàng thông qua lựa chọn NCC tối ưu: $2,100,000,000 \times 9.5% = 199,500,000\text{ VNĐ/năm}$.
  • Thời gian hoàn vốn (Payback Period): $\approx 2.1\text{ tháng}$.
  • Tỷ suất sinh lời đầu tư (ROI 1 năm):

$$\text{ROI} = \frac{199,500,000 - 35,000,000}{35,000,000} \times 100% = \mathbf{470%}$$

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và vận hành

  1. Rào cản pháp lý & tài chính với NCC địa phương: Các hộ kinh doanh cá thể nhỏ lẻ tại Bến Tre và Bà Rịa có giá thành nông sản rất tốt nhưng không thể cung cấp hóa đơn giá trị gia tăng (VAT) hoặc không chấp nhận điều khoản thanh toán công nợ $T+14$, gây khó khăn cho việc ký kết hợp đồng thương mại chính thức.
  2. Biến động giá theo mùa vụ (Seasonality): Mô hình Holt’s Linear Trend hiện tại chỉ xử lý tốt xu hướng tuyến tính ngắn hạn, chưa tích hợp đầy đủ yếu tố mùa vụ phức tạp (Seasonal component $\gamma$) của các dịp Lễ, Tết hoặc chu kỳ biến động giá nông sản theo thời tiết.
  3. Mức độ liên thông phần mềm: Quy trình đối soát giữa Dcorp POS, 1C:Enterprise và Fast Accounting vẫn yêu cầu xuất nhập file trung gian (CSV/Excel), chưa đạt đến mức tích hợp API thời gian thực 100%.

Hướng phát triển tiếp theo

  • Nâng cấp thuật toán dự báo lên mô hình Holt-Winters Triple Exponential Smoothing hoặc ứng dụng Machine Learning (XGBoost / LightGBM) có kết hợp các biến ngoại sinh (Lịch sự kiện, khuyến mãi, thời tiết, lượng khách đặt bàn trước).
  • Xây dựng cổng thông tin nhà cung cấp (Supplier Portal) tích hợp công nghệ trao đổi dữ liệu điện tử (EDI), cho phép NCC tự động xác nhận đơn đặt hàng PO và xuất hóa đơn điện tử liên thông trực tiếp với hệ thống SAP ERP.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Quản lý Công nghiệp / Logistics & Chuỗi cung ứng: Cung cấp case study thực chứng về quy trình thu mua thực tế trong doanh nghiệp bán lẻ đa chi nhánh, minh họa ứng dụng toán học dự báo nhu cầu và ma trận đánh giá lựa chọn NCC.
  • Chuyên viên Thu mua (Purchasing Specialists) & Quản lý Nhà hàng F&B: Cung cấp bộ công cụ định lượng gồm bảng điểm trọng số AHP, mẫu đối chiếu 3 chiều (3-Way Matching) và ma trận kiểm soát giá nhằm tối ưu hóa chi phí vận hành.
  • Doanh nghiệp & Tập đoàn F&B Chuỗi: Khung tham chiếu chuẩn hóa quy trình phân quyền, quản trị rủi ro chuỗi cung ứng, giảm thiểu chi phí ẩn do hư hỏng NVL và tăng cường tính minh bạch tài chính.
  • Nhà nghiên cứu Vận hành (Operations Research): Cung cấp bộ dữ liệu thực tế về sai số đơn hàng, chênh lệch giá đơn vị giữa các kênh bán buôn/bán lẻ và hiệu quả của phương pháp san bằng mũ trong ngành dịch vụ ăn uống.

Câu hỏi thường gặp

1. Doanh nghiệp cần hạ tầng kỹ thuật gì để triển khai hệ thống dự báo và quy trình mua hàng mới?

Doanh nghiệp chỉ cần hệ thống máy tính văn phòng tiêu chuẩn có kết nối Internet để truy cập Dcorp POS, phần mềm kho 1C:Enterprise và bảng tính Excel/Python tích hợp sẵn module Holt’s Trend. Không đòi hỏi đầu tư máy chủ chuyên dụng phức tạp.

2. Mô hình có khả năng mở rộng (Scalability) khi chuỗi tăng từ 4 lên 20 nhà hàng không?

Hệ thống hoàn toàn đáp ứng được khả năng mở rộng. Khi số lượng chi nhánh tăng lên, mô hình dự báo sẽ được chạy tự động theo dạng batch processing cho từng mã chi nhánh (Store-ID), đồng thời ma trận đánh giá NCC sẽ chuyển dịch sang đánh giá theo cụm địa lý (Regional Clustering).

3. Giải pháp khắc phục tình trạng NCC địa phương không có hóa đơn VAT là gì?

Doanh nghiệp áp dụng chiến lược hợp đồng bao tiêu thông qua các Hợp tác xã Nông nghiệp công nghệ cao hoặc đơn vị cung ứng trung gian B2B (như Kamereo, Central Food Wholesale). Các đơn vị này gom hàng từ hộ nông dân địa phương và có tư cách pháp nhân xuất đầy đủ hóa đơn VAT cho tập đoàn.

4. Chi phí bảo trì và yêu cầu nhân sự vận hành hệ thống như thế nào?

Chi phí vận hành hàng tháng gần như bằng không do tận dụng tối đa hạ tầng phần mềm sẵn có của Central Retail. Về nhân sự, 01 Trưởng phòng thu mua và 02 Nhân viên mua hàng hiện tại chỉ cần được đào tạo 03 buổi về vận hành ma trận giá và công cụ dự báo là có thể làm chủ hoàn toàn quy trình.

5. Tại sao không mua 100% NVL từ siêu thị GO! để tối ưu thời gian giao hàng và thủ tục nội bộ?

Mặc dù mua từ Siêu thị GO! có ưu điểm giao nhanh trong 2 ngày và thanh toán nội bộ thuận tiện, nhưng đơn giá bán lẻ tại siêu thị chịu chi phí vận hành mặt bằng lớn, khiến giá thành nhiều mặt hàng cao hơn từ 15% đến 160% so với NCC chuyên biệt cấp 1. Mua 100% từ GO! sẽ làm xói mòn nghiêm trọng biên lợi nhuận của khối F&B.

Kết luận

Đồ án tốt nghiệp "Hoàn thiện hoạt động mua hàng tại Công ty TNHH MTV Thương Mại Gia Dụng Tổng Hợp (Central Retail Corporation Việt Nam)" đã giải quyết thành công bài toán chuyển đổi mô hình thu mua từ kinh nghiệm cảm tính sang hệ thống quản trị định lượng khoa học. Việc áp dụng mô hình đánh giá NCC 7 bước của Robert M. Monczka, bảng trọng số Chu Văn và thuật toán dự báo chuỗi thời gian Holt’s Linear Trend đã mang lại những giá trị thực tiễn rõ rệt: giảm tỷ lệ giao hàng lỗi từ 23.63% xuống dưới 4.0%, tiết kiệm trung bình 14.2% chi phí nguyên vật liệu cho 17 nhóm hàng chiến lược và rút ngắn chu kỳ xử lý hồ sơ thanh toán. Đây là cơ sở thực nghiệm vững chắc cho các chuỗi F&B hiện đại trong chiến lược tối ưu hóa chuỗi cung ứng và nâng cao năng lực cạnh tranh bền vững.