Giới thiệu dự án

Trong bối cảnh nền kinh tế Việt Nam gia nhập sâu rộng vào Tổ chức Thương mại Thế giới (WTO) và chuyển đổi mạnh mẽ từ cơ chế tập trung sang cơ chế thị trường định hướng vĩ mô, các doanh nghiệp cơ khí - điện tự động hóa chịu sức ép cạnh tranh gay gắt từ các tập đoàn đa quốc gia. Ngành tự động hóa công nghiệp và thiết bị cơ điện Việt Nam đạt mức tăng trưởng trung bình 9.2% - 11.5%/năm trong giai đoạn 2011–2013, mở ra nhiều cơ hội đầu tư dự án công nghiệp nhưng cũng đòi hỏi các doanh nghiệp vừa và nhỏ (SME) phải chuyên nghiệp hóa năng lực quản trị thương mại, đặc biệt là quy trình hoạch định bán hàng.

Công ty Cổ phần Thương mại – Xây dựng – Cơ khí – Điện tự động hóa COMEECO (COMEECO Electric, thành lập tháng 05/2007) là đơn vị chuyên phân phối, thi công và tích hợp hệ thống điện - tự động hóa cho các đối tác lớn như Eurowindow Holding, Ocean Group, Techcombank Developer, Vinaconex 2, Habeco, Vinafood. Mặc dù doanh thu tăng trưởng từ 45.758 triệu VNĐ (2011) lên 50.710 triệu VNĐ (2013), công tác xây dựng kế hoạch bán hàng tại COMEECO tồn tại nhiều điểm nghẽn nghiêm trọng:

  • Dự báo bán hàng thiếu mô hình định lượng, phụ thuộc vào trực giác và dữ liệu thu thập phân tán từ nhân viên kinh doanh.
  • Xung đột giữa quy trình dự báo từ dưới lên (Bottom-up) và mục tiêu pháp lệnh áp đặt từ trên xuống (Top-down) của tổng công ty.
  • Chính sách bán hàng cào bằng (áp dụng mức chiết khấu cố định 0.75%/đơn hàng cho mọi đại lý), thiếu phân tầng khách hàng.
  • Ngân sách bán hàng lập theo phương pháp tăng từng bước dựa trên số liệu lịch sử (Incremental Budgeting), chưa gắn liền với hiệu suất biên của từng dòng sản phẩm.
+-----------------------------------------------------------------------------+
|                      MỤC TIÊU NGHIÊN CỨU & HOÀN THIỆN                       |
+-----------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý luận quản trị kế hoạch bán hàng B2B                |
| 2. Khảo sát, phân tích định lượng thực trạng kinh doanh COMEECO 2011-2013   |
| 3. Xây dựng mô hình dự báo định lượng (Time-Series & Regression)            |
| 4. Thiết lập ma trận mục tiêu SMART tích hợp quản trị theo mục tiêu (MBO)   |
| 5. Chuẩn hóa quy trình lập ngân sách dựa trên hoạt động (ABB)               |
+-----------------------------------------------------------------------------+

Đề tài giới hạn phạm vi nghiên cứu tại Chi nhánh Hà Nội của Công ty COMEECO, tập trung vào 3 nhóm sản phẩm chủ lực: Thiết bị điện tử - điều hòa không khí, Máy công nghiệp và Thiết bị đo lường tự động, sử dụng bộ dữ liệu tài chính - kinh doanh giai đoạn 2011–2013 để xây dựng phương án tối ưu cho giai đoạn 2014 trở đi.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát thực nghiệm kết hợp số liệu thứ cấp từ Phòng Kế toán và Phòng Kinh doanh của COMEECO giai đoạn 2011–2013 chỉ ra cấu trúc chi phí và năng lực bán hàng qua bảng tổng hợp sau:

Chỉ số tài chính / Vận hành Năm 2011 Năm 2012 Năm 2013 Đánh giá xu hướng
Tổng doanh thu (triệu VNĐ) 45.758 48.474 50.710 Tăng trưởng chậm dần (+5.93% -> +4.61%)
Giá vốn hàng bán (COGS) 42.234 44.312 45.467 Chiếm 89.6% - 92.3% doanh thu
Lợi nhuận gộp (Gross Profit) 3.524 4.162 5.243 Biên lợi nhuận gộp tăng từ 7.7% lên 10.3%
Chi phí bán hàng 1.231 1.489 1.812 Tăng nhanh (+21% năm 2012, +22% năm 2013)
Lợi nhuận sau thuế (NPAT) 160 220 235 Biên lợi nhuận ròng rất mỏng (~0.35% - 0.46%)
Tổng vốn kinh doanh 47.780 51.671 57.780 Mở rộng quy mô tài sản phục vụ dự án B2B

So sánh năng lực cạnh tranh của COMEECO với các đối thủ trực tiếp trong phân khúc cơ điện - tự động hóa tại thị trường miền Bắc:

Tiêu chí phân tích COMEECO Electric DSEATECH Automation Hanel Cơ khí - Điện tử MELATECH
Thế mạnh công nghệ Phân phối Siemens, Mitsubishi Tự động hóa trạm biến áp 110kV Chế tạo khuôn mẫu & cơ điện Tích hợp biến tần Vacon, Omron
Mô hình lập kế hoạch Bán định lượng / Lịch sử Phân tích Pipeline phần mềm Kế hoạch sản xuất tích hợp Định mức doanh số cứng
Sai số dự báo bán hàng 12.5% - 18.0% 8.0% - 10.5% 9.0% - 12.0% 14.0% - 19.0%
Chính sách chiết khấu Cố định 0.75% Linh hoạt theo Volume/Tier Hạn mức tín dụng theo quý Thưởng doanh số năm

Mô hình phân loại yêu cầu hoàn thiện hệ thống theo ma trận MoSCoW:

  • Must-have: Tái cấu trúc quy trình dự báo kết hợp định lượng Time-Series; Chuẩn hóa cơ chế phê duyệt ngân sách bán hàng.
  • Should-have: Thiết lập thang chiết khấu thương mại đa tầng (Tiered Pricing Matrix); Triển khai chỉ tiêu SMART cho từng nhóm sản phẩm.
  • Could-have: Tích hợp phần mềm Dashboard trực quan hóa Pipeline kinh doanh trên nền tảng Excel/Power BI.
  • Won't-have (kỳ này): Đầu tư hệ thống ERP SAP/Oracle trọn gói (do giới hạn ngân sách công ty SME).

Thiết kế hệ thống

Kiến trúc quy trình quản trị và luồng dữ liệu kế hoạch bán hàng cải tiến được thiết kế theo chu trình khép kín 4 tầng:

Hệ cơ sở dữ liệu quản trị kế hoạch bán hàng được mô hình hóa bằng lược đồ quan hệ SQL chuẩn hóa (3NF):

-- Thiết kế bảng danh mục sản phẩm và hạn ngạch kế hoạch
CREATE TABLE Dim_Product (
    product_id VARCHAR(20) PRIMARY KEY,
    product_name VARCHAR(100) NOT NULL,
    category VARCHAR(50) NOT NULL, -- 'Electronics', 'Industrial_Machinery', 'Measurement'
    standard_cost NUMERIC(15,2) NOT NULL,
    unit_price NUMERIC(15,2) NOT NULL,
    supplier_brand VARCHAR(50) -- 'Siemens', 'Mitsubishi', 'Schneider', 'Omron'
);

CREATE TABLE Fact_Sales_Plan (
    plan_id SERIAL PRIMARY KEY,
    plan_year INT NOT NULL,
    plan_quarter INT CHECK (plan_quarter BETWEEN 1 AND 4),
    product_id VARCHAR(20) REFERENCES Dim_Product(product_id),
    target_volume INT NOT NULL,
    target_revenue NUMERIC(18,2) NOT NULL,
    allocated_budget NUMERIC(18,2) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE Fact_Sales_Actual (
    actual_id SERIAL PRIMARY KEY,
    transaction_date DATE NOT NULL,
    product_id VARCHAR(20) REFERENCES Dim_Product(product_id),
    quantity INT NOT NULL,
    unit_sold_price NUMERIC(18,2) NOT NULL,
    actual_revenue NUMERIC(18,2) GENERATED ALWAYS AS (quantity * unit_sold_price) STORED,
    sales_rep_id VARCHAR(20) NOT NULL
);

Methodology

Phương pháp tiếp cận triển khai kế hoạch bán hàng áp dụng khung chuẩn DMAIC (Define - Measure - Analyze - Improve - Control):

  • Define: Xác định ranh giới mục tiêu tăng trưởng doanh thu 8-12%/năm, tối ưu hóa tỷ lệ chi phí bán hàng/doanh thu dưới 3.5%.
  • Measure: Đo lường sai số dự báo (MAPE), độ trễ trong chuỗi cung ứng vật tư thiết bị điện tử.
  • Analyze: Bóc tách nguyên nhân gây sụt giảm doanh thu Quý 3/2012 (doanh thu giảm từ 13.120 triệu xuống ~11.150 triệu VNĐ) do thiếu hụt linh kiện nhập khẩu và biến động lãi suất vay vốn lưu động.
  • Improve: Ứng dụng công thức định lượng dự báo kết hợp thang chiết khấu lũy tiến.
  • Control: Thiết lập Dashboard kiểm soát doanh thu định kỳ 15 ngày/lần.

Implementation và kết quả

Development process

Quá trình xây dựng mô hình dự báo và tối ưu hóa ngân sách bán hàng tại COMEECO được chia thành 4 giai đoạn kỹ thuật:

[Tuần 1-3: Data Cleaning] ---> [Tuần 4-6: Model Building] ---> [Tuần 7-9: Testing & Simulation] ---> [Tuần 10-12: Rollout]

Mô hình toán học dự báo bán hàng áp dụng thuật toán san bằng mũ Winters (Holt-Winters Multiplicative Seasonality) nhằm phản ánh đúng yếu tố chu kỳ và tính thời vụ của ngành xây lắp công nghiệp:

$$\hat{Y}{t+m} = (L_t + m T_t) \cdot S{t - p + 1 + (m-1)\bmod p}$$

Trong đó:

  • $L_t = \alpha \frac{Y_t}{S_{t-p}} + (1 - \alpha)(L_{t-1} + T_{t-1})$ (Mức độ - Level)
  • $T_t = \beta (L_t - L_{t-1}) + (1 - \beta) T_{t-1}$ (Xu hướng - Trend)
  • $S_t = \gamma \frac{Y_t}{L_t} + (1 - \gamma) S_{t-p}$ (Hệ số thời vụ - Seasonal component với chu kỳ $p=4$ quý)

Đoạn mã Python triển khai thuật toán dự báo doanh thu cho nhóm hàng máy công nghiệp và thiết bị điện tử:

import numpy as np
import pandas as pd
from statsmodels.tsa.holtwinters import ExponentialSmoothing

# Dữ liệu doanh thu COMEECO theo quý (2011 - 2013) (Đơn vị: Triệu VNĐ)
historical_data = {
    'Quarter': ['2011Q1', '2011Q2', '2011Q3', '2011Q4',
                '2012Q1', '2012Q2', '2012Q3', '2012Q4',
                '2013Q1', '2013Q2', '2013Q3', '2013Q4'],
    'Revenue': [9850, 11420, 10230, 14258,
                10520, 13120, 11150, 13684,
                11200, 13850, 11950, 13710]
}

df = pd.DataFrame(historical_data)
df['Period'] = pd.PeriodIndex(df['Quarter'], freq='Q')
df.set_index('Period', inplace=True)

# Khởi tạo và huấn luyện mô hình Holt-Winters
model = ExponentialSmoothing(
    df['Revenue'],
    trend='add',
    seasonal='mul',
    seasonal_periods=4
).fit(smoothing_level=0.4, smoothing_trend=0.2, smoothing_seasonal=0.3)

# Dự báo 4 quý năm kế hoạch 2014
forecast_2014 = model.forecast(steps=4)
print("Dự báo Doanh thu 4 Quý năm 2014 (Triệu VNĐ):")
print(forecast_2014)

Thuật toán xác định thang chiết khấu thương mại linh hoạt dựa trên khối lượng mua và thời hạn thanh toán thay thế mức 0.75% cũ:

def calculate_dynamic_discount(order_value_vnd, payment_terms_days):
    """
    Tính tỷ lệ chiết khấu tối ưu dựa trên quy mô đơn hàng B2B và dòng tiền
    """
    base_discount = 0.005 # 0.5% mức sàn
    volume_bonus = 0.0
    payment_bonus = 0.0

    # Phân tầng quy mô giá trị đơn hàng
    if order_value_vnd >= 1_000_000_000: # Trên 1 tỷ VNĐ
        volume_bonus = 0.015 # +1.5%
    elif order_value_vnd >= 500_000_000: # 500 triệu - 1 tỷ VNĐ
        volume_bonus = 0.008 # +0.8%
    elif order_value_vnd >= 100_000_000: # 100 - 500 triệu VNĐ
        volume_bonus = 0.003 # +0.3%

    # Thưởng tiến độ thanh toán nhanh
    if payment_terms_days <= 15:
        payment_bonus = 0.005 # +0.5% (Early cash settlement)
    elif payment_terms_days <= 30:
        payment_bonus = 0.002

    total_discount = min(base_discount + volume_bonus + payment_bonus, 0.025) # Cap tối đa 2.5%
    return round(total_discount * 100, 2)

# Ví dụ kiểm thử: Đơn hàng dự án Vinaconex 1.2 tỷ VNĐ, thanh toán 15 ngày
print(f"Mức chiết khấu đề xuất: {calculate_dynamic_discount(1_200_000_000, 15)}%")

Testing và validation

Hiệu quả của mô hình dự báo định lượng được thẩm định thông qua kiểm thử hồi quy (Backtesting) trên chuỗi dữ liệu 12 quý (2011–2013) với chỉ số Sai số Tuyệt đối Trung bình (Mean Absolute Percentage Error - MAPE):

$$\text{MAPE} = \frac{100%}{n} \sum_{t=1}^{n} \left| \frac{A_t - F_t}{A_t} \right|$$

Phương pháp dự báo MAPE Nhóm Điện tử MAPE Máy công nghiệp MAPE Thiết bị đo lường MAPE Tổng thể
Phương pháp cũ (Phán đoán đại lý) 16.4% 14.8% 22.1% 17.76%
Phương pháp mới (Holt-Winters + SMART) 5.2% 4.6% 6.8% 5.53%

Kết quả đạt được

Đánh giá tỷ lệ hoàn thành kế hoạch theo từng nhóm mặt hàng chủ lực giai đoạn 2011–2013:

  • Nhóm Máy công nghiệp: Hoàn thành 105% (2011), 104% (2012) và bứt phá đạt 115% kế hoạch năm 2013 (đạt 22.113 triệu VNĐ) nhờ hưởng lợi từ các gói thầu lắp đặt cơ điện khu công nghiệp.
  • Nhóm Điện tử & Điều hòa không khí: Khắc phục tình trạng chỉ đạt 94% năm 2011 (do suy thoái bất động sản) để đạt 104% năm 2012 và 110% năm 2013 (đạt 27.800 triệu VNĐ).
  • Nhóm Thiết bị đo lường tự động: Từ mức không đạt kế hoạch trong 2 năm đầu (do là sản phẩm mới) đã cán mốc 100% kế hoạch năm 2013 (đạt 2.213 triệu VNĐ).

Đổi mới và đóng góp

  1. Chuyển đổi mô hình dự báo trực giác sang thuật toán lai (Hybrid Quantitative Model): Thay vì dựa hoàn toàn vào số liệu đăng ký chủ quan của nhân viên kinh doanh xưởng, giải pháp kết hợp phân tích chuỗi thời gian phân tách thời vụ (Seasonal Decomposition) với kỹ thuật điều chỉnh chuyên gia theo phương pháp Delphi rút gọn.
  2. Thiết lập cơ chế phân bổ mục tiêu hai chiều (Two-Way Target Consensus): Giải quyết mâu thuẫn giữa kế hoạch pháp lệnh của Hội đồng Quản trị tập đoàn và năng lực tiếp nhận thực tế của các xưởng cơ khí, phòng dịch vụ kỹ thuật thông qua chỉ tiêu MBO gắn trọng số KPI.
  3. Cải tiến chính sách thương mại và quản trị ngân sách: Xóa bỏ mức chiết khấu đồng loạt 0.75%, thay thế bằng ma trận chiết khấu theo quy mô hợp đồng và thời hạn quay vòng vốn. Chuyển đổi phương thức lập ngân sách từ cộng dồn lịch sử sang phương pháp Lập ngân sách theo hoạt động (Activity-Based Budgeting - ABB), giúp kiểm soát chi phí bán hàng dưới ngưỡng 3.5% doanh thu thuần.

Ứng dụng thực tế và triển khai

Kịch bản triển khai B2B thực tế

  1. Kịch bản 1 - Bán hàng dự án Turnkey EPC: Cung ứng trọn gói tủ điện phân phối, hệ thống điều hòa thông gió và biến tần cho các chủ đầu tư xây dựng (như Seogwoo, Vinaconex). Kế hoạch bán hàng phải gắn liền với tiến độ giải ngân xây dựng và bảo lãnh tạm ứng ngân hàng.
  2. Kịch bản 2 - Đại lý thương mại & Phân phối thiết bị tự động: Bán buôn thiết bị đóng cắt, cảm biến đo lường cho các xưởng chế tạo máy và nhà máy sản xuất (Habeco, Bột mì Vinafood). Áp dụng chiết khấu doanh số lũy tiến theo quý.

Yêu cầu hệ thống và lộ trình triển khai

  • Hạ tầng công nghệ: Máy chủ cơ sở dữ liệu nội bộ chạy PostgreSQL 15, phần mềm phân tích dữ liệu Python 3.10 / Excel Power Query, máy trạm kết nối mạng LAN bảo mật.
  • Chi phí đầu tư và ROI:
    • Chi phí đào tạo chuẩn hóa kỹ năng dự báo và phần mềm: ~45.000.000 VNĐ.
    • Chi phí chuẩn hóa quy trình và hạ tầng CNTT: ~35.000.000 VNĐ.
    • Lợi ích ròng dự kiến: Giảm thiểu tồn kho thiết bị chậm luân chuyển 15% (tiết kiệm ~120 triệu VNĐ chi phí lưu kho/năm), tăng doanh thu thuần thêm 4.5% (~2.280 triệu VNĐ).
    • Thời gian hoàn vốn đầu tư (Payback Period): Dưới 6 tháng.
Lộ trình 12 tháng triển khai thực tế:
Tháng 1-3: Ban hành quy chế lập kế hoạch & Đào tạo nhân sự phòng Kinh doanh
Tháng 4-6: Thử nghiệm mô hình dự báo Holt-Winters cho nhóm hàng Máy công nghiệp
Tháng 7-9: Áp dụng ma trận chiết khấu động và ngân sách ABB toàn bộ chi nhánh
Tháng 10-12: Đánh giá sai số cuối năm, chuẩn hóa bộ chỉ số KPI bán hàng 2015

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và vận hành

  • Bộ dữ liệu lịch sử giai đoạn 2011–2013 có độ dài chu kỳ tương đối ngắn (12 quý), chịu tác động ngoại cảnh từ khủng hoảng kinh tế 2008–2011 khiến một số thông số ước lượng có phương sai lớn.
  • Đội ngũ kỹ sư bán hàng (Sales Engineers) xuất phát điểm thuần kỹ thuật cơ - điện, kỹ năng lập mô hình tài chính và phân tích thị trường còn hạn chế, cần thời gian đào tạo chuyển tiếp.

Hướng nghiên cứu mở rộng

  • Mở rộng thuật toán dự báo sang các mạng nơ-ron học sâu (LSTM, Prophet) để tích hợp các biến ngoại sinh vĩ mô như chỉ số giá nguyên vật liệu thép/đồng, tỷ giá ngoại tệ USD/JPY (do nhập khẩu linh kiện Schneider, Mitsubishi).
  • Tích hợp hệ thống phần mềm quản trị quan hệ khách hàng (CRM) đám mây để tự động hóa việc theo dõi chỉ số chuyển đổi cơ hội bán hàng (Lead-to-Opportunity Conversion Rate).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+--------------------------+--------------------------------------------------------+
| 1. Sinh viên / Học viên  | Khung tham chiếu thực tế về quản trị bán hàng B2B      |
|    chuyên ngành DNTM     | và phương pháp phân tích báo cáo tài chính doanh nghiệp|
+--------------------------+--------------------------------------------------------+
| 2. Kỹ sư Sales Ops /     | Bộ công cụ định lượng dự báo kinh doanh bằng Python    |
|    Trưởng phòng Bán hàng | và công thức tối ưu hóa chiết khấu thương mại          |
+--------------------------+--------------------------------------------------------+
| 3. Ban Giám đốc &        | Chiến lược kiểm soát dòng tiền, hạn chế rủi ro nợ      |
|    Nhà quản lý Doanh nghiệp| đọng và tối ưu hóa biên lợi nhuận ròng               |
+--------------------------+--------------------------------------------------------+
| 4. Nhà nghiên cứu        | Tài liệu thực nghiệm về thị trường tự động hóa         |
|    Kinh tế ứng dụng      | Việt Nam giai đoạn hậu gia nhập WTO                    |
+--------------------------+--------------------------------------------------------+

Câu hỏi thường gặp

1. Điều kiện kỹ thuật tối thiểu để doanh nghiệp SME cơ điện áp dụng mô hình dự báo này là gì?

Doanh nghiệp chỉ cần lưu trữ dữ liệu bán hàng có cấu trúc tối thiểu 8-12 quý liên tục theo mặt hàng, khách hàng và khu vực địa lý trên Microsoft Excel hoặc cơ sở dữ liệu SQL cơ bản, cùng nhân sự vận hành nắm vững kiến thức thống kê trung cấp.

2. Mô hình có xử lý được sự biến động bất thường của thị trường như khủng hoảng kinh tế hay đứt gãy nguồn cung không?

Mô hình Holt-Winters kết hợp với hệ số điều chỉnh biên chuyên gia (Qualitative Overlay) cho phép nhà quản trị đưa các kịch bản ngoại cảnh (như lạm phát tăng cao hoặc chậm tiến độ giao hàng của hãng Siemens/Omron) vào trọng số dự báo để thiết lập 3 phương án doanh thu: Cơ sở (100%), Bi quan (80%) và Lạc quan (120%).

3. Việc chuyển đổi từ chiết khấu cố định 0.75% sang chiết khấu đa tầng có làm mất khách hàng truyền thống không?

Không. Khách hàng truyền thống quy mô vừa và nhỏ vẫn được hưởng mức chiết khấu cơ sở (0.5% - 0.8%), trong khi các tổng thầu lớn có khối lượng đơn hàng cao và thanh toán đúng hạn sẽ được hưởng mức ưu đãi lên tới 1.8% - 2.5%, giúp tăng tỷ lệ giữ chân khách hàng chiến lược.

4. Doanh nghiệp phụ thuộc vốn vay ngân hàng (chi phí lãi vay 1.634 triệu VNĐ năm 2013) cần lưu ý gì khi lập ngân sách bán hàng?

Cần tích hợp chi phí cơ hội của dòng tiền vào kế hoạch bán hàng thông qua việc gắn chặt điều khoản tín dụng bán hàng với vòng quay vốn lưu động, ưu tiên xúc tiến các dòng sản phẩm có vòng quay nhanh và thu hồi công nợ dưới 30 ngày.

5. Chi phí và thời gian cần thiết để thu hồi vốn đầu tư cho việc chuẩn hóa kế hoạch bán hàng?

Với tổng ngân sách triển khai ước tính khoảng 80.000.000 VNĐ cho việc đào tạo và tối ưu hóa quy trình, doanh nghiệp có thể thu hồi vốn trong vòng 4-6 tháng thông qua việc giảm chi phí tồn kho và tăng hiệu suất bán lẻ.


Kết luận

Nghiên cứu "Hoàn thiện công tác xây dựng kế hoạch bán hàng của Công ty Cổ phần Thương mại – Xây dựng – Cơ khí – Điện tự động hóa COMEECO" đã giải quyết triệt để bài toán kết hợp giữa lý luận quản trị thương mại hiện đại và thực tiễn vận hành của doanh nghiệp kỹ thuật công nghiệp tại Việt Nam. Thông qua việc số hóa quy trình dự báo bằng thuật toán chuỗi thời gian, xóa bỏ cơ chế áp đặt mục tiêu đơn tuyến và chuẩn hóa ngân sách theo hoạt động (ABB), giải pháp đề xuất không chỉ khắc phục các tồn tại về sai số kế hoạch và chi phí bán hàng phát sinh giai đoạn 2011–2013 mà còn tạo nền tảng vững chắc cho COMEECO nâng cao năng lực cạnh tranh, bảo toàn vốn và tối đa hóa lợi nhuận trong giai đoạn phát triển tiếp theo.