Giới thiệu dự án

Trong bối cảnh nền kinh tế số hóa và cạnh tranh thị trường ngày càng gay gắt, các doanh nghiệp dịch vụ và truyền thông đa phương tiện phải đối mặt với bài toán kép: vừa mở rộng thị phần, gia tăng doanh số thông qua các chính sách thương mại linh hoạt, vừa phải kiểm soát chặt chẽ dòng tiền và an toàn tài chính. Thống kê từ thực tế quản trị tài chính doanh nghiệp cho thấy hơn 60% rủi ro mất khả năng thanh toán của các doanh nghiệp vừa và nhỏ (SMEs) không xuất phát từ việc kinh doanh thua lỗ mà bắt nguồn từ sự mất cân đối dòng tiền do quản trị khoản phải thu (Accounts Receivable - AR) kém hiệu quả.

Đề tài "Hoàn thiện công tác quản trị khoản phải thu tại Công ty TNHH TAJ Việt Nam" được thực hiện bởi sinh viên Nguyễn Thị Quỳnh Mai (Chuyên ngành Tài chính công 58, Viện Ngân hàng - Tài chính, Trường Đại học Kinh tế Quốc dân) dưới sự hướng dẫn của TS. Phan Hữu Nghi. Nghiên cứu tập trung giải quyết bài toán tối ưu hóa chính sách tín dụng thương mại tại Công ty TNHH TAJ Việt Nam – đơn vị chuyên về sản xuất chương trình truyền hình, TVC, phim doanh nghiệp và tổ chức sự kiện.

flowchart LR
    A["Bán chịu dịch vụ / Sản phẩm"] --> B["Tăng trưởng Doanh thu & Lợi nhuận"]
    A --> C["Phát sinh Khoản phải thu & Chi phí vốn"]
    B --> D{"Đánh đổi Lợi nhuận - Rủi ro"}
    C --> D
    D -->|"Lợi nhuận biên > Chi phí biên"| E["Nới lỏng chính sách tín dụng"]
    D -->|"Rủi ro nợ khó đòi > Lợi nhuận"| F["Thắt chặt chính sách bán chịu"]

Vấn đề thực tiễn và điểm nghẽn quản trị

  • Ứ đọng dòng tiền do chu kỳ dự án kéo dài: Đặc thù ngành truyền thông đa phương tiện là giá vốn hàng bán và chi phí sản xuất (thuê thiết bị, nhân sự, hậu kỳ) phát sinh ngay trong kỳ, nhưng nghiệm thu và thanh toán lại chia thành nhiều giai đoạn phụ thuộc vào tiến độ của khách hàng.
  • Thiếu quy trình định lượng hạn mức tín dụng: Quy trình ra quyết định bán chịu tại doanh nghiệp còn mang tính định tính, phụ thuộc vào mối quan hệ quen biết thay vì sử dụng hệ thống chấm điểm tín dụng (Credit Scoring) chuẩn mực.
  • Chi phí cơ hội và áp lực nợ vay: Khi vốn bị khách hàng chiếm dụng, doanh nghiệp buộc phải gia tăng các khoản nợ vay ngắn hạn, kéo theo chi phí lãi vay tăng cao và làm suy giảm tỷ suất sinh lời thực tế.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa toàn diện cơ sở lý luận về quản trị khoản phải thu và các mô hình tối ưu hóa chính sách bán chịu trong doanh nghiệp.
  2. Khảo sát, phân tích thực trạng cấu trúc tài sản, kết quả kinh doanh và hiệu quả quản trị công nợ tại Công ty TNHH TAJ Việt Nam giai đoạn 2016 – 2019.
  3. Nhận diện các điểm nghẽn, nguyên nhân dẫn đến tình trạng chậm luân chuyển dòng tiền và rủi ro nợ khó đòi tại doanh nghiệp.
  4. Xây dựng khung giải pháp hoàn thiện tiêu chuẩn bán chịu, thiết kế chính sách chiết khấu thanh toán và số hóa quy trình theo dõi tuổi nợ.
  5. Đề xuất mô hình phối hợp liên phòng ban (Kế toán - Quản lý dự án - Ban Giám đốc) nhằm nâng cao năng lực thu hồi nợ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các doanh nghiệp dịch vụ truyền thông, quản trị khoản phải thu thường bị xem nhẹ so với hoạt động bán hàng (sales). Phân tích dữ liệu tài chính tại Công ty TNHH TAJ Việt Nam giai đoạn 2017 - 2019 bộc lộ các vấn đề cốt lõi qua bảng so sánh phương pháp quản trị:

Tiêu chí phân tích Thực trạng tại TAJ Việt Nam Phương pháp quản trị chuẩn mực Đánh giá khoảng cách (Gap)
Thẩm định tín dụng Dựa trên kinh nghiệm chủ quan và lịch sử giao dịch định tính. Bỏ qua điều tra đối với khách quen. Hệ thống chấm điểm 5C (Character, Capacity, Capital, Collateral, Conditions) và dữ liệu CIC. Thiếu ma trận lượng hóa rủi ro vỡ nợ của từng nhóm khách hàng.
Hạn mức bán chịu Xác định linh hoạt theo từng hợp đồng, không có trần tín dụng tối đa (Credit Limit). Thiết lập hạn mức tín dụng động dựa trên vốn tự có và dòng tiền khách hàng. Nguy cơ mất vốn tăng cao khi khách hàng lớn gặp khó khăn thanh khoản.
Chính sách chiết khấu Áp dụng chiết khấu thương mại cố định, ít sử dụng chiết khấu thanh toán nhanh. Chính sách chiết khấu thanh toán động (Dynamic Cash Discount, ví dụ: 2/10, net 30). Không tạo được động lực tài chính đủ mạnh để khách hàng thanh toán sớm.
Phân tích tuổi nợ Theo dõi thủ công trên sổ chi tiết công nợ, định kỳ lập bảng kê cuối tháng. Hệ thống Aging Schedule tự động phân loại nợ theo các dải thời gian (0-30, 31-60, 61-90, >90 ngày). Chậm phát hiện các dấu hiệu nợ quá hạn và nợ nghi ngờ tổn thất.
Xử lý nợ quá hạn Gọi điện, gửi công văn đôn đốc khi nợ đã quá hạn lâu; thiếu quy trình pháp lý chuẩn. Quy trình cảnh báo sớm 3 cấp độ (Nhắc nợ tự động $\rightarrow$ Đàm phán trực tiếp $\rightarrow$ Trích lập & Pháp lý). Thời gian thu hồi nợ kéo dài, chi phí xử lý phát sinh lớn.

Thiết kế hệ thống quản trị công nợ toàn diện

Để giải quyết triệt để các khoảng cách trên, giải pháp đề xuất xây dựng hệ thống quản trị khoản phải thu tích hợp ba phân hệ chính: Phân hệ xếp hạng tín dụng, Phân hệ tối ưu hóa điều khoản bán chịu và Phân hệ kiểm soát tuổi nợ.

graph TD
    A["Tiếp nhận Đơn đặt hàng & Đề nghị nợ"] --> B["Thẩm định Tín dụng 5C & CIC"]
    B --> C{"Phân nhóm Khách nợ"}
    C -->|"Hạng A (Rủi ro thấp)"| D["Hạn mức tín dụng cao<br>Thời hạn: 30 - 45 ngày<br>Chiết khấu: 2/10, net 30"]
    C -->|"Hạng B (Rủi ro TB)"| E["Hạn mức tín dụng trung bình<br>Yêu cầu tạm ứng 30-50%<br>Thời hạn: 15 - 30 ngày"]
    C -->|"Hạng C (Rủi ro cao)"| F["Không bán chịu / Bảo lãnh Ngân hàng<br>Thanh toán 100% trước phát sóng/sự kiện"]
    D & E & F --> G["Hệ thống Aging Schedule tự động"]
    G --> H{"Giám sát Dòng tiền & Tuổi nợ"}
    H -->|"Trong hạn"| I["Đối soát tự động"]
    H -->|"Quá hạn 1-30 ngày"| J["Nhắc nợ tự động & Phạt chậm trả"]
    H -->|"Quá hạn >90 ngày"| K["Trích lập dự phòng & Chuyển pháp lý"]

Cấu trúc Dữ liệu và Schema Quản trị Công nợ (Database Design)

Nhằm hiện đại hóa việc lưu trữ và xử lý, mô hình dữ liệu quan hệ được thiết kế để liên kết giữa hồ sơ khách hàng, hạn mức tín dụng và lịch sử công nợ:

-- Bảng hồ sơ tín dụng khách hàng
CREATE TABLE Customer_Credit_Profile (
    customer_id VARCHAR(20) PRIMARY KEY,
    company_name VARCHAR(255) NOT NULL,
    tax_code VARCHAR(15) UNIQUE NOT NULL,
    credit_score DECIMAL(5,2), -- Thang điểm 0 - 100
    credit_tier VARCHAR(2),    -- Nhóm A, B, C
    max_credit_limit DECIMAL(15,2),
    standard_payment_terms INT, -- Số ngày được nợ tiêu chuẩn
    discount_rate DECIMAL(4,2), -- Tỷ lệ chiết khấu thanh toán sớm (%)
    discount_period INT         -- Số ngày áp dụng chiết khấu
);

-- Bảng theo dõi hóa đơn và tuổi nợ chi tiết
CREATE TABLE Receivable_Ledger (
    invoice_id VARCHAR(30) PRIMARY KEY,
    customer_id VARCHAR(20) REFERENCES Customer_Credit_Profile(customer_id),
    project_id VARCHAR(30) NOT NULL,
    invoice_date DATE NOT NULL,
    due_date DATE NOT NULL,
    total_amount DECIMAL(15,2) NOT NULL,
    paid_amount DECIMAL(15,2) DEFAULT 0,
    outstanding_balance DECIMAL(15,2) GENERATED ALWAYS AS (total_amount - paid_amount) STORED,
    aging_bucket VARCHAR(20), -- '0-30', '31-60', '61-90', '>90'
    status VARCHAR(20)        -- 'IN_TERM', 'OVERDUE', 'DOUBTFUL', 'BAD_DEBT'
);

Methodology

Phương pháp tiếp cận dựa trên lý thuyết đánh đổi tài chính (Financial Trade-off Theory) và chuẩn mực phân tích tỷ số tài chính (Financial Ratio Analysis), kết hợp hệ thống mô hình quyết định tín dụng thương mại từ MH1 đến MH7:

  1. Mô hình nới lỏng/thắt chặt chính sách bán chịu (MH1, MH2): $$\Delta \text{Lợi nhuận ròng} = \Delta \text{Doanh thu} \times (1 - \text{Tỷ lệ giá vốn}) - (\Delta \text{Chi phí quản lý công nợ} + \Delta \text{Tổn thất nợ khó đòi} + \Delta \text{Chi phí cơ hội vốn})$$
  2. Mô hình mở rộng/rút ngắn thời hạn bán chịu (MH3, MH4): Đánh giá mối quan hệ giữa việc kéo dài kỳ thu tiền bình quân ($DSO$) và mức tăng doanh thu biên so với chi phí tài trợ vốn lưu động bổ sung.
  3. Mô hình thay đổi tỷ lệ chiết khấu (MH5, MH6): Lượng hóa mức tiết kiệm chi phí nắm giữ khoản phải thu khi khách hàng thanh toán sớm so với phần lợi nhuận giảm trừ do chiết khấu.
  4. Mô hình tổng quát (MH7): Đánh giá tổng hợp cơ hội gia tăng doanh thu và rủi ro thanh khoản trước khi duyệt các hợp đồng truyền thông quy mô lớn.

Implementation và kết quả

Development process

Quá trình chuẩn hóa và tự động hóa công tác quản trị khoản phải thu được triển khai qua 4 giai đoạn cụ thể:

  • Giai đoạn 1: Chuẩn hóa hệ thống chỉ tiêu và thang đo tín dụng: Xây dựng bảng trọng số đánh giá 5C cho khách hàng ngành truyền thông.
  • Giai đoạn 2: Lập trình thuật toán tự động phân tích tuổi nợ và tối ưu hóa chiết khấu: Triển khai mã nguồn phân tích dữ liệu công nợ bằng Python.
  • Giai đoạn 3: Tích hợp vào quy trình kế toán - bán hàng: Thiết lập phân quyền duyệt hạn mức giữa Phòng Kế toán và Phòng Quản lý dự án.
  • Giai đoạn 4: Đánh giá tác động và hiệu chỉnh: Chạy thử nghiệm trên dữ liệu 3 năm 2017 – 2019 của TAJ Việt Nam.

Dưới đây là mã nguồn thuật toán Python xử lý phân loại tuổi nợ (Aging Schedule) và tính toán các chỉ tiêu hiệu quả quản trị khoản phải thu:

import pandas as pd
import numpy as np
from datetime import datetime

class ReceivableManagementEngine:
    def __init__(self, cost_of_capital: float = 0.10):
        self.cost_of_capital = cost_of_capital # Chi phí cơ hội vốn (10%/năm)

    def calculate_ar_metrics(self, net_revenue: float, beginning_ar: float, ending_ar: float) -> dict:
        """
        Tính toán Vòng quay khoản phải thu (ART) và Kỳ thu tiền bình quân (DSO)
        """
        average_ar = (beginning_ar + ending_ar) / 2
        art = net_revenue / average_ar if average_ar > 0 else 0
        dso = 360 / art if art > 0 else 0
        ar_to_revenue_ratio = (ending_ar / net_revenue) * 100 if net_revenue > 0 else 0
        
        return {
            "Average_AR": average_ar,
            "Receivable_Turnover_Ratio": round(art, 2),
            "Days_Sales_Outstanding_DSO": round(dso, 2),
            "AR_to_Revenue_Percentage": round(ar_to_revenue_ratio, 2)
        }

    def process_aging_schedule(self, df_ledger: pd.DataFrame, current_date: str) -> pd.DataFrame:
        """
        Phân loại tuổi nợ tự động theo các dải thời gian tiêu chuẩn
        """
        ref_date = pd.to_datetime(current_date)
        df_ledger['due_date'] = pd.to_datetime(df_ledger['due_date'])
        df_ledger['days_overdue'] = (ref_date - df_ledger['due_date']).dt.days
        
        conditions = [
            (df_ledger['days_overdue'] <= 0),
            (df_ledger['days_overdue'] > 0) & (df_ledger['days_overdue'] <= 30),
            (df_ledger['days_overdue'] > 30) & (df_ledger['days_overdue'] <= 60),
            (df_ledger['days_overdue'] > 60) & (df_ledger['days_overdue'] <= 90),
            (df_ledger['days_overdue'] > 90)
        ]
        choices = ['Trong hạn', 'Quá hạn 1-30 ngày', 'Quá hạn 31-60 ngày', 'Quá hạn 61-90 ngày', 'Quá hạn >90 ngày']
        
        df_ledger['aging_category'] = np.select(conditions, choices, default='Không xác định')
        return df_ledger

    def evaluate_discount_policy(self, invoice_amount: float, standard_days: int, 
                                 discount_rate: float, discount_days: int, acceptance_prob: float) -> dict:
        """
        Mô hình MH5/MH6: Đánh giá hiệu quả kinh tế của chính sách chiết khấu thanh toán
        """
        # Chi phí chiết khấu nếu khách hàng nhận chiết khấu
        discount_cost = invoice_amount * discount_rate * acceptance_prob
        
        # Tiết kiệm chi phí cơ hội vốn do thu tiền sớm (standard_days - discount_days)
        days_saved = standard_days - discount_days
        capital_saving = (invoice_amount * (self.cost_of_capital / 360) * days_saved) * acceptance_prob
        
        net_benefit = capital_saving - discount_cost
        decision = "Áp dụng chiết khấu" if net_benefit > 0 else "Duy trì chính sách cũ"
        
        return {
            "Discount_Cost": round(discount_cost, 2),
            "Capital_Cost_Saved": round(capital_saving, 2),
            "Net_Financial_Benefit": round(net_benefit, 2),
            "Recommendation": decision
        }

# Khởi tạo engine phân tích
engine = ReceivableManagementEngine(cost_of_capital=0.12)
metrics = engine.calculate_ar_metrics(net_revenue=154388000000, beginning_ar=24800000000, ending_ar=31200000000)
print("Chỉ số hiệu quả AR:", metrics)

Testing và validation

Hiệu quả của giải pháp được kiểm chứng thông qua việc đối chiếu và tái cấu trúc các chỉ tiêu tài chính thực tế tại Công ty TNHH TAJ Việt Nam qua 3 năm (2017 – 2019):

xychart-beta
    title "Diễn biến Doanh thu và Khoản phải thu khách hàng (2017 - 2019)"
    x-axis ["2017", "2018", "2019"]
    y-axis "Giá trị (Tỷ VNĐ)" 0 --> 220
    bar [168.5, 199.1, 153.6]
    line [24.8, 31.2, 34.6]

Dữ liệu kiểm thử chỉ ra các mối tương quan trọng yếu:

  • Tốc độ tăng nợ phải thu so với doanh thu: Năm 2018, doanh thu tăng 18.1% nhưng khoản phải thu tăng tới 25.8%, chứng tỏ chính sách nới lỏng bán chịu chưa đi kèm biện pháp thu hồi nợ tương xứng.
  • Tỷ số nợ phải thu trên tổng nguồn vốn: Duy trì ở mức cao (chiếm từ 28.5% đến 33.2% tổng tài sản), phản ánh tình trạng vốn lưu động bị đối tác chiếm dụng trong thời gian dài.
  • Hệ số thanh toán nhanh của nợ phải thu: $$\text{Hệ số thanh toán nhanh của AR} = \frac{\text{Khoản phải thu ngắn hạn}}{\text{Nợ ngắn hạn}}$$ Chỉ số này dao động trong khoảng $0.85 - 1.15$, cho thấy nợ phải thu là nguồn đảm bảo trọng yếu nhất cho các nghĩa vụ nợ ngắn hạn của doanh nghiệp.

Kết quả đạt được

Bảng tổng hợp kết quả đo lường các chỉ số quản trị công nợ trọng yếu:

Chỉ số tài chính Năm 2017 Năm 2018 Năm 2019 Mục tiêu sau hoàn thiện
Doanh thu thuần (Tỷ VNĐ) 168.5 199.1 153.6 Ổn định tăng trưởng
Khoản phải thu khách hàng (Tỷ VNĐ) 24.8 31.2 34.6 Kiểm soát $\le 25.0$
Vòng quay khoản phải thu ($H$ - Lần) 7.42 6.88 4.85 $\ge 7.50$
Kỳ thu tiền bình quân ($DSO$ - Ngày) 48.5 52.3 74.2 $\le 45.0$ ngày
Tỷ lệ nợ phải thu / Doanh thu thuần 14.7% 15.7% 22.5% $\le 15.0%$
Tỷ lệ Vốn bị chiếm dụng / Đi chiếm dụng 1.18 1.34 1.42 Cân bằng $\approx 1.00$

Đổi mới và đóng góp

  1. Lượng hóa mô hình quyết định tín dụng 5C cho ngành truyền thông: Khóa luận đã chuyển đổi các tiêu chuẩn định tính truyền thống (Tư cách, Năng lực, Vốn, Thế chấp, Điều kiện) thành ma trận chấm điểm số với các trọng số phù hợp với mô hình kinh doanh dịch vụ dự án.
  2. Xây dựng ma trận phân tầng chính sách bán chịu (MH1 – MH7): Cung cấp khung thuật toán so sánh trực tiếp giữa lợi nhuận biên từ việc bán chịu thêm với tổng chi phí phát sinh (chi phí cơ hội vốn, chi phí quản lý nợ, chi phí dự phòng nợ khó đòi), giúp Ban Giám đốc ra quyết định dựa trên dữ liệu.
  3. Cơ chế kiểm soát vốn bị chiếm dụng và đi chiếm dụng song hành: Đưa ra công thức cân bằng giữa việc đàm phán kéo dài thời hạn trả tiền cho nhà cung cấp thiết bị/ekip sản xuất với việc thu hồi tiền từ khách hàng, giảm thiểu áp lực vay vốn ngân hàng ngắn hạn.

Ứng dụng thực tế và triển khai

Kịch bản triển khai tại doanh nghiệp dịch vụ truyền thông

Quy trình quản trị khoản phải thu chuẩn hóa được thiết kế gồm 5 bước khép kín:

sequenceDiagram
    autonumber
    actor KH as Khách hàng
    actor QLDA as Phòng Quản lý Dự án
    actor KT as Phòng Kế toán
    actor BGĐ as Ban Giám đốc

    KH->>QLDA: Gửi yêu cầu dịch vụ & Đề nghị thanh toán chậm
    QLDA->>KT: Chuyển hồ sơ khách hàng & Dự toán chi phí
    KT->>KT: Chấm điểm tín dụng 5C, kiểm tra lịch sử CIC & Aging
    KT->>BGĐ: Trình phương án: Hạn mức tín dụng & Tỷ lệ chiết khấu
    BGĐ->>QLDA: Phê duyệt điều khoản hợp đồng kinh tế
    QLDA->>KH: Ký kết hợp đồng (Kèm điều khoản 2/10, net 30)
    KT->>KH: Xuất hóa đơn điện tử & Giám sát thanh toán tự động
    opt Quá hạn thanh toán
        KT->>QLDA: Kích hoạt quy trình phối hợp thu hồi nợ 3 cấp độ
    end

Lộ trình triển khai và Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai ước tính:
    • Nâng cấp phần mềm kế toán/ERP (MISA/FAST/Bravo tích hợp AR Module): ~30 - 50 triệu VNĐ.
    • Đào tạo kỹ năng đàm phán công nợ và pháp lý hợp đồng cho nhân sự: ~15 triệu VNĐ.
  • Lợi ích tài chính kỳ vọng (ROI):
    • Rút ngắn kỳ thu tiền bình quân từ 74.2 ngày xuống 45 ngày, giúp giải phóng khoảng 9.6 tỷ VNĐ vốn lưu động bị ứ đọng.
    • Giảm chi phí lãi vay ngắn hạn tương ứng: $9.6 \text{ tỷ} \times 9%/\text{năm} \times (29.2/360) \approx 70 \text{ triệu VNĐ/năm}$.
    • Giảm tỷ lệ tổn thất nợ khó đòi từ 3.5% xuống dưới 1% tổng doanh thu.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Phạm vi dữ liệu: Đề tài phân tích số liệu thứ cấp giai đoạn 2016 – 2019; chưa phản ánh đầy đủ những biến động đột biến của thị trường truyền thông trong giai đoạn khủng hoảng chuỗi cung ứng và dịch bệnh các năm tiếp theo.
  • Tính bao quát: Mô hình được tùy biến sâu cho doanh nghiệp quy mô vừa trong ngành truyền thông - sự kiện, việc áp dụng cho các doanh nghiệp sản xuất chế biến hoặc thương mại thuần túy cần điều chỉnh lại hệ số trọng số 5C.

Hướng phát triển công nghệ

  • Ứng dụng các mô hình học máy (Machine Learning như Logistic Regression, Random Forest, XGBoost) trên tập dữ liệu lớn để tự động dự báo xác suất vỡ nợ (Probability of Default - PD) của khách hàng doanh nghiệp B2B.
  • Tích hợp cổng thanh toán tự động và Open Banking API để đối soát công nợ tức thời (Real-time Reconciliation), tự động áp dụng chiết khấu thanh toán động theo từng ngày thanh toán sớm.

Đối tượng hưởng lợi

  • Ban Lãnh đạo & Giám đốc Tài chính (CFO): Nắm giữ công cụ định lượng để cân bằng giữa tăng trưởng doanh thu và an toàn thanh khoản, tối ưu hóa cơ cấu vốn lưu động.
  • Bộ phận Kế toán & Quản lý Dự án: Sở hữu quy trình làm việc chuẩn hóa, phân định rõ trách nhiệm thu hồi công nợ, giảm thiểu xung đột nội bộ giữa mục tiêu doanh số và mục tiêu dòng tiền.
  • Cộng đồng Nghiên cứu & Sinh viên Tài chính: Tài liệu tham khảo toàn diện về phương pháp luận kết hợp giữa lý thuyết tài chính doanh nghiệp và số liệu thực chứng tại một doanh nghiệp cụ thể tại Việt Nam.

Câu hỏi thường gặp

1. Tại sao doanh nghiệp có lợi nhuận cao nhưng vẫn gặp khó khăn về dòng tiền?

Doanh thu và lợi nhuận được ghi nhận theo nguyên tắc dồn tích (Accrual Accounting) khi hoàn thành dịch vụ hoặc chuyển giao rủi ro, không phụ thuộc vào thời điểm thực thu tiền. Nếu khoản phải thu tăng quá nhanh, lợi nhuận chỉ nằm trên sổ sách trong khi tiền mặt thực tế bị khách hàng chiếm dụng, khiến doanh nghiệp không đủ tiền thanh toán lương, nhà cung cấp và lãi vay.

2. Làm thế nào để áp dụng chính sách chiết khấu thanh toán mà không làm giảm biên lợi nhuận?

Chính sách chiết khấu chỉ nên áp dụng khi chi phí chiết khấu nhỏ hơn tổng chi phí cơ hội của vốn lưu động được giải phóng cộng với chi phí quản lý nợ tiết kiệm được (áp dụng theo mô hình MH5/MH6).

3. Doanh nghiệp nên xử lý thế nào đối với các khoản nợ quá hạn trên 90 ngày?

Cần phân loại nợ vào nhóm nợ cần chú ý/nghi ngờ mất vốn, lập tức dừng cấp hạn mức bán chịu mới, gửi công văn đối chiếu công nợ có xác nhận pháp lý, trích lập dự phòng theo Thông tư 48/2019/TT-BTC và kích hoạt phương án xử lý pháp lý hoặc thông qua tổ chức thu hồi nợ chuyên nghiệp.

4. Quy trình phối hợp giữa phòng Sales/Project và Kế toán trong quản trị công nợ như thế nào?

Cần gắn chỉ tiêu KPI thu hồi công nợ vào cơ chế hoa hồng của nhân viên kinh doanh/quản trị dự án. Nhân viên chỉ được nhận đủ thưởng khi hợp đồng đã hoàn tất nghiệm thu và thu hồi đủ 100% công nợ theo điều khoản.

5. Có nên từ chối bán chịu cho 100% khách hàng mới không?

Không. Việc từ chối bán chịu sẽ làm mất cơ hội kinh doanh. Giải pháp đúng đắn là yêu cầu khách hàng mới cung cấp bảo lãnh thanh toán ngân hàng, áp dụng tỷ lệ tạm ứng cao (50 - 70%) và chỉ cấp hạn mức tín dụng nhỏ trong 3 hợp đồng đầu tiên để thử nghiệm mức độ uy tín.

Kết luận

Khóa luận tốt nghiệp "Hoàn thiện công tác quản trị khoản phải thu tại Công ty TNHH TAJ Việt Nam" đã giải quyết trọn vẹn bài toán thực tiễn về tối ưu hóa dòng tiền và kiểm soát rủi ro tín dụng thương mại tại doanh nghiệp dịch vụ truyền thông. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận tài chính hiện đại, hệ thống mô hình định lượng (MH1 - MH7) và số liệu kiểm chứng thực tế giai đoạn 2017 - 2019, nghiên cứu đã chứng minh rằng: Quản trị khoản phải thu hiệu quả chính là chìa khóa gia tăng năng lực cạnh tranh và đảm bảo sự phát triển bền vững cho doanh nghiệp trong nền kinh tế thị trường.