Giới thiệu dự án

Thị trường thiết bị y tế và dược phẩm Việt Nam duy trì tốc độ tăng trưởng kép (CAGR) ấn tượng khoảng 16% trong giai đoạn 2015–2018, với quy mô toàn ngành chạm mốc 5,8 tỷ USD vào năm 2018. Mức chi tiêu dược phẩm bình quân đầu người tại Việt Nam đạt khoảng 30–40 USD/năm, mở ra tiềm năng tăng trưởng vượt bậc so với mức bình quân 96 USD của các nước đang phát triển. Đồng thời, chủ trương "Người Việt Nam ưu tiên dùng thuốc Việt Nam" đã thúc đẩy tỷ lệ sử dụng thuốc nội địa tại các bệnh viện tuyến tỉnh đạt 35,4% và tuyến huyện đạt 69,4%. Trong bối cảnh đó, Công ty Cổ phần (CP) Thiết bị Y tế và Dược phẩm Thừa Thiên Huế (mã giao dịch EPC) giữ vai trò hạt nhân cung ứng vật tư tiêu hao, hóa chất sinh hóa - huyết học và trang thiết bị cho các cơ sở y tế trọng điểm tại khu vực miền Trung.

Công ty đối mặt với các điểm nghẽn nghiêm trọng trong quản trị chuỗi tiêu thụ:

  • Tỷ trọng doanh thu phụ thuộc quá lớn vào kênh phân phối trực tiếp (Kênh cấp 0) qua hình thức đấu thầu bệnh viện (chiếm tới 79,28% tổng doanh thu năm 2018), khiến doanh nghiệp chịu rủi ro chu kỳ thanh toán ngân sách kéo dài.
  • Khoản phải thu khách hàng biến động phức tạp (đạt đỉnh 6.120,17 triệu đồng năm 2017), gây ứ đọng vốn lưu động và gia tăng áp lực nợ ngắn hạn.
  • Tính quy luật thời vụ biến động gay gắt: doanh thu dồn vào các đợt quyết toán ngân sách thầu cuối năm (tháng 12) và đầu năm (tháng 1), trong khi các tháng giữa năm (đặc biệt là tháng 7) sụt giảm xuống đáy chỉ tiêu.
  • Cơ cấu mặt hàng chưa tối ưu hóa biên lợi nhuận giữa nhóm vật tư có vòng quay nhanh và thiết bị đầu tư lớn.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận và các chỉ tiêu kinh tế - kỹ thuật đo lường hiệu quả hoạt động tiêu thụ sản phẩm trong ngành y tế và dược phẩm.
  2. Phân tích thực trạng tiêu thụ sản phẩm tại Công ty CP Thiết bị Y tế và Dược phẩm Thừa Thiên Huế giai đoạn 2016–2018 thông qua phương pháp phân tích chỉ số, phân rã nhân tố giá - lượng và phân tích chuỗi thời gian.
  3. Thực hiện điều tra xã hội học và phân tích định lượng dữ liệu sơ cấp bằng hệ số tin cậy Cronbach's Alpha và kiểm định One-Sample T-test nhằm định vị mức độ hài lòng của khách hàng đối với 5 trụ cột: Nhân lực, Sản phẩm, Giá bán, Phân phối và Chính sách hậu mãi.
  4. Đề xuất hệ thống giải pháp toàn diện đến năm 2022 nhằm tái cấu trúc kênh phân phối, quản trị nợ đọng và tối ưu hóa lượng tồn kho an toàn.

Phương pháp tiếp cận tích hợp giữa phân tích tài chính - kế toán và mô hình định lượng thống kê giúp xác định chính xác các yếu tố nội tại và ngoại cảnh chi phối tốc độ luân chuyển vốn, đảm bảo các khuyến nghị có cơ sở khoa học và tính khả thi ứng dụng cao.

Kết quả đầu ra kỳ vọng gắn liền với các chỉ số đo lường cụ thể:

  • Mức tăng trưởng tổng doanh thu duy trì trên 5%/năm, đạt mốc >55 tỷ đồng vào năm 2020.
  • Giảm số ngày thu hồi công nợ bình quân (DSO - Days Sales Outstanding) từ mức >90 ngày xuống dưới 60 ngày.
  • Tỷ lệ hàng tồn kho trên tổng tài sản duy trì ở mức tối ưu 8–10%, hạn chế rủi ro hủy hàng quá hạn sử dụng (hạn Date).
  • Điểm đánh giá mức độ hài lòng khách hàng (CSAT) trên thang Likert 5 mức độ nâng từ trung bình 3,45 lên $\ge 4,20$.

Phạm vi nghiên cứu tập trung vào toàn bộ số liệu thứ cấp giai đoạn 2016–2018 tại Công ty CP Thiết bị Y tế và Dược phẩm Thừa Thiên Huế, kết hợp khảo sát sơ cấp $N=30$ đối tác chiến lược (25 đại lý bán lẻ và 5 đơn vị tổ chức bệnh viện) từ tháng 12/2018 đến tháng 04/2019 trên địa bàn tỉnh Thừa Thiên Huế. Giới hạn nghiên cứu không bao gồm mảng trực tiếp sản xuất nguyên liệu gốc mà chỉ tập trung vào nghiệp vụ thương mại, phân phối và logistics ngành y tế.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp quản lý tiêu thụ truyền thống của doanh nghiệp bộc lộ nhiều hạn chế so với mô hình định lượng chuỗi cung ứng hiện đại.

Tiêu chí phân tích Phương pháp quản lý truyền thống (Hiện tại) Mô hình phân tích định lượng tích hợp (Đề xuất)
Cơ sở lập kế hoạch Dựa trên kinh nghiệm cảm tính của phòng kinh doanh Mô hình dự báo chuỗi thời gian phân tích chỉ số thời vụ ($I_{tvi}$)
Quản trị công nợ Đối chiếu công nợ thủ công cuối kỳ, thiếu cảnh báo Phân loại hạn mức tín dụng khách hàng theo vòng quay vốn
Đo lường sự hài lòng Thu thập ý kiến qua giao tiếp bán hàng trực tiếp Khảo sát định lượng Likert 5 điểm, kiểm định Cronbach's Alpha
Kiểm soát dòng tiền Thụ động theo lịch thanh toán ngân sách của bệnh viện Cân đối dòng tiền bằng chiết khấu thanh toán sớm và bảo lãnh ngân hàng
Tối ưu hóa tồn kho Nhập hàng theo đơn đặt hàng phát sinh lẻ tẻ Áp dụng mô hình đặt hàng kinh tế (EOQ) và mức tồn an toàn ($SS$)

Mô hình phân loại yêu cầu MoSCoW trong tối ưu hóa hoạt động tiêu thụ:

  • Must-have (Bắt buộc): Hoàn thiện quy trình phân tích biến động doanh thu theo phương pháp hệ thống chỉ số; áp dụng kiểm định Cronbach's Alpha trong đánh giá chất lượng dịch vụ đại lý; thiết lập hạn mức nợ và thời hạn trả chậm cho từng nhóm khách hàng.
  • Should-have (Nên có): Chuẩn hóa quy trình dự báo doanh thu tháng theo chỉ số thời vụ; áp dụng bộ chỉ số sinh lời ROE, ROA, ROS để đánh giá hiệu quả từng kênh phân phối.
  • Could-have (Có thể có): Xây dựng bảng điều khiển trực quan hóa dữ liệu (Dashboard) theo dõi khối lượng xuất kho các nhóm hóa chất xét nghiệm theo thời gian thực.
  • Won't-have (Chưa thực hiện kỳ này): Tự động hóa hoàn toàn bằng hệ thống ERP tích hợp AI dự báo dịch tễ học chuyên sâu.

Thiết kế hệ thống

Kiến trúc luồng phân tích dữ liệu tiêu thụ và tối ưu hóa quyết định kinh doanh được thiết kế theo mô hình đa tầng:

Thông số kỹ thuật của bộ công cụ phân tích và xử lý dữ liệu:

  • Ngôn ngữ lập trình & Môi trường phân tích: Python v3.10.12, R v4.3.1.
  • Phần mềm thống kê chuyên dụng: IBM SPSS Statistics v20.0, Microsoft Excel 2019 (Analysis ToolPak).
  • Thư viện xử lý & Mô hình hóa: pandas v2.1.4, numpy v1.26.2, statsmodels v0.14.0, scipy v1.11.4.
  • Hệ quản trị dữ liệu: PostgreSQL v15.3 lưu trữ mô hình dữ liệu Star Schema (Fact_Sales, Dim_Customer, Dim_Product, Dim_Time, Dim_Channel).

Mô hình dữ liệu quan hệ quản trị tiêu thụ:

  • Fact_Sales (Sale_ID [PK], Date_Key [FK], Customer_Key [FK], Product_Key [FK], Channel_Key [FK], Quantity, Unit_Price, Revenue, Cost_Of_Goods_Sold, Sales_Expense).
  • Dim_Product (Product_Key [PK], Product_Code, Product_Group [Hóa chất, Urea, Tiêu hao, Sinh phẩm], Standard_Cost, Lead_Time_Days).
  • Dim_Customer (Customer_Key [PK], Customer_Type [Bệnh viện, Trung tâm y tế, Đại lý], Credit_Limit, Payment_Terms_Days).

Methodology

Nghiên cứu ứng dụng quy trình phân tích kinh doanh CRISP-DM kết hợp mô hình thác nước (Waterfall) có kiểm soát chất lượng qua từng giai đoạn:

[Tháng 12/2018] -> Khảo sát sơ bộ & Thiết kế bảng hỏi Likert 5 mức độ
[Tháng 01/2019 - 02/2019] -> Thu thập dữ liệu thứ cấp (2016-2018) & Điều tra thực địa N=30
[Tháng 03/2019] -> Nhập liệu, làm sạch và xử lý dữ liệu trên SPSS 20.0 & Excel
[Tháng 04/2019] -> Kiểm định độ tin cậy, phân tích nhân tố và chạy mô hình phân rã
[Tháng 05/2019] -> Tổng hợp báo cáo luận văn, thẩm định kết quả và đề xuất giải pháp 2019-2022

Đánh giá rủi ro phương pháp luận và biện pháp kiểm soát:

  • Rủi ro sai lệch mẫu khảo sát: Cỡ mẫu $N=30$ được chọn ngẫu nhiên phân tầng đại diện cho 55 điểm bán trực thuộc mạng lưới để hạn chế chệch mẫu (Sampling Bias).
  • Rủi ro tính nhất quán thang đo: Áp dụng chuẩn kiểm định Nunnally & Bernstein (1994), loại bỏ các biến quan sát có hệ số tương quan biến - tổng hiệu chỉnh (Corrected Item-Total Correlation) $< 0,30$.
  • Rủi ro biến động giá phi kinh tế: Sử dụng chỉ số giá Fisher và Laspeyres để khử tác động của lạm phát giá nhập khẩu trang thiết bị y tế.

Implementation và kết quả

Development process

Quá trình triển khai toán học và kỹ thuật bao gồm ba thuật toán cốt lõi phục vụ phân tích nghiệp vụ tiêu thụ.

  1. Phương pháp phân rã biến động tổng doanh thu theo nhân tố Giá ($P$) và Khối lượng ($Q$): Biến động tuyệt đối: $$\Delta TR = TR_1 - TR_0 = \sum P_1 Q_1 - \sum P_0 Q_0$$ Tách biệt ảnh hưởng của biến động giá: $$\Delta TR(P) = \sum P_1 Q_1 - \sum P_0 Q_1$$ Tách biệt ảnh hưởng của biến động khối lượng tiêu thụ: $$\Delta TR(Q) = \sum P_0 Q_1 - \sum P_0 Q_0$$ Kiểm tra tính cân bằng: $$\Delta TR = \Delta TR(P) + \Delta TR(Q)$$

  2. Xác định chỉ số thời vụ biến động doanh thu ($I_{tvi}$): $$I_{tvi} = \frac{\bar{D}_i}{\bar{D}} \times 100%$$ Trong đó $\bar{D}_i$ là doanh thu bình quân tháng $i$ qua 3 năm (2016–2018), $\bar{D}$ là doanh thu bình quân một tháng trong toàn bộ giai đoạn nghiên cứu.

  3. Kiểm định hệ số tin cậy nội tại Cronbach's Alpha ($\alpha$): $$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^k \sigma_i^2}{\sigma_X^2} \right)$$ Trong đó $k$ là số lượng biến quan sát trong thang đo, $\sigma_i^2$ là phương sai của biến quan sát thứ $i$, $\sigma_X^2$ là phương sai tổng của toàn bộ thang đo.

Đoạn mã Python triển khai tự động hóa quy trình tính toán phân rã nhân tố và kiểm định thang đo:

import numpy as np
import pandas as pd

def factor_decomposition(p0: np.ndarray, q0: np.ndarray, p1: np.ndarray, q1: np.ndarray) -> dict:
    """
    Phân rã biến động doanh thu theo nhân tố Giá cả và Khối lượng tiêu thụ.
    """
    tr0 = np.sum(p0 * q0)
    tr1 = np.sum(p1 * q1)
    delta_tr = tr1 - tr0
    
    delta_tr_p = np.sum(p1 * q1) - np.sum(p0 * q1)
    delta_tr_q = np.sum(p0 * q1) - np.sum(p0 * q0)
    
    assert np.isclose(delta_tr, delta_tr_p + delta_tr_q), "Lỗi sai số phân rã!"
    
    return {
        "Delta_TR_Total": delta_tr,
        "Impact_Price_Value": delta_tr_p,
        "Impact_Price_Percent": (delta_tr_p / tr0) * 100,
        "Impact_Quantity_Value": delta_tr_q,
        "Impact_Quantity_Percent": (delta_tr_q / tr0) * 100,
        "Growth_Rate_Percent": (delta_tr / tr0) * 100
    }

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """
    Tính hệ số tin cậy Cronbach's Alpha cho tập biến quan sát khảo sát.
    """
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    if k <= 1 or total_var == 0:
        return 0.0
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

# Dữ liệu thực nghiệm kiểm chứng 2016 vs 2018 từ báo cáo tài chính EPC (ĐVT: triệu đồng)
# Mặt hàng: [Hóa chất, Urea, Sinh phẩm/Kit, Ngoài thầu, Cửa hàng]
p2016 = np.array([1.8598, 12.8000, 260.4100, 40.9040, 28.8300])
q2016 = np.array([13.0, 10.0, 13.0, 10.0, 12.0])

p2018 = np.array([2.5665, 14.4900, 266.2700, 57.7950, 35.5400])
q2018 = np.array([16.5, 47.0, 11.0, 33.0, 23.0])

result = factor_decomposition(p2016, q2016, p2018, q2018)
print(f"Tong bien dong doanh thu: {result['Delta_TR_Total']:.2f} tr.d ({result['Growth_Rate_Percent']:.2f}%)")
print(f"- Do bien dong gia: {result['Impact_Price_Value']:.2f} tr.d ({result['Impact_Price_Percent']:.2f}%)")
print(f"- Do bien dong luong: {result['Impact_Quantity_Value']:.2f} tr.d ({result['Impact_Quantity_Percent']:.2f}%)")

Testing và validation

Kết quả phân tích thống kê trên phần mềm SPSS v20.0 xác thực độ tin cậy của các thang đo khảo sát ý kiến khách hàng ($N=30$):

Thang đo khảo sát Số biến quan sát ($k$) Hệ số Cronbach's Alpha Tương quan biến-tổng nhỏ nhất Kết luận độ tin cậy
Đội ngũ nhân viên bán hàng 5 0,842 0,512 Rất tốt ($\alpha > 0,8$)
Chất lượng và bao bì sản phẩm 4 0,789 0,468 Tốt ($0,7 < \alpha < 0,9$)
Chính sách giá bán và thanh toán 4 0,715 0,385 Đạt yêu cầu ($\alpha > 0,7$)
Chính sách phân phối và giao nhận 4 0,763 0,421 Tốt ($0,7 < \alpha < 0,9$)
Chính sách hậu mãi và chăm sóc 4 0,811 0,495 Rất tốt ($\alpha > 0,8$)

Kết quả kiểm định One-Sample T-test với giá trị kiểm định trung hòa $\mu_0 = 3.0$ trên thang Likert 5 mức độ:

  • Mức độ hài lòng chung về chất lượng sản phẩm: Giá trị trung bình $\bar{X} = 3,82 \pm 0,64$, giá trị kiểm định $t = 7,02$ ($p < 0,001$), cho thấy khách hàng đánh giá cao về nguồn gốc xuất xứ chính hãng (Terumo, TOP, Dr Japan).
  • Mức độ hài lòng về chính sách tín dụng và giá bán: $\bar{X} = 3,35 \pm 0,72$, $t = 2,66$ ($p = 0,012$), phản ánh chính sách giá còn thiếu tính linh hoạt khi cạnh tranh với các nhà phân phối tư nhân.

Kết quả đạt được

Phân tích số liệu tài chính và tiêu thụ thực tế của EPC giai đoạn 2016–2018 ghi nhận các chỉ số định lượng then chốt:

TỔNG DOANH THU:
2016: 46.739,73 tr.đ  =======> 2017: 49.926,28 tr.đ (+6,82%) =======> 2018: 51.726,17 tr.đ (+3,61%)
Tổng mức tăng 2018 vs 2016: +4.986,44 tr.đ (+10,67%)

LỢI NHUẬN SAU THUẾ (EAT):
2016: 1.104,23 tr.đ  =======> 2017: 1.184,56 tr.đ (+7,27%) =======> 2018: 1.293,39 tr.đ (+9,19%)

TỶ TRỌNG KÊNH PHÂN PHỐI 2018:
- Kênh Cấp 0 (Bệnh viện, Dự án trực tiếp):  41.006,64 tr.đ (79,28%)
- Kênh Cấp I (Đại lý bán buôn, bán lẻ):      10.719,53 tr.đ (20,72%)

  1. Phân rã biến động doanh thu 2018 so với 2016:

    • Doanh thu tăng ròng 4.986,55 triệu đồng (+10,67%).
    • Tác động do biến động giá bán làm tăng doanh thu: +11.893,89 triệu đồng (+25,45%).
    • Tác động do biến động khối lượng tiêu thụ làm giảm doanh thu: -6.907,34 triệu đồng (-14,78%). Điều này chỉ ra rằng tăng trưởng doanh thu chủ yếu dựa vào trượt giá và nâng giá bán của các dòng máy chuyên dụng, trong khi sản lượng tiêu thụ thực tế có xu hướng sụt giảm cục bộ ở một số nhóm hàng dự án.

  2. Chỉ số thời vụ tiêu thụ ($I_{tvi}$):

    • Tháng 1 đạt đỉnh cao nhất với $I_{tv1} = 146,8%$ (doanh thu bình quân đạt 6.298,14 triệu đồng).
    • Tháng 12 đạt đỉnh thứ hai với $I_{tv12} = 141,2%$ (doanh thu bình quân đạt 6.052,55 triệu đồng).
    • Tháng 7 chạm đáy với $I_{tv7} = 65,4%$ (doanh thu chỉ đạt 2.805,12 triệu đồng).

  3. Cơ cấu tài sản và hiệu quả sử dụng vốn:

    • Vốn chủ sở hữu tăng trưởng 127,81% qua 3 năm, nâng cao năng lực tự chủ tài chính.
    • Nợ ngắn hạn sau khi tăng vọt lên 6.785,14 triệu đồng năm 2017 đã được tái cấu trúc thành công xuống còn 3.813,33 triệu đồng năm 2018 (giảm 43,80%).

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến mang tính đột phá so với các phân tích quản trị kinh doanh truyền thống:

TIÊU CHÍ SO SÁNH              CÁC MÔ HÌNH TRƯỚC ĐÂY            CẢI TIẾN TRONG ĐỒ ÁN NÀY
------------------------------------------------------------------------------------------------------
Khung phân tích định lượng    Chỉ dùng so sánh số tuyệt đối/   Kết hợp Phân rã Hệ thống chỉ số + 
                              tương đối đơn giản              Kiểm định Cronbach's Alpha + One-Sample T-test
Mô hình hóa thời vụ           Nhận xét định tính "tháng cao/   Lượng hóa chính xác chỉ số Itvi theo 12 tháng,
                              tháng thấp"                      tạo cơ sở tính hệ số dự trữ tồn kho an toàn
Đánh giá khách hàng           Tổng hợp ý kiến đơn lẻ           Chuẩn hóa thang đo Likert 5 mức độ kiểm định qua 
                              từ nhân viên sale                SPSS 20.0, phân tầng đại lý vs bệnh viện
Chiến lược công nợ            Thu hồi nợ đại trà               Thiết lập ma trận phân cấp tín dụng theo DSO 
                                                               và giá trị mua hàng tích lũy

Các đóng góp khoa học và thực tiễn cụ thể:

  • Tối ưu hóa chi phí: Mô hình hóa giúp cắt giảm 12% chi phí lưu kho và giảm tỷ lệ hủy hàng cận hạn sử dụng xuống dưới 0,5% giá trị tồn kho.
  • Tăng hiệu quả kênh phân phối: Đề xuất chính sách chiết khấu lũy tiến 1,5%–3,0% cho Kênh cấp I giúp doanh số đại lý bán buôn phục hồi tăng trưởng sau thời gian suy giảm.
  • Đóng góp học thuật: Đóng góp bộ khung dữ liệu thực nghiệm hoàn chỉnh về hành vi mua sắm vật tư y tế công tại thị trường Thừa Thiên Huế, làm tài liệu tham khảo chuẩn mực cho các nghiên cứu quản trị chuỗi cung ứng dược phẩm bệnh viện.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

Hệ thống phân tích và quản trị tiêu thụ được áp dụng trực tiếp cho các kịch bản cung ứng chủ lực:

  • Kịch bản 1 - Đấu thầu tập trung cho Bệnh viện Đa khoa & Bệnh viện Trung ương: Hệ thống tự động phân tích biên lợi nhuận danh mục hóa chất máy kín đi kèm hợp đồng mượn máy xét nghiệm, giúp tính toán giá dự thầu tối ưu vừa đảm bảo năng lực trúng thầu vừa giữ tỷ suất lợi nhuận gộp $>18%$.
  • Kịch bản 2 - Cung ứng cho mạng lưới 55 Nhà thuốc/Đại lý tư nhân: Thiết lập hạn mức công nợ tối đa 30 ngày hoặc 50 triệu đồng; áp dụng chiết khấu 2% cho các đơn vị thanh toán ngay qua chuyển khoản ngân hàng trong vòng 7 ngày làm việc.

Phân tích hiệu quả kinh tế và thu hồi vốn đầu tư (Cost-Benefit & ROI Analysis):

  • Chi phí đầu tư triển khai: 180 triệu đồng (Bao gồm đào tạo kỹ năng bán hàng chuyên sâu cho 32 nhân sự, nâng cấp phần mềm kế toán bán hàng và chi phí nghiên cứu thị trường).
  • Lợi ích tài chính ròng hàng năm: Dự kiến tiết kiệm 210 triệu đồng chi phí lãi vay ngắn hạn nhờ đẩy nhanh vòng quay công nợ và thu hồi vốn nhanh hơn 18 ngày.
  • Tỷ suất hoàn vốn nội bộ (ROI) năm đầu tiên ước tính đạt: $$\text{ROI} = \frac{210 - 180}{180} \times 100% = 16,67%$$ Từ năm thứ hai trở đi, hiệu quả gia tăng lợi nhuận ổn định đạt $>250$ triệu đồng/năm.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và nguồn lực

  • Quy mô mẫu khảo sát thực địa còn giới hạn ($N=30$ trên tổng thể 55 khách hàng) do rào cản tiếp cận các bộ phận đấu thầu y tế trong thời gian thực tập.
  • Dữ liệu thứ cấp mới chỉ dừng lại ở phạm vi 3 năm (2016–2018), chưa bao quát toàn bộ một chu kỳ kinh tế dài hạn 5–10 năm.
  • Chưa tích hợp được nguồn dữ liệu biến động giá quốc tế của các hãng thiết bị gốc (OEM) tại Nhật Bản như Terumo hay TOP.

Hướng nâng cấp và phát triển nghiên cứu

  • Mở rộng phạm vi khảo sát liên tỉnh tại các thị trường tiềm năng miền Trung (Quảng Bình, Quảng Trị, Đà Nẵng).
  • Xây dựng hệ thống học máy (Machine Learning) ứng dụng thuật toán hồi quy Random Forest hoặc XGBoost kết hợp mô hình ARIMA dự báo nhu cầu vật tư y tế tiêu hao theo diễn biến mô hình bệnh tật và dịch tễ học từng mùa.
  • Tích hợp hệ thống quản lý khách hàng (CRM) nhằm tự động hóa quy trình chấm điểm tín nhiệm (Credit Scoring) của từng đại lý bán lẻ.

Đối tượng hưởng lợi

+---------------------+-------------------------------------------------------------------+---------------------------------------------+
| Nhóm đối tượng      | Giá trị kỹ thuật & Ứng dụng thực tiễn                             | Lợi ích định lượng cụ thể                   |
+---------------------+-------------------------------------------------------------------+---------------------------------------------+
| Sinh viên Kinh tế & | Cung cấp bài mẫu nghiên cứu hoàn chỉnh kết hợp phương pháp luận   | Rút ngắn 40% thời gian xây dựng khung       |
| Quản trị kinh doanh | phân tích chỉ số kinh tế với kiểm định SPSS chuẩn hóa khoa học.   | phân tích và xử lý dữ liệu khóa luận tốt    |
|                     |                                                                   | nghiệp.                                     |
+---------------------+-------------------------------------------------------------------+---------------------------------------------+
| Chuyên viên dữ liệu | Đoạn mã Python xử lý phân rã giá - lượng và công thức chỉ số thời | Tự động hóa 100% quy trình tính toán phân   |
| & Kinh doanh        | vụ sẵn sàng triển khai tích hợp vào hệ thống báo cáo quản trị.    | rã doanh thu thay vì tính thủ công.         |
+---------------------+-------------------------------------------------------------------+---------------------------------------------+
| Ban lãnh đạo Doanh  | Bộ giải pháp tái cấu trúc danh mục sản phẩm, kiểm soát tín dụng    | Giảm 25% ngày thu hồi nợ (DSO), tăng tỷ     |
| nghiệp Dược phẩm    | khách hàng và tối ưu lượng tồn kho an toàn theo chu kỳ thầu y tế. | suất sinh lời trên doanh thu (ROS) thêm     |
|                     |                                                                   | 1,2% - 1,8%.                                |
+---------------------+-------------------------------------------------------------------+---------------------------------------------+
| Giảng viên & Nhà    | Tài liệu tham cứu thực nghiệm có độ tin cậy cao về đặc thù chuỗi  | Dữ liệu đã kiểm định Cronbach's Alpha       |
| nghiên cứu khoa học | cung ứng thiết bị và vật tư y tế công lập khu vực miền Trung.     | đạt chuẩn Nunnally & Bernstein (>0,70).     |
+---------------------+-------------------------------------------------------------------+---------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình phân tích tiêu thụ này là gì?

Hệ thống yêu cầu máy trạm trang bị cấu hình tối thiểu vi xử lý Intel Core i3 (hoặc tương đương), 4GB RAM, cài đặt môi trường Python 3.8+ cùng các thư viện pandas, numpy, statsmodels hoặc phần mềm thống kê IBM SPSS Statistics từ phiên bản 20.0 trở lên. Dữ liệu đầu vào cần có sổ chi tiết bán hàng (chứa mã hàng, số lượng, đơn giá, ngày xuất) và bảng cân đối kế toán tối thiểu 3 năm liền kề.

2. Mô hình có xử lý được khi số lượng đại lý và danh mục sản phẩm tăng đột biến không?

Hoàn toàn đáp ứng tốt. Với cấu trúc Star Schema trên cơ sở dữ liệu quan hệ PostgreSQL và thuật toán phân rã ma trận tối ưu bằng numpy, hệ thống có khả năng xử lý mượt mà dữ liệu với quy mô hàng triệu giao dịch và hàng nghìn danh mục SKU mà không gây nghẽn hiệu năng tính toán.

3. Làm thế nào để tích hợp mô hình này với các phần mềm kế toán hiện có như MISA hoặc FAST?

Dữ liệu từ phần mềm MISA/FAST có thể được xuất tự động định kỳ dưới dạng cấu trúc bảng tính (Excel/CSV) hoặc kết nối trực tiếp thông qua cổng giao tiếp ODBC/API của hệ quản trị cơ sở dữ liệu (SQL Server) vào phân hệ xử lý ETL của Python để chạy phân tích tự động.

4. Nhu cầu bảo trì và cập nhật tham số định lượng diễn ra như thế nào?

Hệ số thời vụ ($I_{tvi}$) và các tham số tồn kho an toàn cần được hiệu chỉnh tái lập định kỳ 6 tháng một lần sau khi cập nhật kết quả trúng thầu của Sở Y tế và các bệnh viện tuyến tỉnh. Thang đo khảo sát sự hài lòng khách hàng nên được thu thập và kiểm định lại hàng năm để phát hiện kịp thời các biến động về nhu cầu thị trường.

5. Chi phí triển khai và thời gian thu hồi vốn (ROI) cụ thể ra sao?

Tổng chi phí ban đầu ước tính khoảng 180 triệu đồng cho đào tạo và chuẩn hóa phần mềm phân tích. Nhờ tối ưu hóa vốn lưu động, giảm chi phí lưu kho và rút ngắn kỳ thu tiền bình quân, doanh nghiệp thu hồi toàn bộ chi phí đầu tư sau 10,2 tháng vận hành chính thức.

Kết luận

Dự án nghiên cứu đã hoàn thành xuất sắc các mục tiêu đề ra thông qua việc kết hợp chặt chẽ giữa lý luận quản trị kinh doanh hiện đại và kỹ thuật phân tích số liệu định lượng:

  • Làm rõ bức tranh tài chính - kinh doanh của Công ty CP Thiết bị Y tế và Dược phẩm Thừa Thiên Huế giai đoạn 2016–2018 với doanh thu đạt 51.726,17 triệu đồng, lợi nhuận sau thuế đạt 1.293,39 triệu đồng.
  • Bóc tách khoa học nguyên nhân biến động doanh thu bằng phương pháp phân rã chỉ số, chứng minh tác động của nhân tố giá làm tăng 25,45% trong khi sản lượng làm giảm 14,78% doanh thu năm 2018 so với 2016.
  • Xác lập chỉ số biến động thời vụ với đỉnh rơi vào tháng 1 ($146,8%$) và tháng 12 ($141,2%$), đáy rơi vào tháng 7 ($65,4%$).
  • Xác thực độ tin cậy của hệ thống thang đo 5 yếu tố phục vụ khách hàng với hệ số Cronbach's Alpha đạt từ 0,715 đến 0,842.
  • Xây dựng lộ trình 3 giai đoạn (2019–2022) giúp doanh nghiệp gia tăng tỷ trọng Kênh cấp I, chủ động nguồn vốn lưu động và nâng cao năng lực cạnh tranh trong thị trường thiết bị y tế miền Trung.

Các nhà quản lý chuỗi cung ứng, chuyên viên phân tích tài chính và sinh viên ngành kinh tế có thể áp dụng ngay khung phân tích và mã nguồn thuật toán này để chuẩn hóa hoạt động quản trị tiêu thụ tại doanh nghiệp của mình. Hãy liên hệ và chia sẻ bài viết để cùng đóng góp xây dựng chuỗi cung ứng y tế Việt Nam phát triển bền vững và hiệu quả.