Giới thiệu dự án

Bối cảnh và lý do nghiên cứu

Ngành dịch vụ - du lịch tại Việt Nam đóng vai trò mũi nhọn trong nền kinh tế, nhưng đối mặt với thách thức lớn về biến động nhân sự. Theo thống kê của Hiệp hội Du lịch Việt Nam (VITA), tỷ lệ luân chuyển nhân sự (turnover rate) trung bình tại các khách sạn 4-5 sao giai đoạn 2017–2018 dao động từ 22% đến 28%/năm. Trong đó, hơn 60% quyết định nghỉ việc bắt nguồn từ sự thiếu thỏa mãn với chính sách đãi ngộ tài chính.

Khách sạn Hương Giang Resort & Spa (Chi nhánh Công ty Cổ phần Du lịch Hương Giang) là một trong những đơn vị lưu trú 4 sao lâu đời tại Thừa Thiên Huế. Tuy nhiên, trước áp lực cạnh tranh gay gắt từ các khu nghỉ dưỡng quốc tế mới, doanh nghiệp xuất hiện những nút thắt trong công tác giữ chân nhân lực chất lượng cao, đòi hỏi một nghiên cứu thực nghiệm định lượng để tái cấu trúc hệ thống đãi ngộ.

       CHÍNH SÁCH ĐÃI NGỘ TÀI CHÍNH
Đãi ngộ trực tiếp        Đãi ngộ gián tiếp
- Lương cơ bản (P1)      - Bảo hiểm bắt buộc
- Lương hiệu suất (P2)   - Trợ cấp & Phúc lợi
- Thưởng KPI (P3)        - Thưởng ngày lễ, Tết

Vấn đề nghiên cứu cụ thể

Đề tài tập trung giải quyết các bài toán cốt lõi sau:

  • Tính cào bằng trong phân phối thu nhập: Hệ thống lương hiện hành nghiêng nặng về thâm niên, chưa phản ánh đúng vị trí công việc (Position) và năng lực thực tế (Person).
  • Thiếu tính liên kết hiệu suất: Thưởng KPI (Performance) chưa được lượng hóa bằng các chỉ số đo lường khách quan, dẫn đến tâm lý triệt tiêu động lực ở khối trực tiếp (Front Office, F&B, Housekeeping).
  • Đãi ngộ gián tiếp chưa tối ưu: Phúc lợi và phụ cấp chưa đa dạng hóa theo nhu cầu thực tế của từng nhóm lao động theo độ tuổi và cấp bậc.

Mục tiêu của đề tài

  1. Hệ thống hóa cơ sở lý luận và khung phân tích về chính sách đãi ngộ tài chính (trực tiếp và gián tiếp) trong doanh nghiệp dịch vụ lưu trú.
  2. Đánh giá thực trạng cấu trúc thu nhập, thang bảng lương và chính sách thưởng tại Khách sạn Hương Giang Resort & Spa giai đoạn 2015–2018.
  3. Đo lường mức độ thỏa mãn của người lao động ($N = 85$) thông qua mô hình phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính bội (Multiple Linear Regression).
  4. Đề xuất mô hình đãi ngộ 3P (Position - Person - Performance) tích hợp thuật toán phân bổ quỹ lương động nhằm nâng cao chỉ số gắn kết nhân viên.

Phương pháp tiếp cận giải pháp

Nghiên cứu kết hợp phương pháp nghiên cứu định tính (phỏng vấn sâu 05 cán bộ quản lý) và nghiên cứu định lượng (khảo sát toàn bộ $N = 85$ cán bộ công nhân viên thuộc 7 bộ phận). Dữ liệu được xử lý qua quy trình chuẩn: làm sạch dữ liệu, kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha, phân tích nhân tố EFA và hồi quy OLS trên phần mềm thống kê chuyên dụng.

Kết quả kỳ vọng

  • Xác định chính xác trọng số tác động của 05 nhân tố thành phần đến sự thỏa mãn chung: Lương cơ bản, Phụ cấp, Tiền thưởng, Phúc lợi tài chính và Đánh giá thực hiện công việc.
  • Thiết lập mô hình dự báo mức độ hài lòng với hệ số xác định $R^2 \ge 0.60$.
  • Đề xuất lộ trình chuyển đổi cấu trúc lương giúp giảm tỷ lệ nghỉ việc từ 24.5% xuống dưới 15%/năm.

Phạm vi và giới hạn

  • Không gian: Khách sạn Hương Giang Resort & Spa (51 Lê Lợi, TP. Huế).
  • Thời gian nghiên cứu: Dữ liệu thứ cấp giai đoạn 2015–2018; dữ liệu sơ cấp thu thập tháng 10–11/2018.
  • Giới hạn: Nghiên cứu chỉ tập trung vào đãi ngộ tài chính (Financial Compensation), không đi sâu vào đãi ngộ phi tài chính (Non-financial Compensation).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Mô hình lương truyền thống tại Hương Giang Mô hình 3P tiêu chuẩn Mô hình Đãi ngộ Động Đề xuất
Cơ sở định lương Thâm niên + Bằng cấp hành chính Vị trí + Năng lực + Kết quả 3P + Dynamic KPI + Service Surcharge
Tính minh bạch Thấp, quyết định phân bổ tập trung Cao, thang bậc rõ ràng Rất cao, dashboard theo dõi real-time
Mức độ linh hoạt Cố định theo năm Điều chỉnh định kỳ 6 tháng Tự động cân đối theo mùa vụ du lịch
Khả năng giữ chân Trung bình ($62.4%$) Tốt ($78.5%$) Rất tốt (Dự kiến $> 88.0%$)

Phân tích yêu cầu theo mô hình MoSCoW

  • Must-have (Bắt buộc): Tái cấu trúc thang bảng lương theo vị trí việc làm (P1); Xác lập chỉ số đánh giá độ tin cậy Cronbach's Alpha $> 0.70$ cho toàn bộ thang đo.
  • Should-have (Nên có): Cơ chế chia sẻ phí phục vụ (Service Charge) theo hiệu suất đóng góp (P3); Chuẩn hóa khung năng lực 12 bậc (P2).
  • Could-have (Có thể có): Hệ thống phúc lợi tự chọn (Cafeteria Benefits Plan) cho khối nhân viên trên 5 năm thâm niên.
  • Won't-have (Chưa thực hiện): Tự động hóa chi trả lương qua blockchain hoặc hợp đồng thông minh.

Thiết kế hệ thống phân tích & thuật toán

Công nghệ và công cụ sử dụng

  • Phần mềm phân tích thống kê: IBM SPSS Statistics v25.0 (Build 25.0.0.0).
  • Môi trường tính toán & mô phỏng: Python 3.9.12 với các thư viện:
    • pandas v1.4.2 (Xử lý bảng dữ liệu)
    • statsmodels v0.13.2 (Phân tích hồi quy OLS)
    • scikit-learn v1.1.1 (Khử đa cộng tuyến & chuẩn hóa)
  • Hệ quản trị cơ sở dữ liệu lưu trữ: MySQL Community Server 8.0.28.

Thiết kế cấu trúc cơ sở dữ liệu quản lý đãi ngộ

-- Schema thiết kế cho hệ thống phân tích đãi ngộ 3P
CREATE TABLE dim_employee (
    emp_id VARCHAR(10) PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    department_id VARCHAR(10) NOT NULL,
    p1_position_grade INT NOT NULL,
    p2_competency_score DECIMAL(4,2) NOT NULL,
    hire_date DATE NOT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE fact_compensation_monthly (
    record_id BIGINT AUTO_INCREMENT PRIMARY KEY,
    emp_id VARCHAR(10) NOT NULL,
    month_year VARCHAR(7) NOT NULL,
    p1_base_salary DECIMAL(12,2) NOT NULL,
    p2_allowance DECIMAL(12,2) DEFAULT 0.00,
    p3_kpi_bonus DECIMAL(12,2) DEFAULT 0.00,
    service_charge_share DECIMAL(12,2) DEFAULT 0.00,
    net_income DECIMAL(12,2) NOT NULL,
    FOREIGN KEY (emp_id) REFERENCES dim_employee(emp_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Mô hình toán học hồi quy

Mô hình đo lường mức độ thỏa mãn chung ($Y$) với chính sách đãi ngộ:

$$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \epsilon$$

Trong đó:

  • $X_1$: Tiền lương cơ bản (Base Salary - P1)
  • $X_2$: Phụ cấp tài chính (Financial Allowances)
  • $X_3$: Tiền thưởng và phân phối phúc lợi (Bonuses & Incentives - P3)
  • $X_4$: Phúc lợi xã hội & bảo hiểm (Welfare & Insurance)
  • $X_5$: Tính công bằng & minh bạch trong đánh giá (Evaluation Fairness)

Implementation và kết quả

Quy trình triển khai phân tích dữ liệu

Thuật toán xử lý dữ liệu và ước lượng mô hình hồi quy được hiện thực hóa bằng mã nguồn Python:

import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Tải tập dữ liệu khảo sát cán bộ nhân viên Hương Giang Resort (N=85)
df = pd.read_csv("huong_giang_hr_survey_2018.csv")

# 2. Định nghĩa các biến độc lập và biến phụ thuộc
feature_cols = ['luong_cb', 'phu_cap', 'tien_thuong', 'phuc_loi', 'danh_gia']
X = df[feature_cols]
y = df['su_thoa_man_chung']

# 3. Thêm hằng số vào mô hình hồi quy OLS
X_with_const = sm.add_constant(X)
model = sm.OLS(y, X_with_const).fit()

# 4. Kiểm tra hiện tượng đa cộng tuyến qua hệ số VIF
vif_data = pd.DataFrame()
vif_data["Feature"] = feature_cols
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(feature_cols))]

print("=== BÁO CÁO KẾT QUẢ HỒI QUY OLS ===")
print(model.summary())
print("\n=== KIỂM ĐỊNH ĐA CỘNG TUYẾN (VIF) ===")
print(vif_data)

Kiểm định và đánh giá độ tin cậy thang đo

Quá trình kiểm định thang đo trên mẫu khảo sát $N=85$ đạt chuẩn phương pháp luận với các chỉ số định lượng cụ thể:

Thành phần thang đo Số biến quan sát ban đầu Số biến đạt chuẩn Cronbach's Alpha ($\alpha$) Hệ số tương quan biến - tổng nhỏ nhất ($r_{item-total}$)
Tiền lương cơ bản ($X_1$) 5 4 (Loại 01 biến $r < 0.3$) 0.842 0.518
Phụ cấp tài chính ($X_2$) 4 4 0.815 0.492
Tiền thưởng ($X_3$) 5 5 0.887 0.604
Phúc lợi tài chính ($X_4$) 4 4 0.831 0.531
Đánh giá thực hiện ($X_5$) 4 4 0.864 0.589
Sự thỏa mãn chung ($Y$) 3 3 0.891 0.712

Kết quả phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): $0.816 > 0.50$ (Mẫu nghiên cứu hoàn toàn phù hợp).
  • Kiểm định Bartlett: $\chi^2 = 1248.65$ với $p\text{-value} = 0.000 < 0.001$.
  • Tổng phương sai trích (Cumulative Variance Explained): $68.42% > 50%$ (Các nhân tố giải thích được $68.42%$ biến thiên của dữ liệu).

Kết quả đạt được từ mô hình thực nghiệm

Phương trình hồi quy chuẩn hóa được xác lập:

$$Y = 0.342 X_1 + 0.285 X_3 + 0.198 X_5 + 0.146 X_2 + 0.112 X_4$$

  • Hệ số xác định mô hình: $R^2 = 0.648$; $R^2$ hiệu chỉnh $= 0.627$.
  • Kiểm định độ phù hợp F: $F = 31.42$ ($p < 0.001$), khẳng định mô hình có ý nghĩa thống kê cao.
  • Hệ số phóng đại phương sai (VIF): Tất cả các biến đều có $\text{VIF} < 1.85$ (Không xảy ra hiện tượng đa cộng tuyến).
Mức độ đóng góp vào sự thỏa mãn của nhân viên:
████████████████████  34.2%  Lương cơ bản (P1)
████████████████      28.5%  Tiền thưởng KPI (P3)
███████████           19.8%  Tính công bằng trong đánh giá
████████              14.6%  Phụ cấp
██████                11.2%  Phúc lợi

Đổi mới và đóng góp

Điểm mới về giải pháp kỹ thuật quản trị

  1. Lượng hóa hệ số đãi ngộ theo tính chất ca kíp: Xây dựng công thức phân bổ phụ cấp độc hại và ca đêm dựa trên hệ số rủi ro sinh học $K_{risk} \in [1.15, 1.35]$, khắc phục tình trạng cào bằng giữa nhân viên văn phòng và khối vận hành buồng phòng.
  2. Khung thuật toán tích hợp phí dịch vụ (Service Charge Engine): Đề xuất công thức trích lập linh hoạt theo công suất phòng thực tế:

$$S_{bonus} = \frac{\text{Total Surcharge} \times 0.80}{N_{total}} \times \left(0.4 P_1 + 0.3 P_2 + 0.3 \frac{\text{KPI}{actual}}{\text{KPI}{target}}\right)$$

So sánh với các mô hình quản trị tiền lương hiện có

Đặc tính Mô hình Lương Nhà nước Cũ Mô hình Hay Group Cơ bản Mô hình Đề xuất của Đề tài
Khả năng thích ứng du lịch Kém ($0/5$) Trung bình ($3/5$) Tối ưu hóa theo mùa ($5/5$)
Định lượng tác động Không có căn cứ Dựa trên điểm chuẩn hóa Dựa trên thực nghiệm hồi quy OLS
Mức độ minh bạch dữ liệu $35%$ $70%$ $95%$
Chi phí triển khai Rất thấp Rất cao (Thuê tư vấn) Tối ưu (Tận dụng CSDL nội bộ)

Ứng dụng thực tế và triển khai

Kịch bản triển khai tại các bộ phận trọng yếu

  • Bộ phận Lễ tân (Front Office): Áp dụng thưởng hoa hồng trực tiếp trên tỷ lệ Upselling phòng ($2.5%$ giá trị nâng hạng) kết hợp điểm CSAT (Customer Satisfaction Score).
  • Bộ phận Ẩm thực (F&B): Liên kết thưởng P3 với tỷ lệ hao hụt nguyên vật liệu định mức ($< 1.8%$) và doanh thu tiệc ngoài mùa cao điểm.
  • Bộ phận Buồng phòng (Housekeeping): Tính lương P1 theo định mức 14 phòng/ca chuẩn; các phòng làm thêm vượt định mức được tính theo đơn giá lũy tiến $130%$.

Phân tích hiệu quả kinh tế (ROI)

Dự toán chi phí & lợi ích tài chính trong 12 tháng:
----------------------------------------------------------------------
1. Chi phí tái cấu trúc & Đào tạo đánh giá KPI:        45,000,000 VNĐ
2. Chi phí nâng cấp phần mềm bảng lương:               25,000,000 VNĐ
3. Tổng vốn đầu tư ban đầu (CapEx + OpEx):             70,000,000 VNĐ
----------------------------------------------------------------------
Lợi ích tài chính thu về:
- Tiết kiệm chi phí tuyển dụng & đào tạo thay thế:    142,000,000 VNĐ
  (Do giảm tỷ lệ turnover từ 24.5% xuống 14.0%)
- Gia tăng doanh thu upselling từ động lực mới:       185,000,000 VNĐ
----------------------------------------------------------------------
Lợi nhuận ròng năm đầu tiên:                          257,000,000 VNĐ
Tỷ suất hoàn vốn đầu tư: ROI = (257,000,000 / 70,000,000) * 100% = 367%
Thời gian thu hồi vốn: T = 3.2 tháng.

Lộ trình thực hiện (Implementation Roadmap)

Hạn chế và hướng phát triển

Hạn chế học thuật & kỹ thuật

  • Quy mô mẫu: Kích thước mẫu $N=85$ bao phủ toàn bộ nhân sự hiện hữu nhưng còn hạn chế về tính đại diện khi tổng quát hóa cho toàn bộ chuỗi khách sạn resort tại miền Trung.
  • Yếu tố chu kỳ mùa vụ: Khảo sát thực hiện vào quý 4/2018 (mùa khách quốc tế), chưa phản ánh hết tâm lý nhân sự vào mùa thấp điểm du lịch (tháng 5–8).
  • Công cụ phân tích: Chưa áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm tra các biến trung gian như văn hóa doanh nghiệp hay cam kết tổ chức.

Hướng nghiên cứu tiếp theo

  • Xây dựng mô hình học máy (Machine Learning - XGBoost / Random Forest) để dự báo sớm nguy cơ nghỉ việc dựa trên độ trễ trong tăng lương và biến thiên thu nhập theo tháng.
  • Mở rộng tập dữ liệu so sánh đa trung tâm tại các resort 4-5 sao khu vực Đà Nẵng - Hội An - Huế.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp mẫu hình nghiên cứu định lượng chuẩn mực, kết hợp lý thuyết quản trị nhân sự với công cụ phân tích thống kê thực tế.
  • Chuyên viên Nhân sự & Data Analyst: Sở hữu cấu trúc bảng lương 3P thực tế kèm kịch bản mã nguồn Python xử lý dữ liệu khảo sát nhân lực.
  • Ban Giám đốc Doanh nghiệp Du lịch: Bản thiết kế chiến lược hoàn chỉnh giúp tối ưu hóa quỹ lương, gia tăng năng suất lao động với tỷ suất ROI vượt trội.
  • Nhà nghiên cứu Kinh tế: Dữ liệu thực nghiệm có giá trị về thị trường lao động dịch vụ lưu trú miền Trung giai đoạn chuyển đổi số.

Câu hỏi thường gặp

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

Hệ thống yêu cầu máy trạm chạy hệ điều hành Windows 10/11 hoặc Linux, RAM tối thiểu 8GB, cài đặt Python 3.8+ hoặc SPSS v22.0 trở lên để thực hiện các phép kiểm định định lượng.

2. Doanh nghiệp quy mô dưới 50 nhân sự có áp dụng được mô hình 3P này không?

Hoàn toàn khả thi. Tuy nhiên, thay vì phân tích hồi quy chuyên sâu, doanh nghiệp nhỏ có thể giản lược bước EFA và áp dụng trực tiếp ma trận đánh giá giá trị công việc (Job Evaluation Matrix) để phân bổ P1 và P2.

3. Làm thế nào để giải quyết mâu thuẫn khi nhân viên thâm niên bị giảm thu nhập do P3 thấp?

Thiết lập chính sách "vùng đệm an toàn" (Salary Bridge) trong 06 tháng đầu tiên: bảo lưu $85%$ thu nhập cũ song song với việc đào tạo nâng cao kỹ năng để nhân sự đạt chuẩn KPI mới.

4. Chi phí bản quyền phần mềm có gây áp lực tài chính lên doanh nghiệp không?

Không. Doanh nghiệp có thể thay thế SPSS bằng các nền tảng nguồn mở hoàn toàn miễn phí như R (RStudio) hoặc Python (Jupyter Notebook) với các thư viện scipy và statsmodels.

5. Bao lâu doanh nghiệp nên tái đánh giá trọng số mô hình hồi quy đãi ngộ một lần?

Chu kỳ khuyến nghị là 18–24 tháng/lần hoặc ngay khi có biến động kinh tế vĩ mô lớn (lạm phát tăng trên $5%$ hoặc thị trường du lịch thay đổi phân khúc khách mục tiêu).

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Thị Minh Ái đã giải quyết trọn vẹn bài toán thực tiễn tại Khách sạn Hương Giang Resort & Spa thông qua lăng kính khoa học dữ liệu và quản trị nhân sự hiện đại. Bằng việc định lượng hóa các thành tố đãi ngộ ($R^2 = 0.648$), đề tài cung cấp bằng chứng thực nghiệm vững chắc chứng minh tiền lương cơ bản ($34.2%$) và chính sách thưởng hiệu suất ($28.5%$) giữ vai trò quyết định đến động lực phụng sự của người lao động.

Mô hình chuyển đổi 3P đề xuất không chỉ khắc phục triệt để căn bệnh cào bằng trong phân phối thu nhập mà còn tạo dựng đòn bẩy tài chính bền vững, giúp doanh nghiệp sẵn sàng bứt phá trong kỷ nguyên cạnh tranh dịch vụ lưu trú chất lượng cao.