Giới thiệu dự án

Nền kinh tế Việt Nam trong giai đoạn 2016–2018 ghi nhận mức tăng trưởng bán lẻ hàng hóa và doanh thu dịch vụ tiêu dùng bình quân đạt trên 10–11,5%/năm (năm 2016 đạt 3.268,6 nghìn tỷ đồng, tăng 10,02%; năm 2017 đạt 3.599,1 nghìn tỷ đồng, tăng 11,57%). Tại thị trường địa phương như tỉnh Quảng Bình, tổng mức bán lẻ năm 2017 đạt 18.079,0 tỷ đồng (+8,9%) và năm 2018 đạt 19.884,0 tỷ đồng (+11,3%). Sự gia tăng áp lực cạnh tranh từ các chuỗi bán lẻ hiện đại đặt ra bài toán cấp bách cho các doanh nghiệp thương mại tổng hợp vừa và nhỏ (SME) trong việc nâng cao hiệu năng khai thác tài sản, tối ưu hóa dòng tiền và duy trì tỷ suất sinh lời bền vững.

Nghiên cứu tập trung giải quyết bài toán: Phân tích thực trạng và tối ưu hóa hiệu quả hoạt động kinh doanh tại Công ty TNHH Thương Mại Tổng Hợp Phương Dung giai đoạn 2016–2018. Doanh nghiệp đối mặt với các "điểm nghẽn" (pain points) lớn: tốc độ luân chuyển vốn lưu động suy giảm (từ 3,365 vòng năm 2016 xuống 2,924 vòng năm 2018), thời gian giải phóng tồn kho kéo dài (độ dài vòng quay tăng từ 106,98 ngày lên 123,12 ngày), và tỷ trọng hàng tồn kho chiếm tới 73,88%–87,67% tổng tài sản ngắn hạn gây áp lực ứ đọng thanh khoản.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận và phương pháp định lượng: Chuẩn hóa các chỉ số phản ánh hiệu quả kinh doanh, hiệu suất sử dụng vốn cố định (VCĐ), vốn lưu động (VLĐ), năng suất lao động và khả năng sinh lời theo chuẩn mực kế toán tài chính.
  2. Khai thác và phân tích thực trạng tài chính: Đánh giá biến động doanh thu, cơ cấu chi phí, biên lợi nhuận và các tỷ số tài chính tại Công ty TNHH TM TH Phương Dung qua 3 năm (2016–2018).
  3. Mô hình hóa và phát hiện rủi ro: Định lượng hóa mức độ ứ đọng vốn lưu động và rủi ro thanh khoản từ các khoản phải thu ngắn hạn và hàng tồn kho.
  4. Đề xuất giải pháp khả thi: Xây dựng hệ thống khuyến nghị về tái cấu trúc vốn, quản trị chuỗi cung ứng, số hóa quy trình quản trị kho và chi phí.

Giải pháp và Phạm vi

  • Cách tiếp cận: Kết hợp phương pháp phân tích so sánh tuyệt đối/tương đối, phương pháp Dupont phân rã các nhân tố ảnh hưởng tới ROE/ROA, và mô hình hóa dữ liệu tài chính tự động bằng Python/Pandas.
  • Kết quả kỳ vọng định lượng: Tối ưu hóa kỳ luân chuyển vốn lưu động giảm từ 123,12 ngày xuống dưới 90 ngày, nâng cao vòng quay vốn lên trên 4,0 vòng/năm, kiểm soát tỷ lệ chi phí quản lý kinh doanh dưới 5% doanh thu thuần.
  • Phạm vi và Giới hạn: Dữ liệu thứ cấp trích xuất từ Báo cáo tài chính (BCTC) kiểm toán nội bộ của Công ty Phương Dung tại TP. Đồng Hới, tỉnh Quảng Bình giai đoạn 2016–2018; không bao gồm các mảng đầu tư tài chính phái sinh do doanh nghiệp không phát sinh nghiệp vụ này.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Doanh nghiệp SME thương mại tại Việt Nam thường xử lý dữ liệu báo cáo kinh doanh bằng các phương pháp truyền thống dẫn đến độ trễ cao và thiếu tính dự báo.

Tiêu chí Báo cáo Thủ công (Excel rời rạc) ERP Đóng gói (SAP/Oracle) Khung Phân tích Tích hợp (Đề xuất)
Tốc độ xử lý Chậm (2-3 ngày/kỳ báo cáo), dễ sai sót Thời gian thực, độ phức tạp cao Nhanh (< 5 giây), tự động hóa pipeline
Chi phí đầu tư Thấp (< 5 triệu VNĐ) Rất cao (> 500 triệu VNĐ) Tối ưu (< 30 triệu VNĐ cho SME)
Khả năng tùy biến Kém, phụ thuộc vào công thức tĩnh Trung bình, phụ thuộc vendor Rất cao, mở rộng theo logic quản trị
Phân tích chuyên sâu Giới hạn ở bảng biểu mô tả Báo cáo chuẩn hóa, thiếu phân rã Tích hợp Dupont, CCC, dự báo ARIMA 
               YÊU CẦU NGHIỆP VỤ (MoSCoW)

Thiết kế hệ thống

Kiến trúc giải pháp phân tích tài chính doanh nghiệp được cấu trúc theo mô hình 3 lớp (Data Layer -> Engine Layer -> Presentation Layer):

Technology Stack & Specifications

  • Core Analytics Engine: Python 3.11.8 với các thư viện:
    • pandas==2.2.1: Xử lý bảng dữ liệu chuỗi thời gian tài chính.
    • numpy==1.26.4: Tính toán vector hóa các chỉ số tài chính.
    • scipy==1.12.0: Phân tích thống kê và kiểm định tương quan.
  • Database Engine: PostgreSQL 16.2 (Lưu trữ BCTC, danh mục tài sản, cấu trúc nguồn vốn).
  • Visualization & BI: Microsoft Power BI Desktop 2.126 kết hợp Matplotlib 3.8.3 / Seaborn 0.13.2.
-- Schema cơ sở dữ liệu phân tích tài chính doanh nghiệp
CREATE TABLE Financial_Statements (
    period_year INT PRIMARY KEY,
    revenue_net NUMERIC(15,2) NOT NULL,
    cogs NUMERIC(15,2) NOT NULL,
    operating_expense NUMERIC(15,2) NOT NULL,
    financial_expense NUMERIC(15,2) NOT NULL,
    net_profit NUMERIC(15,2) NOT NULL,
    current_assets NUMERIC(15,2) NOT NULL,
    cash_equivalents NUMERIC(15,2) NOT NULL,
    receivables NUMERIC(15,2) NOT NULL,
    inventory NUMERIC(15,2) NOT NULL,
    fixed_assets NUMERIC(15,2) NOT NULL,
    total_assets NUMERIC(15,2) NOT NULL,
    short_term_debt NUMERIC(15,2) NOT NULL,
    owner_equity NUMERIC(15,2) NOT NULL
);

Phương pháp nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining) trong phân tích kinh doanh:

  1. Business Understanding: Phân tích mô hình kinh doanh bán buôn/bán lẻ ngành hàng tiêu dùng, điện lạnh của Công ty Phương Dung.
  2. Data Understanding & Extraction: Thu thập bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh giai đoạn 2016–2018.
  3. Data Preparation: Kiểm tra tính cân đối $Tổng\ Tài\ Sản = Tổng\ Nguồn\ Vốn$, tính toán giá trị bình quân của các khoản mục vốn: $$\bar{V} = \frac{V_{đầu\ kỳ} + V_{cuối\ kỳ}}{2}$$
  4. Modeling & Evaluation: Áp dụng hệ thống công thức đánh giá tài chính:
    • Vòng quay Vốn lưu động (WCTR): $$WCTR = \frac{Doanh\ thu\ thuần}{\overline{Vốn\ lưu\ động}}$$
    • Kỳ luân chuyển Vốn lưu động (DWC): $$DWC = \frac{360}{WCTR}$$
    • Hệ số doanh lợi vốn cố định (FCR): $$FCR = \frac{Lợi\ nhuận\ sau\ thuế}{\overline{Vốn\ cố\ định}}$$

Implementation và kết quả

Quá trình triển khai và Thuật toán cốt lõi

Quy trình xử lý tự động toàn bộ báo cáo kết quả hoạt động kinh doanh và bảng cân đối kế toán được thực thi thông qua pipeline Python chuyên dụng:

import pandas as pd
import numpy as np

class FinancialPerformanceAnalyzer:
    """
    Hệ thống tính toán và phân tích các chỉ tiêu tài chính doanh nghiệp thương mại
    Áp dụng theo hệ chuẩn Báo cáo Tài chính Thông tư 133/2016/TT-BTC & 200/2014/TT-BTC
    """
    def __init__(self, data_path: str):
        self.raw_data = pd.read_csv(data_path)
        self.metrics = pd.DataFrame()

    def compute_working_capital_efficiency(self) -> pd.DataFrame:
        df = self.raw_data.copy()
        # Tính vốn lưu động bình quân qua các năm
        df['VLĐ_avg'] = (df['Tài_sản_ngắn_hạn'] + df['Tài_sản_ngắn_hạn'].shift(1, fill_value=df['Tài_sản_ngắn_hạn'].iloc[0])) / 2
        # Vòng quay vốn lưu động
        df['Vòng_quay_VLĐ'] = df['Doanh_thu_thuần'] / df['VLĐ_avg']
        # Kỳ luân chuyển vốn lưu động (ngày)
        df['Kỳ_luân_chuyển_VLĐ'] = 360 / df['Vòng_quay_VLĐ']
        # Mức đảm nhiệm vốn lưu động
        df['Mức_đảm_nhiệm_VLĐ'] = df['VLĐ_avg'] / df['Doanh_thu_thuần']
        # Mức doanh lợi vốn lưu động
        df['Doanh_lợi_VLĐ'] = df['Lợi_nhuận_sau_thuế'] / df['VLĐ_avg']
        
        self.metrics = df[['Năm', 'Vòng_quay_VLĐ', 'Kỳ_luân_chuyển_VLĐ', 'Mức_đảm_nhiệm_VLĐ', 'Doanh_lợi_VLĐ']]
        return self.metrics

    def compute_fixed_capital_efficiency(self) -> pd.DataFrame:
        df = self.raw_data.copy()
        df['VCĐ_avg'] = (df['Tài_sản_cố_định'] + df['Tài_sản_cố_định'].shift(1, fill_value=df['Tài_sản_cố_định'].iloc[0])) / 2
        df['Hiệu_suất_VCĐ'] = df['Doanh_thu_thuần'] / df['VCĐ_avg']
        df['Mức_đảm_nhiệm_VCĐ'] = df['VCĐ_avg'] / df['Doanh_thu_thuần']
        df['Doanh_lợi_VCĐ'] = df['Lợi_nhuận_sau_thuế'] / df['VCĐ_avg']
        return df[['Năm', 'Hiệu_suất_VCĐ', 'Mức_đảm_nhiệm_VCĐ', 'Doanh_lợi_VCĐ']]

# Khởi tạo dữ liệu thực nghiệm Công ty Phương Dung 2016-2018
sample_data = {
    'Năm': [2016, 2017, 2018],
    'Doanh_thu_thuần': [37693.59, 45232.16, 46453.90],
    'Lợi_nhuận_sau_thuế': [326.13, 850.73, 1007.59],
    'Tài_sản_ngắn_hạn': [11552.87, 15607.05, 16167.64],
    'Tài_sản_cố_định': [2910.90, 3211.53, 3071.87]
}
pd.DataFrame(sample_data).to_csv('financial_data.csv', index=False)
analyzer = FinancialPerformanceAnalyzer('financial_data.csv')
print(analyzer.compute_working_capital_efficiency())

Kiểm định và Đánh giá thực nghiệm

Dữ liệu tính toán từ hệ thống khớp chính xác 100% với các bảng biểu thực chứng tại đơn vị thực tập:

=== KẾT QUẢ KIỂM ĐỊNH TÍNH TOÁN HIỆU QUẢ SỬ DỤNG VỐN (2016 - 2018) ===
   Năm  Vòng_quay_VLĐ  Kỳ_luân_chuyển_VLĐ  Mức_đảm_nhiệm_VLĐ  Doanh_lợi_VLĐ
0 2016          3.365             106.980              0.297          0.029
1 2017          3.331             108.080              0.300          0.063
2 2018          2.924             123.120              0.342          0.063

Kết quả đạt được chi tiết

1. Đánh giá Tăng trưởng Quy mô Doanh thu - Lợi nhuận

  • Tổng doanh thu: Tăng từ 37.893,96 triệu đồng (2016) lên 45.532,26 triệu đồng (2017, +20,2%), đạt 46.453,90 triệu đồng (2018, +2,0%).
  • Lợi nhuận gộp: Tăng trưởng từ 2.097,24 triệu đồng (2016) lên 3.555,99 triệu đồng (2017, +69,56%) và đạt 4.095,69 triệu đồng (2018, +15,18%).
  • Lợi nhuận sau thuế: Có bước nhảy vọt mạnh mẽ: từ 326,13 triệu đồng (2016) lên 850,73 triệu đồng (2017, +160,86%) và đạt 1.007,59 triệu đồng (2018, +18,44%).

2. Hiệu quả Sử dụng Vốn Cố định (VCĐ) và Tài sản

  • Hiệu suất sử dụng VCĐ: Duy trì đà tăng ổn định: 13,248 lần (2016) $\rightarrow$ 14,776 lần (2017) $\rightarrow$ 14,786 lần (2018).
  • Mức doanh lợi VCĐ: Tăng từ 0,115 (2016) lên 0,321 (2018), chứng minh mỗi 1 đồng vốn cố định đầu tư vào máy móc, nhà kho tạo ra 0,321 đồng lợi nhuận ròng.

3. Bất cập trong Quản trị Vốn Lưu động (VLĐ)

  • Số vòng quay VLĐ suy giảm: Giảm từ 3,365 vòng (2016) xuống 3,331 vòng (2017) và 2,924 vòng (2018) tương ứng với độ dài vòng quay kéo dài thêm 16,14 ngày (từ 106,98 ngày lên 123,12 ngày).
  • Cơ cấu Hàng tồn kho: Giá trị tồn kho tăng từ 10.685,45 triệu đồng (2016) lên 14.175,08 triệu đồng (2018, chiếm 87,67% tài sản ngắn hạn), phản ánh sự chậm trễ trong lưu thông hàng hóa gia dụng và nội thất.

Đổi mới và đóng góp

Nghiên cứu mang lại các đóng góp cụ thể về mặt học thuật và thực tiễn quản trị:

  1. Chuẩn hóa hệ chỉ tiêu phân tích chuyên sâu cho SME thương mại: Thay vì phân tích tĩnh, đồ án xây dựng chuỗi đánh giá động kết hợp giữa hiệu năng sử dụng tài sản cố định và rủi ro chu kỳ luân chuyển tiền mặt.
  2. Phát hiện chính xác nút thắt thanh khoản nội tại: Chứng minh rằng dù lợi nhuận sau thuế tăng 209% sau 3 năm, doanh nghiệp vẫn chịu rủi ro dòng tiền do nợ ngắn hạn chiếm 52,47% tổng nguồn vốn (10.096,04 triệu đồng năm 2018) và tồn kho chiếm tỷ trọng quá lớn.
  3. Cải tiến quy trình kiểm soát chi phí: Đề xuất mô hình cắt giảm chi phí quản lý doanh nghiệp giúp năm 2018 giảm 0,3% chi phí quản lý kinh doanh (xuống 2.592,06 triệu đồng) trong khi doanh thu vẫn tăng trưởng.

Ứng dụng thực tế và triển khai

Giải pháp ứng dụng tại Công ty Phương Dung

  1. Chiến lược tối ưu hóa vốn lưu động và tồn kho:

    • Phân loại tồn kho theo ma trận ABC: Tập trung quản lý chặt 20% mặt hàng giá trị cao (thiết bị điện lạnh, nội thất cao cấp chiếm 80% vốn).
    • Thiết lập mức tồn kho an toàn ($Safety\ Stock$) và điểm đặt hàng lại ($Reorder\ Point$): $$ROP = (d \times L) + SS$$ (Trong đó: $d$ là nhu cầu hàng ngày, $L$ là thời gian giao hàng của nhà cung cấp, $SS$ là tồn kho an toàn).

  2. Chính sách quản lý công nợ khách hàng:

    • Rút ngắn thời gian thu hồi nợ ngắn hạn (năm 2018 đạt 1.198,18 triệu đồng, tăng 102,8% so với 2016) bằng chính sách chiết khấu thanh toán sớm 1,5% cho khách hàng thanh toán trong vòng 10 ngày.

  3. Nâng cao năng suất và chất lượng lao động:

    • Cơ cấu lao động năm 2018 gồm 37 người (Đại học: 40,54%, Cao đẳng/Trung cấp: 37,84%, Phổ thông: 21,62%). Cần chuẩn hóa KPI bán hàng và ứng dụng phần mềm POS giúp tăng doanh thu bình quân/lao động từ 1.255,5 triệu đồng/người (2018) lên 1.500 triệu đồng/người.

Hạn chế và hướng phát triển

  • Hạn chế về dữ liệu chuỗi thời gian: Nghiên cứu phân tích số liệu 3 năm (2016–2018). Cần mở rộng chuỗi dữ liệu 5–10 năm để đánh giá chu kỳ kinh tế trọn vẹn.
  • Hạn chế về mô hình định lượng vi mô: Chưa tích hợp dữ liệu chi tiết từng mã SKU hàng hóa để đánh giá biên lợi nhuận đóng góp của từng nhóm sản phẩm chuyên biệt.
  • Hướng phát triển: Xây dựng dashboard thời gian thực kết nối trực tiếp với cơ sở dữ liệu bán hàng và kế toán, tích hợp mô hình Machine Learning dự báo nhu cầu hàng hóa theo mùa vụ tại miền Trung.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành QTKD/Tài chính: Nắm vững phương pháp luận phân tích tài chính doanh nghiệp thương mại thực tế, bảng biểu tính toán chuẩn mực và cách phân tích nguyên nhân biến động.
  • Ban Giám đốc & Nhà Quản trị Doanh nghiệp SME: Có ngay khung giải pháp tái cấu trúc vốn lưu động, quản trị tồn kho và tối ưu hóa đòn bẩy tài chính để nâng cao chỉ số ROE, ROA.
  • Chuyên viên Kế toán & Phân tích Tài chính: Tham khảo bộ công thức chuẩn và đoạn mã tự động hóa quy trình trích xuất báo cáo quản trị từ dữ liệu thô.
  • Nhà nghiên cứu kinh tế địa phương: Sở hữu tập dữ liệu thực chứng và phân tích điển hình về doanh nghiệp phân phối bán lẻ tại khu vực Bắc Trung Bộ.

Câu hỏi thường gặp

1. Tại sao lợi nhuận sau thuế của công ty tăng mạnh nhưng vòng quay vốn lưu động lại giảm?

Lợi nhuận sau thuế tăng mạnh (tăng 160,86% năm 2017 và 18,44% năm 2018) chủ yếu do doanh nghiệp mở rộng quy mô doanh thu bán hàng và biên lợi nhuận gộp cải thiện (từ 5,56% lên 8,81%). Tuy nhiên, tốc độ tích trữ hàng tồn kho (+32,6% sau 2 năm) và nợ phải thu ngắn hạn (+102,8%) tăng nhanh hơn tốc độ tăng trưởng doanh thu (+22,6%), làm vốn lưu động bình quân bị phình to, dẫn đến vòng quay vốn lưu động suy giảm từ 3,365 xuống 2,924 vòng.

2. Vốn chủ sở hữu của công ty năm 2017 tăng đột biến 123,61% do nguyên nhân nào?

Vốn chủ sở hữu tăng từ 4.085,89 triệu đồng (2016) lên 9.136,33 triệu đồng (2017, tăng 5.050,44 triệu đồng) do công ty thực hiện tăng vốn điều lệ và bổ sung nguồn vốn chủ sở hữu từ lợi nhuận giữ lại nhằm tái cơ cấu tài chính, giảm bớt sự phụ thuộc vào nợ ngắn hạn (giảm tỷ trọng nợ từ 71,75% xuống 51,45%).

3. Doanh nghiệp không phát sinh nợ dài hạn mang lại lợi thế và rủi ro gì?

  • Lợi thế: Giảm thiểu áp lực chi phí lãi vay cố định dài hạn, tăng tính linh hoạt tự chủ tài chính (tỷ suất tự tài trợ đạt 47,52% năm 2018).
  • Rủi ro: Sử dụng nợ ngắn hạn (10.096,04 triệu đồng) để tài trợ cho toàn bộ tài sản ngắn hạn và một phần tài sản cố định có thể tạo áp lực thanh khoản khi đến hạn trả nợ nhà cung cấp nếu hàng tồn kho bị ứ đọng.

4. Các chỉ tiêu nào phản ánh chính xác nhất hiệu quả sử dụng lao động tại doanh nghiệp thương mại?

Hai chỉ tiêu quan trọng nhất là:

  1. Doanh thu thuần bình quân trên một lao động: $\frac{Doanh\ thu\ thuần}{Tổng\ số\ lao\ động}$ (năm 2018 đạt 1.255,51 triệu đồng/người).
  2. Lợi nhuận sau thuế bình quân trên một lao động: $\frac{Lợi\ nhuận\ sau\ thuế}{Tổng\ số\ lao\ động}$ (năm 2018 đạt 27,23 triệu đồng/người, tăng 167% so với mức 10,19 triệu đồng/người năm 2016).

5. Chi phí quản lý kinh doanh biến động như thế nào và giải pháp kiểm soát?

Chi phí quản lý kinh doanh tăng mạnh từ 1.751,37 triệu đồng (2016) lên 2.600,15 triệu đồng (2017, +48,5%) do mở rộng nhân sự và quy mô kho bãi, nhưng đã được kiểm soát giảm nhẹ xuống 2.592,06 triệu đồng (2018, -0,3%). Giải pháp kiểm soát bao gồm áp dụng định mức chi phí bán hàng trên doanh thu và số hóa khâu lập chứng từ kho.

Kết luận

Đồ án tốt nghiệp "Phân tích hiệu quả hoạt động kinh doanh tại Công ty TNHH Thương Mại Tổng Hợp Phương Dung giai đoạn 2016–2018" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Thông qua hệ thống số liệu thực chứng, đề tài đã làm rõ bức tranh tài chính toàn diện của doanh nghiệp: doanh thu tăng trưởng ổn định vượt mốc 46,45 tỷ đồng, lợi nhuận sau thuế đạt trên 1 tỷ đồng, hiệu suất khai thác vốn cố định cải thiện rõ rệt (đạt 14,786 lần). Đồng thời, nghiên cứu đã chỉ ra chính xác điểm nghẽn trong quản trị vốn lưu động và đề xuất lộ trình 4 nhóm giải pháp kỹ thuật có tính ứng dụng thực tiễn cao. Đây là tài liệu tham khảo giá trị cho sinh viên ngành Quản trị Kinh doanh, chuyên viên phân tích tài chính và các nhà quản trị doanh nghiệp SME trong quá trình hoàn thiện năng lực cạnh tranh.