Giới thiệu dự án

Trong bối cảnh cạnh tranh nhân tài khốc liệt của ngành sản xuất và phân phối hàng tiêu dùng nhanh (FMCG), năng lực tuyển dụng quyết định trực tiếp đến hiệu suất vận hành và tốc độ mở rộng chuỗi cung ứng của doanh nghiệp. Theo số liệu khảo sát thị trường lao động giai đoạn 2021–2023, tỷ lệ biến động nhân sự ngành sản xuất dao động từ 15% đến 22%/năm, đặt ra bài toán tối ưu hóa quy trình thu hút và tuyển chọn nhân tài. Công ty Cổ phần Diligo Holdings — đơn vị sở hữu hai thương hiệu tiêu biểu Lipzo và Niva, sở hữu nhà máy sản xuất 15.000 m² tại Bắc Ninh và hệ thống văn phòng tại Hà Nội, TP. Hồ Chí Minh — ghi nhận sự gia tăng quy mô nhân sự liên tục từ 486 người (năm 2021) lên 556 người (năm 2022) và đạt 632 người (năm 2023), tương ứng mức tăng trưởng 30,04% sau 3 năm.

       QUY MÔ NHÂN SỰ VÀ DOANH THU DILIGO HOLDINGS (2021 - 2023)
+------+-----------------------+--------------------------+-----------------------+
| Năm  | Quy mô nhân sự (Người)| Doanh thu (Triệu VNĐ)   | Lợi nhuận ST (Triệu)  |
+------+-----------------------+--------------------------+-----------------------+
| 2021 |          486          |         438.380          |        59.856         |
| 2022 |          556 (+14,4%) |         401.195 (-8,5%)  |        49.558 (-17,2%)|
| 2023 |          632 (+13,7%) |         463.389 (+15,5%) |        62.856 (+26,8%)|
+------+-----------------------+--------------------------+-----------------------+

Tuy nhiên, công tác tuyển dụng tại Diligo Holdings đang đối mặt với các điểm nghẽn nghiêm trọng (pain points):

  • Lệch pha kênh tuyển mộ: Kênh giới thiệu nội bộ chiếm áp đảo tới 67%, trong khi kênh website công ty (22%), mạng xã hội/truyền thông (6%) và liên kết cơ sở đào tạo/đại học (5%) chưa được khai thác hiệu quả, dẫn đến nguy cơ đồng nhất hóa tư duy và thiếu hụt nguồn ứng viên chất lượng cao cho các vị trí kỹ thuật và R&D.
  • Quy trình thủ công và phân tán: Việc gộp hai giai đoạn tuyển mộ (Talent Sourcing) và tuyển chọn (Candidate Screening/Selection) thành quy trình đơn tuyến thiếu công cụ số hóa khiến thời gian tuyển dụng (Time-to-Fill) kéo dài, tỷ lệ sàng lọc hồ sơ đạt yêu cầu chỉ đạt 41,8% - 52,3%.
  • Chưa có hệ thống đánh giá định lượng: Tiêu chí đánh giá ứng viên còn mang nặng tính định tính, thiếu hệ thống theo dõi ứng viên (Applicant Tracking System - ATS) và ma trận trọng số kỹ năng.

Dự án nghiên cứu và chuẩn hóa giải pháp tuyển dụng nhân lực tại Diligo Holdings xác định 4 mục tiêu cốt lõi:

  1. Hệ thống hóa cơ sở lý luận về quản trị tuyển dụng nhân lực trong doanh nghiệp sản xuất và thương mại FMCG.
  2. Phân tích thực trạng tuyển dụng giai đoạn 2021–2023 dựa trên bộ dữ liệu sơ cấp (90 phiếu khảo sát hợp lệ) và dữ liệu thứ cấp từ Phòng Hành chính - Nhân sự.
  3. Thiết kế khung quy trình tuyển dụng 8 bước chuẩn hóa tích hợp module phần mềm quản trị tuyển dụng ATS và thuật toán tính điểm hồ sơ tự động.
  4. Đo lường hiệu quả thông qua các chỉ số định lượng: Giảm 35% thời gian tuyển dụng, tối ưu 25% chi phí trên mỗi lượt tuyển (Cost-per-Hire), nâng tỷ lệ chuyển đổi thử việc thành công lên trên 90%.

Phạm vi nghiên cứu tập trung vào toàn bộ các khối chức năng của Diligo Holdings (Sản xuất, Chuỗi cung ứng, Kinh doanh - Bán hàng, R&D, Tài chính - Kế toán) trong mốc thời gian 2021–2023 và định hướng triển khai hệ thống giai đoạn 2024–2026.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát thực tế quy trình tuyển dụng hiện hữu tại Diligo Holdings cho thấy mô hình truyền thống bộc lộ nhiều hạn chế khi so sánh với các phương thức tuyển dụng hiện đại:

Tiêu chí so sánh Quy trình truyền thống tại Diligo Thuê ngoài Headhunt Giải pháp Hệ thống Tuyển dụng ATS Tích hợp Đề xuất
Kênh nguồn ứng viên 67% nội bộ, 33% kênh ngoài phân tán Mạng lưới bên ngoài của Agency Đa kênh tự động (Omnichannel Sourcing, Job Board, University API)
Thời gian xử lý hồ sơ 5 - 7 ngày làm việc/đợt 10 - 20 ngày làm việc Dưới 24 giờ nhờ thuật toán tự động phân loại (Auto-parsing)
Chi phí trên đầu người (CPH) Thấp nhưng chi phí ẩn cao do sai sót Rất cao (15 - 25% lương năm) Tối ưu, giảm 28,5% tổng chi phí vận hành tuyển dụng
Tính chuẩn hóa dữ liệu File Excel rời rạc, lưu trữ thủ công Báo cáo định kỳ từ đối tác Cơ sở dữ liệu tập trung PostgreSQL, mã hóa PII chuẩn GDPR/ISO 27001
Khả năng mở rộng Kém khi quy mô tăng > 600 người Phụ thuộc ngân sách đối tác Mở rộng không giới hạn với kiến trúc Microservices/Docker

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Module quản lý hồ sơ ứng viên tập trung; ma trận tính điểm kỹ năng theo chuẩn chức danh; quy trình phê duyệt tuyển dụng 8 bước; bảo mật thông tin ứng viên.
  • Should-have (Nên có): Thuật toán so khớp Resume - Job Description (JD) tự động; cổng thông tin ứng viên (Career Portal); tích hợp gửi Email/SMS tự động theo trạng thái pipeline.
  • Could-have (Có thể có): Bài kiểm tra đánh giá năng lực nghiệp vụ trực tuyến; bảng điều khiển (HR Analytics Dashboard) trực quan hóa phễu tuyển dụng.
  • Won't-have (Chưa ưu tiên): Phỏng vấn video bằng AI phân tích biểu cảm; tích hợp hệ thống sinh trắc học.
       GAP ANALYSIS: KHOẢNG TRỐNG VẬN HÀNH TUYỂN DỤNG DILIGO HOLDINGS
+-------------------------+-------------------------+-------------------------+
|     HIỆN TRẠNG 2023     |   KHOẢNG TRỐNG (GAP)    |    MỤC TIÊU GIẢI PHÁP   |
+-------------------------+-------------------------+-------------------------+
| Sàng lọc thủ công Excel | Chậm, độ trễ 7 ngày     | ATS tự động lọc < 3s    |
| Lệ thuộc 67% referral   | Thiếu nhân sự R&D/Tech  | Cân bằng đa kênh 40:60  |
| Đánh giá cảm tính       | Tỷ lệ fail thử việc 15% | Đánh giá ma trận chuẩn  |
| Onboarding rời rạc      | Nhân viên khó hòa nhập  | Quy trình 60 ngày số hóa|
+-------------------------+-------------------------+-------------------------+

Thiết kế hệ thống

Kiến trúc giải pháp kết hợp giữa tái cấu trúc quy trình nghiệp vụ (Business Process Re-engineering) và hệ thống phần mềm ATS hỗ trợ vận hành:

flowchart TD
    A[Nhu cầu Nhân sự từ các Ban/Phòng] --> B[Phê duyệt Kế hoạch & Định biên Định kỳ]
    B --> C[Phòng HCNS Khởi tạo Job Requisition trên ATS]
    C --> D[Phát hành Tin Tuyển dụng Đa kênh: Website, LinkedIn, TopCV, Đại học]
    D --> E[Tiếp nhận Hồ sơ vào CSDL Trung tâm]
    E --> F[Module ATS: Trích xuất & Tính Điểm Hồ sơ TF-IDF / Weighted Scoring]
    F --> G{Điểm Khớp >= 70%?}
    G -- Không --> H[Lưu Trữ Kho Dữ liệu Dự trữ Talent Pool & Gửi Thư Cảm ơn Tự động]
    G -- Có --> I[Phỏng vấn Vòng 1: HR & Văn hóa Doanh nghiệp]
    I --> J[Phỏng vấn Vòng 2 / Thi Nghiệp vụ: Chuyên môn Ban Chức năng]
    J --> K[Thẩm tra Thông tin Reference Check & Đề xuất Thỏa thuận Offer]
    K --> L[Onboarding & Đánh giá Thử việc 60 Ngày Chuẩn hóa]

Technology Stack đề xuất cho hệ thống phần mềm tuyển dụng nội bộ:

  • Backend Service: Python v3.11 với framework FastAPI v0.110.0 (xử lý bất đồng bộ AsyncIO, tối ưu tải I/O cao).
  • Database: PostgreSQL v16.2 (hỗ trợ JSONB lưu trữ dữ liệu Resume linh hoạt và Full-text Search).
  • Frontend & Admin Portal: React v18.2.0, TypeScript v5.3.3, TailwindCSS v3.4.1.
  • Data Processing & NLP Library: Scikit-learn v1.4.1 (tính toán vector TF-IDF và Cosine Similarity), PyPDF2 v3.0.1, python-docx v1.1.0.
  • Containerization & CI/CD: Docker v26.0.0, Docker Compose v2.26.0, Nginx v1.25.4 làm Reverse Proxy.

Thiết kế cơ sở dữ liệu (Database Schema DDL PostgreSQL):

-- Bảng lưu trữ hồ sơ ứng viên
CREATE TABLE candidates (
    candidate_id VARCHAR(36) PRIMARY KEY,
    full_name VARCHAR(150) NOT NULL,
    email VARCHAR(150) UNIQUE NOT NULL,
    phone_number VARCHAR(20) NOT NULL,
    education_level VARCHAR(50) NOT NULL, -- 'Sau đại học', 'Đại học', 'Cao đẳng', 'Lao động phổ thông'
    years_of_experience NUMERIC(3, 1) DEFAULT 0.0,
    skills_json JSONB NOT NULL DEFAULT '[]'::jsonb,
    raw_resume_text TEXT,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng yêu cầu vị trí tuyển dụng
CREATE TABLE job_requisitions (
    job_id VARCHAR(36) PRIMARY KEY,
    job_title VARCHAR(150) NOT NULL,
    department_name VARCHAR(100) NOT NULL, -- 'Sản xuất', 'Kế toán', 'Sale', 'R&D', 'HCNS'
    headcount_target INT NOT NULL CHECK (headcount_target > 0),
    required_education VARCHAR(50) NOT NULL,
    required_experience_years NUMERIC(3, 1) NOT NULL,
    required_skills JSONB NOT NULL DEFAULT '[]'::jsonb,
    is_active BOOLEAN DEFAULT TRUE,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng theo dõi tiến trình tuyển dụng và chấm điểm
CREATE TABLE application_pipeline (
    application_id VARCHAR(36) PRIMARY KEY,
    candidate_id VARCHAR(36) REFERENCES candidates(candidate_id) ON DELETE CASCADE,
    job_id VARCHAR(36) REFERENCES job_requisitions(job_id) ON DELETE CASCADE,
    match_score NUMERIC(5, 2) NOT NULL CHECK (match_score >= 0 AND match_score <= 100),
    pipeline_stage VARCHAR(50) NOT NULL DEFAULT 'SOURCING', 
    -- 'SOURCING', 'SCREENING_PASSED', 'INTERVIEW_V1', 'INTERVIEW_V2', 'OFFER_ACCEPTED', 'PROBATION', 'HIRED', 'REJECTED'
    interview_score_v1 NUMERIC(4, 2),
    interview_score_v2 NUMERIC(4, 2),
    probation_status VARCHAR(30) DEFAULT 'IN_PROGRESS',
    updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Đặc tả API thiết kế hệ thống (RESTful Interface):

  • POST /api/v1/resumes/parse-and-score: Tiếp nhận file PDF/DOCX, trích xuất thực thể và tính điểm so khớp với JD vị trí cụ thể.
  • GET /api/v1/pipeline/analytics: Trả về số liệu chuyển đổi theo thời gian thực (Conversion funnel metrics).
  • PATCH /api/v1/pipeline/{application_id}/stage: Cập nhật trạng thái ứng viên và kích hoạt Webhook gửi email thông báo.

Methodology

Dự án áp dụng phương pháp triển khai lai (Hybrid Waterfall - Agile Framework):

  • Giai đoạn chuẩn hóa quy trình (Waterfall): Xây dựng hệ thống tiêu chuẩn chức danh, ma trận năng lực và quy chế tuyển dụng thống nhất toàn Diligo Holdings.
  • Giai đoạn phát triển công cụ & ứng dụng (Agile Scrum): Thực hiện trong 4 Sprint (mỗi Sprint kéo dài 2 tuần) với các đợt kiểm thử chấp nhận người dùng (UAT) liên tục.
       KẾ HOẠCH VÀ TIẾN ĐỘ DỰ ÁN (PROJECT ROADMAP - 16 TUẦN)
+---------+------------------------------------------+-----------+----------------------+
| Tuần    | Nhiệm vụ chính                           | Phương pháp| Sản phẩm bàn giao    |
+---------+------------------------------------------+-----------+----------------------+
| T1 - T4 | Khảo sát 90 CBNV, phân tích dữ liệu 3 năm | Waterfall | Báo cáo thực trạng   |
| T5 - T8 | Chuẩn hóa 8 bước, xây ma trận năng lực   | BPR       | Quy chế tuyển dụng   |
| T9 - T12| Lập trình ATS Engine, tính toán Resume   | Scrum     | Bản mẫu MVP v1.0     |
| T13- T16| UAT, chạy thử tại NM Thuận Thành & VP HN | Pilot Test| Hệ thống hoàn thiện  |
+---------+------------------------------------------+-----------+----------------------+

Kế hoạch quản trị rủi ro:

  • Rủi ro rò rỉ dữ liệu ứng viên (Cao): Áp dụng mã hóa AES-256 đối với toàn bộ thông tin định danh cá nhân (PII), cấu hình phân quyền RBAC (Role-Based Access Control) cho chuyên viên HCNS.
  • Rủi ro kháng cự thay đổi từ nhân sự khối sản xuất (Trung bình): Tổ chức các buổi đào tạo trực tiếp tại nhà máy Thuận Thành II, thiết kế giao diện nhập liệu đơn giản trên di động.

Implementation và kết quả

Development process

Quá trình triển khai tập trung vào việc số hóa thuật toán sàng lọc hồ sơ tự động nhằm giải quyết triệt để bài toán quá tải khi xử lý 356 lao động phổ thông và hàng trăm hồ sơ kỹ thuật/kinh doanh mỗi năm.

Thuật toán tính điểm khớp hồ sơ kết hợp phân tích tương đồng ngữ cảnh (Cosine Similarity) với ma trận trọng số kinh nghiệm và trình độ:

$$\text{Total Score} = w_1 \cdot S_{\text{skills}} + w_2 \cdot S_{\text{experience}} + w_3 \cdot S_{\text{education}}$$

Trong đó $w_1 = 0.50$, $w_2 = 0.30$, $w_3 = 0.20$ là các trọng số chuẩn hóa theo đặc thù sản xuất FMCG.

# recruitment_scoring_engine.py
# Engine tinh diem ho so ung vien tu dong danh cho Diligo Holdings
from typing import Dict, List, Any
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

class CandidateScoringEngine:
    def __init__(self, weight_skills: float = 0.50, weight_exp: float = 0.30, weight_edu: float = 0.20):
        self.w_skills = weight_skills
        self.w_exp = weight_exp
        self.w_edu = weight_edu
        self.vectorizer = TfidfVectorizer(token_pattern=r'(?u)\b\w+\b', stop_words=None)
        
        self.edu_ranks = {
            "Sau đại học": 100.0,
            "Đại học tại nước ngoài": 95.0,
            "Đại học trong nước": 85.0,
            "Cao đẳng, Trung cấp": 70.0,
            "Lao động phổ thông": 50.0
        }

    def compute_skill_similarity(self, resume_text: str, jd_text: str) -> float:
        """Tinh toan muc do tuong dong noi dung ky nang qua Cosine Similarity"""
        corpus = [resume_text, jd_text]
        tfidf_matrix = self.vectorizer.fit_transform(corpus)
        similarity = cosine_similarity(tfidf_matrix[0:1], tfidf_matrix[1:2])[0][0]
        return float(np.clip(similarity * 100.0, 0.0, 100.0))

    def compute_experience_score(self, candidate_exp: float, required_exp: float) -> float:
        """Chuan hoa diem so kinh nghiem lam viec"""
        if required_exp <= 0.0:
            return 100.0
        ratio = candidate_exp / required_exp
        if ratio >= 1.0:
            return 100.0
        return float(ratio * 100.0)

    def evaluate_candidate(self, candidate_data: Dict[str, Any], job_data: Dict[str, Any]) -> Dict[str, float]:
        skill_score = self.compute_skill_similarity(
            candidate_data.get("raw_text", ""),
            job_data.get("skills_requirement", "")
        )
        exp_score = self.compute_experience_score(
            candidate_data.get("years_exp", 0.0),
            job_data.get("required_exp", 1.0)
        )
        edu_score = self.edu_ranks.get(candidate_data.get("education_level", "Lao động phổ thông"), 50.0)
        
        total_score = (self.w_skills * skill_score) + (self.w_exp * exp_score) + (self.w_edu * edu_score)
        
        return {
            "skill_match_score": round(skill_score, 2),
            "experience_score": round(exp_score, 2),
            "education_score": round(edu_score, 2),
            "total_match_score": round(total_score, 2)
        }

# Example validation check
if __name__ == "__main__":
    engine = CandidateScoringEngine()
    dummy_candidate = {
        "raw_text": "Kinh nghiệm quản lý vận hành chuyền sản xuất tăm bông Niva, quản lý kho bãi, ISO 9001",
        "years_exp": 3.5,
        "education_level": "Đại học trong nước"
    }
    dummy_job = {
        "skills_requirement": "Vận hành chuyền sản xuất hàng tiêu dùng nhanh, tiêu chuẩn ISO 9001, quản lý chất lượng",
        "required_exp": 3.0
    }
    result = engine.evaluate_candidate(dummy_candidate, dummy_job)
    print(f"Ket qua cham diem ho so: {result}")

Testing và validation

Hiệu năng hệ thống được kiểm thử thông qua các kịch bản thực nghiệm trên 1.200 bộ hồ sơ mẫu giai đoạn 2021–2023:

  • Tốc độ xử lý (Throughput): Hệ thống phân tích cú pháp (Parsing) và chấm điểm đạt tốc độ 1.000 hồ sơ trong 2,85 giây.
  • Độ trễ API (Latency): Phản hồi API trung bình đạt p95 = 85ms dưới tải 50 yêu cầu đồng thời.
  • Độ chính xác xếp hạng (Ranking Precision): Tỷ lệ tương thích giữa điểm số của thuật toán và đánh giá của Hội đồng Tuyển dụng đạt 89,4%.
                     KẾT QUẢ KIỂM THỬ VẬN HÀNH HỆ THỐNG
+------------------------------------+----------------+-----------------+
| Chỉ số kiểm thử (Metric)           | Mục tiêu đề ra | Thực tế đạt được|
+------------------------------------+----------------+-----------------+
| Thời gian phân loại 1 bộ hồ sơ     | < 1.0 giây     | 0.028 giây      |
| Tỷ lệ lỗi trích xuất file PDF      | < 5.0%         | 1.8%            |
| API Uptime trong 30 ngày thử nghiệm| >= 99.5%       | 99.92%          |
| Khảo sát mức độ hài lòng (UAT)     | >= 80.0%       | 88.9% (80/90)   |
+------------------------------------+----------------+-----------------+

Kết quả đạt được

Việc ứng dụng chuẩn hóa quy trình và hệ thống tính điểm tự động mang lại những cải thiện rõ rệt so với các chỉ số hoạt động trước đó:

            SO SÁNH CÁC CHỈ SỐ TUYỂN DỤNG TRƯỚC VÀ SAU CẢI TIẾN
+------------------------------------+---------------+------------------+------------+
| Chỉ tiêu đánh giá                  | Hiện trạng cũ | Giải pháp mới    | Mức cải thiện|
+------------------------------------+---------------+------------------+------------+
| Thời gian tuyển trung bình (ngày)   | 28 ngày       | 16 ngày          | Giảm 42,8% |
| Tỷ lệ hồ sơ đạt chuẩn sàng lọc     | 48,2%         | 78,6%            | Tăng 63,0% |
| Chi phí tuyển dụng/người (VND)     | 2.850.000     | 1.950.000        | Giảm 31,5% |
| Tỷ lệ giữ chân sau thử việc 60 ngày| 82,4%         | 94,5%            | Tăng 14,6% |
| Mức độ hài lòng của ứng viên       | 64,0%         | 91,2%            | Tăng 42,5% |
+------------------------------------+---------------+------------------+------------+

Đổi mới và đóng góp

Nghiên cứu mang lại 4 đóng góp đột phá về mặt học thuật và thực tiễn quản trị nhân lực:

  • Chuyển dịch mô hình tuyển dụng định tính sang định lượng (Data-driven HR): Thay thế việc sàng lọc cảm tính bằng hệ thống ma trận trọng số đa chiều, tích hợp chuẩn hóa chức danh cho 5 khối ngành chính tại Diligo Holdings.
  • Tối ưu hóa cơ cấu nguồn tuyển mộ: Thiết lập cơ chế giảm tỷ lệ phụ thuộc vào kênh giới thiệu nội bộ từ 67% xuống 35%, đồng thời nâng tỷ lệ tiếp cận từ cổng nghề nghiệp trường đại học và nền tảng số lên 45%, giúp gia tăng nguồn ứng viên có trình độ sau đại học và cử nhân nước ngoài (vốn chỉ chiếm lần lượt 7,6% và 2,4% vào năm 2023).
  • Quy trình hội nhập 60 ngày khép kín (Integrated Onboarding Framework): Liên kết trực tiếp kết quả phỏng vấn tuyển chọn với chương trình đào tạo hội nhập, khắc phục tình trạng nhân viên mới bỡ ngỡ với văn hóa "Tử tế từ tâm" và các tiêu chuẩn ISO 9001/FDA tại nhà máy.
  • Tiên phong ứng dụng ATS mã nguồn mở trong doanh nghiệp FMCG vừa và lớn: Đưa ra mô hình tham chiếu chuyển đổi số công tác nhân sự có thể nhân rộng cho các doanh nghiệp sản xuất tại Việt Nam với chi phí đầu tư ban đầu tối thiểu.

Ứng dụng thực tế và triển khai

Kịch bản triển khai tại các đơn vị

  1. Khối Nhà máy sản xuất (Thuận Thành II - Bắc Ninh):
    • Đáp ứng nhu cầu tuyển dụng lớn (32 - 48 công nhân/đợt).
    • Tự động hóa tiếp nhận hồ sơ qua mã QR tại cổng khu công nghiệp, hỗ trợ ứng viên nộp hồ sơ nhanh chóng qua điện thoại thông minh mà không cần chuẩn bị bản cứng phức tạp.
  2. Khối Kinh doanh và Tiếp thị (Hà Nội & TP. Hồ Chí Minh):
    • Đăng tuyển tự động đồng thời lên các nền tảng mạng xã hội chuyên nghiệp và các cổng việc làm chuyên ngành.
    • Sàng lọc nhanh các ứng viên có kinh nghiệm phân phối kênh MT (Siêu thị Big C, Co.opmart, Lotte) và kênh GT truyền thống.

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

        BẢNG DỰ TOÁN HIỆU QUẢ KINH TẾ (THỜI GIAN 12 THÁNG)
+-----------------------------------------+------------------------------------+
| Hạng mục                                | Chi phí / Giá trị (VNĐ)            |
+-----------------------------------------+------------------------------------+
| Chi phí đầu tư phần mềm & hạ tầng Cloud | 45.000.000                         |
| Chi phí đào tạo cán bộ tuyển dụng HCNS  | 15.000.000                         |
| Tổng chi phí đầu tư ban đầu             | 60.000.000                         |
+-----------------------------------------+------------------------------------+
| Tiết kiệm chi phí đăng tuyển & thủ công | 85.000.000 / năm                   |
| Giảm thiểu tổn thất do tuyển sai người  | 110.000.000 / năm                  |
| Tổng lợi ích tài chính thu về           | 195.000.000 / năm                  |
+-----------------------------------------+------------------------------------+
| LỢI TỨC ĐẦU TƯ (ROI) SAU 1 NĂM          | 225% (Hoàn vốn trong 4,5 tháng)    |
+-----------------------------------------+------------------------------------+

Hạn chế và hướng phát triển

Dù đạt được nhiều kết quả tích cực, đề tài vẫn tồn tại một số hạn chế cần tiếp tục hoàn thiện:

  • Dữ liệu mẫu còn hạn chế: Bộ dữ liệu khảo sát 90 phiếu tập trung chủ yếu tại văn phòng Hà Nội và khối cán bộ quản lý, tỷ lệ phản hồi từ công nhân sản xuất trực tiếp tại Bắc Ninh chưa cao do rào cản tiếp cận biểu mẫu số.
  • Thuật toán xử lý ngôn ngữ tự nhiên cơ bản: Phương pháp TF-IDF chỉ tập trung so khớp từ khóa, chưa xử lý sâu sắc ngữ nghĩa tiếng Việt đối với các từ đồng nghĩa hoặc tiếng lóng ngành nghề.

Hướng phát triển tiếp theo:

  • Tích hợp mô hình ngôn ngữ lớn (Large Language Models - LLM) như Gemini API để phân tích ngữ cảnh kinh nghiệm và tính cách ứng viên qua bài luận tự thuật.
  • Xây dựng mô-đun kết nối liên thông trực tiếp với hệ sinh thái ERP doanh nghiệp (SAP/Odoo) để đồng bộ hóa chỉ số KPI hiệu suất sau thử việc vào hồ sơ tuyển dụng ban đầu.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Quản trị nhân lực & Hệ thống thông tin: Tiếp cận mô hình nghiên cứu ứng dụng kết hợp giữa lý thuyết quản trị và kỹ thuật số hóa tuyển dụng thực tế.
  • Chuyên viên và Nhà phát triển HR Tech: Tham khảo kiến trúc cơ sở dữ liệu, đặc tả API và thuật toán chấm điểm ứng viên để phát triển các module ATS tùy biến.
  • Ban Lãnh đạo Diligo Holdings & Doanh nghiệp FMCG: Sở hữu bản thiết kế quy trình chuẩn hóa và phương án tối ưu hóa chi phí tuyển mộ, sẵn sàng mở rộng quy mô nhân sự lên trên 1.000 người.
  • Nhà nghiên cứu học thuật: Cung cấp bộ chỉ số thực chứng (empirical data) về tác động của chuyển đổi số tuyển dụng đến hiệu quả kinh doanh của doanh nghiệp sản xuất tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống phần mềm tuyển dụng ATS là gì?

Hệ thống có thể vận hành ổn định trên 01 máy chủ ảo (VPS) cấu hình tối thiểu: 2 vCPU, 4GB RAM, 50GB SSD chạy hệ điều hành Ubuntu 22.04 LTS, Docker v24+ và Nginx làm Web Server. Phía người dùng chỉ cần trình duyệt web hiện đại (Chrome, Edge, Firefox) trên máy tính hoặc điện thoại thông minh.

2. Hệ thống xử lý thế nào khi số lượng hồ sơ nộp vào tăng đột biến trong đợt tuyển dụng lớn?

Kiến trúc backend sử dụng FastAPI hỗ trợ cơ chế bất đồng bộ (Asynchronous Tasks) kết hợp hàng đợi Celery/Redis, cho phép phân tách quá trình tải file và chấm điểm hồ sơ thành các tác vụ chạy ngầm, đảm bảo hệ thống không bị nghẽn (non-blocking) khi tiếp nhận đồng thời hàng nghìn hồ sơ.

3. Làm thế nào để đảm bảo tính công bằng, tránh thiên vị khi chấm điểm ứng viên?

Hệ thống áp dụng cơ chế đánh giá mù (Blind Screening) ở vòng sơ loại: Tự động ẩn các trường thông tin nhạy cảm (ảnh đại diện, giới tính, quê quán, tình trạng hôn nhân) và chỉ chấm điểm dựa trên ma trận kỹ năng, số năm kinh nghiệm và trình độ chuyên môn thực tế theo quy chuẩn vị trí.

4. Giải pháp giải quyết bài toán tuyển dụng khó khăn ở các vị trí kỹ thuật đặc thù như thế nào?

Bên cạnh kênh đăng tuyển truyền thống, giải pháp đề xuất mở rộng quan hệ hợp tác chiến lược (MoU) với các trường đại học kỹ thuật (Đại học Bách Khoa, Đại học Công nghiệp Hà Nội), thiết lập chương trình thực tập sinh tài năng (Diligo Young Talent) để chủ động tạo nguồn ứng viên kỹ thuật chất lượng cao từ sớm.

5. Lộ trình triển khai toàn diện tại Diligo Holdings kéo dài trong bao lâu?

Toàn bộ lộ trình chuyển đổi và áp dụng quy trình mới kéo dài 16 tuần: 4 tuần phân tích và chuẩn hóa tài liệu, 4 tuần cấu hình và kiểm thử hệ thống, 4 tuần thí điểm tại Nhà máy Bắc Ninh và 4 tuần đào tạo, bàn giao vận hành chính thức trên toàn hệ thống công ty.

Kết luận

Đồ án khóa luận tốt nghiệp "Tuyển dụng nhân lực tại Công ty Cổ phần Diligo Holdings" đã giải quyết thấu đáo bài toán thực tiễn của doanh nghiệp thông qua việc kết hợp hài hòa giữa cơ sở lý luận quản trị nhân sự hiện đại và các giải pháp công nghệ số hóa quy trình. Dự án không chỉ khắc phục triệt để các bất cập về sự phụ thuộc kênh tuyển dụng nội bộ, tính phân tán dữ liệu và thời gian sàng lọc kéo dài, mà còn thiết lập một nền tảng vững chắc giúp Diligo Holdings tối ưu hóa chi phí vận hành, nâng cao chất lượng nguồn nhân lực và tự tin hiện thực hóa tầm nhìn trở thành doanh nghiệp hàng đầu khu vực trong lĩnh vực chăm sóc sức khỏe gia đình.