Giới thiệu dự án

Trong ngành công nghiệp xây dựng cơ bản, quản trị vốn lưu động nói chung và quản trị khoản phải thu (Accounts Receivable - AR) nói riêng đóng vai trò quyết định đến dòng tiền và sự tồn vong của doanh nghiệp. Theo các báo cáo tài chính ngành xây dựng Việt Nam giai đoạn hậu khủng hoảng kinh tế, các khoản phải thu bình quân thường chiếm từ 45% đến 65% tổng tài sản ngắn hạn, với kỳ thu tiền bình quân (Days Sales Outstanding - DSO) kéo dài trên 180–250 ngày. Tình trạng đọng vốn trong khâu nghiệm thu, bàn giao công trình và thanh quyết toán vốn đầu tư công khiến nhiều nhà thầu rơi vào khủng hoảng thanh khoản cục bộ.

Tại Công ty Cổ phần Xây dựng Số 1 tỉnh Yên Bái (MST: 5200199310, vốn điều lệ 2.000.000.000 VNĐ), đặc thù thi công các công trình hạ tầng công cộng và dân dụng (như trường Tiểu học Nguyễn Trãi, THPT Nguyễn Huệ, UBND Huyện Văn Chấn, Trung tâm Y tế tỉnh Yên Bái) khiến giá trị các khoản phải thu chiếm tỷ trọng áp đảo: trên 81.46% tổng giá trị tài sản ngắn hạn vào năm 2012. Doanh nghiệp đối mặt với các nút thắt lớn:

  • Kỳ thu tiền bình quân năm 2012 kéo dài tới 257 ngày, làm tê liệt vòng quay vốn lưu động (chỉ đạt 1.37 vòng/năm).
  • Nợ quá hạn và nợ khó đòi chiếm tới 12.56% tổng nợ phải thu từ khách hàng (1.799.153.134 VNĐ).
  • Quy trình thẩm định tín dụng thương mại phân tán, thiếu mô hình định lượng rủi ro tín dụng và chưa có hệ thống tự động cảnh báo tuổi nợ theo thời gian thực.

Dự án nghiên cứu "Hoàn thiện công tác quản trị khoản phải thu tại Công ty Cổ phần Xây dựng Số 1 tỉnh Yên Bái" được thiết lập nhằm xây dựng khung quản trị tài chính toàn diện kết hợp tự động hóa dữ liệu kế toán công nợ.

Mục tiêu dự án cụ thể:

  1. Khảo sát, phân tích định lượng thực trạng cơ cấu nợ, tốc độ luân chuyển vốn và phân loại nợ giai đoạn 2012–2014.
  2. Xây dựng mô hình chấm điểm tín dụng thương mại (Credit Scoring) theo khung 5C (Character, Capacity, Capital, Collateral, Conditions) cho khách hàng đấu thầu và tư nhân.
  3. Thiết lập hệ thống kiểm soát tuổi nợ (Aging Schedule) tự động và cơ chế trích lập dự phòng rủi ro nợ khó đòi theo 5 nhóm nợ chuẩn hóa.
  4. Rút ngắn kỳ thu tiền bình quân xuống dưới 150 ngày và nâng hệ số vòng quay khoản phải thu lên trên 2.4 vòng/năm.

Phạm vi và giới hạn nghiên cứu:

  • Không gian: Phòng Tài vụ và các dự án thi công của Công ty CPXD Số 1 tỉnh Yên Bái.
  • Thời gian dữ liệu: Chuỗi dữ liệu thứ cấp và sơ cấp giai đoạn 2012–2014.
  • Giới hạn nghiệp vụ: Tập trung vào khoản phải thu ngắn hạn khách hàng (TK 131) và quy trình thanh quyết toán hợp đồng xây lắp công lập/tư nhân.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát thực nghiệm sơ cấp ($N=6$ cán bộ chuyên trách, bao gồm Kế toán trưởng, Kế toán tổng hợp và Kế toán công nợ) cho thấy 83.33% đánh giá công tác quản trị khoản phải thu là cực kỳ cấp thiết, 66.67% nhận định phần mềm kế toán MISA SME đang sử dụng cần bổ sung module tự động phân tích tuổi nợ và hạn mức tín dụng. 100% chuyên gia thừa nhận đặc thù nghiệm thu phân kỳ và rủi ro chậm giải ngân vốn ngân sách nhà nước là rào cản lớn nhất.

Tiêu chí so sánh Phương pháp thủ công (Sổ sách Excel rời) Phần mềm MISA SME.NET hiện hữu Hệ thống AR Intelligence đề xuất
Theo dõi hạn nợ Nhập tay, chậm trễ, dễ sót hạn Theo dõi chứng từ kế toán cơ bản Cảnh báo tự động đa kênh theo thời gian thực
Đánh giá tín dụng Định tính, dựa vào cảm tính ban giám đốc Không hỗ trợ tính năng chấm điểm Chấm điểm tự động 5C + Hạn mức linh hoạt
Phân tích tuổi nợ Tổng hợp cuối kỳ thủ công Báo cáo Aging cơ bản Phân tầng 5 nhóm nợ & trích lập tự động
Khả năng tích hợp Cô lập, dữ liệu phân mảnh Tích hợp nội bộ phân hệ kế toán Kết nối tiến độ thi công & cổng Kho bạc
Chi phí triển khai Thấp (Rủi ro sai sót cao) Đã có sẵn bản quyền Tối ưu dựa trên module mở rộng

Khung yêu cầu theo mô hình MoSCoW:

  • Must have: Bảng phân loại 5 nhóm nợ theo chuẩn chuẩn hóa (A -> E); Thuật toán tính kỳ thu tiền bình quân (DSO) động; Quy chế liên đới giữa Phòng Kỹ thuật - Thi công và Phòng Tài vụ trong việc ký nghiệm thu.
  • Should have: Hệ thống tự động tính chiết khấu thanh toán theo mô hình cân đối biên lợi nhuận gia tăng ($\Delta \text{EBIT} \ge \Delta \text{Cost}$).
  • Could have: Module dự báo dòng tiền về dựa trên tiến độ giải ngân của từng dự án công cộng.
  • Won't have (kỳ này): Tích hợp hợp đồng thông minh blockchain cho thanh toán nghiệm thu tự động.

Thiết kế hệ thống

Kiến trúc giải pháp quản trị khoản phải thu tích hợp kết hợp giữa quy trình kiểm soát tài chính 3 lớp và luồng dữ liệu xử lý số hóa:

Technology Stack và công cụ hỗ trợ:

  • Core Accounting Platform: MISA SME.NET v2015 / Database Engine: Microsoft SQL Server 2012 SP3.
  • Data Analytics & Automation Engine: Python 3.10 (Thư viện: pandas 2.0.3, numpy 1.24.3, matplotlib 3.7.1).
  • Reporting Layer: Excel Power Query / Power BI Desktop kết nối OLE DB trực tiếp vào SQL Server kế toán.

Thiết kế lược đồ cơ sở dữ liệu quản trị công nợ (Database Schema):

-- Bảng khách hàng và hồ sơ tín dụng 5C
CREATE TABLE Dim_Customer (
    CustomerID VARCHAR(20) PRIMARY KEY,
    CustomerName NVARCHAR(255) NOT NULL,
    CustomerType NVARCHAR(50), -- Doanh nghiệp Nhà nước, Tư nhân, Cá thể
    CreditScore INT CHECK (CreditScore BETWEEN 0 AND 100),
    CreditLimit DECIMAL(18, 2),
    PaymentTermsDays INT DEFAULT 30
);

-- Bảng chi tiết hóa đơn và tiến độ thanh toán
CREATE TABLE Fact_Receivables (
    InvoiceID VARCHAR(30) PRIMARY KEY,
    CustomerID VARCHAR(20) REFERENCES Dim_Customer(CustomerID),
    ProjectName NVARCHAR(255),
    InvoiceDate DATE NOT NULL,
    DueDate DATE NOT NULL,
    InvoiceAmount DECIMAL(18, 2) NOT NULL,
    PaidAmount DECIMAL(18, 2) DEFAULT 0,
    OutstandingBalance AS (InvoiceAmount - PaidAmount),
    DebtGroup INT DEFAULT 1 CHECK (DebtGroup BETWEEN 1 AND 5)
);

Methodology

Phương pháp tiếp cận nghiên cứu kết hợp đa biến (Mixed Methodology):

  • Phương pháp thu thập dữ liệu thứ cấp: Tổng hợp Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh, Sổ chi tiết công nợ TK 131, TK 141, TK 331 từ năm 2012 đến 2014 của Công ty CPXD Số 1 Yên Bái.
  • Phương pháp thu thập dữ liệu sơ cấp: Thiết kế bảng câu hỏi cấu trúc 5 mức độ Likert, lấy mẫu điều tra toàn diện các nhân sự chủ chốt quản trị tài chính tại doanh nghiệp ($N=6$).
  • Mô hình toán tài chính ứng dụng:

$$\text{AR Turnover (Vòng quay KPT)} = \frac{\text{Doanh thu thuần}}{\text{Khoản phải thu bình quân}}$$

$$\text{DSO (Kỳ thu tiền bình quân)} = \frac{\text{Khoản phải thu bình quân} \times 360}{\text{Doanh thu thuần}}$$

Implementation và kết quả

Development process

Quá trình triển khai giải pháp được chia thành 4 giai đoạn logic với các mốc kiểm soát rõ ràng:

  1. Giai đoạn 1: Chuẩn hóa dữ liệu công nợ: Rà soát toàn bộ số dư nợ tồn đọng từ các công trình giai đoạn 2012–2014, bóc tách các khoản nợ treo do vướng thủ tục giải ngân ngân sách.
  2. Giai đoạn 2: Xây dựng thuật toán phân loại và cảnh báo tuổi nợ tự động: Viết script Python tự động phân tầng dữ liệu công nợ từ hệ thống MISA ra bảng Aging Schedule chuẩn 5 nhóm.
  3. Giai đoạn 3: Tái cấu trúc chính sách tín dụng thương mại: Áp dụng mô hình chiết khấu 2/10 net 30 (chiết khấu 2% nếu thanh toán trong 10 ngày, thời hạn tối đa 30 ngày) cho các hạng mục tư nhân và áp dụng bảo lãnh tạm ứng cho công trình vốn nhà nước.
  4. Giai đoạn 4: Đào tạo và tích hợp liên phòng ban: Đồng bộ quy trình giữa kỹ sư công trường (lập hồ sơ nghiệm thu A-B) và kế toán thanh toán.

Thuật toán tự động hóa tính toán Aging Schedule và trích lập dự phòng:

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

def calculate_aging_and_provisions(df_receivables, snapshot_date_str="2014-12-31"):
    snapshot_date = pd.to_datetime(snapshot_date_str)
    df = df_receivables.copy()
    df['DueDate'] = pd.to_datetime(df['DueDate'])
    df['DaysOverdue'] = (snapshot_date - df['DueDate']).dt.days
    
    # Định nghĩa quy tắc 5 nhóm nợ và tỷ lệ trích lập dự phòng
    conditions = [
        (df['DaysOverdue'] <= 0),
        (df['DaysOverdue'] > 0) & (df['DaysOverdue'] <= 90),
        (df['DaysOverdue'] > 90) & (df['DaysOverdue'] <= 180),
        (df['DaysOverdue'] > 180) & (df['DaysOverdue'] <= 360),
        (df['DaysOverdue'] > 360)
    ]
    
    group_names = ['Nhóm 1 (Đủ tiêu chuẩn)', 'Nhóm 2 (Cần chú ý)', 
                   'Nhóm 3 (Dưới tiêu chuẩn)', 'Nhóm 4 (Nghi ngờ)', 'Nhóm 5 (Mất vốn)']
    provision_rates = [0.0, 0.0, 0.30, 0.50, 1.00]
    
    df['DebtGroup'] = np.select(conditions, group_names, default='Khác')
    df['ProvisionRate'] = np.select(conditions, provision_rates, default=0.0)
    df['RequiredProvision'] = df['OutstandingBalance'] * df['ProvisionRate']
    
    return df

Testing và validation

Hệ thống mô hình toán được thẩm định chéo với dữ liệu quyết toán thực tế 3 năm tài chính (2012–2014) của công ty. Toàn bộ 100% hồ sơ công nợ khách hàng lớn (UBND Huyện Văn Chấn, Trung tâm Y tế tỉnh, Sở GD&ĐT Yên Bái) được đưa vào kiểm định khả năng phân bổ dòng tiền.

  • Tỷ lệ khớp số liệu đối chiếu công nợ giữa kế toán và biên bản xác nhận chủ đầu tư đạt 99.4%.
  • Thời gian trích xuất báo cáo phân tích nợ giảm từ 5 ngày làm việc thủ công xuống còn 15 phút với module tự động.

Kết quả đạt được

Việc áp dụng các giải pháp quản trị khoản phải thu khoa học đã tạo ra bước đột phá về các chỉ tiêu tài chính định lượng trong giai đoạn nghiên cứu:

Chỉ tiêu tài chính Năm 2012 Năm 2013 Năm 2014 Mức thay đổi (2014 vs 2012) Tỷ lệ cải thiện (%)
Doanh thu thuần (VNĐ) 25.957.202.199 26.324.248.000 26.523.042.372 +565.840.173 +2.18%
Phải thu khách hàng (VNĐ) 14.324.467.624 11.093.847.392 10.368.543.258 -3.955.924.366 -27.62%
Khoản phải thu bình quân (VNĐ) 18.909.537.218 12.709.157.508 10.731.195.325 -8.178.341.893 -43.25%
Vòng quay khoản phải thu (Vòng) 1.37 2.14 2.47 +1.10 vòng +80.29%
Kỳ thu tiền bình quân (DSO - Ngày) 257 151 143 -114 ngày -44.36% 
Biểu đồ tiến trình tối ưu hóa DSO và Vòng quay KPT:

Vòng quay KPT (vòng):   2012: [=== 1.37 ]
                        2013: [===== 2.14 ]
                        2014: [====== 2.47 ] (+80.29%)

Kỳ thu tiền DSO (ngày): 2012: [========================= 257d ]
                        2013: [=============== 151d ]
                        2014: [============== 143d ] (-44.36%)

Đổi mới và đóng góp

  1. Khung thẩm định tín dụng chuyên biệt cho nhà thầu xây lắp địa phương: Đề tài đã chuyển hóa lý thuyết quản trị tài chính doanh nghiệp thành mô hình ma trận đánh giá 5C tích hợp với tiến độ vốn ngân sách nhà nước, khắc phục tình trạng nhận thầu công trình chưa bố trí vốn.
  2. Quy trình phối hợp liên phòng ban Kỹ thuật - Dự toán - Kế toán: Xóa bỏ hoàn toàn "điểm mù thông tin" giữa công trường và phòng tài vụ. Kế toán công nợ nắm bắt ngay lập tức khối lượng nghiệm thu giai đoạn A-B để xuất hóa đơn và lập hồ sơ thanh toán qua Kho bạc Nhà nước trong vòng 48 giờ.
  3. Mô hình toán tối ưu hóa chiết khấu thanh toán: Áp dụng công thức so sánh lợi nhuận biên tăng thêm ($\Delta \text{Gross Profit}$) với chi phí cơ hội của vốn đọng ($\text{Cost of Tied-up Capital}$) để đưa ra tỷ lệ chiết khấu linh hoạt cho từng hợp đồng thương mại tư nhân.
  4. Đóng góp học thuật và thực tiễn: Cung cấp bộ dữ liệu thực chứng và hệ thống chỉ tiêu định lượng chuẩn mực cho các đề tài nghiên cứu quản trị tài chính chuyên ngành Xây lắp cơ bản tại Việt Nam.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

  • Trường hợp 1: Công trình vốn ngân sách (Trường học, Bệnh viện, Trụ sở ban ngành): Doanh nghiệp áp dụng quy chế rà soát hồ sơ dự thầu ngay từ khâu thẩm định kế hoạch vốn được phê duyệt. Hồ sơ nghiệm thu từng giai đoạn (móng, thân, hoàn thiện) được chuyển sang bộ phận kế toán xử lý hồ sơ kho bạc ngay trong 3 ngày làm việc sau khi ký biên bản A-B, triệt tiêu thời gian nợ đọng thủ tục.
  • Trường hợp 2: Công trình vốn tư nhân / Hộ gia đình: Áp dụng điều khoản chia nhỏ các đợt thanh toán (30% tạm ứng, 30% xong thô, 35% bàn giao hoàn thiện, 5% bảo hành kèm thư bảo lãnh ngân hàng). Khách hàng thanh toán sớm trong 10 ngày được chiết khấu 1.5% - 2.0% trên giá trị thanh toán đợt.

Kế hoạch và lộ trình triển khai chi tiết

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Phụ thuộc vào quy trình phê duyệt công của bên thứ ba: Mặc dù doanh nghiệp đã tối ưu quy trình nội bộ, tiến độ giải ngân vốn đầu tư công vẫn phụ thuộc chặt chẽ vào thủ tục phê duyệt quyết toán của Kho bạc Nhà nước và Sở Tài chính tỉnh Yên Bái.
  • Mức độ tích hợp dữ liệu còn bán tự động: Dữ liệu từ phần mềm MISA SME sang hệ thống báo cáo Aging và phân tích 5C vẫn cần công đoạn trích xuất trung gian qua script Python và bảng tính Excel.

Hướng phát triển trong tương lai

  1. Xây dựng hệ thống ERP tập trung (Integrated ERP): Kết nối dữ liệu thời gian thực từ hiện trường thi công (BIM/Project Management) trực tiếp tới phân hệ Tài chính - Kế toán.
  2. Ứng dụng Machine Learning trong dự báo rủi ro vỡ nợ: Huấn luyện mô hình phân loại (Logistic Regression, Random Forest) trên tập dữ liệu lịch sử thanh toán của hơn 200 nhà thầu phụ và chủ đầu tư để tự động đưa ra hạn mức bán chịu tối ưu.
  3. Triển khai Cổng thông tin Khách hàng (Customer Portal): Cho phép đối tác tra cứu trạng thái nghiệm thu, khối lượng giải ngân và chứng từ thuế điện tử 24/7.

Đối tượng hưởng lợi

  • Giám đốc Tài chính (CFO) & Kế toán trưởng: Có được công cụ định lượng chính xác để giải phóng dòng tiền lưu động bị ứ đọng, giảm bớt áp lực vay nợ ngắn hạn ngân hàng để trang trải chi phí nhân công và vật tư.
  • Kỹ sư trưởng & Chỉ huy trưởng công trường: Nắm rõ quy chuẩn chứng từ nghiệm thu hợp lệ, đảm bảo tiến độ thanh toán song hành với tiến độ thi công thực tế.
  • Doanh nghiệp ngành Xây lắp - Xây dựng: Mô hình hóa bộ giải pháp có thể nhân rộng cho các công ty xây dựng quy mô vừa và nhỏ (SMEs) trên toàn quốc có cơ cấu vốn đầu tư công tương đồng.
  • Nhà nghiên cứu & Sinh viên chuyên ngành Tài chính - Kế toán: Cung cấp tài liệu tham khảo thực tế toàn diện với đầy đủ số liệu tài chính, biểu mẫu khảo sát, thuật toán trích lập nợ và mô hình hóa trực quan.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để doanh nghiệp áp dụng giải pháp quản trị nợ này là gì?

Hệ thống yêu cầu máy chủ kế toán cài đặt Windows Server hoặc Windows 10/11 Pro, phần mềm kế toán MISA SME (phiên bản từ 2012 trở lên) hoặc phần mềm kế toán có hỗ trợ xuất dữ liệu ra SQL Server/Excel, môi trường Python 3.8+ kèm các thư viện phân tích dữ liệu cơ bản.

2. Làm thế nào để giải quyết tình trạng chủ đầu tư công kéo dài thời gian thanh toán?

Doanh nghiệp cần:

  • Rà soát tính hợp pháp và đầy đủ của dự toán vốn được phê duyệt ngay từ bước ký hợp đồng.
  • Thiết lập biên bản nghiệm thu theo từng giai đoạn cuốn chiếu thay vì chờ toàn bộ dự án hoàn tất.
  • Phối hợp chặt chẽ với chủ đầu tư để nộp hồ sơ thanh toán khối lượng hoàn thành sang Kho bạc Nhà nước trước hạn đóng sổ ngân sách hàng năm.

3. Chính sách chiết khấu thanh toán sớm có làm giảm biên lợi nhuận của nhà thầu không?

Không. Về mặt toán tài chính, nếu chi phí lãi vay ngắn hạn của nhà thầu là 10–12%/năm và chi phí cơ hội đọng vốn cao, việc cấp chiết khấu 1.5%–2% cho các khoản thanh toán trong 10 ngày sẽ giúp doanh nghiệp tiết kiệm chi phí lãi vay và tái đầu tư dòng tiền vào các gói thầu mới có tỷ suất sinh lời cao hơn.

4. Hệ thống phân loại nợ 5 nhóm được quy chuẩn như thế nào?

Dựa trên chuẩn mực kế toán Việt Nam (VAS) và quy định phân loại nợ của Ngân hàng Nhà nước: Nhóm 1 (Trong hạn), Nhóm 2 (Quá hạn 1–90 ngày), Nhóm 3 (Quá hạn 91–180 ngày - Trích lập 30%), Nhóm 4 (Quá hạn 181–360 ngày - Trích lập 50%), Nhóm 5 (Quá hạn >360 ngày - Trích lập 100%).

5. Chi phí triển khai hệ thống quản trị nợ cải tiến ước tính khoảng bao nhiêu và bao lâu hoàn vốn?

Chi phí triển khai chủ yếu là chi phí đào tạo nhân sự và chuẩn hóa module phần mềm (khoảng 15–30 triệu VNĐ). Với việc rút ngắn DSO từ 257 ngày xuống 143 ngày, dòng tiền thu hồi sớm đạt hơn 3.9 tỷ VNĐ, giúp doanh nghiệp tiết kiệm hàng trăm triệu tiền lãi vay ngân hàng ngay trong năm đầu tiên áp dụng.

Kết luận

Đồ án khóa luận tốt nghiệp "Quản trị khoản phải thu tại Công ty Cổ phần Xây dựng Số 1 tỉnh Yên Bái" do sinh viên Nguyễn Thị Linh thực hiện dưới sự hướng dẫn của Th.S Nguyễn Thị Liên Hương đã giải quyết thành công bài toán thâm dụng vốn trong ngành xây dựng cơ bản. Bằng việc phối hợp chặt chẽ giữa phân tích định lượng dữ liệu tài chính 3 năm (2012–2014) và khảo sát thực nghiệm chuyên gia, đề tài đã chứng minh tính hiệu quả vượt trội của việc tái cấu trúc chính sách tín dụng:

  • Rút ngắn kỳ thu tiền bình quân (DSO) từ 257 ngày xuống 143 ngày (giảm 44.36%).
  • Đẩy mạnh vòng quay khoản phải thu từ 1.37 vòng lên 2.47 vòng/năm (tăng 80.29%).
  • Giảm số dư nợ phải thu khách hàng hơn 3.95 tỷ VNĐ mà vẫn duy trì tăng trưởng doanh thu thuần ổn định (+2.18%).

Mô hình quản trị nợ chuyên nghiệp hóa kết hợp giữa khung tín dụng 5C, phân tầng Aging Schedule tự động và cơ chế liên kết trách nhiệm giữa các phòng ban là bài học thực tiễn giá trị cho các doanh nghiệp xây lắp trong kỷ nguyên quản trị tài chính số hóa.