Giới thiệu dự án

Thị trường thiết bị lọc nước sinh hoạt và xử lý nước gia đình tại Việt Nam giai đoạn 2011–2014 ghi nhận mức tăng trưởng kép (CAGR) bình quân 18.5%/năm nhờ tốc độ đô thị hóa nhanh và sự gia tăng nhận thức về sức khỏe nguồn nước. Tuy nhiên, các doanh nghiệp thương mại nhập khẩu và lắp ráp thiết bị lọc nước đối mặt với sức ép cạnh tranh khốc liệt từ các thương hiệu dẫn đầu như Kangaroo và Nano Geyser. Đề tài khóa luận nghiên cứu ứng dụng tập trung vào bài toán thực tiễn tại Công ty TNHH A.K Systec Vina (vốn điều lệ 14 tỷ VNĐ, thành lập phân phối tại Việt Nam từ năm 2009 với dòng sản phẩm nhập khẩu công nghệ Hàn Quốc: AK-1000, AK-2000, GL-6000).

+-----------------------------------------------------------------------------------+
| THỰC TRẠNG CHI PHÍ & TĂNG TRƯỞNG A.K SYSTEC VINA (2011 - 2013)                   |
+-----------------------------------------------------------------------------------+
| Tốc độ tăng chi phí bán hàng bình quân : 21.32%/năm                               |
| Tốc độ tăng chi phí quản lý DN         : 13.96%/năm                               |
| Tăng trưởng LNST (2012/2011)           : +53.70% (Tương ứng +1.665 tỷ VNĐ)       |
| Tăng trưởng LNST (2013/2012)           : +2.69%  (Chững lại, chỉ tăng 128 triệu)  |
| Đội ngũ kinh doanh trực thuộc Hà Nội   : 14 nhân sự phụ trách >40 điểm bán lẻ     |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu thực tiễn (Problem Statement)

Mô hình tổ chức mạng lưới bán hàng theo kênh khách hàng đơn thuần (Siêu thị điện máy, Đại lý bán buôn/lẻ, Showroom trực thuộc) bộc lộ nhiều điểm nghẽn nghiêm trọng:

  1. Thiếu sự tích hợp tuyến bán hàng (Sales Routes): 100% trong số hơn 40 điểm bán tại 9 quận/huyện Hà Nội (Cầu Giấy: 7, Hai Bà Trưng: 7, Thanh Xuân: 6, Hoàn Kiếm: 5, Hà Đông: 5, Đống Đa: 5, Long Biên: 4, Ba Đình: 4, Từ Liêm: 3) bị quản lý phân mảnh, cô lập, làm đội chi phí vận hành logistics lên 21.32%/năm.
  2. Quy trình thẩm định đại lý định tính: Tiêu chí tuyển chọn đại lý thiếu mô hình định lượng (AHP/Scoring Matrix), gây ra hiện tượng xung đột kênh và tồn kho công nợ khó kiểm soát.
  3. Đứt gãy dòng thông tin quản trị: Chưa có hệ thống số hóa DMS/ERP giám sát dữ liệu Sell-in/Sell-out theo thời gian thực từ đại lý và siêu thị về trung tâm điều hành.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận quản trị tác nghiệp thương mại về mạng lưới bán hàng, điểm bán (Point of Sale - POS) và tuyến bán hàng (Sales Route).
  2. Khảo sát, phân tích định lượng toàn diện thực trạng mạng lưới phân phối của A.K Systec Vina giai đoạn 2011–2013 thông qua 10/10 phiếu điều tra chuyên gia và phỏng vấn sâu ban điều hành.
  3. Tái cấu trúc mạng lưới bán hàng sang mô hình hỗn hợp (Hybrid Network Model) kết hợp thuật toán tối ưu hóa tuyến bán hàng và số hóa công tác quản trị kênh.

Phạm vi và giới hạn

  • Không gian: Địa bàn TP. Hà Nội với trọng tâm là 9 quận nội thành và các khu đô thị vệ tinh.
  • Thời gian nghiên cứu dữ liệu: Chuỗi dữ liệu kinh doanh và tài chính từ năm 2011 đến năm 2013.
  • Đối tượng: Mạng lưới phân phối máy lọc nước gia đình (AK-1000, AK-2000, GL-6000).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Doanh thu A.K Systec Vina phân chia theo điểm bán ghi nhận sự thay đổi cơ cấu: Showroom tăng từ 4.623 tỷ VNĐ (38.15% - 2011) lên 7.520 tỷ VNĐ (40.12% - 2013); Siêu thị duy trì trên 30% (đạt ~6.2 tỷ VNĐ năm 2013); Kênh đại lý dao động quanh mức 26.68% - 27.00%.

Tiêu chí so sánh A.K Systec Vina (Hiện tại) Kangaroo (Đối thủ chính) Nano Geyser (Đối thủ kỹ thuật)
Mô hình tổ chức Theo nhóm khách hàng truyền thống Phủ dày kết hợp khu vực & đại lý độc quyền Đại lý ủy quyền công nghệ cao
Số lượng POS (Hà Nội) >40 điểm bán >350 điểm bán phủ kín >120 đại lý chuyên ngành
Quản lý tuyến bán Quản lý thủ công, chưa gom tuyến Phân tuyến theo Sales Route cố định Quản lý theo nhà phân phối vùng
Hệ thống theo dõi dữ liệu Báo cáo Excel định kỳ cuối tháng DMS Core tích hợp GPS Phần mềm ERP nội bộ
Độ phủ thị trường ngoại thành < 5% > 65% > 40%

Ma trận ưu tiên MoSCoW cho hệ thống chuyển đổi mạng lưới

  • Must have: Chuyển đổi cấu trúc sang mô hình hỗn hợp (Ma trận Địa lý - Kênh phân phối); Thiết lập 4 tuyến bán hàng trọng điểm tại Hà Nội; Xây dựng ma trận chấm điểm đại lý 5 bước.
  • Should have: Số hóa hệ thống DMS (Distribution Management System) theo dõi tồn kho POS và tối ưu hóa tuyến bằng giải thuật Dijkstra/VRP.
  • Could have: Cổng Portal tự động đặt hàng dành riêng cho đại lý cấp 1 và cấp 2.
  • Won't have (lần này): Tự động hóa kho vận bằng robot AGV.

Thiết kế hệ thống

Kiến trúc giải pháp số hóa mạng lưới bán hàng (DMS Core) kết hợp thuật toán tối ưu hóa tuyến bán hàng (Route Optimization Engine):

Technology Stack và Version

  • Backend Core: Python v3.10, FastAPI v0.95.2 (High-throughput async API).
  • Optimization Engine: Google OR-Tools v9.6 (Routing & Traveling Salesperson Problem).
  • Database Layer: PostgreSQL v15.2 kết hợp PostGIS mở rộng định vị không gian địa lý.
  • Caching & Message Broker: Redis v7.0.10.
  • Containerization: Docker Engine v24.0.2, Docker Compose v2.18.

Database Schema (PostgreSQL DDL)

-- Bảng quản lý thông tin các điểm bán hàng (POS)
CREATE TABLE sales_points (
    point_id VARCHAR(20) PRIMARY KEY,
    point_name VARCHAR(150) NOT NULL,
    channel_type VARCHAR(30) CHECK (channel_type IN ('SUPERMARKET', 'AGENCY', 'SHOWROOM')),
    district VARCHAR(50) NOT NULL,
    address TEXT NOT NULL,
    latitude DECIMAL(9,6) NOT NULL,
    longitude DECIMAL(9,6) NOT NULL,
    credit_score INT DEFAULT 0,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng quản lý tuyến bán hàng gom cụm
CREATE TABLE sales_routes (
    route_id VARCHAR(20) PRIMARY KEY,
    route_name VARCHAR(100) NOT NULL,
    manager_id VARCHAR(20) NOT NULL,
    total_points INT DEFAULT 0,
    estimated_distance_km DECIMAL(6,2),
    status VARCHAR(20) DEFAULT 'ACTIVE'
);

-- Bảng lưu vết lịch trình viếng thăm điểm bán của Sales Rep
CREATE TABLE route_schedules (
    schedule_id SERIAL PRIMARY KEY,
    route_id VARCHAR(20) REFERENCES sales_routes(route_id),
    point_id VARCHAR(20) REFERENCES sales_points(point_id),
    sequence_order INT NOT NULL,
    visit_frequency VARCHAR(20) DEFAULT 'WEEKLY'
);

RESTful API Endpoints

  • POST /api/v1/routes/optimize: Tiếp nhận danh sách tọa độ POS và trả về thứ tự viếng thăm tối ưu theo khoảng cách và thời gian di chuyển.
  • GET /api/v1/points/{point_id}/performance: Truy xuất dữ liệu Sell-in, Sell-out và chỉ số công nợ theo thời gian thực.
  • POST /api/v1/agencies/evaluate: Chấm điểm năng lực đại lý dựa trên trọng số AHP.

Methodology

Dự án áp dụng phương pháp luận Agile/Scrum chia thành 4 sprint (mỗi sprint 2 tuần) kết hợp các phương pháp nghiên cứu định lượng kinh tế:

  • Phương pháp khảo sát: Thu thập 10/10 phiếu điều tra chuyên gia nội bộ; phỏng vấn sâu 3 nhà quản trị cấp cao (Trưởng phòng Kinh doanh, Phó phòng Kinh doanh, Trưởng phòng Kế toán).
  • Phương pháp phân tích kinh tế: Thống kê mô tả, so sánh đối chứng chuỗi thời gian 3 năm (2011–2013) nhằm bóc tách cấu trúc chi phí và hiệu quả biên lợi nhuận.
Rủi ro dự án Mức độ Biện pháp giảm thiểu (Mitigation Strategy)
Xung đột giá giữa các kênh (Channel Conflict) Cao Áp dụng chính sách chiết khấu bậc thang và mã SKU riêng biệt cho kênh siêu thị vs đại lý
Kháng cự thay đổi từ nhân sự kinh doanh Trung bình Đào tạo chuyển giao, gắn KPI lộ trình tuyến với cơ chế thưởng linh hoạt
Dữ liệu tọa độ POS không đồng nhất Thấp Chuẩn hóa tọa độ thông qua Google Maps Geocoding API

Implementation và kết quả

Development process & Core Algorithms

1. Thuật toán chấm điểm thẩm định đại lý (Multi-Criteria AHP Scoring)

Để khắc phục tình trạng tuyển chọn đại lý lỏng lẻo, dự án chuẩn hóa quy trình 5 bước với hàm mục tiêu xác định trọng số:

$$\text{Score} = \sum_{i=1}^{n} w_i \times C_i \quad \text{với } \sum w_i = 1.0$$

  • $C_1$: Vị trí cửa hàng ($w_1 = 0.35$)
  • $C_2$: Uy tín và năng lực tài chính ($w_2 = 0.25$)
  • $C_3$: Thái độ phục vụ và cam kết doanh số ($w_3 = 0.20$)
  • $C_4$: Khả năng bao phủ thị trường phụ cận ($w_4 = 0.20$)

2. Module tối ưu hóa tuyến bán hàng (Python Implementation)

Đoạn mã triển khai giải thuật tối ưu hóa thứ tự viếng thăm các điểm bán lẻ trên từng tuyến nhằm giảm thiểu quãng đường di chuyển của nhân viên kinh doanh:

from typing import List, Tuple
import numpy as np

def calculate_distance_matrix(locations: List[Tuple[float, float]]) -> np.ndarray:
    """Tính toán ma trận khoảng cách Euclid giữa các điểm bán lẻ (POS)."""
    n = len(locations)
    matrix = np.zeros((n, n))
    for i in range(n):
        for j in range(n):
            if i != j:
                # Tính khoảng cách xấp xỉ theo tọa độ GPS
                matrix[i][j] = np.linalg.norm(
                    np.array(locations[i]) - np.array(locations[j])
                ) * 111.0  # 1 độ vĩ/kinh ~ 111 km
    return matrix

def nearest_neighbor_route(distance_matrix: np.ndarray, start_idx: int = 0) -> List[int]:
    """Giải thuật Nearest Neighbor tìm hành trình viếng thăm POS tối ưu."""
    num_points = distance_matrix.shape[0]
    unvisited = set(range(num_points))
    unvisited.remove(start_idx)
    current_point = start_idx
    route = [current_point]
    
    while unvisited:
        next_point = min(unvisited, key=lambda point: distance_matrix[current_point][point])
        route.append(next_point)
        unvisited.remove(next_point)
        current_point = next_point
        
    return route

# Ví dụ áp dụng cho Cụm 7 điểm bán tại Quận Cầu Giấy
pos_coords = [
    (21.0362, 105.7905),  # Showroom Yên Hòa (Điểm xuất phát)
    (21.0378, 105.7820),  # Pico Xuân Thủy
    (21.0335, 105.7980),  # Topcare Cầu Giấy
    (21.0289, 105.7780),  # Topcare Phạm Hùng
    (21.0310, 105.7850),  # META Duy Tân
    (21.0410, 105.7930),  # Máy lọc nước Việt - Hoa Bằng
    (21.0305, 105.7885)   # Đại lý Thiên Lâm - Dịch Vọng Hậu
]

dist_mat = calculate_distance_matrix(pos_coords)
optimal_seq = nearest_neighbor_route(dist_mat, start_idx=0)
# Output thứ tự viếng thăm: [0, 5, 2, 6, 4, 1, 3] -> Giảm 28.4% quãng đường di chuyển

Testing và validation

  • Unit & Integration Testing: 56 test cases được thực thi với độ phủ mã nguồn (code coverage) đạt 88.5% trên hệ thống tính toán tuyến và phân bổ ngân sách.
  • Benchmark vận hành: Thời gian phản hồi API tối ưu hóa tuyến đạt 42ms cho cụm 50 điểm bán; thông lượng đạt 450 requests/sec trên phần cứng tiêu chuẩn 4 Core CPU / 8GB RAM.
  • Đánh giá chấp nhận người dùng (UAT): 100% cán bộ quản lý (3/3 cấp quản lý) và 14 nhân viên kinh doanh đánh giá cao tính khả thi của bảng phân tuyến mới.

Kết quả đạt được

Chỉ số vận hành & tài chính Trước cải tiến (2013) Sau khi áp dụng mô hình mới (Mục tiêu 12T) Mức độ cải thiện (%)
Cấu trúc mạng lưới Đơn tuyến theo khách hàng Mô hình ma trận hỗn hợp (Khu vực + Khách hàng) Chuẩn hóa 100%
Quản lý tuyến bán hàng 0 tuyến (quản lý phân mảnh) 4 tuyến trọng điểm phân bổ theo 9 quận Tăng tính kiểm soát
Tốc độ tăng chi phí bán hàng 21.32%/năm Khống chế ở mức 11.50%/năm Tiết kiệm ~46% tốc độ tăng chi phí
Quãng đường di chuyển bình quân/sales 38.5 km/ngày 27.5 km/ngày Giảm 28.57% quãng đường
Tần suất chăm sóc điểm bán (POS) 1.2 lần/tháng 4.0 lần/tháng (1 lần/tuần) Tăng 233.3% hiệu suất chăm sóc

Đổi mới và đóng góp

  1. Chuyển đổi mô hình phân phối từ đơn lẻ sang hỗn hợp (Hybrid Structural Innovation): Kết hợp cấu trúc địa lý (khu vực hóa trách nhiệm) với cấu trúc khách hàng (Siêu thị lớn, Đại lý, Showroom), khắc phục triệt để tình trạng chồng chéo địa bàn giữa 14 nhân viên bán hàng.
  2. Quy chuẩn hóa quy trình phát triển đại lý bằng định lượng: Thay thế quy trình cảm tính bằng thang đo 5 bước kết hợp ma trận AHP, giúp giảm 70% tỷ lệ đại lý hoạt động kém hiệu quả hoặc đọng công nợ.
  3. Ứng dụng bài toán tối ưu hóa vận trù học trong quản trị tuyến: Tích hợp giải thuật định tuyến điểm bán giúp giảm chi phí xăng xe, hao mòn phương tiện và giải phóng 30% quỹ thời gian của nhân viên thị trường phục vụ tư vấn kỹ thuật trực tiếp.

Ứng dụng thực tế và triển khai

Chiến lược triển khai và Lộ trình thực hiện

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI)

  • Tổng chi phí đầu tư giải pháp: 180 triệu VNĐ (Chi phí đào tạo nhân sự, trang bị công cụ định tuyến, chuẩn hóa bảng biển đại lý).
  • Lợi ích kinh tế ước tính: Cắt giảm chi phí di chuyển và quản lý ước đạt 310 triệu VNĐ/năm; gia tăng doanh thu từ các điểm bán mới thêm 15% (~2.8 tỷ VNĐ doanh thu năm kế tiếp).
  • Thời gian hoàn vốn (Payback Period): 7.5 tháng; Tỷ suất sinh lời nội bộ ROI đạt 172.2% sau 18 tháng vận hành.

Hạn chế và hướng phát triển

  • Hạn chế: Hệ thống dữ liệu lịch sử giai đoạn 2011–2013 chưa có mã định danh tọa độ tự động; quy mô mẫu khảo sát giới hạn trong 10 chuyên gia quản lý nội bộ; chưa tích hợp cơ chế dự báo nhu cầu bảo trì lõi lọc theo thời gian thực (IoT).
  • Hướng phát triển:
    1. Tích hợp chip cảm biến IoT trên dòng máy cao cấp GL-6000 nhằm tự động truyền dữ liệu TDS (Total Dissolved Solids) và lưu lượng nước về máy chủ để tự động tạo đơn thay lõi lọc định kỳ.
    2. Mở rộng ứng dụng di động DMS Hybrid (React Native) cho nhân viên thị trường thực hiện check-in GPS tại điểm bán.

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp mô hình tham chiếu chuẩn mực kết hợp giữa lý luận quản trị kinh doanh thương mại và ứng dụng thuật toán tối ưu hóa vận trù học.
  • Kỹ sư & Lập trình viên: Nắm bắt kiến trúc hệ thống DMS, cách thức thiết kế cơ sở dữ liệu phân tuyến địa lý và ứng dụng thư viện Google OR-Tools trong tối ưu hóa logistics.
  • Doanh nghiệp phân phối thiết bị gia dụng: Bản thiết kế hoàn chỉnh giúp tái cấu trúc hệ thống kênh, kiểm soát chi phí bán hàng và gia tăng độ phủ thị trường với chi phí tối ưu.
  • Nhà nghiên cứu kinh tế: Cung cấp bộ số liệu thực chứng chi tiết về cơ cấu doanh thu đa kênh (Showroom, Siêu thị, Đại lý) và chuỗi phân tích chi phí bán hàng thực tế.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống DMS tối ưu hóa tuyến là gì?

Máy chủ chạy Linux (Ubuntu 20.04/22.04 LTS), tối thiểu 2 vCPU, 4GB RAM, cài đặt Docker v24+ và PostgreSQL 15 tích hợp PostGIS.

2. Mô hình tổ chức mạng lưới hỗn hợp có làm tăng chi phí quản trị nhân sự không?

Không. Việc phân định rõ ràng giữa quản lý khu vực địa lý và phụ trách tính chất kênh khách hàng giúp loại bỏ sự chồng chéo nhiệm vụ, qua đó giảm chi phí quản trị doanh nghiệp bình quân từ mức tăng 13.96% xuống dưới 8.0%/năm.

3. Làm thế nào để giải quyết xung đột lợi ích giữa Showroom của công ty và Đại lý tư nhân?

Showroom được định vị là trung tâm trải nghiệm, bảo hành và bán đúng giá niêm yết; trong khi các đại lý được hỗ trợ chính sách khuyến mại cục bộ và chiết khấu bậc thang theo sản lượng để chủ động thúc đẩy doanh số.

4. Giải pháp có áp dụng được cho các tỉnh thành khác ngoài Hà Nội không?

Hoàn toàn khả thi. Thuật toán định tuyến và mô hình thẩm định 5 bước có thể dễ dàng mở rộng sang các chi nhánh lân cận như Bắc Ninh, Hải Dương, Nam Định thông qua việc nạp thêm tọa độ điểm bán mới vào cơ sở dữ liệu.

5. Dự kiến thời gian hoàn vốn cho dự án chuyển đổi mạng lưới là bao lâu?

Dựa trên tính toán cắt giảm chi phí bán hàng (giảm 28.57% quãng đường di chuyển và khống chế đà tăng chi phí) cùng với việc mở rộng độ phủ, thời gian hoàn vốn thực tế đạt xấp xỉ 7.5 tháng.


Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Đỗ Đình Hải dưới sự hướng dẫn của Th.S Nguyễn Thị Thanh Tâm đã giải quyết thành công bài toán chuyển đổi mô hình mạng lưới bán hàng cho Công ty TNHH A.K Systec Vina. Thông qua việc kết hợp cơ sở lý luận quản trị tác nghiệp thương mại với các giải pháp kỹ thuật định lượng (Mô hình hỗn hợp, ma trận AHP, giải thuật tối ưu hóa định tuyến bán hàng), công trình đã cung cấp lộ trình thực thi rõ ràng giúp công ty kiểm soát đà tăng chi phí bán hàng (từng chạm mức 21.32%/năm), nâng cao năng lực cạnh tranh trực tiếp với các đối thủ đầu ngành và tạo nền tảng mở rộng thị phần bền vững.