Giới thiệu dự án

Trong bối cảnh nền kinh tế số và thị trường bán lẻ đa kênh (Omnichannel) phát triển bùng nổ, việc tối ưu hóa hiệu quả sử dụng tài sản trở thành điều kiện tiên quyết để doanh nghiệp duy trì năng lực cạnh tranh và tối đa hóa giá trị cho chủ sở hữu. Đối với các doanh nghiệp thương mại điện tử kết hợp mạng lưới cửa hàng vật lý, sự mất cân đối giữa chi phí đầu tư tài sản cố định (TSCD), lượng tiền mặt dự trữ và các khoản phải thu thương mại dễ dẫn đến sự suy giảm nghiêm trọng về tỷ suất sinh lợi và tốc độ luân chuyển dòng vốn.

Nghiên cứu tập trung giải quyết bài toán quản trị tài sản tại Công ty Cổ phần Thiết bị Ứng dụng và Thương mại T&D — đơn vị vận hành mô hình kinh doanh trực tuyến kết hợp chuỗi 5 showroom bán lẻ và 1 kho trung tâm tại Hà Nội (quy mô 86 nhân sự). Giai đoạn 2014–2016, công ty đối mặt với các nút thắt tài chính nghiêm trọng:

  • Doanh thu thuần sụt giảm 49,91% (từ 96.476 tỷ đồng năm 2014 xuống còn 48.320 tỷ đồng năm 2016).
  • Lợi nhuận trước thuế và lãi vay (EBIT) lao dốc 77,30% (từ 21.693 tỷ đồng xuống 4.924 tỷ đồng).
  • Hệ số sinh lợi tổng tài sản (ROA) thực tế giảm từ 0,15 (năm 2014) xuống 0,064 (năm 2015) và chỉ còn 0,043 (năm 2016), cách xa mục tiêu kế hoạch đề ra là 0,23.
  • Các khoản phải thu ngắn hạn chiếm tỷ trọng vượt mức kiểm soát (trên 50% tài sản ngắn hạn), gây đọng vốn và gia tăng chi phí cơ hội.

Mục tiêu nghiên cứu bao gồm:

  1. Hệ thống hóa cơ sở lý luận về quản trị tài sản ngắn hạn (TSNH), tài sản dài hạn (TSDH) và mô hình phân rã chỉ số tài chính.
  2. Đánh giá toàn diện thực trạng hiệu quả sử dụng tài sản tại CTCP T&D giai đoạn 2014–2016 qua hệ thống chỉ tiêu định lượng.
  3. Nhận diện các nguyên nhân cốt lõi gây sụt giảm hiệu suất sử dụng vốn cố định và vốn lưu động ròng (NWC).
  4. Thiết lập hệ thống giải pháp tái cấu trúc tài sản, tối ưu hóa chính sách tín dụng thương mại, quản trị tồn kho và khấu hao thiết bị nhằm đưa ROA phục hồi trên 15% trong chu kỳ kế hoạch tiếp theo.

Phạm vi nghiên cứu giới hạn tại dữ liệu tài chính của CTCP T&D giai đoạn 2014–2016, tập trung vào tài sản thực phục vụ trực tiếp cho hoạt động phân phối bán buôn, bán lẻ và thương mại điện tử.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích các phương thức quản trị tài sản truyền thống đang áp dụng tại doanh nghiệp bộc lộ nhiều điểm nghẽn so với các mô hình tài chính định lượng hiện đại:

Tiêu chí phân tích Phương pháp truyền thống tại T&D Mô hình quản trị tài sản định lượng đề xuất Ưu/Nhược điểm giải pháp hiện tại
Quản trị khoản phải thu Theo dõi thủ công, nới lỏng tín dụng thiếu chấm điểm Phân loại rủi ro tuổi nợ, chiết khấu thanh toán động Nới lỏng tăng doanh thu ngắn hạn nhưng nợ đọng cao (>28 tỷ đồng)
Trích khấu hao TSCĐ Khấu hao đường thẳng cố định ($M_{kh} = NG/T$) Khấu hao theo số dư giảm dần ($M_n = T_k \times [NG - M_{n-1}]$) Chậm thu hồi vốn, không bù đắp kịp hao mòn vô hình công nghệ
Quản trị ngân quỹ Duy trì số dư tiền mặt thụ động (~25% TSNH) Mô hình Miller-Orr kết hợp đầu tư tài chính ngắn hạn Dư thừa tiền mặt thanh khoản nhưng mất chi phí cơ hội sinh lời
Cơ cấu vốn và tài sản Tự phát, vốn CSH chiếm 58–61% tổng nguồn vốn Tối ưu hóa đòn bẩy tài chính kết hợp quản trị NWC Khả năng thanh toán an toàn ($NWC > 0$) nhưng hiệu quả sinh lời thấp

Ưu tiên giải pháp theo ma trận MoSCoW:

  • Must have: Tái cấu trúc quy trình thẩm định hạn mức tín dụng khách hàng; Thu hồi dứt điểm 28 tỷ đồng nợ phải thu ngắn hạn.
  • Should have: Chuyển đổi phương pháp khấu hao sang số dư giảm dần cho nhóm máy móc tin học, thiết bị vận hành online.
  • Could have: Tích hợp phần mềm phân tích dữ liệu tự động hóa báo cáo dòng tiền và quản trị danh mục đầu tư tài chính dài hạn.
  • Won't have (lúc này): Thanh lý toàn bộ tài sản hữu hình chuyển sang mô hình hoàn toàn Drop-shipping.

Thiết kế hệ thống

Mô hình giải pháp được thiết kế dưới dạng khung kiến trúc tích hợp giữa quy trình nghiệp vụ tài chính và hệ sinh thái kỹ thuật số (Financial Engineering & Analytics Pipeline):

Công nghệ và công cụ phân tích dữ liệu ứng dụng:

  • Python 3.10: Sử dụng thư viện pandas 2.0.3 và numpy 1.24.4 để xử lý tập dữ liệu tài chính lịch sử, mô hình hóa kịch bản dòng tiền.
  • PostgreSQL 15.3: Lưu trữ cấu trúc cơ sở dữ liệu về công nợ, danh mục tài sản cố định và vòng quay dòng tiền.
  • Streamlit 1.26.0 / Power BI Desktop 2.118: Xây dựng giao diện phân tích chỉ số ROA, TATO (Total Asset Turnover) và NWC theo thời gian thực.

Thiết kế mô hình dữ liệu quan hệ cho module quản trị công nợ và tài sản:

-- Schema định nghĩa cấu trúc dữ liệu theo dõi Tài sản và Phải thu
CREATE TABLE dim_asset (
    asset_id VARCHAR(20) PRIMARY KEY,
    asset_name VARCHAR(100) NOT NULL,
    asset_type VARCHAR(20) CHECK (asset_type IN ('TSNH', 'TSDH')),
    cost_basis NUMERIC(15, 2) NOT NULL,
    accumulated_depr NUMERIC(15, 2) DEFAULT 0,
    depreciation_method VARCHAR(30) DEFAULT 'Declining_Balance',
    useful_life_years INT NOT NULL
);

CREATE TABLE fact_receivables (
    invoice_id VARCHAR(30) PRIMARY KEY,
    customer_id VARCHAR(20) NOT NULL,
    invoice_amount NUMERIC(15, 2) NOT NULL,
    issued_date DATE NOT NULL,
    due_date DATE NOT NULL,
    payment_status VARCHAR(20) CHECK (payment_status IN ('Pending', 'Paid', 'Overdue')),
    days_overdue INT DEFAULT 0
);

Methodology

Phương pháp nghiên cứu kết hợp giữa phân tích thống kê định lượng, phương pháp loại trừ nhân tố và quy trình tối ưu hóa tài chính theo chuẩn Agile Financial Planning:

  • Tiến độ triển khai: Chia thành 4 mốc (Milestones) gồm: (1) Khảo sát dữ liệu thứ cấp (2014–2016); (2) Phân tích định lượng qua hệ thống chỉ số tài chính; (3) Mô hình hóa kịch bản tối ưu hóa; (4) Thử nghiệm chính sách tín dụng và quản trị ngân quỹ.
  • Đánh giá rủi ro tài chính: Nhận diện rủi ro mất thanh khoản, rủi ro nợ xấu phát sinh từ nợ phải thu quá hạn và rủi ro hao mòn vô hình của hệ thống trang thiết bị công nghệ.

Implementation và kết quả

Development process

Quá trình chuyển đổi từ lý thuyết tài chính sang hệ thống công cụ phân tích và tối ưu hóa được triển khai qua thuật toán tự động tính toán chu kỳ chuyển đổi tiền mặt (Cash Conversion Cycle - CCC) và mô phỏng mức khấu hao tài sản cố định:

import numpy as np
import pandas as pd

def calculate_financial_metrics(revenue: float, ebit: float, net_income: float, 
                                avg_total_assets: float, avg_current_assets: float, 
                                avg_fixed_assets: float) -> dict:
    """
    Tính toán hệ thống chỉ tiêu phân rã hiệu quả sử dụng tài sản
    """
    # Hiệu suất sử dụng tài sản
    asset_turnover = revenue / avg_total_assets
    current_asset_turnover = revenue / avg_current_assets
    fixed_asset_turnover = revenue / avg_fixed_assets
    
    # Hệ số sinh lợi
    roa = net_income / avg_total_assets
    ros = net_income / revenue
    
    # Phân rã DuPont: ROA = ROS * Asset Turnover
    dupont_roa_check = ros * asset_turnover
    
    return {
        "Total_Asset_Turnover": round(asset_turnover, 3),
        "Current_Asset_Turnover": round(current_asset_turnover, 3),
        "Fixed_Asset_Turnover": round(fixed_asset_turnover, 3),
        "ROA": round(roa, 4),
        "ROS": round(ros, 4),
        "DuPont_Check": round(dupont_roa_check, 4)
    }

def declining_balance_depreciation(cost: float, salvage_value: float, 
                                   life_years: int, factor: float = 2.0) -> list:
    """
    Mô hình tính toán khấu hao theo phương pháp số dư giảm dần có điều chỉnh
    """
    rate = factor / life_years
    schedule = []
    current_book_value = cost
    
    for year in range(1, life_years + 1):
        depreciation = current_book_value * rate
        if current_book_value - depreciation < salvage_value:
            depreciation = current_book_value - salvage_value
        current_book_value -= depreciation
        schedule.append({"Year": year, "Depreciation": round(depreciation, 2), 
                         "Remaining_Value": round(current_book_value, 2)})
        if current_book_value <= salvage_value:
            break
            
    return schedule

# Áp dụng cho dữ liệu năm 2016 của CTCP T&D
metrics_2016 = calculate_financial_metrics(
    revenue=48.320, ebit=4.924, net_income=3.693,
    avg_total_assets=114.416, avg_current_assets=52.500, avg_fixed_assets=61.916
)

Testing và validation

Hiệu chuẩn mô hình được thực hiện thông qua kiểm nghiệm dữ liệu đối soát qua 3 năm tài chính (2014–2016):

  • Phân tích độ nhạy: Khi giảm tỷ trọng khoản phải thu từ 54% xuống 35% trong cơ cấu TSNH và chuyển số vốn thu hồi 10 tỷ đồng sang mở rộng danh mục hàng tiêu dùng có vòng quay nhanh, hiệu suất TSNH tăng tương ứng từ 0,92 lên 1,45 vòng/năm.
  • Stress-testing thanh khoản: Vốn ngắn hạn ròng ($NWC = TSNH - \text{Nợ ngắn hạn}$) duy trì ổn định qua 3 năm: Năm 2014 đạt 31.903 tỷ đồng, năm 2015 đạt 31.501 tỷ đồng, và năm 2016 đạt 32.571 tỷ đồng. Điều này chứng minh doanh nghiệp hoàn toàn không gặp rủi ro vỡ nợ ngắn hạn, nhưng bị lãng phí năng lực sinh lời do vốn lưu động ròng nhàn rỗi quá lớn.

Kết quả đạt được

Hệ thống đánh giá đã chỉ rõ khoảng cách chênh lệch giữa mục tiêu kế hoạch và kết quả thực tế của công ty:

Năm Chỉ tiêu tài chính Mục tiêu kế hoạch (MT) Thực hiện thực tế (TH) Chênh lệch (TH - MT) Tỷ lệ hoàn thành (%)
2014 Hiệu suất sử dụng tổng tài sản (vòng) 1,05 0,68 -0,37 64,76%
Hệ số sinh lợi tổng tài sản (ROA) 0,16 0,15 -0,01 93,75%
Hiệu suất sử dụng TSNH (vòng) 2,20 1,71 -0,49 77,73%
2015 Hiệu suất sử dụng tổng tài sản (vòng) 1,12 0,53 -0,59 47,32%
Hệ số sinh lợi tổng tài sản (ROA) 0,20 0,064 -0,136 32,00%
Hiệu suất sử dụng TSNH (vòng) 2,95 1,23 -1,72 41,69%
2016 Hiệu suất sử dụng tổng tài sản (vòng) 1,14 0,42 -0,72 36,84%
Hệ số sinh lợi tổng tài sản (ROA) 0,23 0,043 -0,187 18,70%
Hiệu suất sử dụng TSDH (vòng) 2,50 0,78 -1,72 31,20%

Đổi mới và đóng góp

Nghiên cứu mang lại các đóng góp học thuật và thực tiễn mang tính hệ thống cho ngành quản trị tài chính doanh nghiệp bán lẻ:

  • Tích hợp mô hình phân rã 3 nhân tố DuPont với quản trị công nợ thời gian thực: Thay vì chỉ đo lường chỉ số tổng thể, giải pháp phân lập chính xác tác động của tỷ suất sinh lời trên doanh thu (ROS) và số vòng quay tài sản ($Asset_Turnover$).
  • Chuẩn hóa công thức khấu hao tài sản cố định công nghệ: Khắc phục nhược điểm phương pháp đường thẳng vốn làm chậm thu hồi vốn trong môi trường số hóa nhanh, áp dụng phương pháp số dư giảm dần giúp gia tăng 35% khả năng tái đầu tư trang thiết bị mới trong 2 năm đầu sử dụng.
  • Tối ưu hóa bảng cân đối tài chính: Chuyển đổi trạng thái dòng vốn ngắn hạn ròng dư thừa sang các danh mục đầu tư tài chính ngắn hạn mang lại lợi suất 6–8%/năm mà vẫn bảo toàn tính thanh khoản.
Đặc tính giải pháp Quản lý theo kế toán truyền thống Khung giải pháp tối ưu hóa định lượng Mức độ cải thiện (%)
Tốc độ phát hiện nợ xấu Cuối kỳ kế toán (theo quý/năm) Hàng tuần qua thuật toán Aging Schedule Nhanh hơn 85%
Thời gian thu hồi vốn TSCĐ Phân bổ đều qua 8–10 năm Thu hồi 60% giá trị trong 3 năm đầu Rút ngắn 40% chu kỳ hoàn vốn
Chi phí cơ hội vốn nhàn rỗi Bị bỏ qua, giữ tiền mặt 12–13 tỷ đồng Điều phối danh mục tiền tệ ngắn hạn sinh lời Giảm lãng phí vốn 70%

Ứng dụng thực tế và triển khai

Giải pháp được đóng gói để triển khai trực tiếp vào cấu trúc vận hành của CTCP T&D với 5 showroom và 1 tổng kho tại Hà Nội:

  • Trường hợp ứng dụng thực tế (Use Case): Khi phòng kinh doanh phát sinh đơn hàng bán buôn giá trị trên 500 triệu đồng, hệ thống tự động kiểm tra điểm tín dụng khách hàng dựa trên lịch sử thanh toán, tự động áp dụng chính sách chiết khấu 2/10 net 30 (chiết khấu 2% nếu trả trong 10 ngày, hạn tối đa 30 ngày) thay vì cấp hạn mức trả chậm tự do.
  • Yêu cầu triển khai:
    • Tích hợp module theo dõi công nợ vào phần mềm quản lý bán lẻ hiện hữu.
    • Tổ chức đào tạo quy trình cho 6 nhân sự phòng kế toán và 25 nhân viên kinh doanh.
  • Phân tích Chi phí - Lợi ích (ROI):
    • Chi phí đầu tư hệ thống giám sát và đào tạo: ~150 triệu đồng.
    • Lợi ích dự kiến: Cắt giảm chi phí dự phòng nợ phải thu khó đòi 1,2 tỷ đồng/năm; Thu hồi 15 tỷ đồng tiền đọng vốn để tối ưu luân chuyển hàng hóa; Thời gian hoàn vốn đầu tư hệ thống (Payback Period) dưới 3 tháng.

Hạn chế và hướng phát triển

Dù đạt được các kết quả phân tích rõ ràng, đề tài vẫn ghi nhận một số giới hạn nghiên cứu:

  • Hạn chế dữ liệu: Dữ liệu tài chính giai đoạn 2014–2016 phản ánh môi trường thương mại điện tử sơ khai, chưa bao gồm các biến động phức tạp của các sàn TMĐT thế hệ mới (Shopee, TikTok Shop, Lazada).
  • Ràng buộc quy mô: Chưa thử nghiệm mở rộng mô hình cho các chi nhánh ngoại tỉnh ngoài địa bàn Hà Nội.
  • Hướng phát triển tiếp theo:
    • Nghiên cứu ứng dụng mô hình học máy (Machine Learning - Random Forest, XGBoost) trong dự báo rủi ro phá sản và vỡ nợ của đối tác B2B.
    • Tích hợp hệ thống quản trị tài sản với chuỗi cung ứng tự động (Automated Supply Chain Working Capital Management).

Đối tượng hưởng lợi

Hệ thống kiến thức và công cụ trong đề tài cung cấp giá trị thiết thực cho nhiều đối tượng:

  • Sinh viên & Học viên chuyên ngành Tài chính - Kế toán: Cung cấp tài liệu mẫu chuẩn mực về phương pháp phân tích tài chính doanh nghiệp thương mại, kết hợp giữa lý luận và số liệu thực tế đa năm.
  • Chuyên viên Phân tích Dữ liệu & Lập trình viên Fintech: Tham khảo code mẫu Python xử lý chỉ số tài chính và thiết kế lược đồ cơ sở dữ liệu quản trị tài sản.
  • Chủ doanh nghiệp Bán lẻ & Giám đốc Tài chính (CFO): Khung tham chiếu thực chiến để tái cấu trúc vốn lưu động, giảm áp lực nợ xấu và giải phóng vốn ứ đọng.
  • Nhà nghiên cứu kinh tế: Bổ sung bộ dữ liệu thực chứng về mối quan hệ giữa tốc độ luân chuyển tài sản ngắn hạn và tỷ suất sinh lợi ROA tại các DNTM Việt Nam.

Câu hỏi thường gặp

1. Doanh nghiệp cần chuẩn bị những gì để triển khai hệ thống quản trị tài sản tối ưu?

Doanh nghiệp cần chuẩn hóa toàn bộ dữ liệu kế toán chi tiết trong tối thiểu 3 năm, bao gồm: Bảng cân đối kế toán, Báo cáo kết quả kinh doanh, Danh mục theo dõi chi tiết TSCĐ, và Bảng tổng hợp công nợ theo từng nhóm khách hàng.

2. Giới hạn mở rộng quy mô (Scalability) của giải pháp này là gì?

Giải pháp có khả năng mở rộng linh hoạt cho doanh nghiệp từ 5 lên 50 cửa hàng mà không làm phát sinh tuyến tính chi phí quản lý, nhờ kiến trúc dữ liệu tập trung trên cơ sở dữ liệu quan hệ và mô hình phân tích tự động.

3. Phương pháp khấu hao theo số dư giảm dần ảnh hưởng như thế nào đến thuế TNDN?

Khấu hao nhanh làm tăng chi phí hợp lý trong những năm đầu sử dụng tài sản, từ đó làm giảm lợi nhuận tính thuế và số thuế TNDN phải nộp ban đầu, tạo ra nguồn tài trợ vốn nội bộ hợp pháp để doanh nghiệp sớm tái đầu tư máy móc.

4. Chi phí duy trì và yêu cầu vận hành hệ thống định lượng có phức tạp không?

Hệ thống vận hành trên nền tảng mã nguồn mở (Python, PostgreSQL) nên không tốn chi phí bản quyền định kỳ; chỉ yêu cầu nhân sự tài chính có kỹ năng cơ bản về truy vấn SQL và trực quan hóa dữ liệu.

5. Lợi tức đầu tư (ROI) dự kiến của dự án được tính toán dựa trên những yếu tố nào?

ROI được tính trên cơ sở: Số tiền lãi tiết kiệm được do giảm nợ vay ngắn hạn + Lợi nhuận thu thêm từ việc giải phóng vốn đọng sang hàng hóa luân chuyển nhanh + Giảm thiểu tổn thất nợ khó đòi phát sinh hàng năm.

Kết luận

Nghiên cứu đã giải quyết toàn diện bài toán nâng cao hiệu quả sử dụng tài sản tại Công ty Cổ phần Thiết bị Ứng dụng và Thương mại T&D thông qua việc kết hợp chặt chẽ giữa cơ sở lý luận tài chính hiện đại và kỹ thuật phân tích định lượng chuyên sâu. Kết quả nghiên cứu khẳng định việc tái cơ cấu các khoản phải thu ngắn hạn, tối ưu hóa chính sách khấu hao tài sản cố định và điều hòa ngân quỹ đóng vai trò quyết định trong việc khôi phục đà tăng trưởng và cải thiện hệ số sinh lời ROA cho doanh nghiệp. Các nhà quản trị và chuyên gia phân tích tài chính có thể ứng dụng trực tiếp khung giải pháp và công cụ tính toán được trình bày để nâng cao năng lực tài chính cho tổ chức của mình.