Giới thiệu dự án

  • Bối cảnh ngành: Năm 2023, ngành khách sạn‑nhà hàng tại Hà Nội đạt tăng trưởng 12 % so với năm 2022, với doanh thu toàn ngành vượt 450 tỷ VND (theo báo cáo của Tổng cục Du lịch). Sự cạnh tranh giữa các khách sạn 4‑5 sao ngày càng gay gắt, đòi hỏi các nhà hàng phải tối ưu hoá chất lượng dịch vụ để giữ chân khách và tăng doanh thu phụ.
  • Problem statement: Nhà hàng The Ann Kitchen (thuộc khách sạn The Ann Hanoi) gặp các vấn đề:
    1. Thời gian phục vụ trung bình 12 phút – vượt ngưỡng tiêu chuẩn 8 phút cho nhà hàng tầm trung.
    2. Điểm hài lòng (Likert) 3,6/5, trong đó các tiêu chí Năng lực phục vụMức độ cảm thông dưới 3,5.
    3. Khiếu nại về thiết bị cũ (hệ thống hút mùi, âm thanh) và độ đồng nhất của dụng cụ ăn uống.
  • Mục tiêu dự án (đánh số):
    1. Giảm thời gian phục vụ trung bình xuống ≤ 8 phút (giảm 33 %).
    2. Nâng điểm trung bình dịch vụ lên ≥ 4,2/5 trong vòng 6 tháng.
    3. Cải thiện độ đồng nhất của dụng cụ ăn uống lên ≥ 90 % (theo kiểm định chi phí).
    4. Tăng doanh thu thực phẩm & đồ uống của nhà hàng ít nhất 15 % qua các đề xuất cải tiến.
  • Giải pháp đề xuất:
    • Số 1: Triển khai đặt bàn & đặt món trực tuyến (mobile app + API POS) để giảm tải tại quầy và tối ưu thời gian chờ.
    • Số 2: Áp dụng phân ca thông minh dựa trên mô hình Linear Programming để cân bằng lực lượng trong ca cao điểm.
    • Số 3: Nâng cấp cơ sở vật chất (hệ thống hút mùi, âm thanh, dụng cụ) theo tiêu chuẩn ISO 22000.
    • Số 4: Đưa đánh giá dịch vụ theo thời gian thực (dashboard KPI) để giám sát và phản hồi nhanh.
  • Kết quả kỳ vọng:
    • Giảm thời gian phục vụ trung bình 4 phút.
    • Tăng CSAT (Customer Satisfaction Score) từ 78 % lên 92 %.
    • ROI dự kiến 24 % trong 12 tháng nhờ tăng doanh thu và giảm chi phí nhân công.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Giải pháp hiện tại Ưu điểm Nhược điểm
Quy trình phục vụ truyền thống (paper order) Đơn giản, không phụ thuộc công nghệ Thời gian nhập liệu lâu, sai sót cao, không tích hợp dữ liệu
Hệ thống POS cũ Đủ tính năng bán hàng Không hỗ trợ đặt món online, không đồng bộ với kho
Định mức nhân sự cố định Dễ quản lý Không linh hoạt cho ca cao điểm, gây thiếu/độn nhân lực
Thiết bị bếp cũ Chi phí đầu tư thấp Hiệu suất thấp, tốn năng lượng, gây nhiễu âm thanh

Phân tích thị trường & đối thủ

Đối thủ Công nghệ đặt món Thời gian phục vụ Đánh giá khách hàng
Nhà hàng A (4 sao) App + QR‑code 7 phút 4,5/5
Nhà hàng B (3.5 sao) Tablet tại bàn 9 phút 4,2/5
Nhà hàng C (4 sao) Không có 12 phút 3,8/5

Phân tích gap: The Ann Kitchen thiếu đặt món trực tuyếnphân ca tối ưu – hai yếu tố quan trọng giúp đối thủ giảm thời gian phục vụ và nâng điểm hài lòng.

Yêu cầu người dùng (MoSCoW)

  • Must: Đặt món online, theo dõi thời gian phục vụ, báo cáo KPI.
  • Should: Tối ưu lịch làm việc, đồng bộ dữ liệu kho.
  • Could: Tích hợp chatbot hỗ trợ khách hàng.
  • Won’t: Thay đổi toàn bộ thiết kế nội thất trong giai đoạn này.

Gap## Giới thiệu dự án

  • Bối cảnh ngành: Năm 2023, ngành khách sạn‑nhà hàng tại Hà Nội đạt tăng trưởng 12 % so với năm 2022, với doanh thu toàn ngành vượt 450 tỷ VND (theo báo cáo của Tổng cục Du lịch). Sự cạnh tranh giữa các khách sạn 4‑5 sao ngày càng gay gắt, đòi hỏi các nhà hàng phải tối ưu hoá chất lượng dịch vụ để giữ chân khách và tăng doanh thu phụ.
  • Problem statement: Nhà hàng The Ann Kitchen (thuộc khách sạn The Ann Hanoi) gặp các vấn đề:
    1. Thời gian phục vụ trung bình 12 phút – vượt ngưỡng tiêu chuẩn 8 phút cho nhà hàng tầm trung.
    2. Điểm hài lòng (Likert) 3,6/5, trong đó các tiêu chí Năng lực phục vụMức độ cảm thông dưới 3,5.
    3. Khiếu nại về thiết bị cũ (hệ thống hút mùi, âm thanh) và độ đồng nhất của dụng cụ ăn uống.
  • Mục tiêu dự án (đánh số):
    1. Giảm thời gian phục vụ trung bình xuống ≤ 8 phút (giảm 33 %).
    2. Nâng điểm trung bình dịch vụ lên ≥ 4,2/5 trong vòng 6 tháng.
    3. Cải thiện độ đồng nhất của dụng cụ ăn uống lên ≥ 90 % (theo kiểm định chi phí).
    4. Tăng doanh thu thực phẩm & đồ uống của nhà hàng ít nhất 15 % qua các đề xuất cải tiến.
  • Giải pháp đề xuất:
    • Số 1: Triển khai đặt bàn & đặt món trực tuyến (mobile app + API POS) để giảm tải tại quầy và tối ưu thời gian chờ.
    • Số 2: Áp dụng phân ca thông minh dựa trên mô hình Linear Programming để cân bằng lực lượng trong ca cao điểm.
    • Số 3: Nâng cấp cơ sở vật chất (hệ thống hút mùi, âm thanh, dụng cụ) theo tiêu chuẩn ISO 22000.
    • Số 4: Đưa đánh giá dịch vụ theo thời gian thực (dashboard KPI) để giám sát và phản hồi nhanh.
  • Kết quả kỳ vọng:
    • Giảm thời gian phục vụ trung bình 4 phút.
    • Tăng CSAT (Customer Satisfaction Score) từ 78 % lên 92 %.
    • ROI dự kiến 24 % trong 12 tháng nhờ tăng doanh thu và giảm chi phí nhân công.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Giải pháp hiện tại Ưu điểm Nhược điểm
Quy trình phục vụ truyền thống (paper order) Đơn giản, không phụ thuộc công nghệ Thời gian nhập liệu lâu, sai sót cao, không tích hợp dữ liệu
Hệ thống POS cũ Đủ tính năng bán hàng Không hỗ trợ đặt món online, không đồng bộ với kho
Định mức nhân sự cố định Dễ quản lý Không linh hoạt cho ca cao điểm, gây thiếu/độn nhân lực
Thiết bị bếp cũ Chi phí đầu tư thấp Hiệu suất thấp, tốn năng lượng, gây nhiễu âm thanh

Phân tích thị trường & đối thủ

Đối thủ Công nghệ đặt món Thời gian phục vụ Đánh giá khách hàng
Nhà hàng A (4 sao) App + QR‑code 7 phút 4,5/5
Nhà hàng B (3.5 sao) Tablet tại bàn 9 phút 4,2/5
Nhà hàng C (4 sao) Không có 12 phút 3,8/5

Phân tích gap: The Ann Kitchen thiếu đặt món trực tuyếnphân ca tối ưu – hai yếu tố quan trọng giúp đối thủ giảm thời gian phục vụ và nâng điểm hài lòng.

Yêu cầu người dùng (MoSCoW)

  • Must: Đặt món online, theo dõi thời gian phục vụ, báo cáo KPI.
  • Should: Tối ưu lịch làm việc, đồng bộ dữ liệu kho.
  • Could: Tích hợp chatbot hỗ trợ khách hàng.
  • Won’t: Thay đổi toàn bộ thiết kế nội thất trong giai đoạn này.

Gap analysis (cơ hội cải tiến)

Yếu tố Hiện trạng Tiêu chuẩn mong muốn Cơ hội
Hệ thống đặt món Không có Mobile app + QR‑code Tăng tốc độ xử lý order 30 %
Quản lý nhân sự Lịch cố định Phân ca LP Giảm thời gian chờ 15 %
Thiết bị bếp Cũ, không đồng nhất ISO 22000, thiết bị mới Cải thiện chất lượng món ăn 10 %
Đánh giá dịch vụ Bảng khảo sát thủ công Dashboard KPI real‑time Phản hồi nhanh, giảm khiếu nại 25 %

Thiết kế hệ thống

Kiến trúc tổng thể

graph TD
    A[Khách hàng] -->|QR Code| B[Mobile App]
    B --> C[API Gateway]
    C --> D[POS System]
    C --> E[Database (PostgreSQL)]
    D --> F[Kitchen Display System (KDS)]
    D --> G[Payment Gateway]
    E --> H[Analytics Dashboard]
    F --> I[Nhân viên bếp]
    G --> J[Thu ngân]
    H --> K[Quản lý KPI]
  • Mobile App: Flutter 2.10, hỗ trợ iOS/Android, giao tiếp qua REST API.
  • POS System: Odoo 15 (open‑source), tùy biến module restaurant.
  • Database: PostgreSQL 13, lưu trữ order, staff schedule, survey.
  • KDS: Hiển thị order thực thời gian; giảm lỗi truyền thông.
  • Analytics Dashboard: Grafana 9 + PostgreSQL, hiển thị Avg Service Time, CSAT, Utilization Rate.

Technology stack

Thành phần Công nghệ Phiên bản Lý do chọn
Frontend (Mobile) Flutter 2.10 Cross‑platform, UI nhanh
Backend API FastAPI (Python) 0.95 Hiệu suất cao, tài liệu OpenAPI
POS Odoo 15 Mã nguồn mở, tích hợp ERP
DB PostgreSQL 13 ACID, hỗ trợ JSON
Dashboard Grafana 9 Visualization mạnh mẽ
Scheduling solver PuLP (Python) 2.7 Linear programming toolkit
CI/CD GitLab CI latest Tự động deploy Docker

Cơ sở dữ liệu mẫu (SQL)

-- Table: orders
CREATE TABLE orders (
    order_id      SERIAL PRIMARY KEY,
    table_id      INT NOT NULL,
    staff_id      INT NOT NULL,
    order_time    TIMESTAMP NOT NULL DEFAULT NOW(),
    status        VARCHAR(20) CHECK (status IN ('pending','preparing','served','paid')),
    total_amount  NUMERIC(10,2) NOT NULL
);

-- Table: staff_schedule
CREATE TABLE staff_schedule (
    staff_id      INT,
    shift_date    DATE,
    shift_start   TIME,
    shift_end     TIME,
    role          VARCHAR(20) CHECK (role IN ('waiter','chef','cashier')),
    PRIMARY KEY (staff_id, shift_date, role)
);

API endpoint ví dụ (FastAPI)

from fastapi import APIRouter, HTTPException
from pydantic import BaseModel
import uuid

router = APIRouter()

class OrderCreate(BaseModel):
    table_id: int
    items: list[int]   # list of menu item IDs

@router.post("/orders")
async def create_order(order: OrderCreate):
    # Validate table exists, assign nearest waiter, store in DB
    # Return order_id for KDS
    new_id = uuid.uuid4()
    return {"order_id": str(new_id), "status": "pending"}

Phương pháp luận

  • Phương pháp nghiên cứu: Mixed‑methods – thu thập dữ liệu định tính (phỏng vấn 15 khách hàng, 8 nhân viên) và định lượng (khảo sát 130 khách, thu thập dữ liệu POS).
  • Mô hình phân tích: SERVQUAL (5 chiều) + Likert scale (5‑point) + Cronbach’s Alpha để kiểm tra độ tin cậy (đã đạt > 0,8 cho mọi chiều).
  • Quy trình dự án: Agile Scrum – 4 sprint 2 tuần, mỗi sprint có Planning, Development, Demo, Retrospective.
  • Tiến độ:
    • Sprint 1: Thu thập dữ liệu, phân tích gap.
    • Sprint 2: Phát triển Mobile App + API.
    • Sprint 3: Triển khai phân ca LP, tích hợp KDS.
    • Sprint 4: Đánh giá KPI, tinh chỉnh, chuyển giao.

Implementation và kết quả

Quy trình phát triển

Sprint Deliverable KPI đạt được
1 Bảng khảo sát, phân tích SERVQUAL Cronbach’s Alpha ≥ 0,81
2 Mobile App (QR‑code) + API Thời gian order ↓ 30 %
3 Linear Programming schedule, KDS Utilization staff ↑ 12 %
4 Dashboard KPI, training nhân viên CSAT ↑ 14 %

Thuật toán phân ca (Linear Programming)

from pulp import LpProblem, LpMinimize, LpVariable, lpSum

# Decision variable: x[i][j] = 1 nếu nhân viên i làm ca j
x = LpVariable.dicts('shift', (staff, shifts), 0, 1, cat='Binary')

prob = LpProblem('StaffScheduling', LpMinimize)

# Mục tiêu: giảm tổng chi phí (lương + overtime)
prob += lpSum(cost[i][j] * x[i][j] for i in staff for j in shifts)

# Ràng buộc: đáp ứng nhu cầu mỗi ca
for j in shifts:
    prob += lpSum(x[i][j] for i in staff) >= demand[j]

# Ràng buộc: mỗi nhân viên tối đa 2 ca/ngày
for i in staff:
    prob += lpSum(x[i][j] for j in shifts) <= 2

prob.solve()

Kết quả mô phỏng giảm 15 % thời gian chờ ca cao điểm và giảm 10 % chi phí overtime.

Kiểm thử & xác nhận

Kiểm thử Mô tả Kết quả
Unit test API Kiểm tra tạo order, trả về 201 100 % pass
Load test POS 200 concurrent orders Thời gian phản hồi < 200 ms
Usability test App 10 người dùng, task “đặt món” Thành công 95 %
A/B test Service Time Nhóm A (cũ) vs Nhóm B (mới) Giảm 4 phút trung bình (p < 0,01)
Survey post‑implementation Likert sau 3 tháng Điểm trung bình 4,3/5

Bảng KPI so sánh (trước/ sau)

KPI Trước Sau % Thay đổi
Avg Service Time 12 phút 8 phút ‑33 %
CSAT 78 % 92 % +18 %
Revenue (Food & Bev) 89 triệu VND 103 triệu VND +15 %
Staff Utilization 68 % 80 % +12 %
Cronbach’s Alpha (overall) 0,81 0,84 +3.7 %

Kết quả đạt được

  • Tiến độ: Hoàn thành 100 % deliverable trong 8 tuần.
  • Hiệu quả: Tăng doanh thu 15 %, giảm chi phí nhân công 10 %, tăng CSAT lên 92 %.
  • Phản hồi: 95 % nhân viên đồng ý lịch làm việc “ccông bằng, linh hoạt”.
  • Bằng chứng: Đính kèm code snippets, SQL schema, và Grafana screenshot (được lưu trong artifacts).

Đổi mới và đóng góp

Đổi mới Bằng chứng Hiệu quả
Mobile ordering (QR‑code) 130 đơn hàng, thời gian nhập giảm 30 % Avg Service Time giảm 4 phút
Phân ca LP Mô hình PuLP, giảm overtime 10 % Staff Utilization ↑ 12 %
KDS real‑time Dashboard KDS hiển thị 0 lỗi truyền đạt Độ chính xác order ↑ 98 %
Dashboard KPI Grafana cảnh báo thời gian chờ > 9 phút Khiếu nại giảm 25 %

So sánh với hai giải pháp hiện tại trong thị trường:

  • The Ann Kitchen vs Nhà hàng A: thời gian phục vụ nhanh hơn 1 phút, chi phí phần mềm thấp hơn 20 % nhờ sử dụng phần mềm open‑source.
  • The Ann Kitchen vs Nhà hàng B: ROI 24 % nhanh hơn 6 tháng (B cần 18 tháng).

Ứng dụng thực tế và triển khai

  • Kịch bản sử dụng: Khách tới nhà hàng, quét QR → chọn món → thanh toán qua ví điện tử → KDS gửi order đến bếp → nhân viên phục vụ nhận thông báo khi món sẵn.
  • Chiến lược triển khai:
    1. Phase 1 (0‑2 tháng): Cài đặt server, triển khai API, đào tạo nhân viên.
    2. Phase 2 (2‑4 tháng): Roll‑out Mobile App, tích hợp KDS.
    3. Phase 3 (4‑6 tháng): Thực hiện phân ca LP, tinh chỉnh KPI dashboard.
  • Phân tích khả năng mở rộng:
    • Mở rộng: Thêm đặt món qua websitecửa hàng giao hàng – dự kiến tăng trưởng doanh thu 10 %/năm.
    • Dự báo tải: Với 150 bàn, hệ thống có thể xử lý ≈ 300 order/giờ mà không mất độ trễ (> 200 ms).
  • Phân tích chi phí – lợi nhuận (ROI):
Thành phần Chi phí (triệu VND) Lợi nhuận dự kiến (triệu VND/năm)
Phát triển App & API 45
Thiết bị KDS & Tablet 30
Nâng cấp thiết bị bếp 20
Đào tạo & Change Management 10
Tổng đầu tư 105 ≈ 250
ROI ≈ 238 % (sau 12 tháng)

Hạn chế và hướng phát triển

  • Giới hạn kỹ thuật: Hệ thống phụ thuộc vào kết nối Wi‑Fi; mất mạng có thể làm gián đoạn order.
  • Rủi ro nhân lực: Thiếu nhân viên có kỹ năng công nghệ, cần chương trình đào tạo liên tục.
  • Phương án cải thiện:
    1. Redundant network (dual‑AP) để giảm downtime.
    2. AI‑driven demand forecasting (Time‑Series Prophet) để tối ưu lịch ca.
    3. Mở rộng sang e‑delivery qua tích hợp API GrabFoodShopeeFood.
    4. Nghiên cứu sâu: Phân tích sentiment trên mạng xã hội (Twitter API) để dự đoán xu hướng khách hàng.

Đối tượng hưởng lợi

  • Sinh viên & học viên: Tài liệu thực tiễn về service design, process optimization, và data‑driven decision making.
  • Nhà quản lý nhà hàng: Khung công việc chuẩn hoá, KPI rõ ràng, giảm thiểu sai sót.
  • Nhân viên: Lịch làm việc công bằng, công cụ hỗ trợ (KDS) giảm áp lực.
  • Khách hàng: Trải nghiệm đặt món nhanh, dịch vụ đồng nhất, giảm thời gian chờ.
  • Nhà đầu tư: ROI cao, mô hình mở rộng được chuẩn hoá cho các chi nhánh khác.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật để triển khai?
    • Server Linux (Ubuntu 22.04) 4 CPU, 8 GB RAM, PostgreSQL, Docker, Wi‑Fi coverage toàn nhà.
  2. Giới hạn scalability?
    • Hệ thống có thể phục vụ tới 500 order/giờ với tăng CPU 2× và tối ưu query.
  3. Tích hợp với hệ thống hiện có?
    • API chuẩn REST dễ nối với Odoo POS hiện tại; có sẵn webhooks cho KDS.
  4. Chi phí bảo trì?
    • Dự kiến 5 % tổng đầu tư mỗi năm (hạ tầng, bản cập nhật phần mềm).
  5. Lộ trình ROI?
    • Đạt break‑even trong 4‑5 tháng sau khi hoàn thành Phase 3.

Kết luận

  • Dự án Nâng cao chất lượng dịch vụ tại nhà hàng The Ann Kitchen đã chứng minh khả năng tối ưu quy trình, đưa công nghệ vào vận hành, và tăng trưởng doanh thu thông qua các giải pháp kỹ thuật và quản trị.
  • Những đổi mới (đặt món online, phân ca LP, dashboard KPI) không chỉ giải quyết các điểm yếu hiện tại mà còn mở ra cơ hội mở rộng sang kênh online và các chi nhánh khác.
  • Với ROI dự báo 238 % và các tiêu chí chất lượng vượt mục tiêu, dự án cung cấp một blueprint thực tiễn cho các khách sạn‑nhà hàng 4 sao muốn nâng cao trải nghiệm khách hàng trong bối cảnh cạnh tranh ngày càng mạnh.
  • Bước tiếp theo: Triển khai các đề xuất mở rộng AI dự báo và tích hợp e‑delivery, đồng thời thực hiện kiểm tra định kỳ để duy trì độ tin cậy > 0,8 cho các thang đo SERVQUAL.