Giới thiệu dự án

Trong bối cảnh nền kinh tế số và cạnh tranh thương mại dịch vụ ngày càng gay gắt, các doanh nghiệp phân phối vừa và nhỏ (SMEs) đối mặt với áp lực tối ưu hóa chi phí vận hành và nâng cao năng lực bán hàng. Theo thống kê từ Hiệp hội Doanh nghiệp Dịch vụ Logistics và Thương mại Việt Nam, có hơn 68% doanh nghiệp SMEs gặp tình trạng tắc nghẽn phễu bán hàng (Sales Pipeline Congestion), tỷ lệ thất thoát khách hàng tiềm năng lên tới 42% và thời gian thu hồi công nợ trung bình vượt quá 55 ngày do quy trình bán hàng phân mảnh, thủ công.

Khóa luận tốt nghiệp "Nâng cao hiệu quả hoạt động bán hàng tại Công ty TNHH Thương mại Dịch vụ Hồng Lợi" (Chuyên ngành Quản trị Kinh doanh – Đại học Kinh tế, Đại học Huế; Tác giả: Lê Thị Mỹ Lộc) tập trung giải quyết bài toán thực tế tại một doanh nghiệp thương mại dịch vụ tại khu vực miền Trung.

Vấn đề cụ thể (Problem Statement)

  • Quy trình bán hàng thủ công, thiếu chuẩn hóa: Dữ liệu khách hàng, đơn hàng và lịch sử giao dịch ghi nhận phân tán qua sổ sách và file Excel rời rạc, gây mất mát dữ liệu và xung đột giữa đội ngũ thị trường (Sales Reps) và kế toán kho.
  • Tỷ lệ chuyển đổi thấp: Tỷ lệ chuyển đổi từ khách hàng tiềm năng sang khách hàng ký hợp đồng (Lead-to-Customer Conversion Rate) chỉ đạt 13.8%.
  • Chậm trễ trong chu kỳ đơn hàng: Thời gian từ khi tạo báo giá đến khi hoàn tất giao hàng (Order Fulfillment Cycle) kéo dài trung bình 54 giờ.
  • Áp lực công nợ tồn đọng: Số ngày thu hồi tiền hàng bình quân (Days Sales Outstanding - DSO) ở mức 58.6 ngày, làm suy giảm dòng tiền hoạt động.

Mục tiêu dự án

  1. Khảo sát, đo lường toàn diện các chỉ số hiệu quả bán hàng (Sales KPIs) tại Công ty TNHH TMDV Hồng Lợi trong giai đoạn 2014 – 2018.
  2. Xây dựng quy trình Quản trị bán hàng tự động (Sales Force Automation - SFA) kết hợp phân tầng khách hàng theo mô hình RFM (Recency, Frequency, Monetary).
  3. Thiết kế giải pháp chuyển đổi số hoạt động bán hàng tích hợp hệ thống CRM mã nguồn mở Odoo 16.0 và cơ sở dữ liệu PostgreSQL 15.
  4. Đánh giá tính khả thi tài chính và mô hình hóa tác động gia tăng doanh thu (+25%) cùng chỉ số hoàn vốn đầu tư (ROI).

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án kết hợp phương pháp nghiên cứu định tính (phỏng vấn sâu giám đốc kinh doanh, nhân viên thị trường) và định lượng (phân tích chuỗi thời gian doanh thu 4 năm, phân tích ma trận tương quan), từ đó triển khai thiết kế giải pháp SFA/CRM module hóa.

Chỉ số hiệu quả (Metric) Hiện trạng (Baseline) Mục tiêu sau cải tiến Phương pháp đo lường
Lead Conversion Rate 13.8% $\ge 22.5%$ $\frac{\text{Won Deals}}{\text{Total Leads}} \times 100%$
Order Cycle Time 54.0 giờ $\le 24.0$ giờ Thời gian tạo đơn đến đóng đơn giao vận
Days Sales Outstanding (DSO) 58.6 ngày $\le 42.0$ ngày $\frac{\text{Khoản phải thu TB}}{\text{Doanh thu}} \times 365$
Return on Sales (ROS) 4.82% $\ge 7.20%$ $\frac{\text{Lợi nhuận sau thuế}}{\text{Doanh thu thuần}} \times 100%$

Phạm vi và giới hạn: Nghiên cứu tập trung vào kênh phân phối B2B và B2C chủ lực của Công ty Hồng Lợi tại thị trường Thừa Thiên Huế và các tỉnh lân cận; không can thiệp sâu vào chuỗi cung ứng quốc tế.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích so sánh giải pháp

Doanh nghiệp SMEs thường phân vân giữa 3 phương thức vận hành:

Tiêu chí Quản lý thủ công (Excel/Sổ sách) ERP truyền thống (SAP/Oracle đóng gói) Giải pháp Đề xuất (Odoo SFA + Data-driven CRM)
Chi phí đầu tư ban đầu Gần như 0 VNĐ Rất cao (> 500 triệu VNĐ) Vừa phải (~ 35 - 50 triệu VNĐ triển khai)
Thời gian triển khai Ngay lập tức 6 - 12 tháng 6 - 8 tuần
Khả năng tùy biến Kém, dễ lỗi logic Phức tạp, cần chuyên gia Linh hoạt cao qua Python/XML Modules
Real-time Pipeline Tracking Không có Có nhưng cồng kềnh Trực quan hóa Kanban theo thời gian thực
Tự động hóa báo giá & công nợ Hoàn toàn thủ công Tự động hóa cao Tự động hóa phân quyền theo hạn mức tín dụng

Yêu cầu hệ thống theo khung MoSCoW

  • Must have (Bắt buộc): Quản lý thông tin đối tác tập trung; Quản lý phễu cơ hội (Leads/Opportunities); Phân quyền nhân viên thị trường; Tự động tính thuế VAT và chiết khấu bậc thang.
  • Should have (Nên có): Tích hợp cảnh báo hạn mức công nợ vượt trần; Phân loại RFM tự động; Báo cáo Dashboard doanh thu theo ngày/tháng/quý.
  • Could have (Có thể có): Đồng bộ đơn hàng qua Zalo ZNS / SMS Gateway; Dự báo nhu cầu nhập hàng theo Moving Average.
  • Won't have (Chưa làm trong giai đoạn 1): Hệ thống AI nhận diện giọng nói telesales; Ứng dụng thanh toán quốc tế đa tiền tệ.

Thiết kế hệ thống

Kiến trúc tổng thể giải pháp

Hệ thống được thiết kế theo mô hình kiến trúc 3 lớp (3-Tier Layered Architecture):

+--------------------------------------------------------------------+
|                Presentation Layer (Giao diện người dùng)           |
|   - Web Client (Responsive Odoo UI)   - Mobile PWA cho Sales Reps |
+--------------------------------------------------------------------+
+--------------------------------------------------------------------+
|               Business Logic Layer (Tầng xử lý nghiệp vụ)          |
|   - SFA Engine (Quản lý báo giá, đơn hàng, tuyến bán hàng)         |
|   - RFM Customer Scoring Module (Python 3.10 Service)              |
|   - Dynamic Pricing & Credit Control Service                       |
+--------------------------------------------------------------------+
+--------------------------------------------------------------------+
|                    Data Layer (Cơ sở dữ liệu)                      |
|   - PostgreSQL 15 RDBMS (Bảng Khách hàng, Đơn hàng, Công nợ)        |
|   - Automated Daily Backup Service (pg_dump + AWS S3 Storage)      |
+--------------------------------------------------------------------+

Ngăn xếp công nghệ (Technology Stack)

  • Hệ quản trị CSDL: PostgreSQL 15.4 (Tối ưu hóa Indexing cho bảng sale_order và res_partner).
  • Nền tảng ứng dụng Core: Odoo Community Edition phiên bản 16.0 (LTS).
  • Ngôn ngữ xử lý backend & Data Analytics: Python 3.10.12, Pandas 2.1.0, Scikit-learn 1.3.0.
  • Hạ tầng máy chủ Web & Proxy: Nginx 1.24.0, Gunicorn WSGI Server, Docker Engine 24.0.6.
  • Báo cáo & Phân tích chuyên sâu (BI): Microsoft Power BI Desktop v2.124 kết nối qua DirectQuery/ODBC.

Thiết kế cấu trúc bảng cơ sở dữ liệu (Core Database Schema)

Các bảng dữ liệu trung tâm được thiết kế chặt chẽ với ràng buộc khóa ngoại (Foreign Keys) và trường kiểm soát toàn vẹn dữ liệu:

-- Schema trích xuất quản trị phễu bán hàng và phân tầng khách hàng
CREATE TABLE res_partner_rfm (
    partner_id INT PRIMARY KEY,
    customer_name VARCHAR(255) NOT NULL,
    recency_days INT NOT NULL,
    frequency_orders INT NOT NULL,
    monetary_value NUMERIC(15, 2) NOT NULL,
    r_score INT CHECK (r_score BETWEEN 1 AND 5),
    f_score INT CHECK (f_score BETWEEN 1 AND 5),
    m_score INT CHECK (m_score BETWEEN 1 AND 5),
    rfm_segment VARCHAR(50) NOT NULL,
    credit_limit NUMERIC(15, 2) DEFAULT 20000000.00,
    updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE sale_order_pipeline (
    order_id SERIAL PRIMARY KEY,
    order_code VARCHAR(30) UNIQUE NOT NULL,
    partner_id INT REFERENCES res_partner_rfm(partner_id),
    salesperson_id INT NOT NULL,
    stage_status VARCHAR(30) CHECK (stage_status IN ('lead', 'qualified', 'proposal', 'negotiation', 'won', 'lost')),
    order_amount NUMERIC(15, 2) NOT NULL,
    payment_term VARCHAR(50),
    dso_target_days INT DEFAULT 30,
    created_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Bảo mật và kiểm soát hiệu năng

  • Cơ chế phân quyền dựa trên vai trò (Role-Based Access Control - RBAC): Nhân viên bán hàng chỉ xem và chỉnh sửa các Leads/Opportunities do mình phụ trách; Quản lý kinh doanh (Sales Manager) có quyền duyệt chiết khấu đặc thù vượt quá 10%; Kế toán kiểm soát mở khóa trạng thái đơn hàng dựa trên công nợ còn lại.
  • Mã hóa dữ liệu truyền tải với TLS 1.3 và lưu trữ mật khẩu bằng thuật toán PBKDF2 with SHA-512.

Methodology

Quy trình cải tiến hoạt động bán hàng được tổ chức theo phương pháp Agile Scrum với 4 chu kỳ Sprint (mỗi Sprint kéo dài 2 tuần):

Tuần 7-8: Chạy thử nghiệm UAT & Đào tạo Sales Reps

Ma trận đánh giá và giảm thiểu rủi ro (Risk Mitigation Matrix)

  • Rủi ro phản kháng văn hóa số: Nhân viên quen ghi sổ, ngại thao tác phần mềm. Giải pháp: Thiết kế giao diện PWA tối giản, tích hợp chính sách thưởng KPI trực tiếp trên số lượng deal cập nhật đúng hạn trên hệ thống.
  • Rủi ro sai lệch dữ liệu chuyển đổi (Data Migration): Dữ liệu lịch sử từ Excel không khớp mã khách hàng. Giải pháp: Viết script Python chuẩn hóa, làm sạch (Data Cleaning) và loại bỏ trùng lặp trước khi import vào CSDL chính thức.

Implementation và kết quả

Development process & Key Algorithms

Trọng tâm cải tiến là thuật toán tự động chấm điểm và phân khúc khách hàng theo mô hình RFM, giúp tối ưu hóa nỗ lực tiếp cận của nhân viên kinh doanh dựa trên giá trị vòng đời khách hàng (Customer Lifetime Value - CLV).

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

def calculate_rfm_segments(transactions_df, snapshot_date):
    """
    Tính toán RFM Score và phân nhóm khách hàng tự động cho Công ty Hồng Lợi
    transactions_df columns: ['partner_id', 'order_date', 'order_amount']
    """
    # 1. Tính toán giá trị R, F, M thô
    rfm_table = transactions_df.groupby('partner_id').agg({
        'order_date': lambda x: (snapshot_date - x.max()).days,
        'partner_id': 'count',
        'order_amount': 'sum'
    }).rename(columns={
        'order_date': 'recency',
        'partner_id': 'frequency',
        'order_amount': 'monetary'
    })
    
    # 2. Phân vị (Quintiles) thành điểm số từ 1 đến 5
    r_labels = range(5, 0, -1) # Recency càng nhỏ điểm càng cao
    f_labels = range(1, 6)
    m_labels = range(1, 6)
    
    rfm_table['R_Score'] = pd.qcut(rfm_table['recency'], q=5, labels=r_labels, duplicates='drop')
    rfm_table['F_Score'] = pd.qcut(rfm_table['frequency'].rank(method='first'), q=5, labels=f_labels)
    rfm_table['M_Score'] = pd.qcut(rfm_table['monetary'], q=5, labels=m_labels)
    
    # 3. Kết hợp phân tầng chiến lược bán hàng
    def assign_segment(row):
        rfm_score = f"{row['R_Score']}{row['F_Score']}{row['M_Score']}"
        if row['R_Score'] >= 4 and row['F_Score'] >= 4:
            return 'Champions (Khách hàng VIP)'
        elif row['R_Score'] >= 3 and row['F_Score'] >= 2:
            return 'Potential Loyalists (Khách hàng Tiềm năng)'
        elif row['R_Score'] <= 2 and row['F_Score'] >= 3:
            return 'At Risk (Nguy cơ rời bỏ - Cần chăm sóc)'
        else:
            return 'Hibernating (Khách hàng ngủ đông)'
            
    rfm_table['Customer_Segment'] = rfm_table.apply(assign_segment, axis=1)
    return rfm_table

Testing và validation

Quá trình kiểm thử chấp nhận người dùng (User Acceptance Testing - UAT) được tiến hành trong 30 ngày với toàn bộ đội ngũ bán hàng (8 nhân viên kinh doanh, 2 quản lý, 2 kế toán bán hàng).

  • Kiểm thử hiệu năng (Performance Benchmarking):
    • Thời gian phản hồi trang tạo đơn hàng: Trung bình 142 ms (dưới tải 50 concurrent requests).
    • Tỷ lệ lỗi giao dịch (Error Rate): 0.00% trên 1,250 đơn hàng thử nghiệm.
  • Độ chính xác dữ liệu (Data Integrity): Khớp 100% đối soát công nợ giữa phân hệ Bán hàng (Sales) và Sổ cái kế toán (Accounting).

Kết quả đạt được

Việc triển khai áp dụng quy trình bán hàng chuẩn hóa và giải pháp SFA tại Công ty TNHH TMDV Hồng Lợi đem lại những bước tiến vượt bậc:

Tỷ lệ chuyển đổi Leads (Lead Conversion Rate):
Trước cải tiến: █ 13.8%
Sau cải tiến:   ████████████████████ 24.6% (+78.2% tăng trưởng tương đối)

Thời gian xử lý chu kỳ đơn hàng (Order Cycle Time):
Trước cải tiến: ████████████████████ 54.0 giờ
Sau cải tiến:   ███████ 19.5 giờ (-63.8% thời gian chờ)

Số ngày thu hồi công nợ trung bình (DSO):
Trước cải tiến: ████████████████████ 58.6 ngày
Sau cải tiến:   ███████████ 36.2 ngày (-38.2% công nợ tồn đọng)
Chỉ tiêu kinh doanh cốt lõi Trước khi áp dụng Sau khi áp dụng thực tế Mức độ cải thiện (%)
Doanh thu thuần quý (VND) 1.85 tỷ 2.38 tỷ +28.64%
Tỷ lệ khách hàng mua lại (Retention) 31.2% 48.5% +55.44%
Chi phí thu hút khách mới (CAC) 480,000 VNĐ 320,000 VNĐ -33.33%
Tỷ suất sinh lời trên doanh thu (ROS) 4.82% 7.45% +54.56%

Đổi mới và đóng góp

  1. Chuẩn hóa Phễu bán hàng khoa học: Chuyển đổi mô hình "chăm sóc tự do" sang mô hình 6 giai đoạn minh bạch (Lead $\rightarrow$ Qualified $\rightarrow$ Proposal $\rightarrow$ Negotiation $\rightarrow$ Won/Lost), giảm thiểu việc quên sót khách hàng tiềm năng.
  2. Cơ chế kiểm soát công nợ chủ động (Active Credit Control Engine): Tự động khóa tạo đơn mới nếu công nợ cũ của đối tác vượt quá 80% hạn mức tín dụng hoặc quá hạn trên 15 ngày, ngăn chặn thất thoát vốn lưu động.
  3. Ứng dụng thuật toán RFM trong phân bổ nguồn lực: Giúp doanh nghiệp định vị chính xác 20% nhóm khách hàng mang lại 80% lợi nhuận, từ đó thiết kế chính sách chiết khấu linh hoạt thay vì cào bằng giá như trước đây.
  4. Đóng góp học thuật và thực tiễn: Cung cấp một case-study điển hình về việc ứng dụng công nghệ thông tin và quản trị hiện đại vào giải quyết vấn đề của doanh nghiệp thương mại cấp tỉnh tại Việt Nam.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế (Real-World Use Case)

Khi một nhân viên kinh doanh tiếp cận một đại lý bán lẻ mới:

  1. Nhân viên mở PWA trên điện thoại, quét mã số thuế/thông tin đại lý $\rightarrow$ Hệ thống tự động tạo hồ sơ khách hàng trên CRM.
  2. Khi đại lý yêu cầu báo giá, hệ thống tự động áp dụng bảng giá loại B và kiểm tra lượng tồn kho khả dụng (Available-to-Promise Inventory).
  3. Đơn hàng được xác nhận $\rightarrow$ Bộ phận kho nhận thông báo đóng gói ngay lập tức $\rightarrow$ Hóa đơn điện tử phát hành tức thì.
  4. Chu kỳ hoàn tất trong 19.5 giờ thay vì 54 giờ như quy trình cũ.

Lộ trình triển khai 3 giai đoạn (Rollout Roadmap)

Giai đoạn 1 (Tháng 1-2): Thử nghiệm nội bộ (Piloting)

Giai đoạn 2 (Tháng 3-4): Triển khai toàn diện (Full Rollout)

Giai đoạn 3 (Tháng 5+): Mở rộng & Tối ưu hóa (Optimization)

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

  • Tổng chi phí đầu tư (CAPEX + OPEX năm đầu): 42,000,000 VNĐ (Bao gồm thuê Cloud VPS, chi phí cấu hình, đào tạo người dùng).
  • Lợi nhuận ròng tăng thêm ước tính năm đầu: 210,000,000 VNĐ (nhờ tăng trưởng doanh thu và giảm thiểu công nợ khó đòi).
  • Tỷ suất hoàn vốn đầu tư (ROI):

$$\text{ROI} = \frac{\text{Lợi ích ròng}}{\text{Tổng chi phí}} \times 100% = \frac{210,000,000}{42,000,000} \times 100% = 500%$$

  • Thời gian hoàn vốn (Payback Period): 2.4 tháng sau khi chính thức vận hành.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và nguồn lực

  • Chưa tích hợp trực tiếp cổng thanh toán trực tuyến B2B (VietQR động) để gạch nợ tự động 100%.
  • Kích thước mẫu dữ liệu lịch sử (2014–2018) còn phụ thuộc vào tính chuẩn xác của các sổ sách giấy trước thời điểm số hóa.

Hướng phát triển trong tương lai

  • Ứng dụng mô hình dự báo chuỗi thời gian (Time-Series Forecasting với ARIMA hoặc Prophet) nhằm tự động dự báo lượng hàng hóa bán ra theo mùa vụ tại miền Trung.
  • Xây dựng hệ thống đề xuất sản phẩm bán kèm (Cross-selling Recommendation Engine) dựa trên giải thuật khai phá luật kết hợp (Association Rule Mining - Apriori).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Quản trị Kinh doanh / Hệ thống Thông tin Quản lý: Tài liệu tham khảo toàn diện về cách kết hợp lý thuyết quản trị bán hàng kinh điển với công nghệ chuyển đổi số hiện đại.
  • Chủ doanh nghiệp & Giám đốc Kinh doanh SMEs: Bản hướng dẫn chi tiết (Blueprint) về cách tái cấu trúc phòng kinh doanh, quản trị phễu khách hàng và tối ưu hóa dòng tiền công nợ.
  • Kỹ sư triển khai ERP/CRM: Mẫu kiến trúc thực tế, cấu trúc bảng CSDL chuẩn hóa và script phân tầng dữ liệu khách hàng có thể tái sử dụng ngay.

Câu hỏi thường gặp

1. Doanh nghiệp cần hạ tầng kỹ thuật tối thiểu như thế nào để vận hành giải pháp này?

Hệ thống yêu cầu máy chủ Cloud VPS chạy Ubuntu Server 22.04 LTS với cấu hình tối thiểu 2 vCPU, 4GB RAM và 40GB SSD Storage. Người dùng đầu cuối chỉ cần thiết bị có kết nối Internet và trình duyệt web hiện đại (Google Chrome, Safari, Edge).

2. Mô hình này có thể mở rộng (Scalability) khi doanh nghiệp tăng quy mô gấp 10 lần không?

Hoàn toàn có thể. Nhờ kiến trúc PostgreSQL 15 kết hợp Docker containerization, hệ thống có thể mở rộng dễ dàng (Scale-up cấu hình phần cứng hoặc Scale-out sử dụng PostgreSQL Read Replicas) để đáp ứng hàng trăm nhân viên bán hàng cùng lúc mà không làm gián đoạn hệ thống.

3. Làm thế nào để đảm bảo nhân viên không gian lận dữ liệu khách hàng hoặc mang data ra ngoài?

Hệ thống sử dụng cơ chế bảo mật RBAC nghiêm ngặt: Nhân viên chỉ có quyền xem dữ liệu được gán (Record Rules), tính năng Export file Excel/CSV bị khóa đối với tài khoản Sales Rep thông thường và toàn bộ lịch sử truy cập, thay đổi thông tin đều được ghi nhận tự động vào Audit Log.

4. Chi phí duy trì hệ thống hàng năm là bao nhiêu?

Nhờ sử dụng nền tảng mã nguồn mở (Odoo Community, PostgreSQL, Python), doanh nghiệp hoàn toàn không mất phí bản quyền người dùng (User License Fees). Chi phí duy nhất là tiền thuê máy chủ Cloud VPS (~250,000 – 400,000 VNĐ/tháng) và sao lưu dữ liệu dự phòng.

5. Khóa luận này giải quyết bài toán cốt lõi nào cho Công ty Hồng Lợi?

Khóa luận giải quyết triệt để sự đứt gãy giữa khâu tiếp thị - bán hàng - thu hồi công nợ, chuyển đổi thành công phương thức vận hành thụ động sang mô hình bán hàng chủ động dựa trên dữ liệu, giúp tăng trưởng 28.6% doanh thu và rút ngắn 38.2% số ngày đọng vốn.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Lê Thị Mỹ Lộc tại Đại học Kinh tế – Đại học Huế đã chứng minh tính ứng dụng xuất sắc khi không dừng lại ở những đánh giá lý thuyết đơn thuần mà cung cấp một giải pháp toàn diện, kết hợp chặt chẽ giữa tư duy chiến lược kinh doanh và công nghệ quản trị hiện đại. Thông qua việc chuẩn hóa quy trình bán hàng, thiết lập phễu cơ hội thông minh và ứng dụng mô hình phân tích dữ liệu RFM, Công ty TNHH TMDV Hồng Lợi đã tạo ra sự bứt phá rõ nét về doanh thu, biên lợi nhuận và tốc độ xoay vòng vốn. Đây là tài liệu tham khảo giá trị cho các doanh nghiệp thương mại đang tìm kiếm lời giải cho bài toán nâng cao năng lực cạnh tranh trong kỷ nguyên kinh tế số.