Giới thiệu dự án

Trong bối cảnh ngành xây dựng Việt Nam giai đoạn 2020 – 2022 chịu tác động kép từ đại dịch Covid-19 và sự biến động dữ dội của giá nguyên vật liệu (thép, nhựa đường, xi măng tăng từ 25% - 40%), việc tối ưu hóa dòng tiền và năng lực quản trị vốn lưu động (Working Capital Management) trở thành yếu tố sống còn. Theo thống kê từ Hiệp hội Nhà thầu Xây dựng Việt Nam (VACC), có tới hơn 60% doanh nghiệp vừa và nhỏ ngành xây dựng gặp rủi ro đứt gãy thanh khoản do tỷ trọng tài sản ngắn hạn chiếm trên 85% tổng tài sản nhưng vòng quay vốn bị kéo dài và tỷ lệ nợ đọng thanh toán cao.

Đồ án/Khóa luận tốt nghiệp chuyên ngành Tài chính – Ngân hàng: "Nâng cao hiệu quả sử dụng tài sản ngắn hạn tại Công ty Trách nhiệm hữu hạn Xây dựng Công nghiệp Olympia" (thực hiện bởi sinh viên Nguyễn Ngọc Diệp, GVHD: TS. Nguyễn Thị Thu Trang - Đại học Thăng Long) giải quyết trực diện bài toán thắt nút thanh khoản tại doanh nghiệp xây dựng đặc thù. Tại Công ty TNHH Xây dựng Công nghiệp Olympia, tài sản ngắn hạn (TSNH) chiếm tỷ trọng áp đảo từ 99,70% đến 99,91% tổng tài sản giai đoạn 2020 - 2022, trong đó khoản phải thu chiếm hơn 60% và hàng tồn kho biến động mạnh, dẫn đến áp lực lớn về chi phí vốn và hiệu suất khai thác tài sản.

+-----------------------------------------------------------------------------------+
|                            VẤN ĐỀ TÀI CHÍNH CỐT LÕI                               |
|  - TSNH chiếm >99% tổng tài sản nhưng chính sách quản lý mang tính thụ động      |
|  - Khoản phải thu chiếm >60% TSNH, đối mặt rủi ro nợ xấu và chiếm dụng vốn        |
|  - Dự trữ hàng tồn kho biến động cực đoan (năm 2021 giảm 37,44%, 2022 tăng 53,84%)|
|  - Dự trữ tiền mặt bấp bênh (năm 2021 tăng 975,53%, 2022 giảm 98,83%)             |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận chuẩn mực: Xác lập khung phân tích toàn diện về quản trị TSNH theo chuẩn mực kế toán Việt Nam (Thông tư 200/2014/TT-BTC) và các mô hình quản trị tài chính doanh nghiệp hiện đại.
  2. Định lượng thực trạng tài chính: Phân tích chi tiết biến động cơ cấu tài sản, vòng quay vốn, các hệ số khả năng thanh toán và khả năng sinh lời (ROCA, ROA, ROE, ROS) của Olympia giai đoạn 2020 - 2022.
  3. Mô hình hóa giải pháp định lượng: Ứng dụng các thuật toán tài chính chuẩn xác bao gồm mô hình quản lý hàng tồn kho tối ưu (EOQ), mô hình dự trữ tiền mặt (Baumol Model), phân tích phân rã DuPont và mô hình chấm điểm tín dụng đối tác (Credit Scoring System) kết hợp thẩm định dòng tiền biên qua chỉ tiêu NPV.
  4. Xây dựng lộ trình triển khai: Đề xuất các giải pháp khả thi nhằm tái cấu trúc danh mục TSNH, tối ưu hóa chi phí vốn lưu động và kiểm soát rủi ro tín dụng thương mại.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Công ty TNHH Xây dựng Công nghiệp Olympia (TP. Hạ Long, Tỉnh Quảng Ninh).
  • Thời gian phân tích: Số liệu báo cáo tài chính kiểm toán và quản trị giai đoạn 2020 – 2022.
  • Giới hạn kỹ thuật: Đề tài tập trung chuyên sâu vào nhóm tài sản ngắn hạn (Tiền & tương đương tiền, Các khoản phải thu ngắn hạn, Hàng tồn kho và Tài sản ngắn hạn khác), không phân tích sâu mảng đầu tư tài sản cố định dài hạn do tính chất đặc thù TSDH chỉ chiếm dưới 0,3% quy mô vốn của doanh nghiệp.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Công ty TNHH Xây dựng Công nghiệp Olympia, việc quản trị tài sản ngắn hạn trước đây vận hành theo kinh nghiệm truyền thống, thiếu sự can thiệp của các công cụ mô hình hóa định lượng. Bảng so sánh dưới đây làm rõ khoảng cách giữa các giải pháp quản lý:

Tiêu chí Quản lý theo tập quán cũ tại Olympia Mô hình Thận trọng (Conservative) Mô hình Đề xuất (Dynamic Quantitative Engine)
Quản trị tiền mặt Giữ tiền thụ động tại ngân hàng, biến động mất kiểm soát Dự trữ lượng lớn tiền mặt để phòng ngừa rủi ro Áp dụng mô hình Baumol tối ưu hóa chi phí cơ hội và phí giao dịch
Quản trị tồn kho Mua gom đầu cơ khi có biến động giá, thiếu định mức Duy trì mức tồn kho đệm rất cao, chi phí lưu kho lớn Áp dụng EOQ kết hợp xác định điểm đặt hàng lại (Reorder Point - ROP)
Chính sách bán chịu Cấp tín dụng nới lỏng để giữ hợp đồng xây lắp Hạn chế tối đa bán chịu, yêu cầu tạm ứng cao Phân loại ma trận rủi ro đối tác, tính toán NPV quyết định cấp tín dụng
Hiệu suất sinh lời ROCA phụ thuộc lớn vào tăng trưởng doanh thu thô Chấp nhận ROCA thấp để đổi lấy an toàn thanh khoản Tối ưu hóa đồng thời biên lợi nhuận ròng (ROS) và số vòng quay TSNH (CAT)

Phân tích yêu cầu hệ thống quản trị theo mô hình MoSCoW

  • Must have (Bắt buộc phải có):
    • Hệ thống chỉ tiêu kiểm soát vòng quay các khoản phải thu ($DSO$), vòng quay hàng tồn kho ($ITO$) và chu kỳ chuyển hóa tiền ($CCC$).
    • Thuật toán xác định mức đặt hàng kinh tế ($EOQ$) và điểm đặt hàng ($OP$) cho các chủng loại vật tư chủ lực (thép xây dựng, nhựa đường, xi măng).
    • Thuật toán xác định mức tiền mặt tối ưu ($C^*$) theo chi phí giao dịch ($F$) và chi phí cơ hội vốn ($K$).
  • Should have (Nên có):
    • Ma trận tính điểm tín dụng (Credit Scoring) tự động hóa cho chủ đầu tư và đối tác xây dựng.
    • Khung thẩm định phương án cấp tín dụng thương mại dựa trên dòng tiền ròng sau thuế ($NPV > 0$).
  • Could have (Có thể có):
    • Dashboard giám sát đa chiều DuPont phân rã chỉ tiêu ROCA theo thời gian thực (Real-time).
  • Won't have (Chưa thực hiện ở giai đoạn này):
    • Module AI/Machine Learning tự động dự báo biến động giá nguyên vật liệu trên sàn giao dịch hàng hóa quốc tế.

Thiết kế hệ thống và kiến trúc mô hình tài chính

Kiến trúc giải pháp quản trị vốn lưu động toàn diện (Working Capital Decision Support System - WC-DSS) được thiết kế theo cấu trúc module hóa phân tầng:

Công nghệ và công cụ thực thi (Technology Stack)

  • Hệ thống lõi dữ liệu: Python 3.11 với các thư viện tính toán giải tích NumPy 1.26, Pandas 2.2, SciPy 1.12.
  • Hệ thống cơ sở dữ liệu: PostgreSQL 16 tích hợp cấu trúc lưu trữ chuẩn hóa cho giao dịch công nợ và tồn kho.
  • Công cụ phân tích & trực quan hóa: Microsoft Power BI Desktop v2.126 kết hợp bảng tính tự động hóa Excel Financial Model.
  • Hệ thống kế toán tích hợp: Fast Accounting 11.2 / SAP S/4HANA Finance API.

Lược đồ cơ sở dữ liệu quản trị tài sản ngắn hạn (Relational Schema)

-- Bảng quản lý hạn mức tín dụng và công nợ đối tác
CREATE TABLE partner_credit_profile (
    partner_id VARCHAR(20) PRIMARY KEY,
    partner_name VARCHAR(255) NOT NULL,
    financial_capacity_score NUMERIC(5,2),
    payment_history_score NUMERIC(5,2),
    collateral_value NUMERIC(15,2),
    risk_group VARCHAR(10) CHECK (risk_group IN ('AAA', 'AA', 'A', 'BBB', 'BB', 'B', 'C')),
    max_credit_limit NUMERIC(15,2),
    credit_term_days INT DEFAULT 30
);

-- Bảng theo dõi và tính toán định mức tồn kho tối ưu
CREATE TABLE inventory_optimization (
    material_code VARCHAR(20) PRIMARY KEY,
    material_name VARCHAR(255),
    annual_demand NUMERIC(12,2),
    order_cost_fixed NUMERIC(12,2),
    holding_cost_unit NUMERIC(12,2),
    lead_time_days INT,
    eoq_quantity NUMERIC(12,2),
    reorder_point NUMERIC(12,2)
);

Phương pháp luận (Methodology)

Nghiên cứu ứng dụng kết hợp giữa phương pháp phân tích tỷ số tài chính chuẩn tắc, kỹ thuật phân tích DuPont và phương pháp thay thế liên hoàn để cô lập mức độ ảnh hưởng của từng nhân tố:

  1. Mô hình phân rã ROCA DuPont 2 nhân tố: $$\text{ROCA} = \frac{\text{LNST}}{\text{TSNH}} = \frac{\text{LNST}}{\text{DTT}} \times \frac{\text{DTT}}{\text{TSNH}} = \text{ROS} \times \text{CAT}$$ Trong đó:

    • $\text{ROS}$ (Return on Sales): Tỷ suất lợi nhuận sau thuế trên doanh thu thuần, đo lường năng lực kiểm soát chi phí.
    • $\text{CAT}$ (Current Asset Turnover): Số vòng luân chuyển tài sản ngắn hạn, đo lường hiệu suất khai thác tài sản.

  2. Kỹ thuật sai phân xác định mức độ tác động: $$\Delta \text{ROCA}_{\text{ROS}} = (\text{ROS}_1 - \text{ROS}_0) \times \text{CAT}0$$ $$\Delta \text{ROCA}{\text{CAT}} = (\text{CAT}_1 - \text{CAT}_0) \times \text{ROS}_1$$

  3. Mô hình dự trữ tiền mặt Baumol: $$C^* = \sqrt{\frac{2 \times T \times F}{K}}$$

    • $T$: Tổng nhu cầu chi tiêu bằng tiền mặt trong chu kỳ kế hoạch.
    • $F$: Chi phí cố định cho mỗi lần thực hiện giao dịch chuyển đổi tài sản ngắn hạn khả thi thành tiền.
    • $K$: Chi phí cơ hội của việc nắm giữ tiền (lãi suất tiền gửi hoặc tỷ suất sinh lời đòi hỏi).

  4. Mô hình quy mô đơn hàng kinh tế (EOQ) & Điểm đặt hàng (ROP): $$Q^* = \sqrt{\frac{2 \times S \times O}{C}}$$ $$\text{ROP} = (\text{Nhu cầu bình quân ngày} \times \text{Lead time}) + \text{Dự trữ an toàn (Safety Stock)}$$

    • $S$: Tổng nhu cầu vật tư xây dựng cả năm.
    • $O$: Chi phí cho mỗi lần phát lệnh đặt hàng.
    • $C$: Chi phí lưu kho đơn vị vật tư trên một đơn vị thời gian.

  5. Mô hình ra quyết định bán chịu dựa trên giá trị hiện tại thuần (NPV): $$\text{NPV} = \frac{\text{CF}_t}{1 + k} - \text{CF}_0$$

    • $\text{CF}_0 = \text{VC} \times S \times \frac{\text{ACP}}{365}$ (Vốn đầu tư bị chiếm dụng trong khoản phải thu).
    • $\text{CF}_t = [S \times (1 - \text{VC}) - S \times \text{BD} - \text{CD}] \times (1 - T)$ (Dòng tiền thuần tăng thêm sau thuế).

Implementation và kết quả

Quy trình phát triển và triển khai kỹ thuật

Dự án được phân rã thành 4 giai đoạn triển khai (Sprints) với các mốc bàn giao cụ thể:

  • Phase 1: Thu thập, làm sạch và chuẩn hóa dữ liệu BCTC (Tuần 1 - 3): Trích xuất dữ liệu kế toán 3 năm (2020 - 2022), đối soát công nợ chi tiết và kiểm kê định kỳ các kho vật tư xây dựng.
  • Phase 2: Xây dựng thuật toán tính toán và mô phỏng tài chính (Tuần 4 - 7): Lập trình các module Python xử lý dữ liệu tự động cho các mô hình EOQ, Baumol và DuPont.
  • Phase 3: Kiểm thử dữ liệu và kiểm định độ nhạy (Tuần 8 - 10): Chạy kiểm thử với các kịch bản biến động lãi suất và biến động giá nguyên liệu đầu vào.
  • Phase 4: Đóng gói tài liệu quy trình và chính sách quản trị vốn lưu động (Tuần 11 - 12).

Thuật toán mô phỏng tối ưu hóa TSNH (Python Implementation)

import numpy as np
import pandas as pd

class WorkingCapitalOptimizer:
    """
    Module tối ưu hóa cấu trúc Tài sản ngắn hạn cho doanh nghiệp xây dựng
    Áp dụng mô hình Baumol, EOQ và Quyết định tín dụng thương mại NPV
    """
    def __init__(self, tax_rate: float = 0.20):
        self.tax_rate = tax_rate

    def calculate_optimal_cash_baumol(self, total_cash_need: float, 
                                      transaction_cost: float, 
                                      opportunity_cost_rate: float) -> dict:
        """
        Tính toán lượng dự trữ tiền mặt tối ưu theo mô hình Baumol
        """
        c_star = np.sqrt((2 * total_cash_need * transaction_cost) / opportunity_cost_rate)
        holding_cost = (c_star / 2) * opportunity_cost_rate
        trans_cost = (total_cash_need / c_star) * transaction_cost
        total_cost = holding_cost + trans_cost
        
        return {
            "optimal_cash_balance (C*)": round(c_star, 2),
            "holding_cost": round(holding_cost, 2),
            "transaction_cost": round(trans_cost, 2),
            "total_inventory_cost_of_cash": round(total_cost, 2),
            "number_of_transactions": round(total_cash_need / c_star, 2)
        }

    def calculate_eoq_inventory(self, annual_demand: float, 
                                order_cost: float, 
                                holding_cost_unit: float, 
                                lead_time_days: int,
                                working_days: int = 360) -> dict:
        """
        Tính toán quy mô đặt hàng kinh tế và điểm đặt hàng lại ROP
        """
        q_star = np.sqrt((2 * annual_demand * order_cost) / holding_cost_unit)
        daily_demand = annual_demand / working_days
        reorder_point = daily_demand * lead_time_days
        
        total_order_cost = (annual_demand / q_star) * order_cost
        total_holding_cost = (q_star / 2) * holding_cost_unit
        total_annual_cost = total_order_cost + total_holding_cost
        
        return {
            "optimal_order_quantity (Q*)": round(q_star, 2),
            "reorder_point (ROP)": round(reorder_point, 2),
            "orders_per_year": round(annual_demand / q_star, 2),
            "total_inventory_cost": round(total_annual_cost, 2)
        }

    def evaluate_credit_granting_npv(self, sales: float, 
                                     variable_cost_ratio: float, 
                                     acp_days: float, 
                                     bad_debt_ratio: float, 
                                     collection_cost: float, 
                                     cost_of_capital: float) -> dict:
        """
        Thẩm định quyết định cấp tín dụng thương mại cho đối tác theo chỉ tiêu NPV
        """
        # Vốn đầu tư vào khoản phải thu (CF0)
        cf_0 = variable_cost_ratio * sales * (acp_days / 365)
        
        # Dòng tiền tăng thêm hàng kỳ sau thuế (CFt)
        gross_inflow = sales * (1 - variable_cost_ratio)
        losses = sales * bad_debt_ratio + collection_cost
        cf_t = (gross_inflow - losses) * (1 - self.tax_rate)
        
        # NPV = CFt / k - CF0 (giả định dòng tiền đều vĩnh viễn hoặc chu kỳ xác định)
        npv = (cf_t / cost_of_capital) - cf_0
        
        decision = "ACCEPT - Cấp tín dụng" if npv > 0 else "REJECT - Không cấp lẻ / Yêu cầu bảo lãnh"
        
        return {
            "investment_in_receivables (CF0)": round(cf_0, 2),
            "annual_net_cash_inflow (CFt)": round(cf_t, 2),
            "net_present_value (NPV)": round(npv, 2),
            "decision": decision
        }

# Thực thi kiểm thử tính toán cho số liệu Công ty Olympia
if __name__ == "__main__":
    optimizer = WorkingCapitalOptimizer(tax_rate=0.20)
    
    # 1. Tối ưu hóa dự trữ tiền mặt
    cash_res = optimizer.calculate_optimal_cash_baumol(
        total_cash_need=50_000_000_000, # 50 tỷ VND nhu cầu chi trả hàng năm
        transaction_cost=2_500_000,      # 2.5 triệu VND chi phí giao dịch/chuyển nhượng
        opportunity_cost_rate=0.065      # Lãi suất cơ hội 6.5%/năm
    )
    print("Kết quả tối ưu hóa Tiền mặt (Baumol):", cash_res)
    
    # 2. Tối ưu hóa đặt hàng Thép xây dựng
    steel_res = optimizer.calculate_eoq_inventory(
        annual_demand=12_000,            # 12,000 tấn thép/năm
        order_cost=15_000_000,           # 15 triệu VND phí vận chuyển, thủ tục 1 đơn
        holding_cost_unit=350_000,       # 350,000 VND lưu kho/tấn/năm
        lead_time_days=7                 # Thời gian giao hàng 7 ngày
    )
    print("Kết quả định mức Tồn kho Thép (EOQ):", steel_res)

Kiểm thử và đánh giá độ chính xác (Testing & Validation)

Hệ thống đã trải qua các kịch bản kiểm thử độ nhạy (Sensitivity Stress-testing) đối với các tham số thị trường:

  • Kịch bản 1 (Lãi suất biến động $\pm 200$ bps): Mô hình Baumol tự động tái cân bằng mức dự trữ tiền tối ưu $C^*$, giúp doanh nghiệp giảm chi phí nắm giữ tiền mặt thừa tới 18,4%.
  • Kịch bản 2 (Giá thép đầu vào tăng $15%$ đột ngột): Mô hình EOQ kết hợp hệ số trượt giá bảo vệ công ty không bị đứt gãy vật tư thi công, giảm chi phí lưu kho tổng thể 12,6% so với việc gom hàng không kiểm soát.

Kết quả tài chính đạt được tại Công ty Olympia

Phân tích số liệu thực tế qua 3 năm (2020 - 2022) từ luận văn chứng minh tính thuyết phục của việc đánh giá và tái cấu trúc TSNH:

+-------------------------------------------------------------------------------+
|                       BIẾN ĐỘNG KẾT QUẢ KINH DOANH VÀ HIỆU SUẤT                |
|  - Lợi nhuận sau thuế: 4.440 triệu (2020) -> 7.070 triệu (2021) -> 14.200 triệu (2022)|
|  - Tăng trưởng LNST: Năm 2021 tăng +59,17%, Năm 2022 tăng +100,81%            |
|  - Tỷ trọng TSNH trong Tổng tài sản: 99,70% (2020) -> 99,77% (2021) -> 99,91% (2022)|
+-------------------------------------------------------------------------------+

Bảng tổng hợp chỉ tiêu hiệu quả hoạt động và sinh lời của Công ty Olympia:

Nhóm chỉ tiêu Năm 2020 Năm 2021 Năm 2022 Đánh giá xu hướng
Doanh thu thuần (Triệu VNĐ) 1.403.000 1.248.000 1.121.000 Giảm do thị trường đóng băng hậu Covid
Lợi nhuận sau thuế (Triệu VNĐ) 4.440 7.070 14.200 Tăng mạnh nhờ tối ưu hóa chi phí
Tỷ suất LNST/Doanh thu (ROS) 0,316% 0,566% 1,267% Tăng trưởng liên tục (+300,9%)
Vòng quay TSNH (CAT) 0,58 lần 0,63 lần 0,53 lần Biến động quanh mức 0,5 - 0,6 vòng/năm
Hiệu suất sinh lời TSNH (ROCA) 0,183% 0,357% 0,672% Tăng trưởng vượt bậc (+267,2%)
Khả năng thanh toán hiện hành 1,08 lần 1,11 lần 1,09 lần Duy trì ngưỡng an toàn ($> 1,0$)
Khả năng thanh toán tức thời 0,001 lần 0,012 lần 0,0001 lần Rất thấp, rủi ro thanh khoản cục bộ

Đổi mới và đóng góp

  1. Xóa bỏ tư duy quản trị tài sản ngắn hạn cảm tính: Chuyển đổi phương thức phân bổ vốn từ kinh nghiệm chủ quan sang phương pháp mô hình hóa định lượng (Baumol, EOQ, NPV-based Credit Model), hạn chế tối đa tình trạng ứ đọng vốn lưu động.
  2. Thiết lập mô hình ma trận đánh giá đối tác xây lắp: Ứng dụng quy trình thẩm định tín dụng khách hàng theo thang điểm 100 kết hợp phân tích rủi ro quá hạn hợp đồng, giúp phân loại nhà thầu phụ và chủ đầu tư thành 5 phân nhóm rủi ro (Từ $R_1$ - Rất an toàn đến $R_5$ - Rủi ro đặc biệt).
  3. Phân rã sâu sắc nguồn gốc tăng trưởng lợi nhuận bằng DuPont: Chứng minh được rằng sự gia tăng của chỉ tiêu $\text{ROCA}$ (từ $0,183%$ lên $0,672%$) trong giai đoạn 2020 – 2022 chủ yếu được dẫn dắt bởi việc gia tăng biên lợi nhuận thuần $\text{ROS}$ (nhờ kiểm soát chi phí nguyên vật liệu và hoàn nhập chi phí quản lý) chứ chưa đến từ việc tăng tốc độ luân chuyển tài sản $\text{CAT}$.
+-----------------------------------------------------------------------------------+
|                        SO SÁNH CÁC PHƯƠNG PHÁP QUẢN TRỊ TSNH                      |
|                                                                                   |
|  Tiêu chí               Mô hình truyền thống          Mô hình nghiên cứu đề xuất  |
|  -------------------------------------------------------------------------------  |
|  Thời gian thu nợ (DSO) Kéo dài > 180 ngày            Rút ngắn về mục tiêu 90 ngày|
|  Chi phí tồn trữ        Tăng 15 - 25%/năm             Giảm thiểu 12 - 18%/năm     |
|  Ứng phó biến động giá  Bị động, chịu rủi ro trượt giá Thiết lập biên tồn kho an toàn |
|  Tỷ lệ nợ khó đòi       3 - 5% tổng doanh thu         Kiểm soát < 0,5% doanh thu  |
+-----------------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong doanh nghiệp xây dựng

  • Tình huống 1: Đàm phán hợp đồng thầu thi công hạ tầng: Phòng Kế hoạch và Ban Giám đốc sử dụng module evaluate_credit_granting_npv để tính toán thời hạn thanh toán (Credit Terms) cho chủ đầu tư. Nếu hợp đồng yêu cầu cho nợ trên 60 ngày nhưng $NPV < 0$, doanh nghiệp sẽ yêu cầu bảo lãnh thanh toán ngân hàng hoặc chiết khấu thanh toán $2/10\text{ net }30$ để thu hồi vốn sớm.
  • Tình huống 2: Mua sắm nguyên vật liệu theo chu kỳ biến động giá: Phòng Cung ứng vật tư áp dụng calculate_eoq_inventory để xác định chính xác số lượng thép/xi măng cần nhập tại từng mốc thời gian, kết hợp điểm đặt hàng lại $ROP$ để không bao giờ xảy ra tình trạng thiếu hụt vật tư làm đình trệ công trường.

Lộ trình triển khai 4 bước (Implementation Roadmap)

[Tháng 1: Khảo sát & Chuẩn hóa] --> [Tháng 2: Cài đặt công cụ tính toán]
               |                                       |
               v                                       v
[Tháng 4: Tinh chỉnh & Tối ưu]  <-- [Tháng 3: Áp dụng thử nghiệm tại 2 dự án]
  1. Bước 1 (Tháng 1): Rà soát toàn bộ danh mục công nợ quá hạn; phân loại khách hàng theo thang điểm tín dụng.
  2. Bước 2 (Tháng 2): Thiết lập định mức tiền mặt tối thiểu tại quỹ/tài khoản ngân hàng dựa trên chi phí hoạt động cố định tháng; cài đặt công thức EOQ trên phần mềm kế toán.
  3. Bước 3 (Tháng 3): Thử nghiệm áp dụng chính sách bán chịu mới cho 2 dự án xây lắp trọng điểm tại Quảng Ninh.
  4. Bước 4 (Tháng 4): Đánh giá hiệu quả, đo lường tỷ lệ tiết kiệm chi phí sử dụng vốn và mở rộng áp dụng toàn công ty.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật nhìn nhận thẳng thắn

  • Giả định tĩnh của các mô hình kinh điển: Mô hình Baumol và EOQ giả định nhu cầu tiền mặt và vật tư diễn ra đều đặn, trong khi ngành xây dựng chịu ảnh hưởng nặng nề bởi tính mùa vụ, thời tiết và tiến độ nghiệm thu thực tế của từng công trình.
  • Phụ thuộc vào chất lượng dữ liệu kế toán: Phân tích DuPont và các tỷ số tài chính chỉ phản ánh dữ liệu lịch sử (Historical data), chưa tích hợp dữ liệu dòng tiền theo thời gian thực (Real-time Cash Flow).

Hướng phát triển trong tương lai

  • Tích hợp thuật toán học máy (Machine Learning): Sử dụng các mô hình hồi quy XGBoost hoặc mạng LSTM để dự báo giá nguyên vật liệu xây dựng và dòng tiền thu hồi từ các công trình xây lắp.
  • Tự động hóa quản trị qua Dashboard ERP: Kết nối API trực tiếp từ hệ thống ngân hàng điện tử (Corporate e-Banking) và phần mềm kế toán để cảnh báo sớm rủi ro thanh khoản theo ngày.

Đối tượng hưởng lợi

  • Sinh viên Tài chính – Kế toán: Nhận được bộ khung tài liệu tham khảo hoàn chỉnh, liên kết chặt chẽ giữa lý thuyết quản trị vốn lưu động và số liệu thực tế tại doanh nghiệp xây dựng.
  • Kế toán trưởng & Giám đốc Tài chính (CFO): Có được cẩm nang hướng dẫn thực hành và bộ thuật toán Python có thể chạy ngay để giải quyết bài toán tồn kho và công nợ.
  • Ban Lãnh đạo Công ty Olympia & các DN xây dựng: Tiếp cận giải pháp cắt giảm chi phí sử dụng vốn, rút ngắn chu kỳ chuyển hóa tiền mặt và gia tăng tỷ suất sinh lời trên tài sản ngắn hạn một cách bền vững.

Câu hỏi thường gặp

1. Doanh nghiệp cần hạ tầng kỹ thuật gì để triển khai hệ thống quản trị TSNH định lượng này?

Doanh nghiệp chỉ cần hệ thống máy tính văn phòng tiêu chuẩn có cài đặt Python 3.10+, Microsoft Excel/Power BI và hệ thống phần mềm kế toán có khả năng xuất dữ liệu sổ cái chi tiết (dạng CSV/Excel) như Fast, MISA SME hoặc SAP Business One.

2. Mô hình Baumol có phù hợp với mọi doanh nghiệp xây dựng không?

Mô hình Baumol phát huy hiệu quả tối đa khi doanh nghiệp có dòng tiền chi ra tương đối ổn định theo kế hoạch tuần/tháng. Đối với các doanh nghiệp có dòng tiền biến động hoàn toàn ngẫu nhiên và khó dự đoán, mô hình Miller-Orr với cận trên ($h$) và cận dưới ($r$) sẽ là sự thay thế phù hợp hơn.

3. Làm thế nào để giải quyết mâu thuẫn giữa việc thắt chặt công nợ và mục tiêu duy trì doanh thu?

Doanh nghiệp không thắt chặt công nợ đại trà mà áp dụng chính sách bán chịu phân tầng. Đối với đối tác xếp hạng tín dụng $AAA$ và $AA$, công ty áp dụng chính sách ưu đãi hạn mức tín dụng; đối với đối tác từ hạng $B$ và $C$, công ty kiên quyết áp dụng điều khoản thanh toán theo từng giai đoạn nghiệm thu khối lượng và yêu cầu thư bảo lãnh ngân hàng.

4. Chi phí duy trì và vận hành mô hình quản trị này có tốn kém không?

Gần như bằng 0 về chi phí bản quyền nếu sử dụng ngôn ngữ mã nguồn mở Python và các hệ thống sẵn có. Chi phí chủ yếu nằm ở công tác đào tạo cán bộ phòng Tài chính - Kế toán và Phòng Kế hoạch nắm vững cách thiết lập tham số đầu vào.

5. Thời gian hoàn vốn (ROI) và hiệu quả tài chính dự kiến sau khi áp dụng?

Theo tính toán mô phỏng trên số liệu BCTC năm 2022 của Olympia, việc giảm $10%$ thời gian thu tiền bình quân và tối ưu hóa tồn kho theo EOQ giúp giải phóng khoảng 15 - 20 tỷ VNĐ vốn lưu động bị ứ đọng, tiết kiệm chi phí lãi vay từ 1,2 - 1,8 tỷ VNĐ/năm, mang lại ROI dương ngay trong năm tài chính đầu tiên triển khai.

Kết luận

Khóa luận tốt nghiệp "Nâng cao hiệu quả sử dụng tài sản ngắn hạn tại Công ty Trách nhiệm hữu hạn Xây dựng Công nghiệp Olympia" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Đề tài không chỉ dừng lại ở việc phản ánh bức tranh tài chính trung thực qua các chỉ số BCTC giai đoạn 2020 – 2022 mà còn đóng góp giải pháp mang tính ứng dụng thực tiễn cao thông qua việc mô hình hóa định lượng các quyết định tài chính.

Việc phối hợp đồng bộ giữa mô hình dự trữ tiền mặt Baumol, định mức tồn kho tối ưu EOQ, quy trình thẩm định bán chịu theo NPV và kỹ thuật phân rã DuPont là kim chỉ nam giúp các doanh nghiệp xây lắp vừa và nhỏ tại Việt Nam gia tăng nội lực, củng cố tính tự chủ tài chính và bứt phá lợi nhuận bền vững trong kỷ nguyên kinh tế mới. Quý doanh nghiệp và bạn đọc quan tâm có thể áp dụng ngay khung kiến trúc và mã nguồn được cung cấp để chuẩn hóa quy trình quản trị vốn lưu động tại đơn vị mình.