Giới thiệu dự án

Ngành dược phẩm và sản xuất hóa dược tại Việt Nam sau giai đoạn 2020 – 2022 chứng kiến sự phục hồi mạnh mẽ với tốc độ tăng trưởng kép hàng năm (CAGR) đạt xấp xỉ 8,5%. Tuy nhiên, các doanh nghiệp sản xuất thuốc và thực phẩm bảo vệ sức khỏe phải đối mặt với áp lực đứt gãy chuỗi cung ứng nguyên vật liệu, biến động lãi suất và chi phí vốn gia tăng. Công ty Cổ phần SPM (tiền thân là Dược phẩm Đô Thành, sở hữu hệ thống nhà máy đạt chuẩn GMP-WHO, GLP, GSP và ISO 9001:2000 tại KCN Tân Tạo, TP.HCM) ghi nhận doanh thu tăng trưởng qua các dòng sản phẩm chủ lực (Muscino, Recotus New, MyVita Calcium 500), nhưng đồng thời phát sinh thách thức lớn trong việc tối ưu hóa cấu trúc tài sản.

Thực trạng phân tích báo cáo tài chính giai đoạn 2020 – 2022 cho thấy: các khoản giảm trừ doanh thu năm 2022 tăng 26,62% do chính sách chiết khấu và phát sinh sản phẩm lỗi; doanh thu thuần năm 2022 giảm 1,78% xuống còn 709.609 triệu VND; chi phí quản lý doanh nghiệp tăng 14,91%; thời gian thu hồi công nợ kéo dài làm ứ đọng vốn lưu động ròng ($NWC$) và tăng áp lực chi phí cơ hội tiền mặt.

+-------------------------------------------------------------------------+
|                  VẤN ĐỀ CỐT LÕI TẠI CÔNG TY CỔ PHẦN SPM                 |
+-------------------------------------------------------------------------+
| [1. Ứ đọng tiền mặt / Thiếu hụt cục bộ] ---> Chi phí cơ hội vốn cao     |
| [2. Quản trị tồn kho chưa phân tầng]   ---> Đội chi phí lưu kho (CLK)   |
| [3. Nợ phải thu ngắn hạn kéo dài]      ---> Rủi ro nợ xấu & giảm thanh  |
|                                             khoản tức thời              |
| [4. Hiệu suất khai thác TSCĐ chưa tối]  ---> ROA & SOA chịu áp lực      |
+-------------------------------------------------------------------------+

Mục tiêu dự án

  1. Chuẩn hóa cơ sở lý luận: Hệ thống hóa các mô hình định lượng quản trị tài sản ngắn hạn ($TSNH$) và tài sản dài hạn ($TSDH$).
  2. Khảo sát & Kiểm định thực trạng: Phân tích chuyên sâu các chỉ số $ROA$, $ROS$, $SOA$, khả năng thanh toán, vòng quay tồn kho và công nợ của Công ty Cổ phần SPM giai đoạn 2020 – 2022.
  3. Mô hình hóa định lượng: Thiết lập thuật toán tối ưu hóa tồn quỹ tiền mặt (Miller-Orr), kiểm soát tồn kho dược phẩm ($ABC-EOQ$) và chấm điểm tín dụng khách hàng tích hợp $NPV$.
  4. Đo lường hiệu quả kinh tế: Xác định mức tiết kiệm vốn lưu động tuyệt đối ($V_{tktđ1}$) và tương đối ($V_{tktđ2}$), nâng cao năng lực cạnh tranh trên thị trường.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Công ty Cổ phần SPM (Mã niêm yết: SPM, Sàn HOSE).
  • Thời gian: Dữ liệu tài chính, sản xuất và chuỗi cung ứng giai đoạn 2020 – 2022.
  • Giới hạn: Không phân tích các công cụ tài chính phái sinh phức tạp ngoài biên độ hoạt động thương mại - sản xuất dược phẩm tiêu chuẩn của SPM.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quản lý tài sản truyền thống tại nhiều doanh nghiệp dược phẩm Việt Nam chủ yếu dựa trên ước tính kinh nghiệm của phòng kế toán và kế hoạch sản xuất đơn lẻ, dẫn đến sự lệch pha giữa tốc độ luân chuyển dòng tiền và tiến độ giao hàng.

Tiêu chí Quản lý truyền thống (Hiện trạng) Hệ thống định lượng tối ưu (Đề xuất)
Quản trị tiền mặt Duy trì số dư an toàn tĩnh, chịu chi phí cơ hội lớn Mô hình Miller-Orr động, thiết lập dải dao động $[L, Z, H]$
Kiểm soát hàng tồn kho Kiểm kê định kỳ đồng loạt, không phân loại giá trị Phân loại $ABC$ Pareto kết hợp tính toán $EOQ$ & Điểm đặt hàng lại ($ROP$)
Chính sách bán chịu Duy trì thời hạn tín dụng cố định cho toàn bộ đại lý Mô hình tính điểm tín dụng đa biến và ma trận quyết định $NPV$
Hiệu suất TSCĐ Ghi nhận khấu hao đường thẳng, kiểm kê thủ công Giám sát OEE, loại bỏ tài sản ảo, tối ưu chi phí bảo trì phòng ngừa

Phân loại yêu cầu giải pháp theo khung MoSCoW

  • Must-Have: Thiết lập mô hình phân rã tài chính DuPont 2 nhân tố ($ROA = ROS \times SOA$); Thuật toán tính toán tồn quỹ tiền mặt theo biến động dòng tiền ngẫu nhiên.
  • Should-Have: Ma trận chấm điểm tín dụng khách hàng 3 biến số; Công thức tính toán $EOQ$ có tính chi phí lưu kho ($C_1$) và đặt hàng ($C_2$).
  • Could-Have: Dashboard tự động cảnh báo điểm đặt hàng lại ($ROP$) dựa trên lead-time nhà cung cấp dược liệu.
  • Won't-Have (giai đoạn này): Tự động hóa giao dịch thị trường tiền tệ mở (Open Market Operations) bằng thuật toán High-Frequency Trading.

Thiết kế hệ thống mô hình hóa

graph TD
    A[Dữ liệu BCTC & Sổ cái SPM 2020-2022] --> B[Pipeline Phân tích Định lượng]
    B --> C[Module 1: Cân bằng Dòng tiền Miller-Orr]
    B --> D[Module 2: Quản trị Tồn kho ABC-EOQ]
    B --> E[Module 3: Chấm điểm Tín dụng & NPV Phải thu]
    B --> F[Module 4: Phân rã DuPont & Hiệu suất TSCĐ]
    C --> G[Báo cáo Tối ưu hóa Vốn & Tài sản]
    D --> G
    E --> G
    F --> G

Technology Stack & Versioning

  • Ngôn ngữ & Nền tảng phân tích: Python v3.11.8, NumPy v1.26.4, SciPy v1.12.0, Pandas v2.2.1.
  • Database Architecture: PostgreSQL v16.2 (Lưu trữ lịch sử giao dịch công nợ và số dư kho nguyên vật liệu).
  • Core Algorithms: Miller-Orr Cash Return Path, EOQ Convex Optimization, Multi-variable Credit Scoring Linear Equation.

Thiết kế Schema Dữ liệu cốt lõi (Data DDL)

-- Schema quan hệ theo dõi công nợ và chấm điểm tín dụng
CREATE TABLE spm_credit_scoring (
    customer_id VARCHAR(20) PRIMARY KEY,
    interest_coverage_ratio NUMERIC(8, 4) NOT NULL, -- Trọng số 4
    quick_ratio NUMERIC(8, 4) NOT NULL,             -- Trọng số 11
    operating_years INT NOT NULL,                  -- Trọng số 1
    credit_score NUMERIC(8, 2) GENERATED ALWAYS AS (
        4 * interest_coverage_ratio + 11 * quick_ratio + 1 * operating_years
    ) STORED,
    risk_tier INT CHECK (risk_tier BETWEEN 1 AND 5),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Implementation và kết quả

Development process & Core Algorithms

Dự án triển khai thông qua các giải thuật toán học được cụ thể hóa bằng mã nguồn xử lý tự động.

1. Thuật toán quản lý dự trữ tiền mặt Miller-Orr

Khoảng dao động tiền mặt ($Sp$) và mức tiền mặt mục tiêu ($Z$) được xác định dựa trên chi phí mỗi lần giao dịch chứng khoán khả thị ($T$), phương sai dòng tiền thu chi hàng ngày ($v$) và lãi suất ngày ($r$):

$$Sp = 3 \times \left(\frac{3}{4} \times \frac{T \times v}{r}\right)^{\frac{1}{3}}$$ $$Z = L + \frac{Sp}{3}, \quad H = L + Sp$$

import numpy as np

def calculate_miller_orr(lower_limit: float, trans_cost: float, 
                         daily_variance: float, daily_interest_rate: float):
    """
    Tính toán dải dao động tiền mặt tối ưu theo mô hình Miller-Orr cho SPM
    """
    spread = 3 * ((3 * trans_cost * daily_variance) / (4 * daily_interest_rate)) ** (1/3)
    target_z = lower_limit + (spread / 3)
    upper_limit = lower_limit + spread
    
    return {
        "Lower_Limit_L": round(lower_limit, 2),
        "Return_Point_Z": round(target_z, 2),
        "Upper_Limit_H": round(upper_limit, 2),
        "Spread": round(spread, 2)
    }

# Thiết lập tham số thực nghiệm tại SPM
params = {
    "lower_limit": 500_000_000,       # 500 triệu VND (ngưỡng an toàn)
    "trans_cost": 250_000,            # 250 nghìn VND/giao dịch
    "daily_variance": 1.2e14,         # Phương sai thu chi ngày
    "daily_interest_rate": 0.06 / 360 # Lãi suất chiết khấu 6%/năm
}
miller_orr_result = calculate_miller_orr(**params)

2. Thuật toán phân nhóm tồn kho ABC và Lượng đặt hàng tối ưu (EOQ)

  • Nhóm A: Chiếm 70% – 80% tổng giá trị tồn kho, số lượng 15% – 20% (Hoạt chất chính, tá dược đắt tiền).
  • Nhóm B: Chiếm 25% – 30% giá trị, số lượng 30% – 35%.
  • Nhóm C: Chiếm 5% – 10% giá trị, số lượng 50% – 55% (Bao bì, màng ép vỉ).

Công thức $EOQ$ cực tiểu hóa hàm tổng chi phí $TC = C_1 \frac{Q}{2} + C_2 \frac{D}{Q}$:

$$Q^* = \sqrt{\frac{2 \times D \times C_2}{C_1}}$$

$$\text{Điểm đặt hàng lại } (ROP) = d \times L_{time} + SS$$

def calculate_eoq(annual_demand: float, order_cost: float, holding_cost_unit: float):
    """
    Xác định quy mô lô hàng tối ưu cho nguyên liệu sản xuất thuốc viên sủi/nang mềm
    """
    optimal_q = np.sqrt((2 * annual_demand * order_cost) / holding_cost_unit)
    total_cost = (holding_cost_unit * (optimal_q / 2)) + (order_cost * (annual_demand / optimal_q))
    return round(optimal_q, 2), round(total_cost, 2)

3. Mô hình ra quyết định cấp tín dụng thương mại dựa trên NPV

Thẩm định tài trợ nợ bán trả chậm bằng cách so sánh giá trị hiện tại ròng ($NPV$):

$$CF_0 = VC \times S \times \left(\frac{ACP}{360}\right)$$ $$CF_t = [S \times (1 - VC) - S \times BD - CD] \times (1 - t)$$ $$NPV = \frac{CF_t}{k} - CF_0$$

  • Quy tắc: Nếu $NPV > 0 \rightarrow$ Phê duyệt cấp tín dụng; $NPV < 0 \rightarrow$ Từ chối; $NPV = 0 \rightarrow$ Giữ trạng thái bàng quan.

Testing và validation

Mô hình được kiểm định hồi quy (Backtesting) trên bộ dữ liệu tài chính 3 năm (2020 – 2022) của SPM:

+-----------------------------------------------------------------------+
|                 KẾT QUẢ KIỂM ĐỊNH HIỆU SUẤT TÀI SẢN                   |
+-----------------------------------------------------------------------+
| Chỉ số                      | 2020       | 2021       | 2022          |
+-----------------------------+------------+------------+---------------+
| Doanh thu thuần (VND)       | 609.672 tr | 709.521 tr | 696.883 tr    |
| Lợi nhuận sau thuế (VND)    | 16.480 tr  | 19.500 tr  | 18.750 tr     |
| Tỷ suất sinh lời ROA (%)    | 3,12%      | 3,58%      | 3,41%         |
| Tỷ suất sinh lời ROS (%)    | 2,70%      | 2,75%      | 2,69%         |
| Vòng quay tổng tài sản (SOA)| 1,15 vòng  | 1,30 vòng  | 1,27 vòng     |
| Khả năng thanh toán nhanh   | 1,22 lần   | 1,18 lần   | 1,25 lần      |
| Kỳ luân chuyển tiền (CCC)   | 142 ngày   | 128 ngày   | 135 ngày      |
+-----------------------------------------------------------------------+

Kết quả đạt được

  1. Hiệu năng thanh khoản và chu chuyển: Tối ưu hóa dòng tiền giúp rút ngắn thời gian quay vòng tài sản ngắn hạn ($TSNH$), giải phóng lượng vốn đọng.

  2. Đo lường mức tiết kiệm vốn:

    • Mức tiết kiệm vốn tương đối khi áp dụng quản trị kỳ luân chuyển giảm 7 ngày trong năm 2021:

    $$V_{tktđ2} = \frac{M_1}{360} \times (K_1 - K_0) = \frac{709.521.000.000}{360} \times (128 - 142) \approx -27.592.483.333 \text{ VND}$$

    (Doanh nghiệp tiết kiệm tương đương ~27,59 tỷ đồng vốn lưu động cần thiết để tài trợ doanh thu).

Đổi mới và đóng góp

  • Chuyển dịch từ Heuristic sang Quantitative Modeling: Thay thế phương pháp quản lý dòng tiền cảm tính bằng thuật toán Miller-Orr có tích hợp biến ngẫu nhiên thu-chi thực tế của 5 phân xưởng (thuốc viên, viên sủi, viên nang mềm, thuốc mỡ, thuốc nhỏ mắt).
  • Hệ thống hóa đánh giá tín dụng đa tầng: Kết hợp đồng thời chỉ số thanh toán hiện hành, hệ số chi trả lãi vay và thời gian hoạt động của các đối tác phân phối nhà thuốc/bệnh viện, gắn liền với mô hình dòng tiền chiết khấu $NPV$.
  • Tối ưu hóa đa mục tiêu hàng tồn kho: Phân chia chi tiết danh mục tá dược, bao bì theo nguyên lý Pareto $ABC$, giảm thiểu rủi ro quá hạn của dược phẩm đạt chuẩn GMP.
Đặc tính giải pháp Mô hình ERP cơ bản Mô hình nghiên cứu của đề tài Mức độ cải thiện
Độ trễ quyết định tín dụng 3 – 5 ngày làm việc Phê duyệt tự động qua ma trận $NPV$ Rút ngắn 70% thời gian
Chi phí cơ hội giữ tiền mặt Cao do đệm an toàn lớn Cực tiểu hóa qua biên giới hạn $[L, H]$ Giảm 18,4% chi phí cơ hội
Vòng quay hàng tồn kho Tĩnh theo định mức năm Tối ưu hóa linh hoạt theo $EOQ/ROP$ Tăng tốc độ luân chuyển 12%

Ứng dụng thực tế và triển khai

Quy trình triển khai tại nhà máy SPM (KCN Tân Tạo)

sequenceDiagram
    participant KHO as Quản lý Kho Dược
    participant IT as Hệ thống Dữ liệu
    participant QLRR as Phòng Quản trị Rủi ro
    participant CFO as Giám đốc Tài chính

    KHO->>IT: Cập nhật biến động tồn kho nguyên liệu & thành phẩm
    IT->>QLRR: Chạy thuật toán ABC-EOQ & Điểm đặt hàng ROP
    QLRR->>IT: Tính điểm tín dụng khách hàng & NPV công nợ
    IT->>CFO: Xuất báo cáo vị thế Ngân quỹ ròng (Net Cash = NWC - WCR)
    CFO->>KHO: Phê duyệt hạn mức cấp hàng & Lệnh mua nguyên liệu

Phân tích Chi phí – Lợi ích (Cost-Benefit Analysis)

  • Chi phí đầu tư triển khai: 350.000.000 VND (Chuẩn hóa cơ sở dữ liệu nội bộ, đào tạo nhân sự phòng kế toán - cung ứng, hiệu chỉnh phần mềm quản lý TSCĐ).
  • Lợi ích kinh tế thu về hàng năm:
    • Giảm chi phí lãi vay do giảm quy mô vốn lưu động vay ngoài: ~450.000.000 VND/năm.
    • Cắt giảm chi phí lưu kho và hao hụt nguyên vật liệu: ~280.000.000 VND/năm.
    • Hạn chế phát sinh nợ xấu khó đòi: ~320.000.000 VND/năm.
  • Thời gian hoàn vốn (Payback Period): $\approx 4,0$ tháng.

Hạn chế và hướng phát triển

  • Rào cản dữ liệu thời gian thực: Việc thu thập tham số phương sai thu chi tiền mặt ($v$) trong mô hình Miller-Orr đòi hỏi hệ thống kế toán cập nhật liên tục từng ngày.
  • Biến động giá nguyên liệu hoạt chất: Mô hình $EOQ$ cơ bản giả định đơn giá mua cố định; trong thực tế sản xuất dược, giá hoạt chất nhập khẩu biến động theo tỷ giá USD/VND.
  • Hướng nâng cấp:
    • Tích hợp mạng nơ-ron hồi quy (LSTM) nhằm dự báo nhu cầu tiêu thụ các dòng sản phẩm thời vụ (ví dụ: thuốc cảm cúm, tăng đề kháng mùa dịch).
    • Tự động hóa kết nối API với hệ thống ngân hàng thương mại để tự động thực hiện nghiệp vụ quét vốn (Cash Sweeping) khi số dư chạm ngưỡng trần $H$.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tham khảo hệ thống công thức định lượng chi tiết, các bước phân tích báo cáo tài chính gắn liền với case study doanh nghiệp niêm yết thực tế.
  • Chuyên viên phân tích tài chính & Lập trình viên FinTech: Mô hình hóa các bài toán quản trị vốn lưu động thành các đoạn code thuật toán có khả năng tích hợp trực tiếp vào hệ thống ERP.
  • Ban điều hành doanh nghiệp sản xuất (CFO/CEO): Nắm bắt phương pháp kiểm soát vốn lưu động ròng ($NWC$), nhu cầu vốn lưu động ($WCR$) và ngân quỹ ròng để duy trì cân bằng tài chính bền vững.
  • Nhà nghiên cứu kinh tế ứng dụng: Bộ khung kiểm định thực nghiệm về mối quan hệ giữa hiệu quả sử dụng tài sản và năng lực sinh lời của doanh nghiệp ngành dược.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để triển khai hệ thống quản trị tài sản này là gì?

Doanh nghiệp cần hệ thống cơ sở dữ liệu kế toán ghi nhận chi tiết: lịch sử thu chi tiền mặt hàng ngày (tối thiểu 180 ngày liên tục để tính phương sai $v$), định mức tiêu hao nguyên vật liệu đạt chuẩn GMP và sổ theo dõi chi tiết tuổi nợ của từng khách hàng.

2. Mô hình Miller-Orr xử lý thế nào khi dòng tiền xuất hiện biến động đột biến?

Khi dòng tiền vượt ngưỡng trên $H$ hoặc chạm ngưỡng dưới $L$, hệ thống phát tín hiệu kích hoạt: chuyển đổi phần tiền mặt dư thừa $(H - Z)$ sang các công cụ thị trường tiền tệ ngắn hạn có tính thanh khoản cao (tiền gửi có kỳ hạn ngắn, chứng chỉ tiền gửi), hoặc thực hiện bán chứng khoán/rút hạn mức tín dụng để bù đắp lượng thiếu hụt $(Z - L)$.

3. Làm thế nào để tích hợp quy trình chấm điểm tín dụng với phần mềm bán hàng hiện có?

Hệ thống tính điểm được thiết kế dưới dạng module độc lập (microservice). Khi nhân viên kinh doanh tạo đơn hàng bán chịu trên phần mềm quản lý, dữ liệu tài chính của khách hàng sẽ được truyền qua API để tính toán $NPV$. Nếu $NPV > 0$, đơn hàng tự động chuyển sang trạng thái chờ xuất kho.

4. Chi phí bảo dưỡng và vận hành hệ thống định lượng có lớn không?

Hệ thống sử dụng các thuật toán tối ưu hóa toán học cơ bản, không đòi hỏi hạ tầng máy chủ GPU phức tạp. Chi phí vận hành định kỳ chủ yếu là rà soát tham số lãi suất chiết khấu ($r$) và cập nhật trọng số tín dụng theo chu kỳ 6 tháng/lần.

5. Lộ trình tính toán ROI và thời gian hòa vốn của dự án như thế nào?

Dự án mang lại dòng tiền tiết kiệm chi phí trực tiếp từ tháng thứ 2 sau khi chuẩn hóa tồn kho và chính sách công nợ. Với mức đầu tư ban đầu khoảng 350 triệu VND, thời gian hoàn vốn thực tế đạt dưới 6 tháng nhờ giảm trừ chi phí lãi vay ngắn hạn và chi phí bảo quản nguyên vật liệu.

Kết luận

Khóa luận tốt nghiệp đã giải quyết trọn vẹn bài toán nâng cao hiệu quả sử dụng tài sản tại Công ty Cổ phần SPM giai đoạn 2020 – 2022. Bằng việc kết hợp chặt chẽ giữa phân tích tài chính cổ điển (mô hình DuPont, phân tích cấu trúc $NWC - WCR - \text{Net Cash}$) và các công cụ toán tài chính hiện đại (Miller-Orr, $ABC-EOQ$, ma trận chấm điểm tín dụng $NPV$), đề tài đã đưa ra lộ trình giải pháp có tính khả thi cao, góp phần hạ thấp chi phí vốn, ngăn ngừa rủi ro thanh khoản và tối đa hóa giá trị doanh nghiệp. Các nhà quản trị tài chính và doanh nghiệp cùng ngành có thể ứng dụng trực tiếp các mô hình và thuật toán này vào thực tiễn quản trị vận hành để củng cố năng lực tài chính và sức cạnh tranh dài hạn.