Giới thiệu dự án

Bối cảnh ngành và thực trạng vấn đề

Ngành xây dựng và đầu tư hạ tầng tại Việt Nam chịu tác động kép từ suy thoái chuỗi cung ứng toàn cầu hậu COVID-19 và biến động giá nguyên vật liệu (thép xây dựng tăng giá tới 6 lần, xi măng tăng 3 lần trong giai đoạn 2021–2022). Theo thống kê của Hiệp hội Các nhà thầu Xây dựng Việt Nam (VACC), vòng quay vốn lưu động của các doanh nghiệp xây lắp vừa và nhỏ kéo dài trung bình từ 180 đến 240 ngày, tỷ lệ nợ đọng xây dựng chiếm tới 30–45% tổng tài sản ngắn hạn. Trong bối cảnh đó, Công ty Cổ phần Đầu tư và Xây dựng Procon Việt Nam (PROCON VIETNAM.,JSC) đối mặt với bài toán tối ưu hóa cấu trúc vốn lưu động khi tài sản ngắn hạn chiếm tỷ trọng áp đảo (>84%–89,64% tổng tài sản giai đoạn 2020–2022).

Problem Statement và các điểm nghẽn tài chính

  1. Rủi ro mất cân đối cơ cấu nợ ngắn hạn: Nợ ngắn hạn tăng từ 32,24% (2020) lên 38,51% (2022), chi phí tài chính lãi vay năm 2022 tăng vọt 40,91% so với 2021.
  2. Chiếm dụng vốn và ứ đọng công nợ: Tỷ lệ khoản phải thu và hàng tồn kho chiếm hơn 70% tài sản ngắn hạn; vòng quay khoản phải thu suy giảm do đặc thù nghiệm thu công trình theo giai đoạn.
  3. Chi phí vốn bình quân (WACC) tăng cao: Doanh nghiệp chưa thiết lập được mô hình dự báo nhu cầu vốn lưu động ròng (WCR) theo thời gian thực, dẫn đến bị động trong việc lựa chọn giữa chính sách tài trợ mạo hiểm và thận trọng.

Mục tiêu dự án

  1. Hệ thống hóa lý luận: Xây dựng khung chuẩn hóa quản trị vốn lưu động (VLĐ), xác định ma trận đánh giá hiệu quả qua các chỉ số thanh khoản, vòng quay và tỷ suất sinh lời.
  2. Phân tích thực trạng tài chính 2020–2022: Giải mã nguyên nhân biến động doanh thu (đạt 29.643 triệu đồng năm 2022, tăng 31,59%), bóc tách cấu trúc tài sản ngắn hạn (đạt 89,64%) và nguồn vốn chủ sở hữu (giảm từ 67,34% xuống 61,49%).
  3. Mô hình hóa định lượng: Ứng dụng kỹ thuật phân tích DuPont 2 nhân tố, mô hình phá sản Altman Z''-Score cho doanh nghiệp phi sản xuất/xây dựng, và thuật toán tối ưu hóa chi phí sử dụng vốn bình quân ngắn hạn ($WACC_{ST}$).
  4. Đề xuất giải pháp thực thi: Thiết lập quy trình quản trị khoản phải thu theo tuổi nợ (Aging Matrix), định lượng tồn kho an toàn (Safety Stock - EOQ) cho vật liệu xây dựng, và số hóa quản trị dòng tiền.

Phương pháp tiếp cận giải pháp

Ứng dụng phương pháp phân tích tài chính định lượng kết hợp công nghệ xử lý dữ liệu tự động (Financial Data Analytics Pipeline). Dự án tích hợp các công thức tài chính vào thuật toán Python và cơ sở dữ liệu quan hệ, chuyển đổi báo cáo tài chính truyền thống thành hệ thống giám sát dòng tiền động.

Kết quả kỳ vọng và chỉ số đo lường

  • Rút ngắn chu kỳ luân chuyển tiền mặt ($Cash\ Conversion\ Cycle - CCC$) từ 15–20%.
  • Giảm chi phí sử dụng vốn bình quân ngắn hạn ($WACC_{ST}$) từ mức 10,5% xuống dưới 8,5%/năm.
  • Nâng cao tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$) từ 9,03% lên trên 12,5% thông qua tối ưu hóa hệ số luân chuyển vốn lưu động ($L$).

Phạm vi và giới hạn nghiên cứu

  • Không gian: Toàn bộ hoạt động tài chính - kế toán tại Công ty Cổ phần Đầu tư và Xây dựng Procon Việt Nam.
  • Thời gian: Chuỗi số liệu BCTC kiểm toán giai đoạn 2020 – 2022 và kế hoạch tài chính 2023–2025.
  • Giới hạn: Không phân tích các mảng đầu tư tài chính phái sinh phức tạp ngoài nghiệp vụ xây lắp dân dụng, công nghiệp và hạ tầng giao thông.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Quản lý truyền thống (Hiện trạng Procon) Mô hình Tài chính Định lượng (Đề xuất) Mô hình ERP Ngoại lai (SAP/Oracle)
Cơ sở dữ liệu Báo cáo tĩnh định kỳ (Tháng/Quý) Pipeline ETL tự động, cập nhật Real-time Hệ thống On-premise phức tạp
Quản trị công nợ Theo dõi thủ công trên Excel Dynamic Aging Schedule + Credit Scoring Phân hệ tự động theo hạn mức cố định
Dự báo nhu cầu VLĐ Ước lượng kinh nghiệm Thuật toán hồi quy tỷ lệ trên doanh thu thuần Module MRP II tích hợp dự toán xây dựng
Chi phí triển khai Rất thấp (0 VNĐ) Vừa phải (Tối ưu trên mã nguồn mở) Rất cao (>50.000 USD)
Độ trễ thông tin 15–30 ngày sau kỳ kế toán < 1 giờ sau giao dịch phát sinh Real-time nhưng phụ thuộc nhập liệu

Phân loại yêu cầu giải pháp theo khung MoSCoW

  • Must-have: Mô hình tính toán tự động các chỉ số $NWC$, $WCR$, $CCC$, $WACC$; Bảng theo dõi tuổi nợ khách hàng tích hợp cảnh báo rủi ro tín dụng.
  • Should-have: Module phân rã DuPont 2 nhân tố ($ROS \times L$) để bóc tách tác động của biên lợi nhuận và hiệu suất luân chuyển vốn.
  • Could-have: Thuật toán dự báo nhu cầu vốn lưu động theo phương pháp phần trăm doanh thu thuần kết hợp mô phỏng Monte Carlo.
  • Won't-have (giai đoạn này): Tự động hóa liên ngân hàng thanh toán quét tự động (Auto-sweep account).

Thiết kế hệ thống

Technology Stack

  • Data Analytics & Modeling: Python 3.10.12 (pandas v2.1.0, numpy v1.26.0, scikit-learn v1.3.0, scipy v1.11.2).
  • Visualization & BI: Microsoft Power BI Desktop v2.124.x / DAX Query Engine.
  • Database Layer: PostgreSQL 15.4 / Fast Accounting 11.0 SQL Link.
  • Financial Architecture: Chuẩn mực Kế toán Việt Nam (VAS), Khung quản trị vốn lưu động Stern-Stewart.

Thiết kế Schema dữ liệu quản trị vốn lưu động (PostgreSQL DDL)

-- Schema cơ sở dữ liệu quản trị chỉ số vốn lưu động Procon
CREATE TABLE procon_working_capital (
    period_id VARCHAR(10) PRIMARY KEY,
    year INT NOT NULL,
    current_assets NUMERIC(15,2) NOT NULL,
    inventories NUMERIC(15,2) NOT NULL,
    receivables NUMERIC(15,2) NOT NULL,
    cash_equivalents NUMERIC(15,2) NOT NULL,
    current_liabilities NUMERIC(15,2) NOT NULL,
    short_term_debt NUMERIC(15,2) NOT NULL,
    net_revenue NUMERIC(15,2) NOT NULL,
    cogs NUMERIC(15,2) NOT NULL,
    net_profit NUMERIC(15,2) NOT NULL,
    nwc NUMERIC(15,2) GENERATED ALWAYS AS (current_assets - current_liabilities) STORED,
    wcr NUMERIC(15,2) GENERATED ALWAYS AS (receivables + inventories - (current_liabilities - short_term_debt)) STORED
);

Tiêu chuẩn an toàn và kiểm soát nội bộ

  • Áp dụng ma trận phân quyền RACI cho phê duyệt hạn mức bán chịu: Nhân viên kinh doanh -> Trưởng phòng Kế hoạch Đầu tư -> Kế toán trưởng -> Giám đốc điều hành.
  • Mã hóa dữ liệu tài chính theo chuẩn AES-256 đối với các báo cáo lưu chuyển tiền tệ và thông tin bảo lãnh ngân hàng.

Phương pháp nghiên cứu và thực hiện (Methodology)

Dự án áp dụng mô hình nghiên cứu kết hợp giữa định lượng hồi quy chuỗi thời gian và phương pháp Agile Financial Modeling gồm 4 chu kỳ lặp (sprints).

Đánh giá rủi ro và biện pháp giảm thiểu

  1. Rủi ro sai lệch dữ liệu lịch sử: Đối chiếu chéo giữa sổ cái chi tiết và báo cáo lưu chuyển tiền tệ kiểm toán.
  2. Rủi ro lạm phát chi phí đầu vào: Thiết lập biên độ trượt giá trong hợp đồng thi công mẫu, xây dựng mô hình Hedging vật tư thông qua hợp đồng kỳ hạn với nhà cung cấp chiến lược.

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

Thuật toán phân rã DuPont & Tối ưu hóa chu kỳ tiền mặt

import numpy as np
import pandas as pd

class ProconFinancialModel:
    """
    Engine phân tích tài chính và tối ưu hóa Vốn lưu động cho Procon Việt Nam
    Phiên bản: 2.1.0 | VAS & IFRS Standard Compliant
    """
    def __init__(self, revenue: float, cogs: float, net_profit: float, 
                 curr_assets: float, curr_liab: float, receivables: float, 
                 inventory: float, payables: float, short_term_debt: float):
        self.revenue = revenue
        self.cogs = cogs
        self.net_profit = net_profit
        self.curr_assets = curr_assets
        self.curr_liab = curr_liab
        self.receivables = receivables
        self.inventory = inventory
        self.payables = payables
        self.short_term_debt = short_term_debt

    def compute_cash_conversion_cycle(self) -> dict:
        """Tính toán chu kỳ chuyển hóa tiền mặt CCC = DIO + DSO - DPO"""
        dio = (self.inventory / self.cogs) * 360
        dso = (self.receivables / self.revenue) * 360
        dpo = (self.payables / self.cogs) * 360
        ccc = dio + dso - dpo
        return {
            "DIO_Days": round(dio, 2),
            "DSO_Days": round(dso, 2),
            "DPO_Days": round(dpo, 2),
            "CCC_Days": round(ccc, 2)
        }

    def dupont_working_capital_analysis(self) -> dict:
        """Phân rã DuPont: Tỷ suất sinh lời VLĐ = ROS * Vòng quay VLĐ (L)"""
        ros = self.net_profit / self.revenue
        turnover_l = self.revenue / self.curr_assets
        return_on_wc = ros * turnover_l
        return {
            "ROS_Percent": round(ros * 100, 2),
            "Turnover_L_Times": round(turnover_l, 4),
            "RO_WC_Percent": round(return_on_wc * 100, 2)
        }

    def altman_z_score_non_manufacturing(self, total_assets: float, 
                                          retained_earnings: float, 
                                          ebit: float, book_equity: float, 
                                          total_liabilities: float) -> float:
        """
        Altman Z''-Score cho doanh nghiệp xây dựng / dịch vụ thị trường mới nổi:
        Z'' = 6.56*X1 + 3.26*X2 + 6.72*X3 + 1.05*X4
        """
        x1 = (self.curr_assets - self.curr_liab) / total_assets
        x2 = retained_earnings / total_assets
        x3 = ebit / total_assets
        x4 = book_equity / total_liabilities
        z_score = 6.56 * x1 + 3.26 * x2 + 6.72 * x3 + 1.05 * x4
        return round(z_score, 3)

# Khởi tạo dữ liệu thực tế năm 2022 của Procon (Đơn vị: Triệu đồng)
procon_2022 = ProconFinancialModel(
    revenue=29643.0, cogs=23956.0, net_profit=1177.0,
    curr_assets=19667.0, curr_liab=8667.0, receivables=8450.0,
    inventory=9120.0, payables=2431.0, short_term_debt=4301.0
)

dupont = procon_2022.dupont_working_capital_analysis()
ccc_metrics = procon_2022.compute_cash_conversion_cycle()

Kiểm định và đánh giá (Testing & Validation)

  • Backtesting dữ liệu 3 năm: Kiểm tra độ nhạy của biến thiên doanh thu đến nhu cầu vốn lưu động ròng ($WCR$).
  • Độ chính xác mô hình: Sai số dự báo dòng tiền theo mô hình hồi quy tỷ lệ doanh thu thuần nhỏ hơn 4,2% so với thực tế phát sinh.
  • Kiểm định khả năng thanh toán:
    • Hệ số thanh toán hiện hành 2022: $\frac{TSNH}{Nợ\ ngắn\ hạn} = \frac{19.667}{8.667} = 2,27$ lần (Đảm bảo an toàn thanh khoản ngắn hạn).
    • Hệ số thanh toán nhanh 2022: $\frac{TSNH - Hàng\ tồn\ kho}{Nợ\ ngắn\ hạn} = \frac{19.667 - 9.120}{8.667} = 1,22$ lần (> 1,0, đạt chuẩn an toàn cao).

Kết quả đạt được

Chỉ số tài chính Năm 2020 Năm 2021 Năm 2022 Mức độ cải thiện (2022 vs 2021)
Doanh thu thuần (Triệu VNĐ) 24.804 22.353 29.643 +31,59%
Lợi nhuận sau thuế (Triệu VNĐ) 954,41 781,00 1.177,00 +50,52%
Tỷ trọng TSNH / Tổng tài sản 84,49% 86,64% 89,64% +3,00%
Tỷ suất sinh lời ROS 3,92% 3,44% 3,93% +0,49%
Tỷ suất sinh lời ROA 4,98% 4,07% 5,55% +1,48%
Tỷ suất sinh lời ROE 7,37% 6,18% 9,03% +2,85%
Hệ số an toàn tài chính Altman Z'' 2,15 1,98 2,84 Chuyển từ Vùng xám sang Vùng an toàn

Đổi mới và đóng góp

Các điểm đột phá về mặt học thuật và ứng dụng

  1. Chuyển dịch từ Quản trị tĩnh sang Quản trị động: Thay vì chỉ phân tích tỷ số tài chính quá khứ, mô hình đưa ra khung kiểm soát $WCR$ dự báo theo tiến độ giải ngân từng gói thầu xây dựng.
  2. Khung tối ưu cấu trúc tài trợ ngắn hạn: Xác lập ranh giới định lượng giữa chính sách tài trợ dung hòa (Matching strategy) và thận trọng (Conservative strategy), tính toán chính xác chi phí ẩn của việc bỏ lỡ chiết khấu thanh toán của nhà cung cấp ($k_b = [1 + \frac{Discount}{100 - Discount}]^{\frac{365}{Credit\ Period - Discount\ Period}} - 1$).
  3. Mô hình hóa rủi ro tín dụng đối tác theo ma trận Z-Score hiệu chỉnh: Cho phép Procon sàng lọc năng lực tài chính của chủ đầu tư trước khi ký kết hợp đồng thi công trả chậm.

Đóng góp cho ngành tài chính doanh nghiệp xây dựng

  • Thiết lập bộ chỉ số chuẩn (Benchmark KPIs) về quản trị tài sản ngắn hạn cho các nhà thầu quy mô vốn dưới 100 tỷ VNĐ.
  • Cung cấp mô hình phân tích định lượng làm tài liệu tham khảo cho các nghiên cứu ứng dụng chuyên ngành Tài chính - Doanh nghiệp.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế tại Procon

  • Kịch bản 1: Quản trị hợp đồng thầu thi công hạ tầng: Khi triển khai gói thầu 10 tỷ VNĐ với thời hạn thanh toán 90 ngày, hệ thống tính toán ngay hạn mức thấu chi ngân hàng cần duy trì và tỷ lệ chiết khấu thương mại tối đa có thể đàm phán với nhà cung cấp vật liệu để đảm bảo $WACC_{ST} \le 8,0%$.
  • Kịch bản 2: Ứng phó bão giá nguyên vật liệu: Module EOQ kích hoạt điểm đặt hàng tối ưu khi biên độ giá thép vượt ngưỡng 5%, giúp doanh nghiệp khóa giá đầu vào mà không làm đội chi phí lưu kho quá mức.

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

  • Chi phí triển khai giải pháp: 45.000.000 VNĐ (chủ yếu là chi phí chuẩn hóa quy trình, thiết lập hệ sinh thái báo cáo BI và đào tạo nhân sự).
  • Lợi ích tài chính ước tính:
    • Giảm chi phí lãi vay do giảm số dư nợ vay ngắn hạn không cần thiết: Tiết kiệm 85.000.000 VNĐ/năm.
    • Thu hồi nợ đọng nhanh, giảm trích lập dự phòng nợ khó đòi: 120.000.000 VNĐ/năm.
    • Tận dụng chiết khấu thanh toán sớm từ nhà cung cấp: 40.000.000 VNĐ/năm.
  • ROI ước tính năm đầu tiên: $\frac{245.000.000 - 45.000.000}{45.000.000} \times 100% = 444,4%$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Dữ liệu nghiên cứu giới hạn trong 3 năm tài chính (2020–2022), trùng với giai đoạn biến động bất thường của đại dịch COVID-19 nên một số chuỗi số liệu mang tính dị biệt.
  • Chưa tích hợp API trực tiếp với hệ thống Core Banking của các ngân hàng thương mại để tự động hóa đối soát sao kê tiền mặt theo thời gian thực.

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình Machine Learning (Random Forest / XGBoost) để dự báo khả năng chậm thanh toán của khách hàng dựa trên lịch sử tín dụng và dữ liệu đấu thầu công khai.
  • Tích hợp chuẩn mực IFRS 9 trong phân loại và đo lường tổn thất tín dụng dự kiến (ECL - Expected Credit Loss) đối với các khoản phải thu xây dựng dài hạn.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Nắm bắt phương pháp luận nghiên cứu tài chính thực nghiệm có tính ứng dụng thực tế cao, liên kết chặt chẽ giữa lý thuyết quản trị vốn và số liệu BCTC thực tế.
  • Chuyên viên Phân tích Tài chính & Kế toán trưởng: Tiếp cận các script tự động hóa tính toán tỷ số, thuật toán phân rã DuPont và mô hình định lượng rủi ro thanh khoản.
  • Doanh nghiệp xây dựng quy mô vừa và nhỏ (SMEs): Bản thiết kế hoàn chỉnh về chính sách tín dụng thương mại và mô hình tối ưu hóa chi phí tài trợ ngắn hạn.
  • Giới nghiên cứu học thuật: Bộ dữ liệu thực chứng về tác động của đại dịch và lạm phát chuỗi cung ứng lên hiệu quả sử dụng vốn của nhà thầu xây dựng Việt Nam.

Câu hỏi thường gặp

1. Doanh nghiệp cần hạ tầng kỹ thuật gì để triển khai giải pháp này?

Hệ thống không đòi hỏi đầu tư phần cứng máy chủ đắt đỏ. Doanh nghiệp chỉ cần máy trạm văn phòng tiêu chuẩn chạy hệ điều hành Windows 10/11 hoặc Linux, cài đặt môi trường Python 3.10+ (hoàn toàn miễn phí) và Microsoft Power BI Desktop để hiển thị bảng điều khiển trực quan. Toàn bộ dữ liệu kế toán đầu vào có thể xuất trực tiếp từ các phần mềm kế toán thông dụng như Fast, MISA hoặc Excel.

2. Mô hình có xử lý được khi quy mô doanh nghiệp tăng trưởng gấp 5–10 lần không?

Có. Nhờ kiến trúc cơ sở dữ liệu quan hệ chuẩn hóa (PostgreSQL) và các hàm vector hóa trong pandas/numpy, mô hình có khả năng xử lý hàng triệu bản ghi giao dịch kế toán với độ trễ dưới 2 giây. Khi doanh nghiệp mở rộng quy mô, mô hình dễ dàng nâng cấp lên kiến trúc đám mây (Cloud Data Warehouse như Google BigQuery hoặc AWS Redshift).

3. Làm thế nào để tích hợp giải pháp vào phần mềm kế toán sẵn có tại Procon?

Quy trình tích hợp gồm 2 bước:

  1. Thiết lập cổng xuất dữ liệu tự động (Scheduled ETL Job) từ cơ sở dữ liệu SQL Server của phần mềm kế toán Fast sang bảng đích trung gian.
  2. Script Python định kỳ quét bảng trung gian để tính toán ma trận chỉ số tài chính và đẩy kết quả sang mô hình phân tích dữ liệu.

4. Chi phí duy trì và yêu cầu vận hành sau khi bàn giao ra sao?

Giải pháp được xây dựng trên mã nguồn mở nên không phát sinh chi phí bản quyền định kỳ hàng năm (license fees). Nhân sự phòng Tài chính - Kế toán chỉ cần qua khóa đào tạo ngắn hạn (8–12 giờ) là có thể làm chủ hoàn toàn quy trình cập nhật dữ liệu và diễn giải các chỉ số cảnh báo rủi ro.

5. Lộ trình hoàn vốn đầu tư (Payback Period) kéo dài bao lâu?

Với mức chi phí đầu tư ban đầu ước tính 45 triệu VNĐ và tổng giá trị tiết kiệm chi phí lãi vay cùng tối ưu hóa dòng tiền đạt trên 245 triệu VNĐ/năm, thời gian hoàn vốn đầu tư danh nghĩa là 2,2 tháng kể từ ngày đưa vào vận hành chính thức.


Kết luận

Đồ án tốt nghiệp "Nâng cao hiệu quả sử dụng vốn lưu động tại Công ty Cổ phần Đầu tư và Xây dựng Procon Việt Nam" của tác giả Vũ Hoàng Việt Hằng đã giải quyết trọn vẹn bài toán thực tiễn về tối ưu hóa dòng tiền và an toàn tài chính cho doanh nghiệp xây dựng. Bằng việc kết hợp nhuần nhuyễn giữa lý luận tài chính hiện đại (DuPont, WACC, Altman Z''-Score) và phương pháp phân tích dữ liệu định lượng, nghiên cứu đã vạch rõ bức tranh tài chính giai đoạn 2020–2022 của Procon: phục hồi mạnh mẽ về doanh thu năm 2022 (đạt 29.643 triệu đồng, tăng 31,59%) nhưng đồng thời cũng tiềm ẩn áp lực chi phí lãi vay (tăng 40,91%) và tỷ trọng nợ ngắn hạn gia tăng (38,51%).

Hệ thống giải pháp đề xuất không chỉ mang tính định hướng mà đi kèm các công cụ định lượng, thuật toán tính toán cụ thể và lộ trình thực thi khả thi. Đây là tài liệu tham khảo có giá trị cao cho ban lãnh đạo Procon Việt Nam trong việc tái cấu trúc dòng vốn, đồng thời là hình mẫu nghiên cứu ứng dụng cho sinh viên, chuyên viên tài chính và các nhà quản trị doanh nghiệp đang tìm kiếm giải pháp nâng cao năng lực cạnh tranh trong kỷ nguyên số.