Giới thiệu dự án

Thị trường dây và cáp điện Việt Nam đang chứng kiến tốc độ tăng trưởng nhanh chóng nhưng phải đối mặt với áp lực cạnh tranh khốc liệt. Theo báo cáo từ Hiệp hội Dây cáp điện Việt Nam (VCCA), quy mô thị trường nội địa năm 2022 đạt xấp xỉ 200.000 tỷ VNĐ với tổng sản lượng 2 triệu tấn, trong đó cáp dân dụng chiếm 60%, cáp công nghiệp chiếm 30% và cáp xây dựng chiếm 10%. Mặc dù kim ngạch xuất khẩu đạt 1,42 tỷ USD (tăng 30,3% so với 2021), năng lực sản xuất nội địa mới chỉ đáp ứng được khoảng 70% nhu cầu trong nước, 30% còn lại phụ thuộc vào nhập khẩu các dòng cáp kỹ thuật cao.

Công ty TNHH Senshu Electric Việt Nam (SEV) là doanh nghiệp có vốn đầu tư từ Nhật Bản chuyên phân phối các dòng dây cáp điện công nghiệp, cáp điều khiển tự động hóa và thiết bị điện chuyên dụng. Sau hơn 3 năm gia nhập thị trường (2019–2023), SEV đối mặt với bài toán suy giảm biên lợi nhuận do biến động giá nguyên vật liệu, áp lực từ các hiệp định thương mại tự do (CPTPP, EVFTA, RCEP) và sự cạnh tranh gay gắt từ các đối thủ cùng phân khúc như Hinoki Vina, MOBO và Lightstar VN.

+-------------------------------------------------------------------------------+
|                             BÀI TOÁN CỐT LÕI TẠI SEV                         |
|  - Rào cản gia nhập ngành thấp, áp lực cạnh tranh về giá tăng cao             |
|  - Độ phủ thương hiệu và hoạt động Marketing B2B còn phân tán                 |
|  - Chưa tối ưu hóa chuỗi cung ứng và tồn kho cáp đặc thù                      |
|  - Thiếu hệ thống định lượng đa chiều để ra quyết định chiến lược             |
+-------------------------------------------------------------------------------+

Mục tiêu cụ thể của đề tài nghiên cứu bao gồm:

  1. Hệ thống hóa cơ sở lý luận về năng lực cạnh tranh (NLCT) của doanh nghiệp phân phối thiết bị điện công nghiệp.
  2. Thiết lập bộ chỉ số định lượng đánh giá 06 trụ cột cốt lõi: Tài chính, Quản trị - Nhân sự, Marketing - Thị trường, Sản xuất - Công nghệ, Thương hiệu và Năng lực cạnh tranh về giá.
  3. Thực hiện điều tra thực nghiệm đa bên với cỡ mẫu $N = 208$ (8 chuyên gia, 100 nhân sự nội bộ, 100 khách hàng B2B) giai đoạn 2020–2022.
  4. Xây dựng bộ ma trận phân tích chiến lược (IFE, EFE, CPM, SWOT) để định vị SEV so với 03 đối thủ trực tiếp.
  5. Đề xuất lộ trình giải pháp đồng bộ giai đoạn 2023–2030 giúp nâng cao toàn diện NLCT, tối ưu chi phí vận hành từ 8–12% và gia tăng thị phần mục tiêu thêm 15%.

Phạm vi nghiên cứu tập trung vào thị trường Hà Nội và các vùng kinh tế trọng điểm phía Bắc, dựa trên tập dữ liệu vận hành từ năm 2019 đến tháng 10/2023.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường dây cáp điện kỹ thuật cao tại Việt Nam chịu tác động bởi 5 lực lượng cạnh tranh (Porter's Five Forces) với sức ép thay thế từ các thương hiệu nội địa và quyền lực đàm phán ngày càng cao của nhà thầu M&E.

Tiêu chí so sánh Phương pháp quản trị truyền thống Mô hình đánh giá chiến lược tích hợp (Đề xuất)
Cơ sở dữ liệu Báo cáo tài chính định kỳ đơn lẻ Dữ liệu đa chiều (Khách hàng, Nội bộ, Chuyên gia)
Công cụ đánh giá Phân tích cảm tính, định tính sơ bộ Ma trận IFE, EFE, CPM kết hợp thang đo Likert chuẩn hóa
Khả năng dự báo Thấp, phản ứng thụ động với thị trường Cao, phân tích kịch bản theo ma trận SWOT định lượng
Độ tin cậy dữ liệu Dễ sai lệch do thiếu kiểm định chéo Tối ưu hóa với quy tắc kiểm định $N \ge 5 \times k$ biến quan sát

Phân loại yêu cầu phát triển hệ thống giải pháp theo khung MoSCoW:

  • Must-have: Chuẩn hóa ma trận hình ảnh cạnh tranh (CPM) với 6 trọng số; tái cấu trúc chính sách chiết khấu giá; kiểm soát vòng quay tồn kho cáp điều khiển.
  • Should-have: Xây dựng hệ thống CRM quản lý khách hàng B2B tự động; chương trình đào tạo kỹ thuật chuyên sâu (TOEIC & tiêu chuẩn JIS/IEC).
  • Could-have: Tích hợp công cụ phân tích tự động hóa chuỗi cung ứng bằng Python/Excel VBA.
  • Won't-have (ở giai đoạn 1): Xây dựng nhà máy sản xuất cáp quy mô lớn tại Việt Nam trước năm 2026.

Thiết kế hệ thống

Khung phân tích năng lực cạnh tranh được thiết kế theo cấu trúc module dữ liệu 3 lớp:

graph TD
    A[Nguồn dữ liệu: Sơ cấp & Thứ cấp] --> B(Lớp tiền xử lý & Chuẩn hóa)
    B --> C1[Khảo sát Chuyên gia N=8: Trọng số CPM]
    B --> C2[Khảo sát Cán bộ NV N=100: IFE & Năng lực nội bộ]
    B --> C3[Khảo sát Khách hàng N=100: EFE & Thương hiệu, Giá]
    C1 --> D[Hệ thống Ma trận Chiến lược]
    C2 --> D
    C3 --> D
    D --> E1[Ma trận IFE]
    D --> E2[Ma trận EFE]
    D --> E3[Ma trận CPM]
    D --> E4[Ma trận SWOT]
    E1 --> F[Báo cáo Định vị & Kịch bản Chiến lược 2023-2030]
    E2 --> F
    E3 --> F
    E4 --> F

Stack công nghệ và công cụ xử lý:

  • Ngôn ngữ & Thư viện: Python v3.10, Pandas v2.1.0, NumPy v1.24.3, Scipy v1.11.0.
  • Nền tảng phân tích: Microsoft Excel 2021 (Data Analysis Toolpak), SPSS Statistics v26.0.
  • Mô hình kiến trúc: Khung Kim cương Michael Porter kết hợp bộ khung quản trị chiến lược Fred R. David.

Methodology

Phương pháp nghiên cứu kết hợp giữa nghiên cứu định tính (phỏng vấn sâu 8 chuyên gia quản lý SEV) và nghiên cứu định lượng (khảo sát bảng hỏi Likert 5 mức độ trên 200 đối tượng).

Lộ trình nghiên cứu & Đánh giá rủi ro:
[Tháng 08/2023] Thiết kế thang đo & Thu thập dữ liệu thứ cấp 2020-2022
[Tháng 09/2023] Triển khai khảo sát N=208 & Phân tích ma trận IFE/EFE/CPM
[Tháng 10/2023] Tổng hợp SWOT, kiểm định độ lệch chuẩn, đề xuất giải pháp 2030

Implementation và kết quả

Development process

Quá trình lượng hóa các chỉ số cạnh tranh được mô hình hóa thông qua thuật toán tính điểm trọng số của ma trận IFE/EFE và Ma trận Hình ảnh Cạnh tranh (CPM).

import pandas as pd
import numpy as np

def calculate_cpm(weights: dict, ratings: dict) -> pd.DataFrame:
    """
    Tính điểm Ma trận Hình ảnh Cạnh tranh (CPM) cho SEV và 3 đối thủ.
    Thang đo Rating: 1 (Rất yếu), 2 (Yếu), 3 (Mạnh), 4 (Rất mạnh)
    """
    factors = list(weights.keys())
    df = pd.DataFrame({'Yếu tố': factors, 'Trọng số': [weights[f] for f in factors]})
    
    for competitor, scores in ratings.items():
        df[f'{competitor}_Rating'] = [scores[f] for f in factors]
        df[f'{competitor}_Score'] = df['Trọng số'] * df[f'{competitor}_Rating']
        
    return df

# Trọng số thu thập từ 8 chuyên gia SEV
weights = {
    'Năng lực tài chính': 0.17,
    'Năng lực quản lý, nhân lực': 0.22,
    'Marketing & Thị trường': 0.16,
    'Sản xuất & Công nghệ': 0.12,
    'Thương hiệu': 0.19,
    'Năng lực cạnh tranh về giá': 0.14
}

# Điểm đánh giá thực tế (Expert Consensus)
ratings = {
    'SEV': {'Năng lực tài chính': 3.2, 'Năng lực quản lý, nhân lực': 3.5, 'Marketing & Thị trường': 2.8, 'Sản xuất & Công nghệ': 3.0, 'Thương hiệu': 3.1, 'Năng lực cạnh tranh về giá': 2.9},
    'MOBO': {'Năng lực tài chính': 3.0, 'Năng lực quản lý, nhân lực': 2.9, 'Marketing & Thị trường': 3.2, 'Sản xuất & Công nghệ': 2.8, 'Thương hiệu': 3.0, 'Năng lực cạnh tranh về giá': 3.4},
    'Hinoki_Vina': {'Năng lực tài chính': 3.1, 'Năng lực quản lý, nhân lực': 3.0, 'Marketing & Thị trường': 3.0, 'Sản xuất & Công nghệ': 3.1, 'Thương hiệu': 3.2, 'Năng lực cạnh tranh về giá': 3.1},
    'Lightstar_VN': {'Năng lực tài chính': 2.8, 'Năng lực quản lý, nhân lực': 2.7, 'Marketing & Thị trường': 2.9, 'Sản xuất & Công nghệ': 2.9, 'Thương hiệu': 2.8, 'Năng lực cạnh tranh về giá': 3.2}
}

cpm_results = calculate_cpm(weights, ratings)

Testing và validation

Dữ liệu khảo sát từ 100 nhân viên và 100 khách hàng được xử lý kiểm tra độ tin cậy với ngưỡng chuẩn điểm trung bình $\mu = 3.4$. Các chỉ tiêu đạt $\mu < 3.4$ được phân loại vào nhóm năng lực yếu kém cần can thiệp khẩn cấp.

Nhóm biến khảo sát Số biến quan sát ($k$) Cỡ mẫu ($N$) Điểm trung bình ($\mu$) Đánh giá độ tin cậy
Năng lực tài chính (Nội bộ) 4 100 3.62 / 5.00 Đạt chuẩn (Mạnh)
Quản trị & Nhân sự (Nội bộ) 6 100 3.74 / 5.00 Đạt chuẩn (Rất mạnh)
Cơ sở vật chất & Công nghệ (Nội bộ) 4 100 3.35 / 5.00 Cần khắc phục ($\mu < 3.4$)
Marketing & Thị trường (Khách hàng) 7 100 3.18 / 5.00 Điểm yếu trọng tâm ($\mu < 3.4$)
Thương hiệu & Giá (Khách hàng) 5 100 3.25 / 5.00 Điểm yếu cạnh tranh giá

Kết quả đạt được

Phân tích định lượng ma trận CPM cho thấy tổng điểm có trọng số của SEV đạt 3.11/4.00, dẫn đầu nhẹ so với Hinoki Vina (3.08), MOBO (3.01) và Lightstar VN (2.86).

+-------------------------------------------------------------------------------+
|                       TỔNG KẾT NĂNG LỰC CẠNH TRANH SEV                        |
|  - Năng suất lao động: Tăng trưởng bình quân 14.2%/năm (2020-2022)             |
|  - Trọng số Quản trị - Nhân lực: 0.22 (Yếu tố đóng góp lớn nhất)             |
|  - Điểm IFE nội bộ: 2.85/4.00 (Môi trường nội bộ ở mức trên trung bình)       |
|  - Điểm EFE bên ngoài: 2.78/4.00 (Doanh nghiệp phản ứng khá với cơ hội/thách thức)|
+-------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Khung định lượng hóa NLCT ngành thiết bị điện: Tích hợp 6 trụ cột năng lực vào mô hình chấm điểm ma trận CPM, thay thế các đánh giá cảm tính trong ngành phân phối kỹ thuật.
  2. Đối sánh đa chiều 4 bên (SEV vs. MOBO, Hinoki Vina, Lightstar VN): Chỉ ra chính xác lợi thế của SEV nằm ở năng lực nhân sự chuẩn Nhật (điểm trọng số 0.77) nhưng bị thâm hụt năng lực cạnh tranh giá (0.406) so với MOBO (0.476).
  3. Mô hình kết hợp SWOT - QSPM: Xây dựng chiến lược kết hợp S-O (Tận dụng vốn FDI và FTA để đẩy mạnh cáp chuyên dụng JIS) và W-T (Tối ưu hóa logistics nhằm đối phó lạm phát và cạnh tranh phá giá).
  4. Cắt giảm chi phí vận hành: Đề xuất mô hình Lean Inventory giúp giải phóng 11.5% dòng vốn lưu động ứ đọng trong kho cáp chậm luân chuyển.

Ứng dụng thực tế và triển khai

Tình huống triển khai thực tế

SEV áp dụng mô hình định giá linh hoạt (Dynamic Pricing) và cơ chế phân cấp đại lý cấp 1/cấp 2 cho các dự án khu công nghiệp tại Bắc Ninh, Hải Phòng và Vĩnh Phúc.

Kế hoạch triển khai 3 giai đoạn đến năm 2030:
- Giai đoạn 1 (2023 - 2024): Số hóa quy trình kho vận, chuẩn hóa CRM B2B, tái cấu trúc bảng giá.
- Giai đoạn 2 (2025 - 2027): Mở rộng hệ thống phân phối miền Trung và Nam, nâng ngân sách Marketing lên 3.5% doanh thu.
- Giai đoạn 3 (2028 - 2030): Thiết lập liên doanh R&D gia công cáp thông minh theo tiêu chuẩn Green Cable.

Phân tích Chi phí - Lợi ích (ROI Estimate)

  • Chi phí triển khai giải pháp (Năm 1): 450.000.000 VNĐ (Phần mềm CRM/ERP + Đào tạo + Marketing số).
  • Lợi ích dự kiến: Doanh thu tăng trưởng tối thiểu 18%/năm, tiết kiệm 120.000.000 VNĐ chi phí quản lý tồn kho hỏng/lỗi.
  • Thời gian hoàn vốn (Payback Period): 14 tháng; ROI ước tính đạt 142% sau 3 năm vận hành.

Hạn chế và hướng phát triển

  • Hạn chế dữ liệu: Cỡ mẫu khảo sát chuyên gia ($N=8$) còn tập trung chủ yếu vào ban quản lý nội bộ SEV, chưa bao gồm đại diện từ cơ quan quản lý nhà nước và hiệp hội độc lập.
  • Rào cản vĩ mô: Biến động giá đồng thế giới (LME Copper) và tỷ giá USD/JPY/VND tác động trực tiếp đến giá vốn hàng bán nhập khẩu nhưng chưa được mô hình hóa bằng thuật toán tự hồi quy (ARIMA).
  • Hướng mở rộng: Tích hợp mô hình Machine Learning dự báo nhu cầu tiêu thụ cáp điện dựa trên chỉ số xây dựng cơ sở hạ tầng quốc gia.

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Khung tham chiếu thực tế về phương pháp luận kết hợp ma trận chiến lược định lượng trong đồ án tốt nghiệp ngành Quản trị Kinh doanh.
  • Kỹ sư & Chuyên viên quản lý chuỗi cung ứng: Quy trình đánh giá năng lực nhà cung cấp và tối ưu hóa danh mục cáp điều khiển.
  • Doanh nghiệp phân phối thiết bị công nghiệp: Bộ giải pháp thực thi giúp nâng cao biên lợi nhuận, tái định vị thương hiệu và cải thiện năng lực cạnh tranh về giá.
  • Nhà nghiên cứu: Hệ thống hóa thang đo Likert ứng dụng riêng cho ngành công nghiệp phụ trợ và thiết bị điện tại thị trường mới nổi.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để áp dụng mô hình đánh giá CPM của đề tài?

Doanh nghiệp chỉ cần hệ thống lưu trữ dữ liệu khảo sát (Google Sheets/Excel) kết hợp các công cụ phân tích thống kê cơ bản như SPSS hoặc đoạn mã Python tính điểm ma trận tự động.

2. Mô hình có áp dụng được cho các ngành phân phối kỹ thuật khác không?

Hoàn toàn khả thi. Bộ 6 tiêu chí có thể tùy biến trọng số tùy theo đặc thù ngành (ví dụ: ngành tự động hóa có thể tăng trọng số Sản xuất & Công nghệ lên 0.25).

3. Làm thế nào SEV giải quyết xung đột giữa giá bán cao và chất lượng Nhật Bản?

SEV áp dụng chiến lược khác biệt hóa (Differentiation Strategy): Tập trung vào dịch vụ kỹ thuật trước và sau bán hàng, cung cấp chứng nhận CO/CQ chuẩn xác, giao hàng JIT (Just-In-Time) để bù đắp chênh lệch giá 3–5% so với đối thủ cạnh tranh.

4. Nhu cầu bảo trì và cập nhật bộ dữ liệu chiến lược?

Các ma trận IFE, EFE và CPM cần được cập nhật định kỳ 6 tháng/lần để thích ứng với biến động chính sách thuế quan và thị trường nguyên liệu.

5. Chi phí triển khai hệ thống giải pháp nâng cao NLCT dự kiến bao nhiêu?

Đối với doanh nghiệp quy mô SME như SEV, ngân sách đầu tư ban đầu dao động từ 300–500 triệu VNĐ, tập trung chủ yếu vào số hóa quy trình và đào tạo nguồn nhân lực.


Kết luận

Khóa luận đã giải quyết trọn vẹn bài toán nâng cao năng lực cạnh tranh của Công ty TNHH Senshu Electric Việt Nam thông qua việc hệ thống hóa lý luận, lượng hóa thực trạng bằng bộ ma trận IFE, EFE, CPM, SWOT và đề xuất các nhóm giải pháp chiến lược khả thi đến năm 2030. Kết quả nghiên cứu là minh chứng rõ nét cho việc kết hợp chặt chẽ giữa học thuật hàn lâm và thực tiễn vận hành doanh nghiệp B2B trong kỷ nguyên hội nhập.