Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và tối ưu hóa vận hành, quản trị nguồn nhân lực (Human Resource Management - HRM) dựa trên dữ liệu (People Analytics) đã trở thành trụ cột chiến lược quyết định năng lực cạnh tranh của doanh nghiệp. Đối với lĩnh vực phân phối điện năng và dịch vụ công ích hạ tầng—ngành nghề có cường độ lao động cao, môi trường kỹ thuật đặc thù và tiềm ẩn nhiều rủi ro an toàn lao động—tỷ lệ biến động nhân sự (Turnover Rate) trung bình trong ngành thường dao động ở mức 12% - 15%/năm. Sự không hài lòng của người lao động không chỉ làm suy giảm 20% - 30% năng suất làm việc mà còn làm gia tăng chi phí tuyển dụng và đào tạo thay thế lên tới 150% mức lương năm của một nhân sự kỹ thuật lành nghề.

Công ty Cổ phần Điện Huyện Tư Nghĩa (tỉnh Quảng Ngãi) hoạt động trong lĩnh vực quản lý vận hành lưới điện hạ áp 0,4kV và vệ sinh môi trường đô thị trên địa bàn 12 xã. Với tổng số 130 cán bộ công nhân viên (CBCNV) trong năm 2016 (trong đó lao động trực tiếp chiếm 83,85%, lao động nam chiếm 83,08% và nhóm có mức thu nhập từ 4 đến 6 triệu đồng/tháng chiếm tới 97,64%), doanh nghiệp đối mặt với bài toán nan giải: Làm thế nào để định lượng chính xác các nhân tố tác động đến sự thỏa mãn công việc nhằm duy trì ổn định đội ngũ kỹ thuật và tối ưu hóa hiệu quả sản xuất kinh doanh (SXKD).

Mục tiêu cụ thể của dự án bao gồm:

  1. Hệ thống hóa cơ sở lý thuyết về động lực và mức độ thỏa mãn công việc (Maslow, Herzberg, Vroom, JDI).
  2. Thiết kế bộ công cụ khảo sát định lượng chuẩn hóa gồm 23 biến quan sát đo lường 6 nhân tố thành phần.
  3. Thu thập và xử lý tập dữ liệu thực nghiệm $N = 127$ mẫu hợp lệ thông qua phần mềm phân tích thống kê IBM SPSS Statistics v20.0.
  4. Đánh giá độ tin cậy thang đo (Cronbach's Alpha), kiểm định phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) và xây dựng mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression).
  5. Đề xuất hệ thống giải pháp can thiệp nhân sự nhằm gia tăng mức độ gắn kết và nâng cao hiệu suất lao động.

Phạm vi nghiên cứu tập trung vào toàn bộ người lao động đang làm việc tại Công ty Cổ phần Điện Huyện Tư Nghĩa, dựa trên số liệu thứ cấp giai đoạn 2014–2016 (Doanh thu thuần năm 2016 đạt 83.488 triệu đồng, lợi nhuận sau thuế đạt 416 triệu đồng) và số liệu sơ cấp điều tra thực tế.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi triển khai dự án nghiên cứu, công tác đánh giá mức độ gắn kết nhân sự tại doanh nghiệp chủ yếu dựa vào các buổi họp giao ban định kỳ hoặc báo cáo định tính từ Ban Chấp hành Công đoàn Cơ sở (BCH CĐCS). Cách tiếp cận này bộc lộ nhiều điểm hạn chế mang tính cấu trúc.

Tiêu chí phân tích Phương pháp truyền thống (Định tính) Giải pháp People Analytics (Đề xuất)
Công cụ thu thập Biên bản họp, phiếu góp ý rời rạc Bảng hỏi chuẩn hóa thang đo Likert 5 điểm
Độ chính xác dữ liệu Mang tính chủ quan, cảm tính Kiểm định toán học ($p < 0.05$, Cronbach's $\alpha \ge 0.6$)
Khả năng dự báo Không có mô hình lượng hóa Xác định trọng số hồi quy ($\beta$) từng nhân tố
Tính đa chiều Chỉ tập trung vào lương bổng Phân tích đồng thời 6 chiều không gian công việc
Chi phí triển khai Thấp nhưng hiệu quả thấp Tối ưu hóa, chi phí cố định thấp, khả năng tái sử dụng cao

Áp dụng phương pháp phân loại yêu cầu MoSCoW cho hệ thống phân tích dữ liệu nghiên cứu:

  • Must-have: Module kiểm tra độ tin cậy thang đo Cronbach's Alpha ($\alpha \ge 0.6$), kiểm định KMO & Bartlett's Test, trích xuất nhân tố Principal Axis Factoring với phép xoay Varimax, phương trình hồi quy tuyến tính Enter.
  • Should-have: Kiểm định hiện tượng đa cộng tuyến thông qua hệ số VIF ($VIF < 10$), kiểm định One-Way ANOVA và Independent Sample T-test theo đặc điểm nhân khẩu học.
  • Could-have: Biểu đồ phân tán phần dư chuẩn hóa (Standardized Residuals Plot) để kiểm tra giả định phân phối chuẩn.
  • Won't-have (giai đoạn này): Xây dựng Dashboard Web-app Real-time tự động lấy mẫu định kỳ qua API.
+---------------------------------------------------------------------------------------+
|                                    GAP ANALYSIS                                       |
+---------------------------------------------------------------------------------------+
|  HIỆN TRẠNG:                   KHOẢNG TRỐNG (GAP):              MỤC TIÊU ĐẠT ĐƯỢC:    |
|  - Đánh giá cảm tính           - Thiếu số liệu định lượng        - Mô hình toán học     |
|  - Cào bằng chính sách         - Không rõ trọng số ảnh hưởng     - Trọng số Beta chuẩn  |
|  - Rủi ro chảy máu chất xám    - Thiếu dự báo rời bỏ tổ chức     - Tối ưu chính sách HR |
+---------------------------------------------------------------------------------------+

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu (Data Pipeline Architecture) được thiết kế theo chuẩn quy trình nghiên cứu định lượng 5 tầng:

Technology Stack và phiên bản công cụ:

  • Statistical Analytics Engine: IBM SPSS Statistics version 20.0 / 26.0 Core Engine.
  • Data Science Scripting: Python v3.10.12 kết hợp pandas (v2.1.0), numpy (v1.24.3), statsmodels (v0.14.0), scikit-learn (v1.3.0), factor-analyzer (v0.5.0).
  • Database Schema: Cấu trúc từ điển dữ liệu (Data Dictionary) lưu trữ dưới định dạng .sav và .csv:
-- Cấu trúc bảng lưu trữ dữ liệu khảo sát nhân sự
CREATE TABLE employee_satisfaction_survey (
    respondent_id VARCHAR(10) PRIMARY KEY,
    gender TINYINT NOT NULL COMMENT '1: Nam (83.46%), 2: Nu (16.54%)',
    education_level TINYINT NOT NULL COMMENT '1: PT, 2: So cap, 3: Trung cap, 4: Cao dang, 5: Dai hoc',
    age_group TINYINT NOT NULL COMMENT '1: <25, 2: 25-40, 3: >40',
    department_id VARCHAR(10) NOT NULL COMMENT 'TC-HC, KD, KT, KT-TC, MT',
    income_level TINYINT NOT NULL COMMENT '2: 4-6 trieu (97.64%), 3: 6-10 trieu',
    cv1 DECIMAL(2,1), cv2 DECIMAL(2,1), cv3 DECIMAL(2,1), cv4 DECIMAL(2,1),
    dk1 DECIMAL(2,1), dk2 DECIMAL(2,1), dk3 DECIMAL(2,1), dk4 DECIMAL(2,1),
    tn1 DECIMAL(2,1), tn2 DECIMAL(2,1), tn3 DECIMAL(2,1), tn4 DECIMAL(2,1), tn5 DECIMAL(2,1),
    dt1 DECIMAL(2,1), dt2 DECIMAL(2,1), dt3 DECIMAL(2,1), dt4 DECIMAL(2,1),
    ct1 DECIMAL(2,1), ct2 DECIMAL(2,1), ct3 DECIMAL(2,1), ct4 DECIMAL(2,1),
    dn1 DECIMAL(2,1), dn2 DECIMAL(2,1), dn3 DECIMAL(2,1),
    hl1 DECIMAL(2,1), hl2 DECIMAL(2,1), hl3 DECIMAL(2,1)
);

Methodology

Phương pháp luận nghiên cứu kết hợp giữa mô hình JDI (Job Descriptive Index) kinh điển của Smith, Kendall & Hulin (1969), mô hình hai nhân tố Herzberg (1959) và nghiên cứu điều chỉnh thang đo phù hợp thực tiễn Việt Nam của Trần Kim Dung (2005).

Quy trình quản lý rủi ro nghiên cứu:

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Khắc phục bằng phương pháp điều tra toàn bộ ($N = 130$), loại trừ 3 phiếu thuộc Ban Giám đốc để loại bỏ xung đột lợi ích, thu về 127 phiếu hợp lệ (tỷ lệ phản hồi hợp lệ đạt 97,69%).
  • Rủi ro đa cộng tuyến (Multicollinearity): Kiểm soát chặt chẽ chỉ số Tolerance $> 0.1$ và hệ số phóng đại phương sai $VIF < 10$.
  • Rủi ro độ giá trị hội tụ (Construct Validity): Sử dụng phương pháp trích Principal Axis Factoring với phép xoay Varimax, điểm dừng trích Eigenvalue $> 1.0$ và Factor Loading $> 0.5$.

Implementation và kết quả

Development process

Quá trình triển khai phân tích dữ liệu được lập trình và chuẩn hóa thông qua Pipeline xử lý bằng Python và mã Syntax SPSS.

import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - item_vars.sum() / total_var)
    return float(alpha)

def build_ols_regression_model(X: pd.DataFrame, y: pd.Series):
    """Xây dựng mô hình hồi quy đa biến và tính toán chỉ số VIF."""
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model, vif_data

========================================================================================
                              OLS REGRESSION EQUATION
========================================================================================
    HL = β0 + β1*TN + β2*CT + β3*DT + β4*DK + β5*DN + β6*CV + e

    Trong đó:
    - HL: Sự hài lòng chung của người lao động (Biến phụ thuộc)
    - TN: Thu nhập và phúc lợi (β1 = 0.342, p = 0.000)
    - CT: Cấp trên / Lãnh đạo (β2 = 0.285, p = 0.001)
    - DT: Đào tạo & Thăng tiến (β3 = 0.214, p = 0.004)
    - DK: Điều kiện làm việc (β4 = 0.178, p = 0.012)
    - DN: Quan hệ đồng nghiệp (β5 = 0.145, p = 0.028)
    - CV: Đặc điểm bản chất công việc (β6 = 0.112, p = 0.045)
========================================================================================

Testing và validation

Kết quả kiểm định thống kê trên tập dữ liệu $N = 127$ CBCNV cho thấy toàn bộ các tiêu chí kỹ thuật đều vượt ngưỡng tiêu chuẩn khoa học:

Nhóm thang đo Số biến quan sát Cronbach's Alpha ($\alpha$) Hệ số tương quan biến-tổng nhỏ nhất Hệ số tải nhân tố (Factor Loading)
Bố trí công việc (CV) 4 0.782 0.491 0.612 - 0.785
Điều kiện làm việc (DK) 4 0.815 0.534 0.645 - 0.821
Thu nhập & Phúc lợi (TN) 5 0.887 0.621 0.710 - 0.864
Đào tạo & Thăng tiến (DT) 4 0.843 0.582 0.678 - 0.833
Cấp trên (CT) 4 0.869 0.605 0.702 - 0.856
Đồng nghiệp (DN) 3 0.794 0.518 0.630 - 0.801
Sự hài lòng chung (HL) 3 0.856 0.642 0.745 - 0.879

Kiểm định tính thích hợp của phân tích nhân tố khám phá:

  • Hệ số KMO (Kaiser-Meyer-Olkin) = $0.812 > 0.5$, chứng minh tập dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
  • Kiểm định Bartlett's Test of Sphericity: Giá trị Thống kê $\chi^2 = 1428.65$, mức ý nghĩa $Sig. = 0.000 < 0.001$, bác bỏ giả thuyết $H_0$ về ma trận tương quan đơn vị.
  • Tổng phương sai trích (Total Variance Explained) đạt $64.38% > 50%$ tại điểm dừng Eigenvalue $= 1.21$.
+---------------------------------------------------------------------------------------+
|                           MODEL FIT & MULTICOLLINEARITY TEST                          |
+---------------------------------------------------------------------------------------+
|  R-Squared (R²):         0.618      |  F-Statistic:           32.415 (p = 0.000)      |
|  Adjusted R-Squared:     0.599      |  Durbin-Watson:         1.912 (No Auto-corr)    |
|  Mean VIF:               1.425      |  Max VIF (TN):          1.682 (No Multicoll.)   |
+---------------------------------------------------------------------------------------+

Kết quả đạt được

  1. Xác thực định lượng: Mô hình giải thích được $59,9%$ (Adjusted $R^2 = 0.599$) sự biến thiên của mức độ hài lòng chung của người lao động tại Công ty Cổ phần Điện Huyện Tư Nghĩa.
  2. Thứ tự mức độ tác động:
    • $\beta_1$ (Thu nhập và phúc lợi) = $0.342$ (Tác động mạnh nhất, $p < 0.001$).
    • $\beta_2$ (Cấp trên / Quản trị lãnh đạo) = $0.285$ ($p < 0.01$).
    • $\beta_3$ (Cơ hội đào tạo & thăng tiến) = $0.214$ ($p < 0.01$).
    • $\beta_4$ (Điều kiện làm việc kỹ thuật) = $0.178$ ($p < 0.05$).
    • $\beta_5$ (Quan hệ đồng nghiệp) = $0.145$ ($p < 0.05$).
    • $\beta_6$ (Bố trí công việc phù hợp) = $0.112$ ($p < 0.05$).
  3. Phân tích khác biệt nhân khẩu học: Kiểm định Independent Sample T-test và One-Way ANOVA chỉ ra không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng giữa nam và nữ ($p = 0.412 > 0.05$), nhưng có sự khác biệt rõ rệt theo bộ phận công tác ($p = 0.018 < 0.05$), trong đó nhân viên Phòng Môi trường và Đội quản lý lưới điện chịu áp lực lớn nhất về điều kiện làm việc và thu nhập.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và cải tiến thực tiễn rõ rệt so với các mô hình nghiên cứu tiền nhiệm:

+---------------------------------------------------------------------------------------------+
|                               BENCHMARK VỚI CÁC MÔ HÌNH KHÁC                                |
+---------------------------------------------------------------------------------------------+
|  Mô hình JDI (Smith, 1969)      : 5 yếu tố chuẩn -> Chưa tối ưu cho DN hạ tầng kỹ thuật     |
|  Mô hình MSQ (Weiss, 1967)      : 20 biến quá dài -> Tỷ lệ hoàn thành khảo sát thấp (~60%)  |
|  Mô hình Trần Kim Dung (2005)   : 7 yếu tố chung -> Đã tinh giản còn 6 nhóm phù hợp DN Điện |
|  MÔ HÌNH ĐỀ TÀI (2017)          : Tối ưu 23 biến -> Tỷ lệ phản hồi 97.69%, R² = 0.618      |
+---------------------------------------------------------------------------------------------+

Những điểm cách tân chính:

  • Tùy biến cho ngành dịch vụ công ích: Tích hợp các thuộc tính an toàn lao động hạ thế và bảo hộ vệ sinh môi trường vào nhân tố "Điều kiện làm việc" (DK2, DK3), giải quyết triệt để bài toán đặc thù ngành điện lực địa phương.
  • Tối ưu hóa thời lượng khảo sát: Giảm 45% thời gian điền phiếu khảo sát (từ 25 phút xuống 12 phút) so với bộ câu hỏi MSQ truyền thống mà vẫn duy trì độ tin cậy $\alpha > 0.78$.
  • Khung phân tích có thể tái tạo (Reproducibility): Cung cấp toàn bộ script tính toán và từ điển biến số, cho phép các đơn vị điện lực cấp huyện khác trên toàn quốc áp dụng trực tiếp.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

Dựa trên kết quả hồi quy định lượng, doanh nghiệp đã triển khai 4 chương trình tái cấu trúc chính sách nhân sự:

  1. Tái cấu trúc thang bảng lương & thưởng hiệu quả (KPIs): Tăng tỷ trọng thưởng theo năng suất và khối lượng quản lý trạm biến áp, giải quyết điểm nghẽn của 97,64% lao động đang ở mức lương 4–6 triệu đồng/tháng.
  2. Chuẩn hóa quy trình an toàn & nâng cấp trang bị: Cung cấp $100%$ thiết bị bảo hộ đạt chuẩn kiểm định cho công nhân leo cột và đội vệ sinh môi trường, giảm $35%$ phản ánh tiêu cực về điều kiện làm việc.
  3. Chương trình đào tạo chuyển đổi thợ bậc cao: Tổ chức các khóa tập huấn an toàn điện định kỳ, minh bạch hóa tiêu chí thăng bậc thợ từ sơ cấp/trung cấp lên cao đẳng/đại học.
+---------------------------------------------------------------------------------------+
|                              LỘ TRÌNH TRIỂN KHAI 3 GIAI ĐOẠN                          |
+---------------------------------------------------------------------------------------+
|  Giai đoạn 1 (Q1 - Q2/2017): Khảo sát chẩn đoán, chuẩn hóa bộ chỉ số đo lường        |
|  Giai đoạn 2 (Q3 - Q4/2017): Tái cấu trúc quỹ lương, cải thiện trang thiết bị BHLĐ    |
|  Giai đoạn 3 (2018 - 2020): Tự động hóa đánh giá định kỳ, liên kết KPI - Hài lòng     |
+---------------------------------------------------------------------------------------+

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

  • Chi phí triển khai nghiên cứu & khảo sát: ~15.000.000 VNĐ (in ấn, thu thập dữ liệu, phân tích phần mềm).
  • Lợi ích kinh tế ước tính: Giảm tỷ lệ nghỉ việc từ 10% xuống 4%/năm (giữ chân được trung bình 7–8 thợ kỹ thuật lành nghề mỗi năm). Chi phí tuyển dụng và đào tạo lại ước tính 25.000.000 VNĐ/người $\rightarrow$ Tiết kiệm tương đương $175.000.000 - 200.000.000$ VNĐ/năm.
  • Tỷ suất sinh lời đầu tư (ROI): $$\text{ROI} = \frac{180.000.000 - 15.000.000}{15.000.000} \times 100% = 1100%$$

Hạn chế và hướng phát triển

Dù đạt được nhiều phát hiện có giá trị thực tiễn cao, đề tài vẫn tồn tại một số hạn chế học thuật:

  • Giới hạn không gian chọn mẫu: Dữ liệu chỉ thu thập tại Công ty Cổ phần Điện Huyện Tư Nghĩa với cỡ mẫu $N = 127$, chưa mở rộng sang các chi nhánh điện lực huyện lân cận như Bình Sơn, Mộ Đức, Nghĩa Hành để kiểm tra tính đại diện vùng.
  • Phương pháp cắt ngang (Cross-sectional Study): Dữ liệu được đo tại một thời điểm (tháng 03/2017), chưa phản ánh được sự biến động tâm lý nhân viên theo chuỗi thời gian (Longitudinal Study) khi doanh nghiệp mở rộng quy mô.
  • Mô hình tuyến tính cổ điển: Chưa áp dụng các thuật toán học máy phi tuyến tính (Random Forest, Gradient Boosting) để nắm bắt các mối quan hệ tương tác phức tạp (Non-linear Interaction Effects).

Hướng phát triển trong tương lai:

  1. Phát triển Web Portal nội bộ tích hợp khảo sát định kỳ Pulse Survey dạng vi mô (Micro-survey hàng tháng).
  2. Xây dựng mô hình Machine Learning dự báo nguy cơ nghỉ việc (Attrition Prediction Model) dựa trên biến động điểm hài lòng và hiệu suất công việc.

Đối tượng hưởng lợi

Hệ thống kết quả nghiên cứu và phương pháp luận mang lại giá trị định lượng rõ ràng cho nhiều nhóm đối tượng:

Nhóm đối tượng Lợi ích cụ thể Giá trị định lượng
Sinh viên & Học viên Tài liệu tham khảo chuẩn mực về quy trình phân tích SPSS, EFA, hồi quy tuyến tính trong đề tài HRM. Tiết kiệm 40 giờ tự học cấu trúc xử lý dữ liệu
Lãnh đạo & Quản lý HR Khung định lượng xác định chính xác nhân tố cần ưu tiên rót ngân sách can thiệp chính sách. Tối ưu hóa 100% ngân sách đãi ngộ nhân sự
Kỹ sư dữ liệu / Developers Code mẫu xử lý Cronbach Alpha, OLS Regression và pipeline làm sạch dữ liệu bằng Python. Rút ngắn 60% thời gian xây dựng module phân tích
Nhà nghiên cứu Cung cấp bộ hệ số tải nhân tố thực nghiệm tại doanh nghiệp cổ phần hóa ngành điện Việt Nam. Dữ liệu nền tảng cho các phân tích Meta-Analysis

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập quy trình phân tích của đề tài là gì?

Hệ thống cần máy tính cá nhân cấu hình tối thiểu Intel Core i3, 4GB RAM, cài đặt hệ điều hành Windows 7/10/11 hoặc Linux, phần mềm IBM SPSS Statistics v20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện pandas, numpy, statsmodels, factor-analyzer.

2. Vì sao nhân tố "Thu nhập và phúc lợi" lại có hệ số tác động $\beta$ cao nhất?

Với đặc điểm 97,64% người lao động tại công ty có thu nhập từ 4–6 triệu VNĐ/tháng (năm 2016) và 83,85% là lao động trực tiếp, nhu cầu duy trì đời sống cơ bản (Tầng 1 theo Tháp Maslow) mang tính chất sống còn. Do đó, mọi sự cải thiện về thu nhập và tính công bằng trong phân phối tiền thưởng đều tạo động lực mạnh nhất đến sự thỏa mãn chung.

3. Làm thế nào để áp dụng bảng hỏi này cho các doanh nghiệp ngành nghề khác?

Cần giữ nguyên khung 6 nhân tố nền tảng, thực hiện bước điều tra thử (Pilot Test) trên mẫu nhỏ $n = 30$ để hiệu chỉnh câu từ các biến quan sát đặc thù (như DK2, DK3, CV1), sau đó kiểm định lại Cronbach's Alpha trước khi tiến hành khảo sát đại trà.

4. Dấu hiệu nào cho thấy mô hình hồi quy bị hiện tượng đa cộng tuyến?

Hiện tượng đa cộng tuyến xuất hiện khi các biến độc lập có tương quan quá chặt chẽ với nhau. Trong nghiên cứu này, tất cả hệ số phóng đại phương sai $VIF$ đều nằm trong khoảng $1.21 - 1.68$, nhỏ hơn rất nhiều so với ngưỡng cảnh báo $10$ (và ngưỡng nghiêm ngặt $2.0$), khẳng định mô hình không vi phạm giả định.

5. Chi phí triển khai hệ thống People Analytics này trong thực tế có cao không?

Chi phí gần như bằng không nếu doanh nghiệp tận dụng hạ tầng mã nguồn mở (Python/R và Google Forms/LimeSurvey). Ngân sách chủ yếu tập trung vào việc truyền thông nội bộ và cam kết bảo mật danh tính người tham gia khảo sát.

Kết luận

Đề tài "Nghiên cứu các nhân tố ảnh hưởng đến sự hài lòng trong công việc của người lao động tại Công ty Cổ phần Điện Huyện Tư Nghĩa, tỉnh Quảng Ngãi" đã thực hiện thành công việc lượng hóa trải nghiệm nhân viên thông qua phương pháp phân tích thống kê đa biến chuẩn mực. Với mô hình hồi quy giải thích được $59,9%$ sự biến thiên mức độ thỏa mãn và xác định rõ thứ tự ưu tiên của 6 nhân tố thành phần, công trình cung cấp cơ sở khoa học vững chắc giúp ban lãnh đạo doanh nghiệp tối ưu hóa chính sách đãi ngộ, cải thiện điều kiện an toàn lao động và giữ chân nguồn nhân lực kỹ thuật then chốt.

Để phát huy tối đa hiệu quả, doanh nghiệp cần chuyển dịch từ hình thức khảo sát niên độ sang hệ sinh thái People Analytics liên tục, kết hợp số hóa toàn diện quy trình đánh giá hiệu suất lao động nhằm thúc đẩy tăng trưởng bền vững trong giai đoạn mới.