Giới thiệu dự án

Thị trường xe gắn máy Việt Nam giai đoạn 2007–2009 ghi nhận sự chuyển dịch cơ cấu tiêu dùng mạnh mẽ sau khi gia nhập WTO, gắn liền với tốc độ đô thị hóa nhanh và làn sóng nâng cao mức sống. Tuy nhiên, cuộc khủng hoảng tài chính toàn cầu năm 2008 cùng áp lực lạm phát cao đã đặt các đại lý bán lẻ ủy nhiệm (HEAD) vào thế gọng kìm: chi phí đầu vào tăng vọt, sức mua biến động thất thường và cạnh tranh thị phần gay gắt từ các thương hiệu Yamaha, SYM. Đồ án tập trung giải quyết bài toán tối ưu hóa tiêu thụ và gia tăng biên lợi nhuận cho Công ty TNHH Đại Thành – đơn vị phân phối chính thức của Honda Việt Nam tại TP. Vinh và huyện Quỳnh Lưu, tỉnh Nghệ An.

Vấn đề cốt lõi (Problem Statement)

Mặc dù giữ vững vị thế thương hiệu lâu năm, Công ty TNHH Đại Thành đối mặt với 3 điểm nghẽn nghiêm trọng:

  • Khối lượng tiêu thụ sụt giảm liên tục: Tổng lượng xe bán ra giảm từ 1.468 xe (2007) xuống 1.185 xe (2008) và 1.062 xe (2009), tương ứng tốc độ phát triển bình quân $\bar{t} = 85,05%$ (giảm 14,95%/năm). Nhóm xe số chủ lực suy giảm từ 1.385 xe xuống 865 xe.
  • Áp lực đòn bẩy tài chính và chi phí vận hành: Chi phí tài chính tăng vọt với $\bar{t} = 130,54%$, chi phí quản lý doanh nghiệp tăng $\bar{t} = 129,34%$, tỷ lệ nợ phải trả trên tổng nguồn vốn tăng từ 55,2% (2007) lên 61,2% (2009), tạo sức ép nặng nề lên dòng tiền hoạt động.
  • Chuyển dịch cơ cấu thanh toán làm tăng rủi ro công nợ: Tỷ trọng thanh toán trả ngay giảm từ 88,46% xuống 75,07%, trong khi tỷ trọng mua trả chậm tăng gấp đôi từ 10,33% lên 20,95% ($\bar{t} = 140,43%$).

Mục tiêu dự án

  1. Đánh giá thực trạng phân phối và tiêu thụ theo từng chủng loại sản phẩm, kênh bán hàng và phương thức thanh toán giai đoạn 2007–2009.
  2. Xây dựng mô hình định lượng phân rã ảnh hưởng của 6 nhân tố tác động trực tiếp đến lợi nhuận ròng của doanh nghiệp.
  3. Đề xuất hệ thống giải pháp tái cấu trúc danh mục sản phẩm, quản trị dòng tiền, kiểm soát chi phí bán hàng và mở rộng thị trường liên tỉnh.

Phạm vi và Giới hạn

  • Không gian: Trụ sở chính (15 Quang Trung, TP. Vinh) và Chi nhánh 2 (Khối 2, Thị trấn Cầu Giát, Huyện Quỳnh Lưu, Nghệ An), cùng vùng phụ cận Nghi Xuân (Hà Tĩnh).
  • Thời gian dữ liệu: Chuỗi số liệu kế toán và quản trị kinh doanh 3 năm tài chính (2007, 2008, 2009).
  • Giới hạn kỹ thuật: Dữ liệu bán lẻ tập trung vào các dòng xe phân khối nhỏ dưới 150cc của Honda Việt Nam.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp hạch toán và báo cáo doanh thu truyền thống của doanh nghiệp chỉ dừng lại ở việc tổng hợp số học, thiếu khả năng phân rã đa chiều và đo lường độ nhạy của các biến số thị trường.

Tiêu chí phân tích Phương pháp Báo cáo Tĩnh cũ Khung Phân tích Định lượng Đề xuất
Góc nhìn phân rã Chỉ theo dõi tổng doanh thu/chi phí Phân rã 6 nhân tố: Giá, Lượng, Giá vốn, Chi phí BH, Chi phí QL, Kết cấu
Cơ cấu sản phẩm Ghi nhận gộp nhóm xe số và xe ga Theo dõi ma trận đóng góp biên lợi nhuận đơn vị ($Ln_i$) từng model
Kiểm soát rủi ro Theo dõi dư nợ sổ sách đơn giản Tích hợp hệ số quay vòng kho ($L_{kho}$), kỳ thu tiền và chi phí lãi vay
Độ trễ thông tin Định kỳ theo quý/năm Mô hình hóa dữ liệu chuỗi thời gian, cảnh báo điểm hòa vốn linh hoạt

Ma trận ưu tiên yêu cầu quản trị (MoSCoW)

  • Must-have: Tự động hóa tính toán biến động lợi nhuận cá biệt ($\Delta LN_P, \Delta LN_G, \Delta LN_Q$), kiểm soát tỷ trọng trả chậm dưới ngưỡng an toàn vốn 25%.
  • Should-have: Tái cấu trúc tỷ trọng tồn kho dòng xe tay ga phun xăng điện tử (FI), rút ngắn số ngày lưu kho ($N_{kho} \le 25$ ngày).
  • Could-have: Xây dựng hệ thống khuyến mãi kích cầu định hướng theo mùa vụ quý II và quý III.
  • Won't-have: Tự động hóa chấm điểm tín dụng khách hàng cá nhân bằng thuật toán AI phức tạp trong giai đoạn này.

Thiết kế hệ thống phân tích định lượng

Kiến trúc xử lý dữ liệu và thuật toán phân tích tài chính ứng dụng được chuẩn hóa với Tech Stack:

  • Core Engine: Python 3.11.8, NumPy 1.26.4, Pandas 2.2.1.
  • Statistical & Optimization: Statsmodels 0.14.1, SciPy 1.12.0.
  • Database / Storage: PostgreSQL 16.2 kết hợp Schema kế toán chuẩn mực VAS.
  • Interface / BI: Power BI Desktop v2.126 / Streamlit 1.32.0.
-- Thiết kế Schema bảng dữ liệu giao dịch tiêu thụ & lợi nhuận
CREATE TABLE Dim_Product (
    product_id VARCHAR(10) PRIMARY KEY,
    product_name VARCHAR(50) NOT NULL,
    category VARCHAR(20) CHECK (category IN ('Xe số', 'Xe tay ga')),
    engine_type VARCHAR(20) DEFAULT 'Carburetors',
    euro_standard INT DEFAULT 2
);

CREATE TABLE Fact_Sales_Financial (
    record_id SERIAL PRIMARY KEY,
    product_id VARCHAR(10) REFERENCES Dim_Product(product_id),
    period_year INT CHECK (period_year BETWEEN 2007 AND 2009),
    quantity_sold INT NOT NULL,
    unit_price NUMERIC(12, 2) NOT NULL,
    unit_cogs NUMERIC(12, 2) NOT NULL,
    unit_selling_exp NUMERIC(12, 2) NOT NULL,
    unit_admin_exp NUMERIC(12, 2) NOT NULL,
    payment_method VARCHAR(20) CHECK (payment_method IN ('TraNgay', 'TraCham', 'TraTruoc'))
);

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu áp dụng phương pháp thay thế liên hoàn (Index & Factor Analysis) kết hợp phân tích chuỗi thời gian thống kê kinh tế:

Implementation và kết quả

Thuật toán phân tích nhân tố biến động lợi nhuận

Mô hình phân rã lợi nhuận hoạt động kinh doanh ($LN$) dựa trên 6 tham số nền tảng:

$$\Delta LN = \Delta LN_Q + \Delta LN_P + \Delta LN_G + \Delta LN_E + \Delta LN_{kc}$$

Trong đó:

  1. Ảnh hưởng do Khối lượng tiêu thụ ($Q$): $$\Delta LN_Q = LN_0 \times \left( \frac{\sum Q_1 P_0}{\sum Q_0 P_0} - 1 \right)$$
  2. Ảnh hưởng do Giá bán đơn vị ($P$): $$\Delta LN_P = \sum Q_1 \times (P_1 - P_0)$$
  3. Ảnh hưởng do Giá vốn hàng bán đơn vị ($G$): $$\Delta LN_G = - \sum Q_1 \times (G_1 - G_0)$$
  4. Ảnh hưởng do Chi phí bán hàng & Quản lý ($E$): $$\Delta LN_E = - \sum Q_1 \times (E_1 - E_0)$$
  5. Ảnh hưởng do Kết cấu mặt hàng ($kc$): $$\Delta LN_{kc} = \sum Q_1 (P_0 - G_0 - E_0) - LN_0 \times \frac{\sum Q_1 P_0}{\sum Q_0 P_0}$$
from dataclasses import dataclass
from typing import Dict, List
import pandas as pd
import numpy as np

@dataclass
class ProductSalesMetric:
    name: str
    q0: int      # Khối lượng kỳ gốc (chiếc)
    q1: int      # Khối lượng kỳ phân tích (chiếc)
    p0: float    # Giá bán đơn vị gốc (triệu VNĐ)
    p1: float    # Giá bán đơn vị phân tích (triệu VNĐ)
    g0: float    # Giá vốn đơn vị gốc (triệu VNĐ)
    g1: float    # Giá vốn đơn vị phân tích (triệu VNĐ)
    e0: float    # Chi phí quản lý + BH đơn vị gốc (triệu VNĐ)
    e1: float    # Chi phí quản lý + BH đơn vị phân tích (triệu VNĐ)

class ProfitFactorAnalyzer:
    """Mô hình phân tích định lượng 6 nhân tố tác động đến lợi nhuận."""
    def __init__(self, metrics: List[ProductSalesMetric]):
        self.df = pd.DataFrame([m.__dict__ for m in metrics])
        self._calculate_aggregates()

    def _calculate_aggregates(self) -> None:
        self.df['rev0'] = self.df['q0'] * self.df['p0']
        self.df['rev1'] = self.df['q1'] * self.df['p1']
        self.df['rev_comparable'] = self.df['q1'] * self.df['p0']
        
        self.df['unit_profit0'] = self.df['p0'] - self.df['g0'] - self.df['e0']
        self.df['unit_profit1'] = self.df['p1'] - self.df['g1'] - self.df['e1']
        
        self.ln0 = (self.df['q0'] * self.df['unit_profit0']).sum()
        self.ln1 = (self.df['q1'] * self.df['unit_profit1']).sum()
        self.completion_rate = self.df['rev_comparable'].sum() / self.df['rev0'].sum()

    def evaluate_factor_effects(self) -> Dict[str, float]:
        # 1. Ảnh hưởng khối lượng
        delta_ln_q = self.ln0 * (self.completion_rate - 1.0)
        # 2. Ảnh hưởng giá bán
        delta_ln_p = (self.df['q1'] * (self.df['p1'] - self.df['p0'])).sum()
        # 3. Ảnh hưởng giá vốn
        delta_ln_g = - (self.df['q1'] * (self.df['g1'] - self.df['g0'])).sum()
        # 4. Ảnh hưởng chi phí quản lý & bán hàng
        delta_ln_e = - (self.df['q1'] * (self.df['e1'] - self.df['e0'])).sum()
        # 5. Ảnh hưởng kết cấu sản phẩm
        delta_ln_kc = (self.df['q1'] * self.df['unit_profit0']).sum() - (self.ln0 * self.completion_rate)
        
        total_delta = delta_ln_q + delta_ln_p + delta_ln_g + delta_ln_e + delta_ln_kc
        return {
            "Delta_LN_Total": round(self.ln1 - self.ln0, 2),
            "Delta_By_Volume": round(delta_ln_q, 2),
            "Delta_By_Price": round(delta_ln_p, 2),
            "Delta_By_COGS": round(delta_ln_g, 2),
            "Delta_By_Opex": round(delta_ln_e, 2),
            "Delta_By_Product_Mix": round(delta_ln_kc, 2),
            "Validation_Diff": round(self.ln1 - self.ln0 - total_delta, 4)
        }

Kết quả định lượng và Phân tích tài chính

Số liệu thực nghiệm từ hoạt động sản xuất kinh doanh của Công ty Đại Thành (2007–2009) cho thấy bức tranh phân hóa rõ nét giữa các chỉ số hiện vật và giá trị:

Chỉ tiêu kinh tế Năm 2007 Năm 2008 Năm 2009 Tốc độ PTBQ ($\bar{t}$)
Tổng lượng xe tiêu thụ (Chiếc) 1.468 1.185 1.062 85,05% (-14,95%/năm)
- Nhóm xe số 1.385 1.054 865 79,03%
- Nhóm xe tay ga 83 131 197 154,06%
Doanh thu thuần ($DT_r$) (Tr.đ) 21.222,93 20.145,85 20.641,88 98,62%
Giá vốn hàng bán ($G$) (Tr.đ) 20.303,03 19.024,83 19.205,01 97,26%
Lợi nhuận gộp ($LN_{gop}$) (Tr.đ) 919,90 1.121,02 1.436,87 125,00%
Chi phí bán hàng ($CPBH$) (Tr.đ) 126,63 171,45 200,31 125,77%
Chi phí quản lý DN (Tr.đ) 353,41 415,75 591,15 129,34%
Chi phí tài chính / Lãi vay (Tr.đ) 161,13 186,75 274,57 130,54%
Lợi nhuận sau thuế ($LNST$) (Tr.đ) 200,68 270,28 278,13 117,79% 
TỔNG SỐ LƯỢNG XE TIÊU THỤ QUA CÁC NĂM (Đơn vị: Chiếc)
2007: 1,468 [========================================] (Xe ga: 83,  Xe số: 1385)
2008: 1,185 [================================]         (Xe ga: 131, Xe số: 1054)
2009: 1,062 [=============================]            (Xe ga: 197, Xe số: 865)

DOANH THU THUẦN QUA CÁC NĂM (Đơn vị: Triệu VNĐ)
2007: 21,222.93 [=======================================]
2008: 20,145.85 [=====================================]
2009: 20,641.88 [======================================]

LỢI NHUẬN SAU THUẾ QUA CÁC NĂM (Đơn vị: Triệu VNĐ)
2007: 200.68 [====================]
2008: 270.28 [===========================]
2009: 278.13 [============================]

Phân tích biến động chuyên sâu

  1. Dịch chuyển biên lợi nhuận nhờ dòng xe tay ga: Khối lượng tiêu thụ xe số suy giảm nghiêm trọng (Wave Alpha giảm từ 761 xe xuống 229 xe, $\bar{t} = 54,86%$; Super Dream giảm từ 131 xe xuống 27 xe, $\bar{t} = 45,04%$). Ngược lại, xe tay ga bùng nổ với Air Blade FI tăng từ 65 xe lên 140 xe ($\bar{t} = 146,76%$, giá bán tăng từ 29,0 tr.đ lên 36,86 tr.đ/xe) và Click tăng từ 18 lên 51 xe ($\bar{t} = 168,33%$). Chính sự chuyển dịch sang các model có biên lợi nhuận gộp cao đã bù đắp cho sự sụt giảm khối lượng tổng thể, giúp lợi nhuận gộp tăng trưởng bình quân 25,00%/năm.
  2. Cơ cấu phân bổ doanh thu theo mùa vụ: Doanh thu tập trung đột biến vào Quý IV (chiếm từ 37,3% đến 39,9% tổng doanh thu năm) nhờ tâm lý mua sắm cuối năm, trong khi Quý II chạm đáy chỉ đạt 13,5% - 17,3%.
  3. Cơ cấu vốn và Rủi ro thanh khoản: Tổng nguồn vốn mở rộng từ 2.628,61 tr.đ lên 4.115,22 tr.đ ($\bar{t} = 125,33%$). Nợ phải trả tăng nhanh hơn vốn chủ sở hữu ($\bar{t}{vay} = 132,74%$ so với $\bar{t}{CSH} = 116,06%$), làm gia tăng chi phí lãi vay lên 274,57 tr.đ vào năm 2009.

Đổi mới và đóng góp

Đóng góp về mặt phương pháp luận và kỹ thuật

  • Chuẩn hóa khung đánh giá danh mục bán lẻ xe máy: Thay vì đánh giá hiệu quả thuần túy theo số lượng xe bán ra, nghiên cứu chứng minh mối tương quan phi tuyến tính giữa doanh thu và lợi nhuận thông qua phân tích biến động đơn giá và biên lợi nhuận cá biệt ($Ln_i$).
  • Mô hình hóa tác động cấu trúc sản phẩm (Mix-shift Effect): Tách bạch rõ ràng phần tăng trưởng lợi nhuận đến từ nỗ lực bán hàng thuần túy so với phần tăng trưởng do hiệu ứng dịch chuyển cơ cấu tiêu dùng tự nhiên của thị trường sang dòng xe Air Blade FI.
+-----------------------------------------------------------------------------------+
|               SO SÁNH CÁC PHƯƠNG PHÁP QUẢN TRỊ KINH DOANH BÁN LẺ                  |
+--------------------------+----------------------------+---------------------------+
| Phương pháp truyền thống | Mô hình DuPont cơ bản      | Khung Phân tích Đề xuất   |
+--------------------------+----------------------------+---------------------------+
| - Đánh giá theo sản lượng| - Tập trung ROE, ROA chung | - Phân rã 6 nhân tố chi   |
| - Thiếu phân bổ chi phí  | - Không chi tiết hóa từng  |   tiết đến từng mã hàng   |
|   trực tiếp cho từng SKU |   dòng sản phẩm/SKU        | - Tích hợp rủi ro công nợ |
| - Độ trễ quản trị lớn    | - Không gắn với mùa vụ     |   và tính chu kỳ mùa vụ   |
+--------------------------+----------------------------+---------------------------+

Hiệu quả tối ưu hóa được định lượng

  • Xác định chính xác nguyên nhân $LNST$ tăng 38,59% (từ 200,68 tr.đ lên 278,13 tr.đ) trong khi tổng sản lượng xe giảm 27,66%.
  • Chỉ ra điểm rò rỉ dòng tiền: Chi phí quản lý doanh nghiệp tăng 67,27% (từ 353,41 tr.đ lên 591,15 tr.đ) chủ yếu do chi phí mở rộng cơ sở hạ tầng chi nhánh Cầu Giát - Quỳnh Lưu (nhà cửa, vật kiến trúc trị giá 259,97 tr.đ, chiếm 87,14% nguyên giá TSCĐ).

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế tại HEAD

  1. Điều tiết tồn kho theo chu kỳ mùa vụ (Seasonal Inventory Rebalancing):
    • Giảm lượng đặt hàng xe số thông thường trong Quý II và Quý III xuống 35% để giải phóng vốn lưu động.
    • Tập trung 60% hạn mức tín dụng nhập hàng dòng xe ga cao cấp (Air Blade FI, Lead, SH) từ đầu tháng 10 hàng năm nhằm đón đầu đỉnh cầu Quý IV.
  2. Kiểm soát rủi ro thanh toán trả chậm:
    • Thiết lập trần dư nợ trả chậm tối đa 20% tổng doanh thu.
    • Yêu cầu thanh toán trước tối thiểu 30–50% giá trị xe đối với các hợp đồng công nợ, rút ngắn chu kỳ thu hồi tiền về dưới 45 ngày.
LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP TỐI ƯU HÓA (ROADMAP)
Tháng 1-2: Kiểm kê, phân loại SKU & Đánh giá rủi ro công nợ
Tháng 3-4: Tái đàm phán hạn mức tín dụng & Cơ cấu danh mục nhập hàng
Tháng 5-8: Kích cầu mùa thấp điểm (Quý II - Quý III) & Huấn luyện nhân sự
Tháng 9-12: Tập trung đón sóng Quý IV & Tối ưu hóa lợi nhuận xe tay ga FI

Ước tính hiệu quả kinh tế (Cost-Benefit Analysis)

  • Cắt giảm chi phí lãi vay: Giảm tỷ lệ nợ ngắn hạn xuống 15% giúp tiết kiệm xấp xỉ 40–50 triệu VNĐ chi phí tài chính mỗi năm.
  • Tăng tốc độ vòng quay vốn lưu động: Nâng hệ số quay vòng hàng tồn kho ($L_{kho}$) từ 6,2 vòng/năm lên 8,5 vòng/năm, rút ngắn số ngày lưu kho $N_{kho}$ xuống dưới 42 ngày.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Nguồn dữ liệu quá khứ: Khảo sát dựa trên dữ liệu 2007–2009, thời điểm hệ thống phần mềm quản trị bán hàng (DMS) chuyên dụng chưa được đồng bộ tự động theo thời gian thực (Real-time telemetry).
  • Phân bổ chi phí chung: Một số khoản mục chi phí bán hàng và quảng bá được phân bổ theo phương pháp bình quân giản đơn, chưa áp dụng triệt để mô hình định phí/biến phí (Activity-Based Costing - ABC).

Hướng nghiên cứu mở rộng

  • Tích hợp mô hình chuỗi thời gian ARIMA / SARIMAX để dự báo nhu cầu tiêu thụ xe máy theo tháng có xét đến yếu tố thời tiết và lịch nông vụ tại địa phương.
  • Xây dựng mô hình chấm điểm tín dụng vi mô (Credit Scoring) cho khách hàng mua xe trả góp nhằm tự động hóa quy trình xét duyệt công nợ.

Đối tượng hưởng lợi

    Case study VAS     Tối ưu hóa vốn,       Schema dữ liệu     Phương pháp luận
   & Phân tích số     giảm rủi ro nợ        & Code định lượng  phân rã nhân tố
  • Sinh viên & Giảng viên khối ngành Kinh tế/QTKD: Cung cấp bộ dữ liệu thực chứng hoàn chỉnh về phân tích tài chính doanh nghiệp thương mại theo chuẩn mực kế toán Việt Nam.
  • Ban Giám đốc & Quản trị viên đại lý xe máy: Nắm giữ khung công cụ định lượng để đưa ra quyết định nhập hàng, cân đối dòng tiền và thiết lập chính sách giá bán linh hoạt.
  • Kỹ sư dữ liệu & Lập trình viên ERP/DMS: Tham khảo cấu trúc cơ sở dữ liệu và thuật toán phân tích nhân tố lợi nhuận để nhúng trực tiếp vào các module Business Intelligence.
  • Nhà nghiên cứu kinh tế ứng dụng: Phương pháp luận mẫu mực trong việc kết hợp giữa kinh tế vi mô, phân tích báo cáo tài chính và thống kê mô tả.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình phân tích này vào doanh nghiệp là gì?

Hệ thống yêu cầu máy chủ cơ sở dữ liệu chạy PostgreSQL 14+ hoặc MySQL 8.0+, môi trường thực thi Python 3.10+ (thư viện Pandas, NumPy, Statsmodels) và công cụ trực quan hóa (Power BI Desktop hoặc ứng dụng web Streamlit). Về mặt nghiệp vụ, doanh nghiệp cần chuẩn hóa số liệu kế toán chi tiết theo từng mã hàng (SKU) và phân loại giao dịch thanh toán.

2. Làm thế nào để giải quyết mâu thuẫn giữa việc mở rộng doanh thu trả chậm và rủi ro nợ xấu?

Doanh nghiệp cần áp dụng chính sách chiết khấu thanh toán ngay (1–2% trên giá trị xe) để khuyến khích khách hàng trả thẳng. Với khách hàng trả chậm, bắt buộc thực hiện thủ tục giữ giấy đăng ký xe gốc (hợp tác qua ngân hàng thương mại), giới hạn thời gian nợ tối đa 60–90 ngày và áp dụng lãi suất phạt chậm trả.

3. Làm sao để tích hợp hệ thống phân tích này với các phần mềm kế toán hiện có như MISA hay FAST?

Mô hình hỗ trợ trích xuất dữ liệu tự động thông qua các cổng API RESTful hoặc xử lý tệp trung gian (Excel/CSV batch export) định kỳ từ sổ nhật ký chung, sổ cái tài khoản 511 (Doanh thu), 632 (Giá vốn), 641 (Chi phí bán hàng) và 642 (Chi phí quản lý doanh nghiệp).

4. Chi phí đầu tư và thời gian hoàn vốn (ROI) khi ứng dụng giải pháp là bao lâu?

Chi phí triển khai mô hình phân tích nội bộ và chuẩn hóa quy trình dao động từ 15–30 triệu VNĐ (chi phí phần mềm mã nguồn mở và đào tạo nhân sự). Với mức tiết kiệm chi phí lãi vay và chi phí tồn kho ước tính 40–50 triệu VNĐ/năm, thời gian hoàn vốn đạt được chỉ trong vòng 6–9 tháng.

5. Tại sao sản lượng tiêu thụ xe giảm mạnh nhưng lợi nhuận sau thuế của công ty vẫn tăng trưởng?

Đây là kết quả của hiệu ứng chuyển dịch cơ cấu sản phẩm (Product Mix Shift). Lợi nhuận cá biệt từ một chiếc xe tay ga Air Blade FI cao gấp 2,5 - 3,5 lần so với xe số Wave Alpha. Do đó, tốc độ tăng trưởng 154,06% của nhóm xe tay ga đã bù đắp hoàn toàn phần sụt giảm sản lượng của nhóm xe số, nâng tổng lợi nhuận sau thuế tăng 38,59% qua 3 năm.

Kết luận

Đồ án đã giải quyết toàn diện bài toán đánh giá tình hình tiêu thụ sản phẩm và lợi nhuận tại Công ty TNHH Đại Thành thông qua các đóng góp nổi bật:

  • Làm sáng tỏ thực trạng kinh doanh: Phân tích chi tiết chuỗi dữ liệu 3 năm với các chỉ số then chốt (sản lượng giảm từ 1.468 xe xuống 1.062 xe; $DT_r$ đạt 20.641,88 tr.đ; $LNST$ tăng lên 278,13 tr.đ).
  • Đóng góp về công cụ định lượng: Cung cấp thuật toán phân rã 6 nhân tố, giúp ban lãnh đạo tách bạch chính xác mức độ tác động của giá bán, sản lượng, giá vốn và chi phí vận hành.
  • Giá trị thực tiễn cao: Đưa ra hệ thống giải pháp khả thi về quản trị tồn kho theo mùa vụ, thắt chặt chính sách công nợ và tái cơ cấu nguồn vốn vay nhằm đảm bảo an toàn tài chính và phát triển bền vững.