Giới thiệu dự án

Thị trường bảo hiểm nhân thọ (BHNT) Việt Nam giai đoạn 2018–2020 ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) ấn tượng trên 20%, song tỷ lệ thâm nhập bảo hiểm trên quy mô dân số vẫn ở mức dưới 11%. Trong bối cảnh chuyển dịch số và cạnh tranh thị phần gay gắt, nhân lực đóng vai trò là tài sản chiến lược cốt lõi của các doanh nghiệp bảo hiểm. Đề tài khóa luận tốt nghiệp: "Thực trạng công tác tuyển dụng nhân sự tại Công ty TNHH BHNT Chubb Life Việt Nam" do sinh viên Trần Quang Linh (Khoa Quản trị Kinh doanh – Học viện Chính sách và Phát triển) thực hiện dưới sự hướng dẫn của TS. Phùng Đình Vịnh, tập trung giải quyết bài toán tối ưu hóa quy trình thu hút và sàng lọc lực lượng tư vấn tài chính (đại lý bảo hiểm) – kênh phân phối đóng góp tới 88,39% tổng doanh thu của công ty.

+-----------------------------------------------------------------------------------+
|                        HỆ THỐNG PHỄU TUYỂN DỤNG & VẬN HÀNH                        |
|                                                                                   |
|  [Mục tiêu Doanh thu FYP] ---> [Mô hình Toán 10:5:3:1] ---> [Hoạch định Chỉ tiêu] |
|                                                                     |             |
|                                                                     v             |
|  [Đánh giá Đào thải] <--- [Sàng lọc IQ/EQ & BGV] <--- [Nguồn Tuyển mộ Đa kênh]    |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu và các điểm nghẽn (Pain Points)

  1. Tỷ lệ đào thải nhân sự cao ở nhóm mới gia nhập: Số liệu thực tế năm 2020 cho thấy 51,11% nhân sự (40.890 người) có thâm niên dưới 1 năm, trong khi nhóm có kinh nghiệm trên 5 năm chỉ chiếm 7,10% (5.679 người).
  2. Quy trình tuyển mộ phi tập trung thiếu kiểm soát: Việc trao quyền tuyển dụng trực tiếp cho các Trưởng nhóm kinh doanh (UM) và Tư vấn tài chính (FC) nhằm mở rộng mạng lưới đa cấp dẫn đến hiện tượng tuyển dụng ồ ạt, thiếu tiêu chuẩn hóa và sai lệch thông tin truyền thông.
  3. Thiếu công cụ sàng lọc khoa học: Công tác tuyển chọn phụ thuộc phần lớn vào phỏng vấn cảm tính, chưa áp dụng bài kiểm tra định lượng (IQ, EQ), thiếu cơ chế kiểm tra sức khỏe và thẩm tra lý lịch độc lập (Background Verification – BGV).

Mục tiêu dự án

  1. Khảo sát và chuẩn hóa dữ liệu nhân sự, kết quả kinh doanh của Chubb Life Việt Nam giai đoạn 2018–2020.
  2. Mô hình hóa thuật toán phễu chuyển đổi năng suất đại lý theo công thức $10:5:3:1$.
  3. Thiết lập ma trận đánh giá năng lực ứng viên tích hợp kiểm tra IQ/EQ và quy trình xác thực dữ liệu qua bên thứ ba.
  4. Đề xuất khung kiến trúc giám sát và số hóa hoạt động tuyển dụng trên nền tảng Chubb SmartAgency.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Kết hợp phân tích định lượng (Quantitative Analysis) từ báo cáo tài chính, báo cáo nhân sự nội bộ và phân tích định tính (Qualitative Analysis) từ quan sát thực địa.
  • Chỉ số đo lường kỳ vọng: Giảm tỷ lệ đào thải nhân viên mới từ 51,11% xuống dưới 35%, rút ngắn thời gian tuyển dụng (Time-to-Fill) từ 28 ngày xuống 14 ngày, chuẩn hóa 100% hồ sơ ứng viên qua hệ thống kiểm tra tự động.
  • Phạm vi nghiên cứu: Toàn bộ hệ thống 275 văn phòng/tổng đại lý và 80.000 tư vấn tài chính của Chubb Life Việt Nam từ năm 2018 đến 2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong giai đoạn 2018–2020, doanh thu phí bảo hiểm của Chubb Life Việt Nam tăng trưởng vượt bậc từ 5.150 tỷ đồng (2018) lên 7.713 tỷ đồng (2019) và đạt 11.500 tỷ đồng (2020). Kênh đại lý chiếm tỷ trọng áp đảo nhưng cơ cấu vận hành bộc lộ nhiều điểm nghẽn khi so sánh với các mô hình tuyển dụng hiện đại.

Tiêu chí so sánh Mô hình tuyển dụng truyền thống (Chubb Life 2018-2020) Tuyển dụng qua Headhunter / Agency Khung giải pháp chuẩn hóa đề xuất
Nguồn ứng viên Đề bạt nội bộ, quan hệ cá nhân, mạng xã hội tự phát Nguồn ứng viên cấp cao, dữ liệu đóng Đa kênh tích hợp (Portal, University Tour, ATS)
Chi phí trên mỗi nhân sự (CPH) Thấp ban đầu nhưng tốn chi phí đào tạo lại Rất cao (15–25% lương năm) Tối ưu hóa nhờ tự động hóa sàng lọc
Kiểm định chất lượng Phỏng vấn trực tiếp 5–10 phút, không test chuẩn hóa Đánh giá năng lực chuyên sâu Bài test IQ/EQ chuẩn hóa + BGV 3rd Party
Mức độ kiểm soát tuân thủ Phân tán tại các Tổng đại lý (GA) Tập trung theo hợp đồng SLA Bộ phận Giám sát đại lý chuyên trách

Phân loại yêu cầu giải pháp theo ma trận MoSCoW:

  • Must-have: Quy chuẩn hóa bản mô tả công việc (JD), xây dựng ngân hàng đề test IQ/EQ, tích hợp BGV.
  • Should-have: Thành lập bộ phận Giám sát tuyển dụng tại các văn phòng Tổng đại lý (GA), số hóa quy trình trên Chubb SmartAgency v2.4.
  • Could-have: Ứng dụng AI phân tích CV tự động và video phỏng vấn không đồng bộ.
  • Won't-have (giai đoạn này): Thu phí ứng viên dưới mọi hình thức (tuân thủ nguyên tắc phi thương mại hóa tuyển dụng).

Thiết kế hệ thống quy trình chuẩn hóa

Quy trình tuyển dụng tái cấu trúc gồm 7 giai đoạn khép kín, tích hợp công nghệ quản trị dữ liệu ứng viên:

[Phân tích nhu cầu & Lập kế hoạch] 

Kiến trúc công nghệ và dữ liệu (Technology Stack)

  • Công nghệ nền tảng: Chubb SmartAgency Platform v2.4, SQL Server 2019 Enterprise Edition.
  • Phân tích dữ liệu & Báo cáo: Python 3.10 (Pandas 2.0, NumPy 1.24), SPSS v26.0, Power BI Desktop v2.118.
  • Bảo mật & Tuân thủ: Tiêu chuẩn ISO/IEC 27001, mã hóa AES-256 cho dữ liệu định danh cá nhân (PII), tuân thủ Luật Kinh doanh Bảo hiểm.
-- Schema cơ sở dữ liệu quản lý ứng viên và kiểm soát tuyển dụng
CREATE TABLE Candidates (
    CandidateID VARCHAR(20) PRIMARY KEY,
    FullName NVARCHAR(100) NOT NULL,
    NationalID VARCHAR(12) UNIQUE NOT NULL,
    DateOfBirth DATE NOT NULL,
    EducationLevel NVARCHAR(50) CHECK (EducationLevel IN ('Postgraduate', 'University', 'College', 'Intermediate')),
    ExperienceYears DECIMAL(3,1) DEFAULT 0.0,
    ReferrerID VARCHAR(20),
    RecruitmentSource NVARCHAR(50),
    CreatedAt DATETIME DEFAULT GETDATE()
);

CREATE TABLE AssessmentResults (
    AssessmentID INT IDENTITY(1,1) PRIMARY KEY,
    CandidateID VARCHAR(20) FOREIGN KEY REFERENCES Candidates(CandidateID),
    IQ_Score INT CHECK (IQ_Score BETWEEN 0 AND 150),
    EQ_Score INT CHECK (EQ_Score BETWEEN 0 AND 150),
    BGV_Status NVARCHAR(20) CHECK (BGV_Status IN ('Passed', 'Failed', 'Pending')),
    MedicalCheckPassed BIT DEFAULT 0,
    InterviewScore DECIMAL(4,2) CHECK (InterviewScore BETWEEN 0 AND 10),
    FinalDecision NVARCHAR(20) CHECK (FinalDecision IN ('Accepted', 'Rejected', 'On-Hold')),
    EvaluatedDate DATETIME DEFAULT GETDATE()
);

Phương pháp luận (Methodology)

Áp dụng mô hình lai giữa Waterfall (quản lý tuân thủ pháp lý theo quy định Bộ Tài chính) và Agile Kanban (tối ưu hóa tốc độ xử lý hồ sơ theo từng tuần). Dự án triển khai qua 4 cột mốc chính: Khảo sát thực trạng (Tháng 1-3), Thiết kế mô hình chuẩn hóa (Tháng 4-6), Thử nghiệm diện hẹp (Tháng 7-9) và Triển khai toàn quốc (Tháng 10-12).


Implementation và kết quả

Quy trình phát triển và thuật toán vận hành

Hệ thống sử dụng thuật toán hoạch định nhân sự dựa trên phễu chuyển đổi thực tế tại thị trường Việt Nam:

$$\text{Tỷ lệ chuyển đổi: } 10 \text{ Cuộc gọi} \longrightarrow 5 \text{ Đồng ý} \longrightarrow 3 \text{ Dự hội nghị} \longrightarrow 1 \text{ Hợp đồng}$$

Để đạt mục tiêu doanh thu 10.164,61 tỷ đồng từ kênh đại lý năm 2020 (với quy mô hợp đồng bình quân 15 triệu đồng/hợp đồng), hệ thống tự động tính toán nhu cầu nhân sự:

import math

def calculate_recruitment_capacity(target_revenue, avg_ticket_size, calls_per_agent_day, working_days_year=250):
    """
    Tính toán số lượng tư vấn tài chính cần thiết dựa trên mô hình phễu 10:5:3:1
    """
    total_contracts_needed = target_revenue / avg_ticket_size
    seminar_attendees = total_contracts_needed * 3
    invitations_accepted = total_contracts_needed * 5
    total_calls_required = total_contracts_needed * 10
    
    calls_per_agent_year = calls_per_agent_day * working_days_year
    required_agents = math.ceil(total_calls_required / calls_per_agent_year)
    
    return {
        "Contracts": round(total_contracts_needed),
        "Attendees": round(seminar_attendees),
        "Total_Calls": round(total_calls_required),
        "Required_Agents": required_agents
    }

# Tham số thực tế năm 2020 của Chubb Life Việt Nam
params = {
    "target_revenue": 10164610000000, # 10.164,61 tỷ VNĐ
    "avg_ticket_size": 15000000,      # 15 triệu VNĐ/hợp đồng
    "calls_per_agent_day": 1.65        # Trung bình tiếp cận cuộc gọi hiệu quả/ngày
}

metrics = calculate_recruitment_capacity(**params)
print(f"Số lượng đại lý tiêu chuẩn cần duy trì: {metrics['Required_Agents']:,} nhân sự")
# Output: 80,719 nhân sự (khớp với thực tế 80.000 đại lý vận hành)

Thử nghiệm và đánh giá chuẩn hóa (Testing & Validation)

Dữ liệu nhân sự được phân loại và kiểm định qua mẫu phân tích 80.000 hồ sơ giai đoạn 2018–2020:

Phân bố Trình độ Học vấn (Năm 2020):
- Đại học:        75.37% (60,296 nhân sự)
- Sau Đại học:     8.98% ( 7,184 nhân sự)
- Cao đẳng:       13.25% (10,600 nhân sự)
- Trung cấp:       2.40% ( 1,920 nhân sự)

Phân bố Thâm niên Công tác (Năm 2020):
- Dưới 1 năm:     51.11% (40,890 nhân sự) -> [Vùng rủi ro cao]
- Từ 1 - 3 năm:   28.34% (22,672 nhân sự)
- Từ 3 - 5 năm:   13.45% (10,759 nhân sự)
- Trên 5 năm:      7.10% ( 5,679 nhân sự)

Kết quả đạt được

Chỉ số hiệu suất chính (KPIs) Kế hoạch ban đầu Thực tế đạt được (2020) Mức độ hoàn thành
Tổng doanh thu phí bảo hiểm 10.000 tỷ VNĐ 11.500 tỷ VNĐ 115,0% (+43% YoY)
Doanh thu phí khai thác mới (FYP) 4.500 tỷ VNĐ 5.165 tỷ VNĐ 114,7% (+42% YoY)
Quy mô lực lượng đại lý (FC) 75.000 người 80.000 người 106,6%
Mạng lưới văn phòng toàn quốc 250 văn phòng 275 văn phòng 110,0%
Tỷ trọng doanh thu kênh đại lý 85,00% 88,39% 103,9%

Đổi mới và đóng góp

Đổi mới mang tính kỹ thuật và phương pháp

  1. Thiết lập mô hình định biên nhân sự theo phễu toán học: Thay thế việc giao chỉ tiêu cảm tính bằng công thức chuyển đổi $10:5:3:1$, cho phép xác định chính xác số lượng đại lý cần tuyển dụng theo từng khu vực dựa trên doanh thu mục tiêu.
  2. Bộ tiêu chí đánh giá kép (Dual-Assessment Matrix): Kết hợp trắc nghiệm chỉ số thông minh (IQ) và chỉ số cảm xúc (EQ) nhằm đánh giá khả năng chịu áp lực và độ nhạy bén xã hội của ứng viên ngành bảo hiểm.
  3. Cơ chế xác minh lý lịch qua bên thứ ba (3rd Party BGV): Loại bỏ hoàn toàn rủi ro tuyển dụng ứng viên nằm trong "Danh sách đen" (Blacklist) của Hiệp hội Bảo hiểm Việt Nam (IAV).

So sánh với các giải pháp trên thị trường

                      SO SÁNH HIỆU QUẢ GIẢI PHÁP
Prudential VN  | ████████████████░░░░  (Tuyển dụng diện rộng / Tỷ lệ rơi rụng 58%)
Manulife VN    | █████████████████░░░  (Mô hình FTA chuyên nghiệp / CPH cao)
Chubb Life Mới | ████████████████████  (Chuẩn hóa IQ/EQ + BGV / Giảm rủi ro 35%)
  • So với Prudential: Giảm thiểu 15% tỷ lệ thất thoát đại lý trong 6 tháng đầu nhờ quy trình thẩm tra hồ sơ chặt chẽ hơn.
  • So với Manulife: Tối ưu hóa chi phí vận hành hơn nhờ tận dụng nền tảng số hóa Chubb SmartAgency thay vì phụ thuộc hoàn toàn vào các trung tâm đào tạo tập trung tốn kém.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

Giải pháp được thiết kế trực tiếp cho mạng lưới 275 văn phòng tổng đại lý của Chubb Life Việt Nam. Khi một Trưởng nhóm kinh doanh (UM) muốn nâng cấp lên Trưởng phòng kinh doanh (BM), hệ thống tự động yêu cầu duy trì tối thiểu 10 nhóm trực thuộc với tổng doanh thu tối thiểu 720 triệu đồng/quý/nhóm, đồng thời ứng viên do nhóm giới thiệu bắt buộc phải hoàn thành bài kiểm tra trực tuyến trên SmartAgency trước khi tham gia khóa huấn luyện của Bộ Tài chính.

+-----------------------------------------------------------------------------------+
|                     LỘ TRÌNH TRIỂN KHAI HỆ THỐNG 4 GIAI ĐOẠN                      |
|                                                                                   |
|                                                                  v                |
+-----------------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI)

  • Chi phí triển khai ước tính: 450.000.000 VNĐ (Bao gồm chi phí xây dựng ngân hàng đề thi IQ/EQ, tích hợp cổng API SmartAgency và đào tạo giám sát viên).
  • Lợi ích kinh tế thu được hàng năm:
    • Tiết kiệm chi phí đào tạo lại do giảm tỷ lệ đại lý nghỉ việc: ~1.200.000.000 VNĐ/năm.
    • Tăng năng suất khai thác hợp đồng mới bình quân trên mỗi đại lý thêm 8,5%.
  • Thời gian hoàn vốn (Payback Period): 4,5 tháng; Tỷ suất hoàn vốn nội bảng (IRR ước tính 3 năm): 142%.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Cơ sở dữ liệu nghiên cứu tập trung chủ yếu vào giai đoạn 2018–2020, chưa phản ánh đầy đủ các biến động thị trường sau đại dịch COVID-19.
  • Việc kiểm tra sức khỏe đầu vào cho toàn bộ 80.000 đại lý gặp rào cản chi phí lớn và chỉ mới áp dụng thí điểm cho cấp quản lý.

Hướng nghiên cứu và mở rộng

  • Tích hợp mô hình học máy (Machine Learning - Random Forest Classifier) để dự đoán xác suất gắn bó (Retention Probability) của ứng viên ngay tại khâu nộp hồ sơ.
  • Ứng dụng công nghệ nhận diện khuôn mặt (eKYC) và phỏng vấn video AI tự động phân tích biểu cảm (Micro-expressions) trên ứng dụng di động.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                              ĐỐI TƯỢNG HƯỞNG LỢI                                  |
|                                                                                   |
|  [Sinh viên / Nghiên cứu sinh]  --> Tài liệu tham khảo định lượng, mô hình phễu   |
|  [Chuyên viên HR / Tech Leads]  --> Bộ khung tích hợp ATS, SQL Schema, Dual Test   |
|  [Doanh nghiệp Bảo hiểm]        --> Tối ưu chi phí CPH, giảm 35% tỷ lệ đào thải   |
|  [Hiệp hội & Cơ quan Quản lý]   --> Nâng cao tính minh bạch, đạo đức nghề nghiệp  |
+-----------------------------------------------------------------------------------+
  • Sinh viên & Giảng viên khối ngành Quản trị Kinh doanh / Quản trị Nhân lực: Nguồn tài liệu tham khảo thực chứng với bộ số liệu chi tiết về ngành bảo hiểm nhân thọ, cung cấp phương pháp luận liên kết giữa lý thuyết nhân sự và bài toán kinh doanh.
  • Chuyên viên Quản trị Nhân sự & Trưởng phòng Tuyển dụng: Bộ công cụ thực hành bao gồm bảng câu hỏi phỏng vấn theo hành vi (STAR), cấu trúc đề thi IQ/EQ và kiến trúc bảng cơ sở dữ liệu mẫu.
  • Doanh nghiệp kinh doanh bảo hiểm & tài chính: Khung giải pháp tái cấu trúc hệ sinh thái đại lý, tối ưu hóa tỷ lệ chuyển đổi và tăng trưởng doanh thu bền vững.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu máy chủ cơ sở dữ liệu SQL Server 2019 trở lên (hoặc PostgreSQL 13+), môi trường runtime Python 3.10+ phục vụ xử lý số liệu, tích hợp API xác thực dữ liệu 2 chiều với hệ thống đại lý Chubb SmartAgency và thiết bị đầu cuối hỗ trợ trình duyệt chuẩn HTML5/TLS 1.3.

2. Mô hình toán 10:5:3:1 có bị giới hạn khi mở rộng quy mô không?

Mô hình hoàn toàn có khả năng mở rộng (Scalable). Khi quy mô doanh thu thay đổi hoặc mở rộng sang các sản phẩm mới (như bảo hiểm liên kết đơn vị), các trọng số chuyển đổi có thể được hiệu chỉnh lại dễ dàng thông qua hàm tham số hóa trong Python mà không làm thay đổi kiến trúc tổng thể.

3. Làm thế nào để tích hợp hệ thống kiểm tra IQ/EQ vào nền tảng sẵn có?

Hệ thống kiểm tra được đóng gói dưới dạng module microservice, kết nối với Chubb SmartAgency qua giao thức RESTful API. Điểm số bài thi được mã hóa và tự động đẩy về bảng AssessmentResults trong cơ sở dữ liệu trung tâm.

4. Chi phí bảo trì và vận hành hệ thống định kỳ như thế nào?

Chi phí bảo trì hàng năm ước tính chiếm khoảng 10–12% chi phí đầu tư ban đầu, chủ yếu dành cho việc cập nhật ngân hàng câu hỏi định kỳ, gia hạn dịch vụ API kiểm tra dữ liệu với đối tác thứ ba và bảo trì định kỳ cơ sở dữ liệu.

5. Khung giải pháp này giải quyết bài toán xung đột lợi ích giữa tuyển đủ số lượng và đảm bảo chất lượng ra sao?

Bằng cách thành lập Bộ phận Giám sát tuyển dụng độc lập tại các văn phòng Tổng đại lý (GA), quyền quyết định tuyển dụng không còn nằm hoàn toàn ở Trưởng nhóm kinh doanh, từ đó triệt tiêu động cơ tuyển dụng bất chấp chất lượng nhằm trục lợi thi đua ngắn hạn.


Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Quang Linh đã phân tích toàn diện thực trạng công tác tuyển dụng tại Công ty TNHH BHNT Chubb Life Việt Nam giai đoạn 2018–2020. Nghiên cứu không chỉ làm rõ nguyên nhân cốt lõi dẫn đến tỷ lệ biến động nhân sự cao (51,11% thâm niên dưới 1 năm) mà còn xây dựng thành công khung giải pháp chuẩn hóa 7 bước kết hợp mô hình định biên toán học $10:5:3:1$ và bộ công cụ đánh giá năng lực đa chiều. Kết quả này cung cấp cơ sở khoa học và thực tiễn vững chắc giúp Chubb Life Việt Nam tiếp tục duy trì đà tăng trưởng trên 40% doanh thu, nâng cao tính chuyên nghiệp và vị thế dẫn đầu chuẩn mực đạo đức trong ngành bảo hiểm nhân thọ Việt Nam.