Giới thiệu dự án

Trong bối cảnh nền kinh tế hội nhập, ngành dệt may Việt Nam luôn giữ vai trò mũi nhọn khi đóng góp trung bình 12 - 16% tổng kim ngạch xuất khẩu quốc gia. Tuy nhiên, sự cạnh tranh gay gắt từ các cường quốc dệt may như Bangladesh, Ấn Độ và sự trỗi dậy của các doanh nghiệp nội địa lớn (Việt Tiến, Nhà Bè, Phong Phú) đặt ra bài toán sống còn về năng suất lao động và tối ưu hóa chi phí vận hành. Theo nghiên cứu của Luddy (2005), năng suất và chất lượng sản phẩm trong ngành sản xuất công nghiệp tỷ lệ thuận với mức độ thỏa mãn trong công việc của người lao động.

Công ty Cổ phần May Việt Thắng sở hữu quy mô nhân sự gần 2.000 cán bộ công nhân viên (CB-CNV). Dù đã tạo dựng được vị thế thương hiệu vững chắc, doanh nghiệp vẫn đối mặt với các điểm nghẽn nghiêm trọng về nhân sự: tỷ lệ biến động lao động cao, phế phẩm phát sinh do sự thiếu gắn kết và tình trạng quản trị nhân sự theo kinh nghiệm cảm tính mà thiếu đi các cơ sở định lượng cụ thể.

Đồ án tập trung giải quyết bài toán cốt lõi: Xác định mô hình định lượng các nhân tố tác động đến sự hài lòng của người lao động tại Công ty Cổ phần May Việt Thắng, từ đó xây dựng hệ thống giải pháp nâng cao mức độ cam kết và hiệu suất làm việc.

Các mục tiêu nghiên cứu cụ thể bao gồm:

  1. Hệ thống hóa cơ sở lý luận về hành vi tổ chức và sự hài lòng trong công việc của người lao động trong ngành may mặc.
  2. Xây dựng và kiểm định thang đo độ tin cậy đối với 6 nhóm nhân tố dựa trên mô hình JDI (Job Descriptive Index) hiệu chỉnh.
  3. Đo lường chính xác mức độ tác động của từng nhân tố đến sự hài lòng tổng thể thông qua phương pháp hồi quy tuyến tính bội (Ordinary Least Squares - OLS).
  4. Đề xuất ma trận giải pháp quản trị nhân lực khả thi, có tính ứng dụng cao cho ban điều hành doanh nghiệp.

Phương pháp tiếp cận kết hợp nghiên cứu định tính (Focus Group Discussion với $n=10$) và nghiên cứu định lượng khảo sát diện rộng ($N=150$). Phạm vi khảo sát được thực hiện trực tiếp tại các phân xưởng sản xuất thuộc Công ty Cổ phần May Việt Thắng trong giai đoạn 2016 - 2017.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành rà soát các khung lý thuyết kinh điển trên thế giới và tại Việt Nam để chọn lọc mô hình phù hợp nhất với đặc thù sản xuất dây chuyền may công nghiệp.

Tiêu chí so sánh Mô hình JDI (Smith et al., 1969) Mô hình JSS (Spector, 1985) Mô hình JDI hiệu chỉnh (Trần Kim Dung, 2005) Mô hình nghiên cứu đề xuất
Số lượng nhân tố 5 nhân tố 9 nhân tố 7 nhân tố 6 nhân tố ban đầu (sau EFA còn 5 nhóm)
Khía cạnh môi trường Chưa tách biệt điều kiện vật lý Đánh giá chung Tách thành Điều kiện làm việc & Phúc lợi Tích hợp Điều kiện an toàn & Môi trường tiện nghi
Thang đo mức độ hài lòng Gián tiếp từng khía cạnh Thang đo chi tiết Bổ sung biến phụ thuộc tổng thể 3 biến quan sát đo lường mức độ gắn kết
Độ phù hợp ngành may Trung bình (cần hiệu chỉnh) Khá phức tạp Tốt trong môi trường Việt Nam Rất cao (đã qua thảo luận nhóm tập trung)

Áp dụng phương pháp MoSCoW trong việc thiết kế các chỉ số đo lường:

  • Must have (Bắt buộc phải có): Thang đo Điều kiện làm việc, Lãnh đạo giám sát, Thu nhập & Thưởng, Quan hệ Đồng nghiệp.
  • Should have (Nên có): Thang đo Cơ hội đào tạo & Phát triển tay nghề, Bản chất công việc.
  • Could have (Có thể có): Các biến nhân khẩu học nâng cao (thâm niên, số ca làm việc).
  • Won't have (Tạm thời loại bỏ): Các yếu tố môi trường vĩ mô, biến động tỷ giá và thị trường xuất khẩu.

Thiết kế hệ thống

Kiến trúc giải pháp phân tích dữ liệu nghiên cứu tuân thủ quy trình kiểm định kinh tế lượng nghiêm ngặt:

[Thu thập dữ liệu thô (Likert 1-5)] 
[Làm sạch & Mã hóa dữ liệu (Excel/SPSS)]
[Kiểm định độ tin cậy Thang đo (Cronbach's Alpha ≥ 0.6 & Item-Total ≥ 0.3)]
[Phân tích Nhân tố Khám phá (EFA: PCA, KMO ≥ 0.5, Eigenvalue > 1, Cumulative Variance > 50%)]
[Ước lượng Hồi quy Tuyến tính Bội OLS (Enter Method, Sig < 0.05)]
[Kiểm định chẩn đoán vi phạm mô hình (VIF, Durbin-Watson, Histogram, P-P Plot, Scatterplot)]

Hệ thống mã hóa gồm 24 biến quan sát đo lường 6 biến độc lập và 1 biến phụ thuộc:

  • Bản chất công việc (BCCV): BCCV1 đến BCCV4 (Trình độ chuyên môn, khối lượng, thời gian, tận dụng năng lực).
  • Cơ hội đào tạo và thăng tiến (DTTT): DTTT1 đến DTTT4 (Kỹ năng, học tập nâng cao, cơ hội, chính sách công bằng).
  • Thu nhập (TN): TN1 đến TN3 (Lương theo năng lực, thưởng hiệu quả, phụ cấp trợ cấp).
  • Lãnh đạo (LD): LD1 đến LD4 (Lắng nghe, công bằng, điều hành, hỗ trợ chuyên môn).
  • Đồng nghiệp (DN): DN1 đến DN3 (Sẵn sàng giúp đỡ, phối hợp nhóm, tin cậy).
  • Điều kiện làm việc (DKLV): DKLV1 đến DKLV3 (Đãi ngộ vật chất, an toàn lao động, tiện nghi nhà xưởng).
  • Sự hài lòng chung (HL): HL1 đến HL3 (Hài lòng tổng thể, tự hào lựa chọn, gắn bó như ngôi nhà thứ hai).

Tech Stack sử dụng:

  • Phần mềm phân tích: IBM SPSS Statistics 16.0 / 26.0.
  • Nền tảng phân tích mở rộng: Python 3.10 với các thư viện pandas (xử lý dữ liệu), factor_analyzer (kiểm định EFA) và statsmodels (hồi quy OLS).

Methodology

Quy trình triển khai bao gồm:

  1. Nghiên cứu định tính: Thực hiện phỏng vấn sâu và thảo luận nhóm tập trung với 10 công nhân xưởng may từ ngày 13/02/2017 đến 18/02/2017 để hoàn thiện câu chữ bảng hỏi.
  2. Nghiên cứu định lượng: Phát trực tiếp 165 phiếu điều tra theo phương pháp chọn mẫu thuận tiện. Thu về 150 phiếu hợp lệ (tỷ lệ phản hồi hợp lệ đạt 90.9%).
  3. Tiêu chuẩn kiểm định thống kê:
    • Cronbach's Alpha $\ge 0.60$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
    • KMO (Kaiser-Meyer-Olkin) $\ge 0.50$; Kiểm định Bartlett có $Sig. < 0.05$.
    • Factor Loading $\ge 0.50$; Tổng phương sai trích (Cumulative Variance) $\ge 50%$.
    • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 10$ (thực tế $< 2.0$).
    • Kiểm định tự tương quan: Hệ số Durbin-Watson trong khoảng $[1.0; 3.0]$.

Implementation và kết quả

Development process

Quá trình làm sạch dữ liệu và tiền xử lý được lập trình tự động hóa qua thuật toán phân tích OLS và kiểm định EFA tương đương trên Python:

import numpy as np
import pandas as pd
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 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]
    return float((k / (k - 1)) * (1 - item_vars.sum() / total_var))

def run_ols_pipeline(X: pd.DataFrame, y: pd.Series):
    """Thực thi hồi quy OLS và tính toán hệ số VIF kiểm định đa cộng tuyến."""
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán VIF cho từng biến độc lập
    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.summary(), vif_data

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Kết quả phân tích độ tin cậy cho thấy phần lớn các thang đo đạt chuẩn chất lượng cao:

  • Lãnh đạo: $\alpha = 0.833$ (4 biến).
  • Thu nhập: $\alpha = 0.795$ (3 biến).
  • Điều kiện làm việc: $\alpha = 0.790$ (3 biến).
  • Sự hài lòng chung: $\alpha = 0.745$ (3 biến).
  • Cơ hội đào tạo và thăng tiến: $\alpha = 0.711$ (4 biến).
  • Bản chất công việc: $\alpha = 0.608$ (4 biến).

Xử lý loại biến vi phạm: Biến BCCV4 có tương quan biến - tổng bằng $0.243 < 0.30$ và DTTT4 có tương quan biến - tổng bằng $0.290 < 0.30$. Do đó, 2 biến này bị loại khỏi mô hình trước khi chuyển sang bước phân tích nhân tố EFA.

2. Phân tích nhân tố khám phá (EFA)

  • EFA lần 1 (19 biến độc lập): Hệ số $\text{KMO} = 0.680 > 0.50$, Kiểm định Bartlett đạt giá trị $\text{Sig.} = 0.000 < 0.05$. Tuy nhiên, biến DKLV1 và TN2 có tải chéo trên 2 nhân tố với độ chênh lệch tải tử $< 0.30$, nên bị loại bỏ.
  • EFA lần 2 (17 biến độc lập): Hệ số $\text{KMO} = 0.680$, Bartlett $\text{Sig.} = 0.000$, rút gọn thành 5 nhóm nhân tố với Eigenvalue dừng tại $1.134 > 1.0$. Tổng phương sai trích đạt $72.187% > 50%$ (giải thích được $72.187%$ sự biến thiên của dữ liệu).
  • EFA Biến phụ thuộc (3 biến): $\text{KMO} = 0.686$, Bartlett $\text{Sig.} = 0.000$, trích được 1 nhân tố duy nhất với Eigenvalue $= 2.007$ và phương sai trích đạt $66.89%$.
Biến độc lập sau EFA:

3. Phân tích hồi quy OLS và kiểm định vi phạm giả định

  • Hồi quy lần 1: Đưa cả 5 nhóm nhân tố vào mô hình. Kết quả biến CVDT có giá trị $\text{Sig.} = 0.272 > 0.05$, không đạt ý nghĩa thống kê nên bị loại khỏi mô hình.
  • Hồi quy lần 2 (Mô hình chính thức): Phân tích hồi quy với 4 biến độc lập còn lại.
Biến độc lập Hệ số B Sai số chuẩn Hệ số Beta ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Hệ số phóng đại phương sai (VIF)
(Hằng số) -0.228 0.380 — -0.600 0.549 —
Điều kiện làm việc (DKLV) 0.362 0.068 0.355 5.314 0.000 1.164
Lãnh đạo (LD) 0.245 0.066 0.248 3.731 0.000 1.151
Thu nhập (TN) 0.208 0.066 0.210 3.149 0.002 1.157
Đồng nghiệp (DN) 0.214 0.073 0.196 2.915 0.004 1.177 
R = 0.712 | R² = 0.507 | R² hiệu chỉnh = 0.493 | F = 37.280 (p < 0.001) | Durbin-Watson = 1.735

Phương trình hồi quy chuẩn hóa: $$Y_{HL} = 0.355 \times X_{DKLV} + 0.248 \times X_{LD} + 0.210 \times X_{TN} + 0.196 \times X_{DN}$$

4. Kiểm định chẩn đoán kỹ thuật mô hình

  • Đa cộng tuyến: Tất cả hệ số $\text{VIF} \in [1.151; 1.177] \ll 10$, chứng minh các biến độc lập hoàn toàn không có tương quan chéo nghiêm trọng.
  • Tự tương quan: Hệ số Durbin-Watson $= 1.735$ ($1.0 < d < 3.0$), chứng minh các phần dư độc lập hoàn toàn.
  • Phân phối chuẩn của phần dư: Đồ thị Histogram cho đường cong phân phối chuẩn dạng chuông cân đối (Mean $\approx 0$, Std $\approx 0.986$); Biểu đồ P-P Plot thể hiện các điểm quan sát thực nghiệm bám sát đường thẳng 45 độ.
  • Phương sai sai số thay đổi: Biểu đồ phân tán Scatterplot giữa giá trị dự đoán chuẩn hóa và phần dư chuẩn hóa phân bố vô hướng, không tạo thành hình phễu hay đường cong phi tuyến.

Kết quả đạt được

Nghiên cứu đã hoàn thành toàn bộ các chỉ tiêu định lượng đặt ra ban đầu:

  • Giải thích được $49.3%$ sự biến thiên mức độ hài lòng của công nhân may Việt Thắng thông qua 4 nhân tố then chốt.
  • Phát hiện bất ngờ mang tính thực tiễn cao: Điều kiện làm việc là nhân tố có ảnh hưởng mạnh nhất ($\beta = 0.355$), xếp trên cả Lãnh đạo ($\beta = 0.248$) và Thu nhập ($\beta = 0.210$).
  • Làm rõ cấu trúc đặc thù nhân lực: $84%$ lao động là nữ, $47.3%$ có trình độ THPT, nhóm thu nhập phổ biến từ 5 - 7 triệu đồng chiếm $44%$.

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình cho ngành may mặc: Nghiên cứu đã chứng minh rằng trong điều kiện lao động công nghiệp nặng nhọc, bụi vải và tiếng ồn cao của xưởng may, yếu tố Điều kiện làm việc tác động mạnh gấp 1.7 lần so với Thu nhập lên tâm lý gắn bó của người lao động.
  2. Loại bỏ sự phi thực tế của nhân tố đào tạo lý thuyết: Biến Bản chất công việc và đào tạo không có ý nghĩa thống kê ($p = 0.272$), chỉ ra rằng công nhân may dây chuyền ưu tiên tính ổn định, thao tác quen thuộc và an toàn hơn là việc học thêm các kỹ năng phức tạp ngoài định mức.
  3. Mô hình định lượng hóa KPI nhân sự: Cung cấp ma trận trọng số $\beta$ giúp ban lãnh đạo phân bổ ngân sách phúc lợi chính xác, tránh dàn trải lãng phí nguồn lực.
Khía cạnh đóng góp Nghiên cứu truyền thống (JDI 1969) Nghiên cứu Trần Kim Dung (2005) Đóng góp của Đồ án này (2017)
Trọng tâm tác động Tiền lương & Giám sát Bản chất công việc & Phúc lợi Điều kiện làm việc ($\beta = 0.355$) & Lãnh đạo ($\beta = 0.248$)
Xử lý biến tương quan Phân tích đơn biến Hồi quy OLS tổng quát EFA xoay Varimax 2 vòng, loại bỏ triệt để biến tải chéo
Hiệu suất mô hình ($R^2$) Không chuẩn hóa Dao động 35 - 45% Đạt 49.3% với chỉ 4 biến độc lập tối ưu

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy chuẩn hóa, lộ trình tối ưu hóa trải nghiệm làm việc cho công nhân may được chia thành 4 trụ cột can thiệp:

                      MA TRẬN HÀNH ĐỘNG HR

Phân tích hiệu quả kinh tế (ROI) dự kiến sau 12 tháng triển khai:

  • Chi phí đầu tư cải tạo thông gió xưởng & phúc lợi: ~450.000.000 VNĐ.
  • Lợi ích định lượng thu hồi:
    • Giảm tỷ lệ nghỉ việc/nhảy việc từ $8%$ xuống dưới $3%$, tiết kiệm chi phí tuyển dụng & đào tạo mới: ~320.000.000 VNĐ/năm.
    • Tăng năng suất chuyền may thêm $4.2%$, giảm tỷ lệ hàng lỗi (defect rate) từ $3.5%$ xuống $1.8%$: ~580.000.000 VNĐ/năm.
  • Tỷ suất sinh lời ROI: $$\text{ROI} = \frac{(320 + 580) - 450}{450} \times 100% = 100%$$ Thời gian hoàn vốn ước tính đạt 6.0 tháng.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Kích thước mẫu $N=150$ thu thập bằng phương pháp lấy mẫu thuận tiện tại một thời điểm, chưa đại diện tuyệt đối cho toàn bộ 2.000 công nhân viên tại các công ty may khác trên cả nước.
  • Phần dư mô hình: Mô hình giải thích được $49.3%$ phương sai, còn $50.7%$ biến thiên chịu tác động bởi các nhân tố chưa được đưa vào mô hình (văn hóa doanh nghiệp, áp lực tăng ca OT, bữa ăn giữa ca, chính sách thai sản cho lao động nữ).
  • Hướng phát triển:
    • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các tác động gián tiếp và trung gian.
    • Tự động hóa việc khảo sát mức độ hài lòng hàng quý thông qua ứng dụng di động nội bộ của doanh nghiệp.

Đối tượng hưởng lợi

  • Sinh viên & Học viên Cao học: Nắm vững quy trình xử lý dữ liệu chuẩn từ EFA đến OLS với số liệu thực nghiệm ngành sản xuất thực tế.
  • Chuyên viên HR & Data Analyst: Sử dụng code phân tích và bộ thang đo chuẩn hóa để tái áp dụng cho khảo sát nội bộ tại công ty mình.
  • Ban Lãnh đạo Công ty May Việt Thắng: Nắm giữ bảng trọng số can thiệp định lượng chính xác để ban hành chính sách nhân sự đúng điểm nghẽn.
  • Người lao động (Công nhân may): Được hưởng lợi trực tiếp từ việc cải thiện hệ thống làm mát xưởng may, giảm bụi mịn và môi trường quản lý văn minh, công bằng hơn.

Câu hỏi thường gặp

1. Technical requirements để deploy mô hình khảo sát và phân tích sự hài lòng nhân sự?

Hệ thống yêu cầu máy tính văn phòng thông thường chạy hệ điều hành Windows/macOS/Linux, cài đặt phần mềm SPSS Statistics v16.0 trở lên hoặc Python 3.8+ kèm các thư viện mã nguồn mở (pandas, scipy, statsmodels, seaborn). Dữ liệu thô đầu vào được số hóa qua biểu mẫu Google Forms hoặc bảng chấm công Excel.

2. Scalability limits và giải pháp khi mở rộng khảo sát cho quy mô 10.000+ công nhân?

Khi mở rộng quy mô toàn tổng công ty với hàng chục xưởng may, việc phân tích thủ công trên SPSS sẽ gặp giới hạn về tốc độ cập nhật. Giải pháp là chuyển đổi toàn bộ pipeline xử lý sang Python backend kết hợp với PostgreSQL và hiển thị dashboard real-time trên Power BI hoặc Apache Superset.

3. Cách tích hợp kết quả phân tích SPSS/Data Analytics vào hệ thống ERP/HRM hiện tại?

Điểm số hài lòng chuẩn hóa của từng tổ/chuyền may sau khi tính toán sẽ được xuất ra định dạng JSON/RESTful API hoặc bảng trung gian SQL. Hệ thống HRM (như SAP SuccessFactors, Odoo, Bravo) sẽ đối soát điểm hài lòng với dữ liệu sản lượng và tỷ lệ vắng mặt để tự động gắn nhãn cảnh báo rủi ro biến động nhân sự.

4. Nhu cầu bảo trì thang đo và chu kỳ tái đánh giá định kỳ?

Thang đo cần được đánh giá định kỳ 6 tháng một lần theo chu kỳ đánh giá hiệu suất. Nếu doanh nghiệp có sự thay đổi lớn về cơ cấu tổ chức, công nghệ tự động hóa chuyền may hoặc chính sách tiền lương, cần thực hiện lại vòng thảo luận nhóm (FGD) để cập nhật biến quan sát.

5. Dự toán chi phí triển khai và thời gian hoàn vốn đầu tư (ROI) từ các can thiệp nhân sự?

Chi phí triển khai khảo sát nội bộ rất thấp (dưới 20 triệu VNĐ tiền in ấn/phần mềm). Chi phí can thiệp nâng cấp môi trường làm việc dao động từ 200 - 500 triệu VNĐ tùy quy mô xưởng. Với mức giảm tỷ lệ nghỉ việc từ 5-8% và tăng năng suất 3-5%, thời gian hoàn vốn (Payback Period) trung bình từ 6 đến 9 tháng.

Kết luận

Đồ án khóa luận tốt nghiệp của sinh viên Phạm Thị Kim Duyên (Trường ĐH Sư phạm Kỹ thuật TP.HCM) đã giải quyết trọn vẹn bài toán định lượng mức độ thỏa mãn công việc của người lao động tại Công ty Cổ phần May Việt Thắng. Thông qua quy trình kiểm định Cronbach's Alpha, EFA và hồi quy OLS trên cỡ mẫu 150 công nhân, nghiên cứu đã chứng minh và lượng hóa 4 nhân tố then chốt cấu thành sự hài lòng: Điều kiện làm việc ($\beta = 0.355$), Lãnh đạo ($\beta = 0.248$), Thu nhập ($\beta = 0.210$) và Đồng nghiệp ($\beta = 0.196$) với $R^2$ hiệu chỉnh đạt $49.3%$.

Kết quả này không chỉ khẳng định giá trị khoa học về mặt phương pháp luận kinh tế lượng mà còn cung cấp cơ sở dữ liệu thực chứng đắt giá để các doanh nghiệp may mặc tại Việt Nam chuyển dịch từ phong cách quản lý hành chính cứng nhắc sang chiến lược giữ chân nhân tài dựa trên dữ liệu (Data-driven HR). Ban lãnh đạo doanh nghiệp may có thể ứng dụng ngay bộ khung này để tối ưu hóa điều kiện xưởng sản xuất, nâng cao tính công bằng trong quản lý và thúc đẩy tăng trưởng bền vững.