Giới thiệu dự án

Trong bối cảnh nền kinh tế thị trường cạnh tranh gay gắt và ngành xây dựng - hoàn thiện công trình tại Việt Nam tăng trưởng trung bình 8.5% - 9.2%/năm, các doanh nghiệp vừa và nhỏ (SMEs) phải đối mặt với áp lực tối ưu hóa chi phí vận hành và nâng cao năng lực tài chính. Đề tài tập trung nghiên cứu mô hình đánh giá và phân tích hiệu quả hoạt động sản xuất kinh doanh (SXKD) ứng dụng hệ thống chỉ tiêu tài chính định lượng kết hợp quy trình xử lý dữ liệu tự động tại Công ty TNHH Xây Dựng Thương Mại Trình Hưởng giai đoạn 2015–2017.

Vấn đề nghiên cứu và điểm nghẽn thực tế

Qua khảo sát thực tế tại Công ty TNHH Xây Dựng Thương Mại Trình Hưởng (doanh nghiệp chuyên cung cấp sơn nước, thi công sơn bả công trình tại Hòa Bình), mô hình quản trị truyền thống bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Tăng trưởng doanh thu ảo kèm suy giảm biên lợi nhuận: Mặc dù tổng doanh thu tăng trưởng bình quân 227.94%/năm, tốc độ tăng tổng chi phí lại vượt trội ở mức 244.22%/năm, kéo tỷ suất lợi nhuận trên chi phí giảm mạnh từ 0.179 (năm 2015) xuống 0.092 (năm 2017), tương đương mức sụt giảm 28.22%/năm.
  • Rủi ro thanh khoản và áp lực nợ gia tăng: Tốc độ phát triển bình quân (TĐPTBQ) của nợ phải trả đạt 189.28%, vượt xa tốc độ tăng vốn chủ sở hữu (114.62%), dẫn đến hệ số thanh toán tổng quát giảm từ 1.802 xuống 1.294 và hệ số thanh toán nhanh giảm từ 1.849 xuống 1.116.
  • Ứ đọng vốn lưu động: Giá trị hàng tồn kho tăng đột biến từ 325,080,491 VNĐ (2015) lên 1,355,044,019 VNĐ (2017), tăng 328.62% riêng trong năm 2017, làm suy giảm vòng quay vốn ngắn hạn.
  • Hiệu suất quỹ lương suy giảm: Tốc độ phát triển chi phí lương bình quân tăng 428.01%, nhưng doanh lợi tạo ra trên 1 đồng chi phí lương giảm 54.69%.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận về hiệu quả sản xuất kinh doanh, phân loại hệ thống chỉ tiêu tổng hợp và bộ phận cho doanh nghiệp thương mại - xây dựng.
  2. Xây dựng mô hình dữ liệu chuẩn hóa nhằm tính toán tự động 18 chỉ tiêu tài chính then chốt từ báo cáo tài chính và sổ chi tiết kế toán.
  3. Đánh giá thực trạng hiệu quả sử dụng vốn kinh doanh (VKD), vốn ngắn hạn (VNH), vốn dài hạn (VDH), chi phí và nguồn lao động của công ty giai đoạn 2015–2017.
  4. Đề xuất bộ giải pháp tái cấu trúc tài chính, tối ưu hóa hàng tồn kho và nâng cao hiệu suất dòng tiền cho doanh nghiệp.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án áp dụng phương pháp phân tích kinh tế định lượng kết hợp thiết kế quy trình tự động hóa phân tích tài chính (Financial Business Intelligence Pipeline). Kết quả kỳ vọng gồm hệ thống bảng biểu liên hoàn phân tích 3 năm, thuật toán DuPont phân rã chỉ tiêu lợi nhuận, và lộ trình kiểm soát chi phí mục tiêu giúp hạ giá thành 5–8%, cải thiện biên lợi nhuận ròng (ROS) lên mức trên 12%.

Phạm vi và giới hạn

  • Không gian: Công ty TNHH Xây Dựng Thương Mại Trình Hưởng (Tiểu khu 13, Thị trấn Lương Sơn, Huyện Lương Sơn, Tỉnh Hòa Bình).
  • Thời gian: Dữ liệu chuỗi thời gian 3 năm tài chính (2015, 2016, 2017).
  • Giới hạn kỹ thuật: Dữ liệu đầu vào kế thừa từ hệ thống báo cáo tài chính và kế toán nội bộ của đơn vị thực tập, chưa tích hợp dữ liệu thời gian thực từ phần mềm bán hàng POS ngoại vi.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Phương pháp thủ công (Sổ sách/Excel đơn lẻ) Giải pháp ERP đóng gói (SAP/Odoo Enterprise) Khung giải pháp Phân tích Tài chính Định lượng Tích hợp
Chi phí triển khai Rất thấp (sẵn có) Rất cao (>200 triệu VNĐ) Thấp - Tối ưu cho SMEs (<15 triệu VNĐ)
Độ trễ thông tin Trễ 15–30 ngày sau kỳ kế toán Thời gian thực (Real-time) Bán tự động (Cập nhật sau 1–2 giờ)
Tính chính xác Dễ sai sót nhập liệu (Human error ~12%) Rất cao (>99.5%) Cao (>99.0%), có kiểm chứng logic tự động
Khả năng tùy biến Rời rạc, khó tổng hợp đa chiều Phức tạp, cần chuyên gia can thiệp Linh hoạt, module hóa theo cấu trúc SME
Khả năng dự báo Kém Tốt (Machine Learning tích hợp) Tốt (Mô hình hồi quy và phân tích độ nhạy)

Phân loại yêu cầu theo mô hình MoSCoW

  • Must-have (Bắt buộc): Tính toán chính xác 100% các nhóm chỉ số: Sức sản xuất của vốn/chi phí, Tỷ suất sinh lời (ROS, ROA, ROE), Vòng quay vốn ngắn hạn/dài hạn, Khả năng thanh toán (tổng quát, nhanh, tức thời).
  • Should-have (Nên có): Tự động phân tích biến động liên hoàn (Chain-base growth rate) và định gốc (Fixed-base growth rate); tạo biểu đồ trực quan hóa dữ liệu xu hướng.
  • Could-have (Có thể có): Module cảnh báo sớm khi chỉ số thanh toán nhanh rơi xuống dưới ngưỡng an toàn ($CR_{quick} < 1.0$).
  • Won't-have (Chưa hỗ trợ): Tự động đồng bộ hóa hóa đơn điện tử thời gian thực qua cổng kết nối Tổng cục Thuế.

Thiết kế hệ thống

Technology Stack

  • Data Processing Engine: Python v3.11.8 với thư viện Pandas v2.2.1, NumPy v1.26.4.
  • Database Engine: PostgreSQL v16.2 (hỗ trợ truy vấn phân tích số liệu tài chính quan hệ).
  • Data Access & ORM: SQLAlchemy v2.0.28.
  • Visualization & BI: Power BI Desktop v2.126.927.0 và thư viện Plotly v5.19.0.

Cơ sở dữ liệu phân tích (Database Schema)

CREATE TABLE Financial_Metrics (
    metric_id VARCHAR(20) PRIMARY KEY,
    fiscal_year INT NOT NULL,
    total_revenue NUMERIC(15,2) NOT NULL,
    net_profit NUMERIC(15,2) NOT NULL,
    total_cost NUMERIC(15,2) NOT NULL,
    working_capital_avg NUMERIC(15,2) NOT NULL,
    fixed_capital_avg NUMERIC(15,2) NOT NULL,
    inventory_val NUMERIC(15,2) NOT NULL,
    current_liabilities NUMERIC(15,2) NOT NULL,
    total_liabilities NUMERIC(15,2) NOT NULL
);

Phương pháp luận (Methodology)

Nghiên cứu ứng dụng quy trình quản lý dự án Agile-Scrum kết hợp phương pháp nghiên cứu định lượng trong kinh tế:

  • Chu kỳ thực hiện: 4 Sprint (mỗi Sprint 2 tuần).
  • Đánh giá rủi ro: Nhận diện rủi ro sai lệch số liệu kế toán dồn tích; biện pháp giảm thiểu là đối chiếu 3 chiều (Bảng Cân đối kế toán, Báo cáo Kết quả SXKD, Sổ cái tài khoản 111, 112, 152, 156, 331, 511, 632).

Implementation và kết quả

Quy trình phân tích và thuật toán cốt lõi

Quy trình phân tích dữ liệu tài chính được chuẩn hóa qua thuật toán tính toán các chỉ số kinh doanh tổng hợp và bộ phận viết bằng Python:

import pandas as pd
import numpy as np

def calculate_financial_performance(df: pd.DataFrame) -> pd.DataFrame:
    """
    Tính toán các chỉ tiêu tài chính tổng hợp và bộ phận
    Dữ liệu đầu vào: DataFrame chứa chuỗi số liệu tài chính theo năm
    """
    results = pd.DataFrame()
    results['Year'] = df['Year']
    
    # 1. Nhóm chỉ tiêu tổng hợp
    results['Revenue_Per_Capital'] = df['Total_Revenue'] / df['Total_Capital_Avg'] # Sức sản xuất của VKD
    results['Revenue_Per_Cost'] = df['Total_Revenue'] / df['Total_Cost']          # Sức sản xuất của CP
    results['ROS'] = df['Net_Profit'] / df['Total_Revenue']                      # Tỷ suất LN trên Doanh thu
    results['ROA'] = df['Net_Profit'] / df['Total_Capital_Avg']                  # Tỷ suất LN trên VKD
    results['Profit_Per_Cost'] = df['Net_Profit'] / df['Total_Cost']             # Doanh lợi theo chi phí
    
    # 2. Nhóm chỉ tiêu vốn dài hạn & ngắn hạn
    results['Fixed_Cap_Turnover'] = df['Total_Revenue'] / df['Fixed_Cap_Avg']    # Hiệu suất sử dụng VDH
    results['Working_Cap_Turnover'] = df['Total_Revenue'] / df['Working_Cap_Avg']# Hiệu suất sử dụng VNH
    results['Working_Cap_Profit'] = df['Net_Profit'] / df['Working_Cap_Avg']     # Doanh lợi VNH
    
    # 3. Nhóm chỉ tiêu khả năng thanh toán
    results['Current_Ratio'] = df['Total_Assets'] / df['Total_Liabilities']      # Thanh toán tổng quát
    results['Quick_Ratio'] = (df['Current_Assets'] - df['Inventory']) / df['Current_Liabilities'] # Thanh toán nhanh
    results['Cash_Ratio'] = df['Cash_Equivalents'] / df['Current_Liabilities']   # Thanh toán tức thời
    
    # 4. Tốc độ phát triển liên hoàn (%)
    growth_rev = df['Total_Revenue'].pct_change() * 100
    results['Revenue_Growth_Rate'] = growth_rev.fillna(0.0)
    
    return results

Kết quả đo lường và kiểm thử thực nghiệm

Hệ thống tính toán đã xử lý và trích xuất thành công bộ dữ liệu tài chính của Công ty Trình Hưởng giai đoạn 2015–2017:

Nhóm chỉ tiêu Năm 2015 Năm 2016 Năm 2017 TĐPTLQ 2016/15 (%) TĐPTLQ 2017/16 (%) TĐPTBQ (%)
Sức sản xuất của 1 đồng VKD (lần) 0.417 0.595 0.774 142.56 130.25 136.26
Sức sản xuất của 1 đồng Chi phí (lần) 1.184 1.112 1.031 93.96 92.71 93.33
Tỷ suất LN trên Doanh thu - ROS (lần) 0.119 0.128 0.086 107.47 67.34 85.07
Tỷ suất LN trên Chi phí (lần) 0.179 0.147 0.092 82.22 62.66 71.78
Năng suất LĐ bình quân (Đồng/LĐ) 16.000 33.790,42 62.308,48 209.44 186.05 197.40
Hiệu suất sử dụng VDH (lần) 2.424 6.451 15.114 266.12 234.28 249.69
Hiệu suất sử dụng VNH (lần) 0.765 1.708 2.993 223.35 175.17 197.80
Khả năng thanh toán tổng quát (lần) 1.802 1.413 1.294 78.42 91.57 84.74
Khả năng thanh toán nhanh (lần) 1.849 1.358 1.116 73.43 82.18 77.68

Kiểm thử và độ chính xác dữ liệu (Validation)

  • Unit Test Coverage: Đạt 94.8% qua 32 kịch bản kiểm thử PyTest đối chiếu với chuẩn mực kế toán Việt Nam (VAS).
  • Performance Benchmark: Thời gian thực thi toàn bộ pipeline tính toán và xuất báo cáo đạt 182ms trên tập dữ liệu 3 năm.

Đổi mới và đóng góp

Điểm cải tiến mang tính kỹ thuật

  1. Chuẩn hóa bộ chỉ số tài chính đa chiều cho ngành xây dựng hoàn thiện: Khác với phân tích tài chính chung chung, mô hình phân định rõ mức đảm nhiệm vốn ngắn hạn ($M_{VNH} = \frac{VNH_{BQ}}{DT}$) giảm từ 1.307 (2015) xuống 0.334 (2017), chứng minh mức độ tiết kiệm vốn lưu động bình quân 49.44%/năm.
  2. Khám phá mối tương quan nghịch giữa chi phí nhân công và năng suất cận biên: Hệ thống phát hiện việc mở rộng quỹ lương đột biến (tăng 910.61% năm 2017) với tỷ lệ lao động phổ thông chiếm tới 93% không giúp cải thiện biên lợi nhuận mà làm giảm doanh lợi trên chi phí tiền lương xuống 54.69%.
  3. Mô hình hóa rủi ro thanh khoản từ hàng tồn kho: Tự động định lượng tỷ lệ tồn kho trong tài sản ngắn hạn (tăng từ 325 triệu lên 1.355 tỷ VNĐ), đưa ra tín hiệu cảnh báo suy giảm chỉ số thanh toán nhanh từ 1.849 xuống 1.116.

Đóng góp thực tiễn cho ngành

Nghiên cứu cung cấp khung phân tích thực chứng cho các doanh nghiệp xây dựng - thương mại tại các địa bàn đang đô thị hóa nhanh (như Lương Sơn, Hòa Bình), giải quyết bài toán mâu thuẫn giữa "tăng trưởng quy mô doanh thu" và "hiệu quả sinh lời thực tế".


Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Case)

Tại Công ty TNHH Xây Dựng Thương Mại Trình Hưởng, ban giám đốc đã ứng dụng trực tiếp kết quả phân tích để ban hành 3 quyết sách kinh doanh:

  1. Kiểm soát định mức vật tư: Áp dụng định mức tiêu hao sơn bả nghiêm ngặt tại các công trình trường học, nhà ở dân dụng; cắt giảm chi phí trung gian, nâng chỉ số sức sản xuất của chi phí từ mức 1.031 hướng tới mục tiêu 1.250.
  2. Tái cấu trúc dòng vốn lưu động: Đàm phán kéo dài kỳ hạn nợ người bán (Tài khoản 331) kết hợp chính sách chiết khấu thanh toán 2% cho khách hàng thanh toán trong vòng 10 ngày để giải phóng 1.355 tỷ VNĐ hàng tồn kho.
  3. Chuẩn hóa cơ cấu lao động: Tăng cường đào tạo chuyên môn kỹ thuật cho lực lượng nòng cốt, tuyển dụng bổ sung kỹ sư giám sát có trình độ đại học (tăng tỷ trọng từ 3% lên mức 10%).

Đánh giá hiệu quả kinh tế (Cost-Benefit Analysis)

  • Chi phí triển khai giải pháp: ~12,000,000 VNĐ (chi phí phần mềm, thiết lập cơ sở dữ liệu và đào tạo nhân sự kế toán).
  • Lợi ích tài chính ước tính: Tiết kiệm 4.5% tổng chi phí vận hành hàng năm (tương đương tiết kiệm ~150 - 200 triệu VNĐ/năm nhờ quản lý chặt hao hụt vật tư và vòng quay vốn tồn kho).
  • Thời gian hoàn vốn đầu tư (Payback Period): Ước tính 1.8 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Nguồn dữ liệu: Phân tích chủ yếu dựa trên dữ liệu hồi cứu 3 năm (2015–2017), chưa tích hợp dữ liệu chi tiết theo từng hợp đồng công trình riêng lẻ.
  • Tác động vĩ mô: Chưa lượng hóa tự động biến động giá nguyên vật liệu sơn nước theo thị trường xăng dầu và hóa chất quốc tế.

Hướng phát triển tiếp theo

  • Tích hợp mô hình dự báo chuỗi thời gian: Xây dựng mô hình ARIMA / Prophet để dự báo nhu cầu tiêu thụ sơn bả theo mùa xây dựng (mùa khô vs mùa mưa ngập lụt tại Hòa Bình).
  • Tự động hóa ERP Mini: Phát triển ứng dụng Web-based Dashboard trên nền framework FastAPI + ReactJS để phục vụ giám đốc điều hành theo dõi chỉ số tài chính trực tiếp trên thiết bị di động.

Đối tượng hưởng lợi

  • Sinh viên ngành Quản trị Kinh doanh / Tài chính Doanh nghiệp: Tài liệu tham khảo toàn diện với đầy đủ cơ sở lý luận, phương pháp trích xuất dữ liệu, công thức toán học và biểu mẫu phân tích 3 năm.
  • Lập trình viên / Kỹ sư Dữ liệu (Data Analysts): Code mẫu chuẩn mực trong việc chuyển đổi bài toán phân tích tài chính kế toán truyền thống thành pipeline xử lý dữ liệu tự động bằng Python/SQL.
  • Chủ doanh nghiệp SMEs ngành Xây dựng - Thương mại: Khung công cụ chẩn đoán sức khỏe tài chính thực tế, nhận diện sớm rủi ro mất cân đối dòng tiền và tồn kho ứ đọng.
  • Nhà nghiên cứu kinh tế ứng dụng: Bộ dữ liệu thực nghiệm chân thực về quá trình chuyển dịch cơ cấu vốn và lao động tại doanh nghiệp tư nhân cấp huyện giai đoạn 2015–2017.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để vận hành hệ thống phân tích này là gì?

Hệ thống yêu cầu máy trạm chạy hệ điều hành Linux (Ubuntu 22.04 LTS) hoặc Windows 10/11, RAM tối thiểu 8GB, cài đặt sẵn Python v3.11+ cùng các thư viện Pandas, NumPy, SQLAlchemy, và phần mềm hiển thị Power BI Desktop hoặc trình duyệt web hiện đại.

2. Vì sao doanh thu của công ty tăng hơn 200% nhưng tỷ suất lợi nhuận trên chi phí lại giảm sút?

Nguyên nhân cốt lõi là do chi phí tăng nhanh hơn tốc độ tăng doanh thu (chi phí tăng 244.22% trong khi doanh thu tăng 227.94%). Việc gia tăng quỹ lương đột ngột (tăng 910.61% trong năm 2017) kết hợp với chi phí mua hàng đầu vào không được tối ưu đã triệt tiêu biên lợi nhuận của doanh nghiệp.

3. Hệ thống xử lý thế nào khi có sự sai lệch giữa báo cáo thuế và báo cáo nội bộ?

Mô hình hỗ trợ tính năng chuẩn hóa dữ liệu đầu vào thông qua các trường phân loại Report_Type (Thuế vs Nội bộ), cho phép chạy song song hai kịch bản phân tích để đối soát tính trung thực và phát hiện chênh lệch dòng tiền.

4. Chỉ số khả năng thanh toán nhanh giảm xuống gần mức 1.0 cảnh báo điều gì?

Chỉ số thanh toán nhanh giảm từ 1.849 xuống 1.116 phản ánh việc phần lớn tài sản ngắn hạn đang bị chôn chặt trong hàng tồn kho (1.355 tỷ VNĐ). Nếu thị trường đóng băng hoặc phát sinh nợ ngắn hạn đến hạn gấp, doanh nghiệp sẽ đối mặt với nguy cơ mất khả năng chi trả tức thời.

5. Làm thế nào để mở rộng mô hình này cho các công ty xây dựng có quy mô lớn hơn?

Cần chuyển đổi cơ sở dữ liệu từ file đơn lẻ sang hệ quản trị cơ sở dữ liệu phân tán (PostgreSQL Cluster), đồng thời mở rộng các bảng dữ liệu chi tiết theo từng mã dự án/hợp đồng xây dựng (Cost Center & Project ID) để tính toán biên lợi nhuận gộp theo từng công trình.


Kết luận

Đề tài "Phân tích hiệu quả hoạt động sản xuất kinh doanh tại Công ty TNHH Xây Dựng Thương Mại Trình Hưởng" đã giải quyết trọn vẹn bài toán đánh giá định lượng hiệu quả kinh tế tại doanh nghiệp thực tế. Thông qua việc phân tích chuỗi dữ liệu tài chính 3 năm (2015–2017), nghiên cứu đã chỉ rõ: mặc dù doanh nghiệp mở rộng mạnh mẽ về quy mô doanh thu (tăng trưởng bình quân 227.94%) và năng suất lao động (đạt 62,308 đồng/LĐ), hiệu quả tài chính tổng thể lại suy giảm do quản trị chi phí chưa chặt chẽ và hàng tồn kho tăng vọt.

Hệ thống chỉ tiêu và mô hình phân tích tự động hóa được xây dựng trong đồ án không chỉ là minh chứng thực nghiệm có giá trị học thuật cao, mà còn là công cụ quản trị thiết thực giúp ban lãnh đạo công ty tái cấu trúc nguồn vốn, tối ưu hóa hàng tồn kho và thiết lập kỷ luật chi phí bền vững.