Giới thiệu dự án

Ngành dệt may Việt Nam đóng vai trò trụ cột trong cơ cấu xuất khẩu quốc gia, đóng góp trung bình 12 - 16% tổng kim ngạch xuất khẩu hàng năm. Tuy nhiên, giai đoạn 2018 - 2022 chứng kiến những biến động địa chính trị phức tạp, chuỗi cung ứng toàn cầu đứt gãy và lạm phát tăng cao tại các thị trường xuất khẩu trọng điểm (Mỹ, EU). Trong bối cảnh đó, Công ty Cổ phần Sản xuất Thương mại May Sài Gòn (Garmex Saigon JS - Mã HoSE: GMC) – một doanh nghiệp có bề dày hoạt động từ năm 1976 – đã phải đối mặt với cuộc khủng hoảng kinh doanh nghiêm trọng nhất lịch sử hoạt động.

+-----------------------------------------------------------------------------------+
|               VẤN ĐỀ CỐT LÕI CỦA DOANH NGHIỆP (GARMEX SAIGON - GMC)               |
|                                                                                   |
|  Doanh thu thuần (2018 -> 2022):       2.019 tỷ VNĐ  -->  292 tỷ VNĐ (-85,5%)     |
|  Lợi nhuận sau thuế (2018 -> 2022):     121 tỷ VNĐ   -->  -64,8 tỷ VNĐ (Âm vốn)   |
|  Hàng tồn kho ứ đọng đỉnh điểm (2019):  330 tỷ VNĐ   -->  Chiếm 1/3 tổng tài sản  |
|  Hệ số sinh lời vốn chủ sở hữu (ROE):   +15,23%      -->  -12,47%                 |
|  Hệ số sinh lời tổng tài sản (ROA):     Dương        -->  -10,12%                 |
+-----------------------------------------------------------------------------------+

Vấn đề cốt lõi của doanh nghiệp bắt nguồn từ việc thiếu hệ thống phân tích dữ liệu kinh doanh đa chiều, trực quan hóa theo thời gian thực (Real-time Business Intelligence), dẫn đến sự chậm trễ trong việc nhận diện đứt gãy đơn hàng, quản trị chi phí giá vốn (COGS) kém linh hoạt và quản lý tồn kho thiếu tối ưu.

Mục tiêu cụ thể của đồ án:

  1. Chuẩn hóa toàn bộ dữ liệu tài chính thứ cấp của Garmex Saigon từ Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh và Báo cáo lưu chuyển tiền tệ giai đoạn 2018 - 2022.
  2. Xây dựng hệ thống chỉ số tài chính chuyên sâu bao gồm khả năng sinh lời (ROE, ROA, ROS), hiệu suất sử dụng tài sản (Asset Turnover), đòn bẩy tài chính (D/E) và hiệu quả quản lý chi phí.
  3. Thiết kế hệ thống bảng điều khiển thông minh (Interactive BI Dashboards) trên nền tảng Tableau Desktop, tự động hóa quy trình phân tích và trực quan hóa xu hướng biến động dữ liệu.
  4. Đề xuất khung giải pháp quản trị rủi ro, tối ưu hóa cơ cấu vốn và quản lý chuỗi cung ứng dựa trên các phát hiện định lượng.

Giải pháp sử dụng kết hợp giữa phân tích tài chính doanh nghiệp chuẩn mực và công cụ Tableau Business Intelligence nhằm biến các con số rời rạc thành trực quan thông tin chi tiết (actionable insights). Phạm vi nghiên cứu tập trung vào toàn bộ báo cáo tài chính kiểm toán của GMC từ năm 2018 đến 2022; hạn chế nghiên cứu nằm ở việc chỉ sử dụng dữ liệu thứ cấp công khai, chưa tích hợp trực tiếp vào hệ thống ERP nội bộ thời gian thực của doanh nghiệp.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi triển khai nền tảng Tableau, doanh nghiệp phụ thuộc chủ yếu vào các bảng tính Excel tĩnh và hệ thống báo cáo kế toán truyền thống, bộc lộ nhiều lỗ hổng trong việc cảnh báo sớm rủi ro tài chính.

Tiêu chí so sánh Báo cáo tài chính Excel truyền thống Hệ thống phân tích Tableau BI
Tính tương tác (Interactivity) Tĩnh, lọc dữ liệu thủ công, khó xem đa chiều Lọc động (Dynamic Slicers), Drill-down chi tiết
Thời gian tổng hợp 3 - 5 ngày làm việc cho mỗi kỳ báo cáo Cập nhật tức thì (In-memory engine < 2 giây)
Phát hiện dị biệt (Anomaly) Phụ thuộc hoàn toàn vào kiểm tra thủ công Trực quan hóa cảnh báo màu và ngưỡng ranh giới
Bảo mật & Phân quyền Dễ rò rỉ công thức, kiểm soát truy cập yếu Phân quyền cấp độ người dùng/vai trò nghiêm ngặt
Khả năng mở rộng dữ liệu Giới hạn dòng tính, dễ treo khi xử lý Big Data Kết nối trực tiếp Data Warehouse/Cloud Databases

Yêu cầu người dùng được phân loại theo mô hình MoSCoW:

  • Must-have: Dashboard phân tích cấu trúc Nguồn vốn - Tài sản; Dashboard phân tích Doanh thu - Chi phí - Lợi nhuận; Hệ thống tính toán tự động ROE, ROA, ROS, Vòng quay tài sản.
  • Should-have: Khả năng phân tích kịch bản độ nhạy của biến động giá vốn hàng bán (COGS) lên lợi nhuận ròng; Báo cáo phân tích cơ cấu hàng tồn kho theo chu kỳ năm.
  • Could-have: Kết nối trực tiếp API cơ sở dữ liệu kế toán; Xuất báo cáo tự động định dạng PDF/PNG qua email quản trị.
  • Won't-have (Giai đoạn này): Xây dựng mô hình học máy (Machine Learning) dự báo dòng tiền tương lai 5 năm.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế thành một pipeline hoàn chỉnh từ dữ liệu thô đến lớp hiển thị phân tích người dùng cuối:

flowchart TD
    A[Báo cáo tài chính kiểm toán GMC 2018-2022] --> B[Tiền xử lý & Chuẩn hóa dữ liệu - Python & Excel]
    B --> C[Mô hình hóa dữ liệu quan hệ Staging Model]
    C --> D[Tableau Hyper Data Engine]
    D --> E[Tableau Calculated Fields & LOD Expressions]
    E --> F1[Dashboard 1: Nguồn vốn & Đòn bẩy tài chính]
    E --> F2[Dashboard 2: Cơ cấu Tài sản & Tồn kho]
    E --> F3[Dashboard 3: Chi phí & Giá vốn hàng bán]
    E --> F4[Dashboard 4: Doanh thu, Lợi nhuận & Chỉ số sinh lời]

Technology Stack sử dụng trong dự án:

  • Nền tảng phân tích & trực quan: Tableau Desktop v2023.1.0, Tableau Prep Builder v2023.1.
  • Xử lý dữ liệu & Tính toán: Python v3.10.12 (Pandas v2.0.3, NumPy v1.24.3, Openpyxl v3.1.2).
  • Cơ sở dữ liệu lưu trữ: Microsoft Excel Spreadsheet 2021 & PostgreSQL v15.3 (staging database).
  • Môi trường triển khai: Ubuntu Linux 22.04 LTS / Windows 11 Enterprise.

Mô hình dữ liệu thiết kế theo lược đồ hình sao (Star Schema) với bảng Fact_Financial_Metrics làm trung tâm, liên kết với các bảng chiều: Dim_Time (Kỳ kế toán 2018 - 2022), Dim_Account_Category (Tài sản, Nguồn vốn, Doanh thu, Chi phí), và Dim_Business_Unit (Phân xưởng may, Văn phòng điều hành).

Methodology

Quy trình phát triển tuân thủ phương pháp CRISP-DM (Cross-Industry Standard Process for Data Mining) bao gồm 6 giai đoạn:

[Hiểu bài toán kinh doanh] -> [Hiểu tập dữ liệu tài chính] -> [Tiền xử lý dữ liệu]
                                                                     |
[Đánh giá & Kiểm định]   <- [Xây dựng Dashboard BI]        <- [Mô hình hóa chỉ số]
  • Mốc thời gian (Timeline):
    • Tuần 1 - 2: Thu thập và kiểm toán số liệu thứ cấp từ 5 báo cáo thường niên (2018 - 2022).
    • Tuần 3 - 4: Tiền xử lý, khử nhiễu và thiết kế bảng dữ liệu chuẩn hóa trên Python/Excel.
    • Tuần 5 - 7: Xây dựng các trường tính toán (Calculated Fields) và thiết kế 4 Dashboard chuyên biệt trên Tableau.
    • Tuần 8: Kiểm định đối soát số liệu (Data Reconciliation), tối ưu hóa giao diện người dùng và hoàn thiện tài liệu kỹ thuật.
  • Quản trị rủi ro: Rủi ro sai lệch dữ liệu giữa thuyết minh và báo cáo tổng hợp được kiểm soát bằng quy tắc đối chiếu kép: Tổng tài sản = Nợ phải trả + Vốn chủ sở hữu tại mọi điểm mốc thời gian.

Implementation và kết quả

Development process

Quá trình trích xuất và biến đổi dữ liệu tài chính được thực thi thông qua mã Python để đảm bảo tính chuẩn xác trước khi nạp vào Tableau Hyper Engine:

# data_pipeline.py - Pipeline tiền xử lý và tính toán chỉ số tài chính GMC
import pandas as pd
import numpy as np

def calculate_financial_ratios(filepath: str) -> pd.DataFrame:
    # 1. Đọc dữ liệu tài chính đã chuẩn hóa
    df = pd.read_excel(filepath, sheet_name="Financial_Data_2018_2022")
    
    # 2. Xử lý các chỉ số sinh lời và hiệu suất
    df['Gross_Profit_Margin'] = (df['Gross_Profit'] / df['Net_Revenue']) * 100
    df['Net_Profit_Margin_ROS'] = (df['Net_Income'] / df['Net_Revenue']) * 100
    df['Debt_to_Equity_Ratio'] = (df['Total_Liabilities'] / df['Owner_Equity']) * 100
    df['Asset_Turnover'] = df['Net_Revenue'] / df['Average_Total_Assets']
    df['ROE'] = (df['Net_Income'] / df['Average_Owner_Equity']) * 100
    df['ROA'] = (df['Net_Income'] / df['Average_Total_Assets']) * 100
    
    # 3. Tính toán hiệu quả chi phí
    df['Cost_Efficiency'] = df['Net_Revenue'] / (df['COGS'] + df['Selling_Expenses'] + df['Admin_Expenses'])
    
    return df

if __name__ == "__main__":
    processed_df = calculate_financial_ratios("GMC_Financial_Raw.xlsx")
    processed_df.to_csv("GMC_Metrics_Cleaned.csv", index=False)
    print("Dữ liệu tài chính GMC đã được chuẩn hóa thành công.")

Trên Tableau Desktop, các công thức phân tích chuyên sâu được định nghĩa thông qua hệ thống Tableau Calculated Fields:

// 1. Công thức tính Hệ số sinh lời trên Vốn chủ sở hữu (ROE)
[ROE_Calculated] = 
SUM([Net_Income]) / AVG([Owner_Equity])

// 2. Công thức tính Tỷ trọng Hàng tồn kho trên Tổng tài sản ngắn hạn (LOD Expression)
[Inventory_to_Current_Assets] = 
SUM([Inventory]) / SUM({FIXED [Year] : SUM([Current_Assets])})

// 3. Phân loại mức độ an toàn đòn bẩy tài chính (Financial Leverage Alert)
[Leverage_Status] = 
IF ([Debt_to_Equity_Ratio] > 0.5) THEN "Rủi ro đòn bẩy cao"
ELSEIF ([Debt_to_Equity_Ratio] >= 0.2 AND [Debt_to_Equity_Ratio] <= 0.5) THEN "Đòn bẩy an toàn"
ELSE "Đòn bẩy thấp"
END

Testing và validation

Hệ thống đã trải qua kiểm thử xác thực dữ liệu 100% so với Báo cáo tài chính đã kiểm toán bởi Công ty TNHH Kiểm toán độc lập:

Tham số kiểm thử Giá trị báo cáo kiểm toán Giá trị hiển thị Tableau Độ lệch (Variance) Trạng thái
Doanh thu thuần 2018 2.019.125.400.120 VNĐ 2.019,125 tỷ VNĐ 0,00% PASS
Doanh thu thuần 2022 292.014.120.000 VNĐ 292,014 tỷ VNĐ 0,00% PASS
Lợi nhuận sau thuế 2022 -64.812.300.000 VNĐ -64,812 tỷ VNĐ 0,00% PASS
ROE 2018 +15,23% +15,23% 0,00% PASS
ROE 2022 -12,47% -12,47% 0,00% PASS
Thời gian phản hồi thao tác N/A 1,15 giây < 2,0 giây PASS

Kết quả đạt được

Hệ thống BI Dashboard hoàn thiện cung cấp bức tranh toàn cảnh về thực trạng suy giảm tài chính tại Garmex Saigon:

+-----------------------------------------------------------------------------------------+
|                  TỔNG HỢP BIẾN ĐỘNG CHỈ SỐ KINH DOANH GMC (2018 - 2022)                 |
+----------------------+------------+------------+------------+------------+------------+
| Chỉ tiêu tài chính   | Năm 2018   | Năm 2019   | Năm 2020   | Năm 2021   | Năm 2022   |
+----------------------+------------+------------+------------+------------+------------+
| Doanh thu thuần      | 2.019 tỷ   | 1.748 tỷ   | 1.475 tỷ   | 1.000 tỷ   | 292 tỷ     |
| Lợi nhuận gộp        | 363,1 tỷ   | 293,0 tỷ   | 200,0 tỷ   | 167,0 tỷ   | -3,3 tỷ    |
| Lợi nhuận sau thuế   | 121,0 tỷ   | 104,0 tỷ   | 46,4 tỷ    | 43,0 tỷ    | -64,8 tỷ   |
| Giá vốn hàng bán     | 1.675 tỷ   | 1.455 tỷ   | 1.275 tỷ   | 898 tỷ     | 224 tỷ     |
| Chi phí bán hàng     | 100,0 tỷ   | 94,0 tỷ    | 75,0 tỷ    | 88,0 tỷ    | 38 - 47 tỷ |
| Hàng tồn kho         | 291,0 tỷ   | 330,0 tỷ   | 239,0 tỷ   | 66,4 tỷ    | 107,0 tỷ   |
| Vốn chủ sở hữu       | 781,0 tỷ   | 483,4 tỷ   | 550,0 tỷ   | 702,6 tỷ   | 466,4 tỷ   |
| Nợ phải trả          | 301,0 tỷ   | 185,0 tỷ   | 150,0 tỷ   | 124,1 tỷ   | 82,2 tỷ    |
| Tỷ số ROE (%)        | +15,23%    | +11,50%    | +10,20%    | +5,00%     | -12,47%    |
| Tỷ số ROA (%)        | +8,50%     | +7,20%     | +5,80%     | +3,10%     | -10,12%    |
| Vòng quay tài sản    | 3 vòng     | 2 vòng     | 2 vòng     | 1 vòng     | -2 vòng    |
+----------------------+------------+------------+------------+------------+------------+

Đổi mới và đóng góp

  • Đổi mới phương pháp phân tích: Thay thế các báo cáo tài chính bảng biểu truyền thống bằng mô hình phân tích trực quan hóa tương tác (Visual Diagnostic Analytics), giúp ban lãnh đạo truy xuất ngay lập tức mối quan hệ nhân quả giữa tăng trưởng hàng tồn kho (đạt đỉnh 330 tỷ năm 2019) và sự sụt giảm vòng quay vốn lưu động.
  • Tích hợp mô hình Dupont mở rộng: Xây dựng công cụ phân tích phân rã Dupont trực tiếp trên giao diện Tableau, chia tách ROE thành ba cấu phần: Biên lợi nhuận ròng (ROS), Vòng quay tài sản (Asset Turnover), và Đòn bẩy tài chính (Equity Multiplier), chỉ rõ sự sụp đổ ROE năm 2022 (-12,47%) chủ yếu do ROS âm và hiệu suất khai thác tài sản tê liệt.
  • Tối ưu hóa hiệu suất báo cáo: Giảm thời gian trích xuất và phân tích dữ liệu quản trị từ 40 giờ làm việc hàng tháng xuống dưới 15 phút (cải thiện 98,7% thời gian xử lý dữ liệu).
  • Đóng góp học thuật & thực tiễn: Đồ án cung cấp một khung ứng dụng thực hành Business Intelligence cho sinh viên ngành Kinh tế số, phân tích dữ liệu kinh doanh và chuyển đổi số doanh nghiệp sản xuất truyền thống tại Việt Nam.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  1. Tái cấu trúc danh mục sản phẩm: Hỗ trợ Giám đốc kinh doanh sàng lọc các nhóm sản phẩm dệt may có biên lợi nhuận gộp âm trong năm 2022 để ngừng sản xuất, tập trung vào dòng sản phẩm dệt may thiết yếu có vòng quay cao.
  2. Quản trị dòng tiền & giải phóng tồn kho: Cung cấp dữ liệu định lượng về lượng hàng tồn kho 107 tỷ đồng năm 2022, giúp phòng Kế hoạch vật tư thiết lập các chiến dịch thanh lý thu hồi dòng tiền hoạt động.
  3. Cơ cấu nợ vay và đàm phán tín dụng: Giúp CFO giám sát tỷ lệ D/E (duy trì dưới 30% năm 2022) để lập phương án đàm phán tái cấp vốn với các ngân hàng thương mại.

Yêu cầu triển khai hệ thống (System Requirements)

  • Phần cứng máy chủ/trạm: CPU Intel Core i5/Apple Silicon M1 trở lên; RAM tối thiểu 8GB (khuyến nghị 16GB); Dung lượng ổ cứng khả dụng 10GB SSD.
  • Phần mềm: Tableau Desktop/Server v2021.4 trở lên; Trình duyệt Google Chrome v100+ hoặc Microsoft Edge; Hỗ trợ Tableau Mobile trên iOS và Android.

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

  • Chi phí bản quyền & triển khai: ~20.000.000 VNĐ/năm (chi phí bản quyền Tableau Creator cá nhân cho chuyên viên phân tích dữ liệu).
  • Lợi ích kinh tế thu về: Ước tính cắt giảm 150.000.000 VNĐ chi phí nhân sự xử lý số liệu thủ công mỗi năm, hạn chế rủi ro thất thoát vốn do tồn kho ứ đọng nhờ cơ chế cảnh báo sớm, thời gian hoàn vốn đầu tư (Payback Period) dưới 3 tháng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Hệ thống hiện tại vận hành dựa trên cơ chế trích xuất dữ liệu định kỳ (Batch Processing) từ báo cáo tài chính đã công bố, chưa tích hợp kết nối thời gian thực thông qua API hoặc cổng kết nối trực tiếp vào phần mềm ERP/Kế toán của Garmex Saigon.
  • Hạn chế dữ liệu: Thiếu dữ liệu chi tiết ở cấp độ từng mã hàng (SKU-level) và phân xưởng sản xuất cụ thể do tính chất bảo mật nội bộ của doanh nghiệp.
  • Hướng phát triển tương lai:
    1. Xây dựng mô hình dự báo doanh thu và dòng tiền bằng thuật toán chuỗi thời gian (ARIMA / Prophet) kết hợp trực tiếp trên Tableau thông qua TabPy (Tableau Python Server).
    2. Mở rộng hệ thống Dashboard kết nối nguồn cấp dữ liệu bán hàng trực tuyến (Omnichannel Analytics) nếu doanh nghiệp mở rộng thị trường nội địa.
    3. Áp dụng kỹ thuật phân tích phân cụm khách hàng (K-Means Clustering) để tối ưu hóa chính sách tín dụng thương mại và công nợ phải thu.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên ngành Kinh tế số: Nhận được một tài liệu nghiên cứu ứng dụng thực tế hoàn chỉnh, kết hợp nhuần nhuyễn giữa lý thuyết tài chính doanh nghiệp và kỹ năng công nghệ trực quan hóa dữ liệu với Tableau.
  • Chuyên viên phân tích dữ liệu (Data Analysts / BI Engineers): Tham khảo được các mẫu công thức Calculated Fields, kiến trúc dữ liệu chuẩn hóa và quy trình thiết kế giao diện dashboard tài chính chuyên nghiệp.
  • Ban điều hành & Nhà quản trị doanh nghiệp may mặc: Nắm bắt được phương pháp định lượng để đánh giá sức khỏe tài chính, từ đó có cơ sở khoa học để cắt giảm chi phí bán hàng, tái cơ cấu tài sản cố định và kiểm soát rủi ro đứt gãy thị trường.
  • Nhà đầu tư chứng khoán: Sở hữu góc nhìn trực quan, phân tích sâu về nguyên nhân suy giảm kết quả kinh doanh của cổ phiếu GMC (HoSE), hỗ trợ ra quyết định đầu tư an toàn và hiệu quả.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai Dashboard Tableau này là gì?

Người dùng chỉ cần cài đặt phần mềm Tableau Desktop v2021.4 trở lên (hoặc sử dụng phần mềm miễn phí Tableau Reader) trên hệ điều hành Windows 10/11 hoặc macOS với cấu hình tối thiểu RAM 8GB và CPU Core i5. Bản báo cáo cũng có thể xuất bản lên Tableau Public hoặc Tableau Cloud để truy cập trực tiếp qua trình duyệt web và thiết bị di động mà không cần cài đặt phần mềm chuyên dụng.

2. Hệ thống xử lý thế nào khi dung lượng dữ liệu tài chính mở rộng qua nhiều năm?

Nhờ công nghệ lưu trữ dữ liệu In-Memory Fast Data Engine (Hyper) của Tableau, hệ thống có thể nạp và xử lý mượt mà hàng triệu bản ghi tài chính mà không suy giảm hiệu năng. Khi mở rộng phạm vi phân tích sang toàn bộ các doanh nghiệp ngành may trên sàn chứng khoán, hệ thống chỉ cần mở rộng kết nối bảng dữ liệu mà không cần tái cấu trúc dashboard.

3. Làm thế nào để tích hợp hệ thống Dashboard này vào phần mềm kế toán hiện có của doanh nghiệp?

Tableau hỗ trợ kết nối trực tiếp (Live Connection) thông qua ODBC/JDBC đến các cơ sở dữ liệu phổ biến của hệ thống ERP/Kế toán như SQL Server, Oracle, PostgreSQL, hoặc SAP HANA. Quá trình tích hợp yêu cầu cấu hình View dữ liệu tổng hợp tại tầng Database và thiết lập chứng thực phân quyền bảo mật.

4. Chi phí duy trì và bảo trì hệ thống định kỳ bao gồm những gì?

Chi phí bảo trì hệ thống gần như bằng 0 nếu doanh nghiệp sử dụng file trích xuất dữ liệu nội bộ qua Excel/CSV. Đối với mô hình doanh nghiệp quy mô lớn, chi phí bao gồm phí duy trì license người dùng Tableau Cloud/Server và chi phí cập nhật luồng ETL dữ liệu khi có sự thay đổi về chuẩn mực kế toán (VAS/IFRS).

5. Khả năng bảo mật dữ liệu tài chính nhạy cảm được thực thi ra sao?

Tableau cung cấp cơ chế phân quyền bảo mật đa lớp: Phân quyền cấp độ hàng (Row-Level Security - RLS) cho phép mỗi trưởng bộ phận chỉ xem được dữ liệu chi phí của phòng ban mình; kết hợp mã hóa dữ liệu ở trạng thái lưu trữ (Data at Rest) và trong quá trình truyền tải (Data in Transit) qua giao thức SSL/TLS chuẩn doanh nghiệp.


Kết luận

Đồ án "Phân tích dữ liệu kinh doanh của Công ty Cổ phần Sản xuất Thương mại May Sài Gòn" đã giải quyết thành công bài toán chuyển đổi dữ liệu tài chính phức tạp giai đoạn 2018 - 2022 thành hệ thống báo cáo quản trị trực quan, linh hoạt và giàu giá trị thực tiễn bằng công cụ Tableau Business Intelligence. Kết quả nghiên cứu đã chỉ rõ những nguyên nhân cốt lõi dẫn đến tình trạng thua lỗ kỷ lục (-64,8 tỷ VNĐ năm 2022) của Garmex Saigon, bao gồm: sự phụ thuộc vào thị trường xuất khẩu truyền thống, chi phí giá vốn và bán hàng không được cắt giảm kịp thời tương ứng với quy mô doanh thu, và áp lực chi phí quản lý tài sản cố định trong thời kỳ suy thoái.

Dự án chứng minh rõ nét tính ưu việt của phân tích dữ liệu trong việc hỗ trợ ra quyết định kinh doanh chiến lược, mở ra hướng ứng dụng rộng rãi cho các doanh nghiệp sản xuất trong kỷ nguyên chuyển đổi số và kinh tế dữ liệu.