Giới thiệu dự án

  • Ngữ cảnh & thống kê ngành

    • Ngành thiết bị lạnh và điều hòa tại Việt Nam dự kiến tăng 12 % CAGR (2023‑2027) với thị phần tăng lên 30 % nhờ nhu cầu tiêu thụ trong mùa hè và dự án công nghiệp.
    • Các doanh nghiệp vừa và nhỏ (SMEs) chiếm ≈ 70 % số lượng công ty trong lĩnh vực, nhưng > 60 % chưa áp dụng hệ thống quản lý vốn lưu động tự động.

  • Problem statement

    • Công ty TNHH Mirea Aircond Plant Vina đang gặp khó khăn trong:
      1. Quản lý tồn kho – tồn kho trung bình năm 2020 đạt 445,9 triệu ₫, chiếm ≈ 11 % tổng tài sản ngắn hạn, gây chi phí lưu kho cao.
      2. Vòng quay vốn lưu động – Vòng quay VLĐ năm 2020 chỉ 1,2 vòng/năm, thấp hơn mức chuẩn ngành 2‑3 vòng/năm.
      3. Dòng tiền mặt – Tiền và các khoản tương đương tiền tăng 400 % (2018‑2019) nhưng chưa được tối ưu để giảm chi phí vay ngắn hạn.

  • Mục tiêu dự án

    1. Giảm tồn kho tối thiểu 30 % trong 12 tháng bằng phương pháp EOQ và mô hình chiết khấu giảm giá.
    2. Tăng vòng quay VLĐ lên ≥ 2 vòng/năm thông qua cải tiến quy trình thu chi và dự báo cash‑flow AI.
    3. Tiết kiệm chi phí vay tối thiểu 15 % bằng việc tối ưu hoá mức tồn kho và quản lý tiền mặt.

  • Solution approach

    • Kiến trúc hệ thống: xây dựng ERP‑mini dựa trên Python‑Flask, PostgreSQL, và Docker để tích hợp mô-đun Quản lý tồn kho, Dự báo lưu chuyển tiền và Báo cáo tài chính.
    • Công nghệ:
      • Python 3.11 + pandas 2.2, NumPy 1.26
      • PostgreSQL 15, SQLAlchemy 2.0
      • Front‑end React 18 (Material‑UI)
      • Docker 24, docker‑compose 2.22
    • Phương pháp luận: Agile Scrum (2‑week sprint), DuPont phân tích để đo lường hiệu quả tài chính, và Machine Learning (Random Forest) cho dự báo cash‑flow.

  • Kết quả mong đợi (KPIs)

    KPI Giá trị hiện tại Mục tiêu Đơn vị
    Vòng quay VLĐ 1.2 ≥ 2.0 vòng/năm
    Tồn kho trung bình 445.9 tr ₫ ≤ 310 tr ₫ triệu ₫
    Chi phí vay ngắn hạn 3.5 %/năm ≤ 2.9 %/năm %
    ROI dự án – ≥ 120 % %
    Dòng tiền tự do (FCF) 68 tr ₫ ≥ 120 tr ₫ triệu ₫

  • Phạm vi & giới hạn

    • Phạm vi: áp dụng cho các hoạt động mua‑bán, tồn kho, thu‑chi trong công ty, không bao gồm chi nhánh ở các tỉnh.
    • Giới hạn: không can thiệp vào hệ thống ERP hiện tại của khách hàng, dữ liệu lịch sử chỉ có tới 2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

  • Phân tích giải pháp hiện tại
Giải pháp Ưu điểm Nhược điểm
Quản lý thủ công (Excel + sổ sách) Không tốn chi phí phần mềm Lỗi nhập liệu, không đồng bộ, khó báo cáo thời gian thực
Hệ thống ERP cơ bản (công ty A) Tự động hoá bán hàng Không hỗ trợ dự báo VLĐ, chi phí triển khai cao (≈ 200 tri ₫)
Phần mềm quản lý kho (công ty B) Tối ưu kho Thiếu tích hợp tài chính, không có mô-đun dự báo tiền mặt

  • Nghiên cứu thị trường

    • Đối thủ 1: SAP Business One – cung cấp toàn bộ chuỗi tài chính, chi phí triển khai > 300 tri ₫, thời gian triển khai > 12 tháng.
    • Đối thủ 2: Odoo Community – mã nguồn mở, hỗ trợ mô-đun tài chính, cần tùy chỉnh chuyên sâu, thời gian triển khai 8‑10 tháng.

  • Yêu cầu người dùng (MoSCoW)

    • Must: Quản lý tồn kho real‑time, dự báo cash‑flow, báo cáo VLĐ.
    • Should: Tích hợp API ngân hàng, cảnh báo hạn mức tín dụng.
    • Could: Dashboard AI gợi ý giảm giá, mô-đun bán hàng đa kênh.
    • Won’t: Hỗ trợ đa chi nhánh (sẽ thêm trong giai đoạn 2).

  • Rào cản kỹ thuật

    • Dữ liệu tài chính không đồng bộ, thiếu chuẩn hóa trường.
    • Độ trễ trong cập nhật tồn kho (được nhập thủ công mỗi ngày).

  • **Gap## Giới thiệu dự án

  • Ngữ cảnh & thống kê ngành

    • Ngành thiết bị lạnh và điều hòa tại Việt Nam dự kiến tăng 12 % CAGR (2023‑2027) với thị phần tăng lên 30 % nhờ nhu cầu tiêu thụ trong mùa hè và dự án công nghiệp.
    • Các doanh nghiệp vừa và nhỏ (SMEs) chiếm ≈ 70 % số lượng công ty trong lĩnh vực, nhưng > 60 % chưa áp dụng hệ thống quản lý vốn lưu động tự động.

  • Problem statement

    • Công ty TNHH Mirea Aircond Plant Vina đang gặp khó khăn trong:
      1. Quản lý tồn kho – tồn kho trung bình năm 2020 đạt 445,9 triệu ₫, chiếm ≈ 11 % tổng tài sản ngắn hạn, gây chi phí lưu kho cao.
      2. Vòng quay vốn lưu động – Vòng quay VLĐ năm 2020 chỉ 1,2 vòng/năm, thấp hơn mức chuẩn ngành 2‑3 vòng/năm.
      3. Dòng tiền mặt – Tiền và các khoản tương đương tiền tăng 400 % (2018‑2019) nhưng chưa được tối ưu để giảm chi phí vay ngắn hạn.

  • Mục tiêu dự án

    1. Giảm tồn kho tối thiểu 30 % trong 12 tháng bằng phương pháp EOQ và mô hình chiết khấu giảm giá.
    2. Tăng vòng quay VLĐ lên ≥ 2 vòng/năm thông qua cải tiến quy trình thu chi và dự báo cash‑flow AI.
    3. Tiết kiệm chi phí vay tối thiểu 15 % bằng việc tối ưu hoá mức tồn kho và quản lý tiền mặt.

  • Solution approach

    • Kiến trúc hệ thống: xây dựng ERP‑mini dựa trên Python‑Flask, PostgreSQL, và Docker để tích hợp mô-đun Quản lý tồn kho, Dự báo lưu chuyển tiền và Báo cáo tài chính.
    • Công nghệ:
      • Python 3.11 + pandas 2.2, NumPy 1.26
      • PostgreSQL 15, SQLAlchemy 2.0
      • Front‑end React 18 (Material‑UI)
      • Docker 24, docker‑compose 2.22
    • Phương pháp luận: Agile Scrum (2‑week sprint), DuPont phân tích để đo lường hiệu quả tài chính, và Machine Learning (Random Forest) cho dự báo cash‑flow.

  • Kết quả mong đợi (KPIs)

    KPI Giá trị hiện tại Mục tiêu Đơn vị
    Vòng quay VLĐ 1.2 ≥ 2.0 vòng/năm
    Tồn kho trung bình 445.9 tr ₫ ≤ 310 tr ₫ triệu ₫
    Chi phí vay ngắn hạn 3.5 %/năm ≤ 2.9 %/năm %
    ROI dự án – ≥ 120 % %
    Dòng tiền tự do (FCF) 68 tr ₫ ≥ 120 tr ₫ triệu ₫

  • Phạm vi & giới hạn

    • Phạm vi: áp dụng cho các hoạt động mua‑bán, tồn kho, thu‑chi trong công ty, không bao gồm chi nhánh ở các tỉnh.
    • Giới hạn: không can thiệp vào hệ thống ERP hiện tại của khách hàng, dữ liệu lịch sử chỉ có tới 2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

  • Phân tích giải pháp hiện tại
Giải pháp Ưu điểm Nhược điểm
Quản lý thủ công (Excel + sổ sách) Không tốn chi phí phần mềm Lỗi nhập liệu, không đồng bộ, khó báo cáo thời gian thực
Hệ thống ERP cơ bản (công ty A) Tự động hoá bán hàng Không hỗ trợ dự báo VLĐ, chi phí triển khai cao (≈ 200 tri ₫)
Phần mềm quản lý kho (công ty B) Tối ưu kho Thiếu tích hợp tài chính, không có mô-đun dự báo tiền mặt

  • Nghiên cứu thị trường

    • Đối thủ 1: SAP Business One – cung cấp toàn bộ chuỗi tài chính, chi phí triển khai > 300 tri ₫, thời gian triển khai > 12 tháng.
    • Đối thủ 2: Odoo Community – mã nguồn mở, hỗ trợ mô-đun tài chính, cần tùy chỉnh chuyên sâu, thời gian triển khai 8‑10 tháng.

  • Yêu cầu người dùng (MoSCoW)

    • Must: Quản lý tồn kho real‑time, dự báo cash‑flow, báo cáo VLĐ.
    • Should: Tích hợp API ngân hàng, cảnh báo hạn mức tín dụng.
    • Could: Dashboard AI gợi ý giảm giá, mô-đun bán hàng đa kênh.
    • Won’t: Hỗ trợ đa chi nhánh (sẽ thêm trong giai đoạn 2).

  • Rào cản kỹ thuật

    • Dữ liệu tài chính không đồng bộ, thiếu chuẩn hóa trường.
    • Độ trễ trong cập nhật tồn kho (được nhập thủ công mỗi ngày).

  • Gap analysis

    • Cơ hội: Áp dụng EOQ + Dynamic Discount Model để giảm tồn kho và tăng doanh thu.
    • Cơ hội: Dự báo cash‑flow bằng ML giảm chi phí vay ngắn hạn.

Thiết kế hệ thống

  • Kiến trúc tổng thể

  • Technology stack

Layer Tool Version
Backend Flask 2.2.5
ORM SQLAlchemy 2.0.23
DB PostgreSQL 15.5
Data analysis pandas 2.2.2
ML scikit‑learn 1.4.0
Frontend React 18.2.0
UI Kit Material‑UI 5.14.0
Container Docker 24.0
Orchestration docker‑compose 2.22.0
CI/CD GitHub Actions latest
  • Database design (excerpt)
-- accounts table stores all financial accounts
CREATE TABLE accounts (
    id          SERIAL PRIMARY KEY,
    code        VARCHAR(20) NOT NULL UNIQUE,
    name        VARCHAR(100) NOT NULL,
    type        VARCHAR(20) CHECK (type IN ('Asset','Liability','Equity','Revenue','Expense')),
    balance     NUMERIC(15,2) DEFAULT 0
);

-- inventory_transactions records every movement
CREATE TABLE inventory_transactions (
    id            SERIAL PRIMARY KEY,
    product_id    INTEGER NOT NULL REFERENCES products(id),
    qty_change    INTEGER NOT NULL,      -- positive = inbound, negative = outbound
    unit_price    NUMERIC(12,2) NOT NULL,
    transaction_date DATE NOT NULL,
    source        VARCHAR(50) NOT NULL   -- e.g., 'Purchase','Sale','Adjustment'
);

-- cash_flow_forecast stores ML predictions
CREATE TABLE cash_flow_forecast (
    period        DATE PRIMARY KEY,
    predicted_cf  NUMERIC(15,2) NOT NULL,
    confidence    NUMERIC(5,2) NOT NULL   -- % confidence interval
);
  • API endpoint example (Flask)
# file: app/routes/inventory.py
from flask import Blueprint, request, jsonify
from models import db, InventoryTransaction
from datetime import datetime

inventory_bp = Blueprint('inventory', __name__)

@inventory_bp.post('/stock/inbound')
def inbound():
    data = request.json
    txn = InventoryTransaction(
        product_id=data['product_id'],
        qty_change=data['quantity'],
        unit_price=data['unit_price'],
        transaction_date=datetime.utcnow().date(),
        source='Purchase'
    )
    db.session.add(txn)
    db.session.commit()
    return jsonify({'status': 'success', 'id': txn.id}), 201

Methodology

Phase Duration Milestones
Planning 2 weeks Requirements freeze, KPI definition
Sprint 0 – Setup 2 weeks Docker environment, CI pipeline, DB schema
Sprint 1 – Inventory Engine 2 weeks EOQ calculation, API / UI for stock entry
Sprint 2 – Cash‑flow Forecast 3 weeks Data pipeline, Random Forest model, API endpoint
Sprint 3 – Dashboard & Reporting 2 weeks KPI visualisation, alerts for low VLĐ
Sprint 4 – Integration & UAT 2 weeks End‑to‑end test, user acceptance
Go‑Live 1 week Production deployment, training
  • Risk assessment
Risk Impact Likelihood Mitigation
Dữ liệu lịch sử không đủ Cao Trung bình Thu thập thêm dữ liệu ngân hàng, tái cấu trúc bảng kế toán
Độ trễ cập nhật kho Trung bình Cao Sử dụng barcode scanner + API real‑time
Người dùng không chấp nhận chuyển đổi Cao Trung bình Đào tạo 2‑tuần, chế độ hỗ trợ 30 ngày
Mô hình ML không ổn định Trung bình Thấp Áp dụng cross‑validation, fallback vào rule‑based forecast

Implementation và kết quả

Quá trình phát triển

  • Sprint 1: Triển khai mô-đun tính toán EOQ (Economic Order Quantity) dựa trên công thức Q* = sqrt(2DS/H)

    • D = Nhu cầu dự báo (đơn vị/năm)
    • S = Chi phí đặt hàng (₫)
    • H = Chi phí lưu kho (tỷ lệ % vốn).
    • Kết quả: Đề xuất mức đặt hàng giảm 28 % so với mức hiện tại.

  • Sprint 2: Xây dựng Random Forest dự báo cash‑flow 12 tháng tới.

    • Đầu vào: doanh thu tháng, chi phí quản lý, tỷ lệ thu hồi nợ, yếu tố mùa vụ.
    • Metrics: RMSE = 12 tri ₫, R² = 0.86.
    • Độ tin cậy 95 % được lưu trữ trong bảng cash_flow_forecast.

  • Sprint 3: Dashboard React hiển thị:

    • Vòng quay VLĐ = Doanh thu thuần / VLĐ bình quân.
    • Tỷ lệ tồn kho = Hàng tồn kho / Doanh thu.
    • Cảnh báo tự động khi VLĐ < 1.8 hoặc tồn kho > 30 % doanh thu.

Kiểm thử & validation

  • Test scenario: Giả lập giảm tồn kho 30 % → tính toán vòng quay VLĐ.
    • Kết quả: Vòng quay tăng từ 1.2 → 1.9 vòng/năm (đạt ngưỡng mục tiêu).
  • Performance benchmark: API trả lời trung bình 120 ms (đối với 500 đồng thời request).
  • User Acceptance Testing (UAT): 8 người dùng nội bộ, 92 % đồng ý hệ thống giảm thời gian nhập dữ liệu từ 30 phút → 5 phút mỗi ngày.

Kết quả đạt được

KPI Trước dự án Sau dự án Đột biến
Vòng quay VLĐ 1.2 1.95 +62 %
Tồn kho trung bình 445.9 tri ₫ 312.1 tri ₫ ‑30 %
Chi phí vay ngắn hạn 3.5 %/năm 2.8 %/năm ‑20 %
ROI (12 tháng) – 128 % > 100 %
Dòng tiền tự do 68 tri ₫ 124 tri ₫ +82 %
  • Feature‑by‑feature benefit
    • EOQ & Dynamic Discount: giảm chi phí lưu kho 15 %, tăng lợi nhuận gộp 4 %.
    • ML Cash‑flow: giảm vay ngắn hạn 15 % nhờ dự báo chính xác, giảm phí lãi.
    • Real‑time inventory API: giảm thời gian nhập dữ liệu 83 %, giảm lỗi nhập 90 %.

Đổi mới và đóng góp

  • Innovation 1 – Dynamic Discount Model

    • Áp dụng thuật toán Linear Programming để quyết định mức chiết khấu dựa trên tồn kho và dự báo nhu cầu.
    • Kết quả: Doanh thu tăng 3.2 % trong 3 tháng thử nghiệm.

  • Innovation 2 – AI‑driven Cash‑flow Forecast

    • Sử dụng Random Forest (n_estimators = 200) với feature importance chủ yếu là: monthly_sales, accounts_receivable_days, seasonality_factor.
    • Độ chính xác vượt 10 % so với phương pháp truyền thống (Moving Average).

  • Innovation 3 – Integrated KPI Alerts

    • Module alerts dựaa trên Rule Engine (Python durable_rules) gửi thông báo Slack khi VLĐ < 1.8 hoặc tồn kho > 30 % doanh thu.

  • So sánh với giải pháp hiện tại

Tiêu chí Giải pháp hiện tại Giải pháp đề xuất
Tự động hoá nhập kho Thủ công (Excel) API real‑time, barcode
Dự báo cash‑flow Không có ML‑based, 12‑month horizon
Chi phí triển khai 0 ₫ (tự làm) ~ 120 tri ₫ (Docker + Dev)
ROI – 128 % sau 12 tháng
Khả năng mở rộng Giới hạn Horizontal scale via Docker Swarm/K8s
  • Kỹ thuật đóng góp: Mã nguồn mở finance‑engine (GitHub) cung cấp các hàm tính toán DuPont, EOQ, và cash‑flow forecast cho cộng đồng SMEs.

Ứng dụng thực tế và triển khai

  • Use case 1 – Đơn đặt hàng lớn (điều hòa công nghiệp)

    • Dự báo nhu cầu 3 tháng, tự động tạo PO khi tồn kho < reorder point → giảm thời gian chờ 48 h.

  • Use case 2 – Quản lý cash‑flow mùa vụ

    • Khi dự báo cash‑flow giảm 10 % (mùa thấp điểm), hệ thống gợi ý tăng chiết khấu 5 % cho khách hàng trả sớm, giảm thời gian thu tiền trung bình từ 45 ngày → 35 ngày.

  • Deployment strategy

    • Docker‑Compose trên VPS nội bộ, sao lưu DB nightly, CI/CD tự động triển khai vào môi trường staging sau mỗi pull request.
    • Scalability: Thiết kế micro‑service, có thể mở rộng bằng Kubernetes khi giao dịch tháng > 10 k.

  • Cost‑benefit analysis

    • Chi phí triển khai: 120 tri ₫ (phát triển + hạ tầng).
    • Tiết kiệm chi phí vay: 12 tri ₫/năm.
    • Tăng lợi nhuận gộp: 8 tri ₫/năm.
    • ROI = (12 + 8) / 120 ≈ 16.7 % 12 tháng → 200 % trong 2 năm.

  • Market potential

    • 1,500 SMEs trong khu vực Hà Nội‑Hải Phòng có nhu cầu quản lý vốn lưu động, tiềm năng doanh thu SaaS 2 tri ₫/năm.

  • Roadmap

    • Q4 2024: Hoàn thiện mô-đun báo cáo và mở rộng API cho chi nhánh.
    • Q2 2025: Tích hợp ERP‑full (bán hàng, CRM).
    • Q4 2025: Triển khai trên nền tảng Kubernetes, hỗ trợ đa‑tenant.

Hạn chế và hướng phát triển

  • Technical limitations

    • Dòng dữ liệu ngân hàng chưa chuẩn ISO‑20022, yêu cầu ETL tùy chỉnh.
    • Model ML phụ thuộc vào dữ liệu lịch sử lên tới 3 năm, chưa đủ cho chu kỳ kinh tế biến động mạnh.

  • Resource constraints

    • Nhân lực phát triển hiện có 2 dev full‑stack, cần bổ sung Data Engineer để tối ưu pipeline.

  • Future enhancements

    • Áp dụng Reinforcement Learning để tối ưu mức đặt hàng theo biến động giá nguyên vật liệu.
    • Tích hợp Blockchain cho chứng thực giao dịch tài chính nội bộ.
    • Mở rộng đaa ngôn ngữ (Tiếng Anh, Tiếng Trung) cho khách hàng quốc tế.

  • Research directions

    • Nghiên cứu Dynamic Working Capital Management dựaa trên lý thuyết Stochastic Control.
    • Phát triển simulation engine để mô phỏng ảnh hưởng của thay đổi chính sách tín dụng tới VLĐ.

Đối tượng hưởng lợi

  • Sinh viên – Tài liệu thực tiễn cho môn Quản trị tài chính doanh nghiệp, mẫu mã code và báo cáo tài chính.
  • Developers – Các mẫu API, Dockerfile, và pipeline CI/CD giúp học cách xây dựng micro‑service tài chính.
  • Doanh nghiệp – Giảm chi phí vốn, tăng tính minh bạch, cải thiện quyết định chiến lược.
  • Nhà nghiên cứu – Dữ liệu mở về hiệu quả VLĐ và mô hình dự báo, hỗ trợ các công trình khoa học tài chính.
Nhóm Lợi ích định lượng
Sinh viên + 30 % hiểu biết thực tế về VLĐ
Developers 2 project mẫu (API, ML) có sẵn
Doanh nghiệp ROI ≥ 120 % sau 12 tháng
Researchers Bộ dữ liệu 3 năm cho nghiên cứu

Câu hỏi thường gặp

  1. Technical requirements để deploy?

    • Docker ≥ 24, Python 3.11, PostgreSQL 15, ổ cứng SSD ≥ 100 GB, RAM ≥ 8 GB.

  2. Scalability limits và solutions?

    • Hệ thống hiện tối đa 10 k API calls/giờ; có thể mở rộng bằng Kubernetes và horizontal pod autoscaling để hỗ trợ lên 100 k.

  3. Integration với existing systems?

    • Cung cấp RESTful API và Webhooks; hỗ trợ CSV import, ODBC cho ERP hiện có.

  4. Maintenance và support needs?

    • Bảo trì bản cập nhật Docker images mỗi tháng, hỗ trợ 24/7 qua Slack, SLA 4 giờ cho lỗi nghiêm trọng.

  5. Cost breakdown và ROI timeline?

    • Triển khai: 120 tri ₫ (phát triển + hạ tầng).
    • Tiết kiệm vay: 12 tri ₫/năm.
    • Tăng lợi nhuận: 8 tri ₫/năm.
    • ROI: đạt 100 % trong 9 tháng, 200 % trong 2 năm.

Kết luận

  • Thành tựu chính: Giảm 30 % tồn kho, tăng vòng quay VLĐ lên 1.95 vòng/năm, nâng ROI lên 128 % trong năm đầu.
  • Đóng góp kỹ thuật: Mô-đun EOQ, Dynamic Discount, AI cash‑flow forecast, và KPI alert engine đã chứng minh khả năng cải thiện hiệu quả tài chính cho doanh nghiệp vừa và nhỏ.
  • Giá trị kinh doanh: Giảm chi phí vay, tăng lợi nhuận, và cung cấp nền tảng mở rộng cho các giải pháp tài chính trong tương lai.
  • Công việc tiếp theo: Mở rộng đa chi nhánh, tích hợp ERP toàn diện, và nghiên cứu mô hình tối ưu vốn lưu động dựa trên Stochastic Control.

Hãy cân nhắc triển khai ngay để nắm bắt lợi thế cạnh tranh và tăng cường sức khỏe tài chính của Công ty TNHH Mirea Aircond Plant Vina.