Giới thiệu dự án

Ngành logistics và vận tải hàng hóa đường bộ đóng vai trò huyết mạch trong chuỗi cung ứng quốc gia. Tại Việt Nam, vận tải đường bộ hiện chiếm hơn 75% tổng sản lượng vận chuyển hàng hóa nội địa nhờ tính cơ động và khả năng kết nối linh hoạt từ kho đến kho (Door-to-Door). Tuy nhiên, ngành này đang đối mặt với nhiều rào cản vận hành: chi phí nhiên liệu chiếm 30 - 35%, chi phí cầu đường chiếm 10 - 15%, chi phí nhân công lái xe chiếm 15%, cùng tỷ lệ xe chạy rỗng chiều về lên tới 30 - 50%.

Đề tài "Phân tích rủi ro trong quy trình vận tải hàng hóa bằng đường bộ tại Công ty Cổ phần Đầu tư Thương mại Phát triển Nhất Tín – Chi nhánh Huế" do sinh viên Nguyễn Thị Ngọc Huyền thực hiện dưới sự hướng dẫn của PGS.TS Nguyễn Khắc Hoàn (Trường Đại học Kinh tế – Đại học Huế) tập trung giải quyết bài toán cốt lõi: Nhận diện, định lượng và kiểm soát chuỗi rủi ro trong bối cảnh doanh nghiệp mở rộng quy mô thần tốc (nhân sự tăng 60% từ năm 2019 đến năm 2020, trong đó bộ phận vận hành chiếm 65%).

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH NGÀNH VẬN TẢI ĐƯỜNG BỘ                            |
+-----------------------------------------------------------------------------------+
| - Chiếm >75% tổng sản lượng vận tải nội địa Việt Nam.                             |
| - Chi phí logistics cao: Nhiên liệu (30-35%), Cầu đường (10-15%), Nhân công (15%).|
| - Tỷ lệ chạy rỗng 2 chiều: 30 - 50%.                                              |
| - Rủi ro vận hành: Thất thoát, hư hỏng, trễ hạn giao hàng (SLA), biến động lái xe.|
+-----------------------------------------------------------------------------------+

Vấn đề thực tiễn và bài toán nghiên cứu

Công ty Cổ phần Đầu tư Thương mại Phát triển Nhất Tín (Nhất Tín Logistics) là đơn vị chuyển phát hàng đầu với mạng lưới phủ sóng 63 tỉnh thành, sở hữu hệ thống trung tâm chia chọn quy mô lớn như Kho Sóng Thần (30.000 m²) và Kho Văn Giang (20.000 m²). Tại Chi nhánh Huế, quá trình mở rộng mạng lưới phân phối và tăng trưởng lưu lượng bưu kiện dẫn đến những điểm nghẽn nghiêm trọng:

  • Tỷ lệ tổn thất, hư hỏng hàng hóa trong quá trình bốc dỡ, trung chuyển tuyến Bắc - Nam.
  • Rủi ro giao hàng chậm trễ do hạ tầng giao thông, quy định cấm tải nội đô và biến động thời tiết miền Trung.
  • Tình trạng khách hàng từ chối nhận hàng hoặc không thanh toán cước COD, phát sinh chi phí lưu kho và vận chuyển ngược (Reverse Logistics).
  • Biến động nhân sự vận hành (tài xế, giao nhận, nhân viên kho) với tỷ lệ luân chuyển lao động cao, gây gián đoạn chuỗi cung ứng.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về quản trị rủi ro chuỗi cung ứng theo tiêu chuẩn quốc tế ISO 31000:2018 và lý thuyết phân tích quyết định đa tiêu chí.
  2. Khảo sát, mô hình hóa chi tiết quy trình vận tải hàng hóa đường bộ tại Nhất Tín Logistics – Chi nhánh Huế.
  3. Ứng dụng phương pháp DEMATEL (Decision Making Trial and Evaluation Laboratory) để phân tích tương quan nhân quả và định lượng mức độ nghiêm trọng giữa các nhóm rủi ro vận hành.
  4. Xây dựng hệ thống giải pháp kiểm soát tổn thất, tối ưu hóa chi phí vận hành và nâng cao chỉ số đáp ứng đơn hàng (Order Fill Rate).

Phạm vi và giới hạn nghiên cứu

  • Đối tượng nghiên cứu: Các rủi ro vận hành trong quy trình vận tải hàng hóa đường bộ.
  • Không gian: Chi nhánh Công ty CP ĐT TM PT Nhất Tín tại Huế (11 Trần Cao Vân, TP. Huế).
  • Thời gian: Dữ liệu thứ cấp giai đoạn 2018 - 2021; dữ liệu sơ cấp thu thập qua khảo sát nhóm 04 chuyên gia chủ chốt (Giám đốc chi nhánh, Quản lý chất lượng, Trưởng bưu cục, Kế toán trưởng) trong thời gian từ tháng 10/2021 đến tháng 01/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để lựa chọn mô hình đánh giá rủi ro phù hợp, đề tài tiến hành phân tích so sánh các giải pháp quản trị rủi ro phổ biến hiện nay:

Tiêu chí Ma trận Định tính truyền thống Phân tích Thứ bậc (AHP) Mô hình DEMATEL (Áp dụng)
Bản chất mô hình Bảng chấm điểm ma trận $P \times I$ Cấu trúc phân cấp hình cây đơn chiều Cấu trúc mạng đồ thị tương quan đa chiều
Xử lý tương tác Độc lập, không xét quan hệ giữa các rủi ro Giả định các tiêu chí độc lập cùng cấp Xác định rõ quan hệ Nhân (Cause) - Quả (Effect)
Độ phức tạp tính toán Thấp Trung bình (Ma trận so sánh cặp) Cao (Nghịch đảo ma trận, chuẩn hóa chuỗi)
Độ chính xác Thấp, phụ thuộc nhiều vào cảm tính Khá, dễ mất nhất quán khi số biến $>7$ Rất cao, định lượng được ảnh hưởng gián tiếp
Giá trị ứng dụng Nhận diện sơ bộ Đưa ra trọng số ưu tiên đơn thuần Định vị rủi ro gốc rễ để triệt tiêu dây chuyền

So sánh kinh nghiệm thực tiễn từ các doanh nghiệp logistics đối thủ

  • Giao Hàng Tiết Kiệm (GHTK): Chuẩn hóa quy trình "Bảo hiểm hàng hóa dành cho shop" từ 04/2018 nhằm minh bạch hóa trách nhiệm pháp lý và giảm tỷ lệ tranh chấp bồi hoàn xuống dưới 0.5% tổng giá trị đơn hàng.
  • Giao Hàng Nhanh (GHN): Tối ưu hóa lộ trình bằng mã QR Code định danh shipper và xe tải, giúp duy trì 89 - 99% khả năng thông tuyến trong các giai đoạn đứt gãy chuỗi cung ứng.
  • Nhất Tín Logistics: Đẩy mạnh mô hình vận hành đội hiệu suất cao kết hợp hệ sinh thái kho bãi 3PL & Fulfillment (Song Thần 30.000 m², Văn Giang 20.000 m²).

Thiết kế hệ thống đánh giá rủi ro DEMATEL

Cấu trúc quy trình phân tích và xử lý rủi ro bằng mô hình toán học DEMATEL được thiết kế theo sơ đồ luồng dữ liệu 4 tầng:

graph TD
    A[Thu thập dữ liệu chuyên gia: Bảng hỏi 5 mức độ 0-4] --> B[Thiết lập Ma trận quan hệ trực tiếp trung bình A]
    B --> C[Chuẩn hóa Ma trận D = A * S]
    C --> D[Tính Ma trận quan hệ toàn diện T = D * inv I - D]
    D --> E[Tính Tổng mức độ ảnh hưởng R_i và Bị ảnh hưởng C_j]
    E --> F[Tính Prominence R + C và Relation R - C]
    F --> G{Phân loại Nhóm Rủi ro}
    G -->|R - C > 0| H[Nhóm Nguyên nhân: Trọng tâm can thiệp sớm]
    G -->|R - C < 0| I[Nhóm Hệ quả: Giám sát và kiểm soát tổn thất]

Công nghệ và công cụ thực hiện

  • Công cụ tính toán số học: Microsoft Excel kết hợp thư viện Python Scientific Stack (NumPy 1.24+, Pandas 2.0+).
  • Hệ thống theo dõi vận tải: Tích hợp GPS Tracking và phần mềm quản lý vận tải nội bộ TMS (Transportation Management System).
  • Tiêu chuẩn kiểm soát: Khung quản lý rủi ro tích hợp ISO 31000:2018 và nguyên tắc thẩm định tín dụng 5C (Character, Capacity, Capital, Conditions, Collateral) áp dụng cho rủi ro công nợ COD.

Implementation và kết quả

Quy trình tính toán thuật toán DEMATEL

Thuật toán DEMATEL được thực thi qua 4 giai đoạn toán học chặt chẽ:

Bước 1: Thiết lập ma trận quan hệ trực tiếp trung bình ($A$)

Khảo sát $H$ chuyên gia ($H = 4$) với tập hợp $n$ biến rủi ro ($n = 5$). Thang đo đánh giá nguyên nhân - kết quả gồm 5 mức: 0 (Không ảnh hưởng), 1 (Ảnh hưởng rất nhẹ), 2 (Ảnh hưởng vừa phải), 3 (Ảnh hưởng mạnh), 4 (Ảnh hưởng rất mạnh). Ma trận trung bình $A = [a_{ij}]{n \times n}$ được tính bởi: $$a{ij} = \frac{1}{H} \sum_{k=1}^H x_{ij}^k$$

Bước 2: Chuẩn hóa ma trận quan hệ trực tiếp ($D$)

Xác định hệ số chuẩn hóa $S$: $$S = \min \left( \frac{1}{\max_{1 \le i \le n} \sum_{j=1}^n a_{ij}}, \frac{1}{\max_{1 \le j \le n} \sum_{i=1}^n a_{ij}} \right)$$ Ma trận chuẩn hóa ban đầu $D = A \times S$, với $0 \le d_{ij} \le 1$.

Bước 3: Thiết lập ma trận quan hệ tổng quát ($T$)

Ma trận ảnh hưởng toàn diện $T$ (bao gồm ảnh hưởng trực tiếp và gián tiếp qua chuỗi phân phối) được tính bằng công thức giới hạn chuỗi cấp số nhân: $$T = \lim_{m \to \infty} (D + D^2 + \dots + D^m) = D(I - D)^{-1}$$ (Trong đó $I$ là ma trận đơn vị cấp $n$).

Bước 4: Tính toán giá trị mức độ quan trọng và mối quan hệ nhân quả

  • Tổng các hàng của $T$, ký hiệu là vector $R = [R_i]{n \times 1}$: $R_i = \sum{j=1}^n t_{ij}$ (Tổng mức độ ảnh hưởng của yếu tố $i$ lên các yếu tố khác).
  • Tổng các cột của $T$, ký hiệu là vector $C = [C_j]{1 \times n}$: $C_j = \sum{i=1}^n t_{ij}$ (Tổng mức độ nhận ảnh hưởng của yếu tố $j$ từ các yếu tố khác).
  • Mức độ quan trọng (Prominence): $(R_i + C_i)$ thể hiện vai trò trung tâm của rủi ro trong hệ thống vận hành.
  • Mối quan hệ nhân quả (Relation): $(R_i - C_i)$. Nếu $(R_i - C_i) > 0$, yếu tố $i$ thuộc Nhóm Nguyên nhân (Cause Group); nếu $(R_i - C_i) < 0$, yếu tố $i$ thuộc Nhóm Hệ quả (Effect Group).

Hiện thực hóa thuật toán bằng Python

import numpy as np
import pandas as pd

def run_dematel_analysis(expert_matrices: list) -> pd.DataFrame:
    """
    Tính toán phân tích rủi ro theo thuật toán DEMATEL
    :param expert_matrices: Danh sách các ma trận numpy n x n từ chuyên gia
    :return: DataFrame tổng hợp Prominence (R+C) và Relation (R-C)
    """
    # 1. Tính ma trận trung bình A
    A = np.mean(expert_matrices, axis=0)
    n = A.shape[0]
    
    # 2. Chuẩn hóa ma trận D = A * S
    row_sum = np.max(np.sum(A, axis=1))
    col_sum = np.max(np.sum(A, axis=0))
    S = 1.0 / max(row_sum, col_sum)
    D = A * S
    
    # 3. Tính ma trận toàn diện T = D * (I - D)^(-1)
    I = np.eye(n)
    T = np.dot(D, np.linalg.inv(I - D))
    
    # 4. Xác định R và C
    R = np.sum(T, axis=1)
    C = np.sum(T, axis=0)
    
    prominence = R + C
    relation = R - C
    
    risk_labels = [
        "R1: Mất hàng hóa",
        "R2: Hư hỏng hàng hóa",
        "R3: Giao hàng chậm trễ",
        "R4: Khách từ chối nhận/COD",
        "R5: Biến động nhân lực"
    ]
    
    df_results = pd.DataFrame({
        "Rủi ro": risk_labels,
        "Ảnh hưởng cho đi (R)": R,
        "Nhận ảnh hưởng (C)": C,
        "Tầm quan trọng (R + C)": prominence,
        "Mối quan hệ (R - C)": relation,
        "Phân loại": ["Nhóm Nguyên nhân" if val > 0 else "Nhóm Hệ quả" for val in relation]
    }).sort_values(by="Tầm quan trọng (R + C)", ascending=False)
    
    return df_results

Kết quả tính toán và bảng xếp hạng rủi ro thực tế

Dữ liệu khảo sát thực tế từ 4 chuyên gia chủ chốt tại Nhất Tín Logistics – Chi nhánh Huế sau khi đưa qua ma trận tính toán DEMATEL cho ra kết quả cụ thể:

Mã rủi ro Danh mục rủi ro vận tải $R$ $C$ $R + C$ (Tầm quan trọng) $R - C$ (Quan hệ) Xếp hạng ưu tiên Phân loại
R3 Giao hàng chậm trễ 2.145 1.890 4.035 +0.255 1 Nhóm Nguyên nhân
R2 Hư hỏng hàng hóa 1.850 1.920 3.770 -0.070 2 Nhóm Hệ quả
R5 Biến động nhân lực/nghỉ việc 2.010 1.450 3.460 +0.560 3 Nhóm Nguyên nhân cốt lõi
R4 Từ chối nhận hàng / COD 1.420 1.950 3.370 -0.530 4 Nhóm Hệ quả
R1 Mất mát, thất lạc hàng hóa 1.310 1.525 2.835 -0.215 5 Nhóm Hệ quả 
                                Biểu đồ phân bố Nhân - Quả (DEMATEL)
            (R - C) [Nhóm Nguyên nhân]
               ^
        +0.60  |                          * R5 (Biến động nhân sự)
        +0.40  |
        +0.20  |                  * R3 (Giao trễ)
        -------+------------------------------------------------------------> (R + C)
        -0.20  |                                          * R2 (Hư hỏng)       [Độ quan trọng]
        -0.40  |            * R1 (Mất hàng)
        -0.60  |                                  * R4 (Khách từ chối/COD)
               v [Nhóm Hệ quả]

Phân tích ý nghĩa kết quả

  1. Biến động nhân lực (R5) và Giao hàng chậm trễ (R3) có giá trị $(R - C) > 0$, là 2 yếu tố phát động (Nguyên nhân). Trong đó, biến động nhân sự ($R - C = +0.560$) là rủi ro gốc rễ: tỷ lệ tài xế và nhân viên kho mới chưa nắm vững quy trình bốc xếp dẫn đến hàng hóa bị hư hại (R2), làm sai lệch lộ trình dẫn đến giao trễ (R3).
  2. Khách hàng từ chối nhận hàng/COD (R4) và Hư hỏng hàng hóa (R2) có giá trị $(R - C) < 0$, là các rủi ro hệ quả. Việc giảm thiểu R4 và R2 không thể chỉ xử lý ở khâu cuối mà bắt buộc phải giải quyết triệt để vấn đề nhân sự (R5) và chuẩn hóa thời gian giao hàng (R3).

Đổi mới và đóng góp

Đổi mới về mặt phương pháp luận

  • Chuyển dịch từ đánh giá trực giác sang mô hình toán ma trận: Thay thế các phương pháp ma trận rủi ro định tính đơn giản bằng thuật toán DEMATEL, cho phép bóc tách mạng lưới quan hệ đa chiều giữa 5 nhóm rủi ro vận tải lớn.
  • Xác lập chuỗi tác động dây chuyền: Chứng minh bằng định lượng rằng rủi ro thất thoát doanh thu từ chối nhận hàng COD (R4) chịu tác động 63.4% từ sự chậm trễ giao hàng (R3) và hư hỏng ngoại quan (R2).

Đóng góp thực tiễn cho doanh nghiệp

  • Tối ưu hóa phân bổ nguồn lực: Tập trung 70% ngân sách quản trị rủi ro vào khâu tuyển dụng, đào tạo chuẩn hóa thao tác và xây dựng lộ trình giao thông thông minh thay vì chi trả bị động cho các chi phí đền bù tổn thất.
  • Chỉ số cải thiện đo lường được:
    • Giảm tỷ lệ hư hỏng hàng hóa trong quá trình trung chuyển liên tỉnh từ 1.8% xuống dưới 0.65%.
    • Giảm thời gian giao hàng trễ trung bình trên tuyến Bắc - Trung Bộ xuống 28%.
    • Cắt giảm chi phí giải quyết khiếu nại COD và hàng hoàn (Return Cargo) ước tính 35 - 42%.

Ứng dụng thực tế và triển khai

Bộ giải pháp kiểm soát rủi ro theo nhóm đối tượng

graph LR
    subgraph KiemSoat[1. Kiểm soát Rủi ro]
        A1[Chuẩn hóa SOP đóng gói bốc dỡ]
        A2[Dynamic Routing tránh cấm tải]
        A3[Xác thực đơn hàng COD trước xuất kho]
    end
    subgraph TaiTro[2. Tài trợ Rủi ro]
        B1[Bảo hiểm trách nhiệm hàng hóa]
        B2[Trích lập Quỹ dự phòng công nợ COD]
        B3[Điều khoản miễn trừ bất khả kháng]
    end
    KiemSoat --> C[Tối ưu hóa Chuỗi Vận tải Đường bộ Nhất Tín]
    TaiTro --> C

1. Kiểm soát rủi ro nhân sự và vận hành (R5, R3)

  • Ban hành bộ quy chuẩn thao tác chuẩn SOP (Standard Operating Procedure) cho tài xế và nhân viên bưu cục trong khâu kiểm đếm, scan mã vạch và phân loại hàng hóa đặc thù (hàng giá trị cao, hàng dễ vỡ, chất lỏng).
  • Xây dựng chính sách lương thưởng theo KPI tích hợp: Tỷ lệ giao hàng đúng hẹn (On-Time Delivery), tỷ lệ bảo toàn nguyên vẹn hàng hóa và tỷ lệ hoàn tất nộp tiền COD trong 24 giờ.

2. Kiểm soát rủi ro hư hỏng, mất mát hàng hóa (R1, R2)

  • Áp dụng vật liệu chèn lót chuyên dụng (Air Bubble, màng xốp PE Foam, pallet gỗ tiêu chuẩn) tại trung tâm chia chọn.
  • Lắp đặt hệ thống camera giám sát góc rộng AI trên toàn bộ thùng xe tải trung chuyển đường dài để theo dõi rung lắc và phát hiện sớm hiện tượng xô lệch kiện hàng.

3. Kiểm soát rủi ro từ chối nhận hàng và thanh toán COD (R4)

  • Áp dụng nguyên tắc thẩm định tín dụng khách hàng doanh nghiệp theo mô hình 5C.
  • Triển khai hệ thống tin nhắn tự động SMS/Zalo ZNS thông báo lộ trình đơn hàng và xác thực khung giờ giao hàng trước khi shipper xuất tuyến, giảm tỷ lệ giao hàng không thành công do người nhận vắng mặt.

Kế hoạch và lộ trình triển khai (Roadmap)

Giai đoạn Thời gian Hạng mục công việc chính Deliverables / Chỉ số đầu ra
Giai đoạn 1: Chuẩn hóa Tháng 1 - 2 Soạn thảo lại SOP vận hành; tích hợp bảng hỏi rủi ro vào hệ thống ERP chi nhánh Bộ tài liệu 10 quy trình tác nghiệp chuẩn
Giai đoạn 2: Đào tạo & Số hóa Tháng 3 - 4 Đào tạo 100% tài xế và nhân viên kho; gắn thiết bị giám sát hành trình GPS 100% nhân sự vượt qua bài test an toàn vận tải
Giai đoạn 3: Đánh giá & Tối ưu Tháng 5 - 6 Chạy thử nghiệm thuật toán điều phối thông minh; đo lường lại ma trận DEMATEL Báo cáo kiểm toán rủi ro định kỳ quý

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Kích thước mẫu chuyên gia còn hạn chế ($H = 4$), dù là các nhân sự chủ chốt nhưng vẫn có thể chịu sự thiên lệch nhận thức cá nhân (Cognitive Bias).
  2. Thuật toán DEMATEL truyền thống sử dụng số thực rõ (Crisp Numbers), chưa tích hợp lý thuyết tập mờ (Fuzzy Logic) để triệt tiêu sự thiếu chắc chắn trong ngôn ngữ đánh giá của chuyên gia.

Hướng phát triển trong tương lai

  • Mở rộng mô hình nghiên cứu thành Fuzzy-DEMATEL kết hợp mô hình phân tích mạng lưới ANP (Analytic Network Process) để tối ưu hóa việc phân bổ trọng số đa mục tiêu.
  • Tích hợp các thuật toán học máy (Machine Learning) dự đoán rủi ro giao hàng trễ dựa trên dữ liệu giao thông thời gian thực từ Google Maps API và dữ liệu thời tiết của Tổng cục Khí tượng Thủy văn.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------------+
|                                 ĐỐI TƯỢNG HƯỞNG LỢI                                     |
+-----------------------------------------------------------------------------------------+
| [Sinh viên & Giảng viên]                                                                |
| - Tài liệu tham khảo ứng dụng mô hình định lượng DEMATEL vào quản trị chuỗi cung ứng.   |
| - Dữ liệu thực chứng phong phú từ doanh nghiệp logistics top đầu.                       |
+-----------------------------------------------------------------------------------------+
| [Doanh nghiệp Vận tải & Logistics]                                                      |
| - Khung quản trị rủi ro thực thi được ngay (Actionable Framework).                      |
| - Giảm 35-42% chi phí thất thoát và nâng cao chỉ số NPS của khách hàng.                 |
+-----------------------------------------------------------------------------------------+
| [Kỹ sư phần mềm & Phân tích hệ thống (TMS/ERP)]                                         |
| - Thuật toán mẫu bằng Python để nhúng module phân tích rủi ro tự động vào phần mềm TMS. |
+-----------------------------------------------------------------------------------------+
  • Sinh viên ngành Quản trị Kinh doanh / Logistics: Có được tài liệu tham khảo hoàn chỉnh về phương pháp kết hợp giữa lý thuyết quản trị rủi ro kinh doanh và công cụ phân tích định lượng DEMATEL.
  • Doanh nghiệp vận tải quy mô vừa và lớn: Nắm bắt quy trình từng bước để kiểm toán rủi ro vận hành, chủ động nhận diện "ngòi nổ" gây tắc nghẽn chuỗi cung ứng.
  • Các nhà nghiên cứu chuỗi cung ứng: Cung cấp bộ dữ liệu thực chứng và ma trận tương quan giữa các mắt xích vận tải đường bộ tại thị trường miền Trung Việt Nam.

Câu hỏi thường gặp

1. Phương pháp DEMATEL giải quyết bài toán gì vượt trội hơn ma trận rủi ro truyền thống?

Ma trận rủi ro truyền thống chỉ đo lường hai chiều độc lập: Khả năng xảy ra ($P$) và Mức độ nghiêm trọng ($I$), hoàn toàn bỏ qua sự tương tác giữa các rủi ro. DEMATEL sử dụng đại số ma trận để bóc tách cả ảnh hưởng trực tiếp và gián tiếp, giúp nhà quản trị phân loại rõ đâu là Rủi ro Nguyên nhân (gốc rễ gây ra vấn đề) và đâu là Rủi ro Hệ quả (bị tác động), từ đó triệt tiêu rủi ro từ gốc thay vì chỉ đối phó với triệu chứng.

2. Chi phí đầu tư cho hệ thống kiểm soát rủi ro này là bao nhiêu và thời gian hoàn vốn (ROI)?

Hệ thống tận dụng nền tảng máy tính sẵn có, bộ công cụ phân tích mã nguồn mở (Python) và phần mềm văn phòng Excel nên chi phí bản quyền bằng 0. Chi phí chủ yếu nằm ở khâu đào tạo nhân sự và bổ sung thiết bị chèn lót hàng hóa (khoảng 30 - 50 triệu VNĐ/chi nhánh). Với mức giảm thất thoát hàng hóa và giảm bồi thường đơn hàng 35 - 42%, thời gian hoàn vốn đầu tư ước tính chỉ từ 3 đến 5 tháng.

3. Làm thế nào để mở rộng mô hình phân tích cho các chi nhánh khác trên toàn quốc?

Doanh nghiệp chỉ cần chuẩn hóa bảng câu hỏi khảo sát chuyên gia theo thang đo 5 điểm, thu thập dữ liệu từ ban điều hành các chi nhánh địa phương và đưa vào script Python đã xây dựng ở mục Implementation và kết quả. Thuật toán sẽ tự động xuất ma trận quan hệ tổng quát $T$ và biểu đồ phân loại rủi ro phù hợp với đặc thù giao thông, thời tiết của từng vùng miền.

4. Yêu cầu kỹ thuật tối thiểu để vận hành quy trình quản trị rủi ro này là gì?

  • Máy tính cấu hình văn phòng cơ bản (RAM 4GB, CPU Core i3 trở lên).
  • Cài đặt Microsoft Excel 2016+ hoặc môi trường Python 3.8+ (với các thư viện numpy, pandas).
  • Nhân sự quản lý chất lượng chỉ cần nắm vững quy trình thu thập dữ liệu khảo sát và đọc hiểu biểu đồ phân loại quan hệ nhân quả.

5. Giải pháp nào là cấp bách nhất đối với Nhất Tín Logistics – Chi nhánh Huế?

Căn cứ vào chỉ số $R - C = +0.560$, giải pháp cấp bách nhất là ổn định nguồn nhân lực vận hành (R5). Doanh nghiệp cần cơ cấu lại chính sách lương thưởng, tăng cường phúc lợi giữ chân tài xế lành nghề và thiết lập khóa đào tạo bắt buộc về an toàn bốc dỡ hàng hóa trước khi giao xe cho nhân viên mới.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Thị Ngọc Huyền đã giải quyết trọn vẹn bài toán phân tích rủi ro trong quy trình vận tải hàng hóa đường bộ tại Công ty Cổ phần Đầu tư Thương mại Phát triển Nhất Tín – Chi nhánh Huế. Thông qua việc vận dụng thành công mô hình toán học DEMATEL, nghiên cứu đã lượng hóa chính xác vai trò trung tâm của yếu tố Giao hàng chậm trễ ($R + C = 4.035$) và yếu tố căn nguyên cốt lõi là Biến động nguồn nhân lực ($R - C = +0.560$).

Hệ thống giải pháp đề xuất kết hợp hài hòa giữa kỹ thuật kiểm soát tổn thất và tài trợ rủi ro theo tiêu chuẩn ISO 31000:2018 mang tính ứng dụng thực tiễn cao, giúp doanh nghiệp cắt giảm chi phí vận hành, bảo vệ uy tín thương hiệu và tạo lợi thế cạnh tranh bền vững trên thị trường logistics Việt Nam.