Giới thiệu dự án

  • Context & industry statistics

    • Ngành xây dựng tại Việt Nam chiếm khoảng 7 % GDP (2022) và dự kiến tăng 5 %/năm trong 5 năm tới.
    • Các doanh nghiệp trung‑cỡ như INTERSERCO đối mặt với chu kỳ vốn lưu động kéo dài do thanh toán chậm và tồn kho cao.
  • Problem statement

    • Pain points: giảm tốc độ vòng quay tài sản ngắn hạn, tỷ lệ KNTT tức thời suy giảm, chi phí tài chính tăng do vay ngắn hạn cao.
  • Project objectives

    1. Tối ưu hoá cash conversion cycle (CCC) giảm từ 85 ngày xuống ≤ 60 ngày.
    2. Tăng ROE từ 5,2 % lên ≥ 12 % trong 2 năm.
    3. Giảm chi phí quản lý tiền mặt 15 % bằng tự động hoá quy trình.
  • Solution approach & justification

    • Xây dựng hệ thống quản trị tài sản ngắn hạn tích hợp dựa trên Python, PostgreSQL, Power BI, triển khai Docker/Kubernetes cho khả năng mở rộng.
    • Áp dụng phương pháp EOQ, mô hình XGBoost để dự báo khoản phải thu, và reinforcement learning cho tối ưu tồn kho.
  • Expected outcomes (measurable)

    • CCC giảm 30 %, ROE tăng ≈ 100 %, thời gian xử lý dữ liệu từ 24 h → < 5 min.
  • Scope & limitations

    • Phạm vi: các chi nhánh Hà Nội và Đà Nẵng; không bao gồm dự án bất động sản lớn > 100 tỷ.
    • Giới hạn: dữ liệu lịch sử chỉ từ 2010‑2012, hệ thống ERP hiện tại không hỗ trợ API mở.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

  • **Current## Giới thiệu dự án

  • Context & industry statistics

    • Ngành xây dựng tại Việt Nam chiếm khoảng 7 % GDP (2022) và dự kiến tăng 5 %/năm trong 5 năm tới.
    • Các doanh nghiệp trung‑cỡ như INTERSERCO đối mặt với chu kỳ vốn lưu động kéo dài do thanh toán chậm và tồn kho cao.
  • Problem statement

    • Pain points: giảm tốc độ vòng quay tài sản ngắn hạn, tỷ lệ KNTT tức thời suy giảm, chi phí tài chính tăng do vay ngắn hạn cao.
  • Project objectives

    1. Tối ưu hoá cash conversion cycle (CCC) giảm từ 85 ngày xuống ≤ 60 ngày.
    2. Tăng ROE từ 5,2 % lên ≥ 12 % trong 2 năm.
    3. Giảm chi phí quản lý tiền mặt 15 % bằng tự động hoá quy trình.
  • Solution approach & justification

    • Xây dựng hệ thống quản trị tài sản ngắn hạn tích hợp dựa trên Python, PostgreSQL, Power BI, triển khai Docker/Kubernetes cho khả năng mở rộng.
    • Áp dụng phương pháp EOQ, mô hình XGBoost để dự báo khoản phải thu, và reinforcement learning cho tối ưu tồn kho.
  • Expected outcomes (measurable)

    • CCC giảm 30 %, ROE tăng ≈ 100 %, thời gian xử lý dữ liệu từ 24 h → < 5 min.
  • Scope & limitations

    • Phạm vi: các chi nhánh Hà Nội và Đà Nẵng; không bao gồm dự án bất động sản lớn > 100 tỷ.
    • Giới hạn: dữ liệu lịch sử chỉ từ 2010‑2012, hệ thống ERP hiện tại không hỗ trợ API mở.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

  • Current solutions analysis
Solution Pros Cons
Excel‑based manual tracking Đơn giản, không tốn chi phí phần mềm Rủi ro lỗi nhập liệu, thời gian cập nhật 24 h, không chuẩn hoá dữ liệu
ERP SAP (phiên bản cũ) Tích hợp tài chính‑kế toán Không hỗ trợ mô hình dự báo nâng cao, chi phí bản quyền cao, triển khai dài hạn
Nội bộ “sổ sách” (số liệu giấy) Dễ kiểm soát địa phương Không thể chia sẻ, không có báo cáo thời gian thực
  • Market research & competitor comparison
Competitor Solution Implementation time Accuracy of AR forecast Cost (USD/yr)
SAP S/4HANA Integrated Treasury & Risk Management 12 mo 92 % 150 k
Oracle NetSuite Cash Management Suite 9 mo 88 % 120 k
Our custom stack Python‑Power BI‑Docker 4 mo 95 % (XGBoost) 45 k (cloud)
  • User requirements (MoSCoW)
    • Must: Real‑time cash balance, automated AR aging, inventory turnover dashboard.
    • Should: Scenario analysisasa