Giới thiệu dự án

Trong ngành dịch vụ du lịch – nghỉ dưỡng (Hospitality Industry), nguồn nhân lực chất lượng cao đóng vai trò then chốt trong việc duy trì tiêu chuẩn dịch vụ và năng lực cạnh tranh cốt lõi. Theo các báo cáo nhân sự ngành du lịch Việt Nam, tỷ lệ luân chuyển nhân sự (Employee Turnover Rate) trong ngành khách sạn - resort thường dao động từ 20% đến 35%/năm, gây tổn thất lớn về chi phí tuyển dụng và đào tạo. Tại thị trường nghỉ dưỡng ven biển miền Trung, điển hình là Sepon Boutique Resort (thuộc Công ty Cổ phần Tổng Công ty Thương Mại Quảng Trị - Sepon Group), vấn đề giữ chân lao động lành nghề và tối ưu hóa mức độ gắn kết tổ chức trở thành bài toán sống còn.

Thực trạng tại Sepon Boutique Resort cho thấy, mặc dù quy mô hoạt động và doanh thu tăng trưởng liên tục (doanh thu năm 2018 đạt ~17,45 tỷ VNĐ, tăng 12% so với 2017; lợi nhuận sau thuế tăng 61,19%), doanh nghiệp vẫn phải đối mặt với hiện tượng "chảy máu chất xám" và tâm lý "nhảy việc" khi có biến động cạnh tranh thị trường. Khảo sát sơ bộ cho thấy nhân viên có xu hướng tìm kiếm cơ hội mới do chưa đạt được sự thỏa mãn toàn diện về chế độ đãi ngộ, môi trường làm việc và cơ hội thăng tiến.

Mục tiêu nghiên cứu của dự án được cụ thể hóa thành 4 nhiệm vụ:

  1. Hệ thống hóa cơ sở lý luận về sự thỏa mãn công việc và sự cam kết gắn bó với tổ chức (Organizational Commitment) trong ngành dịch vụ lưu trú.
  2. Xác định các nhân tố cấu thành ảnh hưởng trực tiếp đến mức độ cam kết gắn bó của người lao động tại Sepon Boutique Resort.
  3. Đánh giá và lượng hóa mức độ tác động của từng nhóm nhân tố thông qua các mô hình kiểm định thống kê và phân tích định lượng chuyên sâu.
  4. Đề xuất hệ thống giải pháp quản trị nhân sự thực tiễn nhằm gia tăng lòng trung thành và tối ưu hóa hiệu suất làm việc của cán bộ nhân viên (CBNV).

Dự án áp dụng phương pháp tiếp cận định lượng kết hợp định tính, kế thừa khung lý thuyết từ Chỉ số mô tả công việc điều chỉnh (Adjusted Job Descriptive Index - AJDI) của TS. Trần Thị Kim Dung (2005) và thang đo JDI gốc của Smith, Kendall & Hulin (1969), tích hợp với Thuyết phân cấp nhu cầu của Abraham Maslow. Phạm vi khảo sát được thực hiện trực tiếp trên 120 nhân viên thuộc toàn bộ các bộ phận chuyên môn tại Sepon Boutique Resort (Cửa Việt, Gio Linh, Quảng Trị) trong giai đoạn dữ liệu 2017 – 2019.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các doanh nghiệp dịch vụ du lịch quy mô vừa và nhỏ (SMEs), việc đánh giá sự gắn kết của nhân sự thường dừng lại ở các cuộc phỏng vấn rời rạc hoặc cảm tính của cấp quản lý, thiếu hụt các mô hình lượng hóa chuẩn mực.

Phương pháp truyền thống Mô hình nghiên cứu thực nghiệm (Đề tài)
Ưu điểm: Thu thập phản hồi nhanh, chi phí triển khai ban đầu thấp, thủ tục đơn giản. Ưu điểm: Đo lường bằng dữ liệu thực nghiệm chuẩn xác, có tính lặp lại cao, xác định rõ trọng số tác động của từng biến số.
Nhược điểm: Tính chủ quan cao, không phân lập được mức độ tác động riêng lẻ giữa tiền lương, lãnh đạo và thăng tiến. Nhược điểm: Đòi hỏi quy trình thu thập mẫu chuẩn mực và năng lực xử lý dữ liệu qua phần mềm chuyên dụng.

Phân tích yêu cầu bài toán quản trị theo mô hình MoSCoW:

  • Must have: Kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.6$), Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), Phân tích hồi quy tuyến tính bội (Multiple Linear Regression).
  • Should have: Kiểm định sự khác biệt đặc điểm nhân khẩu học bằng Independent-Samples T-Test và One-Way ANOVA.
  • Could have: Ma trận tương quan Pearson giữa tất cả các cặp biến quan sát độc lập và phụ thuộc.
  • Won't have (lần này): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) cho chuỗi dữ liệu đa thời gian (Longitudinal Data).

Thiết kế hệ thống

Mô hình nghiên cứu lý thuyết ban đầu bao gồm 7 nhóm yếu tố độc lập tác động đến biến phụ thuộc Sự cam kết gắn bó với tổ chức ($SC$):

  • Bản chất công việc ($BC$)
  • Cơ hội đào tạo và thăng tiến ($CH$)
  • Lãnh đạo ($LD$)
  • Đồng nghiệp ($DN$)
  • Điều kiện làm việc ($DK$)
  • Tiền lương ($TL$)
  • Phúc lợi ($PL$)
  • Nhóm biến kiểm soát: Đặc điểm cá nhân (Giới tính, Độ tuổi, Thâm niên, Thu nhập).
                      CƠ CẤU THIẾT KẾ MÔ HÌNH VÀ BỘ BIẾN SỐ

Technology Stack phục vụ nghiên cứu và xử lý thống kê:

  • Nền tảng phân tích: IBM SPSS Statistics version 16.0 / 26.0.
  • Engine tính toán bổ trợ: Python 3.10 (thư viện pandas 2.0.3, statsmodels 0.14.0, scikit-learn 1.3.0, pingouin 0.5.3).
  • Lưu trữ & cấu trúc dữ liệu: Microsoft Excel Data Sheet chuẩn hóa Encoding UTF-8, cấu trúc Codebook 24 trường dữ liệu định lượng.
  • Tiêu chuẩn bảo mật: Mã hóa danh tính nhân viên (Anonymization Hash SHA-256), đảm bảo tính khuyết danh tuyệt đối theo tiêu chuẩn đạo đức nghiên cứu xã hội học.

Methodology

Quy trình nghiên cứu triển khai theo 2 pha chính:

  1. Nghiên cứu định tính: Phỏng vấn sâu 10 nhân viên tại các bộ phận để hiệu chỉnh bảng hỏi sơ bộ, thích ứng hóa các thuật ngữ phù hợp với đặc thù vận hành của resort.
  2. Nghiên cứu định lượng: Khảo sát diện rộng thông qua bảng hỏi cấu trúc thang đo Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).

Cỡ mẫu được xác định theo công thức Cochran (1977) cho quần thể xác định: $$n = \frac{z^2 \cdot p \cdot (1 - p)}{e^2}$$

Với độ tin cậy 95% ($z = 1.96$), ước lượng phương sai tối đa $p = 0.5$, sai số mẫu cho phép $e = 9%$: $$n = \frac{1.96^2 \cdot 0.5 \cdot 0.5}{0.09^2} \approx 118.57$$

Tác giả chọn kích thước mẫu chính thức là $N = 120$ CBNV, đảm bảo quy tắc tối thiểu của Hair et al. (1998) trong phân tích EFA (tối thiểu 5 quan sát cho 1 biến đo lường: $5 \times 20 = 100 \le 120$).

Implementation và kết quả

Development process & Code Structure

Quy trình xử lý dữ liệu được thiết lập thông qua cú pháp phân tích chuyên sâu (SPSS Syntax & Python Statistical Pipeline):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_bartlett_sphericity, calculate_kmo

def run_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy nội tại Cronbach's Alpha."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return (k / (k - 1)) * (1 - item_vars.sum() / total_var)

def execute_hr_analytics(data_path: str):
    # 1. Đọc và tiền xử lý dữ liệu khảo sát N=120
    df = pd.read_csv(data_path)
    
    # 2. Kiểm định Bartlett & KMO cho 12 biến đã sàng lọc
    selected_cols = ['TL1', 'TL2', 'TL4', 'DN1', 'DN2', 'DN3', 
                     'LD2', 'LD3', 'BC2', 'BC3', 'CH1', 'CH3']
    chi_square_value, p_value = calculate_bartlett_sphericity(df[selected_cols])
    kmo_all, kmo_model = calculate_kmo(df[selected_cols])
    print(f"KMO Measure: {kmo_model:.3f} | Bartlett p-value: {p_value:.5f}")
    
    # 3. Phân tích EFA bằng Principal Axis Factoring với phép quay Varimax
    fa = FactorAnalyzer(n_factors=5, method='pa', rotation='varimax')
    fa.fit(df[selected_cols])
    loadings = pd.DataFrame(fa.loadings_, index=selected_cols, 
                            columns=[f'Factor_{i+1}' for i in range(5)])
    
    # 4. Hồi quy tuyến tính đa biến OLS
    X = df[['TL_mean', 'DN_mean', 'LD_mean', 'BC_mean', 'CH_mean']]
    X = sm.add_constant(X)
    y = df['SC_mean']
    model = sm.OLS(y, X).fit()
    return model.summary()

Testing và validation

Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Kết quả kiểm định lần 1 cho thấy 2 nhóm thang đo không đạt độ tin cậy:

  • Thang đo Điều kiện làm việc ($\alpha = 0.547 < 0.6$).
  • Thang đo Phúc lợi ($\alpha = 0.345 < 0.6$, tương quan biến - tổng của biến PL1 chỉ đạt $0.171 < 0.3$).

Tiến hành loại bỏ 2 thang đo này (gồm 6 biến $DK1, DK2, DK3, PL1, PL2, PL3$). Kết quả kiểm định lần 2 khẳng định tính nhất quán nội tại vượt trội của các thang đo còn lại:

Thang đo nhân tố Số biến quan sát Cronbach's Alpha lần 1 Cronbach's Alpha lần 2 Tương quan biến - tổng nhỏ nhất Trạng thái
Sự cam kết gắn bó ($SC$) 3 0.801 0.801 0.584 Đạt chuẩn tốt
Bản chất công việc ($BC$) 3 0.747 0.747 0.553 Đạt chuẩn
Tiền lương ($TL$) 4 0.737 0.737 0.415 Đạt chuẩn
Cơ hội đào tạo – thăng tiến ($CH$) 3 0.726 0.726 0.483 Đạt chuẩn
Lãnh đạo ($LD$) 3 0.614 0.614 0.385 Chấp nhận được
Đồng nghiệp ($DN$) 3 0.608 0.608 0.372 Chấp nhận được

Phân tích nhân tố khám phá (EFA)

Quá trình trích xuất EFA qua 2 lần xoay ma trận Principal Axis Factoring với phép quay vuông góc Varimax:

  • EFA Lần 1: Trích xuất 5 nhân tố từ 16 biến ($KMO = 0.690$, Bartlett's Sig $= 0.000 < 0.05$, Tổng phương sai trích $= 62.421%$). Loại bỏ 4 biến có hệ số tải (Factor Loading) $< 0.5$ hoặc tải chéo: $TL3$ (tăng lương thường xuyên), $CH2$ (cơ hội thăng tiến), $BC1$ (phù hợp năng lực), $LD1$ (quan tâm hỗ trợ).
  • EFA Lần 2: Phân tích 12 biến độc lập còn lại. Hệ số $KMO = 0.601$, kiểm định Bartlett có giá trị $p < 0.001$, Tổng phương sai trích đạt 67.614% tại điểm dừng Eigenvalue $= 1.385 > 1.0$.
Nhân tố Biến quan sát Nội dung chỉ báo Hệ số tải nhân tố (Factor Loading) Phương sai giải thích (%)
F1: Tiền lương TL1
TL4
TL2		 Tiền lương tương xứng kết quả
Sống hoàn toàn dựa vào lương
Lương trả công bằng nội bộ		 0.821
0.808
0.758		 21.911%
F2: Đồng nghiệp DN1
DN2
DN3		 Đồng nghiệp rất thân thiện
Đồng nghiệp thường giúp đỡ
Phối hợp làm việc nhóm tốt		 0.775
0.768
0.657		 14.644%
F3: Lãnh đạo LD2
LD3		 Đối xử công bằng, không phân biệt
Coi trọng tài năng, công nhận đóng góp		 0.863
0.798		 12.436%
F4: Bản chất CV BC3
BC2		 Công việc mô tả rõ ràng, hợp lý
Cảm thấy công việc thú vị		 0.851
0.814		 10.266%
F5: Đào tạo - TT CH3
CH1		 Tạo điều kiện phát triển cá nhân
Được đào tạo kỹ năng cần thiết		 0.876
0.740		 8.357%

Thang đo Biến phụ thuộc (Sự cam kết gắn bó - SC): EFA trích xuất 1 nhân tố duy nhất ($KMO = 0.682$, Bartlett Sig $= 0.000$, Eigenvalue $= 2.169$, Phương sai trích $= 72.294%$), gồm các biến $SC1$ (Loading 0.892), $SC2$ (Loading 0.859), $SC3$ (Loading 0.797).

Kết quả đạt được

Mô hình hồi quy tuyến tính bội sau khi kiểm soát hiện tượng đa cộng tuyến (hệ số $VIF < 2.0$) cho thấy mức độ giải thích vượt trội của 5 nhóm nhân tố đối với sự gắn bó của nhân viên. Các kiểm định $t$-test và ANOVA đối với biến nhân khẩu học chỉ ra:

  • Thu nhập: Nhóm nhân viên có thu nhập từ 4 đến 6 triệu đồng chiếm đa số (64,17%) nhưng mức độ cam kết phụ thuộc lớn vào tính công bằng của thù lao.
  • Giới tính & Trình độ: Không có sự khác biệt có ý nghĩa thống kê về mức độ cam kết giữa nhân viên Nam và Nữ ($p > 0.05$ qua Independent Sample T-test), tuy nhiên nhân viên trình độ Đại học/Sau Đại học (chiếm 41.67%) đòi hỏi cao hơn ở nhân tố Cơ hội phát triển cá nhân và Lãnh đạo công nhận.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng:

  1. Hiệu chỉnh mô hình đo lường cho doanh nghiệp du lịch địa phương: Thay vì áp dụng nguyên bản thang đo JDI hay AJDI từ các đô thị lớn, nghiên cứu chứng minh rằng tại các resort ven biển quy mô vừa ở miền Trung, hai biến số Điều kiện làm việc và Phúc lợi có xu hướng hòa lẫn vào nhận thức cơ bản của người lao động hoặc chưa được phân cấp rõ nét, trong khi yếu tố Tiền lương giải thích tỷ trọng phương sai lớn nhất (21,911%).
  2. So sánh với các nghiên cứu kinh điển:
    • So với mô hình 5 thành phần của Smith et al. (1969), nghiên cứu đã tái cấu trúc và xác thực tính tương thích của các biến chỉ báo trong môi trường doanh nghiệp cổ phần hóa có vốn nhà nước.
    • So với kết quả của Trần Thị Kim Dung (2005), nghiên cứu chỉ ra rằng ở cấp độ nhân viên cơ sở resort (lao động trực tiếp chiếm 94.45%), cảm nhận về "sống hoàn toàn dựa vào lương" ($TL4$, loading 0.808) và "công việc thú vị" ($BC2$, loading 0.814) có tính quyết định đến trạng thái tâm lý xem resort là "ngôi nhà thứ hai" ($SC3$).
  3. Định lượng hóa giải pháp cải tiến: Cung cấp ma trận trọng số giúp Ban Giám đốc Sepon Group phân bổ nguồn ngân sách đãi ngộ chính xác vào các yếu tố có sức tác động lan tỏa cao nhất.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế tại Sepon Boutique Resort

Dựa trên kết quả định lượng, lộ trình can thiệp quản trị được thiết kế tập trung vào 3 kịch bản chính:

                            LỘ TRÌNH TRIỂN KHAI 4 GIAI ĐOẠN

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí triển khai dự kiến: Tăng quỹ lương/thưởng hiệu suất thêm 8 - 10% và ngân sách đào tạo nội bộ ~50 triệu VNĐ/năm.
  • Lợi ích kinh tế:
    • Giảm tỷ lệ nghỉ việc từ mức ước tính 25% xuống dưới 10%/năm, tiết kiệm khoảng 120 - 150 triệu VNĐ chi phí tuyển dụng, thử việc và bù đắp thiếu hụt nhân sự mùa cao điểm tiệc cưới/du lịch biển.
    • Nâng cao chất lượng dịch vụ phòng và nhà hàng, thúc đẩy doanh thu tiệc cưới và khách đoàn (hiện chiếm trên 78% tổng doanh thu), hỗ trợ hiện thực hóa mục tiêu doanh thu 30 tỷ VNĐ/năm cho giai đoạn 2.

Hạn chế và hướng phát triển

Dự án thừa nhận một số giới hạn phương pháp luận cần được mở rộng trong tương lai:

  1. Phương pháp lấy mẫu: Sử dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N = 120$) do giới hạn về thời gian thực tập và quy mô nhân sự tại một thời điểm, chưa đại diện tuyệt đối cho toàn bộ chuỗi nghỉ dưỡng liên kết.
  2. Biến số bị loại: Hai thang đo quan trọng trong lý thuyết là Điều kiện làm việc và Phúc lợi bị loại do không đạt độ tin cậy Cronbach's Alpha trong bối cảnh mẫu khảo sát.
  3. Hướng nghiên cứu tiếp theo: Mở rộng khảo sát đa trung tâm (Multi-center study) tại các khách sạn/resort thuộc khu vực Bắc Trung Bộ; ứng dụng kỹ thuật mô hình hóa cấu trúc tuyến tính SEM (Structural Equation Modeling) để kiểm tra các biến trung gian như Sự thỏa mãn công việc (Job Satisfaction) trước khi tác động đến Sự cam kết.

Đối tượng hưởng lợi

                 MA TRẬN GIÁ TRỊ GIA TĂNG CHO CÁC ĐỐI TƯỢNG

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai bộ công cụ phân tích này là gì?

Hệ thống yêu cầu máy trạm chạy hệ điều hành Windows 10/11 hoặc Linux, cài đặt IBM SPSS Statistics v16.0 trở lên hoặc Python 3.8+ (với các thư viện pandas, statsmodels, factor_analyzer). Tệp dữ liệu khảo sát cần được định dạng chuẩn CSV/SAV với mã hóa UTF-8.

2. Giới hạn quy mô mẫu tối thiểu để phân tích EFA đạt độ tin cậy?

Theo nguyên tắc của Hair et al. (1998), tỷ lệ quan sát trên biến đo lường tối thiểu là 5:1. Với bảng hỏi chuẩn hóa 12 biến độc lập, cỡ mẫu tối thiểu cần đạt $12 \times 5 = 60$ mẫu. Cỡ mẫu $N = 120$ của đề tài hoàn toàn đáp ứng tốt tiêu chuẩn với tỷ lệ 10:1.

3. Làm thế nào để tích hợp hệ thống đo lường này vào phần mềm HRM hiện có?

Doanh nghiệp có thể nhúng các câu hỏi khảo sát định kỳ vào phân hệ đánh giá nhân sự (Employee Pulse Survey) trên các nền tảng HRM như Odoo, Base.vn hoặc BambooHR thông qua REST API, sau đó tự động kích hoạt pipeline tính toán điểm gắn kết theo trọng số hồi quy đã xác lập.

4. Chi phí bảo trì và tần suất cập nhật dữ liệu nên như thế nào?

Chi phí bảo trì gần như bằng 0 nếu sử dụng mã nguồn mở. Tần suất cập nhật khuyến nghị là 6 tháng/lần đối với khảo sát diện rộng hoặc 1 quý/lần đối với khảo sát nhanh (Pulse Survey) nhằm theo dõi biến động tâm lý sau các đợt điều chỉnh chính sách lương thưởng.

5. Thời gian hoàn vốn (ROI) khi đầu tư các giải pháp nâng cao cam kết là bao lâu?

Thời gian hòa vốn và ghi nhận ROI dương ước tính từ 6 đến 9 tháng, thông qua việc cắt giảm chi phí tuyển dụng thay thế, hạn chế sai sót trong vận hành tiệc cưới/nhà hàng và gia tăng tỷ lệ khách hàng quay lại nhờ chất lượng phục vụ đồng đều.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Lê Hồng Phong đã giải quyết trọn vẹn bài toán xác định và lượng hóa các nhân tố ảnh hưởng đến sự cam kết gắn bó của nhân viên tại Sepon Boutique Resort, Quảng Trị. Bằng phương pháp nghiên cứu chặt chẽ kết hợp giữa kiểm định Cronbach's Alpha, EFA 2 giai đoạn và phân tích tương quan - hồi quy, nghiên cứu đã rút trích 5 nhân tố then chốt: Tiền lương (21,911% phương sai), Đồng nghiệp (14,644%), Lãnh đạo (12,436%), Bản chất công việc (10,266%) và Cơ hội đào tạo – Thăng tiến (8,357%).

Kết quả nghiên cứu là minh chứng khoa học vững chắc giúp Ban Lãnh đạo Sepon Group chuyển dịch từ phương thức quản trị nhân sự cảm tính sang quản trị dựa trên dữ liệu (Data-driven HR Management), đảm bảo sự phát triển bền vững của khu nghỉ dưỡng trong kỷ nguyên hội nhập du lịch.