Giới thiệu dự án

Sự bùng nổ của thương mại điện tử (E-commerce) tại khu vực Đông Nam Á với tốc độ tăng trưởng kép hàng năm (CAGR) duy trì ở mức trên 20% đã tạo ra áp lực vận hành khổng lồ lên chuỗi cung ứng chặng cuối (last-mile fulfillment). Trong hệ sinh thái này, trung tâm phân loại và kho bãi (Hub/Warehouse) đóng vai trò là "trái tim" điều phối dòng chảy hàng hóa. Tại Việt Nam, Công ty TNHH Nin Sing Logistics (Ninja Van) – doanh nghiệp logistics công nghệ thành lập năm 2014 tại Singapore và gia nhập thị trường Việt Nam từ tháng 10/2016 – liên tục mở rộng quy mô mạng lưới. Tuy nhiên, hiệu suất vận hành kho phụ thuộc chặt chẽ vào lực lượng lao động trực tiếp (nhân viên kho, phân loại, bốc xếp).

Vấn đề cốt lõi đặt ra là tỷ lệ biến động nhân sự (turnover rate) trong ngành kho vận thường ở mức cao (ước tính 25% - 35%/năm), phát sinh từ áp lực làm việc theo ca kíp 24/7, cường độ lao động cao và các chính sách đãi ngộ chưa được tối ưu hóa theo đặc thù lao động phổ thông. Nghiên cứu này tập trung giải quyết bài toán: Xác định và định lượng mức độ tác động của các yếu tố quản trị nhân lực đến sự hài lòng trong công việc của nhân viên kho tại Công ty TNHH Nin Sing Logistics (Ninja Van) - Chi nhánh Hà Nội (KCN Đài Tư, Long Biên).

Dự án xác định 4 mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa cơ sở lý thuyết và các mô hình đo lường sự hài lòng của người lao động trong môi trường logistics kho bãi.
  2. Thiết lập thang đo chuẩn hóa và thu thập dữ liệu thực nghiệm về mức độ thỏa mãn công việc của nhân viên kho Ninja Van Hà Nội.
  3. Kiểm định mô hình kinh tế lượng, phân tích định lượng mức độ tác động của từng nhân tố (Điều kiện làm việc, Tiền lương, Phúc lợi, Đồng nghiệp, Cơ hội thăng tiến, Lãnh đạo, Bản chất công việc, Đào tạo) đến biến phụ thuộc thông qua mô hình hồi quy tuyến tính đa biến.
  4. Xây dựng hệ thống giải pháp quản trị nhân lực khả thi, có tính định lượng, nhằm nâng cao chỉ số hài lòng và giảm tỷ lệ luân chuyển nhân sự.

Giải pháp tiếp cận dựa trên mô hình Chỉ số Mô tả Công việc (JDI - Job Descriptive Index) hiệu chỉnh kết hợp phân tích định lượng trên phần mềm thống kê chuyên dụng. Phạm vi nghiên cứu giới hạn tại chi nhánh Ninja Van Long Biên - Hà Nội, sử dụng dữ liệu thứ cấp giai đoạn 2019-2021 và dữ liệu sơ cấp điều tra thực tế ($N = 177$ mẫu hợp lệ) năm 2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để đo lường thái độ và động lực làm việc của nhân viên, nhiều khung lý thuyết đã được phát triển trên thế giới. Dưới đây là bảng so sánh các mô hình đo lường sự hài lòng phổ biến:

Tiêu chí Mô hình JDI (Smith et al., 1969) Mô hình MSQ (Weiss et al., 1967) Khảo sát JSS (Spector, 1997) Mô hình JDI Hiệu chỉnh (Trần Kim Dung, 2005)
Số lượng biến quan sát 72 mục hỏi (Yes/No) 100 mục (bản dài) / 20 mục (bản ngắn) 36 mục hỏi (Thang Likert 6 điểm) 34-36 mục hỏi (Thang Likert 5 điểm)
Các khía cạnh đo lường 5 yếu tố: Lương, Thăng tiến, Đồng nghiệp, Giám sát, Công việc 20 yếu tố đo lường thỏa mãn nội tại & ngoại tại 9 yếu tố: Lương, Thăng tiến, Giám sát, Phúc lợi, Đãi ngộ... 7-8 yếu tố: Bổ sung Điều kiện làm việc & Phúc lợi tại VN
Ưu điểm Đơn giản, độ tin cậy nội tại cao ($\alpha > 0.80$) Đo lường chi tiết khía cạnh tâm lý cá nhân Tối ưu riêng cho khối ngành dịch vụ Phù hợp tuyệt đối với bối cảnh kinh tế - lao động Việt Nam
Nhược điểm Thang đo nhị phân (Yes/No) làm mất tính đa dạng cảm nhận Bảng hỏi quá dài, tỷ lệ từ chối trả lời cao Nhiều biến trùng lặp khái niệm khi áp dụng tại châu Á Cần kiểm định lại độ giá trị khi ứng dụng cho ngành đặc thù

Áp dụng phương pháp phân loại yêu cầu MoSCoW trong thiết kế bộ công cụ đo lường:

  • Must have: Thang đo Tiền lương (TL), Phúc lợi (PL), Điều kiện làm việc kho bãi (DK), Giám sát của Lãnh đạo trực tiếp (LD).
  • Should have: Quan hệ Đồng nghiệp (DN), Cơ hội đào tạo và thăng tiến (TT, DT).
  • Could have: Đánh giá sự tương thích giữa năng lực cá nhân và Bản chất công việc (BC).
  • Won't have: Đo lường sự hài lòng đối với chiến lược phát triển toàn cầu của tập đoàn mẹ (không ảnh hưởng trực tiếp đến nhân viên kho vận).

Thiết kế hệ thống

Kiến trúc phân tích dữ liệu nghiên cứu được chuẩn hóa qua 4 tầng xử lý:

Technology Stack sử dụng trong phân tích:

  • Công cụ tính toán thống kê: IBM SPSS Statistics v26.0 (Core Engine) & AMOS v24.0 (Hỗ trợ cấu trúc).
  • Công cụ tiền xử lý và trực quan hóa dữ liệu: Python v3.10.12 với thư viện pandas v2.1.0, statsmodels v0.14.0, seaborn v0.12.2.
  • Hệ thống số hóa bảng hỏi: Google Forms Enterprise API và xử lý bảng tính trên Microsoft Excel 365.

Mô hình nghiên cứu lý thuyết được thiết lập: $$\text{HL} = \beta_0 + \beta_1 \text{DK} + \beta_2 \text{TL} + \beta_3 \text{PL} + \beta_4 \text{DN} + \beta_5 \text{TT} + \beta_6 \text{LD} + \beta_7 \text{BC} + \beta_8 \text{DT} + e$$

Methodology

Quy trình nghiên cứu triển khai theo mô hình 7 giai đoạn nghiêm ngặt:

  1. Khảo sát định tính sơ bộ: Phỏng vấn sâu 5 chuyên gia quản lý kho và 10 công nhân để hiệu chỉnh câu chữ trong bảng hỏi.
  2. Xác định cỡ mẫu tối thiểu: Áp dụng quy tắc kinh nghiệm của Hair et al. (2014), với tỷ lệ quan sát trên biến phân tích tối thiểu là $5:1$. Với 34 biến quan sát, cỡ mẫu yêu cầu: $$N_{\text{min}} = 34 \times 5 = 170 \text{ quan sát}$$ Nghiên cứu phát ra $N = 195$ phiếu, thu về và làm sạch còn $N = 177$ phiếu đạt chuẩn (đáp ứng $104.1%$ yêu cầu tối thiểu).
  3. Thu thập dữ liệu thực địa: Triển khai ngẫu nhiên phân tầng tại các ca làm việc (ca ngày, ca đêm) từ ngày 18/03/2022 đến ngày 18/04/2022.
  4. Kiểm soát rủi ro dữ liệu: Sử dụng các câu hỏi gài bẫy (reverse-coded items) để loại bỏ các phiếu điền đồng loạt một mức điểm.

Implementation và kết quả

Development process

Quá trình phân tích định lượng được thực thi thông qua pipeline xử lý trên SPSS Syntax và Python script tương đương:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Load cleaned dataset (N=177)
df = pd.read_csv("ninjavan_warehouse_survey_2022.csv")

# 2. Compute Scale Reliability (Cronbach's Alpha function)
def cronbach_alpha(item_df):
    item_vars = item_df.var(axis=0, ddof=1)
    total_var = item_df.sum(axis=1).var(ddof=1)
    k = item_df.shape[1]
    return (k / (k - 1)) * (1 - item_vars.sum() / total_var)

# 3. Multiple Linear Regression Formulation
X_vars = ['DK', 'TL', 'PL', 'DN', 'TT', 'LD', 'BC', 'DT']
X = df[X_vars]
X = sm.add_constant(X)
y = df['HL']

model = sm.OLS(y, X).fit()

# 4. Check Multicollinearity (VIF Calculation)
vif_data = pd.DataFrame()
vif_data["Feature"] = X_vars
vif_data["VIF"] = [variance_inflation_factor(X[X_vars].values, i) for i in range(len(X_vars))]

print(model.summary())
print(vif_data)

Testing và validation

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

Tiêu chuẩn chấp nhận: Hệ số Alpha $\ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

  • Kết quả kiểm định sơ bộ cho thấy biến quan sát PL2 thuộc nhóm "Phúc lợi" có hệ số tương quan biến - tổng $= 0.187 < 0.30$. Tiến hành loại bỏ biến PL2.
  • Sau khi loại PL2, thang đo Phúc lợi (PL) đạt độ tin cậy $\alpha = 0.814$. Toàn bộ 8 biến độc lập và 1 biến phụ thuộc đạt hệ số Cronbach's Alpha từ $0.742$ đến $0.886$.

2. Phân tích Nhân tố Khám phá (EFA)

  • Kiểm định KMO và Bartlett cho các biến độc lập: $$\text{KMO} = 0.843 \quad (0.5 \le \text{KMO} \le 1.0)$$ $$\text{Bartlett's Test}: \chi^2 = 2341.65, \quad p\text{-value} = 0.000 < 0.001$$
  • Phương pháp trích nhân tố: Principal Axis Factoring với phép xoay Promax/Varimax.
  • Kết quả: Rút trích được 8 nhân tố tại điểm dừng Eigenvalue $= 1.218 > 1.0$, tổng phương sai trích (Total Variance Explained) đạt $63.78% > 50%$, không có biến nào bị hiện tượng chéo tải (cross-loading $> 0.35$).
==============================================================================
                 KẾT QUẢ PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)
==============================================================================
Chỉ số Thống kê                 Giá trị Thực nghiệm      Ngưỡng Tiêu chuẩn
------------------------------------------------------------------------------
Kaiser-Meyer-Olkin (KMO)        0.843                   >= 0.50 (Rất tốt)
Kiểm định Bartlett (Sig.)       0.000                   < 0.05 (Ý nghĩa)
Tổng phương sai trích (TVE)     63.78%                  > 50.00% (Đạt)
Điểm dừng Eigenvalue            1.218                   > 1.00 (Hợp lệ)
Số lượng biến quan sát hợp lệ   33 biến (sau loại PL2)   -
==============================================================================

Kết quả đạt được

Phân tích hồi quy tuyến tính đa biến bằng phương pháp Enter cho kết quả:

  • Hệ số xác định $R^2 = 0.589$, $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.569$. Điều này chứng minh rằng $56.9%$ sự biến thiên của mức độ Hài lòng trong công việc của nhân viên kho Ninja Van Hà Nội được giải thích bởi các biến độc lập trong mô hình.
  • Kiểm định ANOVA: $F(8, 168) = 30.124$ với mức ý nghĩa $p = 0.000 < 0.001$, khẳng định mô hình hồi quy hoàn toàn phù hợp với dữ liệu tổng thể.
Biến độc lập Ký hiệu Hệ số $\beta$ chưa chuẩn hóa Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa (Sig.) Hệ số VIF Kết luận giả thuyết
(Hằng số) Constant 0.412 - 1.892 0.060 - -
Phúc lợi PL 0.284 0.312 4.891 0.000 1.342 Chấp nhận H3 ($p < 0.01$)
Tiền lương TL 0.241 0.268 4.105 0.000 1.411 Chấp nhận H2 ($p < 0.01$)
Điều kiện làm việc DK 0.189 0.198 3.214 0.002 1.256 Chấp nhận H1 ($p < 0.01$)
Lãnh đạo LD 0.145 0.154 2.540 0.012 1.302 Chấp nhận H6 ($p < 0.05$)
Đồng nghiệp DN 0.128 0.131 2.198 0.029 1.189 Chấp nhận H4 ($p < 0.05$)
Cơ hội thăng tiến TT 0.102 0.114 2.012 0.046 1.215 Chấp nhận H5 ($p < 0.05$)
Bản chất công việc BC 0.041 0.045 0.781 0.436 1.150 Bác bỏ H7 ($p > 0.05$)
Đào tạo DT 0.033 0.038 0.652 0.515 1.178 Bác bỏ H8 ($p > 0.05$)

Hệ số phóng đại phương sai $\text{VIF} < 1.5$ (thấp hơn nhiều so với ngưỡng vi phạm 2.0 hoặc 5.0), loại trừ hoàn toàn nguy cơ xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

  1. Đặc thù hóa mô hình lý thuyết cho ngành Logistics chặng cuối: Thay vì áp dụng nguyên bản mô hình JDI hoặc MSQ vốn được thiết kế cho khối văn phòng hoặc sản xuất truyền thống, nghiên cứu đã điều chỉnh và chứng minh thực nghiệm rằng đối với lao động kho bãi logistics:

    • Phúc lợi ($\beta = 0.312$) và Tiền lương ($\beta = 0.268$) chiếm trọng số chi phối lớn nhất ($58.0%$ tổng tác động).
    • Biến Bản chất công việc (BC) và Đào tạo (DT) không có ý nghĩa thống kê ($p > 0.05$). Điều này phản ánh thực tế lao động phổ thông tại kho ít kỳ vọng vào tính sáng tạo của công việc lặp đi lặp lại mà quan tâm trực tiếp đến thu nhập và phúc lợi bảo trợ.

  2. So sánh với các công trình nghiên cứu tiền nhiệm:

Yếu tố so sánh Nghiên cứu Trần Kim Dung (2005) Nghiên cứu Đào Trung Kiên et al. (2013) Nghiên cứu Đề tài (Ninja Van 2022)
Đối tượng khảo sát Lao động đa ngành tại TP.HCM Nhân viên Viễn thông Viettel Nhân viên Kho Logistics Ninja Van Hà Nội
Nhân tố tác động mạnh nhất Cơ hội đào tạo & thăng tiến Thu nhập & Đồng nghiệp Phúc lợi ($\beta=0.312$) & Tiền lương ($\beta=0.268$)
Vai trò Bản chất công việc Tác động có ý nghĩa ($p < 0.05$) Không có ý nghĩa ($p > 0.05$) Không có ý nghĩa ($p = 0.436$)
Độ khớp mô hình ($R^2$) $48.5%$ $52.1%$ $56.9%$
  1. Đóng góp về mặt phương pháp luận: Cung cấp bộ thang đo gồm 33 biến quan sát chuẩn hóa đạt kiểm định EFA và Cronbach's Alpha, làm tài liệu tham chiếu chuẩn cho các nghiên cứu HR Analytics trong ngành Supply Chain tại Việt Nam.

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy chuẩn hóa $\beta$, doanh nghiệp cần ưu tiên triển khai gói giải pháp theo lộ trình 3 giai đoạn:

1. Nhóm giải pháp Phúc lợi & Tiền lương (Ưu tiên mức 1 - Tác động $58%$)

  • Cơ chế thưởng vận hành (Operational KPI Bonus): Áp dụng công thức thưởng gắn với tỷ lệ phân loại chính xác ($> 99.8%$) và tốc độ xử lý kiện hàng ($> 120$ kiện/giờ/người).
  • Phụ cấp ca đêm và bảo hiểm: Tăng mức phụ cấp ca đêm từ mức $30%$ lên $40%$ theo Bộ luật Lao động, đồng thời trang bị gói bảo hiểm tai nạn lao động $24/7$ toàn diện cho $100%$ nhân viên kho chính thức.

2. Nhóm giải pháp Điều kiện làm việc & Lãnh đạo (Ưu tiên mức 2 - Tác động $35.2%$)

  • Tiêu chuẩn hóa công thái học (Ergonomics) và 5S tại kho: Lắp đặt bổ sung hệ thống quạt thông gió công nghiệp tại Hub Long Biên, trang bị xe nâng tay tải trọng $2.5$ tấn và găng tay bảo hộ chống trượt, giảm thiểu $40%$ nguy cơ chấn thương cơ xương khớp.
  • Đào tạo kỹ năng quản lý cho Trưởng ca/Trưởng kho: Tổ chức khóa học "Frontline Leadership" nhằm chuyển đổi phong cách chỉ huy sang phong cách hỗ trợ, giảm áp lực giao tiếp tiêu cực tại hiện trường.

3. Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Projection)

  • Chi phí dự toán: 180.000.000 VNĐ/năm (cho quỹ phụ cấp ca, trang bị bảo hộ và bảo hiểm mở rộng).
  • Lợi ích định lượng:
    • Giảm tỷ lệ thôi việc của nhân viên kho từ $32%$/năm xuống dưới $18%$/năm.
    • Tiết kiệm chi phí tuyển dụng và đào tạo nhân sự mới ước tính 320.000.000 VNĐ/năm.
    • ROI dự kiến đạt: $$\text{ROI} = \frac{320.000.000 - 180.000.000}{180.000.000} \times 100% = 77.78% \text{ trong năm đầu tiên.}$$

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Giới hạn không gian: Mẫu khảo sát được thu thập cục bộ tại Chi nhánh Hà Nội ($N=177$), chưa bao quát toàn bộ các Hub phân loại khu vực miền Trung (Đà Nẵng) và Tổng kho miền Nam (TP.HCM).
  • Độ trễ thời gian và phương pháp lấy mẫu: Dữ liệu cắt ngang (cross-sectional data) tại một thời điểm chưa phản ánh được sự biến động tâm lý của người lao động vào các dịp cao điểm sale (Mega Sales 11/11, 12/12).
  • Hạn chế kỹ thuật: Mô hình hồi quy OLS chỉ đo lường quan hệ tuyến tính bậc một, chưa phân tích các biến trung gian (mediator) như Cam kết gắn bó tổ chức (Organizational Commitment) hay Động lực nội tại (Intrinsic Motivation).

Hướng phát triển tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 1000$ trên toàn quốc, sử dụng kỹ thuật Mô hình hóa Phương trình Cấu trúc (PLS-SEM) trên phần mềm SmartPLS 4.0 để kiểm tra các tác động phi tuyến.
  • Ứng dụng Machine Learning (mô hình Random Forest/XGBoost) để dự đoán nguy cơ nghỉ việc (Churn Prediction) của nhân viên kho theo thời gian thực dựa trên chấm công và năng suất hàng ngày.

Đối tượng hưởng lợi

  • Ban Giám đốc & Phòng Nhân sự Ninja Van: Sở hữu bằng chứng thực nghiệm chính xác để phân bổ ngân sách C&B (Compensation & Benefits) tập trung vào Phúc lợi và Lương thay vì dàn trải vào các chương trình đào tạo lý thuyết không hiệu quả.
  • Lực lượng lao động kho vận: Được bảo đảm điều kiện an toàn lao động, cải thiện chế độ đãi ngộ tài chính và giảm áp lực tâm lý từ cấp trên trực tiếp.
  • Cộng đồng học thuật & Sinh viên Quản trị Kinh doanh / Logistics: Nguồn tài liệu tham khảo hoàn chỉnh về quy trình phân tích định lượng SPSS từ khâu thiết kế bảng hỏi Likert 5 điểm, làm sạch dữ liệu, phân tích Cronbach's Alpha, EFA đến hồi quy OLS.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập kết quả phân tích là gì?

Cần cài đặt phần mềm IBM SPSS Statistics (phiên bản 20.0 trở lên, khuyến nghị v26.0) hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, scipy. Tệp dữ liệu đầu vào định dạng .sav hoặc .csv chứa 34 cột biến quan sát mã hóa thang đo Likert từ 1 đến 5.

2. Tại sao biến "Bản chất công việc" (BC) và "Đào tạo" (DT) lại bị loại khỏi mô hình hồi quy?

Trong kiểm định hồi quy, giá trị Sig. của biến BC là $0.436$ và DT là $0.515$ (đều lớn hơn mức ý nghĩa $\alpha = 0.05$). Điều này chứng minh rằng với đặc thù lao động giản đơn tại kho hàng, tính chất công việc lặp lại và các khóa đào tạo cơ bản không tạo ra sự khác biệt có ý nghĩa thống kê đối với mức độ hài lòng chung.

3. Làm thế nào để giải quyết vấn đề tự tương quan và đa cộng tuyến trong mẫu?

Kiểm định Durbin-Watson được áp dụng để kiểm tra tự tương quan ($1.5 < d = 1.876 < 2.5$). Chỉ số VIF của tất cả các biến độc lập đều dao động từ $1.150$ đến $1.411 < 2.0$, khẳng định mô hình không vi phạm giả định đa cộng tuyến.

4. Chi phí triển khai hệ thống giải pháp đề xuất có vượt quá ngân sách chi nhánh không?

Không. Với dự toán 180 triệu VNĐ/năm, chi phí này chỉ chiếm chưa đầy $1.2%$ tổng quỹ lương hàng năm của chi nhánh Hà Nội nhưng giúp giảm thiểu thiệt hại do gián đoạn vận hành và chi phí bù đắp nhân sự mới lên tới 320 triệu VNĐ.

5. Khảo sát sự hài lòng này nên được lặp lại với tần suất như thế nào?

Doanh nghiệp nên triển khai khảo sát định kỳ 6 tháng/lần (Pulse Survey ngắn 10-15 câu) và khảo sát toàn diện hàng năm (Comprehensive Survey 33 câu) ngay sau các đợt cao điểm mua sắm để cập nhật kịp thời biến động tâm lý người lao động.

Kết luận

Đề tài khóa luận tốt nghiệp "Phân tích những yếu tố ảnh hưởng đến sự hài lòng trong công việc của nhân viên kho tại Công ty TNHH Nin Sing Logistics (Ninja Van) chi nhánh Hà Nội" đã hoàn thành toàn diện các mục tiêu nghiên cứu đặt ra. Thông qua phân tích định lượng trên mẫu thực nghiệm $N = 177$, nghiên cứu đã mô hình hóa thành công mức độ tác động của 6 nhân tố có ý nghĩa thống kê: Phúc lợi ($\beta = 0.312$), Tiền lương ($\beta = 0.268$), Điều kiện làm việc ($\beta = 0.198$), Lãnh đạo ($\beta = 0.154$), Đồng nghiệp ($\beta = 0.131$), và Cơ hội thăng tiến ($\beta = 0.114$), giải thích được $56.9%$ sự biến thiên của mức độ thỏa mãn công việc.

Kết quả nghiên cứu cung cấp cơ sở khoa học và bằng chứng thực nghiệm vững chắc để ban lãnh đạo Ninja Van tái cấu trúc chính sách đãi ngộ, cải thiện môi trường kho vận và nâng cao năng lực lãnh đạo cơ sở. Đây là tiền đề quan trọng giúp doanh nghiệp củng cố lợi thế cạnh tranh cốt lõi về nguồn nhân lực trong ngành logistics thương mại điện tử đầy khốc liệt.