Quản trị chuỗi cung ứng (Supply Chain Management – SCM) là một lĩnh vực quan trọng, giúp các công ty quản lý hiệu quả từ khâu sản xuất sản phẩm cho đến tận tay khách hàng. Trong bối cảnh thị trường ngày càng cạnh tranh và nhu cầu liên tục biến đổi, việc hiểu và dự đoán hành vi khách hàng đóng vai trò then chốt trong việc xây dựng các chiến lược chuỗi cung ứng linh hoạt và hiệu quả.
Trong SCM nói chung, mô hình lựa chọn rời rạc (discrete choice models), hay rộng hơn là các mô hình hành vi khách hàng, cung cấp một công cụ định lượng mạnh mẽ để phân tích cách mà người tiêu dùng và các bên liên quan trong chuỗi cung ứng ra quyết định. Được nghiên cứu và ứng dụng rộng rãi trong kinh tế lượng, các mô hình này không chỉ hỗ trợ ra quyết định chính xác hơn mà còn giúp doanh nghiệp thích ứng kịp thời với xu thế thị trường, tối ưu hóa vận hành toàn chuỗi.
Mô hình lựa chọn trong SCM đã có hành trình phát triển ấn tượng, bắt nguồn từ những nghiên cứu nền tảng vào đầu thế kỷ 20 và được định hình rõ nét nhờ vào những đóng góp mang tính đột phá, điển hình là mô hình logit của McFadden năm 1973. Mặc dù đã được phát triển từ nhiều thập kỷ trước, những mô hình này vẫn giữ nguyên giá trị thực tiễn so với các phương pháp học máy hiện đại nhờ khả năng giải thích và diễn giải cao. Đây là yếu tố thiết yếu khi các nhà quản trị cần hiểu rõ lý do đằng sau mỗi dự đoán khuyến nghị mô hình đưa ra để đảm bảo tính minh bạch, khả năng truy vết và sự phù hợp với bối cảnh vận hành thực tế. Ví dụ, trong một chuỗi cung ứng bán lẻ, nếu mô hình dự báo nhu cầu khuyến nghị tăng lượng hàng tồn kho tại một khu vực cụ thể, nhà quản lý cần biết lý do tại sao mô hình đưa ra quyết định đó. Nếu lý do là do xu hướng mua sắm tăng mạnh vào cuối tuần hoặc do một chương trình khuyến mãi sắp diễn ra, thì nhà quản lý có thể xác nhận hoặc điều chỉnh quyết định dựa trên kiến thức thị trường thực tế. Nhưng nếu mô hình học máy hiện đại chỉ đưa ra khuyến nghị mà không giải thích rõ nguyên nhân, điều đó có thể dẫn đến sự thiếu tin tưởng và sai lệch trong triển khai.
Với nhiều ưu điểm nổi bật, việc áp dụng các mô hình lựa chọn vào quản trị chuỗi cung ứng hiện đại đang mang lại nhiều giá trị thiết thực. Khi các doanh nghiệp phải đối mặt với những tình huống phức tạp, mô hình lựa chọn trở thành công cụ đắc lực để giải mã hành vi và xu hướng tiêu dùng, dự báo nhu cầu và lựa chọn nhà cung cấp phù hợp. Các mô hình này giúp khai thác hiệu quả dữ liệu và cung cấp phân tích dự đoán có chiều sâu, từ đó hỗ trợ doanh nghiệp phản ứng nhanh chóng, chính xác và vận hành một cách linh hoạt, hiệu quả trong môi trường cạnh tranh ngày càng khốc liệt.
Những đóng góp và cột mốc quan trọng
Một trong những cột mốc quan trọng trong sự phát triển của mô hình lựa chọn là công trình của McFadden vào năm 1973, người đã đặt nền móng lý thuyết cho mô hình logit thông qua các nguyên tắc lựa chọn tiêu dùng vi mô. Mô hình này trở thành cơ sở lý thuyết để hiểu các quyết định về phương thức di chuyển và vị trí như những lựa chọn rời rạc. Trước khi có nghiên cứu của McFadden, phần lớn nghiên cứu thực nghiệm, bao gồm nghiên cứu của Warner năm 1962 về các lựa chọn nhị phân, thiếu một khuôn khổ lý thuyết mạch lạc. Công trình của McFadden đã cung cấp nền tảng lý thuyết đó và thúc đẩy sự xuất hiện của một lĩnh vực nghiên cứu mới được gọi là “mô hình hóa nhu cầu hành vi”, tập trung vào tối đa hóa hữu ích ngẫu nhiên và dữ liệu phân nhóm.
Quản trị chuỗi cung ứng (SCM) với các mô hình lựa chọn đã đạt được những tiến bộ đáng kể ở nhiều lĩnh vực khác nhau. Các mô hình này giúp các tổ chức tối ưu hóa các quyết định liên quan đến dự báo nhu cầu, quản lý hàng tồn kho, hậu cần và hợp tác với nhà cung cấp, nâng cao hiệu quả hoạt động.
Nghiên cứu mới ở Việt Nam về chủ đề này
Năm 2024, Quỹ Đổi mới sáng tạo Vingroup (VinIF) đã tài trợ cho dự án khoa học công nghệ “Tối ưu hóa hoạt động chuỗi cung ứng dựa trên hành vi của khách hàng” do PGS.TS. Hà Minh Hoàng chủ nhiệm, Đại học Kinh tế Quốc dân chủ trì. Nội dung chính của dự án là nghiên cứu và phát triển các mô hình và thuật toán để tối ưu hóa hoạt động chuỗi cung ứng, trong đó tập trung vào việc tích hợp các mô hình dự đoán hành vi khách hàng đã được nghiên cứu rộng rãi trong lĩnh vực kinh tế lượng. Dự án đang tập trung vào 03 nhóm bài toán cốt lõi trong quản trị chuỗi cung ứng: quản lý tồn kho, lập kế hoạch địa điểm, và tối ưu hóa định tuyến phương tiện – những bài toán có ý nghĩa quyết định đến hiệu quả vận hành và khả năng thích ứng của doanh nghiệp trong môi trường kinh doanh nhiều biến động.
Thứ nhất, đối với bài toán quản lý tồn kho (Inventory Management Problem – IMP): thực tế cho thấy nhu cầu của người tiêu dùng luôn biến động và bị chi phối bởi nhiều yếu tố như giá cả, thời tiết, xu hướng tiêu dùng hoặc các lựa chọn thay thế trên thị trường. Tuy nhiên, phần lớn các mô hình hiện tại vẫn đang giả định rằng nhu cầu là cố định hoặc được dự báo theo những phương pháp đơn giản. Điều này dẫn đến nguy cơ tồn kho không phù hợp – hoặc thừa, hoặc thiếu – gây lãng phí hoặc mất cơ hội doanh thu. Dự án sẽ phát triển các thuật toán mới cho phép mô hình hóa hành vi lựa chọn của khách hàng, từ đó nâng cao độ chính xác của dự báo và tối ưu hóa tồn kho ở quy mô lớn.
Thứ hai, trong bài toán lập kế hoạch địa điểm (Facility Location Problem – FLP), vấn đề cần giải quyết là: làm sao để xây dựng được các mô hình hành vi khách hàng có khả năng thích ứng theo thời gian, phản ánh chính xác sự thay đổi trong lựa chọn của người tiêu dùng khi có sự xuất hiện của đối thủ cạnh tranh mới, thay đổi chính sách hoặc các yếu tố môi trường khác. Các mô hình hiện hành thường coi hành vi của khách hàng là tĩnh – tức không thay đổi – trong toàn bộ quá trình ra quyết định, trong khi trên thực tế, hành vi tiêu dùng rất linh hoạt. Mục tiêu của dự án là phát triển các mô hình hành vi động và thuật toán giải quyết bài toán phân bổ tài nguyên phù hợp, đặc biệt trong bối cảnh các đô thị Việt Nam đang phát triển nhanh chóng và chịu áp lực lớn từ nhu cầu sử dụng dịch vụ.
Cuối cùng, với bài toán định tuyến phương tiện (Vehicle Routing Problem – VRP) – một trong những bài toán kinh điển nhưng vẫn rất thách thức trong vận tải và logistics – dự án tìm cách tích hợp đồng thời mô hình hành vi khách hàng và các yếu tố dự báo giao thông. Bài toán VRP hiện đại không chỉ đơn thuần là tìm tuyến đường có chi phí thấp nhất, mà còn phải đồng thời xác định vị trí mở mới, kế hoạch bổ sung hàng hóa cho từng điểm, và tính tới cách phản ứng, trải nghiệm, nhu cầu của khách hàng khi dịch vụ thay đổi. Đây là bài toán phi tuyến và có độ phức tạp rất cao, đặc biệt khi kết hợp với các mô hình lựa chọn rời rạc từ kinh tế lượng. Dự án sẽ đề xuất những thuật toán mới để giải quyết hiệu quả bài toán này, nhằm đưa ra các giải pháp định tuyến thực tế, khả thi và phù hợp với hành vi tiêu dùng tại các thành phố lớn như Hà Nội hay TP.HCM.
Ứng dụng trong thực tiễn và các thách thức tại Việt Nam
Tại Việt Nam, nhiều doanh nghiệp đang từng bước áp dụng các công nghệ hiện đại quản lý SCM, không chỉ nâng cao hiệu quả ra quyết định mà còn mở ra cơ hội chuyển đổi số sâu rộng trong quản lý vận hành. Với bối cảnh Việt Nam đang đẩy mạnh phát triển kinh tế số và logistics thông minh, việc ứng dụng các mô hình định lượng như mô hình lựa chọn sẽ là hướng đi cần thiết để doanh nghiệp nâng cao năng lực cạnh tranh và bắt nhịp với xu thế toàn cầu hóa.
Tuy nhiên, việc ứng dụng các mô hình lựa chọn và công cụ tối ưu hóa tiên tiến trong chuỗi cung ứng tại Việt Nam hiện vẫn đối mặt với nhiều thách thức mang tính hệ thống. Trước hết, nguồn nhân lực chất lượng cao trong lĩnh vực khoa học dữ liệu, vận trù học và phân tích hành vi người tiêu dùng còn rất hạn chế. Các trường đại học mới chỉ bắt đầu đưa các nội dung liên ngành như tối ưu hóa hoặc mô phỏng hành vi vào chương trình đào tạo ở mức cơ bản, trong khi nhu cầu thực tiễn tại doanh nghiệp đòi hỏi sự hiểu biết sâu sắc và khả năng triển khai linh hoạt trong môi trường vận hành thực tế.
Nhiều doanh nghiệp, đặc biệt là doanh nghiệp vừa và nhỏ, vẫn chưa thực sự nhận thức được vai trò chiến lược của công nghệ, đặc biệt là các công cụ định lượng như toán tối ưu, mô hình vận trù học và mô hình hành vi. Trong khi thế giới đang chuyển nhanh sang các mô hình chuỗi cung ứng dữ liệu hóa, ra quyết định theo mô phỏng và dự báo, thì tại Việt Nam, nhiều doanh nghiệp vẫn chủ yếu quản lý theo kinh nghiệm, cảm tính và hệ thống rời rạc.
Bên cạnh đó, thiếu hụt dữ liệu chất lượng cao là một rào cản lớn. Dữ liệu tại nhiều doanh nghiệp không chỉ thiếu về số lượng mà còn chưa được chuẩn hóa, phân mảnh và thiếu tính kết nối giữa các bộ phận. Việc thu thập và lưu trữ dữ liệu vẫn chủ yếu phục vụ mục tiêu kế toán hoặc báo cáo hành chính, chưa được thiết kế để phục vụ phân tích chiến lược hay tối ưu hóa vận hành.
Thêm vào đó, việc tích hợp các công cụ học máy hoặc thuật toán tối ưu vào hệ thống hiện có vẫn còn nhiều khó khăn, cả về mặt kỹ thuật lẫn chi phí đầu tư. Nhiều hệ thống quản trị vận hành hiện tại không được thiết kế để mở rộng, thiếu API, thiếu khả năng liên kết với các công cụ tính toán hiện đại hoặc môi trường phân tích dữ liệu. Điều này khiến việc thử nghiệm hoặc áp dụng công cụ mới đòi hỏi nhiều công đoạn trung gian, làm tăng rủi ro và giảm động lực đổi mới trong doanh nghiệp.
Tác giả: PGS. Hà Minh Hoàng – Đại học Kinh tế Quốc dân.
GS. Mai Tiến (Đại học Quản lý Singapore).
Biên tập: Quỹ Đổi mới sáng tạo Vingroup (VinIF).