Nguyễn Thị Hồng Luyên - Khoa kinh tế - Trường Đại học Công nghiệp Dệt may Hà Nội
Email: luyennth@hict.edu.vn
Tóm tắt:
Bài báo nghiên cứu việc áp dụng các mô hình nghiên cứu trong lĩnh vực tài chính - kế toán nhằm nâng cao hiệu quả quản lý và ra quyết định trong các doanh nghiệp. Sử dụng phương pháp tổng quan tài liệu, bài viết phân tích các mô hình định lượng, định tính và tích hợp, dựa trên các nguồn học thuật từ cơ sở dữ liệu quốc tế (Scopus, Web of Science) và trong nước giai đoạn 2018-2024. Kết quả cho thấy các mô hình này hỗ trợ tối ưu hóa phân tích dữ liệu tài chính, quản lý rủi ro và phát hiện gian lận, nhưng việc triển khai thực tế tại Việt Nam đối mặt với các thách thức như thiếu dữ liệu chất lượng, mô hình phức tạp và hạn chế về năng lực nhân sự. Bài báo đề xuất các giải pháp như đơn giản hóa mô hình, ứng dụng công nghệ (Blockchain, ERP) và đào tạo nhân sự để tăng cường tính thực tiễn, đặc biệt cho doanh nghiệp vừa và nhỏ (SME) và doanh nghiệp lớn.
Từ khóa: Mô hình nghiên cứu, Tài chính - kế toán, Ứng dụng, Hiệu quả, Quản lý.
1. Đặt vấn đề
Tài chính - kế toán là một trong những lĩnh vực quan trọng nhất trong mỗi tổ chức, doanh nghiệp. Các mô hình nghiên cứu trong lĩnh vực này không chỉ giúp các nhà quản lý đưa ra các quyết định chính xác mà còn hỗ trợ trong việc cải thiện hiệu quả hoạt động tài chính (Nguyễn Thị Thu Thủy, 2023). Điều này đặc biệt quan trọng vì thông tin tài chính chính xác và kịp thời là cơ sở để đưa ra các chiến lược tài chính hợp lý.
Tuy nhiên, để các mô hình nghiên cứu này có thể áp dụng thành công vào thực tiễn, các nghiên cứu cần phải được điều chỉnh sao cho phù hợp với đặc thù của môi trường thực tế. Nghiên cứu của Như và Phước đã chỉ ra rằng việc hiểu rõ các yếu tố tác động đến chính sách cổ tức là cần thiết để giải thích mô hình tài chính cho các doanh nghiệp (Phạm Ngọc Thùy Như & Nguyễn Kim Phước, 2022). Sự phù hợp giữa lý thuyết và thực hành trong lĩnh vực tài chính - kế toán là cực kỳ quan trọng, vì thực tế kinh doanh luôn thay đổi và có nhiều yếu tố không thể kiểm soát (Nguyễn Hoàng Thanh Trúc & cộng sự, 2023).
Điều này đòi hỏi sự kết hợp giữa lý thuyết và thực hành, giữa các mô hình lý tưởng và những yếu tố không thể kiểm soát trong môi trường kinh doanh. Cụ thể, việc áp dụng các công nghệ mới vào lĩnh vực tài chính như trí tuệ nhân tạo có thể cải thiện đáng kể chất lượng và hiệu quả trong quản lý tài chính (Phạm Trịnh Hồng Phi & Trần Mai Hương, 2024). Đồng thời, nghiên cứu cũng cho thấy rằng môi trường kinh doanh biến đổi đòi hỏi các mô hình tài chính phải nhanh chóng thích ứng để duy trì hiệu quả hoạt động (Nguyễn Thị Hồng & cộng sự, 2024).
2. Nội dung
2.1. Phương pháp nghiên cứu
Bài viết sử dụng phương pháp nghiên cứu tổng quan tài liệu (literature review) để phân tích các mô hình nghiên cứu tài chính - kế toán. Nguồn tài liệu bao gồm các bài báo học thuật từ cơ sở dữ liệu quốc tế (Scopus, Web of Science) và trong, tập trung vào các công bố từ 2018-2024 để đảm bảo tính cập nhật. Các tài liệu được phân loại theo ba nhóm mô hình (định lượng, định tính, tích hợp) và đánh giá dựa trên tính ứng dụng thực tiễn. Ngoài ra, bài viết tham khảo báo cáo ngành và các ví dụ thực tế từ doanh nghiệp Việt Nam để minh họa khả năng áp dụng.
2.2. Cơ sở lý thuyết
2.2.1. Mô hình định lượng (Quantitative Models)
Trong lĩnh vực tài chính - kế toán, mô hình định lượng đang ngày càng được áp dụng một cách rộng rãi để giải quyết các vấn đề phức tạp và đạt được những kết quả tốt hơn. Các mô hình này không chỉ hữu ích cho việc quản lý rủi ro tài chính mà còn đóng một vai trò quan trọng trong việc phát hiện gian lận trong báo cáo tài chính. Cụ thể, nghiên cứu của Liu & cộng sự (2023) đã chỉ ra rằng việc theo dõi các thay đổi trong thông tin công bố có thể góp phần phát hiện gian lận tài chính, giúp các nhà quản lý và kiểm toán viên xác định nhanh chóng các vấn đề tồn tại trong hoạt động kinh doanh (Liu & cộng sự, 2023). Bằng cách phát triển các phương pháp phân tích dữ liệu tiên tiến, như sử dụng học máy để nhận dạng các dấu hiệu gian lận, nghiên cứu này minh chứng cho khả năng của mô hình định lượng trong việc tối ưu hóa tính chính xác và hiệu quả của các biện pháp phòng ngừa gian lận (Guo, 2024).
Hơn nữa, các mô hình định lượng được chứng minh là có giá trị trong việc tối ưu hóa hiệu suất hoạt động. Một nghiên cứu gần đây về việc sử dụng các thuật toán trí tuệ nhân tạo trong kế toán cho thấy chúng có khả năng cải thiện hiệu quả đánh giá tình hình tài chính của doanh nghiệp và phát hiện ra các cơ hội và rủi ro (Wang, 2023). Ngoài ra, các mô hình phân tích dữ liệu chính xác hơn còn cho phép các chuyên gia tài chính phát triển các chiến lược quản lý rủi ro tốt hơn. Một nghiên cứu tại Trung Quốc đã kiểm tra việc sử dụng mô hình F-Score của Dechow để theo dõi gian lận tài chính và cho thấy tính hiệu quả của mô hình này trong việc phát hiện các vấn đề tài chính (Zeng & cộng sự, 2024).
Một trong những hướng nghiên cứu quan trọng là việc kết hợp dữ liệu định lượng với liệu pháp xử lý ngôn ngữ tự nhiên (NLP) để khai thác các chỉ số tài chính cần thiết từ các báo cáo tài chính. Xu, (2024) trình bày mô hình khai thác thông tin dựa trên văn bản tài chính và cho thấy ứng dụng của các kỹ thuật NLP trong việc xác định các chỉ tiêu tài chính như xu hướng doanh thu và các yếu tố rủi ro, điều này có thể cải thiện đáng kể độ chính xác trong phân tích dữ liệu tài chính. Tương tự, Huang & Lim, (2024) phát triển một mô hình quản lý rủi ro tài chính bằng cách kết hợp dữ liệu tài chính định lượng và dữ liệu văn bản, cho thấy rằng việc sử dụng thông tin phi cấu trúc có thể giúp các công ty đưa ra quyết định tài chính tốt hơn.
Những mô hình học máy đã chứng minh hiệu quả trong việc dự đoán sớm các dấu hiệu khủng hoảng tài chính. Nghiên cứu của Li, (2024) cho thấy mô hình dự đoán khủng hoảng tài chính dựa trên máy học đã đạt được độ chính xác 92% cao hơn 15% so với các mô hình hiện có thông qua việc sử dụng phương pháp tối ưu hóa để xử lý các chỉ số tài chính. Tương tự, Muneer & cộng sự (2022) đã phát triển một mô hình sử dụng autoencoder để dự đoán khủng hoảng tài chính, phù hợp với các doanh nghiệp lớn có nguồn dữ liệu phong phú..
Hiệu suất của các phương pháp gợi ý đã được khẳng định qua nhiều nghiên cứu. Bracke & cộng sự (2019) chứng minh rằng việc sử dụng kỹ thuật giải thích trong học máy có thể áp dụng hiệu quả cho việc phân tích rủi ro vỡ nợ, giúp xác định những yếu tố chính thúc đẩy quyết định cho vay. Nghiên cứu của Chandrasekara & cộng sự (2019) cho thấy sử dụng mạng nơ-ron tiên đoán có thể đạt được kết quả chính xác cao trong việc dự đoán xu hướng của các chỉ số thị trường chứng khoán với độ chính xác 85%, hữu ích cho các công ty đầu tư.
Cần lưu ý rằng thách thức trong việc quản lý rủi ro tài chính hiện tại có thể được giảm thiểu thông qua ứng dụng AI và mô hình hóa dữ liệu. Các nghiên cứu như của Arsić, (2021) đã xác định các kỹ thuật AI chính có thể được sử dụng để cải thiện quản lý rủi ro tài chính. Zhou & cộng sự (2012) cũng đã phát triển các mô hình dự đoán dựa trên việc xếp hạng các đặc điểm để dự đoán khủng hoảng tài chính.
Tại Việt Nam, mô hình định lượng như B-score (Vũ Thị Hậu, 2023) được các công ty y tế niêm yết sử dụng để đánh giá rủi ro tài chính, giúp giảm 20% tỷ lệ sai sót trong báo cáo tài chính. Tuy nhiên, các SME thường gặp khó khăn do thiếu dữ liệu chất lượng cao.
Tóm lại, mô hình nghiên cứu trong lĩnh vực tài chính - kế toán đặc biệt có lợi khi tích hợp các phương pháp định tính và định lượng, giúp các nhà nghiên cứu và chuyên gia trong ngành nâng cao độ chính xác trong việc phân tích và dự đoán các xu hướng tài chính, đồng thời cải thiện khả năng ra quyết định trong bối cảnh thị trường ngày càng phức tạp.
2.2.2. Mô hình định tính (Qualitative Models)
Mô hình định tính tập trung vào các yếu tố xã hội, văn hóa, và hành vi ảnh hưởng đến thực tiễn kế toán. Trong lĩnh vực tài chính - kế toán, mô hình nghiên cứu định tính đã trở thành một công cụ quan trọng nhằm khám phá và hiểu sâu sắc các khía cạnh xã hội, văn hóa và hành vi liên quan đến các thực tiễn kế toán. Mô hình này cho phép các nhà nghiên cứu không chỉ xem xét các con số mà còn tìm hiểu các ý nghĩa chủ quan và cách thức mà các yếu tố xã hội ảnh hưởng đến các quyết định tài chính.
Theo Kurniawan (2023), nghiên cứu định tính cung cấp cái nhìn sâu sắc về các yếu tố xã hội và văn hóa tác động đến các thực tiễn kế toán. Bằng cách khai thác các trải nghiệm và quan điểm của các bên liên quan, nghiên cứu định tính giúp hiểu rõ hơn những thay đổi trong hành vi kế toán và các tiêu chuẩn tài chính.
Vai trò của nghiên cứu định tính trong việc làm sáng tỏ các bối cảnh phức tạp của các vấn đề kế toán là vô cùng quan trọng. Việc sử dụng các phương pháp phỏng vấn và phân tích văn bản không chỉ giúp khám phá cách mà các tiêu chuẩn kế toán và thực tiễn được hiểu và áp dụng trong các tổ chức, mà còn ảnh hưởng đến kết quả tài chính của các doanh nghiệp. Theo nghiên cứu của Cao Thi Cẩm Vân & Lăng Thị Minh Thao (2021), các nhân tố tác động đến kế toán trong thời đại kỹ thuật số đã nhấn mạnh rằng phương pháp nghiên cứu định tính có khả năng mang lại những hiểu biết sâu sắc về cách thức mà các cá nhân và tổ chức tiếp nhận và thực hiện các quy định kế toán trong bối cảnh công nghệ mới.
Việc áp dụng nghiên cứu định tính không chỉ giúp phân tích các vấn đề mà còn tạo điều kiện cho việc phát triển các chính sách và quy trình kế toán phù hợp hơn với nhu cầu thực tiễn của doanh nghiệp (Trịnh Hữu Lực & Nguyễn Thị Thu, 2023). Điều này cho thấy rằng nghiên cứu định tính đóng vai trò thiết yếu trong việc làm sáng tỏ các bối cảnh phức tạp và giúp các nhà quản lý đưa ra quyết định dựa trên thông tin đầy đủ và chính xác.
Một điểm đáng chú ý khác là nghiên cứu định tính không chỉ dừng lại ở việc cung cấp thông tin bổ sung cho các nghiên cứu định lượng, mà còn là một phương thức độc lập hữu ích trong việc hình thành lý thuyết. Trong nghiên cứu của Gruszczyński (2018), việc áp dụng các phương pháp định tính giúp xác định những khía cạnh khó đo lường trong các nghiên cứu tài chính, từ đó mở rộng hiểu biết về các khía cạnh phức tạp của mô hình tài chính.
Ngoài ra, các tác giả như Tucker & Parker (2018) đã chỉ ra rằng sự lựa chọn phương tiện phỏng vấn trong nghiên cứu kế toán có thể ảnh hưởng đáng kể đến kết quả thu thập dữ liệu. Họ cho biết rằng các nhà nghiên cứu cần xem xét cách mà sự quen thuộc của người phỏng vấn với người tham gia có thể ảnh hưởng đến cảm nhận của họ về tầm quan trọng của nghiên cứu.
Mô hình nghiên cứu định tính trong lĩnh vực tài chính - kế toán đóng vai trò quan trọng trong việc khám phá và hiểu rõ các khía cạnh bối cảnh, xã hội và hành vi ảnh hưởng đến các thông lệ kế toán. Tuy nhiên, mô hình định tính cũng gặp phải những thách thức nhất định, trong đó khó khăn trong việc đo lường kết quả và tính khả thi
2.2.3. Mô hình tích hợp (Integrated Models)
Mô hình hỗn hợp trong nghiên cứu tài chính - kế toán kết hợp giữa phương pháp định tính và định lượng, cho phép các nhà nghiên cứu tiếp cận một cách toàn diện và linh hoạt trong việc giải quyết các vấn đề phức tạp. Việc kết hợp các phương pháp này không chỉ giúp mở rộng phạm vi và chiều sâu của nghiên cứu mà còn tối ưu hóa quy trình thu thập và phân tích dữ liệu, đặc biệt trong bối cảnh môi trường kinh doanh không ngừng thay đổi.
Một trong những nghiên cứu tiêu biểu trong ứng dụng mô hình hỗn hợp là nghiên cứu của Linnenluecke & cộng sự (2017). Nghiên cứu này nhấn mạnh rằng việc áp dụng phương pháp hỗn hợp làm tăng cường giá trị của các phát hiện trong tài chính, minh chứng qua việc áp dụng mô hình hỗn hợp để tích hợp dữ liệu định lượng với các hiểu biết định tính trong nghiên cứu về kế toán carbon của các công ty Đức. Điều này không chỉ giúp làm sáng tỏ cách thức mà các công ty áp dụng hướng tiếp cận bền vững mà còn chỉ ra các thách thức trong quá trình triển khai.
Nghiên cứu của Gruszczyński (2018) cũng nhấn mạnh tầm quan trọng của mô hình hỗn hợp, đặc biệt trong lĩnh vực tài chính. Theo nghiên cứu này, việc sử dụng cả các phương pháp định lượng và định tính có thể giúp nhà nghiên cứu phát hiện ra những yếu tố ảnh hưởng đến các quyết định tài chính khó đo lường bằng các phương pháp thuần túy, mặc dù nghiên cứu này chủ yếu tập trung vào các thực tiễn tốt trong nghiên cứu tài chính và kế toán.
Čadežv& Guilding (2008) đã chỉ ra rằng mô hình hỗn hợp có thể phục vụ như một công cụ hiệu quả để kiểm tra các mô hình dự báo phức tạp trong kế toán chiến lược. Họ nhấn mạnh cách thức mà các lựa chọn chiến lược kết hợp với thực tiễn kế toán quản lý có thể được hiểu rõ hơn thông qua việc tích hợp các quan điểm định tính vào phân tích định lượng, mà không có sự mâu thuẫn nào với các nghiên cứu khác trong lĩnh vực này.
Tóm lại, mô hình hỗn hợp trong nghiên cứu tài chính - kế toán không chỉ mang lại sự bổ sung đáng kể cho các phương pháp thuần túy mà còn giúp nhìn nhận bức tranh tổng thể về các yếu tố ảnh hưởng đến thực tiễn và quyết định tài chính. Sự linh hoạt trong việc áp dụng này không chỉ cải thiện khả năng phân tích mà còn nâng cao chất lượng và độ tin cậy của các nghiên cứu trong lĩnh vực tài chính - kế toán.
2.3. Các thách thức và giải pháp
2.3.1. Thách thức
Trong quá trình áp dụng các mô hình nghiên cứu tài chính - kế toán vào thực tiễn, các doanh nghiệp, đặc biệt là tại Việt Nam, thường đối mặt với nhiều thách thức đáng kể. Những thách thức này không chỉ làm giảm hiệu quả của việc triển khai mô hình mà còn ảnh hưởng trực tiếp đến chất lượng các quyết định tài chính và chiến lược kinh doanh. Dưới đây là phân tích chi tiết về ba thách thức chính, bao gồm thiếu dữ liệu thực tế, độ phức tạp của mô hình, và thiếu năng lực nhân sự, cùng với các ví dụ minh họa và tác động cụ thể đến doanh nghiệp.
Thiếu dữ liệu thực tế
Một trong những rào cản lớn nhất khi áp dụng các mô hình nghiên cứu tài chính - kế toán là sự thiếu hụt dữ liệu thực tế hoặc dữ liệu không đảm bảo độ chính xác và đầy đủ. Dữ liệu đóng vai trò nền tảng cho việc xây dựng, kiểm định, và điều chỉnh các mô hình tài chính, cung cấp thông tin quan trọng để dự báo rủi ro, phân tích hiệu quả hoạt động, và ra quyết định chiến lược (Pangaribuan et al., 2023). Tuy nhiên, tại nhiều doanh nghiệp Việt Nam, đặc biệt là các doanh nghiệp vừa và nhỏ (SME), việc thu thập và quản lý dữ liệu thường gặp khó khăn do thiếu nguồn lực tài chính, công nghệ, và quy trình quản trị dữ liệu hiệu quả (Anto & Yusran, 2023). Theo khảo sát của PwC Việt Nam, 65% SME tại Việt Nam báo cáo rằng dữ liệu tài chính của họ không đủ đầy đủ hoặc không được cập nhật thường xuyên, dẫn đến sai lệch trong các mô hình dự báo tài chính (Pangaribuan &cộng sự, 2023). Những vấn đề này không chỉ dẫn đến việc không đạt được chất lượng tài chính mong muốn mà còn ảnh hưởng nghiêm trọng đến kế hoạch phát triển bền vững của doanh nghiệp trong bối cảnh toàn cầu hóa (Anto & Yusran, 2023).
Ví dụ thực tiễn: Một công ty dệt may SME tại Đồng Nai đã áp dụng mô hình B-score để đánh giá rủi ro tài chính, nhưng kết quả không chính xác do dữ liệu về chi phí sản xuất và doanh thu chỉ được cập nhật hàng quý thay vì hàng tháng. Điều này dẫn đến việc dự báo sai lệch về dòng tiền, gây khó khăn trong việc lập kế hoạch đầu tư. Tính kịp thời và độ chính xác của dữ liệu là yếu tố thiết yếu cho quá trình ra quyết định và lập kế hoạch tài chính trong doanh nghiệp (Pangaribuan & cộng sự, 2023). Đối với các doanh nghiệp lớn, tuy dữ liệu có thể phong phú hơn, nhưng vấn đề về tính nhất quán và tích hợp dữ liệu từ nhiều phòng ban (ví dụ: kế toán, bán hàng, và chuỗi cung ứng) cũng làm giảm hiệu quả của các mô hình tích hợp (Anto & Yusran, 2023). Do đó, cả doanh nghiệp nhỏ và lớn đều phải chú trọng đến việc quản lý và cải thiện quy trình thu thập và tích hợp dữ liệu để nâng cao tính hiệu quả của các mô hình tài chính.
Khi dữ liệu không đầy đủ hoặc không chính xác, các mô hình tài chính có thể tạo ra kết quả sai lệch, làm tăng rủi ro trong quyết định tài chính. Ví dụ, một mô hình dự báo khủng hoảng tài chính có thể đưa ra cảnh báo sai nếu dựa trên dữ liệu không đáng tin cậy, dẫn đến việc doanh nghiệp bỏ lỡ cơ hội đầu tư hoặc áp dụng các biện pháp không cần thiết. Nghiên cứu chỉ ra rằng độ chính xác của dữ liệu ảnh hưởng đến khả năng đánh giá rủi ro và đưa ra quyết định của doanh nghiệp Pangaribuan & cộng sự, 2023). Đối với các doanh nghiệp vừa và nhỏ (SME), hạn chế này càng nghiêm trọng do thiếu ngân sách để đầu tư vào hệ thống thu thập và xử lý dữ liệu tiên tiến. Wang (2022) nhấn mạnh rằng việc thiếu đầu tư vào công nghệ phân tích dữ liệu khiến các SME khó có khả năng điều chỉnh và tối ưu hóa các mô hình tài chính của mình (Anto & Yusran, 2023). Điều này dẫn đến việc họ thường dựa vào thông tin không đầy đủ, làm gia tăng nguy cơ trong các quyết định tài chính quan trọng và có thể dẫn tới hậu quả nghiêm trọng cho sự phát triển bền vững của doanh nghiệp nhỏ (Anto & Yusran, 2023; Pangaribuan &cộng sự, 2023).
Độ phức tạp của mô hình
Các mô hình nghiên cứu tài chính - kế toán, đặc biệt là các mô hình định lượng và tích hợp, thường có độ phức tạp cao, đòi hỏi kiến thức chuyên sâu và công cụ phân tích hiện đại. Ví dụ, mô hình học máy hoặc autoencoder yêu cầu xử lý khối lượng dữ liệu lớn và sử dụng các thuật toán phức tạp như mạng nơ-ron hoặc hồi quy đa biến (Pangaribuan & cộng sự, 2023; . Những mô hình này phù hợp với các doanh nghiệp lớn có đội ngũ chuyên gia và cơ sở hạ tầng công nghệ mạnh Anto & Yusran, 2023). Tuy nhiên, chúng trở thành thách thức lớn đối với doanh nghiệp vừa và nhỏ (SME), nơi nguồn lực hạn chế và nhân sự thường thiếu kỹ năng cần thiết để triển khai và duy trì các mô hình tiên tiến này (Wang, 2022; Singh & Ogunfunmi, 2021). Chính sự thiếu hụt về kiến thức và công nghệ này khiến cho SMEs gặp khó khăn trong việc áp dụng nghiên cứu tài chính một cách hiệu quả, làm giảm khả năng cạnh tranh và đưa ra quyết định đúng đắn trong môi trường kinh doanh ngày càng phức tạp (Pangaribuan & cộng sự, 2023; Anto & Yusran, 2023).
Một doanh nghiệp sản xuất nhỏ tại Hà Nội đã thử áp dụng mô hình tích hợp để phân tích chi phí chiến lược, nhưng gặp khó khăn do mô hình yêu cầu kết hợp dữ liệu tài chính với phỏng vấn định tính. Đội ngũ kế toán của doanh nghiệp không quen với việc phân tích dữ liệu phi cấu trúc, dẫn đến việc triển khai thất bại và lãng phí nguồn lực. Ngược lại, các doanh nghiệp lớn như Techcombank có thể triển khai thành công các mô hình tích hợp nhờ đội ngũ chuyên gia và hệ thống ERP, nhưng vẫn phải đối mặt với chi phí triển khai cao và thời gian tích hợp kéo dài. Điều này tương đồng với các thách thức đã được xác định trong việc thực hiện các mô hình chăm sóc tích hợp, nơi mà sự phức tạp của mô hình có thể dẫn đến chi phí và thời gian lớn (Pinter & cộng sự, 2021).
Độ phức tạp của mô hình làm tăng chi phí triển khai và thời gian cần thiết để đào tạo nhân sự, đặc biệt đối với doanh nghiệp vừa và nhỏ (SME). Nếu không được điều chỉnh phù hợp, các mô hình này có thể trở nên không khả thi, dẫn đến việc doanh nghiệp từ bỏ việc áp dụng hoặc sử dụng các mô hình không tối ưu. Hơn nữa, sự phức tạp còn làm giảm tính minh bạch của mô hình, khiến nhà quản lý khó hiểu và tin tưởng vào kết quả phân tích, từ đó hạn chế khả năng ra quyết định dựa trên dữ liệu. Tương tự, các yếu tố như sự rõ ràng trong các chỉ số hoạt động cũng ảnh hưởng đến thành công của các chương trình chăm sóc tích hợp, đặc biệt trong bối cảnh cạnh tranh và đa dạng như hiện nay (Sumner & cộng sự, 2023).
Thiếu năng lực nhân sự
Năng lực nhân sự là một yếu tố quan trọng trong việc triển khai các mô hình nghiên cứu tài chính - kế toán. Hiện nhiều doanh nghiệp Việt Nam đang đối mặt với sự thiếu hụt nghiêm trọng về đội ngũ có kỹ năng phân tích dữ liệu và sử dụng công nghệ tiên tiến. Một nghiên cứu chỉ ra rằng một tỷ lệ lớn nhân viên kế toán tại các doanh nghiệp nhỏ và vừa (SMEs) không có kiến thức đầy đủ về các công cụ phân tích hiện đại như Power BI, Python, hoặc các hệ thống ERP (Nguyễn Thị Mai Hương & Bùi Thị Sen, 2021). Đây là một trở ngại lớn, bởi vì việc không thành thạo trong các công nghệ này dẫn đến ứng dụng không hiệu quả các mô hình nghiên cứu và phân tích tài chính. Điều này cũng được nhấn mạnh bởi nghiên cứu của Nguyễn Thanh Hùng (2023), chỉ ra rằng việc thiếu hụt kỹ năng trong lĩnh vực phân tích dữ liệu lớn sẽ ảnh hưởng nghiêm trọng đến hiệu suất hoạt động của doanh nghiệp, đặc biệt là trong mảng logistics tại Thành phố Hồ Chí Minh (Nguyễn Thanh Hùng, 2023). Ngay cả ở các doanh nghiệp lớn, đội ngũ nhân sự thường chưa được đào tạo đầy đủ về các công nghệ mới như AI hoặc Blockchain, điều này được chứng minh qua nghiên cứu của Nguyễn Thu Giang & Lê Đức Đàm (2022), trong đó họ lưu ý rằng các yếu tố về công nghệ số hóa ảnh hưởng đến khả năng tham gia của doanh nghiệp vào chuỗi cung ứng toàn cầu (Nguyễn Thu Giang & Lê Đức Đàm, 2022). Như vậy, sự thiếu hụt này không chỉ làm giảm hiệu quả trong quy trình làm việc mà còn ảnh hưởng đến khả năng cạnh tranh của các doanh nghiệp Việt Nam trong bối cảnh toàn cầu hóa hiện nay.
Thiếu năng lực nhân sự làm chậm quá trình chuyển đổi số và ứng dụng các mô hình nghiên cứu, đồng thời làm tăng chi phí vận hành do phải phụ thuộc vào tư vấn bên ngoài hoặc sửa chữa sai sót. Hơn nữa, nhân sự thiếu kỹ năng có thể dẫn đến việc sử dụng sai mô hình hoặc diễn giải sai kết quả, gây ra các quyết định tài chính không chính xác. Ví dụ, một mô hình dự báo xu hướng chứng khoán có thể bị áp dụng sai nếu nhân sự không hiểu cách xử lý dữ liệu đầu vào, dẫn đến thua lỗ trong đầu tư.
Bảng 1: So sánh các mô hình nghiên cứu tài chính – kế toán
|
Tiêu chí |
Định lượng |
Định tính |
Tích hợp |
|
Đặc điểm |
Dữ liệu số, phân tích thống kê |
Yếu tố xã hội, phỏng vấn |
Kết hợp định lượng và định tính |
|
Ưu điểm |
Độ chính xác cao |
Hiểu sâu bối cảnh |
Cái nhìn toàn diện |
|
Hạn chế |
Yêu cầu dữ liệu chất lượng |
Khó đo lường |
Phức tạp, cần nguồn lực lớn |
|
Phù hợp |
Doanh nghiệp lớn |
Doanh nghiệp cần chiến lược dài hạn |
Doanh nghiệp lớn, phức tạp |
Nguồn: Tác giả tổng hợp
2.3.2. Giải pháp
Để khắc phục các thách thức đã nêu trên (thiếu dữ liệu thực tế, độ phức tạp của mô hình, và thiếu năng lực nhân sự), các giải pháp dưới đây được thiết kế riêng cho hai loại hình doanh nghiệp: doanh nghiệp vừa và nhỏ (SME) và doanh nghiệp lớn. Các giải pháp tập trung vào việc đơn giản hóa mô hình, ứng dụng công nghệ hiện đại, và nâng cao năng lực nhân sự, với các ví dụ thực tế và số liệu minh họa để đảm bảo tính khả thi và thực tiễn. Mỗi giải pháp được phân tích theo ba khía cạnh: cách triển khai, lợi ích đạt được, và khuyến nghị cụ thể.
Đối với doanh nghiệp vừa và nhỏ (SME)
SME tại Việt Nam thường đối mặt với hạn chế về nguồn lực tài chính, công nghệ, và nhân sự, khiến việc áp dụng các mô hình nghiên cứu tài chính - kế toán trở nên khó khăn. Các giải pháp dưới đây được thiết kế để giảm bớt rào cản, tập trung vào tính đơn giản, chi phí thấp, và khả năng triển khai nhanh. Nghiên cứu chỉ ra rằng những đổi mới trong công nghệ tài chính (FinTech) đã đóng góp nhanh chóng vào sự phát triển của các mô hình tài chính tiếp cận cho SME, giúp vượt qua các rào cản lịch sử trong việc tiếp cận vốn (Chen, 2024; Senyo & cộng sự, 2022; Wang & cộng sự, 2020).
Đơn giản hóa mô hình
Phát triển các mô hình định lượng đơn giản, tập trung vào các chỉ số tài chính cốt lõi như tỷ suất lợi nhuận, dòng tiền, và rủi ro tài chính. Ví dụ, mô hình B-score có thể được điều chỉnh để chỉ sử dụng các chỉ số cơ bản (doanh thu, chi phí, nợ phải trả), giúp SME dễ dàng áp dụng mà không cần dữ liệu phức tạp. Các nghiên cứu cho thấy rằng việc sử dụng các công cụ tài chính công nghệ đơn giản giúp tăng hiệu quả quản lý tài chính và dễ dàng tích hợp vào bảng tính hoặc phần mềm miễn phí như Google Sheets để giảm chi phí triển khai đáng kể (Senyo & cộng sự, 2022; Chisiri & Manzini, 2022; Kusumawardhani & cộng sự, 2023).
Các mô hình đơn giản hóa giúp SME giảm sai sót trong báo cáo tài chính và tiết kiệm thời gian lập kế hoạch tài chính. Các nghiên cứu chỉ ra rằng SMEs được hưởng lợi từ các mô hình đơn giản này qua việc gia tăng khả năng tài chính và khả năng sinh lời, nhờ vào việc quản lý tốt hơn các yếu tố rủi ro (Garba, 2021; Togun & cộng sự, 2023).
SME nên hợp tác với các trường đại học hoặc trung tâm nghiên cứu để phát triển các mô hình tùy chỉnh, ví dụ, thông qua các dự án hỗ trợ chuyển đổi số của Bộ Công Thương. Nghiên cứu đã nhấn mạnh tầm quan trọng của việc thử nghiệm và điều chỉnh các mô hình này trên dữ liệu thực tế của doanh nghiệp, trước khi triển khai toàn diện, nhằm tối ưu hóa hiệu quả áp dụng và đảm bảo tính thực tiễn (Weerasekara & Bhanugopan, 2022; HC, 2022).
Sử dụng phần mềm thân thiện
Áp dụng các công cụ phần mềm kế toán thân thiện với người dùng như QuickBooks, Xero, hoặc KiotViet, vốn được thiết kế cho SME với giao diện đơn giản và chi phí thấp (khoảng 200.000-500.000 VND/tháng). Những công cụ này tự động hóa các quy trình như lập báo cáo tài chính, theo dõi dòng tiền, và quản lý chi phí, giảm phụ thuộc vào chuyên môn cao. Nghiên cứu đã chỉ ra rằng sự ứng dụng phần mềm kế toán thân thiện giúp giảm bớt gánh nặng cho nhân viên và cải thiện hiệu quả làm việc, từ đó giúp các SME nâng cao khả năng cạnh tranh (Chen, 2024; Senyo & cộng sự, 2022; Wang & cộng sự, 2020).
Các nghiên cứu cho thấy rằng việc tự động hóa các quy trình tài chính không chỉ tiết kiệm thời gian mà còn nâng cao độ chính xác trong báo cáo tài chính, góp phần tăng cường quản trị doanh nghiệp cho các SME (Chisiri & Manzini, 2022; Kusumawardhani et al., 2023).
SME nên ưu tiên các phần mềm có hỗ trợ tiếng Việt và tích hợp với hệ thống ngân hàng nội địa (ví dụ: Vietcombank, Techcombank) để dễ dàng nhập dữ liệu giao dịch. Doanh nghiệp cần tổ chức buổi đào tạo ngắn (1-2 ngày) để nhân viên làm quen với phần mềm. Một số nghiên cứu đã chứng minh rằng việc đào tạo nhân viên về các công cụ phần mềm kế toán có thể tạo ra ảnh hưởng lớn đến việc áp dụng công nghệ và cải thiện hiệu suất làm việc (Garba, 2021; Togun & cộng sự, 2023).
Đào tạo ngắn hạn
Tổ chức các khóa đào tạo ngắn hạn (1-3 tháng) về phân tích dữ liệu cơ bản, tập trung vào các công cụ như Excel, Power BI, hoặc Google Data Studio. Các khóa học này có thể được cung cấp bởi các trung tâm đào tạo như VCCI hoặc qua các nền tảng trực tuyến miễn phí/phí thấp như Gitiho (khoảng 500.000-1.000.000 VND/khóa). Nội dung đào tạo nên bao gồm cách xây dựng biểu đồ tài chính, phân tích tỷ suất lợi nhuận, và sử dụng hàm Excel để dự báo đơn giản. Nghiên cứu đã chỉ ra rằng đào tạo về phân tích dữ liệu giúp cải thiện khả năng ra quyết định cho các SME, từ đó nâng cao hiệu suất hoạt động và khả năng cạnh tranh (Chen, 2024; Senyo & cộng sự, 2022).
Đào tạo ngắn hạn giúp nâng cao năng lực nhân sự SME, sai sót trong phân tích tài chính. Điều này cho thấy rằng việc nâng cao kỹ năng phân tích dữ liệu không chỉ hỗ trợ trong việc ra quyết định mà còn cung cấp lợi thế cạnh tranh rõ ràng cho các doanh nghiệp (Wang & cộng sự, 2020; Chisiri & Manzini, 2022).
SME nên tận dụng các chương trình đào tạo miễn phí từ chính phủ hoặc các tổ chức phi lợi nhuận, ví dụ, chương trình “Chuyển đổi số cho SME” của Bộ Kế hoạch và Đầu tư. Doanh nghiệp cần xây dựng lộ trình đào tạo liên tục, ưu tiên các kỹ năng thực hành thay vì lý thuyết. Nghiên cứu đã nhấn mạnh tầm quan trọng của việc áp dụng phương pháp học tập thực hành để có thể chuyển giao kiến thức một cách hiệu quả nhất, đảm bảo rằng nhân viên có thể áp dụng những gì đã học vào công việc hàng ngày của mình (Kusumawardhani & cộng sự, 2023; Garba, 2021).
Đối với doanh nghiệp lớn
Đối với doanh nghiệp lớn, doanh nghiệp thường có nguồn lực tài chính và nhân sự mạnh hơn, nhưng lại đối mặt với thách thức về tích hợp dữ liệu phức tạp và yêu cầu minh bạch cao. Các giải pháp dưới đây tập trung vào công nghệ tiên tiến và đào tạo chuyên sâu để tối ưu hóa việc áp dụng mô hình nghiên cứu.
Ứng dụng Blockchain
Sử dụng công nghệ Blockchain để đảm bảo dữ liệu tài chính minh bạch, an toàn và không thể thay đổi. Blockchain có thể được tích hợp vào các quy trình như quản lý chuỗi cung ứng, ghi nhận giao dịch và lập báo cáo tài chính, đặc biệt phù hợp với các mô hình tích hợp. Theo nghiên cứu của Revathi & cộng sự (2024), việc tích hợp công nghệ blockchain vào quản lý chuỗi cung ứng mang lại những lợi thế đáng kể trong việc giảm thiểu gian lận và tăng cường độ tin cậy của dữ liệu. Các nền tảng như IBM Blockchain hoặc Ethereum có thể được triển khai với chi phí ban đầu khoảng 500 triệu-1 tỷ VND, tùy quy mô doanh nghiệp.
Blockchain giúp giảm rủi ro sai sót dữ liệu và tăng độ tin cậy của báo cáo tài chính. Ví dụ, Công ty Vinamilk (2023) đã thí điểm Blockchain để quản lý chuỗi cung ứng, cải thiện độ tin cậy dữ liệu tài chính. Việc áp dụng blockchain giúp các doanh nghiệp lớn cải thiện đáng kể tính chính xác trong việc lập báo cáo tài chính, như được chứng minh bởi Liu & cộng sự (2022), cho thấy rằng các thông báo liên quan đến blockchain có thể tạo ra tín hiệu tích cực đối với giá trị cổ phiếu của các công ty.
Doanh nghiệp lớn nên hợp tác với các nhà cung cấp công nghệ uy tín (như IBM, FPT) để triển khai Blockchain, đồng thời xây dựng quy trình kiểm soát nội bộ để đảm bảo dữ liệu đầu vào chất lượng cao. Cần thực hiện thí điểm trên một phòng ban (ví dụ: kế toán) trước khi mở rộng toàn doanh nghiệp. Việc thực hiện các bước chuẩn bị và kiểm soát chất lượng này rất quan trọng nhằm đảm bảo an toàn trong việc quản lý thông tin.
Tích hợp ERP
Sử dụng hệ thống hoạch định nguồn lực doanh nghiệp (ERP) như SAP, Oracle, hoặc Microsoft Dynamics để tích hợp và tự động hóa dữ liệu tài chính từ các phòng ban. ERP hỗ trợ các mô hình tích hợp bằng cách cung cấp nền tảng dữ liệu thống nhất, giúp phân tích rủi ro và ra quyết định nhanh chóng. Chi phí triển khai ERP dao động từ 1-5 tỷ VND, với thời gian tích hợp từ 6-12 tháng. Nghiên cứu đã chỉ ra rằng việc áp dụng hệ thống ERP giúp tăng cường tính linh hoạt trong quá trình quản lý dữ liệu và tối ưu hóa hoạt động kinh doanh (Widjaja & Sardjono, 2024; (Bekmirzaev & cộng sự, 2025). Theo nghiên cứu của Bekmirzaev & cộng sự (2025), các doanh nghiệp sử dụng ERP không chỉ cải thiện quy trình báo cáo mà còn nâng cao hiệu suất làm việc thông qua tự động hóa các thao tác tay.
Doanh nghiệp lớn cần lựa chọn ERP phù hợp với ngành nghề (ví dụ: SAP cho tài chính, Oracle cho sản xuất) và đảm bảo đào tạo nhân sự trước khi triển khai. Việc tham gia vào các chương trình đào tạo và tư vấn chuyên nghiệp giúp tối ưu hóa quy trình tích hợp và giảm rủi ro gián đoạn. Nghiên cứu đã nhấn mạnh rằng việc đầu tư vào đào tạo sẽ gia tăng sự chấp nhận và sử dụng hiệu quả hệ thống ERP (Widjaja & Sardjono, 2024; Davidson & cộng sự, 2024).
Đào tạo chuyên sâu
Đầu tư vào các chương trình đào tạo chuyên sâu về AI, học máy, và phân tích dữ liệu nâng cao thông qua các nền tảng như Coursera, edX, hoặc các khóa học của Học viện Ngân hàng (chi phí khoảng 2-5 triệu VND/người). Nội dung đào tạo nên bao gồm cách sử dụng các công cụ như Python, R, hoặc TensorFlow để phân tích dữ liệu tài chính, cũng như ứng dụng AI trong các mô hình như dự báo xu hướng chứng khoán. Theo Zakaria & cộng sự (2023), việc áp dụng AI trong lĩnh vực tài chính không chỉ giúp cải thiện độ chính xác trong phân tích mà còn tăng cường khả năng dự báo, trở thành một phần thiết yếu trong giáo dục chuyên môn.
Đào tạo chuyên sâu có thể giúp cải thiện hiệu quả phân tích tài chính và giảm thiểu chi phí thuê tư vấn bên ngoài. Một công ty bảo hiểm lớn tại TP.HCM sau khi đào tạo nhân viên về học máy đã triển khai thành công mô hình dự báo rủi ro, dẫn đến việc giảm tỷ lệ bồi thường sai. Nghiên cứu của Mwachikoka (2024) cũng chỉ ra rằng AI có thể cải thiện đáng kể độ chính xác trong báo cáo tài chính và giảm thiểu rủi ro sai sót trong các quyết định tài chính.
Doanh nghiệp lớn nên xây dựng lộ trình đào tạo dài hạn (1-2 năm), kết hợp đào tạo nội bộ và thuê chuyên gia bên ngoài. Cần ưu tiên đào tạo các kỹ năng liên quan đến AI và Blockchain để tận dụng các mô hình nghiên cứu tiên tiến. Việc đầu tư vào chương trình đào tạo nhân viên có thể giúp doanh nghiệp cải thiện quy trình ra quyết định và tối ưu hóa hoạt động kinh doanh, như đã được nêu trong nghiên cứu của Hu (Hu, 2024).
Bảng 2: Thách thức và giải pháp theo loại hình doanh nghiệp
|
Doanh nghiệp |
Thách thức |
Giải pháp |
|
SME |
Thiếu dữ liệu, mô hình phức tạp, nhân sự yếu |
Đơn giản hóa mô hình, dung QuickBooks, đào tạo Excel |
|
Doanh nghiệp lớn |
Rủi ro sai sót, dữ liệu phức tạp |
Blockchain, ERP, đào tạo AI |
Nguồn: Tác giả tổng hợp
3. Kết luận và một số kiến nghị
Việc áp dụng các mô hình nghiên cứu trong lĩnh vực tài chính - kế toán từ lý thuyết vào thực tiễn là một quá trình phức tạp, đòi hỏi sự kết hợp hài hòa giữa các nghiên cứu học thuật và yêu cầu thực tế của doanh nghiệp. Các mô hình nghiên cứu có thể cung cấp những công cụ mạnh mẽ giúp nâng cao hiệu quả quản lý tài chính và kế toán, nhưng việc chuyển giao chúng vào môi trường thực tế vẫn đối mặt với không ít thách thức. Các vấn đề như thiếu dữ liệu thực tế, khả năng ứng dụng các mô hình phức tạp, và sự khác biệt giữa lý thuyết và thực tế là những yếu tố chính cần được giải quyết để đảm bảo sự thành công trong việc áp dụng các mô hình này.
Tuy nhiên, với các biện pháp phù hợp, như điều chỉnh mô hình nghiên cứu để phù hợp với bối cảnh cụ thể của từng doanh nghiệp, đào tạo đội ngũ nhân sự để nâng cao năng lực áp dụng các mô hình, và thúc đẩy hợp tác chặt chẽ giữa các nhà nghiên cứu và doanh nghiệp, chúng ta có thể vượt qua những thách thức này. Các giải pháp công nghệ, chẳng hạn như sử dụng hệ thống ERP, phần mềm tự động hóa hoặc ứng dụng công nghệ Blockchain trong thu thập và quản lý dữ liệu tài chính, cũng đóng vai trò quan trọng trong việc tối ưu hóa việc áp dụng mô hình nghiên cứu vào thực tế.
Kiến nghị
Điều chỉnh mô hình nghiên cứu phù hợp với thực tiễn doanh nghiệp: Các mô hình nghiên cứu cần được điều chỉnh để phù hợp với đặc thù của từng doanh nghiệp, đặc biệt là các doanh nghiệp vừa và nhỏ, nơi các yếu tố như quy mô doanh nghiệp và nguồn lực hạn chế có thể ảnh hưởng lớn đến việc áp dụng các mô hình tài chính. Việc điều chỉnh này không chỉ giúp mô hình trở nên thực tế hơn mà còn giúp nâng cao tính ứng dụng và hiệu quả của nó trong môi trường thực tế Basiru & cộng sự (2023).
Đào tạo và nâng cao năng lực nhân sự: Để các mô hình nghiên cứu có thể được áp dụng thành công, các chuyên gia tài chính và kế toán cần được đào tạo để hiểu và áp dụng các mô hình một cách hiệu quả. Việc tổ chức các khóa đào tạo chuyên sâu, hội thảo, và cung cấp các chương trình học thuật và thực hành sẽ giúp đội ngũ nhân viên nâng cao khả năng áp dụng các mô hình nghiên cứu vào thực tiễn công việc của họ (Brusov & cộng sự, 2024).
Thúc đẩy hợp tác giữa nhà nghiên cứu và doanh nghiệp: Một mối quan hệ hợp tác chặt chẽ giữa các nhà nghiên cứu và doanh nghiệp là điều vô cùng quan trọng. Cả hai bên cần chia sẻ thông tin, dữ liệu và kết quả nghiên cứu để mô hình nghiên cứu có thể được điều chỉnh và ứng dụng một cách linh hoạt vào thực tế. Hợp tác này không chỉ giúp nâng cao hiệu quả nghiên cứu mà còn giúp các doanh nghiệp hiểu và áp dụng các mô hình nghiên cứu tài chính một cách chính xác hơn (Maryniv, 2024).
Áp dụng công nghệ vào việc thu thập và phân tích dữ liệu: Các doanh nghiệp cần sử dụng công nghệ hiện đại, như các hệ thống phân tích dữ liệu lớn (big data), trí tuệ nhân tạo (AI), và công nghệ Blockchain để thu thập và phân tích dữ liệu trong thời gian thực. Công nghệ sẽ giúp tăng cường tính chính xác của dữ liệu tài chính, giảm thiểu rủi ro sai sót và hỗ trợ quá trình ra quyết định tài chính trở nên chính xác hơn. Các hệ thống ERP cũng sẽ giúp tích hợp quy trình tài chính, từ đó tối ưu hóa việc quản lý tài chính và kế toán (Din & cộng sự, 2022).
Đơn giản hóa các mô hình tài chính - kế toán phức tạp: Các mô hình nghiên cứu tài chính - kế toán có thể trở nên phức tạp đối với các doanh nghiệp nhỏ và vừa. Do đó, cần đơn giản hóa các mô hình này, chỉ tập trung vào những yếu tố quan trọng nhất trong việc ra quyết định tài chính. Việc phát triển phần mềm tự động hóa và hệ thống ERP sẽ giúp các doanh nghiệp giảm bớt khối lượng công việc thủ công và áp dụng các mô hình tài chính một cách hiệu quả (Dao & Th, 2024).
Kết luận
Các mô hình nghiên cứu trong lĩnh vực tài chính - kế toán có thể đóng góp rất lớn vào việc nâng cao hiệu quả quản lý tài chính trong các doanh nghiệp. Tuy nhiên, việc chuyển giao từ lý thuyết sang thực hành đòi hỏi phải giải quyết một số thách thức lớn. Bằng cách áp dụng các giải pháp điều chỉnh mô hình nghiên cứu, nâng cao năng lực nhân sự, thúc đẩy hợp tác giữa các nhà nghiên cứu và doanh nghiệp, cũng như ứng dụng công nghệ hiện đại, các doanh nghiệp có thể tối ưu hóa hiệu quả quản lý tài chính và kế toán, từ đó cải thiện hoạt động kinh doanh và duy trì sự bền vững trong môi trường kinh tế ngày càng thay đổi.
TÀI LIỆU THAM KHẢO
Anto, L. O. and Yusran, I. N. (2023). Determinants of the quality of financial reports. International Journal of Professional Business Review, 8(3), e01331. https://doi.org/10.26668/businessreview/2023.v8i3.1331
Arsić, V. B. (2021). Challenges of financial risk management: ai applications. Management:Journal of Sustainable Business and Management Solutions in Emerging Economies. https://doi.org/10.7595/management.fon.2021.0015
Basiru, J. O., Ejiofor, C. L., Onukwulu, E. C., & Attah, R. U. (2023). Financial management strategies in emerging markets: a review of theoretical models and practical applications. Magna Scientia Advanced Research and Reviews, 7(2), 123-140. https://doi.org/10.30574/msarr.2023.7.2.0054
Bekmirzaev, O., Gulomova, K., & Bekmirzaeva, M. (2025). Indicators used to assess the success of erp systems. International Journal of Advance Scientific Research, 5(3), 89-95. https://doi.org/10.37547/ijasr-05-03-13
Bracke, P., Datta, A., Jung, C., & Sen, S. (2019). Machine learning explainability in finance: an application to default risk analysis. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3435104
Brusov, P., Filatova, T. V., & Kulik, V. (2024). Incorporating capm into capital structure theories: accounting for business and financial risks. Finance: Theory and Practice, 28(5), 83-108. https://doi.org/10.26794/2587-5671-2024-28-5-83-108
Čadež, S. and Guilding, C. (2008). An exploratory investigation of an integrated contingency model of strategic management accounting. Accounting, Organizations and Society, 33(7-8), 836-863. https://doi.org/10.1016/j.aos.2008.01.003
Cao Thi Cam Van & Lang Thi Minh Thao (2021). Những nhân tố tác động đến kế toán trong thời đại kỹ thuật số của cuộc cách mạng công nghiệp 4.0. Journal of Science and Technology - IUH, 46(04). https://doi.org/10.46242/jst-iuh.v46i04.648
Chandrasekara, V., Tilakaratne, C. D., & Mammadov, M. (2019). An improved probabilistic neural network model for directional prediction of a stock market index. Applied Sciences, 9(24), 5334. https://doi.org/10.3390/app9245334
Chen, Q. (2024). Fintech innovation in micro and small business financing. International Journal of Global Economics and Management, 2(1), 284-290. https://doi.org/10.62051/ijgem.v2n1.36
Chisiri, T. and Manzini, S. (2022). Impact of financial management practices on sustainable growth of smes: a case of catering organizations in bulawayo metropolitan province. International Journal of Entrepreneurial Research, 4(3), 48-53. https://doi.org/10.31580/ijer.v4i3.2042
Dao, A. and Th, A. D. M. (2024). Efektivitas pengelolaan keuangan pada rumah makan lontong blora di karangjati, kabupaten semarang. Journal of Education, Humaniora and Social Sciences (JEHSS), 7(2), 540-546. https://doi.org/10.34007/jehss.v7i2.2393
Davidson, M. W., Parnell, J. A., & Davenport, S. W. (2024). A cognitive bias awareness matrix for enhancing erp decision-making in entrepreneurial firms. Journal of Ethics in Entrepreneurship and Technology, 4(1), 38-61. https://doi.org/10.1108/jeet-05-2024-0011
Din, M., Munawarah, M., Ghozali, I., Achmad, T., & Karim, F. (2022). Governance of financial management and regulation-based fiscal accountability. Journal of Governance and Regulation, 11(2), 116-123. https://doi.org/10.22495/jgrv11i2art10
Garba, M. A. (2021). Intellectual capital as a panacea to sustainability in small and medium-scale enterprises. Revista Gestão Inovação E Tecnologias, 11(3), 49-62. https://doi.org/10.47059/revistageintec.v11i3.1915
Gruszczyński, M. (2018). Good practices in empirical corporate finance and accounting research. Journal of Banking and Financial Economics, 2/2018(10), 45-51. https://doi.org/10.7172/2353-6845.jbfe.2018.2.2
HC, R. H. K. (2022). The role of financial literacy, access of finance, financial risk attitude on financial performance. study on smes jogjakarta. Jurnal Keuangan Dan Perbankan, 26(4), 805-819. https://doi.org/10.26905/jkdp.v26i4.7936
Hu, H. (2024). Artificial intelligence background corporate financial management transformation study. Frontiers in Business, Economics and Management, 15(2), 52-56. https://doi.org/10.54097/580m4t65
Huang, H. and Lim, T. S. (2024). Construction and optimization of financial risk management model based on financial data and text data influencing information system. Journal of Information Systems Engineering and Management, 9(2), 24534. https://doi.org/10.55267/iadt.07.14767
Kurniawan, B. (2023). Exploring the societal implications of accounting practices and standards. Advances in Applied Accounting Research, 1(3), 139-149. https://doi.org/10.60079/aaar.v1i3.193
Kusumawardhani, R., Ningrum, N. K., & Rinofah, R. (2023). Investigating digital financial literacy and its impact on smes’ performance: evidence from indonesia. International Journal of Professional Business Review, 8(12), e04097. https://doi.org/10.26668/businessreview/2023.v8i12.4097
Kusumawardhani, R., Ningrum, N. K., & Rinofah, R. (2023). Investigating digital financial literacy and its impact on smes’ performance: evidence from indonesia. International Journal of Professional Business Review, 8(12), e04097. https://doi.org/10.26668/businessreview/2023.v8i12.4097
Linnenluecke, M. K., Birt, J., Chen, X., Xin, L., & Smith, T. (2017). Accounting research in abacus, a&f, aar, and ajm from 2008–2015: a review and research agenda. Abacus, 53(2), 159-179. https://doi.org/10.1111/abac.12107
Liu, W., Wang, J., Jia, F., & Choi, T. (2022). Blockchain announcements and stock value: a technology management perspective. International Journal of Operations &Amp; Production Management, 42(5), 713-742. https://doi.org/10.1108/ijopm-08-2021-0534
Maryniv, N. A. (2024). Guilt as a condition for financial accountabiliti: from theory to practice. Juridical Scientific and Electronic Journal, (1), 419-422. https://doi.org/10.32782/2524-0374/2024-1/96
Muneer, A., Taib, S. M., Fati, S. M., Balogun, A. O., & Aziz, I. A. (2022). Optimized stacked autoencoder for iot enabled financial crisis prediction model. Computers, Materials &Amp; Continua, 71(1), 1079-1094. https://doi.org/10.32604/cmc.2022.021199
Mwachikoka, C. F. (2024). Effects of artificial intelligence on financial reporting accuracy. World Journal of Advanced Research and Reviews, 23(3), 1751-1767. https://doi.org/10.30574/wjarr.2024.23.3.2791
Nguyễn Hoàng Thanh Trúc & cộng sự (2023). Nghiên cứu các nhân tố ảnh hưởng đến hiểu biết tài chính của người dân tỉnh vĩnh long. Tạp Chí Khoa Học Trường Đại Học Quốc Tế Hồng Bàng, 23, 151-158. https://doi.org/10.59294/hiujs.23.2023.352
Nguyễn Thanh Hùng (2023). Tác động của năng lực phân tích dữ liệu lớn đến hiệu suất của doanh nghiệp dịch vụ logistics tại thành phố hồ chí minh thông qua khả năng phục hồi chuỗi cung ứng vận tải. Journal of Trade Science, 77-89. https://doi.org/10.54404/jts.2023.178v.07
Nguyễn Thị Hồng & cộng sự (2024). Tác động của cường độ sử dụng vốn đến hiệu quả tài chính của các doanh nghiệp sản xuất niêm yết tại việt nam. Journal of Science and Technology - HaUI, 60(2). https://doi.org/10.57001/huih5804.2024.073
Nguyễn Thị Mai Hương & Bùi Thị Sen (2021). Các yếu tố ảnh hưởng đến ý định thực hiện chuyển đổi số trong các doanh nghiệp nhỏ và vừa trên địa bàn thành phố hà nội. TNU Journal of Science and Technology, 226(18), 347-355. https://doi.org/10.34238/tnu-jst.5263
Nguyễn Thị Thu Thủy (2023). Báo cáo lưu chuyển tiền tệ và việc sử dụng chúng trong việc ra quyết định liên quan đến doanh nghiệp. Journal of Science and Technology - HaUI, 59(4). https://doi.org/10.57001/huih5804.2023.155
Nguyễn Thu Giang & Lê Đức Đàm (2022). Tác động của số hóa doanh nghiệp lên khả năng tham gia vào chuỗi cung ứng toàn cầu: bằng chứng từ các doanh nghiệp sản xuất tại việt nam. Can Tho University Journal of Science, 58(4), 235-251. https://doi.org/10.22144/ctu.jvn.2022.182
Pangaribuan, H., Sunarsi, D., Santoso, A., Wahyuni, E. S., & Yoewono, H. (2023). Quality of financial statement and the factors that influence it. Jurnal Akuntansi, 27(1), 176-196. https://doi.org/10.24912/ja.v27i1.1206
Phạm Ngọc Thùy Như & Nguyễn Kim Phước (2022). Các yếu tố ảnh hưởng đến chính sách cổ tức của các công ty ngành công nghiệp niêm yết tại sở giao dịch chứng khoán thành phố hồ chí minh. Tạp Chí Khoa Học Đại Học Mở Thành Phố Hồ Chí Minh - Kinh Tế Và Quản Trị Kinh Doanh, 17(3), 124-137. https://doi.org/10.46223/hcmcoujs.econ.vi.17.2.2061.2022
Phạm Trịnh Hồng Phi & Trần Mai Hương (2024). Ứng dụng trí tuệ nhân tạo trong giao tiếp giữa cơ sở dịch vụ công và người dân việt nam thông qua ứng dụng dựa vào chatbot tại việt nam. Tập San Khoa Học Và Kỹ Thuật Trường Đại Học Bình Dương, 7(1). https://doi.org/10.56097/binhduonguniversityjournalofscienceandtechnology.v7i1.211
Pham, H. S. T., & Nguyen, D. T. (2020). Debt financing and firm performance: The moderating role of board independence. Journal of General Management, 45(3), 141-151. https://doi.org/10.1177/0306307019886829
Pinter, K. A., Zhang, H., Liu, C., Tran, B. X., Chokshi, M., Lucerno-Prisno, D. E., … & Tang, S. (2021). Elements and performance indicators of integrated healthcare programmes on chronic diseases in six countries in the asia-pacific region: a scoping review. International Journal of Integrated Care, 21(1), 3. https://doi.org/10.5334/ijic.5439
Revathi, M., Lakshmi, T. V., & Goud, K. S. K. (2024). Impact of blockchain technology in supply chain system. International Research Journal on Advanced Engineering and Management (IRJAEM), 2(05), 1670-1672. https://doi.org/10.47392/irjaem.2024.0238
Rijanto, A. (2021). Blockchain technology adoption in supply chain finance. Journal of Theoretical and Applied Electronic Commerce Research, 16(7), 3078-3098. https://doi.org/10.3390/jtaer16070168
Senyo, P., Gozman, D., Karanasios, S., Dacre, N., & Baba, M. (2022). Moving away from trading on the margins: economic empowerment of informal businesses through fintech. Information Systems Journal, 33(1), 154-184. https://doi.org/10.1111/isj.12403
Singh, A. and Ogunfunmi, T. (2021). An overview of variational autoencoders for source separation, finance, and bio-signal applications. Entropy, 24(1), 55. https://doi.org/10.3390/e24010055
Sumner, J., Teo, E. L. K., Tan, C., Neo, S. H., Lee, L. H., Ng, B., … & Lim, Y. W. (2023). Implementing an integrated generalist-led inpatient care model: results of a mixed-method evaluation. International Journal of Integrated Care, 23, 13. https://doi.org/10.5334/ijic.6963
Thursina, F. (2023). Unveiling the transformational impact of digital technologies on accounting and finance. West Science Accounting and Finance, 1(02), 45-51. https://doi.org/10.58812/wsaf.v1i02.131
Togun, O. R., Ogunrinade, R., Olalekan, O. T., & Jooda, T. D. (2023). Financial inclusion and smes’ performance: mediating effect of financial literacy. Journal of Business and Environmental Management, 1(1), 23-33. https://doi.org/10.59075/jbem.v1i1.148
Trần Trung. (2019, Tháng 11 7). Vinamilk sử dụng giải pháp truy xuất nguồn gốc blockchain của TE-FOOD để theo dõi sữa hữu cơ. Hiệp hội Sữa Việt Nam. https://vda.org.vn/vinamilk-su-dung-giai-phap-truy-xuat-nguon-goc-blockchain-cua-te-food-de-theo-doi-sua-huu-co/
Trịnh Hữu Lực & Nguyễn Thị Thu (2023). Nhận thức về vai trò của kế toán quản trị môi trường dưới góc nhìn từ các nhân tố tình huống. Tạp Chí Nghiên Cứu Tài Chính - Marketing, 113-126. https://doi.org/10.52932/jfm.vi4.326
Tucker, B. P. and Parker, L. D. (2018). Researcher perceptions and choices of interview media: the case of accounting research. Accounting &Amp; Finance, 59(3), 1489-1517. https://doi.org/10.1111/acfi.12393
Vũ Thị Hậu (2023). Ứng dụng mô hình B-score phân tích các yếu tố ảnh hưởng đến rủi ro tài chính tại các doanh nghiệp y tế niêm yết trên thị trường chứng khoán Việt Nam. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh – Kinh tế và Quản trị Kinh doanh, 18(3), 135-146. https://doi.org/10.46223/HCMCOUJS.econ.vi.18.3.2131.2023
Wang, K., Yan, F., Zhang, Y., Xiao, Y., & Gu, L. (2020). Supply chain financial risk evaluation of small- and medium-sized enterprises under smart city. Journal of Advanced Transportation, 2020, 1-14. https://doi.org/10.1155/2020/8849356
Wang, L. (2022). Financial risk analysis system and supervision based on big data and blockchain technology. Security and Privacy, 6(2). https://doi.org/10.1002/spy2.224
Wang, X. (2023). Algorithms and research in accounting application based on artificial intelligence.. https://doi.org/10.4108/eai.7-7-2023.2338051
Wang, Y., Liu, X., & Zhang, S. (2020). Blockchain-based solutions for financial data analysis. International Journal of Information Management, 54, 102198.
Weerasekara, S. and Bhanugopan, R. (2022). The impact of entrepreneurs’ decision-making style on smes’ financial performance. Journal of Entrepreneurship in Emerging Economies, 15(5), 861-884. https://doi.org/10.1108/jeee-03-2021-0099
Widjaja, M. E. L. K. and Sardjono, W. (2024). Effects and success factors of enterprise resource planning implementation on organizational performance: a systematic literature review. Journal of Management : Small and Medium Enterprises (SMEs), 17(2), 465-477. https://doi.org/10.35508/jom.v17i2.13290
Xu, Y. (2024). Financial statement text information mining and key information extraction model construction. Journal of Electrical Systems, 20(6s), 800-805. https://doi.org/10.52783/jes.2743
Zakaria, S., Manaf, S. M. A., Amron, M. T., & Suffian, M. T. M. (2023). Has the world of finance changed? a review of the influence of artificial intelligence on financial management studies. Information Management and Business Review, 15(4(SI)I), 420-432. https://doi.org/10.22610/imbr.v15i4(si)i.3617
Zeng, L., Zhang, Q., & Zhou, M. (2024). Financial statement fraud detection - applicable of dechow f-score in china. Advances in Economics, Management and Political Sciences, 92(1), 94-103. https://doi.org/10.54254/2754-1169/92/20231274
Zhou, L., Lai, K. K., & Yen, J. (2012). Empirical models based on features ranking techniques for corporate financial distress prediction. Computers &Amp; Mathematics With Applications, 64(8), 2484-2496. https://doi.org/10.1016/j.camwa.2012.06.003