1. Trang Chủ
  2. Quản trị kinh doanh
  3. Cơ hội phát triển bền vững từ cuộc cách mạng công nghiệp lần thứ tư: Phân tích bằng mô hình ISM

Cơ hội phát triển bền vững từ cuộc cách mạng công nghiệp lần thứ tư: Phân tích bằng mô hình ISM

Mục đích của bài viết này là phân tích một số cơ hội từ cuộc cách mạng công nghiệp lần thứ tư (CMCN 4.0) cho phát triển bền vững. Cơ sở lý thuyết được phân tích và tổng hợp từ những nghiên cứu trước. Dữ liệu nghiên cứu dựa vào kết quả khảo sát từ 15 chuyên gia, mô hình cấu trúc giả thích (Interpretive Structural Modeling – ISM) và ma trận MICMAC được sử dụng làm công cụ phân tích. CƠ HỘI PHÁT TRIỂN BỀN VỮNG TỪ CUỘC CÁCH MẠNG CÔNG NGHIỆP LẦN THỨ TƯ: PHÂN TÍCH BẰNG MÔ HÌNH ISM TS Nguyễn Quyết* TÓM

Thể loại Tài liệu miễn phí Quản trị kinh doanh

Số trang 14

Ngày tạo 4/4/2023 7:20:41 AM +00:00

Loại tệp PDF

Kích thước 0.46 M

Tên tệp

Tải Cơ hội phát triển bền vững từ cuộc cách mạng công ... (.pdf)

Xem mẫu

  1. CƠ HỘI PHÁT TRIỂN BỀN VỮNG TỪ CUỘC CÁCH MẠNG CÔNG NGHIỆP LẦN THỨ TƯ: PHÂN TÍCH BẰNG MÔ HÌNH ISM TS Nguyễn Quyết* TÓM TẮT Mục đích của bài viết này là phân tích một số cơ hội từ cuộc cách mạng công nghiệp lần thứ tư (CMCN 4.0) cho phát triển bền vững. Cơ sở lý thuyết được phân tích và tổng hợp từ những nghiên cứu trước. Dữ liệu nghiên cứu dựa vào kết quả khảo sát từ 15 chuyên gia, mô hình cấu trúc giả thích (Interpretive Structural Modeling – ISM) và ma trận MICMAC được sử dụng làm công cụ phân tích. Kết quả nghiên cứu chỉ ra rằng những cơ hội rõ nét nhất, đến sớm nhất bao gồm; Đổi mới mô hình kinh doanh, tăng lợi nhuận của doanh nghiệp và giảm chi phí sản xuất. Bên cạnh đó, gia tăng phúc lợi xã hội là cơ hội xuất hiện muộn nhất. Từ khóa: Phát triển bền vững, mô hình ISM, CMCN 4.0. 1. Giới thiệu Tiến trình phát triển xã hội loài người đã và đang trải qua bốn cuộc cách mạng công nghiệp. Cách mạng công nghiệp lần thứ nhất (1765 – 1830) được đánh dấu bằng sự ra đời của máy hơi nước, cuộc cách mạng thứ hai (1870 – 1960) là sự xuất hiện của điện năng, cuộc cách mạng lần thứ ba (1979 – 2010) là sự bùng nổ của tin học và tự động hóa. Tiếp theo là cuộc cách mạng công nghiệp lần thứ 4 – CMCN 4.0 (2011-…), bao gồm các công nghệ mới chủ yếu như Internet kết nối vạn vật (IoT), rô bốt cao cấp, công nghệ in ấn 3D, điện toán đám mây, di động không dây, trí tuệ thông minh nhân tạo, nano, khoa học về vật liệu tiên tiến, lưu trữ năng lượng và tin học lượng tử,… Phương thức vận hành của CMCN 4.0 chủ yếu liên quan đến chuyển đổi số trên toàn bộ thị trường, là cơ sở cho sự ra đời của sản xuất thông minh, số hóa toàn bộ các kênh phân phối (Schroeder và cộng sự, 2019). Phát triển bền vững (PTBV) là một khái niệm mang nội hàm khá rộng với hàm ý đề cập đến sự phát triển về mọi mặt trong xã hội hiện tại mà vẫn phải bảo đảm sự tiếp tục phát triển trong tương lai. Theo Caradonna (2014) mục tiêu của PTBV là đạt được sự đầy đủ về vật chất, sự giàu có về tinh thần và văn hóa, sự bình đẳng của các công dân và sự đồng thuận của xã hội, sự hài hòa giữa con người và tự nhiên. Phần lớn các nghiên cứu cụ thể hóa Khoa Kinh tế – Luật, Trường Đại học Tài chính – Marketing. * - 93
  2. mục tiêu PTBV trên nền tảng 3 trụ cột là môi trường, kinh tế và xã hội (Kamble và cộng sự, 2018; Khuntia và cộng sự, 2018). PTBV về môi trường liên quan đến việc duy trì trạng thái cân bằng của hệ thống môi trường trên trái đất, cân bằng việc tiêu thụ tài nguyên thiên nhiên, tái tạo và tích hợp các hệ sinh thái. PTBV về kinh tế đề cập đến tăng trưởng kinh tế trong dài hạn song song với bảo tồn tài nguyên môi trường và xã hội. Nghĩa là tăng trưởng kinh tế phải đảm bảo sự cân bằng về tài nguyên thiên nhiên, hệ sinh thái, phúc lợi xã hội và phân phối lại của cải vật chất (Choi, S., & Ng, A., 2011). PTBV về xã hội là tạo ra cộng đồng có lối sống lành mạnh, nơi đó mọi người đều được bảo vệ khỏi sự phân biệt đối xử, được tiếp cận với các quyền con người, đảm bảo các tiện nghi cơ bản về an ninh và được chăm sóc sức khỏe (Dempsey và cộng sự, 2011). Hiện nay, CMCN 4.0 đã và đang tác động mạnh mẽ trên mọi lĩnh vực của đời sống kinh tế-xã hội, môi trường, mang lại nhiều cơ hội cho doanh nghiệp như đổi mới mô hình kinh doanh, tăng lợi nhuận, tiết kiệm năng lượng, tăng trách nhiệm xã hội với môi trường, hình thành chuỗi cung ứng tích hợp… nhằm đạt được mục tiêu PTBV (Cusumano và cộng sự, 2015; Kamble và cộng sự, 2018; Dolgui và cộng sự, 2019). Theo Ban kinh tế trung ương (2021), Việt Nam đứng thứ 55 về chuyển đổi số của thế giới, một vị trí khá tích cực trong quá trình số hóa. Tuy vậy, đất nước vẫn đang thuộc nhóm quá độ trong quá trình số hóa và do đó cần phải có nhiều nỗ lực để có thể nắm bắt những cơ hội từ CMCN 4.0. Mục đích của bài báo này là phân tích, tìm hiểu những cơ hội từ CMCN 4.0 mang lại cho sự phát triển bền vững tại Việt Nam, qua đó giúp các nhà quản lý hiểu rõ hơn bản chất giữa các mối quan hệ để vận dụng, khai thác các cơ hội này một cách hợp lý và hiệu quả. 2. Tổng quan lý thuyết 2.1. Gia tăng phúc lợi xã hội Trong vài thập kỷ qua, sự tiến bộ và lan tỏa của công nghệ dường như không mang lại nhiều cơ hội bình đẳng kinh tế-xã hội (Bauer, 2018). Các báo cáo và khảo sát kinh tế gần đây cho thấy rằng những tiến bộ công nghệ ít nhiều có liên quan đến bất bình đẳng kinh tế, nơi các công nghệ mới mang lại nhiều của cải và mức sống hơn cho những người may mắn, trong khi những người khác vẫn tụt hậu thậm chí còn nhiều hơn (Zhou và Tyers, 2018). Tuy nhiên, CMCN 4.0 và số hóa trong sản xuất, mô hình này có thể mang lại những cơ hội để giảm bớt bất bình đẳng về thu nhập (Branger và Pang, 2015; Xu và cộng sự, 2018). Vô số cơ hội việc làm được tạo ra và việc tăng lương tối thiểu do khả năng tích hợp kỹ năng của các công việc mới trong bối cảnh CMCN 4.0 có thể giải quyết tích cực vấn đề bất bình đẳng về kinh tế (Sung, 2018). Nhờ nguyên tắc thiết kế cá nhân hóa sản phẩm của CMCN 4.0, ngay cả những điều bình thường nhất người tiêu dùng cũng có thể tùy chỉnh một phần hoặc toàn bộ đơn đặt hàng của họ mà không phải trả giá cao (Wang và cộng sự, 2017). Các mô 94 -
  3. hình tiếp thị, phân phối sản phẩm mới, cũng như nguyên liệu, nguồn tài nguyên được vận hành bởi nền tảng sản xuất số hóa thông minh được kỳ vọng sẽ nâng cao khả năng tiếp cận toàn cầu, giảm thiểu các chi phí làm gia tăng phúc lợi xã hội (Strange và Zucchella, 2017). 2.2. Đổi mới mô hình kinh doanh Sự xuất hiện của CMCN 4.0 đã gắn liền với sự ra đời và áp dụng rộng rãi mô hình kinh doanh mới có thể mang lại những cơ hội phát triển bền vững về kinh tế và xã hội (Evans và cộng sự, 2017). Theo Cusumano và cộng sự (2015); Jiang và cộng sự (2016) cho rằng các nguyên tắc thiết kế của cách mạng công nghiệp 4.0, chẳng hạn như khả năng tương tác, khả năng phân quyền và thời gian thực thi đã làm thay đổi đáng kể cách thức mà các doanh nghiệp thiết kế, cung cấp sản phẩm và dịch vụ. Mặt khác, CMCN 4.0 là nền tảng căn bản cho sự xuất hiện các nhà máy thông minh, sản phẩm thông minh, chuỗi cung ứng thông minh đáp ứng nhu cầu của khách hàng linh hoạt và hiệu quả hơn. 2.3. Phát triển nguồn nhân lực CMCN 4.0 và chuyển đổi số đang tác động lên hầu hết các ngành nghề trong xã hội, là nền tảng để kinh tế chuyển đổi mạnh mẽ từ mô hình dựa vào thâm dụng lao động sang kinh tế tri thức, tạo ra những thay đổi lớn về cung-cầu lao động trên thị trường. Theo Longo và cộng sự (2017) cho rằng chuyển đổi số đang định hình lại cách thức làm việc của nguồn nhân lực. Chẳng hạn, công nghệ AI và các công cụ phân tích dữ liệu có thể cho phép người quản lý trích xuất các mẫu có ý nghĩa từ dữ liệu nhân viên và đưa ra các chương trình phát triển nghề nghiệp được cá nhân hóa hoặc các chương trình học tập dựa trên hành vi, kinh nghiệm, kỹ năng, tính cách và mô hình học tập của mỗi nhân viên (Stone và cộng sự, 2018). Tương tự, công nghệ mô phỏng AVR (Augmented and Virtual Reality) cung cấp những trải nghiệm học tập hợp lý hơn, an toàn hơn, nhanh hơn và hiệu quả hơn (Martín-Gutiérrez và cộng sự, 2015). Đổi lại, các sáng kiến ​​phát triển nguồn nhân lực được hỗ trợ bởi kỹ thuật số cũng mang lại nhiều cơ hội phát triển kinh tế bền vững như tăng năng suất của lao động và phát huy hiệu quả hoạt động của doanh nghiệp (De Zubielqui và cộng sự, 2019). 2.4. Tăng lợi nhuận của doanh nghiệp Hofmann và Rüsch (2017); Kiel và cộng sự (2017); Müller và cộng sự (2018) đã thừa nhận rằng CMCN 4.0 có tác động tích cực đến lợi nhuận của doanh nghiệp, các xu hướng công nghệ như IoT, dịch vụ đám mây và phân tích dữ liệu lớn, in 3D,… đã tạo cơ hội làm gia tăng lợi nhuận của doanh nghiệp. Những ảnh hưởng tích cực trong quá trình hoạt động của doanh nghiệp như (i) tối ưu hóa dòng nguyên liệu, (ii) thời gian tốt hơn để tiếp thị sản phẩm, (iii) không gian sản xuất và tối ưu hóa cơ sở, (iv) hiệu quả nguồn lực, (v) giảm chất thải, (vi) cải tiến và chất lượng sản phẩm vượt trội, (vii) nâng cao năng lực sản xuất và độ tin cậy, (viii), chiến lược khả năng thích ứng và (ix) giảm chi phí hàng tồn kho. - 95
  4. 2.5. Gia tăng trách nhiệm xã hội với môi trường Trách nhiệm xã hội của DN là cam kết của DN đóng góp cho sự phát triển kinh tế bền vững thông qua những việc làm có lợi cho doanh nghiệp cũng như phát triển chung của toàn xã hội (Nguyễn Quyết, 2017). Như vậy, trách nhiệm xã hội về môi trường là một bộ phận trách nhiệm xã hội của DN, thể hiện cam kết về quản lý và cải thiện những tác động với môi trường do hoạt động của DN tạo ra. Thật vậy, CMCN 4.0 và số hóa trong lĩnh vực sản xuất đã mang lại những ý nghĩa sâu sắc đối với sự bền vững kinh tế-xã hội nhờ vào sự phát triển các ứng dụng thân thiện với môi trường (Kamble và cộng sự, 2018). Ví dụ, các công nghệ sản xuất phụ gia, AVR và HPCCADM tạo điều kiện phát triển các sản phẩm mới thân thiện hơn (Ford và Despeisse, 2016; Niaki và cộng sự, 2019). Mặt khác, các phương thức IoT, IoS, dữ liệu lớn,… tạo điều kiện thuận lợi cho việc phát triển các ứng dụng quản lý môi trường như đánh giá vòng đời, cân bằng sinh thái, hoặc đánh giá hiệu suất nhằm chia sẽ các thông tin quản lý môi trường trên toàn hệ thống (Gbededo và cộng sự, 2018; Khuntia và cộng sự, 2018). Dưới lăng kính phát triển kinh tế bền vững, Jabbour và cộng sự (2018) cho rằng quá trình chuyển đổi số sẽ cho phép các doanh nghiệp nắm bắt thị trường nhanh chóng, kịp thời và ý thức hơn trong việc tiếp thu các cơ hội phát triển bền vững về môi trường. Hơn nữa, CMCN 4.0 tác động đến hiệu quả sản xuất thông qua sự hợp tác, cung cấp khả năng quản lý tri thức toàn chuỗi, linh hoạt trong sản xuất và mô-đun thiết kế, tạo ra nhiều cơ hội tối ưu nguồn nguyên vật liệu, giảm thiểu chất thải, dẫn đến phát triển bền vững môi trường (Kiel và cộng sự, 2017; Niaki và cộng sự, 2019). 2.6. Giảm lượng phát thải khí độc hại Báo cáo môi trường chỉ ra rằng khí thải công nghiệp là nguyên nhân tạo ra nhiều hơn 40% lượng phát thải khí nhà kính trên toàn thế giới (EPA, 2019). Theo Ford và Despeisse (2016); Kamble và cộng sự (2018) tin rằng số hóa trong sản xuất và sự xuất hiện của CMCN 4.0 mang lại nhiều cơ hội để giảm lượng phát thải cacbon. Sản xuất dựa trên IoT và AI làm tăng hiệu quả và tính linh hoạt, giảm thiểu chất thải và chỉ số phát thải carbon trên mỗi sản phẩm (Jin và cộng sự, 2017). Mặt khác, Müller và cộng sự (2018), Cai và cộng sự (2019) cho rằng CMCN 4.0 mang lại nhiều thuận lợi cho sự phát triển các mô hình kinh doanh mới, chẳng hạn như sự thay đổi từ sản xuất hàng loạt sang tùy chỉnh và thậm chí cá nhân hóa sản phẩm, qua đó có thể tối ưu hóa thị trường tiêu dùng và đóng góp vào việc hiện thực hóa các cam kết cắt giảm khí các-bon trong tương lai, đóng góp vào sự bền vững về môi trường và xã hội. 2.7. Giảm chi phí sản xuất Chi phí sản xuất là một trong những chỉ tiêu cơ bản để đo lường tính hiệu quả của doanh nghiệp. Nếu doanh nghiệp theo đuỗi chiến lược dẫn đầu về chi phí (cost leadership 96 -
  5. strategy) sẽ có cơ hội bảo vệ khỏi các đối thủ cạnh tranh, tạo ra hàng rào gia nhập ngành của đối thủ. Theo Dalenogare và cộng sự (2018); Fatorachian và Kazemi (2018); Fettermann và Sl. (2018); Lin và cộng sự (2018) cho rằng CMCN 4.0 đã mang lại những lợi thế cạnh tranh đáng kể về chi phí như tạo ra quy trình sản xuất tự động không ngừng 24/7, cải thiện khả năng kiểm soát quy trình, cải thiện độ chính xác và chất lượng sản xuất, giám sát thời gian thực thi và phòng ngừa rủi ro, bảo trì hiệu quả, giảm sai sót của con người trong quá trình ra quyết định về chất lượng, giảm chi phí nhân lực và nguyên vật liệu, sử dụng hiệu quả nguồn tài nguyên và năng lượng trong quá trình sản xuất. 2.8. Hình thành chuỗi cung ứng tích hợp Sự phổ biến của các đổi mới công nghệ như IoT, điện toán đám mây, Blockchain, AI… đang dần chuyển đổi chuỗi cung ứng truyền thống sang dạng tích hợp (Chia sẻ thông tin và phối hợp các nguồn lực để cùng quản lý một hoặc một số quy trình). Đặc biệt, với sự phát triển của hệ thống DSN (Digital Supply Network) đã cung cấp nhiều lợi thế cho chuỗi cung ứng tích hợp như chia sẽ công việc trên toàn bộ chuỗi cung ứng một cách bình đẳng, tiếp thị hiệu quả, lập kế hoạch cộng tác, tích hợp khách hàng sâu hơn (Dolgui và cộng sự, 2019). Quan trọng hơn, hệ thống DSN thu nhận dữ liệu, quản lý, tích hợp thông tin tốt hơn, do đó DSN có thể phát hiện và ngăn chặn những rủi ro xảy ra trong suốt thời gian vận hành (Bechtsis và cộng sự, 2018) và mang lại sự khác biệt trong cạnh tranh giữa các thành viên cung cấp (Ivano và cộng sự, 2019). 3. Phương pháp nghiên cứu 3.1. Mô hình ISM Mô hình cấu trúc giải thích (Interpretive Structural Model-ISM) được xây dựng trên cơ sở kết hợp trên nền tảng; ngôn ngữ, lý thuyết đồ thị và toán rời rạc, để cung cấp một phương pháp xây dựng cấu trúc các vấn đề phức tạp (Warfield, 1974). ISM kết hợp các yếu tố được đo bằng thang đo thứ tự, do đó cách tiếp cận này cho phép các yếu tố định tính được giữ lại như là một phần không tách rời của mô hình, đây là sự khác biệt so với nhiều phương pháp mô hình hóa truyền thống chỉ có thể áp dụng với các biến số định lượng. Các yếu tố hoặc các biến trong số các mối quan hệ phải được thiết lập, được xác định hoặc liệt kê bởi nhóm chuyên gia trong lĩnh vực nghiên cứu. ISM hỗ trợ các nhà phân tích chính sách xác định các khu vực cho hành động mang lại lợi thế hoặc đòn bẩy trong việc theo đuổi các mục tiêu cụ thể. Hiện nay, mô hình này được áp dụng rộng rãi trong nhiều các lĩnh vực nghiên cứu như quản lý năng lượng, công nghệ thông tin, chiến lược sản xuất, quản lý hiệu quả, quản lý dự án, quản lý rủi ro, quản lý chiến lược, quản lý chất lượng tổng thể (Praveen Goyal và Divesh Kumar, 2017). Các bước thực hiện theo mô hình ISM như sau: - 97
  6. Hình 1. Quy trình phương pháp ISM Nguồn: Tác giả tóm tắt Bước 1: Lược khảo lý thuyết về vấn đề nghiên cứu để nhận dạng các yếu tố. Bước 2: Liệt kê các yếu tố (biến) sao cho phù hợp với bối cảnh nghiên cứu. Bước 3: Xây dựng ma trận tự tương tác (Structural Self Interaction Matrix-SSIM) bằng cách so sánh quan hệ từng cặp yếu tố và gán như sau: V: Nếu yếu tố i tác động tới yếu tố j nhưng j không tác động tới i; A: Nếu yếu tố i không tác động tới j nhưng j tác động tới i; X: Nếu yếu tố i tác động qua lại với j; O: Nếu yếu tố i không tác động qua lại với yếu tố j. Bước 4: Xây dựng ma trận truy cập (Reachability Matrix-RM) bằng cách thay thế V, A, X, O trong ma trận SSIM bằng biến nhị phân 0 hoặc 1 theo nguyên tắc sau: Nếu biến (ij) trong ma trận SSIM là V thì (ij) trong RM bằng 1 và (ji) bằng 0. Nếu biến (ij) trong ma trận SSIM là A thì (ij) trong RM bằng 0 và (ji) bằng 1. Nếu biến (ij) trong ma trận SSIM là X thì (ij) trong RM bằng 1 và (ji) bằng 1. Nếu biến (ij) trong ma trận SSIM là O thì (ij) trong RM bằng 0 và (ji) bằng 1. Từ ma trận RM đi tìm các quan hệ có tính chất bắc cầu, gọi là ma trận truy cập sau cùng 98 -
  7. (Final Reachability Matrix-FRM). Bước 5: Phân vùng ma trận FRM trong bước 4 để tìm thứ bậc (lớp) của mối quan hệ giữa các biến. Bước 6: Vẽ đồ thị quan hệ bằng các nốt theo lý thuyết đồ thị. Bước 7: Thay các nốt bằng các biến. Bước 8: Kiểm tra tính nhất quán của các biến trong mô hình ISM. 3.2. Khảo sát chuyên gia Dữ liệu mối quan hệ giữa các biến trong mô hình ISM được thiết lập dựa trên tổng hợp ý kiến của các chuyên gia. Các tiêu chí lựa chọn nhóm chuyên gia cần đảm bảo sự tin cậy về chuyên môn, phù hợp với phạm vi nghiên cứu hiện tại, có kinh nghiệm và sẵn sàng tham gia phỏng vấn. Mặt khác, theo Anderson và cộng sự (2001) số lượng chuyên gia cần phải lựa chọn để đảm bảo cho nghiên cứu định tính là từ 5-20 người. Theo Janes, F. R. (1988) số chuyên gia cần thiết để tham gia lấy ý kiến tốt nhất là 8 người. Trong khi đó, Qureshi và cộng sự (2008) cho rằng nên chọn số lượng chuyên gia từ 5 tới 15 người là tốt nhất cho một nghiên cứu. 4. Kết quả nghiên cứu 4.1. Ma trận SSIM Nghiên cứu này tham khảo ý kiến của 15 chuyên gia, bao gồm: 5 giám đốc doanh nghiệp trong lĩnh vực công nghệ, 3 giảng viên, 2 nhà quản lý giáo dục, 3 phó giám đốc ngân hàng và 2 người công tác trong cơ quan nhà nước. Ma trận SSIM là kết quả tổng hợp ý kiến của 15 chuyên gia sau khi phân tích, so sánh, đánh giá mối quan hệ của từng cặp biến Fi và Fj. Bảng 1. Kết quả ma trận SSIM Biến F8 F7 F6 F5 F4 F3 F2 F1 F1. Gia tăng phúc lợi xã hội A A A A A A A F2. Đổi mới mô hình kinh doanh O X V V X V F3. Phát triển nguồn nhân lực V A A A A F4. Tăng lợi nhuận của doanh nghiệp V X V V F5. Tăng TNXH với môi trường V A V F6. Giảm phát thải khí độc hại O A F7. Giảm chi phí sản xuất V F8. Hình thành chuỗi cung ứng tích hợp Nguồn: Tổng hợp từ ý kiến khảo sát chuyên gia - 99
  8. 4.2. Ma trận FRM Ma trận FRM được hình thành từ ma trận SSIM bằng cách thay các ẩn V, A, X, O bằng biến nhị phân 0 hoặc 1. Bảng 2. Ma trận FRM F1 F2 F3 F4 F5 F6 F7 F8 Biến đẩy F1 1 0 0 0 0 0 0 0 1 F2 1 1 1 1 1 1 1 1* 8 F3 1 0 1 0 0 0 0 1 3 F4 1 1 1 1 1 1 1 1 8 F5 1 0 1 0 1 1 0 1 5 F6 1 0 1 0 0 1 0 1* 4 F7 1 1 1 1 1 1 1 1 8 F8 1 0 0 0 0 0 0 1 2 Biến phụ thuộc 8 3 6 3 4 5 3 7 Giá trị 1* chỉ những biến có tính bắc cầu. Nguồn: Tác giả tính 4.3. Phân vùng ma trận FRM Phân vùng ma trận FRM để phân tầng các quan hệ, tầng của quan hệ bằng số lần lặp. Trong mỗi lần lặp thuật toán sẽ dừng lại khi tập giao trùng với tập truy cập. Bảng 3. Phân vùng ma trận FRM-I Biến Tập truy cập Tập tiền đề Tập giao Lần lặp F1 1 1, 2, 3, 4, 5, 7, 8 1 I F2 1, 2, 3, 4, 5, 6, 7, 8 2, 4 ,7 2, 4, 7 F3 1, 3, 8 2, 3, 4, 5, 6, 7 3 F4 1, 2, 3, 4, 5, 6, 7, 8 2, 4, 7 2, 4, 7 F5 1, 3, 5, 6, 8 2, 4, 5, 7 5 F6 1, 3, 6, 8 2, 4, 5, 6, 7 6 F7 1, 2, 3, 4, 5, 6, 7, 8 2, 4, 7 2, 4, 7 F8 1, 8 2, 3, 4, 5, 6, 7, 8 8 Nguồn:Tác giả tính 100 -
  9. Bảng 4. Phân vùng ma trận FRM-II Biến Tập truy cập Tập tiền đề Tập giao Lần lặp F2 2, 3, 4, 5, 6, 7, 8 2, 4 ,7 2, 4, 7 F3 3, 8 2, 3, 4, 5, 6, 7 3 F4 2, 3, 4, 5, 6, 7, 8 2, 4, 7 2, 4, 7 F5 3, 5, 6, 8 2, 4, 5, 7 5 F6 3, 6, 8 2, 4, 5, 6, 7 6 F7 2, 3, 4, 5, 6, 7, 8 2, 4, 7 2, 4, 7 F8 8 2, 3, 4, 5, 6, 7, 8 8 II Nguồn:Tác giả tính Bảng 5. Phân vùng ma trận FRM-III Biến Tập truy cập Tập tiền đề Tập giao Lần lặp F2 2, 3, 4, 5, 6, 7 2, 4 ,7 2, 4, 7 F3 3 2, 3, 4, 5, 6, 7 3 III F4 2, 3, 4, 5, 6, 7 2, 4, 7 2, 4, 7 F5 3, 5, 6 2, 4, 5, 7 5 F6 3, 6 2, 4, 5, 6, 7 6 F7 2, 3, 4, 5, 6, 7 2, 4, 7 2, 4, 7 Nguồn:Tác giả tính Bảng 6. Phân vùng ma trận FRM-IV Biến Tập truy cập Tập tiền đề Tập giao Lần lặp F2 2, 4, 5, 6, 7 2, 4 ,7 2, 4, 7 F4 2, 4, 5, 6, 7 2, 4, 7 2, 4, 7 F5 5, 6 2, 4, 5, 7 5 F6 6 2, 4, 5, 6, 7 6 IV F7 2, 4, 5, 6, 7 2, 4, 7 2, 4, 7 Nguồn:Tác giả tính Bảng 7. Phân vùng ma trận FRM-V Biến Tập truy cập Tập tiền đề Tập giao Lần lặp F2 2, 4, 5, 7 2, 4 ,7 2, 4, 7 F4 2, 4, 5, 7 2, 4, 7 2, 4, 7 F5 5 2, 4, 5, 7 5 V F7 2, 4, 5, 7 2, 4, 7 2, 4, 7 Nguồn:Tác giả tính - 101
  10. Bảng 8. Phân vùng ma trận FRM-VI Biến Tập truy cập Tập tiền đề Tập giao Lần lặp F2 2, 4, 7 2, 4 ,7 2, 4, 7 VI F4 2, 4, 7 2, 4, 7 2, 4, 7 VI F7 2, 4, 7 2, 4, 7 2, 4, 7 VI Nguồn:Tác giả tính Kết quả phân vùng ma trận FRM cho thấy thuật toán mô hình ISM dừng lại tại lần lặp thứ VI, điều đó chứng tỏ mối quan hệ của các yếu tố được chia thành 6 tầng, số tầng này sẽ thể hiện rõ sau khi vẽ sơ đồ mạng như sau: F1 F8 F3 F6 F5 F2 F4 F7 Hình 2. Sơ đồ phân lớp mối quan hệ Nguồn: Tác giả vẽ từ kết quả phân vùng FRM Sơ đồ trong Hình 2 cho thấy mối quan hệ của các biến trong hệ thống và được chia thành 6 lớp, lớp thứ nhất gồm các biến F2, F4, F7, lớp thứ 2 là F5, lớp thứ 3 là F6, lớp thứ 4 là F3, lớp thứ 5 là F8 và lớp thứ 6 là F1. Trong đó, các biến của lớp 1 có mối quan hệ với nhau và cùng tác động đến lớp thứ 2, các biến của lớp 2 tác động đến các biến trong lớp 3 và cứ như thế đến lớp 1 (F1). Vậy kết quả phân tích bằng mô hình ISM đã cho thấy được mối liên hệ giữa các biến trong một hệ thống. 4.4. Phân tích ma trận MICMAC Phân tích ma trận MICMAC (Matrice d’Impacts Croisés Multiplication Appliquée á un Classement) được đề xuất bởi Duperrin and Godet (1973). Ma trận MICMAC chia tạo độ của biến đẩy và biến phụ thuộc thành 4 vùng. Trung đó, những biến thuộc vùng I (Autonomous) hầu như không có ảnh hưởng trong toàn hệ thống. Những biến thuộc vùng 102 -
  11. II (Dependence) có mối quan hệ phụ thuộc rất lớn, quan hệ nội tại thấp, bao gồm F1 (Gia tăng phúc lợi xã hội), F3 (Phát triển nguồn nhân lực), F6 (Giảm phát thải khí độc hại) và F8 (Hình thành chuỗi cung ứng tích hợp). Những biến thuộc vùng III (Linkage) có quan hệ phụ thuộc và quan hệ nội tại lớn. Những biến thuộc vùng IV (Independence) có mối quan hệ nội tại lớn nhưng quan hệ phụ thuộc khá bé, bao gồm F2 (Đổi mới mô hình kinh doanh), F4 (Tăng lợi nhuận doanh nghiệp) và F7 (Giảm chi phí sản xuất). Biến đẩy 8 F4, F2, F7 7 Vùng III Vùng IV 6 5 F5 4 Vùng I F6 Vùng II 3 F3 2 F8 1 F1 1 2 3 4 5 6 7 8 Biến phụ thuộc Đồ thị 1. Ma trận MICMAC Nguồn: Tác giả vẽ từ ma trận FRM 5. Hàm ý chính sách Nghiên cứu đã xác định và phân tích một số cơ hội đến từ CMCN 4.0 có khả năng thúc đẩy phát triển bền vững. Kết quả nghiên cứu từ mô hình ISM và phân tích ma trận MICMAC bài viết rút ra một số kết luận như sau: Thứ nhất, CMCN 4.0 mang lại nhiều cơ hội cho phát triển bền vững, trong đó những cơ hội mà doanh nghiệp sẽ đón nhận sớm nhất gồm: Đổi mới mô hình kinh doanh (F2), tăng lợi nhuận của doanh nghiệp (F4) và giảm chi phí sản xuất (F7) (vì thuộc lớp VI trong mô hình ISM). Mặt khác, những cơ hội này thuộc vùng IV của ma trận MICMAC điều này hàm ý rằng, chúng phụ thuộc rất lớn vào những vấn đề nội tại của doanh nghiệp. Vậy muốn nắm bắt và phát huy hiệu quả các cơ hội này các doanh nghiệp cần phải chủ động hơn trong công tác tuyên truyền nhận thức xu hướng tất yếu của cuộc CMCN 4.0, đào tạo nguồn nhân lực, đầu tư nghiên cứu phát triển… để sẵn sàng tiếp cận một cách nhanh nhất, hiệu quả nhất. - 103
  12. Thứ hai, theo hiệu ứng lan tỏa từ các cơ hội F2, F4, F7 đến các cơ hội còn lại và cơ hội gia tăng phúc lợi xã hội (F1) sẽ đến muộn hơn (lớp I trong mô hình ISM). Những cơ hội này phụ thuộc rất lớn vào những yếu tố bên ngoài (vì thuộc vùng II của ma trận MICMAC). Vậy chính phủ cần tiếp tục hoàn thiện cơ chế, chính sách vĩ mô khuyến khích, thu hút, sử dụng nhân tài, nguồn nhân lực chất lượng cao đáp ứng yêu cầu để theo kịp, thích ứng xu thế số hóa nhằm thúc đẩy, nắm bắt, phát huy hiệu quả những cơ hội này. TÀI LIỆU THAM KHẢO Anderson, T., R. Liam, D. R. Garrison, and W. Archer. (2001). Assessing Teacher Presence in a Computer Conferencing Context. Journal of the Asynchronous Learning Network 5(2), 1-17. Ban kinh tế Trung ương (2021). Việt Nam thăng hạng trong bảng xếp hạng về chuyển đổi số của thế giới. https://kinhtetrunguong.vn. Truy cập ngày 25/5/2021. Bauer, J. M. (2018). The Internet and income inequality: Socio-economic challenges in a hyperconnected society. Telecommunications Policy, 42(4), 333-343. Bechtsis, D., Tsolakis, N., Vlachos, D., & Srai, J. S. (2018). Intelligent Autonomous Vehicles in digital supply chains: A framework for integrating innovations towards sustainable value networks. Journal of cleaner production, 181(1), 60-71. Branger, J., & Pang, Z. (2015). From automated home to sustainable, healthy and manufacturing home: a new story enabled by the Internet-of-Things and Industry 4.0. Journal of Management Analytics, 2(4), 314-332. Cai, W., Lai, K. H., Liu, C., Wei, F., Ma, M., Jia, S., ... & Lv, L. (2019). Promoting sustainability of manufacturing industry through the lean energy-saving and emission-reduction strategy. Science of the Total Environment, 665, 23-32. Caradonna, J. L. (2014). Sustainability: A history. Oxford: Oxford University Press. Choi, S., & Ng, A. (2011). Environmental and economic dimensions of sustainability and price effects on consumer responses. Journal of business ethics, 104(2), 269-282. Cusumano, M. A., Kahl, S. J., & Suarez, F. F. (2015). Services, industry evolution, and the competitive strategies of product firms. Strategic management journal, 36(4), 559-575. Dalenogare, L. S., Benitez, G. B., Ayala, N. F., & Frank, A. G. (2018). The expected contribution of Industry 4.0 technologies for industrial performance. International Journal of Production Economics, 204, 383-394. De Zubielqui, G. C., Fryges, H., & Jones, J. (2019). Social media, open innovation & HRM: implications for performance. Technological Forecasting and Social Change, 144(1), 334-347. Dempsey, N., Bramley, G., Power, S., & Brown, C. (2011). The social dimension of sustainable development: Defining urban social sustainability. Sustainable development, 19(5), 289-300. Dolgui, A., Ivanov, D., Sethi, S. P., & Sokolov, B. (2019). Scheduling in production, supply chain and Industry 4.0 systems by optimal control: fundamentals, state-of-the-art and applications. International Journal of Production Research, 57(2), 411-432. 104 -
  13. EPA (2019). Global greenhouse gas emissions data, United States Environmental Protection Agency. https://www.epa.gov/ghgemissions/global-greenhouse-gas-emissions-data Evans, S., Vladimirova, D., Holgado, M., Van Fossen, K., Yang, M., Silva, E. A., & Barlow, C. Y. (2017). Business model innovation for sustainability: Towards a unified perspective for creation of sustainable business models. Business Strategy and the Environment, 26(5), 597-608. Fatorachian, H., & Kazemi, H. (2018). A critical investigation of Industry 4.0 in manufacturing: theoretical operationalisation framework. Production Planning & Control, 29(8), 633-644. Fettermann, D. C., Cavalcante, C. G. S., Almeida, T. D. D., & Tortorella, G. L. (2018). How does Industry 4.0 contribute to operations management?  Journal of Industrial and Production Engineering, 35(4), 255-268. Ford, S., & Despeisse, M. (2016). Additive manufacturing and sustainability: an exploratory study of the advantages and challenges. Journal of cleaner Production, 137, 1573-1587. Gbededo, M. A., Liyanage, K., & Garza-Reyes, J. A. (2018). Towards a Life Cycle Sustainability Analysis: A systematic review of approaches to sustainable manufacturing.  Journal of Cleaner Production, 184, 1002-1015. Goyal, P., & Kumar, D. (2017). Modeling the CSR barriers in manufacturing industries. Benchmarking: An International Journal. Hofmann, E., & Rüsch, M. (2017). Industry 4.0 and the current status as well as future prospects on logistics. Computers in industry, 89, 23-34. Ivanov, D., Dolgui, A., & Sokolov, B. (2019). The impact of digital technology and Industry 4.0 on the ripple effect and supply chain risk analytics. International Journal of Production Research, 57(3), 829-846. Jabbour, A. B. L. d. S., Jabboura, C. J. C., Foropona, C., & Filho, M. G. (2018b). When titans meet–Can industry 4.0 revolutionise the environmentally-sustainable manufacturing wave? The role of critical success factors. Technological Forecasting and Social Change, 132(1), 18-25. Janes, F. R. (1988). Interpretive structural modelling: a methodology for structuring complex issues. Transactions of the Institute of Measurement and Control, 10(3), 145-154. Jiang, P., Ding, K., & Leng, J. (2016). Towards a cyber-physical-social-connected and service- oriented manufacturing paradigm: Social Manufacturing. Manufacturing Letters, 7, 15-21. Jin, M., Tang, R., Ji, Y., Liu, F., Gao, L., & Huisingh, D. (2017). Impact of advanced manufacturing on sustainability: An overview of the special volume on advanced manufacturing for sustainability and low fossil carbon emissions. Journal of cleaner production, 161, 69-74. Kamble, S. S., Gunasekaran, A., & Gawankar, S. A. (2018). Sustainable Industry 4.0 framework: A systematic literature review identifying the current trends and future perspectives. Process Safety and Environmental Protection, 117, 408-425. Khuntia, J., Saldanha, T. J., Mithas, S., & Sambamurthy, V. (2018). Information technology and sustainability: Evidence from an emerging economy. Production and Operations Management, 27(4), 756-773. - 105
  14. Kiel, D., Müller, J. M., Arnold, C., & Voigt, K. I. (2020). Sustainable industrial value creation: Benefits and challenges of industry 4.0. In Digital Disruptive Innovation, 231-270. Li, L. (2018). China’s manufacturing locus in 2025: With a comparison of “Made-in-China 2025” and “Industry 4.0”. Technological Forecasting and Social Change, 135, 66-74. Longo, F., Nicoletti, L., & Padovano, A. (2017). Smart operators in industry 4.0: A human-centered approach to enhance operators’ capabilities and competencies within the new smart factory context. Computers & industrial engineering, 113, 144-159. Martín-Gutiérrez, J., Fabiani, P., Benesova, W., Meneses, M. D., & Mora, C. E. (2015). Augmented reality to promote collaborative and autonomous learning in higher education. Computers in human behavior, 51(1), 752-761. Müller, J. M., Buliga, O., & Voigt, K. I. (2018). Fortune favors the prepared: How SMEs approach business model innovations in Industry 4.0. Technological Forecasting and Social Change, 132, 2-17. Nguyễn Quyết (2017). Ảnh hưởng của trách nhiệm xã hội của doanh nghiệp đến sự hài hòng và lòng trung thành của khách hang tại các ngân hang thương mại ở TPHCM. Tạp chí quản lý kinh tế, 87(3), 71-80. Niaki, M. K., Torabi, S. A., & Nonino, F. (2019). Why manufacturers adopt additive manufacturing technologies: The role of sustainability. Journal of Cleaner Production, 222, 381-392. Qureshi, M. N., Kumar, D., & Kumar, P. (2008). An integrated model to identify and classify the key criteria and their role in the assessment of 3PL services providers. Asia Pacific Journal of Marketing and Logistics. Schroeder, A., Ziaee Bigdeli, A., Galera Zarcos, C., & Baines, T. (2019). Capturing the benefits of industry 4.0: a business network perspective. Production Planning & Control (Forthcoming), 1-17. Stone, C. B., Neely, A. R., & Lengnick-Hall, M. L. (2018). Human Resource Management in the Digital Age: Big Data, HR Analytics and Artificial Intelligence. In P. N. Melo & C. Machado (Eds.). Management and Technological Challenges in the Digital Age, 13-42: CRC Press. Strandhagen, J. W., Alfnes, E., Strandhagen, J. O., & Vallandingham, L. R. (2017). The fit of Industry 4.0 applications in manufacturing logistics: a multiple case study. Advances in Manufacturing, 5(4), 344-358. Wang, Y., Ma, H.-S., Yang, J.-H., & Wang, K.-S. (2017). Industry 4.0: a way from mass customization to mass personalization production. Advances in Manufacturing, 5(4), 311-320. Warfield, J. N. (1973). Binary matrices in system modeling. IEEE Transactions on Systems, Man, and Cybernetics, (5), 441-449. Xu, L. D., Xu, E. L., & Li, L. (2018). Industry 4.0: state of the art and future trends. International Journal of Production Research, 56(8), 2941-2962. Zhou, Y., & Tyers, R. (2018). Automation and inequality in China. China Economic Review (Forthcoming). doi: 10.1016/j.chieco.2018.07.008 106 -
nguon tai.lieu . vn
Kỹ năng bán hàng Quản trị kinh doanh Marketing - Bán hàng Internet Marketing Kế hoạch kinh doanh Thương mại điện tử PR - Truyền thông Tổ chức sự kiện Kỹ năng quản lý Kinh tế học