បញ្ហា (The Problem)៖ ឧស្សាហកម្មស្ករសនៅប្រទេសវៀតណាមកំពុងប្រឈមមុខនឹងការធ្លាក់ចុះនៃប្រតិបត្តិការ និងការប្រកួតប្រជែងយ៉ាងខ្លាំងពីការនាំចូលដែលមានតម្លៃថោក។ ការសិក្សានេះមានគោលបំណងវាយតម្លៃ និងទស្សន៍ទាយពីដំណើរការហិរញ្ញវត្ថុរបស់ក្រុមហ៊ុនទាំងនេះ ដើម្បីស្វែងរកដំណោះស្រាយសម្រាប់កំណើន និងនិរន្តរភាពរយៈពេលវែង។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ទិន្នន័យហិរញ្ញវត្ថុពីឆ្នាំ ២០២០ ដល់ ២០២៣ របស់រោងចក្រស្ករសចំនួន ១៦ និងអនុវត្តម៉ូដែលព្យាករណ៍គណិតវិទ្យាដើម្បីប៉ាន់ស្មានដំណើរការទៅថ្ងៃអនាគត។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Grey Verhulst Model ម៉ូដែល Grey Verhulst (ម៉ូដែលស្នើឡើង) |
មានសមត្ថភាពខ្ពស់ក្នុងការទស្សន៍ទាយប្រព័ន្ធទិន្នន័យដែលមានលក្ខណៈកើនឡើងដល់ចំណុចឆ្អែត (រាងអក្សរ S) និងអាចផ្តល់លទ្ធផលច្បាស់លាស់ទោះមានទិន្នន័យតិចតួចក៏ដោយ។ | ទាមទារការគណនាស្មុគស្មាញលើសមីការឌីផេរ៉ង់ស្យែល និងម៉ាទ្រីស ហើយនៅតែផ្អែកលើនិន្នាការទិន្នន័យចាស់ដែលអាចមិនឆ្លុះបញ្ចាំងពីវិបត្តិភ្លាមៗ។ | ទទួលបានកម្រិតលំអៀងត្រឹមតែ ៥% ទៅ ១០% (MAPE) ដែលចាត់ទុកថាល្អប្រសើរ (Excellent) និងទស្សន៍ទាយពីការធ្លាក់ចុះប្រាក់ចំណេញពីឆ្នាំ ២០២៤ ដល់ ២០២៦។ |
| Traditional Grey GM(1,1) Model ម៉ូដែល Grey GM(1,1) ជាមូលដ្ឋាន |
ត្រូវការទិន្នន័យដើមតិចតួច និងមានដំណើរការគណនាសាមញ្ញ និងងាយស្រួលអនុវត្ត។ | អាចពិពណ៌នាបានតែដំណើរការប្រែប្រួលទិន្នន័យដែលកើនឡើងឬថយចុះជាលំដាប់ប៉ុណ្ណោះ ហើយមិនសូវច្បាស់លាស់នៅពេលទិន្នន័យកើនដល់ចំណុចឆ្អែត។ | មានភាពមិនច្បាស់លាស់ (Low accuracy) ក្នុងការទស្សន៍ទាយនៅពេលកំណើនឈានដល់ដំណាក់កាលឆ្អែត បើប្រៀបធៀបនឹងម៉ូដែល Grey Verhulst។ |
| Grey Markov Model ម៉ូដែល Grey Markov |
រួមបញ្ចូលទ្រឹស្តីប្រព័ន្ធប្រផេះជាមួយខ្សែច្រវាក់ម៉ាកូវ ដែលល្អសម្រាប់ការទស្សន៍ទាយទិន្នន័យដែលមានការប្រែប្រួលឡើងចុះខ្លាំង។ | តម្រូវឱ្យមានការបែងចែកចន្លោះទិន្នន័យ (Data interval) ដែលមានលក្ខណៈអត្តនោម័ត (Subjective) អាស្រ័យលើអ្នកស្រាវជ្រាវផ្ទាល់។ | មិនត្រូវបានជ្រើសរើសសម្រាប់ការសិក្សានេះ ដោយសារមានភាពសក្កានុវិស័យ (Subjective) ខ្ពស់ពេកក្នុងការកំណត់ប៉ារ៉ាម៉ែត្រ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់ច្បាស់ពីកម្មវិធី ឬធនធានកុំព្យូទ័រដែលបានប្រើប្រាស់ក៏ដោយ ក៏យើងអាចសន្និដ្ឋានបានពីតម្រូវការចាំបាច់ដោយផ្អែកលើវិធីសាស្ត្រគណិតវិទ្យាដែលបានអនុវត្តនៅក្នុងការស្រាវជ្រាវនេះ។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ទិន្នន័យពីរោងចក្រស្ករសចំនួន ១៦ ដែលបានចុះបញ្ជីនៅលើទីផ្សារភាគហ៊ុនប្រទេសវៀតណាម។ លទ្ធផលនេះឆ្លុះបញ្ចាំងពីបរិបទសេដ្ឋកិច្ច ការប្រកួតប្រជែងតម្លៃពីប្រទេសថៃ និងគោលនយោបាយពន្ធអាកររបស់ប្រទេសវៀតណាម។ សម្រាប់ប្រទេសកម្ពុជា ការស្រាវជ្រាវនេះមានសារៈសំខាន់ដោយសារយើងស្ថិតក្នុងតំបន់ជាមួយគ្នា និងមានការប្រកួតប្រជែងផលិតផលកសិកម្មស្រដៀងគ្នា ប៉ុន្តែត្រូវគិតគូរពីភាពខុសគ្នានៃទំហំទីផ្សារ និងគោលនយោបាយគាំពារក្នុងស្រុករបស់យើង។
វិធីសាស្ត្រព្យាករណ៍ Grey Verhulst នេះពិតជាមានអត្ថប្រយោជន៍ និងអាចយកមកអនុវត្តបានយ៉ាងមានប្រសិទ្ធភាពនៅក្នុងបរិបទកសិ-ពាណិជ្ជកម្ម និងរោងចក្រកែច្នៃរបស់ប្រទេសកម្ពុជា។
សរុបមក ម៉ូដែលនេះផ្តល់នូវឧបករណ៍វិភាគដ៏រឹងមាំមួយសម្រាប់រោងចក្រ និងសហគ្រាសនៅកម្ពុជាក្នុងការធ្វើផែនការយុទ្ធសាស្ត្រអាជីវកម្មរឹងមាំ ចំពេលមានភាពមិនច្បាស់លាស់នៃទីផ្សារក្នុងតំបន់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Grey Verhulst Model (ម៉ូដែលប្រព័ន្ធប្រផេះ Verhulst) | ម៉ូដែលគណិតវិទ្យាប្រើសម្រាប់ទស្សន៍ទាយនិន្នាការទិន្នន័យដែលកំពុងកើនឡើង និងមានទំនោរថយចុះវិញឬឈានដល់ចំណុចឆ្អែត (រាងអក្សរ S) ដែលវាមានប្រសិទ្ធភាពខ្ពស់ទោះបីជាមានទិន្នន័យប្រវត្តិសាស្ត្រតិចតួចក៏ដោយ។ | ដូចជាការទស្សន៍ទាយកម្ពស់ដើមឈើដែលលូតលាស់លឿននៅពេលដំបូង ហើយយឺតទៅៗរហូតដល់លែងលូតលាស់ ដោយមានត្រឹមតែទិន្នន័យកម្ពស់ប៉ុន្មានខែប៉ុណ្ណោះ។ |
| Mean Absolute Percentage Error / MAPE (កំហុសភាគរយដាច់ខាតមធ្យម) | រូបមន្តស្ថិតិសម្រាប់វាស់ស្ទង់ភាពត្រឹមត្រូវនៃម៉ូដែលទស្សន៍ទាយ ដោយប្រៀបធៀបតម្លៃដែលទស្សន៍ទាយបានទៅនឹងតម្លៃជាក់ស្តែង ដើម្បីដឹងថាការទស្សន៍ទាយនោះខុស ឬលំអៀងប៉ុន្មានភាគរយ។ | ដូចជាការវាស់ស្ទង់ថាតើយើងទាយអាយុរបស់មិត្តភក្តិខុសប៉ុន្មានភាគរយធៀបនឹងអាយុពិតប្រាកដរបស់ពួកគេ។ |
| Accumulated Generating Operation / 1-AGO (ប្រតិបត្តិការបង្កើតការប្រមូលផ្តុំ) | វិធីសាស្ត្រគណិតវិទ្យាក្នុងទ្រឹស្តីប្រព័ន្ធប្រផេះ ដែលបូកបញ្ចូលទិន្នន័យបន្តបន្ទាប់គ្នាដើម្បីកាត់បន្ថយភាពរញ៉េរញ៉ៃនៃទិន្នន័យដើម និងធ្វើឱ្យនិន្នាការលាក់កំបាំងកាន់តែច្បាស់មុននឹងយកទៅធ្វើការទស្សន៍ទាយ។ | ដូចជាការរាប់លុយសន្សំសរុបប្រចាំថ្ងៃ ជំនួសឱ្យការមើលតែលុយដែលដាក់ចូលកូនជ្រូកជារៀងរាល់ថ្ងៃ ដើម្បីមើលថាតើលុយកើនឡើងលឿនកម្រិតណា។ |
| Whitenization Equation (សមីការធ្វើឱ្យស) | ដំណើរការគណិតវិទ្យាក្នុងទ្រឹស្តីប្រព័ន្ធប្រផេះដែលបំប្លែងសមីការឌីផេរ៉ង់ស្យែលដែលមានប៉ារ៉ាម៉ែត្រមិនច្បាស់លាស់ (ពណ៌ប្រផេះ) ទៅជាទម្រង់សមីការដែលអាចគណនារកចម្លើយបានយ៉ាងច្បាស់លាស់ (ពណ៌ស)។ | ដូចជាការយកកញ្ចក់ប្រឡាក់ធូលីស្រអាប់ (ប្រផេះ) មកជូតឱ្យថ្លា (ស) ដើម្បីឱ្យយើងអាចមើលឃើញទេសភាពខាងក្រៅបានច្បាស់ល្អ។ |
| Cost of Goods Sold / COGS (ថ្លៃដើមទំនិញលក់) | ការចំណាយផ្ទាល់ទាំងអស់ដែលទាក់ទងនឹងការផលិតទំនិញ (ដូចជាថ្លៃវត្ថុធាតុដើម និងថ្លៃពលកម្ម) សម្រាប់តែទំនិញដែលក្រុមហ៊ុនបានលក់ចេញក្នុងរដូវកាលណាមួយប៉ុណ្ណោះ។ | ដូចជាការបូកសរុបលុយទិញស្ករ ទឹកកក និងកាហ្វេ សម្រាប់តែចំនួនកែវកាហ្វេដែលយើងបានលក់ដាច់ប៉ុណ្ណោះ។ |
| Least-square method (វិធីសាស្ត្រការេអប្បបរមា) | វិធីសាស្ត្រគណិតវិទ្យាសម្រាប់ស្វែងរកបន្ទាត់ ឬខ្សែរកោងដែលស័ក្តិសមបំផុតជាមួយទិន្នន័យ ដោយកំណត់ឱ្យផលបូកនៃការេនៃគម្លាតរវាងទិន្នន័យជាក់ស្តែង និងបន្ទាត់នោះ មានទំហំតូចបំផុត។ | ដូចជាការព្យាយាមគូសបន្ទាត់ត្រង់មួយឆ្លងកាត់ចំណុចជាច្រើននៅលើក្រដាស ដោយធ្វើឱ្យបន្ទាត់នោះនៅក្បែរចំណុចទាំងអស់នោះបំផុតតាមដែលអាចធ្វើទៅបាន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
