បញ្ហា (The Problem)៖ ទីភ្នាក់ងារទេសចរណ៍ PT. Bandar Madani 165 នៅទីក្រុង Batam ជួបការលំបាកក្នុងការកំណត់យុទ្ធសាស្ត្រប្រូម៉ូសិនលក់សំបុត្រយន្តហោះឱ្យមានប្រសិទ្ធភាព ដោយសារខ្វះការវិភាគទិន្នន័យប្រតិបត្តិការទិញលក់ដ៏ច្រើនកន្លងមក។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់វិធីសាស្ត្រវិភាគកន្ត្រកទីផ្សារ (Market Basket Analysis) តាមរយៈក្បួនដោះស្រាយ Apriori ដើម្បីស្វែងរកលំនាំនៃទំនាក់ទំនងទំនិញដែលអតិថិជនតែងតែទិញរួមគ្នា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Apriori Algorithm (Market Basket Analysis) ក្បួនដោះស្រាយ Apriori (ការវិភាគកន្ត្រកទីផ្សារ) |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការស្វែងរកលំនាំនៃការទិញទំនិញរួមគ្នាដោយស្វ័យប្រវត្តិ។ អាចដោះស្រាយនិងទាញយកចំណេះដឹងពីទិន្នន័យប្រតិបត្តិការធំៗបានយ៉ាងរហ័ស។ | ទាមទារទិន្នន័យប្រតិបត្តិការក្នុងបរិមាណច្រើនទើបអាចរកឃើញលំនាំដែលមានភាពសុក្រឹតខ្ពស់ និងតម្រូវឱ្យមានចំណេះដឹងផ្នែកកុំព្យូទ័រ។ | រកឃើញវិធានសមាគមសំខាន់ៗ (ឧ. ទិញសំបុត្រ Sriwijaya ឬ Batik នឹងទិញសំបុត្រ Lion) ដែលមានអត្រា Support ៤០% និង Confidence ៨០% សម្រាប់ធ្វើប្រូម៉ូសិន។ |
| Manual Pattern Analysis (Baseline/Traditional Method) ការវិភាគលំនាំដោយដៃ (ប្រព័ន្ធចាស់) |
ងាយស្រួលយល់ និងមិនត្រូវការចំណេះដឹងផ្នែកកុំព្យូទ័រ កម្មវិធីស្មុគស្មាញ ឬអ្នកជំនាញទិន្នន័យនោះទេ។ | ចំណាយពេលយូរខ្លាំង ងាយនឹងមានកំហុស និងមិនអាចធ្វើការវិភាគលើទិន្នន័យប្រតិបត្តិការរាប់ពាន់រាប់ម៉ឺនក្នុងពេលតែមួយបានឡើយ។ | មិនអាចកំណត់កញ្ចប់ប្រូម៉ូសិនបានច្បាស់លាស់ ដោយសារគ្មានតួលេខគណិតវិទ្យា (Support និង Confidence) គាំទ្រការសម្រេចចិត្ត។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់លម្អិតអំពីតម្រូវការផ្នែករឹង (Hardware) ឬកម្មវិធី (Software) ជាក់លាក់នោះទេ ប៉ុន្តែផ្អែកតាមបរិបទនៃការសិក្សា ការអនុវត្តវិធីសាស្ត្រនេះទាមទារធនធានជាមូលដ្ឋានដូចខាងក្រោម៖
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ទិន្នន័យប្រតិបត្តិការលក់សំបុត្រយន្តហោះក្នុងស្រុករបស់ទីភ្នាក់ងារទេសចរណ៍នៅទីក្រុង Batam ប្រទេសឥណ្ឌូនេស៊ី។ អាកប្បកិរិយារបស់អតិថិជន និងជម្រើសក្រុមហ៊ុនអាកាសចរណ៍ (ដូចជា Garuda, Lion, Batik) គឺឆ្លុះបញ្ចាំងតែពីបរិបទប្រទេសឥណ្ឌូនេស៊ីប៉ុណ្ណោះ។ សម្រាប់ប្រទេសកម្ពុជា លទ្ធផលអត្រាភាគរយជាក់លាក់នេះមិនអាចយកមកអនុវត្តផ្ទាល់បានទេ ប៉ុន្តែគំរូវិធីសាស្ត្រនៃការវិភាគនេះគឺមានតម្លៃអាចយកមកអនុវត្តលើទិន្នន័យក្នុងស្រុកបានយ៉ាងល្អ។
វិធីសាស្ត្រវិភាគកន្ត្រកទីផ្សារ (Market Basket Analysis) នេះគឺមានសក្តានុពល និងសារៈប្រយោជន៍ខ្លាំងណាស់សម្រាប់ជួយដល់ការធ្វើទីផ្សារអាជីវកម្មនៅប្រទេសកម្ពុជា។
សរុបមក ការអនុវត្តក្បួនដោះស្រាយ Apriori នឹងជួយឱ្យអាជីវកម្មនៅកម្ពុជាអាចផ្លាស់ប្តូរពីការធ្វើប្រូម៉ូសិនដោយស្មាន ទៅជាការសម្រេចចិត្តផ្អែកលើទិន្នន័យច្បាស់លាស់ ដើម្បីបង្កើនប្រាក់ចំណេញ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Data Mining | ជាដំណើរការនៃការទាញយកព័ត៌មាន លំនាំ ឬចំណេះដឹងដែលលាក់កំបាំងពីក្នុងមូលដ្ឋានទិន្នន័យដ៏ធំ ដើម្បីយកមកវិភាគ និងប្រើប្រាស់ក្នុងការទស្សន៍ទាយឬធ្វើការសម្រេចចិត្តក្នុងអាជីវកម្ម។ | ដូចជាការរែងរកមាស (ព័ត៌មានមានតម្លៃ) ចេញពីគំនរដីនិងខ្សាច់ដ៏ធំ (ទិន្នន័យឆៅរាប់ពាន់រាប់ម៉ឺន)។ |
| Market Basket Analysis | ជាបច្ចេកទេសវិភាគទិន្នន័យមួយប្រភេទដើម្បីស្វែងយល់ពីទម្លាប់នៃការទិញទំនិញរបស់អតិថិជន ដោយសង្កេតមើលថាតើទំនិញអ្វីខ្លះដែលពួកគេតែងតែទិញរួមគ្នានៅក្នុងកន្ត្រក ឬវិក្កយបត្រតែមួយ។ | ដូចជាការលួចពិនិត្យមើលកន្ត្រកផ្សាររបស់ភ្ញៀវ ដើម្បីដឹងថាបើគាត់ទិញនំប៉័ង គាត់នឹងទិញទឹកដោះគោឬយៈសាពូនមីជាមួយគ្នាដែរឬទេ។ |
| Apriori Algorithm | ជាក្បួនដោះស្រាយគណិតវិទ្យាដ៏ពេញនិយមមួយក្នុង Data Mining ដែលប្រើសម្រាប់ស្វែងរកបណ្តុំទំនិញ (Itemset) ដែលលេចឡើងញឹកញាប់ ដើម្បីយកទៅបង្កើតជាវិធានសមាគម (Association Rule)។ | ដូចជាម៉ាស៊ីនគិតលេខស្វ័យប្រវត្តិដែលជួយប្រាប់យើងថា ក្នុងចំណោមអ្នកទិញ១០០នាក់ តើមានប៉ុន្មាននាក់ដែលទិញសាប៊ូនិងច្រាសដុសធ្មេញក្នុងពេលតែមួយ។ |
| Frequent Itemset | ជាបណ្តុំនៃទំនិញ ឬមុខសេវាកម្ម (ចាប់ពី២ឡើងទៅ) ដែលតែងតែត្រូវបានអតិថិជនទិញរួមគ្នាយ៉ាងញឹកញាប់ ដោយបំពេញតាមលក្ខខណ្ឌអប្បបរមា (Minimum Support) ដែលប្រព័ន្ធបានកំណត់ទុក។ | ដូចជាពាក្យថា "បាយ និងសាច់ជ្រូក" ដែលជាបន្សំអាហារដែលគេតែងតែកម្ម៉ង់ញ៉ាំជាមួយគ្នាស្ទើររាល់ព្រឹក។ |
| Support | ជារង្វាស់ភាគរយដែលបង្ហាញពីភាពញឹកញាប់នៃការលេចឡើងនូវបណ្តុំទំនិញណាមួយ ធៀបទៅនឹងចំនួនប្រតិបត្តិការទិញលក់សរុបទាំងអស់នៅក្នុងប្រព័ន្ធ។ | បើថ្ងៃនេះមានអតិថិជន១០នាក់ ហើយមាន៤នាក់បានទិញសំបុត្រក្រុមហ៊ុន Garuda នោះមានន័យថាតម្លៃ Support របស់សំបុត្រ Garuda គឺ ៤០%។ |
| Confidence | ជារង្វាស់ភាគរយដែលបង្ហាញពីភាពប្រាកដប្រជា ឬភាពខ្លាំងនៃទំនាក់ទំនងរវាងទំនិញពីរ ពោលគឺប្រសិនបើអតិថិជនទិញទំនិញ A តើមានឱកាសប៉ុន្មានភាគរយដែលពួកគេនឹងទិញទំនិញ B បន្តទៀត។ | ដូចជាការទស្សន៍ទាយថា បើមិត្តភក្តិអ្នកទិញសំបុត្រកុន គាត់មានឱកាស ៨០% ថានឹងទិញពោតលីង (Popcorn) ញ៉ាំជាមួយគ្នាជាមិនខាន។ |
| Association Rule | ជាវិធានដែលត្រូវបានបង្កើតឡើងចេញពីលទ្ធផលនៃការវិភាគ ដើម្បីបង្ហាញពីទំនាក់ទំនងក្នុងទម្រង់ "ប្រសិនបើ... នោះ..." (If-Then) រវាងទំនិញ ដែលជួយសម្រួលដល់ការរៀបចំយុទ្ធសាស្ត្រលក់ដូរ។ | ដូចជាច្បាប់ចម្លងដែលប្រាប់អ្នកលក់ថា "ប្រសិនបើភ្ញៀវទិញសំបុត្រយន្តហោះម៉ាក Sriwijaya នោះត្រូវតែសួរលក់សំបុត្រម៉ាក Lion បន្ត ព្រោះឱកាសដែលគាត់ទិញមានដល់ទៅ ៨០%"។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
