ពន្យល់ពីរបៀបដែលរដូវកាលត្រូវបានសិក្សា និងហេតុអ្វីបានជាវាអាចបំបែកបាន។

រដូវកាល សំដៅលើការប្រែប្រួលដែលអាចព្យាករណ៍បាន និងកើតឡើងដដែលៗនៅក្នុងទិន្នន័យ ដែលត្រូវនឹងរយៈពេលជាក់លាក់ ដូចជាថ្ងៃ ខែ ឬត្រីមាស។ គំរូទាំងនេះត្រូវបានគេសង្កេតឃើញជាញឹកញាប់នៅក្នុងសូចនាករសេដ្ឋកិច្ច និន្នាការលក់ ទីផ្សារហិរញ្ញវត្ថុ និងសូម្បីតែវដ្តការងារ។ ការយល់ដឹង និងសិក្សាពីរដូវកាលគឺចាំបាច់សម្រាប់ការព្យាករណ៍ ការធ្វើផែនការ និងការសម្រេចចិត្តប្រកបដោយប្រសិទ្ធភាព។ ប៉ុន្តែ​តើ​អ្នក​សេដ្ឋកិច្ច និង​អ្នក​វិភាគ​វាស់វែង​វា​យ៉ាង​ណា?

បច្ចេកទេសស្ថិតិសម្រាប់ការកំណត់អត្តសញ្ញាណរដូវកាល

ជាទូទៅ អ្នកវិភាគចាប់ផ្តើមដោយការពិនិត្យមើលទិន្នន័យស៊េរីពេលវេលា ដែលជាលំដាប់នៃចំណុចទិន្នន័យដែលត្រូវបានវាស់វែងជាធម្មតានៅចន្លោះពេលទៀងទាត់។ ដើម្បីកំណត់អត្តសញ្ញាណគំរូតាមរដូវកាល បច្ចេកទេសស្ថិតិជាច្រើនត្រូវបានប្រើប្រាស់៖

• ការផ្លាស់ប្តូរមធ្យម៖ ការធ្វើឱ្យមានភាពប្រែប្រួលក្នុងរយៈពេលខ្លីជួយឱ្យដឹងពីនិន្នាការតាមរដូវកាល។
• ការខូចទ្រង់ទ្រាយតាមរដូវកាល៖ ដោយប្រើគំរូដូចជាការខូចទ្រង់ទ្រាយបែបបុរាណ ឬ X-13ARIMA-SEATS អ្នកវិភាគបំបែកស៊េរីពេលវេលាទៅជាធាតុផ្សំនិន្នាការ រដូវកាល និងមិនទៀងទាត់។
• ការវិភាគ Fourier៖ វិធីសាស្រ្តគណិតវិទ្យាដែលកំណត់វដ្តទៀងទាត់នៅក្នុងស៊េរីទិន្នន័យដោយប្រើមុខងារស៊ីនុស និងកូស៊ីនុស។
• មុខងារទំនាក់ទំនងស្វ័យប្រវត្តិ (ACF)៖ ឧបករណ៍ស្ថិតិដែលប្រើដើម្បីវាស់ស្ទង់ទំនាក់ទំនងរវាងការសង្កេតនៅភាពយឺតយ៉ាវផ្សេងៗគ្នា ដែលជារឿយៗមានប្រយោជន៍ក្នុងការបង្ហាញវដ្តនៃការធ្វើម្តងទៀត។

ការរៀនម៉ាស៊ីននៅក្នុងការតាមដានរដូវកាលទំនើប

លើសពីស្ថិតិប្រពៃណី វិធីសាស្រ្តទំនើបពាក់ព័ន្ធនឹងការរៀនម៉ាស៊ីន ដែលអាចរកឃើញគំរូតាមរដូវកាលដ៏ស្មុគស្មាញ និងមិនមែនលីនេអ៊ែរ។ ទាំងនេះអាចរួមបញ្ចូល៖

• គំរូព្យាករណ៍ស៊េរីពេលវេលា៖ ដូចជា ARIMA, SARIMA, Prophet, និង LSTM neural networks។
• ការរកឃើញភាពមិនប្រក្រតី៖ ក្បួនដោះស្រាយដែលបង្ហាញពីគម្លាតពីឥរិយាបថតាមរដូវធម្មតា មានប្រយោជន៍ក្នុងការរកឃើញការក្លែងបន្លំ ឬការគ្រប់គ្រងសារពើភ័ណ្ឌ។

កម្មវិធី​ជាក់លាក់​តាម​បរិបទ

រដូវកាលមានភាពលេចធ្លោក្នុងវិស័យជាច្រើន។ ឧទាហរណ៍៖

• ការលក់រាយ៖ ការលក់កើនឡើងក្នុងថ្ងៃឈប់សម្រាក ដូចជា Black Friday ឬការទិញទំនិញបុណ្យណូអែល។
• កសិកម្ម៖ វដ្តដំណាំ និងរដូវប្រមូលផលដែលប៉ះពាល់ដល់ការផ្គត់ផ្គង់ និងតម្លៃ។
• ទេសចរណ៍៖ វិស្សមកាល និងលំនាំនៃការធ្វើដំណើរទាក់ទងនឹងអាកាសធាតុ។
• ហិរញ្ញវត្ថុ៖ “ឥទ្ធិពលខែមករា” ឬរដូវកាលប្រាក់ចំណូលប្រចាំត្រីមាសដែលប៉ះពាល់ដល់តម្លៃទ្រព្យសកម្ម។

លំនាំទាំងនេះត្រូវបានគណនាដោយប្រើប្រាស់ទិន្នន័យប្រវត្តិសាស្ត្រ និងការព្យាករណ៍ ដែលជារឿយៗត្រូវបានបែងចែកទៅជាសន្ទស្សន៍តាមរដូវកាល ដើម្បីបង្ហាញពីដំណើរការដែលទាក់ទង ឬគម្លាតដែលទាក់ទងនឹងរយៈពេលជាក់លាក់។

វិធីសាស្ត្រកែតម្រូវតាមរដូវ

ដើម្បីបកស្រាយឱ្យកាន់តែច្បាស់ពីនិន្នាការមូលដ្ឋាន ទិន្នន័យត្រូវបាន "កែតម្រូវតាមរដូវកាល" ជាញឹកញាប់ — ការដកចេញនូវផលប៉ះពាល់ដែលបណ្តាលមកពីការប្រែប្រួលតាមរដូវកាល។ ស្ថាប័នដូចជាការិយាល័យស្ថិតិការងាររបស់សហរដ្ឋអាមេរិកប្រើបច្ចេកទេសដូចជា X-13ARIMA-SEATS ដើម្បីបង្កើតស៊េរីពេលវេលាដែលបានកែតម្រូវដែលច្រោះចេញនូវការផ្លាស់ប្តូរតាមកាលកំណត់ដែលរំពឹងទុក។

ដែនកំណត់នៃការសិក្សាតាមរដូវ

ខណៈដែលរដូវកាលអាចធ្វើឱ្យប្រសើរឡើងនូវភាពត្រឹមត្រូវនៃការព្យាករណ៍ ការពឹងផ្អែកខ្លាំងពេកអាចជាការយល់ច្រឡំ។ ភាពមិនប្រក្រតី ការកែប្រែទិន្នន័យ ឬការផ្លាស់ប្តូរគំរូអាចធ្វើឲ្យគំរូដែលបានបង្កើតឡើងលែងប្រើ។ វាក៏ពិបាកផងដែរក្នុងការគណនាព្រឹត្តិការណ៍រំខាន ឬការផ្លាស់ប្តូររចនាសម្ព័ន្ធនៅក្នុងសេដ្ឋកិច្ច ឬទីផ្សារ នៅពេលបង្កើតគំរូតាមរដូវកាល។

នៅតែនៅពេលដែលអនុវត្តបានត្រឹមត្រូវ ការវិភាគតាមរដូវកាលផ្តល់នូវឧបករណ៍ដ៏មានអានុភាពសម្រាប់ការបែងចែកធនធាន ការធ្វើផែនការសារពើភណ្ឌ និងការសម្រេចចិត្តជាយុទ្ធសាស្ត្រនៅក្នុងវិស័យដែលប្រកាន់យកពេលវេលា។

ខណៈដែលរដូវកាលមាននិន្នាការឡើងវិញជាមួយនឹងភាពទៀងទាត់ខ្លះ វាមិនអាចផ្លាស់ប្តូរបានទេ។ មានកាលៈទេសៈសំខាន់ៗដែលលំនាំតាមរដូវបំបែក ឬបាត់ទាំងស្រុង។ ការកំណត់អត្តសញ្ញាណស្ថានភាពទាំងនេះគឺចាំបាច់សម្រាប់ការគ្រប់គ្រងហានិភ័យ ការព្យាករណ៍ និងការសម្របខ្លួនជាយុទ្ធសាស្រ្តនៅក្នុងបរិបទសេដ្ឋកិច្ច និងអាជីវកម្ម។

ការតក់ស្លុតខាងក្រៅ និងការសម្រាកតាមរដូវកាល

ការពន្យល់ទូទៅបំផុតសម្រាប់ការវិភាគតាមរដូវកាលគឺមកពីព្រឹត្តិការណ៍ខាងក្រៅដែលមិនបានមើលឃើញទុកជាមុនដែលរំខានដល់គំរូធម្មតា។ ឧទាហរណ៍​រួម​មាន៖

• ជំងឺរាតត្បាត៖ ការផ្ទុះឡើងនៃ COVID-19 ក្នុងឆ្នាំ 2020 បានរំខានយ៉ាងខ្លាំងដល់ទីផ្សារការងារសកល ខ្សែសង្វាក់ផ្គត់ផ្គង់ សកម្មភាពលក់រាយ និងទីផ្សារហិរញ្ញវត្ថុ។ ឧស្សាហកម្មជាច្រើន - ដូចជាការធ្វើដំណើរ បដិសណ្ឋារកិច្ច និងការផលិត - បានឃើញនិន្នាការតាមរដូវកាលដែលមានស្រាប់ហួត។
• ភាពមិនប្រក្រតីនៃអាកាសធាតុ៖ ខ្យល់ព្យុះខ្លាំង គ្រោះរាំងស្ងួត ឬការប្រែប្រួលអាកាសធាតុមិនសមស្របតាមរដូវ អាចធ្វើឲ្យរដូវកសិកម្ម ឬលក់រាយដែលរំពឹងទុកមិនត្រឹមត្រូវ។
• ភាពតានតឹងភូមិសាស្ត្រនយោបាយ៖ សង្គ្រាម ការដាក់ទណ្ឌកម្ម ឬការរំខានពាណិជ្ជកម្មអាចបដិសេធនិន្នាការតាមរដូវកាលនៃទំនិញ ភស្តុភារ និងពាណិជ្ជកម្មអន្តរជាតិ។

ការផ្លាស់ប្តូររចនាសម្ព័ន្ធនៅក្នុងឧស្សាហកម្ម ឬឥរិយាបថអ្នកប្រើប្រាស់

ឧស្សាហកម្មមានការវិវឌ្ឍន៍ ហើយជាមួយនឹងការវិវត្តន៍ទាំងនេះមានការផ្លាស់ប្តូរគំរូអាកប្បកិរិយាដែលអាចផ្លាស់ប្តូរ ឬលុបបំបាត់ផលប៉ះពាល់តាមរដូវកាល។ ឧទាហរណ៍​គួរ​ឱ្យ​កត់​សម្គាល់​រួម​មាន៖

• ពាណិជ្ជកម្មអេឡិចត្រូនិក និងការលក់រាយ៖ ការផ្លាស់ប្តូរពីហាងឥដ្ឋនិងបាយអទៅវេទិកាអនឡាញបានផ្លាស់ប្តូរពេលវេលា និងផលប៉ះពាល់នៃរដូវកាលលក់រាយ។ ការលក់ Flash និងការផ្សព្វផ្សាយតាមប្រព័ន្ធឌីជីថល ជារឿយៗចែកចាយតម្រូវការអ្នកប្រើប្រាស់កាន់តែស្មើគ្នាពេញមួយឆ្នាំ។
• និន្នាការការងារពីផ្ទះ៖ បន្ទាប់ពីជំងឺរាតត្បាត មនុស្សកាន់តែតិចធ្វើដំណើរ ឬឈប់សម្រាកតាមប្រពៃណី ដោយកាត់បន្ថយរដូវកាលនៅក្នុងវិស័យដូចជា ការដឹកជញ្ជូនសាធារណៈ ការប្រើប្រាស់ថាមពល និងការធ្វើដំណើរវិស្សមកាល។
• ការប្រើប្រាស់ប្រព័ន្ធផ្សព្វផ្សាយ៖ វេទិកាវីដេអូ និងឌីជីថលតាមតម្រូវការបានកាត់បន្ថយចំនួនអ្នកទស្សនាដែលកាលពីមុនត្រូវបានផ្សារភ្ជាប់ទៅនឹងកាលវិភាគតាមរដូវកាល។

ប្រភេទនៃការផ្លាស់ប្តូរទាំងនេះអាចធ្វើឱ្យគំរូតាមរដូវកាលដែលអាចទុកចិត្តបានពីមុនមិនមានប្រសិទ្ធភាព។

វឌ្ឍនភាពបច្ចេកវិទ្យា

បច្ចេកវិទ្យាថ្មី ជាពិសេសស្វ័យប្រវត្តិកម្ម និង AI បានណែនាំកម្រិតនៃការឆ្លើយតបដែលអាចបន្សាបការប្រែប្រួលតាមរដូវកាលមួយចំនួន។ ឧទាហរណ៍៖

• ប្រព័ន្ធខ្សែសង្វាក់ផ្គត់ផ្គង់ស្វ័យប្រវត្តិអាចកែតម្រូវដោយថាមវន្តចំពោះការផ្លាស់ប្តូរតម្រូវការ។
• ការគ្រប់គ្រងសារពើភ័ណ្ឌដែលដំណើរការដោយ ML អាចបង្កើនប្រសិទ្ធភាពកម្រិតភាគហ៊ុនដោយមិនអាស្រ័យលើតម្រូវការតាមរដូវកាលដែលរំពឹងទុក។

ការផ្លាស់ប្តូរបទប្បញ្ញត្តិ និងគោលនយោបាយ

រដ្ឋាភិបាល និងស្ថាប័ននានាអាចអនុវត្តគោលនយោបាយថ្មី ដែលជះឥទ្ធិពលយ៉ាងខ្លាំងដល់រដូវកាល។ ឧទាហរណ៍​រួម​មាន៖

• ការផ្លាស់ប្ដូរកាលបរិច្ឆេទពន្ធ ច្បាប់ការងារ ឬអត្រាការប្រាក់ដែលប៉ះពាល់ដល់វដ្តទីផ្សារហិរញ្ញវត្ថុ។
• វិធានការជំរុញ ឬភាពតឹងតែងដែលផ្លាស់ប្តូរទម្លាប់នៃការចំណាយរបស់អ្នកប្រើប្រាស់នៅខាងក្រៅរដូវតាមរដូវប្រពៃណី។

គុណវិបត្តិនៃវិធីសាស្ត្រ ឬភាពរឹងរបស់គំរូ

ក្នុង​ករណី​ខ្លះ វា​មិន​មែន​ជា​រដូវ​ដែល​បាត់​នោះ​ទេ ប៉ុន្តែ​មាន​កំហុស​ក្នុង​របៀប​ដែល​វា​ត្រូវ​បាន​វាស់។ វាអាចរួមបញ្ចូល៖

• ការបរាជ័យក្នុងការកែតម្រូវឱ្យបានត្រឹមត្រូវសម្រាប់ការផ្លាស់ប្តូរបន្ទាត់គោល ឬផ្នែកខាងក្រៅនៅក្នុងទិន្នន័យស៊េរីពេលវេលា។
• ម៉ូដែលហួសកម្រិតទៅនឹងទិន្នន័យពីមុន ដោយសន្មតថាលំនាំនឹងកើតឡើងវិញដោយមិនមានការវាយតម្លៃឡើងវិញ។
• សន្ទស្សន៍តាមរដូវកាលហួសសម័យ ដែលលែងឆ្លុះបញ្ចាំងពីការពិតទីផ្សារ។

ដូច្នេះហើយ វាជារឿងសំខាន់សម្រាប់អ្នកវិភាគ និងអ្នកព្យាករណ៍ដើម្បីវាយតម្លៃឡើងវិញនូវការសន្មត់ និងប៉ារ៉ាម៉ែត្រគំរូជាបន្តបន្ទាប់ ជាពិសេសបន្ទាប់ពីមានការភ្ញាក់ផ្អើលខ្លាំង ឬការអភិវឌ្ឍន៍ទីផ្សារ។

សេចក្តីសន្និដ្ឋាន

រដូវមិនមែនជាច្បាប់កំណត់នៃសេដ្ឋកិច្ច ឬធម្មជាតិទេ។ វាគឺជាដេរីវេនៃបរិស្ថាន បរិបទ និងអាកប្បកិរិយារបស់មនុស្ស។ ដូច្នេះ វាមានភាពផុយស្រួយ — ងាយនឹងផ្លាស់ប្តូររចនាសម្ព័ន្ធ អាកប្បកិរិយា និងការរំខានពីខាងក្រៅ។ ការទទួលស្គាល់ភាពផុយស្រួយនេះគឺជាគន្លឹះដើម្បីជៀសវាងការពឹងផ្អែកដោយខ្វាក់ភ្នែកលើគំរូប្រវត្តិសាស្ត្រ និងធានាឱ្យមានភាពរហ័សរហួន និងរហ័សក្នុងការសម្រេចចិត្តដែលផ្តល់ព័ត៌មានអំពីទិន្នន័យក្នុងគ្រានៃភាពមិនច្បាស់លាស់។

ការយល់ដឹងអំពីទីកន្លែង និងរបៀបដែលរដូវកាលបំបែកចេញ ផ្តល់នូវការយល់ដឹងជាក់ស្តែងនៅទូទាំងដែនពិភពពិតផ្សេងៗ។ ពីអាជីវកម្មទៅអ្នកបង្កើតគោលនយោបាយ ដល់វិនិយោគិនបុគ្គល ការទទួលស្គាល់ការផ្លាស់ប្តូរទាំងនេះអាចជូនដំណឹងដល់ការអភិវឌ្ឍន៍យុទ្ធសាស្ត្រសកម្ម និងការគ្រប់គ្រងហានិភ័យ។

ករណីសិក្សាទី 1៖ វិស័យលក់រាយក្រោយកូវីដ

រដូវកាលនៃការលក់រាយបានផ្លាស់ប្តូរជាប្រវត្តិសាស្ត្រជុំវិញព្រឹត្តិការណ៍ថ្ងៃឈប់សម្រាកសំខាន់ៗដូចជាបុណ្យណូអែល ថ្ងៃសុក្រខ្មៅ និងការផ្សព្វផ្សាយពីសាលារៀន។ ទោះបីជាយ៉ាងណាក៏ដោយ ក្រោយការឆ្លងកូវីដ-១៩ ការបំប្លែងឌីជីថលបានពន្លឿន ដែលនាំទៅដល់ខ្សែកោងតម្រូវការដ៏ត្រចះត្រចង់។ Amazon Prime Days ឬការបញ្ចុះតម្លៃភ្លាមៗនៅក្នុងខែក្រៅកំពូលបានចែកចាយឡើងវិញនូវការទិញរបស់អតិថិជន។ ជាឧទាហរណ៍ ការលក់បុណ្យណូអែលនៅឆ្នាំ 2021 មិនសូវច្បាស់ទេ បើប្រៀបធៀបទៅនឹងការកើនឡើងភ្លាមៗនៃការលក់អនឡាញនៅដើមរដូវស្លឹកឈើជ្រុះ។ គំរូព្យាករណ៍តាមរដូវកាលដែលមិនបានកែតម្រូវបានបរាជ័យក្នុងការបង្កើនប្រសិទ្ធភាពស្តុក និងកម្រិតបុគ្គលិក ដែលនាំឱ្យស្តុកលើស ឬខ្វះខាត។

ករណីសិក្សាទី 2៖ តម្រូវការថាមពល និងភាពមិនប្រក្រតីនៃអាកាសធាតុ

ការប្រើប្រាស់ថាមពលជាធម្មតាឡើងដល់កំពូលក្នុងអំឡុងរដូវរងា (កំដៅ) និងរដូវក្តៅ (ត្រជាក់) នៅក្នុងប្រទេសអភិវឌ្ឍន៍ភាគច្រើន។ ទោះជាយ៉ាងណាក៏ដោយ រដូវរងាស្រាលនៅអឺរ៉ុបក្នុងអំឡុងឆ្នាំ 2022 បានផ្លាស់ប្តូរគំរូនេះយ៉ាងខ្លាំង។ ប្រទេសដូចជាប្រទេសអាឡឺម៉ង់ ដែលរំពឹងថានឹងមានតម្រូវការឧស្ម័នខ្ពស់ បានឃើញកំណត់ត្រាប្រើប្រាស់ទាប ដោយសារអាកាសធាតុក្តៅខ្លាំងមិនសមហេតុផល។ ក្រុមហ៊ុន និងអ្នកវិនិយោគដែលព្រងើយកន្តើយនឹងគម្លាតអាកាសធាតុ ហើយពឹងផ្អែកខ្លាំងលើការព្យាករណ៍តាមរដូវកាល បណ្តាលឱ្យមានការខាតបង់ ឬដំណើរការមិនដំណើរការធៀបនឹងដៃគូប្រកួតប្រជែងជាមួយនឹងយុទ្ធសាស្រ្តដែលអាចបត់បែនបាន។

ករណីសិក្សាទី 3៖ កសិកម្ម និងការកែតម្រូវខ្សែសង្វាក់ផ្គត់ផ្គង់

រដូវក្នុងវិស័យកសិកម្ម ជាពិសេសទិន្នផលដំណាំ និងវដ្តនៃការប្រមូលផល គឺជាប្រពៃណី និងវាស់វែងបំផុត។ យ៉ាងណាក៏ដោយ ព្រឹត្តិការណ៍អាកាសធាតុធ្ងន់ធ្ងរ និងការរំខានភូមិសាស្ត្រនយោបាយ ដូចជាជម្លោះអ៊ុយក្រែនក្នុងឆ្នាំ 2022 បានប៉ះពាល់ដល់ការនាំចេញគ្រាប់ធញ្ញជាតិ និងរដូវធ្វើកសិកម្ម។ រដូវដាំដុះនិទាឃរដូវប្រពៃណីត្រូវបានពន្យារពេល ដែលប៉ះពាល់ដល់ការផ្គត់ផ្គង់ស្រូវសាលីសកល។ ពាណិជ្ជករ​ដែល​បាន​កែ​សម្រួល​ម៉ូដែល​ក្នុង​ពេល​ពិត​ប្រាកដ​ដោយ​រួម​បញ្ចូល​ទាំង​ផ្កាយ​រណប និង​ទិន្នន័យ​អាកាសធាតុ​ក្នុង​តំបន់​មាន​ប្រៀប​ជាង​អ្នក​ដែល​ពឹង​ផ្អែក​លើ​មធ្យមភាគ​ជា​ប្រវត្តិសាស្ត្រ។

ករណីសិក្សាទី 4៖ រដូវកាលទីផ្សារហិរញ្ញវត្ថុ

ទីផ្សារហិរញ្ញវត្ថុបានបង្ហាញពីសូចនាករតាមរដូវកាលយូរមកហើយ ដែលហៅថា "ឥទ្ធិពលខែមករា" ឬបរិមាណជួញដូរកើនឡើងជុំវិញរដូវកាលរកប្រាក់ចំណូល។ ទោះជាយ៉ាងណាក៏ដោយ ការជួញដូរអាល់ហ្គោ ការធ្វើឱ្យមានតុល្យភាពឡើងវិញនៃសន្ទស្សន៍ និងការចូលប្រើប្រាស់ទីផ្សារទូទាំងពិភពលោក 24/7 បានធ្វើឱ្យផលប៉ះពាល់ទាំងនេះមានភាពរលូន។ ជាឧទាហរណ៍ ការស្រាវជ្រាវបង្ហាញថាឥទ្ធិពលខែមករាបានក្លាយទៅជាស្ថិតិខ្សោយជាងក្នុងទសវត្សរ៍ចុងក្រោយនេះ។ លើសពីនេះ ក្នុងអំឡុងពេលឆ្នាំ 2020 គំរូបានផ្លាស់ប្តូរដោយមិនអាចទាយទុកជាមុនបាន ដោយសារការប្រកាសជំរុញទឹកចិត្ត ដំណឹងចាក់សោរ និងការអាប់ដេតថ្នាំបង្ការបានជំរុញទឹកចិត្តវិនិយោគិនច្រើនជាងសញ្ញាប្រពៃណី។

ការដកយកគន្លឹះ

• ភាពអាចសម្របខ្លួនបានគឺមានសារៈសំខាន់៖ អង្គការត្រូវតែធ្វើបច្ចុប្បន្នភាពជាបន្តនូវគំរូដើម្បីទទួលការផ្លាស់ប្តូរ។
• បច្ចេកវិទ្យាបើកដំណើរការភាពបត់បែន៖ AI និងព័ត៌មានទិន្នន័យតាមពេលវេលាជាក់ស្តែងអនុញ្ញាតឱ្យមានការឆ្លើយតបថាមវន្តចំពោះរដូវកាលខូច។
• ការសន្មត់ត្រូវតែត្រូវបានវាយតម្លៃឡើងវិញ៖ ការពឹងផ្អែកដោយខ្វាក់ទៅលើទិន្នន័យប្រវត្តិសាស្ត្រដោយគ្មានបរិបទអាចបណ្តាលឱ្យមានកំហុសក្នុងការព្យាករណ៍។
• អាកាសធាតុ គោលនយោបាយ និងបញ្ហាអាកប្បកិរិយារបស់អ្នកប្រើប្រាស់៖ ទាំងនេះកាន់តែមានឥទ្ធិពលក្នុងការកំណត់ថាតើគំរូតាមរដូវកាលមានឬអត់។

នៅទីបំផុត ខណៈពេលដែលរដូវកាលនៅតែជារចនាសម្ព័ន្ធវិភាគដ៏មានប្រយោជន៍ តម្លៃរបស់វាស្ថិតនៅក្នុងការរក្សាវាឱ្យស្ថិតក្រោមការត្រួតពិនិត្យជាប្រចាំ។ ការកសាងប្រព័ន្ធធន់ដែលគិតតាមរដូវកាល ខណៈពេលដែលរៀបចំសម្រាប់ការវិភាគដែលអាចកើតមានរបស់វានឹងផ្តល់អត្ថប្រយោជន៍ជាយុទ្ធសាស្ត្រដ៏អស្ចារ្យបំផុតនៅក្នុងទិដ្ឋភាពប្រែប្រួលនាពេលបច្ចុប្បន្ននេះ។