โมเดลธุรกิจอัจฉริยะเพื่อการพยากรณ์ราคาเนื้อสุกรในประเทศไทย

โรคอหิวาต์แอฟริกาในสุกร และโรคติดเชื้อไวรัสโคโรนาที่ระบาดในมนุษย์ ในช่วงปีที่ผ่านมา ได้ส่งผลกระทบต่อการเปลี่ยนแปลงราคาสินค้าเกษตรและปศุสัตว์เป็นอย่างมาก ก่อให้เกิดภาวะความผันผวนของสินค้าเกษตรสำหรับอุตสากรรมอาหารสัตว์ ที่เป็นต้นทุนหลักในการผลิตเนื้อสุกร การศึกษาการพยากรณ์ราคาสินค้าจึงเป็นสิ่งสำคัญที่ช่วยประกอบการวางแผน และตัดสินใจในการดำเนินธุรกิจได้ งานวิจัยนี้เป็นงานวิจัยเชิงปริมาณมีวัตถุประสงค์เพื่อการศึกษาปัจจัยที่ส่งผลต่อการเปลี่ยนแปลงราคาเนื้อสุกรในประเทศไทย และเพื่อศึกษาแนวทางในการพยากรณ์ราคาสินค้าเนื้อสุกรในอนาคต และใช้ประกอบการตัดสินใจในการวางแผนการสั่งซื้อสินค้า โดยการรวบรวมข้อมูลทุติยภูมิ ย้อนหลังจำนวน 10 ปี ช่วงปี พ.ศ. 2554 - 2564 จากเว็บไซต์เผยแพร่ของหน่วยงานราชการที่เกี่ยวข้องในประเทศไทย วิเคราะห์และจัดการข้อมูลด้วยกระบวนการสกัด, ดัดแปลง และโหลด ผ่านโปรแกรม Microsoft Power Bi เพื่อนำข้อมูลเข้าสู่คลังข้อมูล, สร้างแผนภาพข้อมูล และพยากรณ์ราคาสินค้าในรูปแบบของกราฟการพยากรณ์แบบเส้น ซึ่งค่าที่ได้จากการพยากรณ์เปรียบเทียบกับค่าที่เกิดขึ้นจริง สามารถสรุปเป็นค่าเฉลี่ยร้อยละความผิดพลาดสัมบูรณ์เท่ากับ 6.98, 7.24, 9.61, 9.83, 11.63, 19.08 และ 24.08 ในการพยากรณ์ราคาเนื้อสุกรเฉลี่ย, รำสกัดน้ำมัน, สุกรขุนมีชีวิต, ปลายข้าวซีวัน, ข้าวโพด ส่วนราคากากถั่วเหลือง และราคาลูกสุกรทั่วไป มีความแม่นยำในการพยากรณ์ต่ำที่สุด การวิเคราะห์สมการถดถอยเชิงเส้นพหุคูณ พบว่า (1) ราคาสุกรขุนมีชีวิต, ราคาน้ำมันดีเซลค้าปลีก และดัชนีราคาผู้บริโภค สามารถอธิบายราคาเฉลี่ยเนื้อสุกรได้ ร้อยละ 92.7 (2) ต้นทุนการผลิตสุกรขุนมีชีวิต ได้แก่ ราคาวัตถุดิบอาหารสัตว์ และราคาลูกสุกร ส่งผลกระทบต่อราคาสุกรขุนมีชีวิต โดยสามารถอธิบายการผันแปรราคาได้ร้อยละ 80.3 ยกเว้นราคากากถั่วเหลือง และ (3) ปริมาณการนำเข้า และส่งออกสินค้าเกษตร รวมถึงราคาน้ำมันดีเซลค้าปลีกสามารถอธิบายราคาลูกสุกร, ราคาปลายข้าวซีวัน, ราคากากถั่วเหลือง, ราคาข้าวโพด และราคารำสกัดน้ำมัน ได้ร้อยละ 19.2, 31.5, 19.4, 21.2 และ 7.3 ตามลำดับ เมื่อเปรียบเทียบค่าร้อยละความผิดพลาดสัมบูรณ์เฉลี่ยที่ได้จากการพยากรณ์ราคาสินค้า พบว่าทั้ง 2 วิธีสามารถพยากรณ์ราคาสินค้าค่อนข้างแม่นยำ โดยเฉพาะราคาเฉลี่ยเนื้อสุกร สมการถดถอยเชิงเส้นพหุคูณจะสามารถพยากรณ์แม่นยำกว่าโปรแกรม Microsoft Power Bi เนื่องจากเป็นการวิเคราะห์ร่วมกับปัจจัยอื่น อย่างไรก็ตาม ยังมีปัจจัยอื่นที่ส่งผลกระทบต่อการเปลี่ยนแปลงโครงสร้างราคา เช่น สภาพอากาศ, ภัยพิบัติ, อัตราการแลกเปลี่ยนเงิน รวมถึงสถานการณ์ทางการเมืองที่ต้องศึกษาเพิ่มเติม เพื่อประกอบการตัดสินใจและบริหารต้นทุนได้อย่างมีประสิทธิภาพมากขึ้น

过去几年，猪非洲猪瘟（African Swine Fever, ASF）及人类新冠病毒（Coronavirus）疫情的暴发，对农产品及畜禽产品价格变化产生了重大影响，导致作为猪肉生产主要成本的畜禽饲料行业原料农产品出现大幅波动。本量化研究旨在分析影响泰国猪肉价格变化的因素，并探索未来猪肉价格的预测方法，为采购决策提供支持。研究采用泰国相关政府网站公开的佛历2554年至2564年（公历2011年至2021年）共10年的二手数据，通过Microsoft Power Bi工具进行数据提取、转换与加载（Extract, Transform, Load, ETL），构建数据仓库、生成数据可视化图表，并以线性预测图形式开展价格预测。预测结果与实际值对比显示，猪肉均价、棕榈油、活大猪、碎米、玉米、黄豆粕及普通仔猪的平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）分别为6.98%、7.24%、9.61%、9.83%、11.63%、19.08%及24.08%，其中黄豆粕与普通仔猪的预测准确性最低。多元线性回归分析结果表明：（1）活大猪价格、柴油零售价及消费者价格指数（Consumer Price Index, CPI）可解释92.7%的猪肉均价波动；（2）活大猪生产成本（包括畜禽饲料原料价格与仔猪价格）对活大猪价格具有显著影响，可解释80.3%的价格波动（黄豆粕除外）；（3）农产品进出口量及柴油零售价分别可解释19.2%的仔猪价格、31.5%的碎米价格、19.4%的黄豆粕价格、21.2%的玉米价格及7.3%的棕榈油价格波动。对比两种预测方法的MAPE值发现，二者均具有较高的预测准确性，尤其是猪肉均价预测；多元线性回归模型的准确性优于Microsoft Power Bi的线性预测方法，因其整合了更多影响因素。然而，天气条件、灾害事件、汇率及政治局势等其他因素仍需进一步研究，以提升决策优化与成本管理的有效性。