ສະຖິຕິໃນການວິເຄາະຄວາມສ່ຽງ
ໃນໂລກທີ່ເຕັມໄປດ້ວຍຄວາມບໍ່ແນ່ນອນ - ຕັ້ງແຕ່ຄວາມຜັນຜວນຂອງຕະຫຼາດ ແລະ ການປ່ຽນແປງຂອງດິນຟ້າອາກາດ ຈົນເຖິງຄວາມສ່ຽງດ້ານສຸຂະພາບ ແລະ ການລົບກວນລະບົບຕ່ອງໂສ້ການສະໜອງ - ພວກເຮົາຕ້ອງການວິທີການທີ່ເປັນລະບົບເພື່ອເຂົ້າໃຈ ແລະ ຄຸ້ມຄອງຄວາມສ່ຽງ. ນີ້ແມ່ນບ່ອນທີ່ສະຖິຕິມີບົດບາດສຳຄັນ. ສະຖິຕິບໍ່ພຽງແຕ່ເປັນການລວບລວມສູດເທົ່ານັ້ນ, ແຕ່ແມ່ນຊຸດວິທີການສຳລັບການປ່ຽນຂໍ້ມູນໃຫ້ເປັນຂໍ້ມູນທີ່ສາມາດນຳໃຊ້ເພື່ອປະເມີນຄວາມເປັນໄປໄດ້ຂອງເຫດການ, ວັດແທກຜົນກະທົບຂອງມັນ, ແລະ ອອກແບບຍຸດທະສາດການຫຼຸດຜ່ອນຄວາມສ່ຽງ. ບົດຄວາມນີ້ສົນທະນາກ່ຽວກັບວິທີການນຳໃຊ້ສະຖິຕິໃນການວິເຄາະຄວາມສ່ຽງ, ແນວຄວາມຄິດຫຼັກຂອງມັນ, ແລະ ຕົວຢ່າງຂອງການນຳໃຊ້ມັນໃນຂົງເຂດຕ່າງໆ.
ການເຂົ້າໃຈຄວາມສ່ຽງ: ໂອກາດ ແລະ ຜົນກະທົບ
ໂດຍທົ່ວໄປ, ຄວາມສ່ຽງສາມາດເຂົ້າໃຈໄດ້ວ່າເປັນການລວມກັນຂອງຄວາມເປັນໄປໄດ້ຂອງເຫດການທີ່ເກີດຂຶ້ນ ແລະ ຜົນກະທົບຂອງມັນ. ຕົວຢ່າງ, ຄວາມສ່ຽງຂອງນໍ້າຖ້ວມໃນພື້ນທີ່ແມ່ນໄດ້ຮັບອິດທິພົນຈາກຄວາມຖີ່ຂອງນໍ້າຖ້ວມ (ຄວາມເປັນໄປໄດ້) ແລະ ຂອບເຂດຂອງຄວາມເສຍຫາຍ (ຜົນກະທົບ). ສະຖິຕິຊ່ວຍໃຫ້ພວກເຮົາວັດແທກທັງຜ່ານຂໍ້ມູນປະຫວັດສາດ, ການສ້າງແບບຈໍາລອງ ແລະ ການອະນຸມານ.
ເຖິງຢ່າງໃດກໍ່ຕາມ, ບໍ່ແມ່ນຄວາມສ່ຽງທັງໝົດສາມາດວັດແທກໄດ້ງ່າຍ. ໃນຫຼາຍໆກໍລະນີ, ຂໍ້ມູນອາດຈະມີຈຳກັດ, ບໍ່ຄົບຖ້ວນ, ຫຼື ມີອະຄະຕິ. ດັ່ງນັ້ນ, ການວິເຄາະຄວາມສ່ຽງທີ່ທັນສະໄໝມັກຈະລວມສະຖິຕິແບບຄລາສສິກເຂົ້າກັບວິທີການຄາດຄະເນຄວາມເປັນໄປໄດ້, ການຈຳລອງ, ແລະ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກເພື່ອສ້າງການຄາດຄະເນທີ່ເປັນຈິງຫຼາຍຂຶ້ນ.
ບົດບາດຂອງຂໍ້ມູນ ແລະ ຄຸນນະພາບຂອງມັນໃນການວິເຄາະຄວາມສ່ຽງ
ຂັ້ນຕອນພື້ນຖານທີ່ສຸດໃນການວິເຄາະຄວາມສ່ຽງແມ່ນການເກັບກຳຂໍ້ມູນທີ່ກ່ຽວຂ້ອງ. ຂໍ້ມູນນີ້ສາມາດປະກອບມີບັນທຶກເຫດການທີ່ຜ່ານມາ (ເຊັ່ນ: ຂໍ້ມູນອຸບັດຕິເຫດໃນບ່ອນເຮັດວຽກ), ການວັດແທກເປັນໄລຍະ (ເຊັ່ນ: ປະລິມານນ້ຳຝົນປະຈຳວັນ), ຫຼື ຂໍ້ມູນການສຳຫຼວດ (ເຊັ່ນ: ການປະຕິບັດຕາມໂປໂຕຄອນຄວາມປອດໄພຂອງຜູ້ໃຊ້). ຄຸນນະພາບຂອງຂໍ້ມູນກຳນົດຄຸນນະພາບຂອງການວິເຄາະ. ສະຖິຕິໃຫ້ເຄື່ອງມືສຳລັບ:
1. ການເຮັດຄວາມສະອາດຂໍ້ມູນ: ການກວດຫາຄ່າຜິດປົກກະຕິ, ຄ່າທີ່ຂາດຫາຍໄປ ແລະ ຄວາມບໍ່ສອດຄ່ອງ.
2. ການອະທິບາຍຂໍ້ມູນ (ສະຖິຕິພັນລະນາ): ສະຫຼຸບຂໍ້ມູນດ້ວຍມາດຕະການຂອງແນວໂນ້ມສູນກາງ ແລະ ການແຈກຢາຍ.
3. ການປະເມີນຄວາມລຳອຽງ: ຕົວຢ່າງເຊັ່ນ ຄວາມລຳອຽງໃນການເລືອກຂໍ້ມູນການສຳຫຼວດ ຫຼື ການລາຍງານຂໍ້ມູນເຫດການບໍ່ຄົບຖ້ວນ.
ຖ້າບໍ່ມີຂໍ້ມູນທີ່ດີ, ຮູບແບບຄວາມສ່ຽງອາດຈະເຮັດໃຫ້ເຂົ້າໃຈຜິດໄດ້. ດັ່ງນັ້ນ, ການເຂົ້າໃຈແຫຼ່ງຂໍ້ມູນ, ຄໍານິຍາມຕົວແປ, ແລະວິທີການບັນທຶກແມ່ນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງການວິເຄາະ.
ມາດຕະການຂອງຄວາມເປັນສູນກາງ ແລະ ການກະຈາຍ: ການວັດແທກຄວາມບໍ່ແນ່ນອນ
ໃນການວິເຄາະຄວາມສ່ຽງ, ພວກເຮົາບໍ່ຄ່ອຍຕ້ອງການພຽງແຕ່ "ຄ່າສະເລ່ຍ". ສິ່ງທີ່ສຳຄັນກວ່ານັ້ນແມ່ນການເຂົ້າໃຈການປ່ຽນແປງ. ຕົວຢ່າງ, ສອງຫຼັກຊັບການລົງທຶນສາມາດມີຜົນຕອບແທນສະເລ່ຍຄືກັນແຕ່ມີລະດັບຄວາມຜັນຜວນທີ່ແຕກຕ່າງກັນ; ຫຼັກຊັບທີ່ມີຄວາມຜັນຜວນສູງກວ່າໂດຍທົ່ວໄປແລ້ວຖືວ່າມີຄວາມສ່ຽງຫຼາຍກວ່າ.
ບາງແນວຄວາມຄິດທາງສະຖິຕິທີ່ໃຊ້ທົ່ວໄປ:
- ຄ່າສະເລ່ຍ (ຄ່າສະເລ່ຍ): ການປະເມີນມູນຄ່າທີ່ຄາດໄວ້ຂອງຕົວແປ.
- ຄ່າກາງ: ເປັນປະໂຫຍດເມື່ອຂໍ້ມູນມີຄວາມບ່ຽງເບນສູງ, ຕົວຢ່າງເຊັ່ນການແຈກຢາຍການສູນເສຍຍ້ອນໄພພິບັດ.
- ຄວາມແปรປ່ວນ ແລະ ຄ່າຜັນປ່ຽນມາດຕະຖານ: ວັດແທກການແຜ່ກະຈາຍຂອງຂໍ້ມູນ, ເຊິ່ງມັກໃຊ້ເປັນຕົວຊີ້ວັດຄວາມຜັນຜວນ.
- ຄວາໄທລ໌ ແລະ IQR: ຊ່ວຍໃຫ້ເຂົ້າໃຈການແຈກຢາຍໂດຍບໍ່ໄດ້ຮັບອິດທິພົນຈາກຄ່າຜິດປົກກະຕິຫຼາຍເກີນໄປ.
ໃນການປະຕິບັດການຄຸ້ມຄອງຄວາມສ່ຽງ, ມາດຕະການຕ່າງໆເຊັ່ນ: ຄ່າຜັນປ່ຽນມາດຕະຖານມັກຖືກນໍາໃຊ້ເພື່ອອະທິບາຍ "ຄວາມຜັນຜວນ", ໃນຂະນະທີ່ຄ່າກາງ ຫຼື ຄ່າຄວານໄທລ໌ຖືກນໍາໃຊ້ເພື່ອອະທິບາຍສະຖານະການທີ່ອະນຸລັກຫຼາຍກວ່າ.
ການແຈກຢາຍຄວາມເປັນໄປໄດ້: ພື້ນຖານຂອງການສ້າງແບບຈຳລອງຄວາມສ່ຽງ
ສະຖິຕິແນະນຳແນວຄວາມຄິດຂອງການແຈກຢາຍຄວາມເປັນໄປໄດ້, ເຊິ່ງເປັນວິທີການອະທິບາຍຄວາມເປັນໄປໄດ້ຂອງຄ່າທີ່ເປັນໄປໄດ້ທີ່ຈະເກີດຂຶ້ນ. ການເລືອກການແຈກຢາຍທີ່ຖືກຕ້ອງແມ່ນມີຄວາມສຳຄັນຫຼາຍເພາະມັນຈະສົ່ງຜົນກະທົບຕໍ່ການປະເມີນຄວາມສ່ຽງ.
ການແຈກຢາຍບາງຢ່າງທີ່ມັກເກີດຂຶ້ນໃນສະພາບການຂອງຄວາມສ່ຽງ:
- ການແຈກຢາຍປົກກະຕິ: ມັກໃຊ້ສຳລັບປະກົດການທີ່ເປັນຜົນມາຈາກຫຼາຍປັດໃຈນ້ອຍໆ. ຢ່າງໃດກໍຕາມ, ໃນຫຼາຍໆກໍລະນີທີ່ມີຄວາມສ່ຽງສູງ, ການແຈກຢາຍປົກກະຕິສາມາດປະເມີນຄວາມເປັນໄປໄດ້ຂອງເຫດການໃຫຍ່ຕໍ່າເກີນໄປ.
- ການແຈກຢາຍແບບ Lognormal: ມັກໃຊ້ສຳລັບການສູນເສຍທາງດ້ານການເງິນ ຫຼື ເວລາສຳເລັດໂຄງການ.
– ການແຈກຢາຍ Poisson: ເໝາະສົມສຳລັບການຄິດໄລ່ຈຳນວນເຫດການໃນໄລຍະເວລາໃດໜຶ່ງ, ຕົວຢ່າງເຊັ່ນ ຈຳນວນອຸບັດຕິເຫດຕໍ່ເດືອນ.
- ການແຈກຢາຍແບບ Exponential ແລະ Weibull: ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນການວິເຄາະຄວາມຫນ້າເຊື່ອຖື ແລະ ອາຍຸການໃຊ້ງານຂອງອົງປະກອບເຄື່ອງຈັກ.
ໂດຍການໃຊ້ການແຈກຢາຍ, ນັກວິເຄາະສາມາດຄິດໄລ່ຄວາມເປັນໄປໄດ້ຂອງເຫດການທີ່ເກີດຂຶ້ນຢູ່ເໜືອຂອບເຂດຈຳກັດທີ່ແນ່ນອນ, ຕົວຢ່າງເຊັ່ນ ຄວາມເປັນໄປໄດ້ຂອງການສູນເສຍທີ່ເກີນຂອບເຂດຈຳກັດທີ່ແນ່ນອນໃນໜຶ່ງປີ.
ການປະເມີນພາລາມິເຕີ ແລະ ການອະນຸມານ: ຈາກຕົວຢ່າງເຖິງປະຊາກອນ
ເລື້ອຍໆພວກເຮົາມີພຽງແຕ່ຕົວຢ່າງຂໍ້ມູນເທົ່ານັ້ນ, ບໍ່ແມ່ນຊຸດຂໍ້ມູນທັງໝົດ. ການອະນຸມານທາງສະຖິຕິຊ່ວຍໃຫ້ພວກເຮົາສາມາດສະຫຼຸບກ່ຽວກັບປະຊາກອນໂດຍອີງໃສ່ຕົວຢ່າງ. ໃນການວິເຄາະຄວາມສ່ຽງ, ສິ່ງນີ້ມີຄວາມສຳຄັນສຳລັບ:
- ປະເມີນອັດຕາຄວາມລົ້ມເຫຼວຂອງເຄື່ອງຈັກຈາກຂໍ້ມູນການກວດກາ,
- ຄາດຄະເນອັດຕາການຜິດນັດສິນເຊື່ອຈາກຂໍ້ມູນລູກໜີ້,
- ຫຼື ປະເມີນປະສິດທິພາບຂອງການແຊກແຊງຫຼຸດຜ່ອນຄວາມສ່ຽງ.
ວິທີການຕ່າງໆເຊັ່ນ: ໄລຍະຄວາມເຊື່ອໝັ້ນຊ່ວຍຊີ້ບອກຂອບເຂດຂອງຄ່າທີ່ເປັນໄປໄດ້ສຳລັບພາລາມິເຕີ (ເຊັ່ນ: ການສູນເສຍສະເລ່ຍ), ໃນຂະນະທີ່ການທົດສອບສົມມຸດຕິຖານສາມາດຖືກນໍາໃຊ້ເພື່ອປຽບທຽບນະໂຍບາຍການຫຼຸດຜ່ອນສອງຢ່າງ: ນະໂຍບາຍໃໝ່ນີ້ຊ່ວຍຫຼຸດຜ່ອນອັດຕາການເກີດອຸບັດຕິເຫດໄດ້ແທ້ບໍ?
ມາດຕະການມູນຄ່າທີ່ມີຄວາມສ່ຽງ (VaR) ແລະ ຄວາມສ່ຽງຕາມປະລິມານ
ດ້ານການເງິນ, ມາດຕະການຄວາມສ່ຽງທີ່ໄດ້ຮັບຄວາມນິຍົມອັນໜຶ່ງແມ່ນມູນຄ່າຄວາມສ່ຽງ (VaR). VaR ຕອບຄຳຖາມທີ່ວ່າ: "ການສູນເສຍສູງສຸດທີ່ເປັນໄປໄດ້ໃນລະດັບຄວາມໝັ້ນໃຈທີ່ກຳນົດໃຫ້ໃນໄລຍະເວລາທີ່ກຳນົດໃຫ້ແມ່ນຫຍັງ?" ຕົວຢ່າງ, VaR ປະຈຳວັນ 95% ຂອງ IDR 1 ຕື້ໝາຍຄວາມວ່າມີຄວາມໝັ້ນໃຈ 95% ວ່າການສູນເສຍປະຈຳວັນຈະບໍ່ເກີນ IDR 1 ຕື້ (ເຖິງແມ່ນວ່າຍັງມີໂອກາດ 5% ຂອງການສູນເສຍທີ່ໃຫຍ່ກວ່າ).
ເຖິງແມ່ນວ່າ VaR ຈະຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງ, ແຕ່ມັນກໍມີຂໍ້ຈຳກັດ, ໂດຍສະເພາະໃນການແກ້ໄຂຄວາມສ່ຽງດ້ານຫາງ. ດັ່ງນັ້ນ, ມາດຕະການອື່ນໆເຊັ່ນ: ການຂາດດຸນທີ່ຄາດໄວ້ (CVaR) ມັກຖືກນຳໃຊ້, ເຊິ່ງກວມເອົາການສູນເສຍໂດຍສະເລ່ຍໃນສະຖານະການທີ່ຮ້າຍແຮງທີ່ສຸດນອກເໜືອຈາກ VaR.
ແນວຄວາມຄິດດ້ານ quantile ນີ້ຍັງກ່ຽວຂ້ອງກັບຂົງເຂດອື່ນໆ, ຕົວຢ່າງເຊັ່ນການກຳນົດຂອບເຂດທີ່ປອດໄພສຳລັບມົນລະພິດທາງອາກາດ ຫຼື ການກຳນົດຄັງສຳຮອງເພື່ອຫຼຸດຜ່ອນຄວາມສ່ຽງຂອງການໝົດສິນຄ້າ.
ການຈຳລອງແບບ Monte Carlo: ປະເຊີນກັບຄວາມສັບສົນ
ເມື່ອລະບົບມີຄວາມຊັບຊ້ອນເກີນໄປທີ່ຈະວິເຄາະໃນແບບວິເຄາະ, ການຈຳລອງແບບ Monte Carlo ແມ່ນທາງອອກ. ວິທີການນີ້ໃຊ້ການເກັບຕົວຢ່າງແບບສຸ່ມຈາກການແຈກຢາຍຂໍ້ມູນເຂົ້າເພື່ອສ້າງສະຖານະການຜົນຜະລິດຫຼາຍອັນ. ຕົວຢ່າງ:
- ປະເມີນຄວາມສ່ຽງຂອງຄວາມລ່າຊ້າຂອງໂຄງການໂດຍອີງໃສ່ການປ່ຽນແປງຂອງໄລຍະເວລາຂອງແຕ່ລະກິດຈະກຳ.
- ວັດແທກຄວາມສ່ຽງຂອງການສູນເສຍຫຼັກຊັບໂດຍອີງໃສ່ຄວາມບໍ່ແນ່ນອນຂອງຜົນຕອບແທນຈາກຊັບສິນຕ່າງໆ.
- ຄາດຄະເນຄວາມສ່ຽງຂອງການຂາດແຄນການສະໜອງໂດຍອີງໃສ່ການປ່ຽນແປງຂອງຄວາມຕ້ອງການ ແລະ ເວລານຳ.
ດ້ວຍການຈຳລອງຫຼາຍພັນຫາຫຼາຍລ້ານຄັ້ງ, ນັກວິເຄາະສາມາດສ້າງການແຈກຢາຍຂອງຜົນໄດ້ຮັບ ແລະ ປະເມີນຄວາມເປັນໄປໄດ້ຂອງເຫດການທີ່ຮຸນແຮງ, ບໍ່ພຽງແຕ່ຄ່າສະເລ່ຍເທົ່ານັ້ນ.
ສຳພັນ ແລະ ການເພິ່ງພາອາໄສ: ຄວາມສ່ຽງບໍ່ຄ່ອຍຈະຢືນຢູ່ໂດດດ່ຽວ
ຄວາມສ່ຽງມັກຈະກ່ຽວຂ້ອງກັນ. ວິກິດການເສດຖະກິດສາມາດເພີ່ມຄວາມສ່ຽງຕໍ່ການຜິດນັດຊຳລະໜີ້, ເຊິ່ງຈະເພີ່ມຄວາມສ່ຽງຕໍ່ສະພາບຄ່ອງຂອງທະນາຄານ, ແລະອື່ນໆ. ສະຖິຕິສະໜອງເຄື່ອງມືສຳລັບການສຶກສາຄວາມສຳພັນລະຫວ່າງຕົວແປຕ່າງໆ:
- ສຳພັນເພື່ອເບິ່ງຄວາມສຳພັນເສັ້ນຊື່.
- ການຖົດຖອຍເພື່ອສ້າງແບບຈຳລອງຜົນກະທົບຂອງຕົວແປເຊີງສາເຫດຕໍ່ຕົວແປຄວາມສ່ຽງ.
- ການຮ່ວມມື (ໃນການວິເຄາະຄວາມສ່ຽງຂັ້ນສູງ) ເພື່ອສ້າງແບບຈຳລອງການເພິ່ງພາອາໄສ, ລວມທັງ "ຫາງຂອງການແຈກຢາຍ" ໃນລະຫວ່າງວິກິດການ.
ຄວາມຜິດພາດທົ່ວໄປໃນການວິເຄາະຄວາມສ່ຽງແມ່ນການສົມມຸດວ່າຕົວແປຕ່າງໆເປັນອິດສະຫຼະ. ຢ່າງໃດກໍຕາມ, ພາຍໃຕ້ເງື່ອນໄຂທີ່ຮ້າຍແຮງ, ສະຫະສຳພັນສາມາດເພີ່ມຂຶ້ນ, ເຮັດໃຫ້ຄວາມສ່ຽງລວມສູງຂຶ້ນຫຼາຍ.
ການນຳໃຊ້ສະຖິຕິໃນຂົງເຂດຕ່າງໆ
1. ສາທາລະນະສຸກ: ສ້າງແບບຈຳລອງຄວາມສ່ຽງດ້ານການລະບາດ, ການປະເມີນອັດຕາການຕິດຕໍ່, ແລະ ການວັດແທກປະສິດທິພາບຂອງວັກຊີນ.
2. ອຸດສາຫະກຳ ແລະ ຄວາມປອດໄພໃນອາຊີບ: ການວິເຄາະຄວາມຖີ່ຂອງອຸບັດຕິເຫດ, ການກຳນົດປັດໄຈສາເຫດ, ແລະ ການປະເມີນຜົນໂຄງການ K3.
3. ການປະກັນໄພ: ຄິດໄລ່ຄ່າປະກັນໄພໂດຍອີງໃສ່ຄວາມເປັນໄປໄດ້ຂອງການຮຽກຮ້ອງ ແລະ ຂະໜາດຂອງການຮຽກຮ້ອງ, ລວມທັງຄວາມສ່ຽງຈາກໄພພິບັດ.
4. ສິ່ງແວດລ້ອມ: ການຄາດຄະເນຄວາມສ່ຽງຂອງນໍ້າຖ້ວມ, ດິນເຈື່ອນ, ຫຼື ໄພແຫ້ງແລ້ງໂດຍອີງໃສ່ຂໍ້ມູນດ້ານສະພາບອາກາດ.
5. ຄວາມປອດໄພທາງໄຊເບີ: ການວັດແທກຄວາມເປັນໄປໄດ້ຂອງການໂຈມຕີ, ການກວດຫາຄວາມຜິດປົກກະຕິ, ແລະ ການປະເມີນຜົນກະທົບທາງດ້ານການເງິນຂອງເຫດການຕ່າງໆ.
ຄວາມຫຼາກຫຼາຍຂອງການນຳໃຊ້ເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວ່າສະຖິຕິແມ່ນກ່ຽວຂ້ອງກັບຫຼາຍສາຂາວິຊາ: ຫຼັກການແມ່ນຄືກັນ, ແຕ່ສະພາບການ ແລະ ປະເພດຂອງຂໍ້ມູນແມ່ນແຕກຕ່າງກັນ.
ສະຫຼຸບ: ສະຖິຕິເປັນພາສາຂອງຄວາມບໍ່ແນ່ນອນ
ສະຖິຕິໃນການວິເຄາະຄວາມສ່ຽງໂດຍພື້ນຖານແລ້ວແມ່ນຄວາມພະຍາຍາມທີ່ຈະວັດແທກຄວາມບໍ່ແນ່ນອນ. ໂດຍການໃຊ້ຂໍ້ມູນ, ການແຈກຢາຍຄວາມເປັນໄປໄດ້, ການອະນຸມານ, ແລະ ການຈຳລອງ, ພວກເຮົາສາມາດປະເມີນຄວາມເປັນໄປໄດ້ຂອງເຫດການ ແລະ ຜົນກະທົບຂອງມັນ, ແລະ ຈາກນັ້ນເຮັດການຕັດສິນໃຈທີ່ມີເຫດຜົນຫຼາຍຂຶ້ນ. ໃນຂະນະທີ່ສະຖິຕິບໍ່ສາມາດກຳຈັດຄວາມສ່ຽງໄດ້ຢ່າງສິ້ນເຊີງ, ມັນຊ່ວຍໃຫ້ພວກເຮົາຫຼີກລ່ຽງການຕັດສິນໃຈທີ່ອີງໃສ່ການສົມມຸດຕິຖານ ແລະ ພັດທະນາຍຸດທະສາດການຫຼຸດຜ່ອນທີ່ເຂັ້ມແຂງກວ່າເກົ່າ. ໃນຍຸກຂໍ້ມູນໃນປະຈຸບັນ, ຄວາມສາມາດໃນການເຂົ້າໃຈ ແລະ ນຳໃຊ້ສະຖິຕິບໍ່ພຽງແຕ່ເປັນຂໍ້ໄດ້ປຽບທາງດ້ານເຕັກນິກເທົ່ານັ້ນ, ແຕ່ຍັງເປັນສິ່ງຈຳເປັນສຳລັບການຢູ່ລອດ ແລະ ຈະເລີນຮຸ່ງເຮືອງໃນສະພາບທີ່ບໍ່ແນ່ນອນ.
