ရောင်းအားခန့်မှန်းချက်များပြုလုပ်ရန် ထိရောက်သောနည်းလမ်းများ

အရောင်းခန့်မှန်းချက်များ ဖန်တီးရန် ထိရောက်သောနည်းလမ်းများ

အရောင်းခန့်မှန်းချက်ဆိုသည်မှာ သမိုင်းဝင်ဒေတာ၊ ဈေးကွက်ခေတ်ရေစီးကြောင်းများ၊ စီးပွားရေးအခြေအနေများနှင့် အခြားအထောက်အကူပြုအချက်များအပေါ် အခြေခံ၍ အနာဂတ်အရောင်းကိန်းဂဏန်းများကို ခန့်မှန်းခြင်းလုပ်ငန်းစဉ်ဖြစ်သည်။ အသေးစားမှ အကြီးစားအထိ ကုမ္ပဏီများအတွက် တိကျသောခန့်မှန်းချက်များသည် ဆုံးဖြတ်ချက်ချမှတ်ရာတွင် မရေမရာဖြစ်မှုကို လျှော့ချရန် ကူညီပေးသည်။ ခန့်မှန်းချက်များဖြင့် စီးပွားရေးလုပ်ငန်းများသည် ကုန်ပစ္စည်းစာရင်း၊ ထုတ်လုပ်မှု၊ အလုပ်ခန့်အပ်မှု၊ စျေးကွက်ရှာဖွေရေးဘတ်ဂျက်များနှင့် တိုးချဲ့မှုဗျူဟာများကိုပင် ပိုမိုတိကျစွာ စီစဉ်နိုင်သည်။ သို့သော် အရောင်းခန့်မှန်းချက်တစ်ခု ဖန်တီးခြင်းသည် အရောင်းကိန်းဂဏန်းများကို "ခန့်မှန်း" ရုံထက်မကပါ။ ယုံကြည်စိတ်ချရသောရလဒ်များကို သေချာစေရန် နည်းလမ်းများ၊ အချက်အလက်များနှင့် ပုံမှန်အကဲဖြတ်မှုများ လိုအပ်သည်။

ပိုမိုတိကျပြီး စီးပွားရေးလိုအပ်ချက်များနှင့် သက်ဆိုင်သည့် အရောင်းခန့်မှန်းချက်များ ဖန်တီးရန် ထိရောက်သောနည်းလမ်းများကို ဤနေရာတွင် ဖော်ပြထားပါသည်။

၁။ ခန့်မှန်းချက်၏ ရည်ရွယ်ချက်ကို နားလည်ပြီး အချိန်ကာလကို ဆုံးဖြတ်ပါ။

ပထမခြေလှမ်းမှာ ခန့်မှန်းချက်၏ ရည်ရွယ်ချက်ကို သတ်မှတ်ရန်ဖြစ်သည်။ ခန့်မှန်းချက်သည် လုပ်ငန်းလည်ပတ်မှု ရည်ရွယ်ချက်များ (ဥပမာ၊ ကုန်ပစ္စည်းစာရင်းနှင့် ထုတ်လုပ်မှု)၊ ငွေကြေးဆိုင်ရာ ရည်ရွယ်ချက်များ (ငွေသားစီးဆင်းမှုနှင့် ဝင်ငွေပစ်မှတ်များ) သို့မဟုတ် ရေရှည် မဟာဗျူဟာမြောက် ရည်ရွယ်ချက်များ (တိုးချဲ့ခြင်း၊ ဘဏ်ခွဲများ ဖွင့်လှစ်ခြင်း၊ စသည်) အတွက်လား။ ဤရည်ရွယ်ချက်သည် လိုအပ်သော သီးခြားဒေတာနှင့် အသင့်တော်ဆုံးနည်းလမ်းကို ဆုံးဖြတ်ပေးလိမ့်မည်။

ထို့နောက် သင့်အချိန်ကာလကို ဆုံးဖြတ်ပါ- နေ့စဉ်၊ အပတ်စဉ်၊ လစဉ်၊ သုံးလတစ်ကြိမ် သို့မဟုတ် နှစ်စဉ်။ ရေတိုခန့်မှန်းချက်များသည် ပုံမှန်အားဖြင့် ပိုမိုတိကျပြီး လုပ်ငန်းလည်ပတ်မှုအတွက် အသုံးဝင်သော်လည်း ရေရှည်ခန့်မှန်းချက်များသည် စီးပွားရေး၊ ပြိုင်ဘက်နှင့် စားသုံးသူအပြုအမူပြောင်းလဲမှုများကဲ့သို့သော မက်ခရိုစီးပွားရေးဆိုင်ရာ ယူဆချက်များက ပိုမိုလွှမ်းမိုးမှုရှိသည်။

၂။ သမိုင်းဝင်ဒေတာများကို စုဆောင်းပြီး စီစဉ်ပါ။

ကောင်းမွန်သော ခန့်မှန်းချက်တစ်ခုအတွက် သန့်ရှင်းသော ဒေတာများ လိုအပ်ပါသည်။ အနည်းဆုံး လွန်ခဲ့သော ၁၂ လအတွက် သမိုင်းဝင် အရောင်းဒေတာများကို စုဆောင်းခြင်းဖြင့် စတင်ပါ၊ သို့မဟုတ် ရာသီအလိုက် ပုံစံများကို ဖမ်းယူရန်အတွက် အကောင်းဆုံးမှာ ၂၄-၃၆ လဖြစ်သည်။ ဒေတာတွင် အောက်ပါတို့ ပါဝင်သင့်သည်-

– ကာလအလိုက် ရောင်းအားပမာဏနှင့် တန်ဖိုး
- ထုတ်ကုန် သို့မဟုတ် ထုတ်ကုန်အမျိုးအစား
– ရောင်းချမှုနယ်ပယ် သို့မဟုတ် လမ်းကြောင်း (အော့ဖ်လိုင်းစတိုး၊ ဈေး၊ ဝက်ဘ်ဆိုက်၊ ပြန်လည်ရောင်းချသူ)
- ရောင်းချသည့်ဈေးနှုန်းများ၊ လျှော့စျေးများနှင့် ပရိုမိုးရှင်းများ
– ကုန်ပစ္စည်းစာရင်းနှင့် ထုတ်ကုန်ရရှိနိုင်မှု
– ပို့ဆောင်ချိန် အချက်အလက် (သက်ဆိုင်ပါက)

ဒေတာများကို ထပ်တူပြုခြင်း၊ ထည့်သွင်းမှုအမှားများနှင့် မသက်ဆိုင်သော မူမမှန်မှုများမှ သန့်စင်ပါ။ ဥပမာအားဖြင့်၊ တစ်ကြိမ်တည်းသော ငွေပေးငွေယူကြီးတစ်ခုကြောင့် အရောင်းအလွန်အမင်း မြင့်တက်လာခြင်းသည် ပျမ်းမျှကို ထိခိုက်စေနိုင်သည်။ ထိုကဲ့သို့သော မူမမှန်မှုများကို မှတ်တမ်းတင်ထားဆဲဖြစ်သော်လည်း၊ ခန့်မှန်းချက်ကို ဘက်လိုက်ခြင်းမှ ရှောင်ရှားရန် အထူးကိုင်တွယ်မှု လိုအပ်ပါသည်။

၃။ ပိုမိုတိကျသော ခန့်မှန်းချက်များအတွက် အရောင်းအပိုင်းလိုက် ခွဲခြမ်းစိတ်ဖြာခြင်း

အဓိကပံ့ပိုးသူများကို မခွဲခြားဘဲ စုစုပေါင်းပေါင်းစပ်ရောင်းအားအပေါ် အခြေခံ၍ ခန့်မှန်းချက်များ ဖန်တီးခြင်းသည် အဖြစ်များသောအမှားတစ်ခုဖြစ်သည်။ သို့သော် ထုတ်ကုန်၊ ဒေသနှင့် ချန်နယ်တစ်ခုစီသည် ယေဘုယျအားဖြင့် မတူညီသော ခေတ်ရေစီးကြောင်းများကို ပြသလေ့ရှိသည်။ ကဏ္ဍခွဲခြင်းသည် အောက်ပါကဲ့သို့သော ပိုမိုတိကျသောပုံစံများကို ဖော်ထုတ်ရန် ကူညီပေးသည်-

– ထုတ်ကုန် A သည် တည်ငြိမ်သော်လည်း ထုတ်ကုန် B သည် အတက်အကျရှိသည်။
– ဈေးကွက်ရောင်းအားများ အလျင်အမြန် မြင့်တက်လာသော်လည်း အော့ဖ်လိုင်းရောင်းအားများမှာမူ ရပ်တန့်နေခဲ့သည်။
– အချို့သောဒေသများသည် ရာသီဥတု သို့မဟုတ် ဒေသဆိုင်ရာပွဲများ၏ လွှမ်းမိုးမှုကို ပြင်းထန်စွာခံရသည်

အပိုင်းခွဲခြင်းဖြင့် ခန့်မှန်းချက်များကို ပိုမိုအသေးစိတ်ကျကျ စုစည်းနိုင်ပြီး ကုမ္ပဏီတစ်ခုလုံးအတွက် ခန့်မှန်းချက်တစ်ခုအဖြစ် ပေါင်းထည့်နိုင်သည်။ ဤချဉ်းကပ်မှုသည် တစ်ခုတည်းသော စုစုပေါင်းခန့်မှန်းချက်ဖန်တီးခြင်းထက် ပိုမိုတိကျသည်။

၄။ ခေတ်ရေစီးကြောင်းများ၊ ရာသီအလိုက်နှင့် ကြီးထွားမှုပုံစံများကို ဖော်ထုတ်ပါ။

ဒေတာအဆင်သင့်ဖြစ်သည်နှင့် အခြေခံခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်ပါ-

– လမ်းကြောင်း- ရောင်းအားများ တိုးလာရန်၊ လျော့ကျရန် သို့မဟုတ် တည်ငြိမ်နေရန် အလားအလာရှိပါသလား။
– ရာသီအလိုက်- အချို့လများတွင် ရမ်ဇာန်၊ နှစ်ကုန် သို့မဟုတ် လစာထုတ်ရက်များအတွင်း မြင့်တက်လာခြင်းကဲ့သို့သော ထပ်ခါတလဲလဲဖြစ်ပေါ်နေသော ပုံစံများရှိပါသလား။
– ပရိုမိုးရှင်းစက်ဝန်း- အချို့သော လျှော့စျေးများ သို့မဟုတ် ကမ်ပိန်းများအတွင်း ရောင်းအားများ တိုးလာပါသလား။
– ဈေးနှုန်းပြောင်းလဲမှုများ- ဈေးနှုန်းမြင့်တက်မှုသည် ပမာဏအပေါ် သက်ရောက်မှုရှိပါသလား။

ဤပုံစံများသည် ခန့်မှန်းချက်နည်းလမ်းများကို ဆုံးဖြတ်ရန်နှင့် လက်တွေ့ကျသော ယူဆချက်များ ဖော်ဆောင်ရန်အတွက် အရေးကြီးပါသည်။

၅။ သင့်လျော်သော ခန့်မှန်းချက်နည်းလမ်းကို ရွေးချယ်ပါ

စီးပွားရေးလုပ်ငန်းတိုင်းအတွက် တစ်ခုတည်းသော နည်းလမ်းဆိုတာ မရှိပါဘူး။ အသုံးများတဲ့ နည်းလမ်းအချို့ကို ဖော်ပြပေးလိုက်ပါတယ်။

(က) ရွေ့လျားပျမ်းမျှ
ရွေ့လျားပျမ်းမျှနည်းလမ်းသည် တည်ငြိမ်သောရောင်းအားများအတွက် သင့်လျော်ပါသည်။ နောက်ကာလကို ခန့်မှန်းရန် နောက်ဆုံးကာလအနည်းငယ် (ဥပမာ ၃ လ သို့မဟုတ် ၆ လ) ၏ ပျမ်းမျှကိုယူပါသည်။ အားနည်းချက်မှာ ဤနည်းလမ်းသည် မြန်ဆန်သောခေတ်ရေစီးကြောင်းပြောင်းလဲမှုများကို တုံ့ပြန်မှုနည်းပါးခြင်းဖြစ်သည်။

(ခ) အဆတိုး ချောမွေ့စေခြင်း
မကြာသေးမီကဒေတာများကို ပိုမိုအလေးပေးသောကြောင့် ရွေ့လျားပျမ်းမျှထက် ပိုမိုလိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်နိုင်သည်။ ခေတ်ရေစီးကြောင်းပြောင်းလဲမှုများကို ကြုံတွေ့နေရသော်လည်း အလွန်အကျွံပြောင်းလဲမှုများ မဟုတ်သော စီးပွားရေးလုပ်ငန်းများအတွက် သင့်လျော်သည်။

ဂ) လမ်းကြောင်း ခန့်မှန်းချက် (ရိုးရှင်းသော Linear Regression)
ရောင်းအားများ တသမတ်တည်း တိုးတက်မှု သို့မဟုတ် ကျဆင်းမှုကို ပြသပါက၊ regression သည် အတိတ်ပုံစံများကို အခြေခံ၍ ခေတ်ရေစီးကြောင်းများကို ခန့်မှန်းနိုင်သည်။ ဤနည်းလမ်းသည် တိုးတက်မှုခေတ်ရေစီးကြောင်းများကို ဖော်ထုတ်ရာတွင် ထိရောက်မှုရှိသော်လည်း၊ သိသာထင်ရှားသော ဈေးကွက်ပြောင်းလဲမှုများရှိပါက ချိန်ညှိမှုများ လိုအပ်နေဆဲဖြစ်သည်။

(ဃ) ရာသီအလိုက် ခန့်မှန်းချက်
သင့်လုပ်ငန်းသည် ရာသီဥတု၏ လွှမ်းမိုးမှုကို အကြီးအကျယ် ခံရပါက ရာသီအလိုက် ဆက်စပ်မှု ပါဝင်သော မော်ဒယ်ကို အသုံးပြုပါ။ ဥပမာအားဖြင့်၊ အချို့သော အစားအစာနှင့် အဖျော်ယမကာများ၏ ရောင်းအားသည် အားလပ်ရက်များအတွင်း မြင့်တက်လာနိုင်ပြီး ဖက်ရှင်ထုတ်ကုန်များသည် နှစ်ကုန်တွင် မြင့်တက်လာနိုင်သည်။

(င) ပိုက်လိုင်းအခြေပြု ခန့်မှန်းချက် (B2B အတွက်)
B2B လုပ်ငန်းများအတွက်၊ ရောင်းအားလမ်းကြောင်းပေါ်တွင် အခြေခံသောအခါ ခန့်မှန်းချက်များသည် ပိုမိုတိကျလေ့ရှိသည်- ဦးဆောင်သူအရေအတွက်၊ အခွင့်အလမ်းများ၊ သဘောတူညီချက်အဆင့်နှင့် ပိတ်သိမ်းခြင်းဖြစ်နိုင်ခြေ။ ဤနည်းလမ်းသည် သမိုင်းဝင်ဒေတာကို ရောင်းအားလုပ်ငန်းစဉ်ခန့်မှန်းချက်နှင့် ပေါင်းစပ်ထားသည်။

၆။ သက်ဆိုင်ရာ ပြင်ပ variable များကို ထည့်သွင်းပါ

အောက်ပါကဲ့သို့သော သမိုင်းဝင်ဒေတာများထက်ကျော်လွန်သော အချက်များကို ထည့်သွင်းပါက ခန့်မှန်းချက်များ ပိုမိုတိကျမှန်ကန်ပါလိမ့်မည်။

– ပရိုမိုးရှင်းနှင့် စျေးကွက်ရှာဖွေရေး လှုပ်ရှားမှု အစီအစဉ်များ
– ဈေးနှုန်းပြောင်းလဲမှုများ၊ အစုအဝေး သို့မဟုတ် ထုတ်ကုန်အသစ်များ မိတ်ဆက်ခြင်း
– စီးပွားရေးအခြေအနေများ (ငွေကြေးဖောင်းပွမှု၊ ဝယ်ယူနိုင်စွမ်း၊ ငွေလဲနှုန်း)
– ပြိုင်ဘက်လှုပ်ရှားမှုများ (အထူးလျှော့စျေးများ၊ ဘဏ်ခွဲဖွင့်လှစ်မှုများ၊ တိုးချဲ့မှုများ)
– စည်းမျဉ်းများ သို့မဟုတ် ပလက်ဖောင်းမူဝါဒများ ပြောင်းလဲမှုများ (ဥပမာ- ဈေးကွက်)

လက်တွေ့ကျတဲ့နည်းလမ်းကတော့ ကုမ္ပဏီမှာ ခန့်မှန်းချက်နံပါတ်တစ်ခုတည်းပဲ မရှိစေဖို့ အကောင်းမြင်၊ အလယ်အလတ်နဲ့ ရှေးရိုးစွဲ အခြေအနေတွေကို ဖန်တီးဖို့ပါပဲ။

၇။ အရောင်းနှင့် လုပ်ငန်းလည်ပတ်မှုအဖွဲ့များကို ပါဝင်စေပါ။

အရောင်းခန့်မှန်းချက်များကို တစ်ဦးတည်းက မဖန်တီးသင့်ပါ။ အရောင်းအဖွဲ့တွင် အဓိက ထပ်ခါတလဲလဲဝယ်ယူသည့်ဖောက်သည်များ၊ အရောင်းရပ်ဆိုင်းမှုအန္တရာယ် သို့မဟုတ် တင်ဒါအခွင့်အလမ်းများ ရှိသည်- လုပ်ငန်းလည်ပတ်မှုအဖွဲ့သည် ထုတ်လုပ်မှုစွမ်းရည်၊ ကုန်ပစ္စည်းစာရင်းနှင့် ဦးဆောင်ချိန်များကို နားလည်သည်။ စျေးကွက်ရှာဖွေရေးအဖွဲ့သည် လာမည့်ကမ်ပိန်းများကို နားလည်သည်။

အဖွဲ့ပေါင်းစုံပူးပေါင်းဆောင်ရွက်မှုသည် ခန့်မှန်းချက်များကို ပိုမိုလက်တွေ့ကျစေသည်—ကိန်းဂဏန်းများသည် spreadsheet မှလာရုံသာမက တကယ့်အခြေအနေများကို ထင်ဟပ်စေသည်။

၈။ ယူဆချက်များကို ရှင်းလင်းစွာနှင့် မှတ်တမ်းတင်ထားပါ။

ကောင်းမွန်သော ခန့်မှန်းချက်တစ်ခုသည် ရှင်းပြနိုင်ရမည်။ အဓိကယူဆချက်များကို ရေးချပါ၊ ဥပမာ-

– ပြီးခဲ့သည့် ၁၂ လ လမ်းကြောင်းအပေါ် အခြေခံ၍ သုံးလပတ်လျှင် ၈% ရောင်းအားတိုးတက်မှု
– ပရိုမိုးရှင်းများကြောင့် တစ်လလျှင် ရောင်းအား ၂၀% တိုးလာခြင်း
– ဈေးနှုန်းပြောင်းလဲမှုကြောင့် ၅% လျော့ကျခြင်း

ဤယူဆချက်များကို မှတ်တမ်းတင်ခြင်းသည် အရေးကြီးပါသည်၊ ထို့ကြောင့် အမှန်တကယ်ရလဒ်များသည် ခန့်မှန်းချက်များနှင့် ကွဲပြားသည့်အခါ အဖွဲ့သည် အကြောင်းရင်းကို စုံစမ်းစစ်ဆေးနိုင်သည်- ၎င်းသည် မှားယွင်းသောယူဆချက် သို့မဟုတ် မမျှော်လင့်ထားသော ပြင်ပအချက်တစ်ခု ဟုတ်မဟုတ်။

၉။ ခန့်မှန်းချက်တိကျမှုကို တိုင်းတာပြီး တိုးတက်မှုများ ပြုလုပ်ပါ။

ခန့်မှန်းခြင်းသည် တစ်ကြိမ်တည်းသော လုပ်ငန်းစဉ်မဟုတ်ပါ။ အောက်ပါကဲ့သို့သော မက်ထရစ်များကို အသုံးပြု၍ တိကျမှုကို တိုင်းတာရန် လိုအပ်သည်-

- ပျမ်းမျှရာခိုင်နှုန်းအမှားအယွင်းကိုကြည့်ရှုရန် MAPE (Mean Absolute Percentage Error)
– ပကတိသွေဖည်မှုကိုကြည့်ရှုရန် MAD (Mean Absolute Deviation)
– ထုတ်ကုန်/ချန်နယ်တစ်ခုစီအတွက် ခန့်မှန်းချက်နှင့် အကောင်အထည်ဖော်မှု နှိုင်းယှဉ်ချက်

ပုံမှန်အကဲဖြတ်မှုများ (ဥပမာ- လစဉ်) ပြုလုပ်ပြီး ပုံစံများပြောင်းလဲသွားပါက မော်ဒယ်ကို အပ်ဒိတ်လုပ်ပါ။ စီးပွားရေးလုပ်ငန်းသည် ပြောင်းလဲလွယ်သည် - ပြီးခဲ့သည့်နှစ်က အလုပ်ဖြစ်ခဲ့သည့် နည်းလမ်းများသည် ယခုနှစ်တွင် အလုပ်မဖြစ်နိုင်ပါ။

၁၀။ အလိုအလျောက်လုပ်ဆောင်ခြင်းကို အထောက်အကူပြုသည့် ကိရိယာများကို အသုံးပြုပါ။

အစပိုင်းတွင် Excel သို့မဟုတ် Google Sheets ကို အသုံးပြု၍ ခန့်မှန်းချက်များကို ဖန်တီးနိုင်ပါသည်။ သို့သော် သင့်ဒေတာများ တိုးပွားလာပြီး သင့်ချန်နယ်များကို တိုးချဲ့လာသည်နှင့်အမျှ အောက်ပါတို့ကို အသုံးပြုရန် စဉ်းစားပါ-

– BI Dashboard များ (Power BI၊ Looker Studio၊ Tableau)
– အရောင်းလမ်းကြောင်းအတွက် CRM စနစ်
– ကုန်ပစ္စည်းနှင့် ဝယ်လိုအား ထပ်တူကျစေရန်အတွက် Inventory/ERP software
- Python သို့မဟုတ် အခြားခွဲခြမ်းစိတ်ဖြာရေးကိရိယာများကို အခြေခံသည့် ရိုးရှင်းသော ခန့်မှန်းချက်ပုံစံ

အလိုအလျောက်လုပ်ဆောင်ခြင်းက ကိုယ်တိုင်ပြုလုပ်ထားသော အမှားများကို လျှော့ချပေးပြီး ခန့်မှန်းချက် အပ်ဒိတ်များကို ပိုမိုမြန်ဆန်စေသည်။

ပိတ်

အရောင်းခန့်မှန်းချက်တစ်ခု ဖန်တီးရန် ထိရောက်သောနည်းလမ်းတစ်ခုမှာ တိကျသော သမိုင်းဝင်ဒေတာ၊ တိကျသော အပိုင်းခွဲခြင်း၊ သင့်လျော်သော ခန့်မှန်းချက်နည်းလမ်းများနှင့် ပြည်တွင်းနှင့် ပြည်ပအချက်များအပေါ် အခြေခံ၍ ချိန်ညှိမှုများကို ပေါင်းစပ်ရန်ဖြစ်သည်။ ခန့်မှန်းချက်သည် "ပုံသေ" ခန့်မှန်းချက်မဟုတ်ဘဲ အချိန်နှင့်အမျှ အဆက်မပြတ် ပြုပြင်မွမ်းမံနေသော ဆုံးဖြတ်ချက်ချမှတ်သည့်ကိရိယာတစ်ခုဖြစ်သည်။ ပုံမှန်အကဲဖြတ်ခြင်းနှင့် အဖွဲ့များအကြား ပူးပေါင်းဆောင်ရွက်မှုဖြင့် ကုမ္ပဏီများသည် ကုန်ပစ္စည်းများ အလွန်အကျွံတင်ဆောင်ခြင်း၊ ကုန်ပစ္စည်းများ လုံလောက်စွာမတင်ဆောင်ခြင်း၊ လက်တွေ့မကျသော ပစ်မှတ်များနှင့် ဘတ်ဂျက်အလွန်အကျွံတင်ဆောင်ခြင်းတို့၏ အန္တရာယ်များကို လျှော့ချနိုင်သည်။

အဆုံးစွန်အားဖြင့်၊ ကောင်းမွန်သော အရောင်းခန့်မှန်းချက်သည် ကိန်းဂဏန်းများနှင့်သာ သက်ဆိုင်သည်မဟုတ်ဘဲ၊ စီးပွားရေးဗျူဟာများကို တိုင်းတာခြင်း၊ သင်ယူခြင်းနှင့် အဆက်မပြတ် ပြုပြင်ခြင်းကဲ့သို့သော တသမတ်တည်းရှိသော လုပ်ငန်းစဉ်တစ်ခု တည်ဆောက်ခြင်းနှင့်လည်း သက်ဆိုင်ပါသည်။