Innodata ( INOD ) การเรียกรายได้ไตรมาส 4 ปี 2025

<p>ที่มาของภาพ: The Motley Fool.</p>
<h2>วันที่</h2>
<p>26 ก.พ. 2026 เวลา 17:00 น. ET</p>
<h2>ผู้เข้าร่วมการประชุม</h2>
<ul>
<li>ประธานและประธานเจ้าหน้าที่บริหาร — Jack Abuhoff</li>
<li>ประธานเจ้าหน้าที่ฝ่ายการเงินชั่วคราว — Marissa Espineli</li>
<li>ที่ปรึกษาทั่วไป — Amy Agress</li>
<li>รองประธานอาวุโส ฝ่ายการเงินและการพัฒนาองค์กร — Aneesh Pendharkar</li>
</ul>
<p>ต้องการคำพูดจากนักวิเคราะห์ของ Motley Fool? อีเมล <a href="/cdn-cgi/l/email-protection">[email protected]</a></p>
<h2>ประเด็นสำคัญ</h2>
<ul>
<li>รายได้ -- 72.4 ล้านดอลลาร์สหรัฐฯ สำหรับไตรมาส เพิ่มขึ้น 22% เมื่อเทียบเป็นรายปี</li>
<li>รายได้ทั้งปี -- 251.7 ล้านดอลลาร์สหรัฐฯ คิดเป็นการเติบโต 48% เมื่อเทียบเป็นรายปี</li>
<li>อัตรากำไรขั้นต้นปรับปรุงแล้ว -- 42% สำหรับไตรมาส สูงกว่าเป้าหมายที่สื่อสารภายนอกไว้ที่ 40%</li>
<li>EBITDA ปรับปรุงแล้ว -- 15.7 ล้านดอลลาร์สหรัฐฯ หรือ 22% ของรายได้ สูงกว่าประมาณการของนักวิเคราะห์ 1.2 ล้านดอลลาร์สหรัฐฯ</li>
<li>เงินสด -- 82.2 ล้านดอลลาร์สหรัฐฯ ณ สิ้นไตรมาส เพิ่มขึ้นประมาณ 8.4 ล้านดอลลาร์สหรัฐฯ เมื่อเทียบกับไตรมาสก่อนหน้า และ 35.3 ล้านดอลลาร์สหรัฐฯ เมื่อเทียบกับปีก่อน</li>
<li>การใช้หนี้ -- ไม่มีการเบิกจ่ายจากวงเงินสินเชื่อ Wells Fargo มูลค่า 30 ล้านดอลลาร์สหรัฐฯ</li>
<li>นวัตกรรมและการลงทุน -- การลงทุนที่ขับเคลื่อนการเติบโตใน COGS และ SG&amp;A โดยเฉพาะอย่างยิ่งในด้านกำลังการผลิต วิศวกร นักวิทยาศาสตร์ข้อมูล และผู้นำที่เกี่ยวข้องกับลูกค้า</li>
<li>ส่วนผสมของลูกค้า -- ผู้บริหารคาดว่าการใช้จ่ายจากลูกค้ารายใหญ่ที่สุดจะเพิ่มขึ้น โดยคาดว่าการเติบโตโดยรวมสำหรับฐานลูกค้าที่เหลือจะเกิดขึ้นในอัตราที่เร็วขึ้น และจะรวมถึง MAG-seven, ห้องปฏิบัติการนวัตกรรม AI ในประเทศ, โครงการ AI อธิปไตย และองค์กรชั้นนำ</li>
<li>การกระจายฐานลูกค้า -- คาดว่าการเติบโตของรายได้จะกระจุกตัวน้อยลง โดยได้รับแรงหนุนจากการขยายตัวของฐานลูกค้าขนาดใหญ่ที่หลากหลายมากขึ้น</li>
<li>ประมาณการรายได้ -- คาดการณ์การเติบโตอย่างน้อย 35% เมื่อเทียบเป็นรายปีสำหรับปี 2026 โดยอิงจากโปรแกรมที่มองเห็นได้และโปรแกรมที่ใช้งานอยู่ รวมถึงการชนะที่ได้รับเมื่อเร็วๆ นี้ ผู้บริหารตั้งข้อสังเกตถึงศักยภาพในการเติบโตที่สำคัญเนื่องจากความเร็วของ LLM และโครงการที่ขับเคลื่อนด้วย AI</li>
<li>การเปลี่ยนเวิร์กโฟลว์ -- ในไตรมาสแรก เวิร์กโฟลว์หลังการฝึกอบรมประมาณ 20 ล้านดอลลาร์สหรัฐฯ ในอัตราการดำเนินงานสำหรับลูกค้ารายใหญ่ที่สุดถูกยกเลิกและแทนที่ด้วยโปรแกรมหลังการฝึกอบรมใหม่และโปรแกรมก่อนการฝึกอบรมที่ปรับขนาดได้ ส่งผลให้เกิดผลกระทบเชิงบวกต่ออัตราการดำเนินงานของรายได้สุทธิ</li>
<li>ประมาณการอัตรากำไรขั้นต้นปรับปรุงแล้ว -- ผู้บริหารคาดการณ์อัตรากำไรขั้นต้นปรับปรุงในช่วงต้นปี 2026 ที่ 35%-40% โดยจะปรับสู่เป้าหมาย 40% เมื่อโปรแกรมใหม่เริ่มดำเนินการและนวัตกรรมเวิร์กโฟลว์ขยายขนาด</li>
<li>ความก้าวหน้าทางเทคโนโลยี -- แนะนำและขยายระบบที่เป็นกรรมสิทธิ์สำหรับการประเมินเอเจนต์, ไปป์ไลน์การปรับปรุงเอเจนต์, การจำลองแบบปฏิปักษ์, และวิศวกรรมข้อมูลขนาดใหญ่สำหรับ AI ทางกายภาพ รวมถึงการใช้งานกับชุดข้อมูล egocentric และ affordance</li>
<li>ประสิทธิภาพการเปรียบเทียบ -- พัฒนาโมเดล AI สำหรับการตรวจจับโดรนและวัตถุขนาดเล็ก โดยบรรลุผลสำเร็จ 6.45% เหนือกว่าเกณฑ์มาตรฐาน state-of-the-art ก่อนหน้านี้ โดยเน้นการใช้งานเชิงพาณิชย์และการใช้งานสองวัตถุประสงค์</li>
<li>ความสนใจจาก hyperscalers และ cybersecurity -- บริการจัดการและโครงการฝึกอบรมแบบปฏิปักษ์ได้ดึงดูดการมีส่วนร่วมและความสนใจใหม่ๆ ในหมู่ hyperscalers บริษัท cybersecurity และผู้เชี่ยวชาญของรัฐบาลที่เกี่ยวข้อง</li>
</ul>
<h2>สรุป</h2>
<p>ผู้บริหารเปิดเผยโครงการนวัตกรรมใหม่ๆ ทั่วทั้ง generative AI, agentic AI และ physical AI โดยเน้นวิธีการที่ขับเคลื่อนด้วยข้อมูลเป็นหัวใจหลักของการพัฒนาผลิตภัณฑ์ แพลตฟอร์มที่เป็นกรรมสิทธิ์สำหรับการประเมินเอเจนต์และการจำลองแบบปฏิปักษ์กำลังอำนวยความสะดวกในการดึงดูดลูกค้าใหม่ โดยเฉพาะอย่างยิ่งในหมู่ hyperscalers และลูกค้าที่เน้นความปลอดภัย ด้วยการลงทุนซ้ำอย่างต่อเนื่องในบุคลากรและเทคโนโลยี ผู้บริหารของ Innodata (<a href="/quote/nasdaq/inod/">INOD</a> 7.88%) คาดการณ์ทั้งการปรับปรุงอัตรากำไรและการขยายรายได้ประจำที่เชื่อมโยงกับข้อเสนอซอฟต์แวร์-มนุษย์แบบไฮบริด ในขณะเดียวกันก็เน้นย้ำถึงความมั่นใจในการแปลงการมีส่วนร่วมในระยะเริ่มต้นและความเกี่ยวข้องขององค์กรที่กว้างขึ้น</p>
<ul>
<li>ผู้บริหารของบริษัทกล่าวว่า "เราเชื่อว่าเรากำลังเข้าสู่ยุคทองแห่งนวัตกรรมที่ Innodata Inc. อันเป็นผลมาจากการลงทุนที่เราได้ทำและตั้งใจจะทำในอนาคต"</li>
<li>ผู้บริหารเน้นย้ำว่าคาดว่าอัตรากำไรขั้นต้นในอนาคตจะขยายตัว โดยได้รับแรงหนุนจากระบบอัตโนมัติ ระบบสังเคราะห์ และแพลตฟอร์มการประเมินที่เพิ่มคานงัดการดำเนินงานของเราอย่างมีโครงสร้าง</li>
<li>ผู้บริหารชี้แจงว่าประมาณการการเติบโตนั้นอนุรักษ์นิยมโดยเจตนา โดยมีศักยภาพในการเติบโตเพิ่มขึ้นเมื่อโครงการ LLM เริ่มดำเนินการอย่างรวดเร็ว</li>
<li>ในการหารือเกี่ยวกับการกระจายฐานลูกค้า ผู้บริหารกล่าวว่าการชนะโครงการใหม่และความต้องการที่เพิ่มขึ้นช่วยให้ Innodata สามารถย้ายจากผู้ขายไปสู่ชั้นพื้นฐานภายในระบบนิเวศ AI</li>
</ul>
<h2>อภิธานศัพท์อุตสาหกรรม</h2>
<ul>
<li>LLM: Large Language Model; โมเดล AI ที่ฝึกฝนจากชุดข้อมูลขนาดใหญ่เพื่อทำความเข้าใจและสร้างข้อความภาษาธรรมชาติ</li>
<li>MAG-seven: การอ้างอิงของผู้บริหารถึงบริษัทเทคโนโลยีรายใหญ่ที่สุด 7 แห่งในสหรัฐอเมริกา โดยทั่วไปคือ Microsoft, Apple, Google (Alphabet), Amazon, Meta, Nvidia และ Tesla</li>
<li>ข้อมูล Egocentric: ข้อมูลที่บันทึกจากมุมมองบุคคลที่หนึ่งของหุ่นยนต์หรืออุปกรณ์ที่ติดตั้งเซ็นเซอร์ ซึ่งสะท้อนประสบการณ์สภาพแวดล้อมโดยตรง</li>
<li>ข้อมูล Affordance: ข้อมูลที่มีโครงสร้างสอนระบบ AI เกี่ยวกับการกระทำหรือปฏิสัมพันธ์ที่เป็นไปได้กับวัตถุทางกายภาพในบริบท</li>
<li>การจำลองแบบปฏิปักษ์: ข้อมูลที่ซับซ้อนซึ่งสร้างขึ้นอย่างเป็นระบบ ใช้เพื่อทดสอบความทนทานของ AI ต่อการโจมตีที่ซับซ้อนหรือภัยคุกคามในโลกแห่งความเป็นจริง</li>
</ul>
<h2>บทถอดความการประชุมทางโทรศัพท์ฉบับเต็ม</h2>
<p>ผู้ดำเนินการ: สวัสดีตอนบ่าย ท่านสุภาพบุรุษและสุภาพสตรีทุกท่าน และยินดีต้อนรับสู่การประชุมทางโทรศัพท์เกี่ยวกับผลประกอบการไตรมาสที่สี่และทั้งปีงบประมาณ 2025 ของ Innodata Inc. ขณะนี้ สายทั้งหมดอยู่ในโหมดฟังเท่านั้น หลังจากการนำเสนอ เราจะดำเนินการช่วงถาม-ตอบ หากเมื่อใดก็ตามระหว่างการโทรนี้ ท่านต้องการความช่วยเหลือทันที โปรดกด 0 เพื่อติดต่อผู้ดำเนินการ การโทรนี้กำลังบันทึกในวันพฤหัสบดีที่ 26/02/2026 ขณะนี้ ผมขอส่งมอบการประชุมให้แก่ Amy Agress ที่ปรึกษาทั่วไป โปรดดำเนินการต่อ</p>
<p>Amy Agress: ขอบคุณค่ะผู้ดำเนินการ สวัสดีตอนบ่ายทุกท่าน ขอบคุณที่เข้าร่วมกับเราในวันนี้ ผู้พูดของเราในวันนี้คือ Jack Abuhoff ประธานและ CEO ของ Innodata Inc. และ Marissa Espineli ประธานเจ้าหน้าที่ฝ่ายการเงินชั่วคราว นอกจากนี้ยังมี Aneesh Pendharkar รองประธานอาวุโส ฝ่ายการเงินและการพัฒนาองค์กร ร่วมอยู่ในสายวันนี้ด้วย Rahul Singhal ประธานและประธานเจ้าหน้าที่ฝ่ายรายได้ ไม่สามารถเข้าร่วมได้ในวันนี้ แต่หวังว่าจะได้เข้าร่วมกับเราในการประชุมครั้งต่อไป เราจะได้ฟังจาก Jack ก่อน ซึ่งจะให้มุมมองเกี่ยวกับธุรกิจ จากนั้น Marissa จะให้ภาพรวมผลประกอบการของเราสำหรับไตรมาสที่สี่และทั้งปีงบประมาณ 2025 จากนั้นเราจะตอบคำถามจากนักวิเคราะห์</p>
<p>ก่อนที่เราจะเริ่มต้น ผมขอเตือนทุกท่านว่าระหว่างการโทรครั้งนี้ เราจะทำการคาดการณ์เกี่ยวกับอนาคต ซึ่งเป็นการคาดการณ์ การประมาณการ และการแถลงการณ์อื่นๆ เกี่ยวกับเหตุการณ์ในอนาคต การคาดการณ์เหล่านี้อิงตามความคาดหวังในปัจจุบัน สมมติฐาน และการประมาณการ และอาจมีความเสี่ยงและความไม่แน่นอน ผลลัพธ์ที่แท้จริงอาจแตกต่างอย่างมีนัยสำคัญจากสิ่งที่คาดการณ์ไว้ในการคาดการณ์เกี่ยวกับอนาคตในวันนี้ ปัจจัยที่อาจทำให้ผลลัพธ์เหล่านี้แตกต่างอย่างมีนัยสำคัญได้ระบุไว้ในข่าวประชาสัมพันธ์ผลประกอบการในวันนี้ ในส่วนปัจจัยเสี่ยงของแบบฟอร์ม 10-K, แบบฟอร์ม 10-Q และรายงานและการยื่นเอกสารอื่นๆ ต่อคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ เราไม่มีภาระผูกพันในการปรับปรุงข้อมูลที่คาดการณ์เกี่ยวกับอนาคต นอกจากนี้ ระหว่างการโทรครั้งนี้ เราอาจกล่าวถึงมาตรการทางการเงินที่ไม่ใช่ GAAP บางประการ</p>
<p>ในข่าวประชาสัมพันธ์ผลประกอบการของเราที่ยื่นต่อ SEC ในวันนี้ เช่นเดียวกับในเอกสาร SEC อื่นๆ ของเรา ซึ่งโพสต์บนเว็บไซต์ของเรา ท่านจะพบข้อมูลเพิ่มเติมเกี่ยวกับมาตรการทางการเงินที่ไม่ใช่ GAAP เหล่านี้ รวมถึงการกระทบยอดมาตรการเหล่านี้กับมาตรการ GAAP ที่เทียบเคียงได้ ขอบคุณครับ ตอนนี้ผมจะส่งมอบการโทรให้ Jack</p>
<p>Jack Abuhoff: ขอบคุณ Amy และสวัสดีตอนบ่ายทุกท่าน ไตรมาสที่ 4 เป็นอีกไตรมาสที่แข็งแกร่งสำหรับ Innodata Inc. เราสร้างรายได้ 72,400,000 ดอลลาร์สหรัฐฯ ซึ่งเพิ่มขึ้น 22% เมื่อเทียบเป็นรายปี ทำให้รายได้ทั้งปีของเราอยู่ที่ 251,700,000 ดอลลาร์สหรัฐฯ คิดเป็นการเติบโต 48% เมื่อเทียบเป็นรายปีสำหรับปี 2025 อัตรากำไรขั้นต้นปรับปรุงแล้วรวมของเราในไตรมาสที่ 4 คือ 42% ซึ่งเกินเป้าหมายที่สื่อสารภายนอกไว้ที่ 40% EBITDA ปรับปรุงแล้วของเรามีมูลค่ารวม 15,700,000 ดอลลาร์สหรัฐฯ หรือ 22% ของรายได้ ซึ่งเกินกว่าประมาณการของนักวิเคราะห์ 1,200,000 ดอลลาร์สหรัฐฯ อันที่จริง ผลประกอบการของเราเกินกว่าประมาณการของนักวิเคราะห์ในหลากหลายตัวชี้วัดสำคัญ รวมถึงรายได้ EBITDA ปรับปรุงแล้ว กำไรสุทธิ และ EPS เราปิดปีด้วยเงินสด 82,200,000 ดอลลาร์สหรัฐฯ เพิ่มขึ้นประมาณ 8,400,000 ดอลลาร์สหรัฐฯ เมื่อเทียบกับไตรมาสก่อนหน้า เราบรรลุผลลัพธ์เหล่านี้ในขณะที่ทำการลงทุนที่สำคัญที่มุ่งเน้นการเติบโตทั้งใน COGS และ SG&amp;A</p>
<p>ใน COGS เราได้เตรียมกำลังการผลิตไว้ล่วงหน้าก่อนการเติบโตของรายได้ ซึ่งพิสูจน์แล้วว่าเป็นสิ่งที่ถูกต้องเสมอมา และใน SG&amp;A เราได้ลงทุนในวิศวกร นักวิทยาศาสตร์ข้อมูล และผู้นำบัญชีที่เกี่ยวข้องกับลูกค้า ซึ่งการลงทุนเหล่านี้ก็พิสูจน์แล้วว่ารอบคอบ การสร้างนวัตกรรมที่ขยายโอกาสของเรา เราเชื่อว่าโมเมนตัมทางธุรกิจของเราอยู่ในระดับสูงสุดเป็นประวัติการณ์ เราเห็นความต้องการที่แข็งแกร่งตลอดวงจรชีวิต AI ทั้งหมด ตั้งแต่การพัฒนา การประเมิน และการปรับปรุงโมเดลอย่างต่อเนื่อง และเราเชื่อว่าเรากำลังได้รับความสนใจจากลูกค้าขนาดใหญ่ที่หลากหลายและกว้างขวาง อันเป็นผลมาจากความต้องการของตลาดและการเติบโตที่เพิ่มขึ้น เราคาดการณ์ว่าปี 2026 จะมีการเติบโตที่อาจจะพิเศษอีกปีหนึ่ง เราประมาณการการเติบโตเมื่อเทียบเป็นรายปีในปี 2026 ของเราว่าอาจจะอยู่ที่ประมาณ 35% หรือมากกว่านั้น</p>
<p>ประมาณการนี้สะท้อนถึงโปรแกรมที่ใช้งานอยู่ การชนะที่ได้รับเมื่อเร็วๆ นี้ การประเมินในระยะสุดท้าย และโอกาสที่เรามีวิสัยทัศน์ที่ชัดเจน เนื่องจากเราอยู่ในช่วงต้นปีและเนื่องจากโครงการ LLM เริ่มดำเนินการอย่างรวดเร็ว เราเชื่อว่าอาจมีศักยภาพในการเติบโตที่สำคัญเกินกว่าช่วงนี้ อย่างไรก็ตาม เราต้องการให้คำแนะนำอย่างระมัดระวังและปรับเพิ่มขึ้นเมื่อวิสัยทัศน์เพิ่มขึ้น ในขณะเดียวกัน เนื่องจากขนาดและความซับซ้อนของโปรแกรมที่เราสนับสนุน ความผันผวนของเวลาและตารางการวิจัยและพัฒนาของลูกค้า การอนุมัติงบประมาณ หรือการเปลี่ยนแปลงลำดับความสำคัญของการวิจัย อาจส่งผลต่ออัตราที่รายได้จะเกิดขึ้น</p>
<p>รวมอยู่ในมุมมองของเราคือความคาดหวังว่าการใช้จ่ายจากลูกค้ารายใหญ่ที่สุดของเราจะเพิ่มขึ้นบ้างในปีนี้ และฐานลูกค้าที่เหลือโดยรวมจะเติบโตในอัตราที่เร็วขึ้น เราคาดว่าการเติบโตของลูกค้าอื่นๆ นี้จะมาจากส่วนผสมของ MAG-seven, ห้องปฏิบัติการนวัตกรรม AI ในประเทศ, โครงการ AI อธิปไตย และองค์กรชั้นนำ เราเชื่อว่าสิ่งนี้จะส่งผลอย่างมีนัยสำคัญต่อการกระจายฐานลูกค้า ลูกค้าของเรากำลังเคลื่อนไหวอย่างรวดเร็ว ขับเคลื่อนวงจรการพัฒนาที่สั้นลง และตอบสนองต่อความก้าวหน้าทางงานวิจัยได้เร็วขึ้น ในปี 2025 เราประสบความสำเร็จในสภาพแวดล้อมนี้ ส่วนใหญ่เป็นเพราะเราติดตามงานวิจัย คาดการณ์ความต้องการของลูกค้า และปรับเปลี่ยนตามความจำเป็น</p>
<p>เพื่อเป็นตัวอย่าง ในไตรมาสแรกของปีนี้สำหรับลูกค้ารายใหญ่ที่สุดของเรา เราได้ยกเลิกเวิร์กโฟลว์หลังการฝึกอบรมจำนวนมาก ซึ่งโดยรวมแล้วคิดเป็นรายได้ประมาณ 20,000,000 ดอลลาร์สหรัฐฯ ในอัตราการดำเนินงาน แต่ได้แทนที่ด้วยการผสมผสานระหว่างเวิร์กโฟลว์หลังการฝึกอบรมใหม่และโปรแกรมก่อนการฝึกอบรมที่ปรับขนาดได้ ซึ่งเป็นส่วนที่เน้นและลงทุนเมื่อเร็วๆ นี้ จากมุมมองของอัตราการดำเนินงานของรายได้ ผลสุทธิกลับเป็นบวก อันที่จริง เราเชื่อว่านวัตกรรมอย่างต่อเนื่องมีความสำคัญต่อการบรรลุแผนการที่ทะเยอทะยานของเราสำหรับปี 2026 และปีต่อๆ ไป ข่าวที่น่าตื่นเต้นอย่างแท้จริงคือเราเชื่อว่าเรากำลังเข้าสู่ยุคทองแห่งนวัตกรรมที่ Innodata Inc. อันเป็นผลมาจากการลงทุนที่เราได้ทำและตั้งใจจะทำในอนาคต</p>
<p>ตอนนี้ผมจะแบ่งปันเกี่ยวกับโครงการนวัตกรรมล่าสุดของเรา สำหรับเหตุผลทางการแข่งขัน เราจะระมัดระวังอย่างเหมาะสม แต่สิ่งที่เราแบ่งปันจะทำให้ท่านเห็นภาพที่สำคัญเกี่ยวกับวิธีคิดของเรา เรากำลังลงทุนที่ไหน ความสำเร็จที่เรากำลังได้รับ และวิธีที่เราตั้งใจจะใช้ประโยชน์จากโอกาสที่อยู่เบื้องหน้า ผมจะอธิบายโดยย่อเกี่ยวกับนวัตกรรมล่าสุดของเราในสามด้าน: การฝึกอบรมโมเดล generative AI, agentic AI และ physical AI ก่อนที่ผมจะทำเช่นนั้น ผมต้องการเน้นย้ำถึงธีมที่เป็นเอกภาพ ทุกนวัตกรรมที่ผมกำลังจะกล่าวถึงนั้นเป็นนวัตกรรมข้อมูลโดยพื้นฐาน</p>
<p>ไม่ว่าเป้าหมายจะเป็น LLM ที่มีความสามารถมากขึ้น เอเจนต์อัตโนมัติที่เชื่อถือได้มากขึ้น หรือระบบ AI ทางกายภาพที่ชาญฉลาดขึ้น คุณภาพข้อมูล องค์ประกอบข้อมูล การตรวจสอบข้อมูล และวิศวกรรมข้อมูลในวงกว้างเป็นหัวใจสำคัญของเรื่องเหล่านี้ นี่คือความสามารถหลักของเรา เราจะเริ่มต้นด้วยการฝึกอบรม generative AI ในอดีต ลูกค้าบอกเราว่าพวกเขาต้องการข้อมูลประเภทใดในการฝึกอบรม แต่มากขึ้นเรื่อยๆ พวกเขากำลังขอให้เราวินิจฉัยประสิทธิภาพของโมเดล ออกแบบชุดข้อมูลการฝึกอบรมที่เหมาะสม และแสดงให้เห็นว่าชุดข้อมูลเหล่านั้นจะปรับปรุงผลลัพธ์ได้อย่างมีนัยสำคัญ นี่คือวิธีการทำงาน เราเริ่มต้นด้วยการระบุช่องว่างด้านประสิทธิภาพโดยใช้กรอบการประเมินของเรา จากนั้นเราจะออกแบบชุดข้อมูลที่ตรงเป้าหมาย