ตัวอย่าง - สำรวจอายุคาดเฉลี่ยของเพศหญิงด้วยฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์

ตัวอย่างนี้ใช้แหล่งข้อมูลที่บันทึกไว้ของตัวชี้วัดของโลกที่มาพร้อมกับ Tableau เราจะใช้ฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์ MODEL_QUANTILE และ MODEL_PERCENTILE เพื่อสำรวจความสัมพันธ์ระหว่างการใช้จ่ายด้านสุขภาพต่อหัว อายุคาดเฉลี่ยของเพศหญิง และอัตราการเกิด

มาเริ่มต้นกันด้วยการแสดงเป็นภาพที่เปรียบเทียบการใช้จ่ายด้านสุขภาพของแต่ละประเทศกับอายุคาดเฉลี่ยของเพศหญิง หากต้องการติดตามและเข้าถึงมุมมองและแดชบอร์ดที่สร้างไว้ล่วงหน้า หรือเพื่อดูโซลูชัน ให้ดาวน์โหลดเวิร์กบุ๊กต่อไปนี้จาก Tableau Public: การสร้างแบบจำลองเชิงคาดการณ์ของอายุคาดเฉลี่ยของเพศหญิง

แผนภาพการกระจายอายุคาดเฉลี่ยของเพศหญิง

การใช้ MODEL_PERCENTILE

ขั้นแรกเราจะประเมินอายุคาดเฉลี่ยและค่าใช้จ่ายด้านสุขภาพสำหรับเครื่องหมายที่แสดงทั้งหมด การดำเนินการนี้จะช่วยให้ Tableau สร้างแบบจำลองจากเครื่องหมายเหล่านั้นและแสดงเปอร์เซ็นต์ไทล์สำหรับแต่ละแบบจำลองภายในแบบจำลอง

ขั้นตอนที่ 1: สร้างการคำนวณการคาดการณ์

หากคุณมี Tableau Server หรือ Tableau Cloud และต้องการเขียนบนเว็บแทนใน Tableau Desktop ให้เผยแพร่เวิร์กบุ๊กไปยัง Tableau Server คลิกเวิร์กบุ๊ก เลือกเวิร์กบุ๊ก จากนั้นใต้ “การดำเนินการ” ให้เลือกแก้ไขเวิร์กบุ๊ก

หลังจากที่เปิดเวิร์กบุ๊ก หลายๆ ชีตจะแสดงขึ้นมา คุณจะใช้ชีตเหล่านั้นเพื่อสร้างมุมมองของคุณ

  1. ในเวิร์กบุ๊กตัวเริ่มต้น ให้คลิกชีตตัวเริ่มต้นแบบเปอร์เซ็นไทล์

  2. เปิดเมนูการวิเคราะห์ที่ด้านบน จากนั้นเลือกสร้างฟิลด์ที่คำนวณ

  3. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

    • ตั้งชื่อการคำนวณ: ความคาดหวังและการใช้จ่ายเป็นเปอร์เซ็นต์ไทล์

    • หมายเหตุ: หากดำเนินการตามในเวิร์กบุ๊กตัวเริ่มต้น คุณจะเห็นชื่อต่างๆ สำหรับการคำนวณที่ใช้ตลอดตัวอย่างนี้ การดำเนินการนี้ช่วยให้คุณตั้งชื่อฟิลด์ได้ตามที่อธิบายไว้ที่นี่โดยไม่ต้องสร้างข้อมูลซ้ำ โซลูชันของคุณอาจมีชื่อที่แตกต่างกัน แต่การแสดงเป็นภาพควรมีลักษณะเหมือนกัน
    • ป้อนสูตรต่อไปนี้:

      MODEL_PERCENTILE(AVG([Life Expectancy Female]), LOG(MEDIAN([Health Exp/Capita])))

    • การคำนวณนี้ใช้อายุคาดเฉลี่ยเป็นนิพจน์เป้าหมายและค่าใช้จ่ายด้านสุขภาพตามค่าค่ามัธยฐานเป็นตัวคาดการณ์ ในกรณีนี้ เราใช้การแปลงลอการิทึมบนแกนการใช้จ่ายด้านสุขภาพเช่นเดียวกับตัวคาดการณ์

      หมายเหตุ: เนื่องจากชุดข้อมูลนี้เบนไปยังค่าที่มีขนาดใหญ่มาก เราจึงแปลงข้อมูลของเราโดยใช้มาตราส่วนลอการิทึม ซึ่งมีประโยชน์เมื่อวิเคราะห์ข้อมูลด้วยบางค่าที่สูงกว่าค่าอื่นๆ และจะทำให้ง่ายต่อการระบุแนวโน้มและความสัมพันธ์ในชุดข้อมูลของเรา
  4. คลิกตกลง

    การคำนวณการคาดการณ์ได้เพิ่มเป็นฟิลด์ที่คำนวณในแผงข้อมูลแล้ว

ขั้นตอนที่ 2: เพิ่มการคำนวณการคาดการณ์ลงในมุมมอง

ในการแสดงเป็นภาพข้างต้น คุณสามารถเห็นการใช้จ่ายด้านสุขภาพของแต่ละประเทศเมื่อเทียบกับอายุคาดเฉลี่ยของเพศหญิงที่กรองจากปี 2012

ตอนนี้ลองเพิ่มการคำนวณ MODEL_PERCENTILE ลงในมุมมองและดูว่าเราจะได้รับข้อมูลเชิงลึกใดบ้าง

  1. ลากความคาดหวังและการใช้จ่ายเป็นเปอร์เซ็นต์ไทล์ไปยังสีบนการ์ดเครื่องหมาย

  2. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค

  3. คลิกสีบนการ์ดเครื่องหมาย แล้วคลิกแก้ไขสี

    • ใต้ “ชุดสี” ให้เลือกสีส้ม-ฟ้าที่แตกต่างกัน

    • เลือกช่องทำเครื่องหมายสีแบบขั้นบันได

    • เลือกช่องทำเครื่องหมายย้อนกลับ

  4. คลิกตกลง

  5. แผนภาพจะแสดงอายุคาดเฉลี่ยของเพศหญิงเมื่อเทียบกับการใช้จ่าย

    คุณจะเห็นการแจกแจงของประเทศที่อายุคาดเฉลี่ยสำหรับสุขภาพสูงกว่าและต่ำกว่าที่คาดการณ์ไว้โดยขึ้นอยู่กับระดับการใช้จ่าย สังเกตว่าโดยทั่วไปแล้วเครื่องหมายสีแดงเข้มหมายความว่าอายุคาดเฉลี่ยสูงโดยสัมพันธ์กับการใช้จ่ายด้านการดูแลสุขภาพ สีน้ำเงินเข้มหมายความว่าอายุคาดเฉลี่ยต่ำโดยสัมพันธ์กับการใช้จ่ายด้านการดูแลสุขภาพ และสีเทาหมายความว่าอายุคาดเฉลี่ยใกล้เคียงกับสิ่งที่แบบจำลองคาดหวัง โดยขึ้นอยู่กับระดับการใช้จ่ายด้านการดูแลสุขภาพ

ขั้นตอนที่ 3: จัดกลุ่มผลลัพธ์ตามสี

เพื่อวิเคราะห์ให้ง่ายขึ้น ลองใช้การคำนวณการคาดการณ์ในการคำนวณใหม่เพื่อจัดกลุ่มผลลัพธ์ เราจะสร้างกลุ่มเพื่อให้เครื่องหมายเหนือเปอร์เซ็นไทล์ที่ 90 และต่ำกว่าเปอร์เซ็นไทล์ที่ 10 มีการจัดกลุ่มให้เข้ากัน เครื่องหมายในช่วงเปอร์เซ็นไทล์ที่ 80 -90 และช่วงเปอร์เซ็นไทล์ที่ 10 -20 จะมีการจัดกลุ่มให้เข้ากัน เรายังจะไฮไลต์เครื่องหมายที่มีค่า null และจัดการเครื่องหมายเหล่านั้นในภายหลังโดยใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์อื่นๆ MODEL_QUANTILE

  1. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

    • ตั้งชื่อการคำนวณ: เปอร์เซ็นต์ไทล์ตามสี

    • ป้อนสูตรต่อไปนี้:

      IF
      ISNULL([Percentile Expectancy vs Spending])
      THEN "Null"
      ELSEIF [Percentile Expectancy vs Spending] >=0.9 OR
      [Percentile Expectancy vs Spending] <=0.1
      THEN "<10th & >90th percentile"
      ELSEIF [Percentile Expectancy vs Spending] >=0.8 OR
      [Percentile Expectancy vs Spending] <=0.2
      THEN "<20th & >80th percentile"
      ELSEIF [Percentile Expectancy vs Spending] >=0.7 OR
      [Percentile Expectancy vs Spending] <=0.3
      THEN "<30th & >70th percentile"
      ELSEIF [Percentile Expectancy vs Spending] >=0.6 OR
      [Percentile Expectancy vs Spending] <=0.4
      THEN "<40th & >60th percentile"
      ELSE "50th percentile +-10"
      END

  2. เพิ่มการคำนวณใหม่ไปยังสีบนการ์ดเครื่องหมาย

  3. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค

  4. คลิก “สี” บนการ์ดเครื่องหมาย แล้วคลิกแก้ไขสี

    • ปรับสีเพื่อให้เห็นแนวโน้มได้ดียิ่งขึ้น ในกรณีนี้ ลองใช้ชุดสีไฟจราจรและใช้สีเทาสำหรับค่า null

  5. คลิกตกลง

    แผนภาพจะแสดงผลลัพธ์ที่จัดกลุ่มตามสี

    เมื่อดูที่เครื่องหมายสีส้มที่มุม ให้สังเกตว่าสหรัฐอเมริกาใช้จ่าย $8,895 ต่อประชากรเพศหญิงสำหรับอายุคาดเฉลี่ยที่ 81 ปี เมื่อดูตามแกน X ทางซ้าย คุณจะเห็นว่าประเทศอื่นๆ ใช้จ่ายน้อยกว่าและมีอายุคาดเฉลี่ยเท่ากัน

    แบบจำลองจะประเมินจุดแข็งของความสัมพันธ์ในแต่ละจุด ซึ่งสหรัฐอเมริกาอยู่ใกล้กับจุดสูงสุดของช่วงที่คาดหวังของแบบจำลอง

ขั้นตอนที่ 4: เปรียบเทียบอายุคาดเฉลี่ยกับอัตราการเกิด

ถัดไป มาดูกันที่การแสดงเป็นภาพที่เปรียบเทียบอายุคาดเฉลี่ยของเพศหญิงกับอัตราการเกิด สังเกตว่ามีความสัมพันธ์เชิงลบระหว่างอัตราการเกิดและอายุคาดเฉลี่ยของเพศหญิง อย่างไรก็ตาม ไม่ได้หมายความว่าอัตราการเกิดที่สูงขึ้นทำให้อายุคาดเฉลี่ยของเพศหญิงลดลง อาจมีปัจจัยเพิ่มเติมที่ส่งผลกระทบต่อทั้งอัตราการเกิดและอายุคาดเฉลี่ยของเพศหญิงที่ไม่แสดงได้ในมุมมองนี้ของข้อมูล แต่ลองเพิ่มแบบจำลองและดูว่าแบบจำลองคาดว่าอายุคาดเฉลี่ยของเพศหญิงจะสูงขึ้นหรือต่ำลงเมื่อพิจารณาจากค่าใช้จ่ายด้านสุขภาพ

อายุคาดเฉลี่ยตามอัตราการเกิด

  1. ในชีตอัตราการเกิด ให้เพิ่มการคำนวณการคาดการณ์เปอร์เซ็นต์ไทล์ตามสีลงในสีบนการ์ดเครื่องหมายเพื่อนำมาใช้ในมุมมอง

  2. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค

  3. คลิก “สี” บนการ์ดเครื่องหมาย แล้วคลิกแก้ไขสี แก้ไขสีเหมือนเดิมโดยใช้ชุดสีไฟจราจร แล้วก็สีเทาสำหรับค่า null

  4. คลิกตกลง

    แผนภาพจะมุ่งเน้นไปที่ผลลัพธ์ในแอลเบเนียและอาร์เมเนีย

    ตอนนี้ข้อมูลมีการแจกแจงมากขึ้น แถบสีแดงที่มุมขวาล่างคือจุดที่อายุคาดเฉลี่ยต่ำสุดแต่อัตราการเกิดสูงสุดและค่าใช้จ่ายด้านการดูแลสุขภาพสัมพันธ์กับอายุคาดเฉลี่ยที่ต่ำ เมื่อพิจารณาเครื่องหมายสีแดงทั้งสองในจตุภาคบนซ้าย ซึ่งเกี่ยวข้องกับแอลเบเนียและอาร์เมเนียว่า คุณจะสังเกตเห็นว่าทั้งสองประเทศมีอายุคาดเฉลี่ยของเพศหญิงสูงกว่า อัตราการเกิดต่ำกว่า และค่าใช้จ่ายด้านสุขภาพต่ำ

    จากที่คุณเห็น เราสามารถใช้ MODEL_PERCENTILE เพื่อระบุว่าทั้งสองประเทศนี้มีค่าผิดปกติ: แม้ว่าทั้งสองประเทศจะมีค่าใช้จ่ายในการดูแลสุขภาพที่ค่อนข้างต่ำ แต่ก็ยังมีอายุคาดเฉลี่ยที่ค่อนข้างสูงซึ่งอยู่ในบริบทของอัตราการเกิด

    เคล็ดลับเครื่องมือจะแสดงให้เห็นว่าแอลเบเนียมีอายุคาดเฉลี่ยที่สูงแม้ว่าจะมีการใช้จ่ายด้านสุขภาพที่ต่ำ

  5. ตอนนี้ มาดูวิธีใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์อีกแบบ MODEL_QUANTILE เพื่อทำการวิเคราะห์ต่อไป

การใช้ MODEL_QUANTILE

MODEL_QUANTILE ใช้เพื่อสร้างการคาดการณ์แบบตัวเลขหากคำนึงถึงเปอร์เซ็นต์ไทล์เป้าหมาย นิพจน์เป้าหมาย และตัวคาดการณ์ คือค่าผกผันของ MODEL_PERCENTILE

โปรดทราบว่าเรามีค่า null หลายค่าในผลลัพธ์ของเรา ซึ่งหมายความว่าบางประเทศไม่มีข้อมูลค่าใช้จ่ายด้านสุขภาพ เราจะใช้ MODEL_QUANTILE เพื่อประมาณค่าที่ขาดหายไปเหล่านั้น

ขั้นตอนที่ 1: สร้างการคำนวณการคาดการณ์

เราได้ทำงานกับการคำนวณนี้:

MODEL_PERCENTILE(AVG([Life Expectancy Female]), LOG(MEDIAN([Health Exp/Capita])))

อันดับแรก เราต้องการกลับฟังก์ชันนี้เพื่อแสดงการคาดการณ์สำหรับค่าใช้จ่ายด้านการดูแลสุขภาพตามอายุคาดเฉลี่ยของเพศหญิง

  1. ในเวิร์กบุ๊กตัวเริ่มต้น ให้คลิกชีตตัวเริ่มต้นควอนไทล์

  2. เปิดเมนูการวิเคราะห์ที่ด้านบน จากนั้นเลือกสร้างฟิลด์ที่คำนวณ

  3. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

    • ตั้งชื่อการคำนวณ: ควอนไทล์ของความคาดหวังและการใช้จ่าย
    • ป้อนสูตรต่อไปนี้:

      POWER(10, MODEL_QUANTILE(0.5, LOG(MEDIAN([Health Exp/Capita])), AVG([Life Expectancy Female])))

      ลองแยกย้อยข้อมูลการคำนวณนี้เพื่อทำความเข้าใจให้ดีขึ้น:

      • เราเริ่มต้นด้วย MODEL_QUANTILE ซึ่งอาร์กิวเมนต์แรกคือ 0.5 โดยระบุเปอร์เซ็นต์ไทล์ที่จะคาดการณ์
      • นิพจน์เป้าหมายคือค่ามัธยฐานของค่าใช้จ่ายด้านสุขภาพต่อหัว
      • ตัวคาดการณ์คืออายุคาดเฉลี่ยของเพศหญิง
      • นอกจากนี้ เราสรุปข้อมูลฟังก์ชันภายในฟังก์ชัน POWER เพื่อแปลงนิพจน์เป้าหมายที่แปลงบันทึกกลับเป็นดอลลาร์
  4. คลิกตกลง

    การคำนวณการคาดการณ์ได้เพิ่มเป็นฟิลด์ที่คำนวณในแผงข้อมูลแล้ว

ขั้นตอนที่ 2: เพิ่มการคำนวณการคาดการณ์ลงในมุมมอง

  1. ลากควอนไทล์ของความคาดหวังและการใช้จ่ายไปยังเคล็ดลับเครื่องมือบนการ์ดเครื่องหมาย

  2. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค

  3. คลิกเคล็ดลับเครื่องมือบนการ์ดเครื่องหมายและเพิ่มแถวสำหรับการคาดการณ์ MODEL_QUANTILE:

    • ตั้งชื่อแถวเคล็ดลับเครื่องมือ: การใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้จากอายุคาดเฉลี่ยของเพศหญิง:

    • คลิกแทรกและเลือกการคำนวณเพื่อตรวจสอบว่าเคล็ดลับเครื่องมือจะแสดงการคาดการณ์ที่ไม่ซ้ำกันของเครื่องหมายแบบไดนามิกในขณะที่คุณโต้ตอบกับการแสดงเป็นภาพ

  4. คลิกตกลง

    เคล็ดลับเครื่องมือสำหรับอินโดนีเซีย

  5. ในขณะนี้การคำนวณ MODEL_QUANTILE มีเพียงหนึ่งตัวคาดการณ์: อายุคาดเฉลี่ยของเพศหญิง สังเกตว่าในขณะที่คุณย้ายจากซ้ายไปขวา ให้ดูเคล็ดลับเครื่องมือสำหรับเครื่องหมายที่มีอายุคาดเฉลี่ยที่เท่ากัน โดยแต่ละเครื่องหมายมีการใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้เหมือนกัน ค่าใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้จากอายุคาดเฉลี่ยของของอินโดนีเซียอยู่ที่ 336 ดอลลาร์แต่สำหรับฟิจิ อียิปต์ และประเทศอื่นๆ ที่มีอายุคาดเฉลี่ยของเพศหญิงเท่ากัน

    เนื่องจากแบบจำลองนี้แสดงค่าใช้จ่ายโดยประมาณเหมือนกันสำหรับแต่ละเครื่องหมาย เนื่องจากเราใช้ตัวคาดการณ์เพียงตัวเดียว (อายุคาดเฉลี่ยของเพศหญิง) แบบจำลองจะให้ผลลัพธ์ที่เหมือนกันสำหรับเครื่องหมายทั้งหมดที่ตัวคาดการณ์มีค่าเท่ากัน คุณสามารถเพิ่มความแตกต่างอื่นๆ ให้กับแบบจำลองโดยการเพิ่มตัวคาดการณ์

ขั้นตอนที่ 3: เพิ่มการคาดการณ์ด้วยตัวคาดการณ์ที่สอง

ในขณะที่สร้างการคาดการณ์ คุณควรพิจารณาว่าฟิลด์ใดจะเป็นตัวคาดการณ์ที่ดีสำหรับค่าเป้าหมายของคุณและรวมไว้ในการคำนวณของคุณ คุณสามารถรวมมิติข้อมูลและการวัดผลต่างๆ เข้าด้วยกันได้ ตัวอย่างเช่น เราสามารถเพิ่ม GDP, ประชากร และฟิลด์อื่นๆ เป็นตัวคาดการณ์เพื่อปรับปรุงการคาดการณ์ของเรา ในกรณีนี้ ให้เพิ่มภูมิภาค

  1. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

    • ตั้งชื่อการคำนวณ: ควอนไทล์ของการใช้จ่ายกับความคาดหวังและภูมิภาค

    • ป้อนสูตรต่อไปนี้ ซึ่งเหมือนกับการคำนวณก่อนหน้านี้แต่เพิ่มภูมิภาคเป็นตัวคาดการณ์:

      POWER(10, MODEL_QUANTILE(0.5, LOG(MEDIAN([Health Exp/Capita])), AVG([Life Expectancy Female]), ATTR([Region])))

  2. คลิกตกลง

  3. ถัดไป เพิ่มการคำนวณใหม่ไปยังเคล็ดลับเครื่องมือบนการ์ดเครื่องหมาย

  4. คลิกเคล็ดลับเครื่องมือ และเพิ่มบรรทัดอื่นเพื่ออธิบายการคาดการณ์ใหม่ เช่น การใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้จากอายุคาดเฉลี่ยของเพศหญิงและภูมิภาค:

    เคล็ดลับเครื่องมือสำหรับอินโดนีเซีย

    ตอนนี้เคล็ดลับเครื่องมือจะแสดงการคาดการณ์ทั้งสองอย่าง

ขั้นตอนที่ 4: เปรียบเทียบค่าจริงกับค่าที่คาดการณ์ไว้

สำหรับขั้นตอนสุดท้ายในการวิเคราะห์ คุณยังสามารถสร้างการคำนวณการคาดการณ์ที่รวมค่าจริงและค่าที่คาดการณ์ไว้ด้วยกัน ในตัวอย่างของเรา ลองแสดงค่าใช้จ่ายด้านสุขภาพที่เกิดขึ้นจริงเมื่อมีและค่าใช้จ่ายโดยประมาณเมื่อไม่มี

  1. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

    • ตั้งชื่อการคำนวณ: ค่าจริงของการใช้จ่ายด้านสุขภาพเทียบกับค่าที่คาดการณ์

    • ป้อนสูตรต่อไปนี้ซึ่งจะแสดงค่าตัวเลขของการคาดการณ์:

      ROUND(IFNULL(AVG([Health Exp/Capita]),[Quantile_HE/Cap_LEF,Region]),0)

  2. คลิกตกลง

  3. สร้างการคำนวณอีกวิธีดังนี้:

    • ตั้งชื่อการคำนวณ: การใช้จ่ายด้านสุขภาพจริงเทียบกับแท็กการคาดการณ์

    • ป้อนสูตรต่อไปนี้ ซึ่งจะทำหน้าที่เป็นป้ายกำกับสำหรับการคำนวณข้างต้น:

      STR(IF ISNULL(AVG([Health Exp/Capita])) THEN "(Estimate)" ELSE "(Actual)" END)

  4. คลิกตกลง

  5. ถัดไป เพิ่มการคำนวณทั้งสองไปยังเคล็ดลับเครื่องมือบนการ์ดเครื่องหมาย

  6. คลิกเคล็ดลับเครื่องมือและเพิ่มบรรทัดอื่นเพื่ออธิบายการคำนวณใหม่:

    • ค่าใช้จ่ายด้านสุขภาพต่อหัว (จริงหรือโดยประมาณ):

    • แทรกการคำนวณใหม่ทีละรายการ

  7. คลิกตกลง

    เคล็ดลับเครื่องมือสำหรับเบอร์มิวดา

    ในขณะที่โต้ตอบกับการแสดงเป็นภาพ คุณสามารถดูค่าใช้จ่ายด้านสุขภาพต่อหัวของแต่ละประเทศหรือดูค่าประมาณหากค่าที่แท้จริงขาดหายไป (null) จากข้อมูล

    คุณสามารถใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ใน Tableau เพื่อรับข้อมูลเชิงลึกจากข้อมูลของคุณได้ง่ายๆ

ขอบคุณสำหรับข้อเสนอแนะของคุณส่งข้อเสนอแนะของคุณเรียบร้อยแล้ว ขอขอบคุณ