งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนา "ระบบเก็บข้อมูลอัจฉริยะ" ที่ช่วยปรับปรุงกระบวนการ "การกวาดข้อมูลแวดล้อม" ซึ่งเป็นส่วนหนึ่งของ "กรอบงานการคาดการณ์ไกล" (Foresight Framework) ให้มีประสิทธิภาพมากขึ้น โดยเฉพาะในด้านการรวบรวมและคัดกรองข้อมูลจากแหล่งที่ไม่เป็นระเบียบ (unstructured data) เช่น บทความออนไลน์และสื่อสังคมออนไลน์ ซึ่งเป็นความท้าทายที่วิธีการแบบดั้งเดิมอย่าง วิธีเดลไฟ (Delphi Method) ยังไม่สามารถจัดการได้อย่างมีประสิทธิภาพ ผู้วิจัยได้นำ การประมวลผลภาษาธรรมชาติ (NLP) และ การเรียนรู้ของเครื่อง (Machine Learning) มาใช้เป็นเครื่องมือหลักในการสร้างแบบจำลองเพื่อคัดแยก ข้อความบ่งชี้อนาคต (Forecast Sentences) ซึ่งถือเป็นข้อมูลสำคัญสำหรับการวางแผนเชิงกลยุทธ์ โดยมีการทดลองเปรียบเทียบคุณลักษณะของข้อมูล (Features) ที่แตกต่างกัน ได้แก่ การใช้ข้อมูลคำกริยาเพียงอย่างเดียว (PoS Only), การใช้คำกริยาร่วมกับปี ค.ศ. (PoS and Year) และการใช้คำสำคัญร่วมกับปี ค.ศ. (Keyword and Year) ผลการศึกษาแสดงให้เห็นว่าแบบจำลองที่ใช้ คำสำคัญและปี ค.ศ. ร่วมกัน ให้ประสิทธิภาพสูงสุดในการคัดแยกข้อความบ่งชี้อนาคตด้วยความแม่นยำ 89.05% โดยใช้อัลกอริทึม Logistic Regression ซึ่งชี้ให้เห็นว่าระบบที่พัฒนาขึ้นสามารถเป็นเครื่องมือสนับสนุนที่มีประสิทธิภาพสำหรับนักวางแผนกลยุทธ์ ช่วยลดความซับซ้อนและลดระยะเวลาในขั้นตอนการรวบรวมและวิเคราะห์ข้อมูลได้อย่างเป็นรูปธรรม นอกจากนี้ งานวิจัยยังได้นำเสนอแนวทางการออกแบบระบบในรูปแบบ Factory Pattern เพื่อให้ระบบมีความยืดหยุ่นและสามารถรองรับการปรับเปลี่ยนเครื่องมือ NLP และ Machine Learning ในอนาคตได้อย่างง่ายดาย ซึ่งจะเป็นประโยชน์อย่างยิ่งในการต่อยอดและพัฒนาในเชิงพาณิชย์ต่อไป.