(3.235.108.188) 您好!臺灣時間:2021/03/03 18:49
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳信君
論文名稱:應用商業智慧技術於生技產品市場
指導教授:鄭字庭蔡紋琦謝邦昌謝邦昌引用關係
學位類別:碩士
校院名稱:國立政治大學
系所名稱:統計研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:120
中文關鍵詞:商業智慧資料採礦生物科技決策樹分析
相關次數:
  • 被引用被引用:0
  • 點閱點閱:168
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:4
21世紀公認影響人類生活的兩大科技,就是「資訊科技」與「生物科技」。能為生物科技分析出最佳競爭優勢、尋求利基的產業,便是商業智慧(business intelligence, BI)。
雖然生技業具有極高的附加價值,但也必須投入極高的研發成本。為了讓生技產品能獲取利潤,我們必須要在適當的時機推出適合消費者的產品;藉由資料採礦技術萃取大量的資訊、可以事先洞察預測消費者的潛在需求,並且幫忙分析生技產業可應用推廣的領域、採取的行銷方式以及道德倫理問題…等,這些都須仰賴商業智慧的力量;唯有以商業智慧為整合平台來發展生物科技,才能確保生技產業向未來前進的步伐走得穩當。
除了想了解生物科技目前的前景之外,也加上商業智慧(business intelligence, BI)的應用,希望藉由本研究可以在未來對於欲加入生物科技產業之公司尋找一些經營依歸,以期台灣能在邁入高科技產業時將順利無阻礙。
首先,先以三種資料採礦的分類法(決策樹、類神經及羅吉斯迴歸)來做比較,並決定最後使用那種分析方法。比較過後,決定運用決策樹方法建立出一般民眾的基本特性(性別、血型、年齡等)對於生物科技產業(基因改造食品、生物醫療科技、生技美容保養)的使用意願程度之決策樹模型。
最後,對三種生物科技產業各別做出宣傳策略。並對後續研究者提出一些建議。
第壹章 緒論 1
第一節 研究背景 1
第二節 研究動機 2
第三節 研究目的 4
第四節 資料架構 5
第五節 論文架構 6
第貳章 文獻探討 8
第一節 商業智慧 8
第二節 生物資訊 12
第三節 資料採礦 23
第參章 研究方法 32
第一節 研究工具 32
第二節 研究流程 36
第三節 資料分析 38
一、敘述統計分析 38
二、決策樹分析 38
第肆章 研究結果 46
第一節 敘述統計分析 46
第二節 建構預測模型 71
第三節 模型結果 73
第伍章 結論與建議 91
第一節 結論 91
第二節 建議 93
參考文獻 94
中文部份 94
英文部份 95
附錄 97


表次
表2-1 商業智慧之定義 9
表2-2 生物資訊之定義 13
表2-3 2003年全球生技廠商現況 16
表2-4 2000-2013年全球生技產業各領域市場預測與趨勢 16
表2-5 2002-2003年我國生技產業市場分析(單位:億元NT) 17
表2-6 資料採礦之定義 23
表4-1.1.1 有買過基因改造食品之民眾性別次數分配表 46
表4-1.1.2 有買過基因改造食品之民眾職業次數分配表 47
表4-1.1.3 有買過基因改造食品之民眾宗教信仰次數分配表 47
表4-1.1.4 有買過基因改造食品之民眾健康狀況次數分配表 48
表4-1.1.5 有買過基因改造食品之民眾血型次數分配表 48
表4-1.1.6 有買過基因改造食品之民眾年齡次數分配表 48
表4-1.1.7 有買過基因改造食品之民眾居住地區次數分配表 49
表4-1.1.8 有買過基因改造食品之民眾教育程度次數分配表 49
表4-1.1.9 有買過基因改造食品之民眾每月可支配所得次數分配表 50
表4-1.2.1 未買過基因改造食品之民眾性別 50
表4-1.2.2 未買過基因改造食品之民眾職業次數分配表 51
表4-1.2.3 未買過基因改造食品之民眾宗教信仰次數分配表 51
表4-1.2.4 未買過基因改造食品之民眾健康狀況次數分配表 52
表4-1.2.5 未買過基因改造食品之民眾血型次數分配表 52
表4-1.2.6 未買過基因改造食品之民眾年齡次數分配表 52
表4-1.2.7 未買過基因改造食品之民眾居住地區次數分配表 53
表4-1.2.8 未買過基因改造食品之民眾教育程度次數分配表 53
表4-1.2.9 未買過基因改造食品之民眾每月可支配所得次數分配表 53
表4-1.3.1 有使用生物醫療科技之民眾性別次數分配表 53
表4-1.3.2 有使用生物醫療科技之民眾職業次數分配表 54
表4-1.3.3 有使用生物醫療科技之民眾宗教信仰次數分配表 55
表4-1.3.4 有使用生物醫療科技之民眾健康狀況次數分配表 56
表4-1.3.5 有使用生物醫療科技之民眾血型次數分配表 56
表4-1.3.6 有使用生物醫療科技之民眾年齡次數分配表 56
表4-1.3.7 有使用生物醫療科技之民眾居住地區次數分配表 57
表4-1.3.8 有使用生物醫療科技之民眾教育程度次數分配表 57
表4-1.3.9 有使用生物醫療科技之民眾每月可支配所得次數分配表 58
表4-1.4.1 未使用生物醫療科技之民眾性別次數分配表 58
表4-1.4.2 未使用生物醫療科技之民眾職業次數分配表 59
表4-1.4.3 未使用生物醫療科技之民眾宗教信仰次數分配表 59
表4-1.4.4 未使用生物醫療科技之民眾健康狀況次數分配表 60
表4-1.4.5 未使用生物醫療科技之民眾血型次數分配表 60
表4-1.4.6 未使用生物醫療科技之民眾年齡次數分配表 60
表4-1.4.7 未使用生物醫療科技之民眾居住地區次數分配表 61
表4-1.4.8 未使用生物醫療科技之民眾教育程度 61
表4-1.4.9 未使用生物醫療科技之民眾每月可支配所得次數分配表 62
表4-1.5.1 有使用生技美容保養之民眾性別次數分配表 62
表4-1.5.2 有使用生技美容保養之民眾職業次數分配表 63
表4-1.5.3 有使用生技美容保養之民眾宗教信仰次數分配表 63
表4-1.5.4 有使用生技美容保養之民眾健康狀況次數分配表 64
表4-1.5.5 有使用生技美容保養之民眾血型次數分配表 64
表4-1.5.6 有使用生技美容保養之民眾年齡次數分配表 64
表4-1.5.7 有使用生技美容保養之民眾居住地區次數分配表 65
表4-1.5.8 有使用生技美容保養之民眾教育程度次數分配表 65
表4-1.5.9 有使用生技美容保養之民眾每月可支配所得次數分配表 66
表4-1.6.1 未使用生技美容保養之民眾性別次數分配表 66
表4-1.6.2 未使用生技美容保養之民眾職業次數分配表 67
表4-1.6.3 未使用生技美容保養之民眾宗教信仰次數分配表 67
表4-1.6.4 未使用生技美容保養之民眾健康狀況次數分配表 68
表4-1.6.5 未使用生技美容保養之民眾血型次數分配表 68
表4-1.6.6 未使用生技美容保養之民眾年齡次數分配表 68
表4-1.6.7 未使用生技美容保養之民眾居住地區次數分配表 69
表4-1.6.8 未使用生技美容保養之民眾教育程度次數分配表 69
表4-1.6.9 未使用生技美容保養之民眾每月可支配所得次數分配表 70
表4.2 分類模型預測能力表 72
表4-3.1 有買過基因改造食品的決策樹模型 73
表4-3.2 有買過基因改造食品的分類矩陣 73
表4-3.3 未買過基因改造食品的決策樹 74
表4-3.4 未買過基因改造食品的分類矩陣 75
表4-3.5 有使用生物醫療科技的決策樹模型 75
表4-3.6 有使用生物醫療科技的分類矩陣 77
表4-3.7 未使用生物醫療科技的決策樹模型 77
表4-3.8 未使用生物醫療科技的分類矩陣 82
表4-3.9 有使用生技美容保養的決策樹模型 82
表4-3.10 有使用生技美容保養的分類矩陣 83
表4-3.11 未使用生技美容保養的決策樹模型 83
表4-3.12 未使用生技美容保養的分類矩陣 84
表4-3.13 決策樹模型-節點表 84
附錄1-1是否同意複製瀕臨絶種的生物 * 再次購買意願 交叉表 97
附錄1-2是否同意複製寵物 * 再次購買意願 交叉表 98
附錄1-3是否同意複製器官 * 再次購買意願 交叉表 99
附錄1-4是否同意複製人類 * 再次購買意願 交叉表 100
附錄2-1是否同意複製瀕臨絶種的生物 * 購買意願 交叉表 101
附錄2-2是否同意複製寵物 * 購買意願 交叉表 102
附錄2-3是否同意複製器官 * 購買意願 交叉表 103
附錄2-4是否同意複製人類 * 購買意願 交叉表 104
附錄3-1是否同意複製瀕臨絶種的生物 * 再次使用意願 交叉表 105
附錄3-2是否同意複製寵物 * 再次使用意願 交叉表 106
附錄3-3是否同意複製器官 * 再次使用意願 交叉表 107
附錄3-4是否同意複製人類 * 再次使用意願 交叉表 108
附錄4-1是否同意複製瀕臨絶種的生物 * 使用意願 交叉表 109
附錄4-2是否同意複製寵物 * 使用意願 交叉表 110
附錄4-3是否同意複製器官 * 使用意願 交叉表 111
附錄4-4是否同意複製人類 * 使用意願 交叉表 112
附錄5-1是否同意複製瀕臨絶種的生物 * 再次使用意願 交叉表 113
附錄5-2是否同意複製寵物 * 再次使用意願 交叉表 114
附錄5-3是否同意複製器官 * 再次使用意願 交叉表 115
附錄5-4是否同意複製人類 * 再次使用意願 交叉表 116
附錄6-1是否同意複製瀕臨絶種的生物 * 使用意願 交叉表 117
附錄6-2是否同意複製寵物 * 使用意願 交叉表 118
附錄6-3是否同意複製器官 * 使用意願 交叉表 119
附錄6-4是否同意複製人類 * 使用意願 交叉表 120


圖次
圖1-1 資料架構圖 5
圖1-2 整體研究架構圖 7
圖2-1 跨行業資料採礦標準過程流程圖 25
圖3-1 SQL Server 2005的操作介面 33
圖3-2 SPSS Clementine的操作介面 35
圖3-3 研究流程 37
圖4-1 模型建構的流程圖 71
圖4-2 有買過基因改造食品之決策樹模型樹狀結構圖 85
圖4-3 未買過基因改造食品之決策樹模型樹狀結構圖 86
圖4-4 有使用生物醫療科技之決策樹模型樹狀結構圖 87
圖4-5 未使用生物醫療科技之決策樹模型樹狀結構圖 88
圖4-6 有使用生技美容保養之決策樹模型樹狀結構圖 89
圖4-7 未使用生技美容保養之決策樹模型樹狀結構圖 90
參考文獻
中文部份
1. 工商時報,2004.04.17,我化妝品產值 判提升到五百億。
2. 工商時報,2004.04.17,台灣生技化妝品銷售值今年上看四百億。
3. 尹怡君,2005,創造生技大夢的生存法則,卓越國際媒體月刊,第255期,頁38-41。
4. 朱文深,2002,生物技術與基因改造食品,環境檢驗,第34期,頁7-26。
5. 江福松…等,2005,台灣消費者對基因改造食品之認知與接受程度,台灣基因意向之調查與研究學術研討會,台北:中央研究院人文社會科學研究中心…等主辦。
6. 李家旭,2003,應用資料採礦技術於保險公司附加保單之增售,政治大學統計學系碩士論文。
7. 杜姿瑩,2001,基因改造食品現況,食品市場資訊,第90卷第1期,頁5-9。
8. 吳宗正、何文榮,1998,你能懂-生命複製,台灣:大塊文化。
9. 吳明隆,2003,SPSS統計應用學習實務-問卷分析與應用統計,台北:知城數位科技有限公司。
10. 吳明隆、涂金堂,2004,SPSS與統計應用分析,台北:五南圖書出版社。
11. 韋端、鄭宇庭、鄧家駒、匡宏波、謝邦昌,2003,DATA MINING概述,台灣:中華資料採礦協會。
12. 洪蘭譯,Gina Kolata著,1998,基因複製─從複製羊桃麗看人類的未來,遠流出版社。
13. 范麗娟,2005,由美國基因體社會、道德與法律部門(ELSI)功能探討政府在基因研究中應扮演之角色,台灣基因意向之調查與研究學術研討會,台北:中央研究院人文社會科學研究中心…等主辦。
14. 莊順淑,2003,生物資訊概論(二),中央研究院計算中心通訊,第19卷21期,頁163-167。
15. 陳朝智,2002,化資料為決策、商業智慧點石成金,資訊與電腦,第258期,頁16-23。
16. 陳淑慧,2004,促銷推廣對化妝品消費者之消費價值評估與購買意願之影響,碩士論文,南華大學管理科學研究所。
17. 梁定澎(編),2002,商業智慧與決策支援系統,智勝文化。
18. 楊孟麗…等,2005,基因科技在醫學的應用:台灣人民在21世紀初期的看法,台灣基因意向之調查與研究學術研討會2005,台北:中央研究院人文社會科學研究中心…等主辦。
19. 萬鍾汶、林妙瓀,2005,消費者對基因轉殖產品之專業背景與願付價值之分析,台灣基因意向之調查與研究學術研討會,台北:中央研究院人文社會科學研究中心…等主辦。
20. 資策會數位教育研究所,2004,談談平衡計分卡與商業智慧。
21. 劉始閔,2005,台灣中學師資對ESLI態度之調查研究,台灣基因意向之調查與研究學術研討會,台北:中央研究院人文社會科學研究中心…等主辦。
22. 劉蓓蕾,2002,傳統食品及藥品廠商轉型升級生物科技產業之發展策略。
23. 劉憶成,2004,人類胚胎幹細胞研究與應用之可專利性研究,碩士論文,銘傳大學法律研究所。
24. 謝邦昌,1996,電話輔助話調查實務及系統簡介,台灣:華泰書局。
25. 謝邦昌,1996,輔仁大學統計系電腦輔助話調查系統 FJU-CATI SYSTEM,台北市:輔仁大學統計系。
26. 謝邦昌,2000,資料採礦入門及應用-從統計技術看資料採礦,台北市:資商訊息顧問公司。
27. 謝邦昌,2000,探索民意-民意調查技術之探索,台灣:曉園出版社。
28. 謝邦昌、易丹輝,2003,統計資料分析,台灣:中華資料採礦協會。
29. 謝志森,2004,應用灰色預測理論於台灣化妝品消費市場發展趨勢之預測,碩士論文,朝陽科技大學企業管理研究所。
30. 欒斌,2001,電子商務與網路行銷,台灣:□峰。


英文部份
1. Berry, M. J. and Linoff, G. 1997, Data Mining Techniques for Marketing, Sales and Customer Support. Wiley.
2. Fayyad, U. M., Piateysky-Shapiro, G.and Smyth, P. 1996, The KDD Process for extracting useful knowledge from volumes of data, Journal of the ACM, 39(11): 27-34.
3. Friedman, J. 1997, Data mining and statistics: What is the connection?, The 29th Symposium on the Interface, Houston, TX.
4. Frawley, W., Piatesky-Shapiro, G. and Matheus, C. 1991, Knowledge discovery in database: an overview, In Knowledge Discovery in Database, Cambridge, Mass.: AAAI Press.
5. Han, J. and M. Kamber. 2001, Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, San Francisco, California.
6. Hannula, M., and Pirttimäki, V. 2003, Business Intelligence – Empirical Study on the Top 50 Finnish Companies, Journal of. American Academy of Business, Cambridge, Vol. 2, No. 2, pp593-599.
7. Fang, H., T., W., Perkins, R., Soto, A. M., Prechtl, N. V., and Sheehan, D. M. 2000, Quantitative Comparisons of in Vitro Assays for Estrogenic Activities, Environmental Health Perspectives, Vol. 108, No 8.
8. Fu, Y., 1996, Discovery of multiple-level rules from large database. Ph. D. Dissertation, Simon Fraser University Burnaby, British Columbia, Canada.
9. Groth, R. 2000, Data Mining: Building Competitive Advantage, NJ: Prentice.
10. Perreault, W. D., and Barsdale, H. C. 1980, A Model-Free Approach for Analysis of Complex Contingency Data in Survey Research. Journal of Marketing Research, 27, 503-515.
11. Lemkin, P. F., Thornwall, G.. C., Walton, K. D., and Hennighausen, L. 2000, The Microarray Explorer tool for data mining of cDNA microarrays: application for the mammary gland, Oxford Journals, Nucleic Acids Research, Vol. 28, No. 22 4452-4459.
12. Weiss, G.. M. 2002, Predicting Telecommunication Equipment Failures from Sequences of Network Alarms, Handbook of Knowledge Discovery and Data Mining, Oxford University Press.
13. Weiss, G.. M. 2005, DATA MINING IN TELECOMMUNICATION, In O. Maimon and L. Rokach (.eds), Data Mining and Knowledge Discovery Handbook: A Complete Guide for Practitioners and Researchers. Kluwer Academic Publishers, 1189-1201.
14. Weiss, G. M., Eddy, J. and Weiss, S. 1998, Intelligent telecommunication technologies. In Knowledge-based Intelligent Techniques, pp. 249-275. Boca Raton, Florida: CRC Press.
15. Witten, I.H., and Frank, E. 2000, Data Mining: Practical Machine Tools and Techniques with Java Implementations, Morgan Kaufmann.
16. Wu, P. H., Peng, W. C., and Chen, M. S. 2001, Mining Sequential Alarm Patterns in a Telecommunication Database, Databases in Telecommunications.

網頁
1. Microsoft 公司,http://www.microsoft.com.tw
2. SPSS 公司,http://www.sinter.com.tw/spss/index.html
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔