臺灣博碩士論文加值系統

處於全球化競爭的時代，企業面對的是白熱化與多元化的市場競爭，若企業在未來想要持續成長，最主要的策略方向之一便是朝向電子化企業邁進，或是增加目前電子化的比率，而企業在電子化過程中有一項非常重要的方案，就是導入並推動企業資源規劃系統（Enterprise Resource Planning，ERP）這項資訊科技。
目前在台灣已有許多企業導入並使用ERP系統，但並非所有企業皆能產生效果，要使ERP系統推動成功，人（個人因素）、制度（公司制度、組織因素）和工具（資訊系統）缺一不可，其中又以人的因素影響最大。也就是說，使用者行為影響ERP系統的成敗甚鉅。
本研究收集了S企業ERP系統批次作業及報表作業執行的記錄資料，採用資料採礦模型中的關聯規則模型與時間序列模型，分析使用者使用ERP系統的行為。研究結果顯示，財會部門為後端執行單位，不管是批次作業或是報表作業的執行較其他部門頻繁，涉入程度最深。其他大部份的前端單位的批次作業或是報表作業並無週期性，各單位的主管人員涉入ERP系統的程度低，報表執行率也不高，顯示主管人員並無使用ERP系統執行報表作業以取得相關資料的習慣。

In the era of global competition, enterprises are facing the white-hot and diversified market competition. If enterprises want to continuosly grow, one of the major strategic directions is developing into electronic businesses. To import and promote enterprise resource planning system (ERP) in the electronization process is a very important method.
At present, there are many enterprises in Taiwan to import and use ERP system, but not all enterprises can produce good performance. To promote successfully ERP system, people (human factors), system (corporate system, organizational factors) and tools (information system) are indispensable. Besides, human factors have the greatest impact. In other words, the user behavior will seriously affect the performance of the ERP system.
This study collects the record data of batch operation and report operation of S enterprise’s ERP system, and uses the association rule model and time series model in the data mining model to analyze the behavior of users using ERP system. The result shows that finance and accounting department use ERP more frequently than other departments; the batch and report operation of most frontline departments shows no cyclic pattern; and supervisors have little involvement in ERP.

謝誌 I
中文摘要 II
Abstract III
目錄 IV
表目錄 VI
圖目錄 VII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 研究範圍及限制 3
第四節 研究流程 4
第二章 文獻探討 6
第一節 資料採礦的定義 6
第二節 資料採礦的方法與流程 8
第三節 資料採礦的功能與技術 13
第四節 資料採礦的進行步驟 15
第三章 研究方法 19
第一節 個案研究之選擇 19
第二節 資料來源 20
第三節 研究架構 22
第四節 研究方法 23
第五節 輔助軟體 24
第六節 資料前處理 25
第四章 研究結果 36
第一節 批次作業關聯規則（Apriori演算法）分析 38
第二節 報表作業關聯規則（Apriori演算法）分析 40
第三節 批次作業時間序列模型分析 41
第四節 報表作業時間序列模型分析 50
第五節 研究對象回饋 60
第五章 結論與建議 63
第一節 研究結綸 63
第二節 研究改善與檢討 64
第三節 未來研究方向 65
參考文獻 66
一、中文文獻 66
二、英文文獻 67
三、網路資料 69
附錄（一）批次作業Apriori分析結果摘錄 70
附錄（二）報表作業Apriori分析結果摘錄 74

一、中文文獻
吳瑞明（2003）。ERP系統使用者滿意度的關鍵因素研究-以K公司為例，大同大學事業經營研究所碩士論文。
林明勳（2013）。自動化觸控面板製造品質預測模式之研究，國立中山大學資訊管理系碩士論文。
徐晟熏（2015）。資料探戡(Data Mining)-在人力資源管理上的分析與應用，國立中央大學人力資源管理研究所碩士論文。
張麗娟、許佳豪、張耀元（2012）。建構臺灣電子業財務預警─以資料探勘技術分析，臺灣銀行季刊 Vol.63, No.1, pp.182-217。
莊士瑤（2011）。影響風險控管系統成功之因素探討，國立中正大學資訊管理學系暨研究所碩士論文。
陳淑娟（2009）。企業導入ERP資訊系統員工接受情境與涉入程度對認知失調之影響，國立空中大學管理與資訊學系管理與資訊學報 No.14, pp.49-76。
陳惠琪（2006）。螞蟻分類技術之研究，國立交通大學管理學院資訊管理學程碩士班碩士論文。
陳德富（2013）。顧客關係管理 第二版，台北市：滄海書局
楊建民、林志弘（2013）。我國資訊管理系所資料探勘學術論文主題分析之研究，工商管理學刊 Vol.6, No.1, pp.1-7。
葉仲超、吳慶烜（2009）。資料探勘在文化創意產業之運用探討，嘉南藥理科技大學文化事業學術研討會論文集，pp.219-230。
鄭宇庭、蘇志雄（2002）。商業智慧的工具－資料採礦，輔仁管理評論（專刊） Vol.9, No.3, pp.11-34。
謝邦昌（2005）。數值知識探勘技術，檔案季刊 Vol.4, No.4, pp.1-12。
謝邦昌（2014）。SQL Server資料採礦與商業智慧，台北市：碁峯出版社。
簡禎富、許嘉裕（2014）。資料挖礦與大數據分析，台北市：前程出版社。

二、英文文獻
Adriaans, P. & Zantinge, D. (1996). Data mining, Addison-Wesley Longman Publishing Co., Inc. Boston, MA.
Azevedo, A. & Santos, M. (2008). KDD, semma and CRISP-DM: A parallel overview, IADIS European Conf. Data Mining, pp.182-185.
Berry, M. & Linoff, G. (2004). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management (2nd Edition), Wiley Publishing, Inc., Indianapolis, Indiana.
Berry, M. & Linoff, G. (2011). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management (3rd Edition), Wiley Publishing, Inc., Indianapolis, Indiana.
Changala, R., Rao, D. R., Rao, T. J., Kumar, P. K., & Kareemunnisa (2015). Knowledge Discovery Process: The Next Step for Knowledge Search, IJIRCCE(ISSN:2320-9801), Vol.3, Issue 5, pp.4277-4283.
Curt, H. (1995). The Deville’s in the Detail: Techniques, Tool, and Applications for Data mining and Knowledge Discovery-Part 1, Intelligent Software Strategies, Vol.6, Issue 9, p.3.
Davenport, T. H. (1998). Putting the Enterprise into the Enterprise System, Harvard Business Review, Vol.76, No.4, pp.121-131.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Databases, AI Magazine, Vol.17, No.3, pp.37-54.
Frawley, W., Piatetsky-Shapiro, G., & Matheus, C. (1992). Knowledge Discovery in Databases: An Overview, AI Magazine, pp.213–228.
Gould, L. (1997). Planning and scheduling today’s automotive enterprises, Automative Manufacturing & Production, Vol.109, No.4, pp.62-66.
Han, J. & Kamber, M. (2001). Data Mining : Concepts and Techniques, Morgan Kaufmann Publishers, San Francisco.
Han, J., Kamber, M., & Pei, J. (2011). Data Mining : Concepts and Techniques(3rd Edition), Morgan Kaufmann Publishers, Waltham.
Hand, D., Blunt, G., Kelly, M. G., & Adams, N. M. (2000). Data Mining for Fun and Profit, Statistical Science, Vol.15, No.2, pp.111-126.
Hand, D., Mannila, H., & Smyth, P. (2001). Principles of Data Mining, MIT Press, Cambridge, MA.
Mabert, V. A., Soni, A., & Venkataraman, M. A. (2000). Enterprise resource planning: survey of US manufacturing firms. Production and Inventory Management, Vol.41, No.2, pp.52-58.
Mannila, H. (1996). Data mining: machine learning, statistics, and databases, IEEE.
Monk, E. & Wagner, B. (2006). Concepts in Enterprise Resource Planning, Thomson Course Technology, Boston.
Ramageri, B. M. (2010). DATA MINING TECHNIQUES AND APPLICATIONS, Indian Journal of Computer Science and Engineering, Vol.1, No.4, pp.301-305.
Turban, E., Sharda, R., & Delen, D. (2011). Decision support and business intelligence systems 9th ed., Prentice Hall, Boston.

三、網路資料
http://www.cerps.org.tw/certificate/certificate-erp/129-erp-def.html
http://www.gartner.com/it-glossary/enterprise-resource-planning-erp
https://en.wikipedia.org/wiki/Cross_Industry_Standard_Process_for_Data_Mining