跳到主要內容

臺灣博碩士論文加值系統

(44.212.99.208) 您好!臺灣時間:2024/04/17 16:39
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

: 
twitterline
研究生:賴映錩
研究生(外文):Ying-Chang Lai
論文名稱:運用資料探勘技術於活動企劃產業之經營 -以台中B公司為例
論文名稱(外文):Applying Data Mining Technology on the Operation of Event Planning Industry – A Case of B Company
指導教授:劉宜菁劉宜菁引用關係
指導教授(外文):Yi-Ching Liou
學位類別:碩士
校院名稱:國立勤益科技大學
系所名稱:資訊管理系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2018
畢業學年度:106
語文別:中文
論文頁數:92
中文關鍵詞:資料探勘決策樹C5.0行銷策略聯盟企業文化
外文關鍵詞:Data MiningDecision Tree C5.0Marketing Strategic AllianceCorporate Culture
相關次數:
  • 被引用被引用:1
  • 點閱點閱:210
  • 評分評分:
  • 下載下載:23
  • 收藏至我的研究室書目清單書目收藏:0
近年來大數據分析常被應用於商業領域以提高商業價值,過去著名的例子,如美國沃爾瑪超市,利用大數據分析找出了尿布與啤酒的關聯,以及Facebook長期外包大數據公司,透過擷取用戶資訊,協助廣告商鎖定目標客群,但也因此Facebook五千萬筆用戶個資遭外洩,由上述例子可以發現到,大數據時代下不管什麼領域的資料,都具有分析的價值且能夠帶來效益。
本研究目的,在大數據時代下使用分析大數據之資料探勘技術,分析活動企劃產業B公司。研究方法是利用R語言對個案公司,2015年及2016年業績資料,利用決策樹C5.0進行分析,分類客群,及提供行銷策略聯盟之建議。研究結果發現個案公司,淡季時金額最高的常客來自於零售業,次高為廟宇文化產業,旺季時金額最高的常客來自於同業,次高為廟宇文化產業,金額最低為娛樂業,故而研究建議個案公司,在旺季時可以優先與同業結盟,淡季時可以優先與零售業結盟,同時淡季及旺季的次結盟產業為廟宇文化產業,並且建議個案公司可以減少與娛樂業結盟。
本研究額外發現,近年大數據分析雖熱門,但卻非易用,如個案公司中,不同業務員負責與不同產業接觸,故而與不同產業結盟,會影響不同業務員之績效,故而業務員彼此會互相競爭,因此本研究發現傳統產業的企業內部鬥爭文化會讓企業滯礙難行。
學術貢獻,驗證了大數據分析技術能夠分析業務績效;實務貢獻發現,個案公司實際策略與研究結果之策略有所不同,代表個案公司業績還有上升空間,淡季實際較常與餐飲業結盟,旺季實際上較常與廟宇文化產業結盟。研究限制於單一個案公司之資料,無法分析整體產業。未來研究希望能透過,嘗試與更多產業的結盟,獲取新資料,發現更多未知的資訊。
Big data analysis has been recently applied on businesses. Baby diaper was known to be related with bear in the Walmart case. Diagnostic results of Facebook member data were used to find target customers of certain products or purposes, with the risk of being breached by hackers. Thus, big data can be used to be analyzed for potential value to both individuals and organizations.
This study intends to apply data mining technology on activity planning industry. Based on 2016~2017 operation data, we used the decision tree C5.0 algorithm to classify customers and provide marketing strategic alliance proposal. Research results showed that case company can cooperate with their peers in high season; and align with the retail industry in low season. Temple/religion culture industry is their second choice in both seasons. Case company was also advised to reduce their partnership with the entertainment industry.
We also found that objective suggestions from our data analysis were not accepted by case company for their existed corporate culture, since their sales people tend to work with their own allies for better individual performance. It is hoped that the future research will be extended to multiple companies in different industries, and conduct sociological and psychological effects on big data analysis results.
摘要 i
Abstract ii
致謝 iii
目錄 iv
圖目錄 vi
表目錄 vii
壹、導論 1
一、研究背景與動機 1
二、研究目的 2
三、研究流程 3
貳、文獻探討 5
一、活動企劃產業及個案公司 5
二、大數據 6
三、資料探勘 9
四、行銷策略聯盟 17
五、企業文化影響企業決策 24
六、決策樹 25
1.決策樹ID3 26
2.決策樹C4.5 29
3.決策樹C5.0 30
參、研究方法 35
一、研究步驟 35
二、資料預處理 36
三、資料分析步驟 38
肆、研究結果 47
一、資料集之敘述性統計 47
二、客群分析 51
三、行銷聯盟策略分析 54
1.產業別 54
2.客群 57
3.淡旺季 59
伍、研究結果與討論 61
一、研究討論 61
1.餐飲業相關規則: 61
2.娛樂業相關規則: 63
3.零售業相關規則: 64
4.廟宇文化產業相關規則: 65
5.同業相關規則: 68
6.政府機構相關規則: 70
二、研究結果 73
三、學術貢獻與實務貢獻 73
四、研究限制 74
五、未來研究 74
參考文獻 75
中文文獻 75
英文文獻 79
中文文獻
1. 羅巧芳、吳信宏、張恩啓、鄭易英,2008,應用資料探勘於戶外活動用品專賣店之顧客忠誠及價值分析,品質學報,第15期;293-303頁。
2. 顏嘉惠,2002,資料探勘於圖書館行銷及顧客關係管理之應用,圖書與資訊學刊,第42期;58-68頁。
3. 聶靜萍,2016,桃園國際機場航空策略聯盟航廈分配之研究,國立交通大學管理學院碩士班學位論文。
4. 簡禎富、許嘉裕,2014,資料挖礦與大數據分析,台北:前程文化出版。
5. 謝萬興,2015,運用悠遊卡巨量資料分析公車乘客行為,臺灣大學土木工程學研究所學位論文。
6. 蔡素真,2008,旅館行銷策略聯盟成功關鍵因素之研究 —以菁鑽聯盟為例,國立高雄應用科技大學觀光與餐旅管理研究所碩士論文。
7. 歐宗殷,2010,資料探勘為基礎之零售業銷售預測模式-以連鎖超商鮮食商品為例,清華大學工業工程與工程管理學系學位論文。
8. 蒯思齊、陸建寰、張元朋、廖文華,2018,大數據分析中機器學習用於零售門市之研究,全國計算機會議,NCS 2017 全國計算機會議論文集;556-560頁。
9. 廖述賢、溫志皓,2011,資料探勘理論與應用: 以 IBM SPSS Modeler 為範例,台北:博碩文化股 份有限公司。
10. 黃國平、陳弘法、王明坤,2012,策略聯盟兩岸晶圓代工競爭優勢之關鍵因素,管理與系統,第19期;139-167頁。
11. 黃建翔,2015,資料探勘在教育領域之發展與應用,臺灣教育評論月刊,第8期;78-84頁。
12. 黃巧頻,2015,應用資料探勘技術於顧客價值與消費行為之研究─以某直銷公司為例,朝陽科技大學企業管理系碩士論文。
13. 曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯,2012,資料探勘,旗標出版社。
14. 陳銘樹、王建智、王麗雁,2008,應用決策樹演算法以探究高科技員工潛在的糖尿病之危險因子,健康管理學刊,第6期;135-146頁。
15. 陳珍華,2013,巨量資料: 公開資料與房仲網的房價分析,國立交通大學資訊學院資訊學程碩士論文。
16. 陳民祐,2012,應用資料探勘探討線上訂票乘客行為-以台鐵西幹線為例,中興大學行銷學系所學位論文。
17. 張维迎,2000,產權安排與企業内部的權力鬥爭,經濟研究,第6期;41-50頁。
18. 張文貴,2013,積極面對 [大數據] 時代的變革趨勢,品質月刊,第49期;7-11頁。
19. 張云濤、龔玲,2007,資料探勘原理與技術,五南圖書出版股份有限公司。
20. 高明堂、李培齊,2018,商港港棧作業雲端創新管理模式之應用,中華管理評論國際學報,第21卷,第1期。
21. 高克定,2013,航空公司加入航空貨運策略聯盟關鍵因素之探討 – 以華航加入天合聯盟貨運為例,高雄海洋科技大學航運管理研究所碩士論文。
22. 馬克思、恩格斯,1960,馬克思恩格斯全集,第13版,人民出版社。
23. 翁慈宗,2009,資料探勘的發展與挑戰,科學發展期刊,第442期,34-37頁。
24. 翁振益、張德儀、鄭光遠、鍾碧姮、林雅藝,2006,『資料探勘技術應用於航空業顧客再搭意願區隔與服務滿意項目組合之分析』,觀光研究學報,第十二卷,第二期;139-154頁。
25. 柯清彬,2010,應用資料探勘技術在電腦系統設計服務業顧客價值分析之研究,靜宜大學資訊學系碩士論文。
26. 河野豐弘,1994,改造企業文化:如何使企業展現活力,台北:遠流出版。
27. 林祥生、劉益豪,2008,應用資料採礦探討國際線航空旅客之線上購票行為,運輸計劃季刊,第37期;197-235頁。
28. 林軒名,2018,建置醫療資料探勘架構-以血液透析通路治療為例,成功大學高階管理碩士在職專班學位論文。
29. 林志遠,2006,應用資料探勘於學習歷程與成效相關性之研究,中原大學資訊工程研究所學位論文。
30. 周锡冰,2008,企業內鬥之谜,中國中小企業,第5期;52-53頁。
31. 沈清正、陳仕昇、高鴻斌、張元哲、陳家仁、黃琮盛、陳彥良,2002,資料間隱含關係的挖掘與展望,中央大學資訊管理系論文。
32. 李永正,2015,如何在大數據時代發揮開放資料的社會價值,臺灣經濟研究月刊,第38期;105-112。
33. 吳旻翰,2014,亞洲貨櫃航商營運策略聯盟分析,海洋大學航運管理學系碩士學位論文。
34. 吳安琪、柯皓仁、楊維邦,2000,利用資料探勘的技術及統計的方法增強圖書館的經營與服務(Doctoral dissertation)。
35. 何欣容,2014,資料採礦於臉書商業模式推薦機制之研究,淡江大學管理科學學系碩士班學位論文。
36. 江羿臻、林正昌,2014,應用決策樹探討中學生學習成就的相關因素,教育心理學報,第45期;303-327頁。
37. 王韻婷,2016,大數據於顧客關係管理之潛在商機研究 - 以 X 鐵路公司為例,中山大學兩岸高階主管經營管理碩士在職專班學位論文。
38. 王建智、陳銘樹、徐正容,2008,應用資料探勘方法中的分群分析技術來探究高階健檢客戶之型態組成以進行客戶關係管理-以台北某醫學中心之高階健檢客戶為例,健康管理學刊,第6期;49-59。
39. 丁一賢、資訊管理、陳牧言,2005,資料探勘,滄海出版社。

英文文獻
1. Allen, J. Event planning: The ultimate guide to successful meetings, corporate events, fundraising galas, conferences, conventions, incentives and other special events. John Wiley & Sons. 2008.
2. Assunção, M. D., Calheiros, R. N., Bianchi, S., Netto, M. A., Buyya, R. 2015. ''Big Data computing and clouds: Trends and future directions. '' Journal of Parallel and Distributed Computing, 79, pp 3-15.
3. Berry, J. A. Linoff, G. Data Mining Techniques for Marketing, Sales, and Customer Support. New York: John Wiley & Sons Inc 1997.
4. Breiman, L., Friedman, J., Stone, C. J.,. Olshen, R. A. Classification and regression trees.CRC press. 1984.
5. Castro, F., Vellido, A., Nebot, À., & Mugica, F. 2007. ''Applying data mining techniques to e-learning problems. '' Evolution of teaching and learning paradigms in intelligent environment, pp 183-221.
6. Chandna, D. 2014. ''Diagnosis of heart disease using data mining algorithm. '' (IJCSIT) International Journal of Computer Science and Information Technologies, 5(2), pp 1678-1680.
7. Dacin, M. T., Hitt, M. A., Levitas, E. 1997. "Selecting partners for successful international alliances: Examination of US and Korean firms. " Journal of world business, 32(1), pp 3-16.
8. Della Lucia, M. 2013. "Economic performance measurement systems for event planning and investment decision making." Tourism Management,34, pp 91-100.
9. Diz, J., Marreiros, G., Freitas, A. 2016. ''Applying Data Mining Techniques to Improve Breast Cancer Diagnosis. '' Journal of medical systems, 40(9), pp 203.
10. Dunham, M. H. Data mining, introductory and advanced topics, Part III. 2003.
11. Erevelles, S., Fukawa, N, Swayne, L. 2016. ''Big Data consumer analytics and the transformation of marketing''. Journal of Business Research, Volume 69, Issue 2, February 2016, pp 897–904
12. Frawley, W. J., Piatetsky-Shapiro, G., Matheus, C. J. 1992. "Knowledge discovery in databases: An overview. "AI magazine,13(3), pp 57.
13. Grupe, F. H., Mehdi Owrang, MM. 1995. "Database mining discovering new knowledge and competitive advantage." Information System Management, 12(4), pp 26-31.
14. Han, J. ''Data Mining''in J. Urban and P. Dasgupta (eds.), Encyclopedia of Distributed Computing. 1999.
15. Han, J., Kamber, M. 2001. ''Data mining concept and technology. ''Publishing House of Mechanism Industry, 70-72.
16. Hartigan, J. A. Clustering Algorithms, John Wiley, New York. 1975.
17. He, W., Zha, S., Li, L. 2013."Social media competitive analysis and text mining: A case study in the pizza industry."International Journal of Information Management,33(3), pp 464-472.
18. Hussain, R. Q., Aziz, A. 2017. ''Detection of Lung Cancer in Smokers and Non-Smokers by Applying Data Mining Techniques. '' Indian Journal of Science and Technology, 10(33).
19. Jiawei, H., Kamber, M. 2001. ''Data mining: concepts and techniques. '' San Francisco, CA, itd: Morgan Kaufmann, 5.
20. K. Priyanka., Kulennavar Nagarathna. 2014. '' A Survey on Big Data Analytics in Health Care.'' International Journal of Computer Science and Information Technologies, Vol. 5(4),2014, pp. 5685- 5688
21. Kerr, D. 2015. ''Using Data Mining Results to Improve Educational Video Game Design. '' Journal of Educational Data Mining, 7(3), pp 1-17.
22. Killing, J. P. Understanding alliances: The role of task and organizational complexity. Cooperative strategies in international business. 1988.
23. Kleissner, C. 1998. "Data mining for the enterprise. " In System Sciences, 1998., Proceedings of the Thirty-First Hawaii International Conference on, pp. 295-304.
24. Labib, N. M., Malek, M. N. 2005. '' Data mining for cancer management in Egypt case study: Childhood acute lymphoblastic leukemia. '' World Academy of Science, Engineering and Technology, 8, pp 309-314.
25. Lorsch, J. W. 1985. "Strategic myopia: Culture as an invisible barrier to change. " Gaining control of the corporate culture, 84, pp 102.
26. Marinakos, G., Daskalaki, S. 2016. ''Viability prediction for retail business units using data mining techniques: a practical application in the Greek pharmaceutical sector. '' International Journal of Computational Economics and Econometrics, 6(1), pp 1-12.
27. Quinlan, J. R. 1986. "Induction of decision trees." Machine learning,1(1), pp 81-106.
28. Quinlan, J. R. 2003, C5.0 Online Tutorial, http://www.rulequest.com.
29. Quinlan, J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers. 1993.
30. Schein, E. H. Organisational culture and leadership: A dynamic view. San Francisco. 1985.
31. Smircich, L. 1983. " Concepts of culture and organizational analysis. " Administrative science quarterly, pp 339-358.
32. Wei, J. T., Lin, S. Y., Yang, Y. Z., Wu, H. H. 2016. ''Applying Data Mining and RFM Model to Analyze Customers' Values of a Veterinary Hospital. In Computer, Consumer and Control (IS3C) ''. 2016 International Symposium on , pp 481-484.
33. Zhang, Z. M., Salerno, J. J., Yu, P. S. 2003. ''Applying data mining in investigating money laundering crimes. '' In Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining . pp 747-752.
34. (G.Kollias),kumar@cs.umn.edu(V.Kumar),ayg@cs.purdue.edu(A.Grama),J.Parallel Distrib.Computing journal homepage: www.elsevier.com/locate/jpdc.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊