跳到主要內容

臺灣博碩士論文加值系統

(34.204.180.223) 您好!臺灣時間:2021/08/03 23:20
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:施詠勛
研究生(外文):Young-XunShi
論文名稱:轉識成智!商業智慧於傳產自動零件批發業營運績效分析與預測之研究-以H公司為例
論文名稱(外文):Flipping into Intelligence! A Business Intelligence Approach toward Analysis and Prediction of Operation Performance for Traditional Automatic Parts Wholesaler--A Case of Company H
指導教授:李昇暾李昇暾引用關係
指導教授(外文):Sheng-Tun Li
學位類別:碩士
校院名稱:國立成功大學
系所名稱:高階管理碩士在職專班(EMBA)
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2019
畢業學年度:107
語文別:中文
論文頁數:50
中文關鍵詞:商業智慧自動化控制電子零件批發零售業進銷存管理
外文關鍵詞:Business IntelligenceAutomatic Control Electronic PartsWholesale and RetailInvoicing Management
相關次數:
  • 被引用被引用:0
  • 點閱點閱:71
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
商業智慧其精神是將企業龐大的資料透過分析、洞悉、行動、衡量等不斷反覆試驗的結果,結合不同來源的資料建立資料倉儲,並建構線上分析系統,協助決策者從海量且複雜的資料中快速找出有價值的資訊,從而了解客戶的購買行為、整體經濟環境及產品進化變遷對進銷存管理的影響,作為未來規劃相關策略,輔助精確行銷,提高營運績效的知識的過程。
自動化控制是一切工業的基底,是讓製造工廠各個環節動起來,使得生產順利、品質更好、監控更方便,更是提升至工業4.0的基礎要件。台灣自從十大建設的啟動,將六項交通及三項重工業建設和核能發電廠建立之後,緊接著,超大型積體電路-台積電的設立,帶動相關電子IC設計的週邊行業。此時,H公司的自動控制電子零件批發零售業也在這50年間跟著快速成長,因是中小型傳統服務業,雖然專業技術熟稔,但一直以傳統批發零售業的紅海價格競爭來經營,有關公司內部的進銷存管理、人員培訓、客戶分析管理、精準行銷策略和未來策略願景規劃是相對地薄弱。
本研究將以商業智慧讓企業經營轉識成智,透過建立商業智慧模型的方式,採用H公司2011到2017年進銷存系統的資料,依據研究主題提供相關的視覺化分析等資料,以深入鑽研傳統自動化控制電子零件進銷存的方式,分析H公司的銷售量、總銷售額、毛利與毛利率,並依其每年大、中、小類層層剖析,提供決策者洞悉各階層客戶需求之面向,並探討目前台灣傳統自動化控制電子零件批發零售業的困境及其產品演進的新契機,使公司能有更精準的行銷策略及更優化的進銷存管理,來達到提高公司營運績效的目標,讓公司能在一片紅海的產業中保持競爭優勢。
The spirit of business intelligence is to analyze the company's data based on analyses, insights, actions, measurements, etc. The business intelligence combines data from different sources to build data warehousing, and builds an online analysis system to help decision makers making decisions from massive and complex data. Through this methodology, companies can quickly identify valuable information to understand the customers’ buying behavior, the overall economic environment, and the impact of product evolution on invoicing management. With this information, companies can thus plan for future strategies, which can improve operational performance in a more accurate and more efficient way.
This study establishes a business intelligence model to help H company, the traditional automatic control electronic parts company, making decisions more intelligently. Based on the proposed method and purpose, we firstly a collected H Company's daily transaction data from 2011 to 2017, and built a data warehouse and business intelligence model to provide relevant visual analysis. Furthermore, in order to provide decision makers with insight of the needs of customers, and then explore the current difficulties of Taiwan's traditional automatic control electronic parts wholesale and retail industry, the data dimensions, such as sales amount, total sales and gross profit according to various product categories were selected and analyzed. The new opportunities for its product evolution enable the company to have a more precise marketing strategy and more optimized invoicing management to achieve the goal of improving the company's operational performance, so that the company can maintain a competitive advantage in the industry.
摘 要......II
Abstract......III
誌 謝......VI
目 錄......VII
表 目 錄 ......IX
圖 目 錄 ......X
第一章 緒論......1
1.1 研究背景與動機......1
1.2 研究目的......1
1.3 研究範圍......2
1.4 研究流程......2
第二章 文獻探討......4
2.1 自動控制電子零件產業......4
2.1.1 產業的演進......4
2.1.2 產業產品的演進......5
2.1.2.1 照明產品的演進......5
2.1.2.2 自動控制產品的演進......7
2.1.2.3 配件產品的演進......7
2.2 商業智慧......8
2.2.1 商業智慧的定義......8
2.2.2 資料倉儲......10
2.2.3 資料的維度模型......11
2.2.4 線上分析處理......13
2.2.5 商業分析類型......14
2.3 ABC分析法......14
2.4 小結......15
第三章 研究方法......16
3.1 研究工具與流程......16
3.2 研究資料變數之選定......16
3.3 決策問題之確立......17
3.4 商業智慧雛型系統之建立......18
3.5 小結......19
第四章 研究結果與分析......20
4.1 研究對象......20
4.2 結果與分析......20
4.2.1 每年銷售量、總銷售額、毛利與毛利率......20
4.2.2 每年的大分類銷售量、總銷售額、毛利與毛利率......23
4.2.3 每年的照明、配線與自動控制三大分類之個別中分類分析......26
4.2.4 每年的前15大熱銷產品-數量、總價與毛利......36
4.2.5 前15大熱銷產品總毛利中的第一名產品個別分析......40
4.2.6 每年的客戶消費型態類別比例......41
4.2.7 忠實客戶居住區域分佈......42
4.2.8 每年的客戶付款時間變化......43
4.2.9 預測未來一年的營業額......44
4.3 小結......45
第五章 結論與建議......46
5.1 結論與建議......46
5.2 管理意涵......47
5.3 未來研究......47
參考文獻......48
中文文獻
中華民國統計資訊網(無日期),經濟成長率,擷取日期:2019年1月4日,網址: https://www.stat.gov.tw/point.asp?index=1
行政院硏究發展考核委員會,1976,十項重要經濟建設計畫簡介。
周品均,2013,回顧2013年照明演進 智慧照明正在改變人們過往的光體驗。LEDinside。取自: https://www.ledinside.com.tw/
黃以敬,2007,節能 2012年停產禁用白熾燈。自由時報。取自: http://www.ltn.com.tw/
經濟部能源局,2011,LED照明節能應用技術手冊,取自: http://gao.sinica.edu.tw/ehsmd/ch/docu/energy/tech%20note/04/04-1.pdf
經濟部能源局,2015,水銀路燈落日計畫作業要點,取自: https://www.moeaboe.gov.tw/ecw/populace/Law/Content.aspx?menu_id=4351
經濟部能源局,2017,政府機關及學校節約能源行動計畫,取自: https://www.moeaboe.gov.tw/ECW/populace/Law/wHandLawsList_File.ashx?kind=7&id=222&file_id=3473
蕭佑和,2017,電子產業靠什麼起死回生?抓住「智慧製造」浪潮,讓 IC 設計再次成為台灣驕傲。科技報橘。取自https://buzzorange.com/techorange/
瞿宛文,2012,電子業之後台灣有什麼?。天下雜誌,196。取自https://www.cw.com.tw/article/article.action?id=5035377



英文文獻
Barclay, T., Gray, J., Slutz, D. (2000, May) Terraserver: A Spatial Data Warehouse. Paper presented at the Proc. of ACM SIGMOD Intl. Conf. on Management of Data, Dallas, Texas.
Chaudhuri, S.,Dayal, U., & Narasayya, V. (2011). An overview of business intelligence technology. Communications of the ACM, 54(8), 88-98.
Codd, E. F., Codd, S. B., Salley, C. T. (1993). Providing OLAP(Online Analytical Processing) to User-Analysts: An IT Mandate. E. F. Codd and Associates.
Gray, J., Chaudhuri, S., Bosworth, A., Layman, A., Reichart, D., &
Venkatrao, M. (1997). Data cube: A relational aggregation
operator generalizing group-by, cross-tab, and sub-totals. Data
Mining and Knowledge Discovery, 1(1), 29-53.
Immon, W. H. (1992) Building the Data Warehouse. New York: John Wiley & Sons.
Kunc, M. & Frances A. O’Brien (2018). The role of business analytics in supporting strategy processes: Opportunities and limitations, Journal of the Operational Research Society, Advance online publication. DOI: 10.1080/01605682.2018.1475104
Liang, G. S. & Liao, C. T. (2008). Controlling Inventory by Combining ABC Analysis and Fuzzy Classification. Computers & Industrial Engineering, 55(4), 841-851
Luhn, H. P. (1958). A business intelligence system. IBM Journal of Research and Development, 2(4), 314-319.
Pourabbas, E., & Rafanelli, M. (2000). Hierarchies and relative operators in the OLAP environment. ACM Sigmod Record, 29(1), 32-37.
Saxena, G., Agarwal, B. B. (2014). Data Warehouse Designing: Dimensional Modelling and E-RModelling. International Journal of Engineering Inventions, 3(9), 28-34.
Swamidass, P. M. (2000). ABC analysis or ABC classification. In P. M. Swamidass (Ed.). Encyclopedia of production and manufacturing management (Vol. 1–2).Boston: Kluwer Academic Publishers
Trieu, V. H. (2017). Getting value from Business Intelligence system: A review and research agenda. Decision Support System, 93, 111-124.
Turban, E., Aronson, J. E., & Liang, T. P. (2005). Decision support
and intelligence system. NJ: Prentice Hall PTR Upper Saddle River.
Vavouras, A., Gatziu, S., & Dittrich, K. R. (1999, Nov.). Modeling and executing the data warehouse refreshment process. In Y. Kambayashi, H. Takakura, (Eds.). 1999 International Symposium on Database Applications in Non-Traditional Environments (Dante '99): November 28-30, 1999 Kyoto, Japan : Proceedings. Proceedings 1999 International Symposium on Database Applications in Non-Traditional Environments (DANTE'99) (Cat. No.PR00496), Kyoto, Japan (66-73). Japan: IEEE.
Vitt, E., Luckevich, M., & Misner, S. (2002). Business Intelligence. Redmond, CA: Microsoft Press
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關論文
 
無相關期刊
 
無相關點閱論文