第一章

製商整合資訊網

主題課程 – 商業智慧(BI)

4壹、主題的介紹

4一、何謂商業智慧

5二、為什麼企業需要商業智慧系統

5三、商業智慧的形成

6四、商業智慧系統的涵蓋領域

71.資料倉儲(Data Warehouse)

82.線上分析處理 (On-Line Transaction Processing,OLAP)

83.資料探勘 (Data Mining)

94.動態報表查詢 (Report)

95.動態預測 (Forecasting)

96.決策支援系統(Decision Support System, DSS)

107.平衡計分卡(Balanced Scorecard)

11五、商業智慧的效益與企業價值

111.以企業的六個面向來探討商業智慧對企業之效益

132.商業智慧成功之關鍵與價值

13六、商業智慧與企業資源規劃(ERP)的不同

14七、商業智慧的成功三要點

151、工欲善其事，必先利其器

162、明明白白企業的心

163、結合現有系統，發揮最大效益

18貳、策略面的思考

18一、從企業內部層面看商業智慧的競爭優勢

21二、從企業外部層面看商業智慧的競爭優勢

221、購買者的競爭力

232、供應商的議價能力

233、替代品

234、潛在競爭者

235、現存競爭者

25參、管理面的應用

25一、系統的管理面

251.資料倉儲

252.資料超市

253.線上分析

254.資料探勘

265.平衡計分卡

26二、企業的管理面

272.銷售管理

273.行銷管理

284.採購管理

285.生產管理

296.配銷管理

297.客戶管理

308.人力管理

32肆、操作面的描述

32一、資料倉儲(Data Warehouse)

35二、資料超市(Data Mart)

36三、線上分析處理(OLAP)

40三、上鑽(Roll-Up)：

40四、深耕(Drill-Down)

41五、切片(Slice)

41六、切丁(Dice)

42七、轉軸(Pivot)

42八、資料探勘(Data Mining)

46九、平衡計分卡(Balanced Scorecard)

55伍、導入模式的演繹

55一、商業智慧系統發展方法

57二、導入商業智慧所可能面臨的挑戰

60陸、解決方案(技術)的評估與比較

60一、分類簡述並說明各服務廠商之解決方案與BI支援架構:

601.前端分析工具技術廠商：Cognos、Brio

612.資料庫技術廠商：Oracle、IBM、Microsoft、Sybase

623.企業管理應用技術廠商：SAP

634.統計分析工具、資料倉儲技術廠商：SAS、NCR

64二、前端分析工具技術廠商：Cognos（台灣區總代理 漢康科技）

651.解決方案簡介與說明

662.漢康科技提出Cognos整合型BI系統架構圖

663.漢康科技Cognos BI系統功能說明

69三、資料庫技術廠商：Oracle

691.解決方案簡介與說明

702.Oracle提出之BI系統架構圖

703.Oracle BI系統功能說明

721.解決方案簡介與說明

732. SAP提出之BI系統架構圖

733. SAP BI系統功能說明

74五、統計分析工具、資料倉儲技術廠商：SAS

741.解決方案簡介與說明

752.SAP提出之BI系統架構圖

753.SAP BI系統功能說明

77柒、導入成功案例簡介

80捌、參考資料

8圖 1、　企業階層表示圖

9圖 2、BI系統運作架構 (資料來源：通用數碼http://www.my-gd.com/)

12圖 3、企業願景策略轉化績效衡量架構 (劉德泰, 談談平衡計分卡與商業智慧)/ (參考之資料來源:Kaplan、Norton所著「使用平衡計分表當作策略管理系統」)

14圖 4、商業智慧為企業帶來的新價值

16圖 5、資料倉儲架構 （資料來源：Information Discovery INC）

18圖 6、商業智慧系統與企業現有之系統

21圖 7、內部分析影響圖

22圖 8、串聯顧客關係管理的三大構面顧客關係管理

23圖 9、以商業智慧強化顧客關係管理功能

24圖 10、五力分析圖

29圖 11、財務模型圖

29圖 12、銷售模型圖

30圖 13、行銷模型圖

30圖 14、採購模型圖

31圖 15、生產模型圖

31圖 16、配銷模型圖

32圖 17、客戶模型圖

33圖 18、人力資源模型圖

34圖 19、資料倉儲示意圖

39圖 20、OLAP模組架構圖

40圖 21、CUBE圖

41圖 22、MOLAP與ROLAP比較圖

41圖 23、銷售資料示意圖

42圖 24、Roll-Up示意圖

42圖 25、 Drill-Down示意圖

43圖 26、Slice示意圖

43圖 27、Dice示意圖

44圖 28、Pivot示意圖

49圖 29、平衡計分卡架構圖

51圖 30、平衡計分卡策略架構

52圖 31、使命轉化圖

53圖 32、策略地圖

54圖 33、零售業的策略地圖

54圖 34、溝通與連結圖

55圖 35、規劃與設定目標圖

57圖 36、商業智慧系統發展程序

58圖 37、商業智慧系統架構雛型

68圖 38、漢康科技商業智慧系統架構圖

72圖 39、Oracle商業智慧系統架構圖

75圖 40、SAP商業智慧系統架構圖

7表 1、商業智慧定義整理[游濬遠，2003]

11表 2、線上分析處理與資料採礦對於資料分析的不同點

42表 3、MOLP、ROLAP、DOLAP比較表

壹、主題的介紹

1、 何謂商業智慧

「Taiwan.CNET.com：台灣企業「智慧」在哪？（上）」中提及，商業智慧（BI）是九十年代美國分析師所創造出來的名詞，不過，它並不是一個憑空冒出的東西。事實上，八十年代興起的企業資訊系統（EIS）、決策支援系統（Decision Support System）即是為滿足同樣的目的而興起的IT潮流。

所謂商業智慧(Business Intelligence,BI)，依據研究機構Ovum的定義來看，BI是指能透過資料的淬取、整合及分析，支援決策過程的技術和商業處理流程。目的是為了讓企業內的使用者在做決策的時候，能盡可能地得到更好的協助。即「讓每個人都能夠及時獲得有用的資訊，以做出正確的判斷」，也就是一種對企業營運內容迅速理解與推理的能力，而這種能力可以用來提升企業決策的品質、改善績效。

亦有其他學者給與商業智慧不同之定義，學者游濬遠(2003)對於各學者所提出之商業智慧定義整理如下：

表 1、　商業智慧定義整理[游濬遠，2003]

學者

定義

Alex Berson, Stephen Smith和Kurt Therling (2000)

各種企業的決策規劃人員以企業中的資料倉儲為本，經由各式各樣的查詢分析工具、線上分析處理或是資料探勘工具，加上決策規劃人員的專業知識，從資料倉儲中獲得有利的資訊，進而支援企業之決策制定。

Intelix Inc. (2001)

商業智慧是一種可以將資料轉換為具有意義的資訊之能力，換言之，就是提供使用者更多與企業相關的深度資訊，作為判斷未來走向的能力。

遠擎管理顧問公司(2002)

利用資訊科技，將現今分散存在於企業內部外部結構化資料彙整，並依據某些特定的需求進行分析與運算，再以最適的方法，將結果呈現給決策者、管理者或是知識工作者，以協助這些組織角色在管理組織績效或是決策判斷時的重要參考。 IBM 商業智慧是指利用資料資產以獲去較好的企業決策，與接近、分析即發現新的機會有極大的關係。

欒斌 (2002)

將企業內各種的資料轉換為有意義的資訊，用以提供企業了解現況或是未來展望，更能讓企業快速掌握關鍵商機，將不同平台的異質性資料，透過智慧型的轉換分析，產出結構化知識的整合互動式分析工具，以利企業內部決策、判斷、分析的依據基礎，使企業改善決策制訂的方法與過程。

周賢政 (2000)

經由收集、管理及分析資料的方式，協助企業從資料倉儲中擷取、分析、解釋、歸納有用的資訊，幫助企業發展一套精確的模式，支援商業決策，並改善企業決策制定品質的過程。

綜上所述，我們可以了解商業智慧的最終目的，就是將正確的資訊，在正確的時間內，傳送到正確的地方，而商業智慧就是完成此目的的方法。

2、 為什麼企業需要商業智慧系統

和過去種種名詞不同的是，BI不只要提供銷售多少產品、進了多少貨等基本資料。它透過對長期而大量的資料分析，獲得更穩定可靠的知識，讓企業老闆除了依賴經營者多年的經驗和一股「gut feeling」之外，更有下決策時重要的依據。(Taiwan.CNET.com：台灣企業「智慧」在哪？（上）)

SAP行銷協理張一中舉例：類似「宏碁NB在北美某個州明年毛利率會大於10%」這種預測式的問題，就不是過去操作型分析能回答的了的。以往領袖級的公司腳步太快，如台積電等，都是自行開發系統，因為這些的公司需求往往太過先進，而無法從當時的IT產品取得協助，必須自製（Build）自助，然而第二批的企業就可以採取購買（Buy）的方式。

3、 商業智慧的形成

在一個公司基本階層式的組織架構中，資訊是由下往上進行傳遞；公司成員將每天的營業資料逐筆系統化記錄，成為最原始的資料，為了決策需要，會將資料萃取、處理之後，成為有組織、有價值的資訊，進一步結合公司內部擁有的專業領域知識，資訊將建立起知識體系，最後，再結合決策者本身所具有的經驗與能力，將知識靈活應用，才能成為智慧。

在組織中，資料轉變成為智慧的過程，是由下而上(Bottom-Up)的傳遞；然而組織對於資訊的需求，卻是由上而下(Top-Down)的，如圖1所示，其原因在於越是高層的人員其仰賴資訊進而提供決策參考的需求越高，且對於資訊的深度與廣度的要求也相對的提昇。

而因為這樣的管理機制，在過去，企業依照不同部門的業務職掌，將資料分別的存放到各自的電腦主機上，各部門再依上層資訊需求請資訊人員設計程式擷取所需的報表。然而這樣的作法往往耗時、費力，決策者也可能因此出現反應太慢、資訊不足或資料未達最佳效用的窘境。為了讓企業得以在現在資訊變遷迅速時代隨時隨地都能掌握到第一手的情報，商業智慧的概念便因應而生了。

圖 1、　企業階層表示圖

4、 商業智慧系統的涵蓋領域

商業智慧系統所涵概的範圍，主要包括四個領域：動態報表查詢(Report)、線上分析處理 (OLAP)、資料探勘 (Data Mining)、動態預測 (Forecasting)，其運作架構如圖2所示。

圖 2、BI系統運作架構(資料來源：通用數碼http://www.my-gd.com/)

1. 資料倉儲(Data Warehouse)

資料倉儲有別於一般傳統式的資料庫，它強調的是某段時間內的綜合資斜，而傳統操作型資料庫重視的則是單一時間內的單一資料處理。即資料倉儲著重於透過歷史性整合的資料來提供決策的分析，而傳統操作型資料庫強調約為詳細紀錄每一筆處理的資料。資料倉儲的歷史性資料來源是由組織內部各操作型資料庫彙總轉換而來，因此資料倉儲可視為一整合各資料庫的超大型資料庫。而資料倉儲藉由整合企業內、外部的廣泛資料形成一個資訊倉庫後，再配合有效的資料分析工具與快速決策支援軟體，將這些資料魷能夠被組織釣決策者逾時的利用，以協助決策的制訂。(郭曉玲,2003)

Inmon (1994) 認為資料倉儲為決策支援系統的核心，資料倉儲除了是一個龐大的資料庫外，還具備下述四種特性：(郭曉玲,2003)

(1). 整合的(Integrated)：資料倉儲科技結合了整個公司的資料來源，包括不同的應用程式．資料庫、電腦系統等。這些資料來源均可能是分散而且不協同的。

(2). 主題導向(subjectct Orientation)：資料被組合以回答特定公司組織所產生之問題。

(3). 時間變數(Time Variant)：相異於傳統的作業性資料，資料倉儲特別注重隨時間變化(週．月、年)的動態資料及從公司其他單位所獲得之不平常資料。

(4). 非變動性(Nonvolatile)：資料一旦存入資料倉儲中，即被保存不再變動，新資料將源源不斷地增補舊有資料以決策者運用。

2. 線上分析處理 (On-Line Transaction Processing,OLAP)

OLAP技術，是使用者洞察資料的一種技術，牽涉到許多關係複雜的資料項目，目標在於篩選、分類、彙總資料倉儲的資料，分析這些關係，並找出模式、趨勢、例外條件，建構成多維立體資料模型(Multi-Dimensional Data Cube, MDC)。其主要目的在於讓使用者可以根據其專業的直覺、不同的主題和角度，操作並分析這些經營資訊，找出事件的重點，釐清發生的原因。使用者只需利用工具，即可在瞬間完成各種管理角度的交叉分析、資料排名、預算、及實際值的比較、例外管理等等，而不需要再等待資訊人員寫程式處理。

3. 資料探勘 (Data Mining)

資料探勘 (Data Mining) 是透過大量分析來尋找資料庫中相似的類型及規則，可以利用其公正而客關的統計分析模式，從龐雜的資訊中萃取有用的知識，以快速且正確地探知企業經營資訊，找出正確的銷售模式、客戶關係、採購模式，藉此協助決策制定以及預測未來行為，進而增加企業利潤、減少支出，正確的掌握經營動態。

資料探勘本質上與統計分析技術及線上分析技術有所不同。統計技術分析僅能針對較少量之資料，就資料之關聯性或統計學上不同之標的加以分析；而線上分析處理技術，則為一般資料倉儲所採用之分析報告，可以針對制式化以及關聯性較低的數據資料加以分析。例如線上分析處理可以提供零售業者瞭解不同產品、區域以及其對於成本及銷售收入之影響，但是並無法提供顧客之購買行為模式，如顧客在購買零食後通常會購買飲料等顧客購買相關產品間之關連性。

下表以簡單的說明線上分析處理與資料採礦對於資料分析的不同點：

表 2、線上分析處理與資料採礦對於資料分析的不同點(Noonan 2000)

線上分析處理(OLAP)

資料探勘(Data Mining)

公司郵件廣告之顧客回覆率為何

哪些顧客容易回覆公司之郵寄廣告

新產品銷售予客戶之數量

哪些類型之既有客戶較傾向購買公司新產品

公司上年度十大客戶

公司上年獲利度最高的十大客戶

哪些客戶上個月並未續約

哪些客戶較可能在未來的半年中不再續約

哪些客戶之貸款逾期未繳

哪些顧客之貸款較容易逾期支付

上一季地區性銷售報告

明年各地區產品可能之銷售收入

昨日生產線之不良率

如何提高產品之良率

4. 動態報表查詢 (Report)

其主要特色在於使用者不需要對資料庫有詳盡的了解，便可透過強大的搜尋引擎、人性化的圖形介面，自行取得所需的明細資料，或是透過系統，自動引導使用者產生報表資料所需的程式。使用者可以在被授權的範圍內，透過資料庫原生驅動程式 (Native API) 或開放式資料庫連接介面（ODBC）連接企業資料倉儲資料庫或企業資源規劃(Enterprise Resource Planning,ERP)資料庫，做大量的資料查詢。

5. 動態預測 (Forecasting)

動態預策主要目的在擷取現有經營資訊，以用來假設未來市場狀態或企業目標，系統即可自動模擬出以時間序列為橫軸的變化曲線，使用者還可調整各項資源，模擬出達成企業目標的最佳資源規劃組合。

6. 決策支援系統(Decision Support System, DSS)

Gorry & Scott Morton (1971)定義決策支援系統為：「互動式電腦化系統，此系統幫助決策制定者利用資料(data)與模式(models)以解決非結構化問題」。Keen & Scott Morton(1978)提出另一個典型決策支援系統的定義：「決策支援系統結合個人智力的支援與電腦的能力以改善決策品質。它即是一個以電腦為基礎的支援系統，幫助管理的決策制定者來處理半結構化的問題」。

各家學者對決策支援系統之定義都略有出入，簡單的來說，一套能夠整合企業內部各種資料與資訊，並提供決策者足以作出適當之決策的系統，就可以稱為決策支援系統。

7. 平衡計分卡(Balanced Scorecard)

平衡計分卡(Balanced Scorecard)是由Robert Kaplan及David Norton二位管理大師於1992年所發表的策略管理工具，此工具可以將公司之策略，透過財務、顧客、內部流程、及學習與成長等四個構面來檢視公司。每一構面皆包括了策略目標、行動計劃及衡量指標等三大部分。

此工具觀念主要以「平衡」為訴求，尋找企業短期與長期目標間、財務與非財務之量度間、落後與領先之衡量指標間、以及企業內部與外部績效構面間之平衡狀態，此「平衡」，主要從三個角度來觀察：(劉德泰,談談平衡計分卡與商業智慧)

1. 外部及內部間的平衡：外部強調財務構面及顧客構面而內部則強調內部流程構面及學習與成長構面

2. 財務及非財務構面衡量之平衡

3. 領先指標及落後指標之平衡等

Robert Kaplan及David Norton所提出的平衡計分卡，將績效評量指標分成四個重要構面，依此四項構面分別設計適當的績效評量指標，以提供公司營運所需的資訊，更重要是可以促進企業策略與願景的達成。此四項構面分別為顧客、財務、內部流程及學習與成長。企業根據策略目標設定績效衡量指標，因此，績效衡量指標的構面可以當做為策略之分類構面，如圖一所示企業將願景策略轉化績效衡量之架構。

圖 3、企業願景策略轉化績效衡量架構(劉德泰, 談談平衡計分卡與商業智慧)/ (參考之資料來源:Kaplan、Norton所著「使用平衡計分表當作策略管理系統」)

4. 顧客構面

Kaplan與Norton認為在顧客構面中，企業應先找出市場與顧客區隔，將顧客構面的關鍵指標與目標市場及目標顧客結合，幫助企業找出衡量企業顧客構面的行動計劃。

5. 財務構面

Kaplan與Norton認為企業應針對其所處之生命週期不同階段，做出不同的財務策略，並決定適合的財務衡量指標。企業之生命週期可分為幾個時期：成長期、成熟期、收割期，無論企業處於何種階段，均應配合收入成長、成本降低、資產利用等三個主題。企業依自身所處之生命週期，分析策略後，據以找出各財務主題適合之績效衡量指標。

6. 內部流程構面

為滿足股東及顧客的期望，企業必須確認其創造顧客價值的流程，以有限的資源產生有效的運用。內部流程構面建議企業應就完整內部流程價值鏈（包括創新流程、營運流程、服務流程），建立各種衡量指標。

7. 學習與成長構面

此構面主要目的在使平衡計分卡之前三項構面能順利達成，實現企業長期成長之目標。此構面強調對未來投資的重要性，包括人力、資訊及組織。透過員工能力之增強、資訊系統能力之增強、企業文化與個人目標一致性等三個主要原則，以建構學習與成長構面的績效指標。

5、 商業智慧的效益與企業價值

8. 以企業的六個面向來探討商業智慧對企業之效益

遠擎管理顧問分別從策略面、管理面、客戶面、科技面、競爭面、創新面等探討「商業智慧」帶來的企業新價值。

知名調查機構Gartner Group於2001年估計到2006年採用「商業智慧」的企業將比未採用「商業智慧」的企業獲得兩倍至三倍以上的投資報酬率，顯示企業對商業智慧的依賴將與日俱增。然而，商業智慧對於企業的經營尤其是績效管理與決策上，會帶來什麼樣的利益呢？以下分別從策略面、管理面、客戶面、科技面、競爭面和創新面來探討(如圖4)。

圖 4、商業智慧為企業帶來的新價值

· 策略面價值：在過去大部分的決策多半是以主管作風及其個人的偏好、經驗、背景為主要的基礎，但在組織龐大、業務複雜的環境中，合適的BI可以協助主管或幕僚從資料庫中擷取有用的資料進行分析，並且檢視策略執行成果。

· 管理面價值：企業部門管理者需要藉由質化與量化資訊作為每日管理依據，BI具有資要擷取、轉換、載入以及因應各種管理需求進行分析能力，能使管理者在管理規劃與控制獲得有效助力，達成績效管理。

· 客戶面價值：客戶是企業經營最重要資產，然消費者或企業客戶購買行為多變，要掌握且滿足其需求，實非易事。而利用BI的資料倉儲或是資料探勘等技術可以發掘潛在客戶需求，深化顧客關係。

· 科技面價值：由於通訊與電腦技術的發展，塑造了資訊經濟的價值，使企業在資訊的擷取、儲存、分析產生大量的需求。透過BI系統的協助，將可協助企業將大筆零散的資料在短時間內精確轉換，提升企業知識思維與策略判斷。

· 競爭面與創新面價值：企業要永續經營，迅速反應各種環境變動，如組織內部人事、業務、產品以及外部法令更改、競爭者威脅等，這些衝擊使企業必須尋求突破，以因應情勢的變化。BI提供有效的資訊協助企業進行分析及策略的調整，提昇企業的競爭力。

9. 商業智慧成功之關鍵與價值

在「Taiwan.CNET.com台灣企業缺乏商業智慧嗎？(下) 」一文中提到：「公司採購BI要幹什麼」是決定BI成敗的關鍵。IBM周榮興指出，資料分析效益要能顯現，關鍵在於把資料萃取、轉換和倒入資料倉儲的階段，而data modeling如何做，每個組織、個人的意見可能十分分歧，因此就需取決於最初的方向明不明確，是不是老闆心中有什麼特定的目的。

文中提及更重要的是，BI效益發揮到最高層，是幫企業決定什麼是最有效率的組織。以往台灣的企業組織是產品導向，以產品做部門切割的基礎，但是真正能隨著市場來應變，乃是走向顧客主義─客戶導向的企業，就需要企業主根據眾多資料下決策，小至行銷業務策略的變革，大至整個組織的重整，其中就是一個政治議題，一定要有個強有力的組織來推動，因為「沒有CIO、CEO的支持，將會遭遇許多阻力。」

文中另外提及，甲骨文林淳一也指出，若是企業主沒有參與其中，BI就像其他資訊系統一樣，就只是一種不痛不癢的資訊系統。他指出，BI可以產出預算、績效、統計等管理層次的資料，價值遠超過ERP或會計等功能性的報告，後者對決策沒有任何意義，而「一旦BI被老闆認為是功能性的，就是失敗的。」

6、 商業智慧與企業資源規劃(ERP)的不同

商業智慧系統與企業資源規劃 (Enterprise Resource Planning,ERP) 系統不同之處，在於後者僅強調「企業資源流程的控管」，著重在作業面與執行面，而商業智慧系統特重於「企業分析面」，其目標在快速提供知識管理、電子市集、電子採購等企業管理決策分析報表產出，以簡易方式且不受時空限制快速做成分析工具。

商業智慧系統以建置資料倉儲( Data Warehouse )為基礎，將不同作業系統資料庫整合，不同來源、不同型態的資料經過適當的轉換之後，以同一標準的型態，有組織的排列於資料倉儲內，供使用者透過各式各樣的線上查詢分析處理工具、資料探勘、決策支援系統( Decision Support System )，從資料倉儲中，隨時隨地獲得即時且動態的高價值資訊，藉此系統可提升企業上至決策者，做出判斷決策的重要依據，下至基層工程師做出製程改善與良率提升的重要參考數據，同時改善強化內部作業流程，提供企業入口網站，創造高生產力與競爭。

圖 5、資料倉儲架構（資料來源：Information Discovery INC）

7、 商業智慧的成功三要點

隨著網際網路的興起，企業應用資訊科技每天累積的資料量越來越多，根據IBM 的統計，在電子商業時代，資料量以每年一～三倍的速度成長，但這些資料真正被分析與運用只有7％，因此如何將這些龐大的資料快速的轉換成決策者所需的資訊，作為提升企業營運所需的企業智慧，已經成為經營管理的一大挑戰。

目前有越來越多的公司建構商業智慧，透過相關的軟體工具，協助主管們在龐大的資料庫中快速的擷取、分析與歸納出有用的資訊，提升經營的績效。簡略地說，商業智慧乃是將企業內各種的資料轉換為有意義的資訊，用以提供企業瞭解現況或是未來展望，更能讓企業快速掌握關鍵商機，將不同平台的異質性資料，透過智慧型的轉換分析，產出結構化知識的整合互動式分析工具，以利企業內部決策、判斷、分析的依據基礎，提使企業改善決策制訂的方法與過程。

當今的企業競爭，已不再是比事業體大小，而是取決於對市場、客戶、競爭對手作出最快速回應，換句話說，迅速精準的決策，將是致勝的關鍵。在過去，企業的資訊系統大多為分散式的處理方式，例如客戶購買的訂單處理作業，或是人事薪資系統。然而，這些系統並不是用以提供各個不同層級的使用者、以及有資料分析需求的使用者，來方便跨部門或不同資料源取得資料，或進階分析組織內各種資料而設計，各個系統乃是分開孤立支援單一作業需求的商業系統。但是當企業的需求日新月異，單一且受侷限的作業系統，已經無法符合企業企盼能立即掌握詭跼多變局勢，儘早預備因應對策的渴求。這正是資料倉儲與分析型工具因應而生的背景因素。

企業要如何成功的應用相關工具，來發揮商業智慧真正的功能，其實是需要謹慎規劃的，在這裡介紹商業智慧這個領域的三大手法，分析商業智慧所蘊含的線索與機會，使企業在其他競爭對手競相加入這場資料追逐賽之前，搶先在這塊商業智慧市場上獲致成功。

1、 工欲善其事，必先利其器

要想在商業智慧領域一展身手，首先得熟悉各種資料粹取、轉換以及匯入工具。切記必須從各種不同的角度去看待問題，必須時時思考如何從位於各種不同位置的不同系統中取得各種輔助性資料。隨著資料量不斷攀升，商業分析的進行也隨之遇到更多阻礙。在能夠開始對資料進行分析之前，你必須先把資料找出來，並且確認這些是正確的資料。這些不同的工具與方法包括：

· 資料倉儲(Data warehouse)

· 資料源(Data sources)

· 萃取/ 傳播(Extraction/propagation)

· 轉換/ 清除(Transformation / cleansing)

· 資料純淨(Data refining)

· 資料超市(Datamarts)

· 中介資料(Metadata)

· 使用者分析型需求(Analytical users requirements)

· 報表和查詢(Reporting and query)

· 線上分析處理On-Line Analytical Processing (OLAP)

· 統計(Statistics)

· 資料探勘(Data mining)

Data Junction 公司的總裁麥克.霍金斯（Mike Hoskins）曾說過：「資料本身就是難以駕馭的。資料永遠不會以專案管理人員所想要的形式呈現出來，跟商業智慧應用程式所要求的格式也絕不相同，跟電子市集應用所需要的格式當然也大相逕庭。更進一步來看，資料是有生命的，它拒絕被捕捉，被馴養，更遑論被丟進籠子裡關起來。而且每當你以為自己已經把想要的資料抓起來了，一種新的格式、應用軟體、資料結構或者商業需求又會隨時冒出來，以它自己的方式在那兒橫行霸道」。也正因為如此，企業必須應用各種相關工具，設法取得資料，並且把資料整理成可資運用的格式，並且必須時時思考如何從位於各種不同位置的不同系統中取得各種輔助性資料。

2、 明明白白企業的心

大多數企業所面臨的挑戰是，需要蒐集的資料量可能非常的龐大、屬於顧客行為的範疇極廣、顧客行為之間的差異性極大，似乎幾近不可能對所有的顧客交易狀況，確切地提出合理化的解釋。然而，商業智慧的重點是：如何幫助企業發現關於顧客的新事情，進而利用這些資訊為企業創造更多的利益。從資料到資訊到最終的決策制訂，這一連串過程並不是件輕而易舉完成的事情。企業要明白什麼樣的業務問題是可以掌握的，及要如何對企業資料進行採擷進而改善顧客關係管理。

3、 結合現有系統，發揮最大效益

企業必須將商業智慧資料分析所得的結果輸入企業資源規劃，客戶關係管理以及電子商務等系統中，藉此了解如何快速地提昇在這些系統上所花費大量支出的投資報酬率。多年以來，資料分析的循環過程一直沒有從到尾完全自動化。例如資料開發、轉換、載入資料倉儲系統，然後由系統自動進行後續的分析與預測，這些功能都被之視為理所當然。然而系統依照資料分析結果做出了預測之後，針對這個預測採取必要的回應動作則一直是一個必須手動執行的工作。如今隨著電子商務的出現，將上述整個循環完全自動化（亦即針對提出的預測自動採取必要的回應動作）已經被許多企業認為是一件非常重要的事。

圖 6、商業智慧系統與企業現有之系統

甲骨文公司認為企業必須「將分析得到的資料進一步轉換成可資利用的材料，並且在實際線上環境每天都運用這些資料。不論是銷售或者生產部門都應該要這麼做。在時空環境必要的狀況下，可以在離線環境建立資料模型，不過日後必須將之部署到實際上線環境上。你必須將整個回應機制完全自動化」。正如同在知識管理中所強調的一樣，有形的資產越用越少，無形的數位資訊越用，其所產生的價值越多。企業必須透過自有的系統分析工具與敏銳商業嗅覺的最佳組合來決定如何延伸與擴展企業的商業智慧應用系統。不論決定在整個循環之中扮演何種角色：例如辨識出需要量測的企業流程、決定研究方式、整理並清除不必要的資料、規劃資料倉儲架構、藉由領域專業知識來幫助企業採用能夠針對正確人員提出正確問題的工具，或者提供後端系統整合工作，以將分析結果轉變成為實際回應動作；所有這些不同工作都是現今企業最應該重視的事。

貳、策略面的思考

8、 從企業內部層面看商業智慧的競爭優勢

由於技術的發展，使許多以前不可實現的事變為現實。現在用戶可以使用GPRS電話隨時獲得他們的資訊；CTI以及模式識別技術使企業在用戶來電的瞬間知道客戶的所有歷史資料從而有效地服務於他們。在這些新技術的助下，企業具有了比以前強大許多的能力使眾多顧客獲得更好的滿意度。

1. 商業智慧允許企業記錄、更新並且即時地分析大量的詳細的客戶資訊，這些資訊可以從客戶與公司的各種接觸獲得，比如網站、EMAIL、電話等。即時分析系統可以在用戶與公司的互動中及時向公司提供最相關的資訊從而幫助公司進行銷售推廣活動。

2. 所有的資訊可以被企業的各個部門分享，並被應用在生產和服務的全過程中。這種資訊的共用使生產和服務的過程變得更加智慧和有效。比如，通過從銷售過程中獲得的用戶對通信渠道的使用習慣，可以幫助服務部門更有效地利用資源去服務客戶。

3. 商業智慧能夠真正地實現一對一及客戶定製的市場服務模式，儘管有的企業面對的是直接消費者這樣一個複雜的市場，但是各個客戶仍然能夠被區別對待，從而滿足他們的個性需求。

4. 商業智慧對不同的客戶提供不同的市場推廣、銷售和服務方法來最大成度的提高投資回報率(ROI)。由於商業智慧能夠使企業記錄每個客戶的多次銷售的整個過程，因此每一個迴圈的投資回報率就可以清楚地被計算出來。根據所帶來利潤的不同，企業就可以分配不同的資源給他們。帶給企業80%的利潤的20%的客戶是應該的得到更好的服務。這將是一種最經濟最有效的提高客戶滿意度從而穩住客戶的方法。

綜合以上的分析可以看出，商業智慧的應用將有效地幫助企業提高其客戶的滿意度，從而獲得有效的競爭優勢。

再來我們探討內部分析中獨特能力、資源、潛能影響企業內利益的關係，可以從下圖先概略的了解其中影響的過程：

圖 7、內部分析影響圖

企業的獨特能力來自於兩個互補的來源：組織的資源和運用資源的潛能。要稱得上企業獨特能力的資源必須要既獨特又有價值，獨特是指其他企業所沒有的，而有價值的資源則是代表它能以某種方面協助企業的產品創造強烈的需求。在商業智慧系統中，資料倉儲以及資料探勘，可以定期了解企業內部的整體狀況，包括了生產、物流、銷售、服務……等等。當企業可以了解整體的狀況，就可以針對企業內的眾多組織資源找出獨特且有價值的資源。而潛能則是指企業用於協調整合其資源並將資源做有生產運用之技能，這些技能是潛藏於組織的例行事務程序之中，也就是為了達成組織的目標，透過商業智慧結合企業流程再造(Business Process Re-engineering, BPR)，一方面可以先評估企業內的流程，是否在原本的程序之中就潛藏了可運用的技能，如果在做BPR的同時發現了流程有問題，一方面可以更改流程，一方面可以透過商業智慧系統，在新的流程之中加入企業的技能，而企業的潛能並不是屬於個人，是潛藏於組織之的運作之中，如個體間的互動、合作及決策制定，商業智慧系統可以特別指出企業應該如何及在何處做決策，哪些行為是獎勵的對象，和企業的文化的規範和價值觀。企業將透過這些潛能及資源，造就出企業的獨特能力。我們可以透過商業智慧系統中的資料探戡發掘企業的獨特能力，再透過線上分析處理來驗證所發掘的獨特能力，是否真為影響企業利潤的關鍵。

「策略」常常被拿來當成是「商業智慧」的最終目的，如何對於內、外環境作精闢的判斷，並制訂正確的策略？可謂企業所面臨最大的挑戰。過去，在較傳統或是規模較小的企業中，大部分的決策多半是以主管的作風以及其個人的偏好、經驗、背景等最為主要的基礎。但現今企業競爭環境激烈，這種決策模式並不見得奏效，尤其是組織龐大、業務複雜的企業，更是需要客觀的資訊作為決策的參考依據；因此，合適的「商業智慧」可以使主管或幕僚從既有的資料庫中擷取有用的資料，接著，利用資料轉換（Transformation）與分析，統整出報告（Reporting）。此時，決策者就可以利用這些現成的資源，一方面檢視原有的策略執行結果；一方面則思考下一步的方向。對於掌舵者而言，即使不用深入細節，也能夠盡可能引領企業朝向正確的目標。

企業若要能夠永續經營，需要迅速反應各種環境的變動。這些變動可能來自於內部組織的調整、人事的波動、業務的改變、產品的更新，也可能來自於法令的更改、競爭者的威脅、通路的變化等等。當企業面臨變動時，並不全然是負面的意義，也不代表企業的發展一定是遇到阻礙；從積極的角度來看，無論是內部因素或是大環境的影響，由於變動所帶來的衝擊，可能是企業尋求突破的契機，但是，如果企業無法蒐集足夠的資訊予以分析，掌握整個情勢並予以因應，那麼，隨時在競爭戰役中被淘汰的機率就會大增。

此外，一個企業要能夠持續成長，本來就必須設定不同階段的目標，並「自發性」地創新與改革，才能引領趨勢與風潮，而不至於每一次都是被動地讓環境的變動擺佈。綜合「商業智慧」在策略、管理、客戶、科技等優勢，必能使企業穩健度過每一個風雨，甚至是成為產業或是市場中的翹楚。下圖就可以看出商業智慧與顧客關係管理結合的情況。

圖 8、串聯顧客關係管理的三大構面顧客關係管理

圖 9、以商業智慧強化顧客關係管理功能

9、 從企業外部層面看商業智慧的競爭優勢

商業智慧技術可以讓企業從不同的來源獲取資料、多面向分析(Multidimensional Analysis)，並能更簡單方便地轉換成一份具有意義的報告或是圖表簡報，以便提供企業下列的功能。

· 協助企業更加了解顧客，並且相對地讓顧客更加了解企業。

· 讓企業對本身能有更完整，且一致性的了解。

· 透過技術與企業目標密切合作而精簡化企業的流程。

以下我們將從策略面深入探討商業智慧所帶來的影響。

從策略管理的層面來探討，帶給企業最深遠的影響是競爭優勢的本質，而企業競爭優勢的本質，可從外部分析及內部分析兩個層面來了解。首先外部分析方面，管理者所需要面對的任務是分析產業環境中的競爭力，以分辨出企業所面對的威脅和機會。我們採用哈佛商業管理學院的Michael E. Porter所發展出來的五種競爭力模式﹝簡稱五力模式﹞，如圖10所示。

這個模式關注於一個產業中形成五種競爭力量：1.潛在競爭者的進入風險。2.產業內現存企業間敵對競爭程度。3.購買者的議價力量。4.供應商的議價力量。5.替代品的威脅。

圖 10、五力分析圖

1、 購買者的競爭力

在企業採用商業智慧系統之後，在購買者的議價能力方面，企業可以透過商業智慧系統結合客戶關係管理，可以提供給管理者哪些客戶對於企業是的價值較高，哪些產品是企業代表性的暢銷產品，進而了解在哪些情況，可能會產生購買者議價能力較高的情形。當購買者議價能力較高的時後，對於企業而言是一種外在的威脅，買賣雙方的議價能力會隨著時間改變，企業可以透過商業智慧系統提早發現企業的潛在威脅，以便制定相對應的對策，降低企業在競爭時所受到的威脅。

2、 供應商的議價能力

在供應商的議價能力方面而言，透過商業智慧系統結合供應鍊管理，可以發掘更多業界內可提供物料的供應商，當供應商的資訊可以更透明化的同時，因為物料的來源豐富，不必擔心供應商採取獨占的策略，拉抬原物料的價錢。如此一來，企業與上游供應商便有更多的優勢來降低原物料的成本，這樣對企業而言便可簡少成本的壓力，降低企業的競爭威脅。

3、 替代品

就替代品而言，透過商業智慧系統，搜集產業界中能夠成為其產品的替代品資訊，再由商業智慧系統對所搜集到的資訊，做分析及整合，提供給管理者整合的資訊。在傳統的資訊系統中，系統無法提供整合的資訊，會讓企業自己的認識產生與事實不符的鴻溝。透過商業智慧系統就可以避免這樣的情況，管理者在整合的資訊下，可以訂定出適當的策略，例如：絕對成本優勢、或是品牌忠誠度，以避免目標產品市場，遭受替代品增加競爭的威脅性。

4、 潛在競爭者

潛在競爭者是指目前和企業並不在同一個產業中競爭，但它有能力成為敵對的競爭對手，而潛在對手的競爭力強度是由進入障礙的高度決定，透過商業智慧系統與ERP結合，重新分配企業內部的資源，以求達到規模經濟及絕對成本優勢，這樣可以提高進入障礙，潛在對手的競爭力強度是由進入障礙的高度所決定，進入障礙是公司進入該產業所需要付出昂貴成本的因素，所以當企業降低自己的成本及透過規模經濟的同時，這些成本優勢都會轉嫁到競爭者身上，成為高度進入障礙。這樣企業就可以免於潛在競爭者的威脅。

5、 現存競爭者

在五力模式中最後談到的是現存企業間的敵對，而影響到產業內現存企業間的敵對競爭程度主要是三個變數：1.產業競爭結構。2.需求條件。3.退出產業的障礙高度。以產業競爭結構為例，分成零散型及結合型兩種。在零散型結構中，會出現的威脅是在於過多的新進入者，會讓產能過剩，這時後企業會面臨價格戰的開打，這樣會壓低產業的利潤，而商業智慧系統，可以從產品的特性以及顧客的購買行為中，提供差異化的策略，以便管理者制定新的產品策略，擴增市場的佔有率。 而在結合型的產業結構中，企業的競爭本質及強度是非常難預測，結合型中的企業是互相依賴而且互相競爭，所以當敵對的企業採用削價競爭，會直接影響到結合型中各個產業的獲利能力。所以企業需要降低這樣的威脅，最有利的情況結合型中的企業對於價格的定訂有默契，這個時後商業智慧軟體，透過搜集來的資料，提供整合的價格資訊，讓企業與敵對之間可以共利生存，而不會惡性競爭。

探討完外部環境要素影響產業吸引力的程度，及解釋產業結構為什麼會影響到產業的獲利。然而上述的這些因素並不是唯一影響企業的獲利，如此之外內部環境，也會直接影響到企業的獲利情形。接下來就從內部分析來探討商業智慧所帶來的影響。

參、管理面的應用

1、 系統的管理面

1. 資料倉儲

資料倉儲的概念大約一直到90 年代初期才始在企業界萌芽，同時由於業者發現其具有相當的商用價值，因此短短幾年間便為蔚為風潮，很快就成為企業界最熱門的資訊領域之一。以應用面來看，「資料倉儲是現代企業資訊系統架構的核心，為企業提供快速的、整合的、具分析性的資訊服務」。資料倉儲乃是作為決策支援的最佳化資料儲存體，可用來製作分析報表，提供預設或臨時性的資料查詢，DSS/EIS等系統的支援資料庫或供資料採擷(Data Mining)之用，以及作為其他應用等特定需求的預備資料。綜合上述觀點，資料倉儲可定義為依據各個特定主題整合企業所有資料的基礎建設，進一步利用線上分析、資料探勘各項工具，提供決策者快速、整合性、視覺化且具分析性的資訊。

2. 資料超市

資料超市可視為小型的資料倉儲，有如資料倉儲的衛星城市，可以存在於企業各部門中。當企業暫時不需要建置大型資料倉儲時，但是有儲存可供分析性資料的需求時，即可選擇先行建置資料超市，藉以節省成本並又能精確達到各部門需求與快速建置。而資料超市與資料倉儲同屬於商業智慧的基礎架構中，因此其功能面的應用與資料倉儲相同。但在實務上需注意擴充與整合上的問題，以確保在未來的擴充上能達到資料互通需求，以避免將來資料超市不斷增加，資料卻無法互通，便造成資料浪費的情形。

3. 線上分析

線上分析是商業智慧前端的應用產品，以多維度之方式讓使用者可以隨時查詢、分析資料、並利用各種工具在網路介面上呈現各種分析結果，或製報表，可以支援企業員工傳遞資訊，以及針對企業決策所需的資料進行分析，並且利用各種工具在網路介面下呈現各種分析的結果，其產生報表而且還可以依據使用者需求與偏好來製作曲線圖、長條圖、餅圖等，以讓決策者在視覺上可以一目了然，進而在短時間內詮釋資訊以做出適切的判斷。

4. 資料探勘

資料採擷是利用各種分析模式及數學運算，並將有用的資訊從大量資料中深掘出來的過程。而資料探勘可將在大的資料庫中尋找出情報的流程加以自動化。對於企業而言，可以提供產品銷售情形分析、生產量控管、管理運作的邏輯、各部門分歧的思考、客戶區隔等商業智慧上的應用，並為企業帶來加值的作用。

5. 平衡計分卡

由工業時代邁入知識經濟時代，企業創造價值的方式愈來愈複雜，由過去的「有形資產的管理」轉變為「無形資產(intangible assets)的管理」。換言之，顧客關係管理、創新的產品和服務、高效率、高品質的作業流程、前瞻的資訊技術，以及高素質的員工等，這些所謂的「無形資產」，已經取代以往的「有形資產」，而成為現今企業創造價值最主要的基礎。過去企業利用有形資產創造價值時，大都以ROI(投資報酬率)或EPS(每股盈餘)來評估其管理的結果與成效，此乃以財務性為主，而忽略非財務性的績效評估方式，面對現今的市場及生產環境，已逐漸喪失其管理的意義。無形資產的管理已經成為創造企業競爭優勢的新主題，而企業應用其策略於創造顧客價值、開發創新產品和改善業務流程等，其過程與效益絕非使用傳統財務指標可描述或掌握。欠缺了這樣衡量的工具，企業很難執行並管理它所無法描述、無法衡量的價值創造流程。哈佛教授羅伯柯普朗(Robert S. Kaplan)與諾朗諾頓研究所(Nolan NortonInstitute)最高執行長(CEO)大衛諾頓(David Norton)所共同發展出來之平衡計分卡(balanced scorecard)，突破了傳統的純粹財務衡量系統之局限。它協助企業勾勒出創造價值的流程(value-creating processes)，以及無形資產在這其中所扮演的關鍵性角色。這些所謂的無形資產，正是當今以知識為基礎的策略(knowledge-basedstrategies)最主要的策略驅動因素。平衡計分卡所描繪的企業策略，顯示出所有的有形資產與無形資產間多重而間接的關聯性，說明企業必須如何改善及運用其無形資產以創造有形的財務和顧客面的實際成果。

2、 企業的管理面

1. 財務管理

傳統的財務分析未能發揮最佳的狀況，因為企業內的分析大多侷限於財務部門，且財務部門只看到企業運作有限的片面資訊，導致財務部門中只有極少部份的分析是真正的分析。

故財務分析是整合企業間最常需要分析了解的財務資訊，如圖以五個財務綜合分析模型，各模型間及模型內，更可上挖、下掘，模型間互換分析，找出財務資訊所隱含的真正問題。

圖 11、財務模型圖

2. 銷售管理

傳統經營模式的企業，以生產量、生產規模以及市場佔有率，作為企業營運目標，造成採用「客戶」和「利潤」中心之企業模型障礙：銷售團隊的目標與企業的整體目標不一致、使用資訊的龐大成本幾乎造成生產力癱瘓。

銷售分析作業依「客戶別」與「產品項目」做組合─以顯示收入或邊際效益。而銷售分析人員可以專注在關鍵議題─發揮產品組合中每個產品的相對利潤，進而銷售最有利潤的產品。銷售分析是大部份企業最迫切需要的。銷售資料大都是企業現有的，能讓銷售及財務單位清楚掌握狀況。利用銷售分析，企業能在一、二天之內建立銷售分析模型。銷售分析模組可透過如下圖四個關鍵分析模型的建立，達成上述企業問題的改善。

圖 12、銷售模型圖

3. 行銷管理

在行銷研究上，能找出最有利潤的客戶，投資的風險就能降低，回收率才會提高。今天大部份的製造業，策略投資風險比預期來得高：市場行銷多偏重未來市場的佔有率，而不重視客戶所帶來的利潤，且難以建構由下而上的利潤架構。而在找出潛在目標客戶時，利潤並非關鍵考量要素。但行銷人員通常都會忽略取得市場之後的潛在利益。

長期而言，開發現有客戶所能提供的最大利潤，才是市場行銷最主要的策略議題。因此市場行銷分析透過如圖所示關鍵分析模型的建立，以達成上述問題的改善。

圖 13、行銷模型圖

4. 採購管理

採購部門對企業資金具有獨特的運用力及影響力，特別是對損益表上的物料明細而言。然而採購部門的策略性地位，並未轉換成對資金的重大影響：企業內沒有人能夠即時、正確地知道：現有存貨到底有多少、它們置於何處，及其流動的速度如何。和供應商交涉的遊戲規則不斷地在改變。採購經理人得不到充分資訊，使其無法成為老練的遊戲高手。

因此採購分析企圖透過建立如圖所示關鍵分析模型，達成上述企業問題的改善。

圖 14、採購模型圖

5. 生產管理

要將製造過程變成競爭利器可說是相當不容易，必須不斷找出新的方法縮短前置時間，又要增加每個廠房最大的輸出，讓投資的資產獲得最大的回收，呈現給關心資產負債表的人員瞭解，並且還要在不犧牲品質的狀況下，不斷地讓生產成本下降，才能在定價遊戲中保持領先。就長期利益而言，這個過程是漸進的收穫與不斷地創新，並且帶來重大的影響。多快能有漸進式收穫？完全視找到改善機會的速度而定。越快找到問題，就能越快解決問題。發現問題的過程以及生產過程本身的效率之間，有一個互為樞紐的關係。發現的過程若缺乏效率，會產生以下三個問題﹕製造成本不合理的高，創新的速度又相當緩慢。生產經理人看不出他們與標準生產成本相差多遠。生產經理人不瞭解許多長期問題背後的原因，因此無法解決這些問題。

生產分析企圖透過建立如圖所示三個關鍵分析模型，達成上述企業問題的改善。

圖 15、生產模型圖

6. 配銷管理

客戶不會自動在製造商和運輸商之間畫上界限。一旦運送遲延，客戶往往責怪製造商。製造商的兩難困境是：的確是有一條界限存在，只不過這條線是畫在自己交貨處的終點。除了少數企業和客戶有成熟的資訊連結系統外，在這個界限之後，製造商對接下來發生的狀況就無法掌握了。對配銷經理人而言，這個狀況就像將他們一雙手被綁在背後的情況下工作，真正束手無策了。要解決這樣的困境，首先要釐清下列問題：對企業而言，終點線是交貨倉庫，而非顧客。配銷經理人缺少和運輸商交涉的影響力。

大部份的配銷經理人缺乏有效區分運輸商好壞的衡量標準，因此無法要求最好的表現和價格組合。此時，假設製造商可完全掌握所有事項─運送的貨是什麼、送到何處、以什麼工具、成本多少。利用這些資訊，企業就可將配銷成本透明化。運輸分析企圖透過建立如圖的一個關鍵分析模型，達成上述企業問題的改善。

圖 16、配銷模型圖

7. 客戶管理

通常留住一個客戶的時間愈久，這個客戶就愈有價值。長期性客戶的購買量較大，但企業花在其上的時間卻比較少，而且舊客戶對價格較不敏感，同時也會帶來新的客戶。更棒的是，他們不需再花費成本去開發或重新獲得。績優的長期客戶相當有價值，對某些產業而言甚至可減少五個百分點的客戶流失，使利潤增加一倍。

客戶忠誠度的經濟效益，迫使以製造為主的企業，必須也將客戶視同公司的保險政策— 如同保險公司帶領他們做一樣。他們開始計算客戶關係的終生價值；錯失一個主要客戶的終生價值，將會是財務上的極大損失。同時，較多的投資會放在現有客戶上，以增加更多生意與利潤。但是要達到維持更長遠的關係與獲得最大潛在利潤的目標，必須正視下列問題：

· 客戶不滿意的首要原因是貨品延遲送達，但這問題通常不容易被察覺。

· 不了解大部份抱怨、退貨、以及索賠的背後真正原因。

· 維護客戶關係的成本通常沒有被追蹤，也沒有反應在價格上。

客戶服務分析企圖透過如圖三個關鍵分析模型的建立，達成上述企業問題的改善。

圖 17、客戶模型圖

8. 人力管理

為了生存，企業必須學習快速地改變行為，以支援新的商業理論基礎和假定。即使現有的作法仍然有效，企業還是必須不斷創新作法以維持競爭力，找出新的、有效的，並且可以增加每一個員工獲利能力的行為模式。而新的行為模式需要新的技術及資訊流程。能夠快速成功地引進這些新技術和資訊流程的企業，將可發展出核心競爭力。這些企業也會不斷地消除使發展減慢的技術及資訊鴻溝。然而，大部份企業不能掌握發展速度的原因有三：

· 關於員工技術及其他特質的人力資源資訊非常有限。

· 企業對員工的資訊追蹤從未和財務結果做連結。

· 由於在人力資源上顯現出較差的投資報酬率，以及IT策略的考量，減緩了高階管理者對前者的投資。

一般情況下，高階經理人只會檢視較高層次的生產力指標。例如，每一位員工的平均銷貨收入。若每位員工的平均銷貨收入增加了，這些經理人也許會 "懷疑" 其人力資源策略是個影響因子。但要如何去確認？影響因子的重要性有多大？為了要查明真相，必須結合薪資與人力資源系統所提供的人力成本與技能的組合資訊，以及實際的工作成果。人力資源管理分析企圖透過建立如下圖四個關鍵分析模型，達成上述企業問題的改善。

圖 18、人力資源模型圖

肆、操作面的描述

1、 資料倉儲(Data Warehouse)

資訊電子化的來臨加上網際網路的發達，使我們能夠快速的取得資料，但也因此相對的造就了現代企業普遍面臨的問題－資料的氾濫：資料太多卻相對地資訊不足。隨著企業的成長及規模的擴大，一般公司內部每天要處理的資料量與日遽增。管理人員常常可能為了要整理出一頁報表，而利用了整個禮拜的時間來蒐集、分析、及處理各方面的資料，最後再使用不同的技術將所有蒐集到的原始資料轉換為有用的資訊。

如此一來，在講求效率及效能的時代裡，企業如果沒有辦法在第一時間內找到所需的資訊，即失去了競爭力。為了解決上述的問題，資料倉儲系統便應運而生，透過資料倉儲系統的使用，我們可以在第一時間將資料完整地收集起來，並獲得一致、且極為豐富的訊息，再經過分析處理後產生具有管理意義的報表。資料倉儲的定義說明如下。

圖 19、資料倉儲示意圖

資料倉儲（Data Warehouse）是一個執行的程序，而不是一種產品。從上圖可以看到資料倉儲（Data Warehouse）在運作時所需要的資源，及與其他系統及技術的配合方式。資料倉儲是一個整合式的、主題導向的、歷史性的以及唯讀性的資料集合，這些資料經由各種不同的來源匯集在一起，經過轉換後，成有意義的主題或資訊群組，以作為查詢、報告、分配資源、決策制定、以及思考的輔助工具，提供管理者在做管理決策時的參考依據。 其中：

1. 整合式的資料：將不同來源的資料以統一的規範，經過整理後儲存在一起，所謂統一的規範指的是相同的資料型態、格式、度量。由於資料倉儲的資料來自於多個作業資料庫系統，如關聯式資料庫、線上交易系統(OLTP)以及文字檔等(flat files)。不同的交易系統可能由不同的程式設計師設計出來，造成相同的資料可能其欄位名稱、欄位型態、單位以及大小之定義可能有所不同，如「訂單編號」這個欄位，在A系統取名為「訂單號碼」、資料型態為「長整數」，而B系統取名為「訂單編號」、「文字」型態等，造成資料不一致的情形，以及資料轉換的困難。因此在交易性資料庫資料載入至資料倉儲時，需透過資料淨化(cleaning)、轉換(transform)的動作，轉換成相同的定義。

2. 主題導向的資料：資料倉儲儲存的是與某一主題相關的資料，主題可以不止一個，但是不需要儲存與主題無關的資料。資料以主題為導向最資料倉儲主要的特質，而非以交易為導向，此處的主題是指管理決策面的相關主題。例如保險公司，其作業資料庫系統包含汽車險、醫療險、壽險及意外險，而這家公司的主題可能是客戶、保單、保費及索賠等。

3. 歷史性的資料：資料倉儲中的資料都是過去所發生的事實資料，但是並非儲存過去的所有資料，而是在某一時間範圍內的資料。資料倉儲一般儲存5-10年的資料，且一定會包含時間要素。

4. 唯讀性資料：當我們將過去的資料轉入資料倉儲之後，就不應該加以變更，但是可以以固定且週期性的方式定期加入新的歷史資料。亦即資料倉儲的資料是經由一段時間將交易處理資料庫的資料集體載入，強調資料是唯讀的(read only)的，不會有新增、刪除、修改的動作。

資料倉儲建置之成敗因素：

資料倉儲在建置的過程需要投入大量的時間、技術、金錢、人力，而且在導入這段期間需要企業內多個部門涉入，在企業導入資料倉儲時，更需要了解目前國內外有許多企業導入資料倉儲的成功與失敗經驗，學習他人成功的經驗，警惕他人失敗的經驗。

在資料倉儲建置成功因素方面，透過個案研究及電話訪問，施行資料倉儲的成功因素包含：使用者參與、明確的目標、專業廠商的諮詢、有限的專案範圍、高階主管的支持、績優廠商的支援、清楚的階段目標、技術專家的投入及選擇正確的技術架構。資料倉儲建置之關鍵成功要素有：明確的目標及需求範圍、高層支持、良好的跨部門溝通管道、常設專案支援組織、開放性的倉儲平台、具備充分延展性及擴充性的倉儲架構、倉儲與前端帳務系統之介面規格一經界定，不容更改、常設組織確保前端帳務系統資料品質及穩定性。「高階管理者的支持」、「與組織策略目標相輔」及「使用者參與」等三個關鍵成功因素主要影響組織變革管理能否成功；而「資源的充分投入」、「未來的擴充性」及「專案開發團隊的技能」則是專案執行控管能否成功的關鍵；技術導入建置上的成功，主要依賴「未來的擴充性」、「專案開發團隊的技能」與「所使用的開發技術/工具」三項因素。資料倉儲建置的三個導入成功面向各自決定於不同的關鍵成功因素，有的因素只影響了單一面向、有的因素則同時影響了兩個面向。

在資料倉儲建置失敗因素方面，專業人員普遍認為缺乏高階主管的支持是資料倉儲專案失敗的主因，其他因素尚包括：專案過於複雜、缺乏資訊專業人才、資料整合時缺乏完整性、專案成本超過原始預算、缺少專業技能及教育訓練、專案成果不符合使用者的預期等。資料倉儲建置失敗的最普遍原因為：支援不足、管理階層態度猶疑、資金預算不夠、使用部門涉入不深、組織內部的抗拒。

綜合上述而言，資料倉儲的導入是要作好完整的策略規畫，尤其是要有明確的目標與需求範圍、高階主管的支持。由於專案的成本是一個重要的考量因素，因此，企業在建置資料倉儲時，不妨可先規劃資料倉儲的整體架構，依照目前的技術、金錢、時間、人力作階段性考量，應以幫助企業最大部份為起點。

資料倉儲的應用與成效：

資料倉儲本身而言並無法提給企業任何利益價值，只有在資料倉儲被應用工具運用來幫助經營、發展或管理企業時，資料倉儲才顯示出它的企業價值所在。

在實際應用方面，國內電信業(中華電信、遠傳電信及台灣大哥大)及金融業(中國信託商業銀行與台新銀行)都積建立資料倉儲系統以掌握顧客的消費習性及模式；在汽車業方面，中華賓士利用資料倉儲達到控管零件庫存、維修廠的績效分析，同時藉由資料倉儲了解消費者對產品及維修的需求，成為行銷最佳的輔助工具，以提升市場的競爭力；在零售業方面，美國著名的零售業者Wal-Mart，則是運用資料倉儲的運作，可以獲得顧客和商品供應商清楚而詳細銷售資訊，進而達到「在最正確的時間點，將顧客最需要的商品提供給每一家連鎖商店」的目標，快速拓展市場；在醫療方面，中央健保局利用資料倉儲，為防止民眾浪費健保資源，以健保卡換取物品或其它不當的浪費健保資源的行為，且對於龐大的健保資料，能夠以更有效率的方式，擷取所需的資料作分析。

在資料倉儲應用成效方面，企業導入資料倉儲的效益包括：提供簡明的資訊環境、提供更高品質的資料、加快資料的讀取、使用者簡易使用、分離決策作業與日常作業流程、獲得競爭優勢、最終目標達到分散資料庫、降低企業作業成本、可進行資訊流的管理、可平行作業、提供使用者健全資料處理工具、促進資訊系統及部門的縮減、提供可量化的資訊及提高安全性等效益。資料倉儲的建置，可為企業帶來以下具體效益，進而提升企業的競爭力。

1. 迅速取得資訊的能力：資料倉儲大幅壓縮了自事件發生到決策階層知悉的反應時間，例如業務報表的產生頻率可從每月一次縮減至每日一次，企業決策的時效性可因此提升。

2. 企業資訊集中與整合的能力：資料倉儲整企業內部各資訊系統，甚至外來資訊，提供企業制定有效決策。

3. 趨勢分析的能力：資料倉儲通常提供足夠的歷史資訊，可供企業從過去事件中找出行為模式與發展趨勢，進一步以此預測未來。

4. 資料分析的新方式與新能力：資料倉儲提供先進工具，企業得以新角度、新方式與新能力來進行資料分析，許多倉儲使用者都因此從舊資料中發掘出新問題或發掘舊問題的新解決方案。

5. 提昇使用者對系統的應用能力：資料倉儲提供資訊應用者直接接觸與分析的能力，無須透過資訊部門。不但舒解了資訊部門的工作負擔，更大幅提升了資料分析的效率。

2、 資料超市(Data Mart)

資料超市(Data Mart)的資料是專為某一特定部門的決策支援系統(DSS)之程序需求而量身收集的，它是屬於資料倉儲(Data Warehouse)的子集合，並且專門設計來符合某一部門的需求。同時，如果共同分析之需求存在時，資料超市也能將資源分享給許多部門。資料超市的資料通常是彙總過的，多是由資料倉儲傳送到資料超市時經重新排列、整合而成的。使用資料超市的部門通常包括了行銷、金融、會計、工程與審計等，因此許多資料超市都是附屬於資料倉儲系統中。

在資料超市中，只有來自資料倉儲的資料是合法的，一般而言，資料超市之間的資料幾乎很少交換，欲交換的資料首先傳遞並儲存在資料倉儲中，資料一經儲存在資料倉儲後，再傳遞給想要分享資料的資料超市，資料的一致性便遵循此架構來維護。目前而言，有3 種常用的資料超市類型：

· 第一類是資料倉儲(Data Warehouse)的子集合

· 第二類是MOLAP資料超市(Data Mart)

· 第三類是ROLAP資料超市(Data Mart)

後面兩種類型的資料超市支援OLAP。MOLAP資料超市是一種將資料以非常結構化的方法載入資料超市，此時資料的維度隨之建立，這種方法非常有彈性，而且在資料超市內可以獲得從彙整性到詳細性的資料。而ROLAP資料超市使用關聯式資料庫管理系統，提供了資料不同維度的觀點。

資料超市的優點為部門可以完全掌控在資料超市內的資料與處理程序，在個別部門的機器中儲存與處理資料，所花費的成本遠低於資料倉儲以及當資料由資料倉儲傳遞到資料超市時，資料已最適化以符合部門的特殊需求。從資料倉儲來的資料可以將它的鍵值重建、重新排序、合併、彙整、編輯與轉換等。至於缺點則是就資料而言，資料超市的環境顯得相對小些，並且資料超市只與某一部門有關。

資料超市基本上為資料倉儲的子集合，所以在設計上差異性並不大。通常資料超市較限制于單一主題或是單一企業流程，所以常是以一種部門別存在於資料倉儲。資料超市可視為小型的資料倉儲，與資料倉儲同屬於「商業智慧」的基礎架構，這些資料超市有如資料倉儲的衛星城市，可以存在於企業各部門中。如果一個企業暫時不需要建置大型資料倉儲，但是卻仍有儲存可供分析性資料的需求時，即可選擇先行採用資料超市，其主要的好處在於：節省成本、精確符合各部門需求與快速建置。

然而，企業以先採用資料超市的方式可能會面臨到擴充與整合的問題，如果未考量此方面的發展，當企業中許多資料超市不斷增加，資料卻無法互通，便會造成資源重複浪費的情形。根據一項調查，59％的企業需要維護30個資料超市，有些企業則高達100個。由於購買這些系統的原始成本落在每個部門的預算，使得公司無法掌握人員維護、軟硬體設備維護成本高，成為公司極大的負擔。這些都是企業在享受資料超市小而精美的好處時，也必須要同時留意的地方。

3、 線上分析處理(OLAP)

OLAP (On-Line Analytical Processing) 線上分析處理系統是一個用來幫助使用者能有效率，並且有效的輕易完成商業資訊的維面結構分析工作。可將資料倉儲的資料，加以篩選、分類、彙總產生實體資料，而以各種資料模型呈現給查詢者，讓使用者可以依不同的主題和角度依其專業的直覺，即可操作並分析資訊，找出問題的重點。而OLAP 通常和報表及查詢有密不可分的關係，經由複雜的查詢能力、資料比對、資料擷取和報表來提供不同層次的分析。透過OLAP，使用者有需求時，只需利用工具就能找到各種資料，例如：管理角度的交叉分析、資料排名、預算及實際值的比較等等，不需要再排隊等待資訊人員寫程式，而以簡單的操作方法獲得想要查詢之資料。下圖是一種可能的OLAP施行架構圖。

圖 20、OLAP模組架構圖

1. OLAP概念說明

OLAP (On-Line Analytical Processing)為線上即時分析系統，此類軟體主要可提供使用者，依其所需的資料及其特定的角度加以分析，並在讀取上能提供快速且即時的查詢方式，同時亦能確保資料的一致性及完整性。OLAP提供資料倉儲系統前端呈現給使用者的介面，目前因使用的不同需求約有以下兩種OLAP模式：

A. MOLAP：

Multidimensional OLAP 即多維度線上即時分析系統，是將多維度資料及彙總資料Aggregation直接存放在特定的資料結構中如：CUBE，藉由事先運算及彙總存放於CUBE中使MOLAP的儲存可提供最快速的查詢回應時間，只會依據 CUBE彙總的百分比和設計而有所不同，CUBE 在OLAP中的應用就如下圖所示。一般而言，依可預期的需求設計分析查詢的邏輯，比較適合經常使用且需要快速查詢回應的需求報表資料，但相對的CUBE的建置所花費的時間及空間又是另一個考量點，而且當需要擴充資料時即需要重建CUBE

圖 21、CUBE圖

B. ROLAP：

Relational OLAP關聯式線上即時分析系統，藉由維度 (Dimensions) 直接的串聯關係存及Aggregation存放於關聯式資料庫(RDBMS)，或說資料倉儲的資料庫中，提供有效的資料存放，不再另外建一CUBE。而各維度資料再彙總成多個層級組成(Aggregation)，此彙總的層級的設計是為深入導向上層(drill up)或底層(drill down)資料，可同時擁有細部及合計的資料，這類Aggregate Table的層級可使用view或預儲程式(store procedure)事先處理好資料的結合。相對的因為ROLAP直接由資料庫中抓資料，因此底層資料庫的建置是不可或缺的，而資料庫的效能、大容量的建置、使用者的讀取都會影響到OLAP的分析。當然ROLAP可藉由RDBMS 的平行處理使用SQL更有利於其匯總資料的自動運作。在OLAP系統中，CUBE是儲存彙總資料(Aggregation)的一種方式，而維度(Dimension)是查詢CUBE的方式。Aggregation儲存於維度的交點，而於每一個交點儲存一個數值 (Measure)。

C. DOLAP：

Desktop OLAP﹝DOLAP﹞即桌上型線上即時分析系統，擺放資料的CUBE可直接儲存在Client PC端事先做彙總運算並把結果寫入CUBE，可以達到最佳的查詢效率，而且整體的建構成本也非常的低廉。不過因為是建構在Client端所以使用者的數量會有所限制，而且儲存的資料量也會無法儲存大量的資料。

在OLAP系統中所劃分出來的MOLAP 及ROLAP只是資料讀取點的不同，基本的資料倉儲架構及MODEL的設計大致是相同的，可依使用者的所需的架構而建製運用。此兩種存放的方式都有其利弊，而目前使用上似乎以ROLAP的方式較能完善配合資料倉儲的建置。以下簡單列表說明其分別的優劣點，提供不同需求企業參考：

表 3、MOLP、ROLAP、DOLAP比較表

MOLAP

ROLAP

DOLAP

特色

1.Multidimensional OLAP

2. Cube存放在多維度資料庫Server端

3. 事先做彙總運算並把結果寫入Cube

1.Relational OLAP

2.資料直接儲存於關聯性資料庫(RDBMS)

3.不事先作運算

1.Desktop OLAP

2.Cube可直接儲存在Client PC端

3.事先做彙總運算並把結果寫入Cube

優點

1.最佳查詢效率

2.可處理複雜運算功能

3.最適合Web Base

1.超大規模資料

2.可大範圍隨性查詢

1. 最佳查詢效率

2. 建置成本低

缺點

需大量的儲存容量

1.查詢效率很差

2.維護成本高

1.有資料量限制

2.有User數限制

再進一步比較MOLAP 與ROLAP 分析資料的複雜性與查詢的績效，如圖所示，可看出MOLAP 可以處理較複雜性的分析，且其查詢的績效也較好，但其主要的缺點就是預先彙總資料會耗用系統的空間，而ROLAP 一般是用在查詢不常查詢的大型資料庫，例如查詢過去五至十年的歷程資料。

圖 22、MOLAP與ROLAP比較圖

2. OLAP處理操作

典型線上分析處理操作包括上鑽(roll-Up)、深耕(drill-down)、切片(slice)、切丁(dice)、轉軸(pivot)五種分析方式，舉例分述如下：

如圖所示，由門市、產品、時間等三個維度所組成的銷售資料方體(cube)，每一個維度都含有其階層屬性，例如：門市可依據地區別劃分，地區別可向下展開縣市，縣市向下展開鄉鎮市區。

圖 23、銷售資料示意圖

10、 上鑽(Roll-Up)：縮小維度，顯示資料的彙總值。針對門市地區而言，若欲觀察門市各區域別(北、中、南)銷售情形，須將門市的維度縮小成區域別，如此就可觀察出各產品、各季在北、中、南三區銷售情形，如圖所示。

圖 24、Roll-Up示意圖

11、 深耕(Drill-Down)：放開維度，顯示出資料的詳細值。針對時間這個維度，若欲觀察每個月銷售情形，必須將時間維度的季層級向下展開成月，以得各門市、各產品每個月的銷售情形，如圖所示。

圖 25、 Drill-Down示意圖

12、 切片(Slice)：固定某一特定維度值。此處選擇P1 產品作切片的處理，如圖所示，可得到P1 產品在各季、各縣市的銷售數值。

圖 26、Slice示意圖

13、 切丁(Dice)：各維度限定一定範圍。此例時間維度選擇Q1、Q2，產品維度維持不變，門市維度選擇台北、桃園兩個縣市，如圖所示。

圖 27、Dice示意圖

14、 轉軸(Pivot)：針對不同的象限，作旋轉的動作，以不同面向的方式呈現資料。如圖所示，將縱軸門市，橫軸時間，轉變成縱軸時間，橫軸門市。

圖 28、Pivot示意圖

15、 資料探勘(Data Mining)

在商業自動化系統之中，資料探勘(Data Mining)最主要是要從大量資料中找出有用的知識或是規則。資料探勘技術發展至今，已應用在各行各業，而隨著資料量的大增，如何從資料庫、資料倉儲或其他資料儲存處中找出有用的資訊，便成一熱門話題。

資料探勘是近年來資料庫應用領域中，相當熱門的議題。它是個神奇又時髦的技術，但卻也不是什麼展新東西，因為Data Mining使用的分析方法，如預測模型(迴歸、時間數列)、資料庫分割(Database Segmentation)、連接分析(Link Analysis)、偏差偵測(Deviation Detection)等，這些都是美國政府從第二次世界大戰前，就在人口普查以及軍事方面使用這些技術。

但是隨著資訊科技的進展，其速度超乎想像，新工具的出現，例如關連式資料庫、物件導向資料庫、柔性計算理論(包括Neural network、Fuzzy theory、Genetic Algorithms、Rough Set等)、人工智慧的應用(如知識工程、專家系統)，以及網路通訊技術的發展，使從資料堆中挖掘寶藏，常常能超越歸納範圍的關係；使Data Mining成為企業智慧的一部份。

由於資訊科技的進步以及電子化時代的來臨，現今企業所面對的是一個與以往截然不同的競爭環境。在資訊科技的推波助瀾下，不僅企業競爭的強度與速度的增加倍於以往，迅速激增的市場交易也使得各企業所需儲存與處理的資料量越來越龐大。在這樣的前提之下，企業的焦點已從以往的資料整理與蒐集，轉變成如何有效的利用資料庫來進行資訊的獲取。換言之，企業如何因應外界的競爭，能快速且有效的從資料庫中取得有用的資訊，並反應市場或消費者的需求，成為各企業重視的焦點，透過資料探勘將可以完全符合企業的需求。

資料探勘主要處理的問題，就是在龐大的資料庫中尋找出有價值的隱藏事件，並且加以分析。而其主要的貢獻在於，它能從資料庫中獲取有意義的資訊以及對資料歸納出有結構的模式，以作為企業在進行決策時之參考依據(Carven and Shavlik, 1997)。此外，資料探勘所著重的是資料庫的再分析，包括模式的建構或是資料樣式的決定，其主要目的是用以發現資料庫擁有者先前關心卻未曾知悉的有價值資訊（Hand, 1998）。所以事實上，資料探勘並不只是一種技術或是一套軟體，而是一種結合數種專業技術的應用。

資料探勘發展的原因：現代的企業體經常蒐集了大量資料，包括市場、客戶、供應商、競爭對手以及未來趨勢等重要資訊，但是資訊超載與無結構化，使得企業決策單位無法有效利用現存的資訊，甚至使決策行為產生混亂與誤用。如果能透過資料探勘技術，從巨量的資料庫中，探勘出不同的資訊與知識出來，作為決策支援之用，必能產生企業的競爭優勢。

一般而言，資料探勘主要提供下列六項功能：分類(Classification)、估計(Estimation)、預測(Prediction)、關聯分組(Affinity grouping)、群集(Clustering)以及描述(Description)。

1. 分類(Classification)：按照分析對象的屬性分門別類加以定義，建立類別(class)。例如，將信用申請者的風險屬性，區分為高度風險申請者，中度風險申請者及低度風險申請者。使用的技巧有決策樹(decision tree)，記憶基礎推理(memory-based reasoning)等。

2. 估計(Estimation)：據既有連續性數值之相關屬性資料，以獲致某一屬性未知之值。例如按照信用申請者之教育程度、行為別來推估其信用卡消費量。使用的技巧包括統計方法上之相關分析、迴歸分析及類神經網路方法。

3. 預測(Prediction)：根據對象屬性之過去觀察值來推估該屬性未來之值。例如由顧客過去之刷卡消費量預測其未來之刷卡消費量。使用的技巧包括迴歸分析、時間數列分析及類神經網路方法。

4. 關聯分組(Affinity grouping)：從所有物件決定那些相關物件應該放在一起。例如超市中相關之盥洗用品(牙刷、牙膏、牙線)，放在同一間貨架上。在客戶行銷系統上，此種功能係用來確認交叉銷售(cross-selling)的機會以設計出吸引人的產品群組。

5. 群集(Clustering)：將異質母體中區隔為較具同質性之群組(clusters)，換言之，其目的是要將組與組之間的差異辨識出來，並對個別組內之相似樣本進行挑選，同質分組相當於行銷術語中的區隔化(segmentation)。但是，假定事先未對於區隔加以定義，而資料中自然產生區隔。使用的技巧包括k-means法及agglomeration法。

6. 描述(Description)：描述有哪些現象存在，以輔助分析者瞭解現況。

上述的這六大項功能通常會運用到下列的技術：購物籃分析(Market Basket Analysis)、記憶式推論(Memory-Based Reasoning；MBR)、群集偵測(Cluster Detection)、連結分析(Link Analysis)、決策樹(Decision Tree)、類神經網路(Neural Network)、基因演算法(Genetic Algorithm) 、線上分析處理(On-Line Analysis Process)等技術。

· 資料探勘（Data Mining）的應用

資料探勘導入企業，其重點在於企業領域方面的知識，而它的Domain-specific Tools要結合企業中使用者的語言和分析過程，才能發揮工具的效能與增進企業的智慧。換句話說，就是要顛覆常規和超越平日的想像，展現企業目標與問題的知識，以支援解釋別人看不到、看不出的資訊來。企業必須能夠從巨大資料庫中採礦到濃縮、先前不知、可理解的資訊，並從使用中獲利。

資料探勘在各領域的應用非常廣泛，只要該產業擁有具分析價值與需求的資料倉儲或資料庫，皆可利用Mining工具進行有目的的採礦分析。一般較常見的應用案例多發生在零售業、直效行銷界、製造業、財務金融保險、通訊業以及醫療服務等。

於銷售資料中探勘顧客的消費習性，並可藉由交易紀錄找出顧客偏好的產品組合，其他包括找出流失顧客的特徵，及推出新產品的時機點等，都是零售業常見的實例；直效行銷強調的分眾概念與資料庫行銷方式，在導入資料探勘的技術後，使直效行銷的發展性更為強大，例如利用資料探勘分析顧客群之消費行為與交易紀錄，結合基本資料，並依其對品牌價值等級的高低來區隔顧客，進而達到差異化行銷的目的；製造業對資料探勘的需求多運用在品質控管方面，由製造過程中找出影響產品品質最重要的因素，以期提高作業流程的效率。

資料探勘各方面運用的類型：

· 在財務金融方面，預測市場動向，防範犯罪詐欺。

· 直銷行銷方面(Direct Marketing)，資料探勘被廣泛的應用在郵寄活動上，藉由資料探勘可以預測出哪些人最有可能回覆郵寄活動和購買產品，企業針對較少、更有可能消費的潛在客戶，和郵寄資料庫中所有人員名單的作法相比較，前者節省了巨量的成本費用。

· 分析客戶的行為，可以讓您看出您的客戶是不是準備要轉向您的競爭對手。資料探勘中的前後行為分析(Sequential Pattern Detection)功能讓您分析那些已經轉向您的競爭對手的客戶在轉向期間的行為，如此您就可以在現有客戶中找到可能轉向的客戶，想辦法留住他們。

· 資料探勘可以幫您找出從前的一些信用不良的客戶的特徵，而從這些特徵您就可以從現有客戶中找出可能有不良信用的客戶，防止產生壞賬，也可以過濾這些人成為您的客戶。

· 資料探勘中的客戶分類(Segmentation)功能，可以讓您更瞭解您所服務的客戶，這樣您就可以設計更好的產品來滿足您的客戶的需求。

· 商業智慧所要解決的問題還包括如何減低詐欺或不實的申報(Fraud)。利用資料探勘的技術，您可以在特定的客戶群中找出可能的詐欺行為，如此才能減少損失，增加利潤。

· 增加單一顧客的消費金額，利用資料探勘找出哪一類型顧客最有可能購買新產品及哪些產品通常會一起被購買。

· 如果採用不同的價格策略，是否能增加市場佔有率？

· 什麼時候才是推出新產品的好時機？

· 我們與競爭對手的優劣勢如何？

· 讓我們獲利高的客戶們有什麼共同的特徵？

· 當我們的客戶要轉向我們的競爭對手之前，是否有何前兆？

· 如何認定客戶的信用風險狀況？

· 如何設計更好的保險產品來吸引客戶，讓客戶滿意？

· 一個經紀人在一個星期中應該可以賣出多少共同基金？

· 於銷售資料中，採礦顧客的消費習性

· 根據以往審核的資料，找尋核發信用卡的規則

· 在NBA球賽資料中，找出球員的強弱點

· 從消費及繳費資料中，預警信用卡呆帳

· 從通話記錄資料中，預警盜打電話

資料探勘只是知識探勘過程中的一個步驟而已，而達到這個步驟前還有許許多多的工作要完成。企業界在導入資料探勘時， 其重點在於企業領域方面的知識，而它的專業領域應用工具(Domain - Specific Tools)則應結合企業中使用者的語言和分析過程，才能發揮工具的效能與增進企業的智慧。換句話說， 就是要顛覆常規和超越平日的想像， 展現企業目標與問題的知識，以支援解釋別人看不到、看不出的資訊來。企業必須能夠從巨大資料庫中挖掘到濃縮、先前不知、可理解的資訊， 並從使用中獲利。

16、 平衡計分卡(Balanced Scorecard)

平衡計分卡是將企業制定的策略與關鍵性績效評估指標相互結合，並在長期與短期目標下，對財務性與非財務性、外部構面與內部構面、落後指標與領先指標及主觀面與客觀面等具體績效指標間取得平衡之策略性管理工具。平衡計分卡幫助企業在策略訂定後，透過可以評估之指標，來引導策略的執行。它除了財務面的指標更包含了非財務面的衡量指標，不但可以讓員工更具體的了解企業願景，同時亦讓管理者更容易追蹤策略的執行成果。平衡計分卡更重要的精神在於建立績效評估制以回應機構策略定位與使命，「單一尺寸的鞋子無法讓眾人適穿」，同理，各個機構各有其長處、短處、面臨的環境、市場以及應對策略；因此，對某機構適合的績效評估制度未必同樣適用於另一機構。平衡計分卡有如是企業的導航儀器，將組織的使命和策略化為一套全方位的績效量度，做為策略衡量與管理體系的架構，以幫助管理階層領導組織的在未來的競爭中獲勝。

1. 平衡計分卡四大構面

平衡計分卡保留了傳統的財務量度，增加驅動未來績效的量度，來彌補僅僅衡量過去績效的財務量度之不足。計分卡的目標(objectives)和量度(measures)，是從組織的願景與策略衍生而來，它透過四個構面：財務、顧客、企業內部流程、學習與成長來考核一個組織的績效。平衡計分卡提供一個基本架構，使企業從四個構面來衡量它創造價值的成效：

(1) 財務構面：顯示策略如何促使企業成長、提高獲利、控制風險而創造股東報酬的價值。

(2) 顧客構面：顯示從顧客的角度看來，企業如何為顧客創造價值，並與其他競爭者有所差異。

(3) 內部流程構面：依據策略的優先順序決定關鍵性的業務運作流程，使其能達顧客和股東的滿意。

(4)

商業智慧系統發展程序

系統設計系統建置與管理系統分析

企業

需求分析

資訊

來源分析

邏輯資料

模型設計

商業智慧

架構設計

商業智慧

準備程序

轉換

程式設計

實體

資料庫設計

資料

載入設計

資料挖礦

模式設計

使用端

程式設計

商業智慧

整合性

系統建置

資料庫管理

安全管理

效能管理

學習與成長構面：顯示如何創造使組織不斷創新和成長的環境與氣候。

圖 29、平衡計分卡架構圖

一套嚴謹的平衡計分卡，不光只包含財務和非財務性指標，而且要包含的一連串連結的目標和量度，這些量度和目標不僅前後連貫，而且互相強化。平衡計分卡就如同是飛行的模擬器，應該包含一套複雜的變因果關係，包括領先、落後和回饋循環，並能描繪出策略的運行軌道和飛行計畫，以反映出事業單位的策略。「落後指標」緊密結合策略與使命，也就是平衡計分卡內的成果衡量指標(outcome measures)；「領先指標」顯示落後指標可否達成之早期訊號，也就是平衡計分卡成果驅動因素(performance drivers)。一個平衡計分卡若只有成果量度而無績效驅動因素，則無法顯示獲致成果的過程，也不能提早提示策略實施�