輔仁大學
學術資源網

記錄編號3336
狀態NC088FJU00396010
助教查核
索書號
學校名稱輔仁大學
系所名稱資訊管理學系
舊系所名稱
學號487746093
研究生(中)黃明正
研究生(英)Huang Min Cheng
論文名稱(中)知識探勘與競爭者分析
論文名稱(英)Knowledge Discovery in Database and Competitor Analysis
其他題名
指導教授(中)苑守慈
指導教授(英)Soe-Tsyr Yuans
校內全文開放日期
校外全文開放日期
全文不開放理由
電子全文送交國圖.
國圖全文開放日期.
檔案說明
電子全文
學位類別碩士
畢業學年度88
出版年
語文別中文
關鍵字(中)競爭者分析 知識探勘 時間序列
關鍵字(英)Competitor Analysis Knowledge Discovery in Database Time Series
摘要(中)在這快速變動、競爭激烈的時代下,企業若想在市場中獲得先機,擁有競爭優勢,就必須掌握充分的資訊;對於一個企業而言,其競爭者提供了相同或是相似的產品,且競爭者的存在會危及企業市場的版圖,企業若想在產業中持續地經獲取競爭優勢,則千萬不可忽略競爭者的存在,而對於這些提供相同或是相以產品或是服務的競爭者,持續地監督市場的狀況以獲得充足的資訊,並將資訊轉換為情報乃是一項重要的任務,這項任務便是競爭者分析。 資訊科技的發展快速,使得在許多領域都可看到資訊科技的運用,然而將資訊科技運用於競爭者分析上則少有聽聞;近來知識探勘的技術日漸成熟,在一些報章雜誌中也當看到一些成功的案例,而本研究則欲將知識探勘中時間序列的技術運用於競爭者分析上,期望能提供企業有用的資訊以協助企業掌握競爭者及市場的資訊。 本研究資料源為全球最大印表機廠商台灣分公司,由其提供在各個不同的銷售地點,企業本身及其主要競爭者各類產品的庫存及銷售資料,經由我們所設計的分析方法對這些資料進行分析,以期望能瞭解在不同的地點及時間下,企業和其主要競爭者在市場中的相對情況,以期望管理者能依據這些資訊做出最正確的決策,使得企業可以達到在最適當的時間下,將最適當的產品及產品量送至最適當的地點。 經本研究的實驗結果顯示,在不同的地點及時間下,相對於競爭者的銷售狀況便不相同,而透過本研究所設計系統建議庫存量模式,若接受此建議的庫存量,將可以使得各個地點的庫存變化配合銷售的變化,讓每一個產品都能擺在最適合的地點,發揮最大的效用。
摘要(英)In the era of rapid growth and sheer competition, an enterprise must be in the position of information/knowledge advantage in order to hold the opportunity knock in the industry. Competitors are companies that offer the same or similar products/services as the enterprise, whose growth is greatly influenced by these competitors. Therefore, the enterprise has to continuously monitor its competitors in order for getting enough information and converting the information into intelligence. That is, the enterprise must do the task “competitor analysis”. Although information technology has been used in many areas and has many successful examples, it is rarely the case that information technology is used for the task of “competitor analysis”. On the other hand, the technology of knowledge discovery in database is getting mature and has been successfully applied in some cases. Accordingly, our research employs the technique of time series for the task of competitor analysis in an attempt of devising a method that can provide enterprises some information/knowledge advantage. The source of the data our method analyzes is from the Taiwan Branch of the biggest printer company in the world. The data contains two major categories of information: the sale and stock amount of the enterprise’s products available in different vendors over different periods of time, versus those of the major competitor’s. The purposes of our research are two-fold: (1) the data can be mined into an information/knowledge advantage for the enterprise — the most appropriate stock amount of a product to be allocated for each vendor at timely fashion. (2) this information/knowledge advantage makes it possible that managers make right decisions for the problem of stock-amount allocation, freeing the dilemma of over-stock or under-stock happening to many enterprises. The results show our method is quite promising toward this end.
論文目次摘要 I Abstract III 目 錄 V 表 次 VIII 圖 次 XII 第壹章 緒論 1 第一節 研究背景 1 第二節 KDD與競爭者分析 6 第三節 問題描述 7 第四節 研究目的 7 第貳章 文獻探討 9 第一節 時間序列及知識探勘 9 第二節 時間序列資料的相關名詞定義解說 11 第三節 時間序列資料的三個層次及其架構 13 第四節 原始資料層次(Raw Data Level)的相關議題 16 第五節 特徵層次(Feature Level)的相關議題 18 第六節 語意層次(Semantic level)的相關議題 19 第七節 相關研究的不足與本研究的重要性 23 第參章 研究方法 26 第一節 研究步驟 26 第二節 實驗變項 28 第三節 資料的前置處理 32 第四節 分析方法 36 第五節 修正模式 42 第六節 實際案例介紹 46 第七節 實驗 51 第肆章 區間長度與庫存和銷售變化差異臨界值 53 第一節 區間長度的重要性 53 第二節 如何判斷區間長度的優劣 54 第三節 區間長度的選擇 61 第四節 庫存和銷售變化臨界值的重要性 67 第五節 庫存和銷售變化臨界值選擇的說明 67 第伍章 實驗與評估(一) 73 第一節 單位區間長度之實驗設計 73 第二節 單位區間長度之實驗結果 75 第三節 庫存和銷售變化差異臨界值之實驗設計 100 第四節 庫存和銷售變化差異臨界值之實驗結果 101 第五節 結論 110 第陸章 實驗與評估(二) 116 第一節 資訊探勘的實驗設計 116 第二節 資訊探勘之實驗結果 117 第三節 修正模式之實驗設計 137 第四節 修正模式之實驗結果 139 第五節 結論 152 第柒章 結論與未來研究方向 157 參考文獻 161 附錄A 164
參考文獻謝清佳、吳琮璠,資訊管理-理論與實務,臺北:智勝文化事業有限公司,1997. A.C. Singer, G. W. Wornell and A. V. Oppenheim. A Nonlinear Signal Modeling Paradigm. In Proc. Of ICASSP 1992, 1992. Bela Bollobas, Gautam Das, and Dimitrios Gunopulos,Time-Series Similarity Problems and Well-Separated Geometric Sets,Symposium on Computational Geometry,1997,pp. 454-456. Chung-Sheng Li, Philip S. Yu, and Vittorio Castelli,MALM:A Framework for Mining Sequence Database at Multiple Abstraction Levels,CIKM 1998,pp267-272 Gautam Das and Dimitrios Gunopulos and Heikki Mannila,Finding Similar Time Series,PKDD 1997,pp. 88-100. Jiawei Han, Guozhu Dong and Yiwen Yin,Efficient Mining Partial Periodic Patterns in Time Series Database,Proc. 1999 Int. Conf. on Data Engineering(ICDE’99),1999,pp. 106-115 Juha Vesanto, Using the SOM and Local Models in Time-Series Prediction,in Proceedings of Workshop on Self-Organizing Maps(WSOM97),1997. Kin-pong Chan and Ada Wai-chee Fu,Efficient Time Series Matching by Wavlets,1999。 Kirk W. M. Tyson, Competitive Knowledge Development: Reengineering Competitive Intelligence for Maximum Success, Competitive Intelligence Review, Vol. 6(4), P. 14-21, 1995. Ming-Syan Chen, Jiawei Han and Philip S. Yu,Data Mining:An Overview from Database Perspective,IEEE Transactions on knowledge and Data Engineering,1996. M. Ester, H.-P. Kriegel, and X. Xu. Knowledge Discovery in Large Spatial Databases:Focusing Techniques for Efficient Class Identification. In Proc. 4th Int. Symp. On Large Spatial Databases(SSD’95),1995,pp. 67-82 Rakesh Agrawal, Giuseppe Psaila, Edward L. Wimmers, Mohamed Zait,Querying Shapes of Histories,Proceedings of the 21st VLDB Conference Ziirich, Switzerland,1995。 Usama Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, The KDD Process for Extracting Useful Knowledge from Volumes of Data, COMMUNICATIONS OF THE ACM, November 1996/Vol. 39, No. 11, pp. 27-34 Yunyao Qu, Changzhou Wang, and X. Sean Wang,Supporting Fast Search in Time Series for Movement Patterns in Multiple Scales,Seventh International Conference on Information and Knowledge Management(CIKM), Washington, DC , November,1998。 Marketing Plan Components:Competitor and Issues Analysis,http://www.onlinewbc.org/docs/market/mk_mplan_compe titor.html. Competitor Analysis — a Brief Guide,http://dspace.dial.pipex.com/aware/competitor-analysis.html
論文頁數182
附註
全文點閱次數
資料建置時間
轉檔日期
全文檔存取記錄
異動記錄M admin Y2008.M7.D3 23:17 61.59.161.35