全民健康保險自實施以來，透過危險分擔與社會互助的原則，降低了民眾就醫時的財務障礙，進而促進了全體國民的健康。可是由於收入成長減緩與支出不斷增加的情形，使得這個制度目前已面臨嚴重的財務危機，然而在目前政治與經濟環境的雙重影響之下，健保收入已無法有效增加，因此努力控制醫療費用支出，便成為當務之急。但是全民健康保險是一項社會福利政策，不能因為控制醫療費用而降低了醫療品質。如何將醫療資源有效分配，以便減少醫療資源浪費、維持醫療品質並減輕醫療費用的支出，便需依賴一個良好的審查制度。 然而對於醫療費用的審查，不管在設計、分析、控管乃至評估上，都是知識密集的工作，而且審查的過程還必須藉由專業審查者的參與始能完成，因此如何善用資訊科技予以適當之輔助，便成為醫務管理上一個非常重要的議題。 本研究使用健保局北區分局感冒等疾病之就醫資料作為樣本，在分析過國內外對醫療費用審查的建議方式後，嘗試設計一個新的自動化審查機制，並發展一套以資料發掘為基礎的自動化審查雛型系統，希望能在醫療院所申報的記錄中找出共同的規則，並利用這些規則自動將有問題的資料篩選出來，幫助健保局與專業審查者將焦點集中在有問題的資料上，以便能更有效率的進行審查的工作。 本研究所得到的結果，經健保局人員與專業審查醫師檢視後，認為確實可行，除了證明資料發掘技術可以有效地應用在醫療費用審查，並帶來可觀的效益之外，還達到有效降低審查人力、提昇審查效率的目的。而對於這種自動篩選出異常的審查方式，應如何實際加以應用，本研究也提出了具體的建議架構及實施步驟，供健保局在未來建立自動化審查制度時的參考依據。

客戶關係管理（Customer Relationship Management, CRM）藉由各種資訊技術來留住客戶，以產生更多的商業價值。然而，許多文獻指出，CRM系統的失敗率很高，尤其是CRM主要的核心能力--銷售員自動化（Sales Force Automation, SFA）。研究指出改善的方式包含更好的管理支援、培訓、系統易用性和強烈的使用動機等等。接續此建議，本文提出了一個銷售員支援（Sales Force Support, SFS）系統，藉由線上分析處理（Online Analytical Processing, OLAP）、資料採礦（Data Mining, DM）和雲端服務（Cloud Service）等技術，協助彙整及提供支援銷售員的客戶推薦 (Customer Recommendation)和自我績效評估(Self Evaluation)功能，以刺激更好的銷售能力、滿足客戶與管理。可望提高系統的易用性和業務人員的使用動機，藉以橋接銷售員和管理人員之間的差異。為了評估推薦功能之適用性，本論文也發展一套驗證指標，並採用一套隨機數學模型（Stochastic Mathematical Model），作為強化推薦預測之嘗試。 / Customer Relationship Management (CRM) adopts various information technologies to retain and attain customers in order to generate more business values. However, the earlier studies indicate the failure rate for CRM systems is high and it’s even higher for Sales Force Automation (SFA), a major core in CRM. They usually suggest the enhancement in better management support, more training, user friendliness, and usage motivation, and so on. Following the suggestions, this research proposes a Sales Force Support (SFS) system to integrate technologies like OLAP (Online Analytical Processing), Data Mining (DM), and cloud service, etc. to provide supporting information in customer recommendation and self-evaluation, in order to better stimulate sales and satisfy customer and management. The objectives can be achieved by enhancing the user friendliness and usage motivation, and bridging the differences between sales force and management. To evaluate the fitness of recommendation function, a set of validation measures is also developed. In addition, a stochastic mathematical model is also attempted to enhance the recommendation prediction.