分類問題是資料採礦作業中最普遍的一種，其目的在於事先預測「尚未發生」的分類事實，信用卡違約風險預測模型正是分類問題的一項應用。本研究將以商業智慧的觀點，配合Microsoft SQL Sever 2005軟體所提供的資料採礦工具，利用發卡銀行龐大的客戶歷史資料，透過先進的資料採礦技術(決策樹、類神經網路、貝氏機率分類)和統計方法(羅吉斯迴歸)，建構出一套完全符合自身銀行客戶特性的信用卡評分模型之流程。 以本研究的結果所示，在模型的預測能力上，羅吉斯迴歸優於類神經網路，類神經網路又優於貝氏機率分類及決策樹，且根據BASELⅡ對信用評分卡的規定，羅吉斯迴歸為其標準的演算法，因此最終模型即選擇以羅吉斯迴歸所建立的模型。

近年來，由於雙卡風暴的襲捲，卡奴的問題愈趨嚴重，又適逢新巴塞爾資本協定於民國95年底正式實施，為因應此趨勢，本研究將以國內某銀行為研究對象，透過資料採礦流程，針對該銀行之進件徵審資料建構一套符合自身銀行客戶特性的信用卡評分模型。 本研究分別利用羅吉斯迴歸、類神經網路、決策樹三種方法建立模型，並比較三種方法的預測能力及有效性，結果發現羅吉斯迴歸模型預測能力及有效性皆較其他兩者為佳，因此以羅吉斯迴歸方法所建立的模型為本研究最終模型。接下來便針對該模型，利用K-S 檢定、吉尼係數和ROC曲線進行模型評估，以評估模型的有效性，最後，更進一步依照該模型所預測之違約機率，建立信用評分等級，同時檢視各等級內客戶之特性。

近年來隨著資訊科技的快速成長，資訊系統在處理大量資料和高速運算等功能上，有非常顯著的突破與進步。本研究利用資料採礦技術，應用在物業管理尋找潛在客戶領域，透過實證結果分析發現，決策樹分析在尋找潛在客戶之影響因子及以預測可能之潛在客戶有很好的成效；群集分析對於找出潛在客戶同質性的特性，提供業者作為市場區隔客戶，有很大的幫助。此外，本研究利用傳統之因素分析法找出客戶價值，對於業者在進行客製化服務時，更能有效地將資源投入在最有價值的客戶身上。 本研究利用地政資料作為客戶資料之基礎，不足之屬性以問卷調查方式補足，透過資料採礦技術使用決策樹分析，找出潛在客戶之重要影響因子，得到管理維護方式，家庭所得、屋齡、建物類型等因子。其次將決策樹分析出來的重要影響因子，進行群集分析找出同質性相近的客戶族群予以歸納分類，找出最佳型客戶、開發型客戶、忠實型客戶、流失型客戶等四種類型。最後依據問卷調查資料，針對客戶對物業管理的重視程度與滿意程度進行因素分析，找出20%最有價值的客戶。

本研究目的，是以資料採礦的觀點，配合SPSS Clementine 11.0軟體所提供的資料採礦工具，將資料採礦進行的分析流程，導入企業信用評等模型的建置程序，針對內部評等法中的企業型暴險，根據新版巴塞爾資本協定與金管會的準則，建立信用評等模型。 投入模型的變數，分為財務變數以及總體經濟變數。在精細抽樣比例與模型方法的比較上，1:2比例訓練出的模型在反查率(Recall)較佳且在整體正確率(Accuracy)上亦有不錯的表現；最後模型評估結果決定使用羅吉斯迴歸模型。 本研究所建構出的信用評等系統分為8個評等等級，違約的機率隨評等遞增，以第8等作為違約戶的評等結果。信用評等的各項驗證，首先各等的授信戶均勻分布於8等之間，各評等的預測違約機率，亦相當接近實際違約機率，總結來說，本研究建構之模型具有一定的穩定性與預測效力，並且皆通過新巴塞資本協定與金管會的各項規範，顯示本研究之信用評等模型能夠在銀行授信流程實務中加以應用。

新巴塞爾資本協定（the New Basel Capital Accord）已於2004年底定案，2007年正式開始實施。在新的協定及金管會的規定裡面，金融機構必須建立自己的評等模型，重視放款的風險。而除了上市、櫃公司會和金融機構有借貸往來之外，許多中小企業也有融資的情形。因此，希望能有效掌握貸後風險及了解影響貸後風險的一些因素即是本研究的研究重點。 本研究以資料採礦的觀點蒐集了92至94台灣中小企業基本資料及財務資料，並加上年度的經濟指標，以資料採礦的流程去建立違約及評等模型，以有效管理貸後風險。 本研究係以羅吉斯迴歸（Logistic Regression）建立違約模型，找出了影響違約機率顯著的九個變數：「企業年度營收」、「產業類別」、「現金流量為負，但淨利為正」、「最近三個月查詢家數」、「擔保授信餘額比率」、「是否動用現金卡」、非現金之流動資產比」、「借款比率」、「進出口貿易年增率」，利用評等評分系統分出九個評等等級，違約機率隨著評等等級變高而增加，而在不同的測試下，建立出的模型有不錯且穩定的表現，皆通過新巴塞爾及金管會的規範。希望此模型及評分系統在實務上可有效利用資訊掌握違約的可能性及貸後風險。

隨著網際網路越來越發達，資料量的膨脹速度也超乎想像，因此資料採礦的技術已是不可或缺的，而雲端運算產業也將是未來的趨勢。本研究以雲端運算的概念，透過VBA（Visual basic for application）、軟體R以及Excel的增益集-RExcel，建構一個資料採礦分析之預測（Forecasting）系統的介面。考慮將本研究所建的系統大眾化，即便使用者未具備足夠的統計知識，也可以簡易的操作本系統。因此本研究建構使用簡單且方便的資料採礦之預測（Forecasting）系統。 本研究的資料採礦之預測系統裡面包含了五種資料採礦分析的預測方法，包括了迴歸分析（Regression analysis）、分類迴歸樹（C & R tree）、時間序列分析（Time series analysis）、類神經網路（Neural net）以及羅吉斯迴歸分析（Logistic regression analysis），其中本系統的羅吉斯迴歸分析又細分為兩種，有二元羅吉斯迴歸分析（Dichotomous logistic）和多元羅吉斯迴歸分析（Polytomous logistic）。本研究的資料採礦之預測系統操作簡易，使用者只需要選取所要預測的目標變數和欲加入建模的解釋變數即可分析，系統可以自行判斷目標變數所屬的類別對資料做後續分析。 關鍵字：資料採礦、雲端運算、預測 / As the Internet developed increasingly, the amount of data grow in unimaginable speed. Therefore, data mining techniques is essential, and cloud computing industry will be the future trend. This study which bases on the concept of cloud computing builds a data mining forecasting analysis system through VBA, the R language and add-ins of Excel –RExcel. The system which is builded in this study is convenient and easy. The user can operate the system easily, even if the user does not have sufficient statistical knowledge. Accordingly, this study constructs the simple and easy data mining analysis system of the forecasting. In this study, the data mining analysis system of the forecasting contains five methods of data mining analysis : regression analysis, classification and classification & regression tree, time series analysis, neural network and logistic regression analysis. And logistic regression analysis could be separated two parts, Dichotomous logistic and Polytomous logistic . In this study, the data mining forecasting system is easy to operate, and the user need only select the target variable and explanatory variables which they need. In addition, the system could determine which categories of target variable. Keyword：data mining、cloud computing、forecasting

俗話說：「王者以民為天，而民以食為天。」，故由此可知「食」自古以來即佔中華民族生活中相當重要一環，而小吃、夜市與餐廳琳瑯滿目的台灣，更是應證了先人的話。近年來外食人口增加，使餐飲業市場逐年擴大，根據財政部統計處之資料，全台灣餐廳家數逐步攀升，更於2012年達109,816家之多，在此競爭激烈的環境中，如何佔有一席之地、取得顧客之青睞，則成為自眾多對手中脫穎而出的重要關鍵。 本研究即以此為動機，藉由某餐飲公司之顧客意見卡為研究資料，運用資料採礦分析方法分別對顧客性質、用餐次數以及推薦意願建構五種預測模型(羅吉斯迴歸、C&R Tree、Quest、C5.0以及CHAID)並加以評估與比較，最後根據最適模型進行分析，以期找出影響餐飲業顧客承諾之重要因素，並依研究結果供餐飲業者做決策之參考依據。

化妝品產業近幾十年來由於受到經濟繁榮發展及人民生活水準的提升而蓬勃發展，化妝品已經從過去的奢侈品，轉為日常生活不可或缺的必需品，使用層面急速擴展，化妝品市場規模亦逐年擴大，具廣大的商機，競爭對手眾多，在此競爭激烈的環境中，如何提升自家化妝品的市場占有率、保留舊顧客、拓展新客源，且與顧客維繫良好的關係，進而提升企業競爭力，為企業須面對的重要課題。 本研究藉由某家化妝品公司之旗下品牌的銷售明細作為研究資料，應用資料採礦分析方法，對各品牌進行顧客價值分群，瞭解各顧客價值群的特性概況，並針對欲探討之顧客群建立顧客購買產品的關聯規則模式，據此推出不同的商品銷售組合，進行有效行銷以提升銷售金額，最後，則依據研究結果對該家化妝品公司提供建議，作為該業者後續經營之參考。

網際網路從 90 年代開始興起並快速發展至今，不僅徹底地改變了人類的生活習慣，也改變了人與人之間的溝通方式，甚至是工作的方式，而網際網路目前仍繼續以驚人的速度改變著全世界。其中一項最能代表網際網路改變人們生活方式，並創造出全新的商業經營模式的實例就屬電子商務的應用。根據財團法人台灣網路資訊中心在2010年和2011年連續兩年針對網路購物服務部分所做的調查中發現，有使用網路的民眾同時也具有網路購物經驗之比例分別為57.41%和61.23%，顯示台灣民眾在網路上購物的行為是有上升的趨勢。 因此本研究將利用行政院國家科學委員會之傳播學術調查資料庫，第一期第二次「網路行為調查與偵測」資料，並透過資料採礦技術，輔以SPSS Clementine 12.0軟體，來將網路使用者以網路購物模式進行分類，以及找出網路使用者對於資訊傳播和接收與網路工具使用的行為模式，和其進行網路消費行為之關聯性，以供實務界制定行銷策略或於推行其他網路服務及宣傳時作為先期的依據參考。

現今電子化的時代，有些企業雖然擁有數百萬的資料，但要分析起來是相當困難且耗時的，往往又浪費人力與金錢，而又無法得到預期的結果。而利用資料採礦技術，便可以從這大量的資料中，挖掘出隱藏的、有用的訊息及知識，還可以從既有的資料預測未來，使企業可優先獲得商機。 對於資料採礦而言，一開始的資料收集便是一項很重要的課題，資料品質的良莠，牽動著結果的正確性及預測的成敗。但每一個研究主題都有其各自的目的、所需的資料變數、適用的演算法等等，所以也有可能無法幸運地在同一個資料庫中得到所需的完整訊息，若是重新進行調查，是很費時、費力的工作。當我們面臨以上問題時，對於部份資料的缺漏該如何補救呢？！這便是我們在本研究中的研究目的。所以我們可以試著從現有的資料庫下，利用兩個其他的資料庫來輔助，利用函數映射的方法來補齊我們所要的資料，如此情況下再來做資料採礦，便能更有效率；對於我們所建立出來的預測模型，也更為準確。 在資料庫連結的過程中，我們討論了三種情況，分別為三個資料庫間有相同欄位、兩兩資料庫有相同欄位、三個資料庫間沒有相同欄位。從研究結果發現，不管資料庫之間有無相同欄位可供連結使用，利用函數映射方法為資料庫增加訊息是可行的，而且效能相當不錯，可以提供給資料採礦工作者在蒐集資料時的參考，以及未來的研究方向。