近年來銀行經營管理方式已因經濟環境改變及金融市場變遷而產生了巨大變革，商業銀行的資產規模是不是可以無限制地擴張？銀行經營績效的評估方式仍可用傳統盈餘及成本觀念加以框架嗎？在此背景下，巴塞爾資本協定應運而生。1987 年，美聯儲和英格蘭銀行聯合向巴塞爾清算委員會提出要在世界上建立共同的資本體系，目的就是要限制在資本不足的情況下銀行規模的過度擴張；現代金融機構經營績效的評估亦不再僅是單純存放款利差的擴大，而更由考量「每單位資本」所得利潤，轉變為衡量「每單位風險」下所能創造的獲利。藉由這種思維轉變所產生的評估指標，較能忠實呈現風險下的真正績效，並有效掌握銀行內部風險程度及獲利狀況，對資金與稀少性資源做適當分配。 如何達到最佳化的資本配置？最主要在於精確量化銀行業者每天所面臨的各項風險，尤其是信用風險的量化。而信用評等（credit rating）制度的建立係現代商業銀行量化信用風險管理的最重要且最基本的一環，信用評等的建置成敗在於資料倉儲的品質與IT 支援能力，這也是銀行內部評等建置的基楚工程，而一般大型國際銀行在建置內部評等系統時，會一併將後續呆帳準備（provisions）計提、預期損失與未預期損失、資本配置管理與風險調整後績效評估連結。 本研究室針對電子製造產業，在新巴賽爾協定規範下，建立信用評等模型。模型採用羅吉斯迴歸建立，模型中的變數可分成三個構面：『董事持股面』、『公司獲利面』、『公司負債面』；而模型的整體正確率可達88.31%。在各項模型的測試中，皆有穩定的表現。

巴塞爾銀行監理委員會於2001年1月公布新版巴塞爾資本協定，並於2006年底正式實施。新協定鼓勵銀行能建立自己的內部評等系統評估違約風險，並重視銀行放款風險考量資訊的量化和降低計提所需資本，進而提高金融機構風險敏感性，以彌補傳統標準法的不足。為因應此趨勢，本研究以全國公開資料庫的資料為實例，資料的觀察期間為1996至2005年，透過資料採礦流程，以製造傳統產業公司之授信樣本為主要的研究對象，建構企業違約風險模型及其信用評等系統。 本研究分別利用類神經網路、羅吉斯迴歸和C5.0決策樹三種方法建立模型並加以評估比較其預測能力。結果發現羅吉斯迴歸模型對違約戶的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進行各項驗證，驗證後發現此模型即使應用到不同期間或其他實際資料，仍具有一定的穩定性與預測效力，確實能夠在銀行授信流程實務中加以應用。

新巴塞爾資本協定的誕生為全球廣大的金融體系定下一個控制風險的準則，要求金融機構對於其自身風險提列一定的資本準備，以避免發生危機時，毫無應變的能力。金融機構若能依內部評等法計算出對應其自身風險的最低計提資本，即可在風險控制下避免準備過多的資本，以追求最大的利潤。 本研究對象為國內於1996至2005年分類為電子工業下之授信企業，違約企業佔總體資料5.51%，本研究遵循新巴塞爾資本協定中內部評等法之規範，及考量實務應用之普遍性與準確性，以羅吉斯迴歸法建置信用評等模型，並依金管會所建議之方向逐一對模型加以驗證，以符合在實務上運作之標準。 違約機率模型中包含了四個財務報表之變數，一個企業基本特性變數，根據拔靴驗證，不僅在AUC項目的表現相當良好，此模型之參數表現亦相當穩定，不受訓練外樣本而有所明顯的變動。在敏感度分析中，變動某一參數至最差信用等級，皆會讓違約機率有明顯上升。本研究授信資料一共橫跨十年的時間，符合內部評等法中需要五年以上歷史資料的要求，信用評等在轉移矩陣中的表現十分優秀，大致集中在對角線的部分，且幾乎沒有發生在前一年度評等為最差等級的企業在下一年度回復至評等最安全的前三等級的狀況。且透過十年間企業評等的轉移情形發現，電子工業產業在十年間大部分企業有下降的情形，僅有少部分是上升的狀況，顯示出電子工業產業在1996至2005此十年間可能有下滑之趨勢。

新巴賽爾協定已於2006年正式實施，國內各金融業為有效控制信用風險，近年來多致力於內部信用評等之建立；本研究透過建置違約預測模型的方式，讓金融機構可採用更科學且快速的方法預測客戶之違約機率，兼顧了金融機構的獲利與安全性。 本研究之研究對象為全國公開資料庫於民國85年至94年的服務業，其中違約客戶佔1.6%，非違約客戶佔98.4%；藉由企業財務報表與基本構面結合經濟變數，經誤差抽樣建立羅吉斯模型；經評估確立以1：2誤差抽樣比例下的羅吉斯迴歸模型效果最佳。接下來便針對模型去評估模型的有效性；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。 研究結果發現，以K-S Test以及ROC曲線進行模型正確性評估，本研究之模型有一定水準可以區隔正常授信戶及違約授信戶的能力；等級同質性檢定，也得到了同一等級內違約要素為同質且組內變異小的結果；表示本模型具有一定的穩定性與預測效力。

全民健保自開辦以來，財務一直存在入不敷出之隱憂，醫療院所頻頻呼籲健保的給付不足，將造成經營困難。除此之外，醫師人口逐年增長、診所成本入不敷出、人口老化迅速及新醫療設備之引進及各政策之影響下，本研究想瞭解在競爭及不確定的環境中，診所應如何以創新經營。本研究導入資料採礦之觀點，將商業智慧用於眼科診所之案例，利用忠誠度分析、流失度分析、獲利貢獻度分析、就診時段分析，想瞭解診所客戶之特性並且針對其習性及特點，並加上SWOT分析，清楚瞭解診所內部之優缺點及外部的機會與威脅，作好準備以謀取事業的永續發展。忠誠度分析之結果發現，其特點為家庭來診人數最多，性別比例較其他集群平均，案類分佈則以一般案類為主，年齡層為22歲以下及35歲以上居多；而在獲利貢獻度中，高利潤收入之地區分佈為竹北市、新竹市明湖路、福德街等；在流失度分析當中，研究發現客戶群在22歲以下，案類為一般案類，且兩人看診家庭的流失比例最高；最後就診時段分析當中，發現所有病例之地區時段、看診日分析看診人數除星期四外，皆以早上時段為最多。資料採礦是很好的輔助工具，將商業智慧應用於診所之經營上，可依照不同的分析集群搭配不同的行銷策略，增加競爭力，規畫創新之營運模式，以追求更好的發展。 / Since its start, expenditure exceeding income has always been a hidden concern in the finance of the National Health Insurance (NHI). Medical clinics have repeatedly said insufficient payment from the NHI will result in difficulty in their management. Moreover, other factors are affecting the clinics, namely, the growing number of doctors statewide, the income shortage of running a clinic, the rapidly aging population, the introduction of new medical equipment, and the various new policies. This paper intends to explore some innovative management plans for the clinics in a competitive and uncertain environment. Business intelligence is applied in the case study of an eye clinic. The analysis of client the degree of loyalty, run off, profit contribution, and visiting time help understand client habits and characteristics. A SWOT analysis further helps the clinic clearly understand its own strength and weakness, and the opportunities and threats from outside. Thus it can better prepare itself for a long term business. The analysis of client the degree of loyalty shows the following: most of the clients are family members; there is an even male/female ratio while in other categories it is not so; most medical cases are general cases; most of the clients aged under 22 or above 35. The analysis of the degree of profit contribution reveals that the districts related to higher profit are Zhubei City, and Minghu Road and Fude Road of Hsinchu City. In the analysis of The degree of run offs, it is found that most of them are under 22, most medical cases are general cases, and most of the clients are two people from a same family. Lastly, in terms of visiting time, analysis shows that most of the clients, regardless of their residential areas, visit in the morning except on Thursday. Business intelligence is an helpful tool. According to the analysis a clinic can match different client groups with different marketing policies, enhance it competitive edge, plan for an innovative management model, and pursue a better development.

中小企業是台灣經濟貿易發展的命脈，過去以中小企業為主的出口貿易經濟體系，是創造台灣經濟奇蹟的主要動力。隨著2006年底新巴賽爾協定的正式實施，金融機構為符合新協定規範，亦需將中小企業信用評分程序，納入其徵、授信管理系統，以求信用風險評估皆可量化處理。故本研究將資料採礦技術應用於建置中小企業違約風險模型，針對內部評等法中的企業型暴險，根據新協定與金管會的準則，不僅以財務變數為主，也廣泛增加如企業基本特性及總體經濟因子等非財務變數，納入模型作為考慮變數，計算違約機率進而建置一信用評等系統，作為金融機構對於未來新授信戶之風險管理的參考依據。而本研究將以中小企業中製造傳統產業公司為主要的研究對象，建構企業違約風險模型及其信用評等系統，資料的觀察期間為2003至2005年。 本研究分別利用羅吉斯迴歸、類神經網路、和C&R Tree三種方法建立模型並加以評估比較其預測能力。研究結果發現，經評估確立以1:1精細抽樣比例下，使用羅吉斯迴歸技術建模的效果最佳，共選出六個變數作為企業違約機率模型之建模變數。經驗證後，此模型即使應用到不同期間或其他實際資料，仍具有一定的穩定性與預測效力，且符合新巴塞資本協定與金管會的各項規範，表示本研究之信用評等模型，確實能夠在銀行授信流程實務中加以應用。 / To track the development of Taiwan’s economy history, one very important factor that should never be ignored is the role of small enterprise businesses (the SMEs) which has always been played as a main driving force in the growth of Taiwan’s export trade economic system. With the formal implementation of Basel II in the end of 2006, there arises the need in the banking institutions to establish a credit scoring process for the SMEs into their credit evaluation systems in order to conform to the new accords and to quantify the credit risk assessment process. Consequently, in this research we apply data mining techniques to construct the default risk model for the SMEs in accordance to the new accords and the guidelines published by the FSC (the Financial Supervisory Commission). In addition we not only take the financial variables as the core variables but also increase the non- financial variables such as the enterprise basic characteristics and overall economic factors extensively into the default risk model in order to formulate the probability of credit default risk as well as to establish the credit rating system for the enterprise-based at risk for default in the IRB in the second pillars of the Basel II. The data which used in this research is taken from the traditional SMEs industry ranging from the year of 2003 to 2005. We use each of the following three methods, the Logistic Regression, the Neural Network and the C&R Tree, to build the model. Evaluation of the models is carried out using several statistics test results to compare the prediction accuracy of each model. Based on the result of this research under the 1:1 oversampling proportion, we are inclined to adopt the Logistic Regression techniques modeling as our chosen choice of model. There are six variables being selected from the dataset as the final significant variables in the default risk model. After multiple testing of the model, we believe that this model can withstand the testing for its capability of prediction even when applying in a different time frame or on other data set. More importantly this model is in conformity with the Basel II requirements published by the FSC which makes it even more practical in terms of evaluating credit risk default and credit rating system in the banking industry.

由於國際原油價格不斷攀升，加上節能、環保議題、休閒運動和樂活新興生活型態等各項因素的交互影響，使的自行車產業成為新一代的明星產業。為了順應此一趨勢，故本研究期望透過資料採礦的應用，配合SPSS Clementine 12.0軟體，冀望找出是否擁有自行車之影響變數，並以巨大捷安特以及愛地雅為個案分析對象，進行行銷組合策略分析與建議。 投入變數共分為三大部分：基本人口統計變數、生活型態變數以及自行車消費行為變數，進行模型建置，由於分類迴歸樹不論是在整體預測正確率或準確度，皆是高於羅吉斯迴歸和類神經網路，故最後選擇分類迴歸樹此一模型。 透過分類迴歸樹共獲得八項影響「是否擁有自行車」之相關變數，其中「月可支配所得」、「出生年次」、「性別」、「報紙接觸率」、「商品訴求-樂活」、「保健食品最近一年使用時間」、「親疏關係情人」、「商品訴求-排毒」，此八項變數對自行車擁有者具較大影響力，故本研究以此八項變數為巨大捷安特和愛地雅之行銷策略建議依據。 / Due to the interrelationship among the dramatic run-up in gasoline, advocacy for energy-saving issue and conservation of the earth, leisure activities, and LOHAS lifestyles, the bike industry turns out to be a leading and star industry in this era. In order to follow this trend, the study aims to discover the core factors of possessing bicycles through the application of SPSS Clementine 12.0 software. Three variables—demographics, lifestyles and the bicycle consumption behavior—were used to construct the model. Since Decision tree-CART is excellent in the forecast accuracy and validity as compared to Logistic regression and Artificial neural network, the Decision tree-CART was adopted in this research. Through using Decision tree-CART, this study identified eight factors that have greater impact on possessing bicycles and they are “ monthly income”, “year of the birth”, “sex (distinction)”, “The frequency of reading newspaper”, “product expectation—LOHAS”, “ The usage of health products within a year”, “the relationship with the opposite sex”, “product expectation—detoxification”. This research will chiefly use these eight factors to provide the marketing portfolio strategy recommendations for GIANT and IDEAL. Keywords: Cycling, Data Mining, Decision tree-CART, GIANT, IDEAL, Marketing Portfolio Strategy

全球化潮流方興未艾，基於與國際接軌目標，我國金融業自2006年起實施新巴塞爾資本協定，期於現今日新月異金融環境中以全球一致性的銀行管理方法及制度落實其精神。實施新巴塞爾協定後，首當其衝者便是台灣產業發展主體—中小企業。以信用風險中資本計提為例，中小企業不若大型企業體質健全，且財務透明度亦為人詬病，相對提升金融機構授信風險，進而導致中小企業融資授信審查趨於嚴格與保守，中小企業融資難度與成本皆大幅增加。 有鑑於此，本研究以中小企業中電子業為主要研究對象，採資料採礦流程進行信用評等模型建置。為求配適最佳違約機率模型，分別以不同精細抽樣比例逐一配適羅吉斯迴歸、類神經網路及分類迴歸樹等統計模型，經評估後篩選出羅吉斯迴歸模型建置信用評等系統。再者，為確認模型與信用評等系統建置適當，係遵循新巴塞爾協定相關規範進行各項測試及驗證，結果顯示模型於樣本外資料測試表現良好，信用評等系統亦通過正確性分析、等級區隔同質性檢定及穩定度分析等驗證準則，冀能提供金融機構一套有效且精簡的信用管理機制，建立與中小企業間資訊對稱管道，於兩造雙方取得互利平衡，防範危機於未然。 / Globalization trend is still growing. Because of the objective of connecting to the world, the banking and finance industry in Taiwan has implemented the New Basel Capital Accord since 2006, hoping to make use of globally consistent banking management method and system to implement its spirit in this changing financial environment today. After the implementation of the New Basel Capital Accord, the principal development part in Taiwan industry, medium- and small-sized enterprises, is the first to be affected. For example, with regard to the capital requirements in credit risks, the constitution of medium- and small-sized enterprises is not as sound as large-sized enterprises’, and the financial transparency of medium- and small-sized enterprises is insufficient that the credit risk of financial institution would be lifted comparatively; and then, the finance and credit investigation of medium- and small-sized enterprises would become strict and conservative, thus the finance difficulty and cost of medium- and small-sized enterprises would be increased substantially. In view of this, this study regards the electronics industry from medium- and small-sized enterprises as the main study objects, and data mining procedures are used so as to establish the credit scoring system. To get the best probability model of default, different oversampling ratios are used one by one to match such statistical models and logistic regression, Neural Network Analysis, and C&R Tree; and logistic regression model is selected for the establishment of credit scoring system after assessment. Moreover, relevant the New Basel Capital Accord standards are followed to carry out every test and verification so as to confirm that the establishments of model and credit scoring system are appropriate. The result indicates that the model has good performance in out-sample test, while credit scoring system also passes such verification standards as accuracy analysis, level segment homogeneity test, and stability analysis. Hopefully, this study result can provide a set of effective and simple credit management system for the financial institution to establish information symmetrical channel with the medium- and small-sized enterprises, so that both parties can obtain mutual balance and the crisis can be alerted in advance.

自工業革命之後，人類與科技間關係的變化牽引著整個社會、經濟的發展，而其中泛用型科技(GPTs)又扮演著要角，科技持續以指數式速度發展，大數據的出現是有脈絡可循的，某個程度上來說(從資料及分析兩方面的演進觀之)，可以說是必然發生的。大數據分析，不是時尚名詞，而是一個影響著現在及未來的大趨勢，縱有許多反對的聲音與論述，但它確實已經是國家安全戰略的一環，也是企業生存戰賴以維生的命脈。 大數據與過去不同的是我們擁有更多資料的來源，資料可能來自外部(Open Data、第三方資料)，也可能是更精進的資料蒐集機制得來(如：設計誘因機制使顧客自願提供其資料或設計隨機試驗取得異於歷史資料的新資訊)，而在資料種類格式、資料取得與回饋反應的速度上，在新興的MapReduce技術、NoSQL資料庫及串流資料處理技術支撐下，均可有效即時或近即時地被完成。 大數據分析最重要的還是在於「預測分析」，而為了讓資料說話，我們要熟悉大數據的特性與缺點，而支持大數據的硬技術與軟技術發展上一日千里，更提升了大數據在各產業的應用可能，而投資大數據的企業營收比那些沒有投資大數據的企業可以高出12％以上，在多數產業紛紛投入這場軍備競賽取得初步成效之際，而傳統壽險產業在大數據及其他科技變革的因應上不如別的產業時，則應在壽險價值鏈上去觀察並利用大數據分析，突破現有商業模式，選擇最佳導入策略，尋覓理想的資料科學家擔任CDO，委任其組織分析團隊並擬定大數據成長策略，建立適切軟硬體的架構，並完成第一個先導計畫取得小規模成功，進而加強企業高層大數據分析的信心與投資意願，使得一的又一個專案得以遂行，最終形塑成資料導向的決策文化，成為可以因應未來的壽險公司，避免在這波科技變遷中成為被淘汰者。

雲端運算和資料採礦已成為這二十一世紀的重要發展方向，綜觀現今各個生活層面，已漸漸的融合雲端計算的技術，故結合雲端運算已是一種趨勢。簡而談之，雲端運算是一種讓使用者更加地快速、便利又省成本的一種技術。而資料採礦方面，也已從先前的專門挖掘數字型態的資料，到現在多元的挖掘，像是文字、圖像採礦。資料採礦雖然比雲端運算發展的早，但是其功用是可以相輔相成的，有鑑於此，本研究係要發展出一資料採礦分析系統，使得使用者方便又簡易的操作。並針對特定的資料採礦分析方法-關聯規則及集群分析去研究，並利用Apriori 演算法及K-means方法，和Microsoft Excel VBA和R軟體共同結合出此資料採礦系統。