博碩士論文 107453020 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:41 、訪客IP:18.206.177.17
姓名 葉后儀(Hou-Yi Yeh)  查詢紙本館藏   畢業系所 資訊管理學系在職專班
論文名稱 大數據分析應用於連鎖量販店營運之個案研究-以C量販店為例
相關論文
★ 影響ERP導入過程及成效因素之研究 - 單一公司兩次導入SAP系統之比較分析★ 運用資料倉儲技術建置物力動員資訊系統之開發
★ 買方採用自有電子市集之個案研究─以台塑企業為例★ DEA模型評估經營效率之研究—以某綜合證券商為例
★ 尋求卓越:中小企業資訊部門的管理之個案研究★ 「證券商共同網路交易平台」之可行性分析
★ 產業競合模式策略探討-以自行車產業為例★ RFID導入航空貨運站出口作業流程應用之研究
★ 綠色供應鏈活動建構之個案研究-以筆記型電腦製造業為例★ 導入資訊科技服務管理之評估-以遠東銀行為例
★ 資訊系統導入歷程中專案團隊決策衝突之探討★ 應用資源基礎理論探討持久競爭優勢-以智慧型手機H公司為例
★ 服務導向架構為基礎的企業流程管理之探討 - 以瀚宇博德股份有限公司為例★ 沙賓法案實施與企業遵循個案研究--以K公司為例
★ 資訊服務委外之個案分析-以銀行簡訊為例★ 有線電視業者經營IPTV之競爭優勢分析—以個案公司為例
檔案 [Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   至系統瀏覽論文 ( 永不開放)
摘要(中) 零售連鎖量販店可謂是消費者在日常生活中食衣住行之供應站,在地小人稠的寶島台灣,各大跨國連鎖量販店業者主要也是看中台灣的消費能力,這十多年來紛紛吸引業者進駐。在量販產業競爭激烈的經濟環境體系中,如何應用大數據來解決經營策略上的問題,以及導入大數據分析對企業內部組織變革所帶來的影響等議題,來做為本論文所探討之要點。
  隨著資訊科技技術的進步及普及化,量販店業者在經營的過程中無時無刻都在接收來自消費者買賣交易行為的數據資料,這些巨量資料是企業重要的資訊資產,不但可以利用大數據在組織內從銷售分析、預測、優勢商品建議、引導決策方向等,都有助於企業對於內部作業流程的控管與應用的執行。
  本研究以個案研究法探討個案公司藉由大數據應用變革的過程,透過觀察法、實際參與、及蒐集研究對象相關檔案文件等方式作為研究基礎,以完整呈現導入系統之過程與成效。個案公司為了在競爭市場上順利搶得時效先機,藉以應用大數據配合作業流程優化,以提升作業流程效益,滿足顧客的需要。
  個案公司瞭解到大數據分析對於零售產業發展的重要性,透過促銷情報管理系統開發導入,除了改善許多核心系統功能不足的地方外,也整合了所有店舖的銷售明細資料,並有效彙整情報分析數據,將大數據分析結果提供給相關部門作為決策之參考用,不但提升促銷檔期商品資訊的準確度,也大幅降低了商品部人工成本的問題也減輕相關單位的工作量並提升工作效率。
摘要(英) Retail chain stores can be described as a supply center for consumers in their daily life. In Taiwan, where people are densely populated, multinational chain stores are bullish about Taiwan residents’ spending power. Over the past ten years, multinational companies are attracted to this densely populated and competitive market to set up their branches. In this highly competitive business environment, how to use big data to solve their business and strategic problems, as well as to analyze on the impact of big data that may affect the change of the organizations, are the main points discussed in this paper.
  With the advancement and popularity of information technology, chained retailers are receiving data from consumers’ s transactions all the time. These huge amounts of data are important assets for the enterprises. Data within the organization, such as sales analysis, forecasting, product recommendations, and decision guidance, all contribute to the control and execution of the company′s business decisions.
  This research uses a case study method to describe the company’s transformation process with information technology. Through big data, observations, actual participation, and collection of research-related documents, the effectiveness of the company’s system introduction and migration is presented. The studied company understands the importance of big data implementation for their retail industry. From the development and introduction of a promotion management system, to the integration of aggregated store intelligence, the big data analysis proved to be an excellent reference for decision-making. Such big data analytics have not only improved the accuracy of the store merchandising, but also greatly reduced the labor cost. Finally, it reduces the workload of operation units and improves their work efficiency.
關鍵字(中) ★ 大數據
★ 促銷檔期
★ 情報分析系統
關鍵字(英) ★ Big data
★ Promotion schedule
★ Intelligence analysis system
論文目次 目錄
中文摘要 I
Abstract II
誌謝 III
目錄 IV
表目錄 VII
圖目錄 VIII
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 3
1.3 研究目的 5
1.4 論文架構 6
第二章 文獻探討 7
2.1 大數據 7
2.2 大數據分析的現況與發展趨勢 10
2.3 大數據分析應用於產業別 15
2.4 量販店產業介紹 17
2.5 文獻小結 19
第三章 研究方法 22
3.1 研究基礎 22
3.2 研究方法 23
3.3 研究對象 25
3.4 資料蒐集來源與方式 26
第四章 個案分析 27
4.1 個案簡介 27
4.1.1 個案公司介紹 27
4.1.2 個案公司核心價值 29
4.1.3 個案公司發展策略 30
4.2 原促銷檔期作業管理流程 33
4.2.1 促銷檔期策略簡介 33
4.2.2 原促銷檔期作業流程架構 34
4.2.3 原促銷檔期商品部門作業流程 36
4.2.4 原促銷檔期作業流程存在問題 38
4.3 應用大數據導入促銷檔期情報管理系統 40
4.3.1 促銷檔期情報管理系統簡介 40
4.3.2 促銷檔期情報管理系統網路架構 42
4.3.3 促銷檔期情報管理系統功能架構 44
4.3.4 促銷檔期情報管理系統功能需求 46
4.3.5 促銷檔期情報管理系統開發及導入策略 48
4.4 導入大數據分析之效益 50
4.5 大數據應用導入總結 53
第五章 結論 56
5.1 研究總結 56
5.2 研究管理意涵或建議 58
5.3 研究限制 59
5.4 未來研究方向 60
參考文獻 61
附錄一 65
參考文獻 【中文文獻】
1. APEC通訊(2017),「APEC運用大數據分析以因應就業市場需求」。
http://www.ctasc.org.tw/02publication/APEC-209-1.pdf
2. MBA智库·百科(2020),「時間序列預測法」。
https://wiki.mbalib.com/zh-tw/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E9%A2%84%E6%B5%8B%E6%B3%95
3. MBA智库·百科(2020),「深度學習」。
https://wiki.mbalib.com/zh-tw/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0
4. 中華郵政(2018),2019 「中華郵政大數據競賽」。
https://stat.nutc.edu.tw/ezfiles/26/1026/attach/9/pta_36974_9662505_63006.pdf
5. 台北產經(2018),「拆解大數據開啟創業新商機」。
https://www.taipeiecon.taipei/article_cont.aspx?MmmID=1201&MSid=710374276057737734
6. 哈佛商業評論(2012),「大數據:管理的革命」。
https://www.hbrtaiwan.com/article_content_AR0007381.html
7. 哈佛商業評論(2018),「阿里巴巴打造一千個品牌數據銀行」。https://www.hbrtaiwan.com/article_content_AR0008175.html
8. 香港矽谷(2015),「前進 Zara 西班牙總部!揭開全世界最大時尚零售商的數字之謎」。https://www.hksilicon.com/articles/937766
9. 新網路科技(2018),「自製電影數超越好萊塢,Netflix靠大數據黏住觀眾!」。
https://www.smartm.com.tw/article/35353438cea3
10. 經濟部統計處(2019),「108年11月批發、零售及餐飲業營業額統計」。
https://www.moea.gov.tw/Mns/dos/bulletin/Bulletin.aspx?kind=8&html=1&menu_id=6727&bull_id=6689
11. 維基百科(2020),「決策數」。https://zh.wikipedia.org/wiki/%E5%86%B3%E7%AD%96%E6%A0%91
12. 維基百科(2020),「情感分析」。 https://zh.wikipedia.org/wiki/%E6%96%87%E6%9C%AC%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90
13. 數位時代(2016),「從線下到線上!Walmart 用數據抓住消費者的心」。
https://www.bnext.com.tw/article/41482/walmart-offline-to-online-big-data-e-commerce
14. 數位時代(2018),「如何讓網購更快更方便?亞馬遜不斷出奇致勝」。
https://www.bnext.com.tw/article/31719/BN-ARTICLE-31719
15. 數位時代(2019),「揭秘電商龍頭亞馬遜,不想讓你知道的自動化策略」。
https://www.bnext.com.tw/article/55217/amazon-logistics-automation
16. 游美惠(2000),「內容分析、文本分析與論述分析在社會研究的運用」,調查研究 – 方法與應用,8,5-42 。
17. 賴燕、孫海峰、任建軍(2017)。「了解在物流和供應鏈管理中採用大數據分析(BDA)的決定因素:一項實證研究」。國際物流管理雜誌,29(2),676-703。
18. 謝邦昌、江志民(2016) ,「主計資料大數據分析之研究」,臺北醫學大學管理學院大數據研究中心。
19. 謝邦昌,謝邦彥(2016),「Fanpage Karma」,大數據:語意分析整合篇,2,17-22 。

【英文文獻】
1. Amado, A., Cortez, P., Rita, P., & Moro, S. (2018). “Research Trends on Big Data in Marketing: A Text Mining and Topic Modeling Based Literature Analysis.” European Research on Management and Business Economics, 24 (1), 1-7.
2. Agrawal, D., Bernstein, P., & Bertino, E. (2011). “Challenges and Opportunities with Big Data 2011-1.” Proceedings of the VLDB Endowment, 5, 12.
3. McAfee, A. & Brynjolfsson, E. (2012). “Big Data: The Management Revolution.” Harvard Business Review, 90(10):60-68 ·
4. Berry, M. J. A. & Linoff, G. (1997). Data Mining Technique for Marketing, Sale, and Customer Support, John Wiley & Sons, New York, NY.
5. Chen, H. M., Kazman, R., Haziyev, S., & Hrytsay, O. (2015). Big Data System Development:An Embedded Case Study with a Global Outsourcing Firm. In Proceedings of the First International Workshop on BIG Data Software Engineering, IEEE Press, 44-50 .
6. Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. and Wirth, R. (2000), “CRISPDM 1.0: Step-by-Step Data Mining Guide,” CRISP-DM Consortium: NCR Systems Engineering Copenhagen (USA and Denmark).
7. Eisenhardt, K. M. (1989), “Building Theories from Case Study Research,” The Academy of Management Review, 14 (4), 532 – 550.
8. Jagadish, H. V., Gehrke, J., Labrinidis, A., Papakonstantinou, Y., Patel, J. M., Ramakrishnan, R., & Shahabi, C. (2014), “Big Data and Its Technical Challenges,” Communications of the ACM, 57 (7), 86-94.
9. Lohr, S. (2012), “The Age of Big Data,” New York Times, 11.
10. Madden, S. ( 2012 ), “From Databases to Big Data”. IEEE Internet Computing,16 (3), 4-6.
11. Russom, P. ( 2011 ), “TDWI Best Practices Report: Big Data Analytics”, The Data Warehouse Institute (TDWI), 24.
12. Shahbaz, Q. (2015), Data Mapping for Data Warehouse Design, Elsevier, 180.
13. Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2017), “Critical Analysis of Big Data Challenges and Analytical Methods,” Journal of Business Research, 70, 263–286.
14. Yin, K. R. (1994), Case Study Research: Design and Methods, London: Sage Publications.
指導教授 王存國 審核日期 2020-7-23
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明