學術產出-Theses
Article View/Open
Publication Export
-
題名 建立資料倉儲與資料採礦實現洞察力行銷之研究--以個案公司為例說明 作者 劉映蘭
Liu, Ying Lan貢獻者 季延平
Chi, Yen Ping
劉映蘭
Liu, Ying Lan關鍵詞 資料倉儲
資料採礦
洞察力行銷
STP
Data Warehouse
Data Mining
Insight Driven Marketing
STP日期 2011 上傳時間 30-Oct-2012 11:21:20 (UTC+8) 摘要 提供以顧客為導向的服務、提升顧客價值成為各企業經營策略的出發點，因此了解顧客特徵、需求、行為成為首要任務。隨著經濟發展，台灣整體用電需求不斷攀升，同時電力產業亦須面對全球燃料價格上漲的現況，政府邁向低碳經濟時代，推出一系列相關政策，於我國電力結構中占有重要地位的台灣電力公司也開始思考如何在需求及成本皆提升的環境下，繼續維持穩定供電，提供以用戶為導向的服務。本文即以台電公司為個案，以資料倉儲與資料採礦技術進行【用戶區隔】了解台電用戶特徵、【選擇目標用戶】找出優先服務的用戶對象及【產品定位】推薦適合目標用戶用電特徵之電價及優惠方案，實現行銷活動STP分析過程之研究。
Providing customer-oriented services and elevating customer value have became the starting point of business strategy. Therefore, understanding customer characteristics, requirements, and behavior has become the primary task.As the overall demand for electricity rises constantly in Taiwan along with economic development, electric power industries have to face the surging fuel prices. To put low carbon economy into practice, the government has launched various policies. Taiwan Power Company, which plays an important role in the electric power structure in Taiwan, started thinking about how to provide stable power and customer-oriented services under the circumstances both demand and cost increase.Based on the case of Taiwan Power Company, this research investigated customer segmentation - to understand customer characteristic, customer targeting - to find out the prior customer, and product positioning - to recommend target customer appropriate tariff and preferential tariff treatment through data warehouse and data mining technology. The purpose of the research was to achieve STP analysis in marketing process.參考文獻 中文參考文獻1. 王派洲（譯）（民97）。資料探勘 - 概念與方法（原作者：Jiawei Han, Micheline Kamber）。滄海。（原著出版年：2006）2. 台灣電力公司（民99）。99年台灣電力公司顧客服務白皮書。3. 台灣電力公司（民101）。台電月刊101年5月號。第59-60頁。4. 台灣電力公司（民99）。台灣電力公司歷史發展與組織架構。101年6月，取自 http://www.taipower.com.tw。5. 台灣電力公司。台灣電力公司負載管理說明。101年6月，取自http://www.taipower.com.tw/big/Knowledge_world/FAQ/part6.htm。6. 吳旭智、賴淑貞（譯）（民90）。資料採礦理論與實務 - 顧客關係管理的技巧與科學。（原作者：Michael J. A. Berry, Gordon S. Linoff）。維科圖書有限公司。（原著出版年：1997）7. 郭志隆、張芳菱（譯）（民97）。資料探勘- Introduction to Business Data Mining。（原作者：David Louis Olson）。麥格羅‧希爾。（原著出版年：2007）8. 范惟翔（民96）。現代行銷管理理論與實務。新加坡商湯姆生亞洲私人有限公司。第7-8頁。9. 國家政策研究基金會（民98）。 國政研究報告-因應地球暖化之台灣能源政策規劃建議。101年3月，取自http://www.npf.org.tw/post/2/5952。10. 經濟部能源局（民99）。經濟部能源局2010年12月能源報導。11. 經濟部能源局（民101）。經濟部能源局2012年3月能源統計月報。英文參考文獻1. Gary L. Lilien, Arvind Rangaswamy, “Marketing Engineering: Computer-Assisted Marketing Analysis Planning”, Addison Wesley, 1997, pp.57-58.2. Jiawei Han, Micheline Kamber, “Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers, August 2000.3. Kotler, Philip, “Marketing Insights from A to Z: 80 Concepts Every Manager Needs to Know”, John Wiley & Sons, Inc., 2003, pp.39.4. Lach J., “Data mining digs in”, American Demographics, volume 21, number 7, July 1999, pp. 38-45.5. Ralph Kimball, Joe Caserta , “The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning”, Wiley, 2004.6. Robert C. Blattberg, Byung-Do Kim, Scott A. Neslin, “Database Marketing: Analyzing and Managing Customers”, Springer, 1 edition, 2009.7. SAP , “Insight: The Critical Path to Competitive Differentiation for Growing Companies”, IDC executive brief, Jun 30, 2011.8. Surajit Chaudhuri, Umeshwar Dayal, “An Overview of Data Warehouse and OLAP Technology”, SIGMOD Record, Vol. 26, No. 1, 1997, pp. 65-74.9. William H. Inmon, “Building the Data Warehouse”, Wiley, 3 edition, 2002.10. Yin, Robert K., “Case Study Research: Design and Methods”, Sage, 2002. 描述 碩士
國立政治大學
資訊管理研究所
99356014
100資料來源 http://thesis.lib.nccu.edu.tw/record/#G0099356014 資料類型 thesis dc.contributor.advisor 季延平 zh_TW dc.contributor.advisor Chi, Yen Ping en_US dc.contributor.author (Authors) 劉映蘭 zh_TW dc.contributor.author (Authors) Liu, Ying Lan en_US dc.creator (作者) 劉映蘭 zh_TW dc.creator (作者) Liu, Ying Lan en_US dc.date (日期) 2011 en_US dc.date.accessioned 30-Oct-2012 11:21:20 (UTC+8) - dc.date.available 30-Oct-2012 11:21:20 (UTC+8) - dc.date.issued (上傳時間) 30-Oct-2012 11:21:20 (UTC+8) - dc.identifier (Other Identifiers) G0099356014 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/54566 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 資訊管理研究所 zh_TW dc.description (描述) 99356014 zh_TW dc.description (描述) 100 zh_TW dc.description.abstract (摘要) 提供以顧客為導向的服務、提升顧客價值成為各企業經營策略的出發點，因此了解顧客特徵、需求、行為成為首要任務。隨著經濟發展，台灣整體用電需求不斷攀升，同時電力產業亦須面對全球燃料價格上漲的現況，政府邁向低碳經濟時代，推出一系列相關政策，於我國電力結構中占有重要地位的台灣電力公司也開始思考如何在需求及成本皆提升的環境下，繼續維持穩定供電，提供以用戶為導向的服務。本文即以台電公司為個案，以資料倉儲與資料採礦技術進行【用戶區隔】了解台電用戶特徵、【選擇目標用戶】找出優先服務的用戶對象及【產品定位】推薦適合目標用戶用電特徵之電價及優惠方案，實現行銷活動STP分析過程之研究。 zh_TW dc.description.abstract (摘要) Providing customer-oriented services and elevating customer value have became the starting point of business strategy. Therefore, understanding customer characteristics, requirements, and behavior has become the primary task.As the overall demand for electricity rises constantly in Taiwan along with economic development, electric power industries have to face the surging fuel prices. To put low carbon economy into practice, the government has launched various policies. Taiwan Power Company, which plays an important role in the electric power structure in Taiwan, started thinking about how to provide stable power and customer-oriented services under the circumstances both demand and cost increase.Based on the case of Taiwan Power Company, this research investigated customer segmentation - to understand customer characteristic, customer targeting - to find out the prior customer, and product positioning - to recommend target customer appropriate tariff and preferential tariff treatment through data warehouse and data mining technology. The purpose of the research was to achieve STP analysis in marketing process. en_US dc.description.tableofcontents 第一章、緒論 8第一節、研究背景 8第二節、研究動機 10第三節、研究目的 10第四節、預期效益 11第二章、文獻探討 12第一節、洞察力行銷：市場區隔、目標市場與產品定位 12第二節、資料倉儲 25第三節、資料採礦與演算法介紹 31第三章、研究方法與設計 44第一節、研究方法 44第二節、研究設計 45第三節、研究架構 47第四章、個案分析 49第一節、我國電力環境現況 49第二節、個案分析 51第三節、個案公司需求訪談 57第四節、STP分析資料模型設計 61第五節、STP實做與分析 69第五章、結論與建議 81第一節、結論 81第二節、未來發展 83第六章、參考文獻 84 zh_TW dc.language.iso en_US - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0099356014 en_US dc.subject (關鍵詞) 資料倉儲 zh_TW dc.subject (關鍵詞) 資料採礦 zh_TW dc.subject (關鍵詞) 洞察力行銷 zh_TW dc.subject (關鍵詞) STP zh_TW dc.subject (關鍵詞) Data Warehouse en_US dc.subject (關鍵詞) Data Mining en_US dc.subject (關鍵詞) Insight Driven Marketing en_US dc.subject (關鍵詞) STP en_US dc.title (題名) 建立資料倉儲與資料採礦實現洞察力行銷之研究--以個案公司為例說明 zh_TW dc.type (資料類型) thesis en dc.relation.reference (參考文獻) 中文參考文獻1. 王派洲（譯）（民97）。資料探勘 - 概念與方法（原作者：Jiawei Han, Micheline Kamber）。滄海。（原著出版年：2006）2. 台灣電力公司（民99）。99年台灣電力公司顧客服務白皮書。3. 台灣電力公司（民101）。台電月刊101年5月號。第59-60頁。4. 台灣電力公司（民99）。台灣電力公司歷史發展與組織架構。101年6月，取自 http://www.taipower.com.tw。5. 台灣電力公司。台灣電力公司負載管理說明。101年6月，取自http://www.taipower.com.tw/big/Knowledge_world/FAQ/part6.htm。6. 吳旭智、賴淑貞（譯）（民90）。資料採礦理論與實務 - 顧客關係管理的技巧與科學。（原作者：Michael J. A. Berry, Gordon S. Linoff）。維科圖書有限公司。（原著出版年：1997）7. 郭志隆、張芳菱（譯）（民97）。資料探勘- Introduction to Business Data Mining。（原作者：David Louis Olson）。麥格羅‧希爾。（原著出版年：2007）8. 范惟翔（民96）。現代行銷管理理論與實務。新加坡商湯姆生亞洲私人有限公司。第7-8頁。9. 國家政策研究基金會（民98）。 國政研究報告-因應地球暖化之台灣能源政策規劃建議。101年3月，取自http://www.npf.org.tw/post/2/5952。10. 經濟部能源局（民99）。經濟部能源局2010年12月能源報導。11. 經濟部能源局（民101）。經濟部能源局2012年3月能源統計月報。英文參考文獻1. Gary L. Lilien, Arvind Rangaswamy, “Marketing Engineering: Computer-Assisted Marketing Analysis Planning”, Addison Wesley, 1997, pp.57-58.2. Jiawei Han, Micheline Kamber, “Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers, August 2000.3. Kotler, Philip, “Marketing Insights from A to Z: 80 Concepts Every Manager Needs to Know”, John Wiley & Sons, Inc., 2003, pp.39.4. Lach J., “Data mining digs in”, American Demographics, volume 21, number 7, July 1999, pp. 38-45.5. Ralph Kimball, Joe Caserta , “The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning”, Wiley, 2004.6. Robert C. Blattberg, Byung-Do Kim, Scott A. Neslin, “Database Marketing: Analyzing and Managing Customers”, Springer, 1 edition, 2009.7. SAP , “Insight: The Critical Path to Competitive Differentiation for Growing Companies”, IDC executive brief, Jun 30, 2011.8. Surajit Chaudhuri, Umeshwar Dayal, “An Overview of Data Warehouse and OLAP Technology”, SIGMOD Record, Vol. 26, No. 1, 1997, pp. 65-74.9. William H. Inmon, “Building the Data Warehouse”, Wiley, 3 edition, 2002.10. Yin, Robert K., “Case Study Research: Design and Methods”, Sage, 2002. zh_TW
