CH06　資訊管理的應用系統觀點

本章大綱 資訊系統的主要分類架構 交易處理系統與管理資訊系統 決策支援系統與企業智慧系統 資料倉儲、資料探勘與巨量資料分析系統 群組支援系統 資訊系統應有的品質與成功模式

圖6-1 組織IS的主要分類架構

6.1 資訊系統的主要分類架構(1/5) 以支援的功能來分類 MIS 最傳統的分類亦是以支援不同的功能來分類，其最基本的功能IS主要包括：銷售行銷系統、生產製造系統、財會系統、人力資源系統 上述的功能性IS 仍然是目前一般企業的主流IS，但由於ERP 系統的逐漸普遍，企業已經慢慢將上述各系統功能整合至ERP

6.1 資訊系統的主要分類架構(2/5) 以支援的層級來分類：Anthony 模式(Anthony Model) 操作層級系統：其主要功能在於支援操作層次管理者對於目前作業與交易行為的管理。主要系統類型為TPS 管理層級系統：其主要的功能在於支援中階管理者對於各部門的規劃、預算及營運成效的追蹤與控制。主要是產生各類型的定期報表。此外對於中階管理者常碰到的一些偶發性、非例行性的決策問題，也要能提供「what if」的方案評估功能來支援決策。主要系統類型為MIS、DSS 策略層級系統：其主要的功能在於支援高階主管的決策與管理。主要系統類型為ESS

6.1 資訊系統的主要分類架構(3/5) 以支援的問題結構來分類：Simon模式(Simon's Model) 支援結構性問題的資訊系統：所謂結構性的問題是指，此種問題的處理流程、步驟與法則都是既定的，每個處理程序的Input、Process 及Output 也都固定，因此決策法則亦很清楚、明確。如會計程序 支援非結構性問題的資訊系統：有些問題的解決與處理並無明確、固定的法則或步驟可循，所使用的解決方法亦因人而異，多憑靠直覺、經驗、知識、創意、判斷來決定，這種問題稱作「非結構性問題」，例如：組織策略的擬定、特殊的危機處理。而在IS方面：如支援腦力激盪及群組決策的群組決策支援系統，或支援非結構性、經驗式的知識管理系統

6.1 資訊系統的主要分類架構(4/5) 支援半結構性問題的資訊系統：有的問題可區分為兩大部分：一部分為結構性的處理問題；另一部分則為非結構性的判斷問題。例如，股票投資組合(Portfolio)的選擇決策

6.1 資訊系統的主要分類架構(5/5) 以主導者來分類 IS 的支援有下列三個階段的演進︰ 第一階段：支援企業的IS：如傳統的TPS、MIS、DSS 等各系統 第二階段：支援企業與消費者互動的IS：由於Internet/Web 的普及、容易使用，企業開始運用IS直接來支援消費者互動，例如，EC 第三階段：支援消費者的IS：亦即所謂的「IT消費者化」，此方面的應用服務系統（平台）主要目的在支援消費者食衣住行育樂等日常生活，其內容與應用皆由消費者主導而與企業無關。最主要的應用即是Apple Store、GooglePlay 上數十萬的行動應用

6.2 交易處理系統與管理資訊系統(1/2) 交易處理系統的基本概念 交易處理系統(Transaction Processing System, TPS)指的是執行企業基本交易資訊的蒐集、儲存、處理、傳播的系統，為企業電腦化的基礎系統

圖6-2 TPS 的系統架構與組成元件

6.2 交易處理系統與管理資訊系統(2/2) 交易處理系統的特性 交易性、例行性、細節性、正確性、快速性 管理資訊系統的基本概念 管理資訊系統是設計來提供企業過去、現在和未來與經營相關的例行性資訊報表，用以支援企業各功能部門作業之規劃、控制與決策，主要是以提供分析的資訊為導向，並非針對交易資料進行處理 MIS 的特性 管理性、結構性、固定性、運算簡易性、階層性

6.3 決策支援系統與企業智慧系統(1/6) 決策支援系統的背景與基本概念 DSS的基本概念：所謂決策支援系統(Decision Support System, DSS)指的是：結合了電腦在大量資料之查詢（資料庫與資料倉儲）與快速資料運算（模式庫與線上即時分析）的優勢，輔以人類在判斷、創意、經驗的長處，幫助決策人員在面臨突發問題時，進行良好決策的一種資訊系統 DSS 的背景：人類做決策時的問題與困難性 資料太多、直覺法品質不穩定、運算太複雜、時間壓力大、無法說明

圖6-3 DSS的主要組成元件與架構

6.3 決策支援系統與企業智慧系統(2/6) DSS 的系統架構 資料來源與儲存 資料分析，主要的模式包括：統計與計量經濟模式、管理科學及作業研究模式、敏感度分析模式：此類模式重點在分析What if 的問題。目標尋找分析模式：此模式與What if相反，而是要分析如要達到特定目標則需投入多少輸入量。及模式模擬分析模式等。然而新型的DSS亦加入了能即時由多種維度，「線上即時分析」、「資料探勘」 使用者介面

6.3 決策支援系統與企業智慧系統(3/6) 高階主管的決策支援系統 ESS包括下列主要幾點特性： 為高階主管的資訊需求特別設計。 公司外部資訊的蒐集整合與分析。 公司內部關鍵績效指標(Key Performance Index, KPI)的監督與分析。 良好的繪圖功能與容易使用的輸入媒介。 易用的建模與分析的DSS 工具。 向下挖掘(Drill Down)的功能。

6.3 決策支援系統與企業智慧系統(4/6) 企業智慧：e 化時代的決策支援系統 企業智慧的基本概念 企業智慧(Business Intelligence, BI)，簡單的說，指的是：企業利用快速、即時、整合的資訊科技，來蒐集、分析、企業外部環境的競爭資訊與內部經營的重要關鍵指標，來提供即時、多維度的資訊，以支援決策者的判斷，提升企業競爭能力的一種流程與資訊系統 企業智慧的資訊來源與分析對象 外部的總體環境資訊：環境的掃瞄：主要包括所謂的STEP（社會、科技、經濟與政治法律）四大方面

6.3 決策支援系統與企業智慧系統(5/6) 外部的競爭智慧：產業競爭環境的分析：BI主要的分析對象包括前述Porter 所謂的五大壓力，現有競爭者、潛在進入者、潛在替代品、供應商與主要客戶，CI必須充分搜尋與分析這些外部的各種變動資訊並加以詳細監督。外部資料的蒐集方面，有下列的作法：智慧搜尋代理人、監視競爭對手的網站、監視自己與競爭對手的討論群組、網站上對提供建議者的獎賞、利用線上內容提供者 內部的企業管理智慧：利用各自不同的關鍵成功因素(Critical SuccessFactor, CSF)或關鍵績效指標(Key Performance Index, KPI)作為內部的企業管理智慧。企業競爭的主要核心能力及平衡計分卡的四大構面（財務、顧客、內部流程及學習與成長）

圖6-4 BI的IT 整合性架構

6.3 決策支援系統與企業智慧系統(6/6) 模式導向vs.資料導向的DSS(BI) 智慧式決策資訊分析可分為兩種：一為模式導向；一為資料導向 模式導向的DSS：此類先決定模式再來利用資料的DSS方式被稱為模式導向的決策支援(Model-Driven DSS) 資料導向的DSS：此類的DSS是先從資料庫來分析或找尋資料間的關係，再利用所發現到的關係來支援決策，例如：資料探勘(Data Mining)

6.4 資料倉儲、資料探勘與 巨量資料分析系統(1/11) 資料倉儲(DataWarehouse, DW) DW的基本定義與主要功能：DW是企業智慧(Business Intelligence, BI)中最核心的一個環節，簡單的說其指的是「具有主題導向(Subject-Oriented)、整合性(Integrated)、一致性(Consistency)、時間差異性(Time-Variant)、不變動性(Nonvolatile)等特性的一種管理性資料庫，目的在於能快速支援使用者的管理決策」，可整理出DW 的主要特性如下：

6.4 資料倉儲、資料探勘與 巨量資料分析系統(2/11) 主題導向的資料組織：依其所要支援的主題決策所需的資訊來設計，非如傳統DB 依所支援的交易流程 資料的整合性：DW的目的在於支援多維度的決策，所需的資料廣度、深度都大，所以它是一個大型、整合企業內外、不同時間、不同來源的各種資料 資料的一致性 資料的時間差異性：DW資料通常存放5～10 年不同時期的歷史資料，以作為趨勢分析、預測、比較之用 資料的不變動性：DW 的每一筆資料一旦存進去以後就不能去更改(Read Only)

圖6-5 Cube的資料儲存架構

6.4 資料倉儲、資料探勘與 巨量資料分析系統(3/11) 線上即時分析：DW上的資料分析 OLAP的基本概念：線上即時分析主要建構在Data Warehouse上，其內建許多資料分析程式來對DW的多維度資料庫進行多種不同維度整合的分析 OLAP工具主要提供的多維度分析的功能 切片(Slice)：利用切片方式可以將多（三）維度資料切成少（二）維的資料以取得較彙整、較宏觀的資訊 切丁(Dice)：OLAP 可以從一個大骰子的三維度（所有產品、所有時間、所有通路）切出一個資料較詳細、範圍較小的小骰子（某一產品、某一時間、某一通路），這叫切丁

6.4 資料倉儲、資料探勘與 巨量資料分析系統(4/11) 下拉(Drill Down) 上轉(Roll Up) 旋轉(Rotation)：不同的管理者常有不同的資訊需求 總而言之，OLAP可以在這多維度的空間中，非常快速、有彈性的提供各種不同的資訊轉換功能

6.4 資料倉儲、資料探勘與 巨量資料分析系統(5/11) 資料探勘的基本概念：所謂的資料探勘(Data Mining, DM)指的是「利用統計、人工智慧或其他的分析技術，在企業之大型資料庫（或倉儲）內尋找與發掘事前未知、有效且可付諸行動的資料彼此之間所隱藏的關係與規則，用來指導企業的決策制定」 資料探勘的主要分析類型 鏈結分析：鏈結分析(Association Rule Analysis)的主要目的在指出變數與變數間的連結關係（例如，哪些商品顧客會一起買，哪些顧客特性會買什麼特性的產品？） 市場購物籃分析 目標行銷

6.4 資料倉儲、資料探勘與 巨量資料分析系統(6/11) 分類分析：分類分析主要之目的在於藉由學習過去已知的分類，推論出一套最有效的分類規則來識別未來新輸入群體的類型 群集分析：群集分析的主要目的在於對所有的消費者，依據其消費行為的不同，而將其分為幾個不同特色的消費族群，此方面的主要運用例子如市場區隔(Segmentation)

表6-1 網路使用者族群區隔分析

6.4 資料倉儲、資料探勘與 巨量資料分析系統(7/11) 次序相關分析：次序相關分析是由一群有次序性的交易中，找出經常次序出現的交易項目組合，進而瞭解顧客的長期購買行為，無線手機業者發現，在用戶流失之前的6 個月，其使用手機的狀況會有一些特殊的行為模式 預測分析：預測分析(Forecasting Analysis)的主要目的在於以歷史資料來預測未來的走向，例如，根據過去資料，以預測未來10 個月企業產品的銷售成長率如何

6.4 資料倉儲、資料探勘與 巨量資料分析系統(8/11) 巨量資料的基本概念 所謂巨量資料，指的是由各種量大、流動快的異質資料來源所彙集而來，數量極為巨大，而為目前的資料處理技術所無法蒐集、記錄、儲存、分析、處理的大量資料謂之，例如：全球10 億上網人口的網路搜尋記錄、2013年Facebook 上的400 億張相片、幾千兆的信息分享、全球46 億手機的通聯記錄、2013年信用卡防盜偵測系統：要處理21 億的客戶帳號

6.4 資料倉儲、資料探勘與 巨量資料分析系統(9/11) 巨量資料的產生背景 巨量資料產生的三大動能被稱之為3V，亦即資料量(Volume)、資料流動速度(Velocity)與資料的不同來源(Variety)；例如，物聯網上成千上萬種的Sensor、RFID、天線及晶片，都無時無刻不在蒐集每分每秒的不同資訊 巨量資料分析 所謂巨量資料分析指的是利用強大新型的資訊科技來有效的蒐集、傳送、儲存、處理、分析判讀巨量資料所呈現的各種信息，包括資料間的關聯性、因果關係、類型辨識(Pattern Recognition)、趨勢觀測等；例如利用幾千兆的氣象資料來瞭解地球暖化的演進徵兆、全國人民在Facebook上的行為資料來分析這個國家的社會、經濟、政治狀況

6.4 資料倉儲、資料探勘與 巨量資料分析系統(10/11) 巨量資料分析平台主要的科技技術包括： 硬體：利用大量分散式平行的網路運算平台與雲端運算平台 資料處理：利用固態記憶儲存及大量平行處理資料庫 分析運算：整合資料庫(DB)、資料倉儲(DW)、資料探勘、商業智慧(BI)等各種資料分析工具，以及各種人工智慧(AI)：如類神經網路、遺傳基因學、機器學習等預測模式，像是異樣偵測(Anomaly Detective)、信號處理、類型辨識(PatternRecognition)等分析判讀工具

6.4 資料倉儲、資料探勘與 巨量資料分析系統(11/11) 目前使用巨量資料分析，仍有下列的考量 失去了統計的好精神：並不一定每一件事情都要去分析整個母體 異質資料的整合問題：相片、聲音、文字、圖像等不同的資料要整合求取一個有意義的資訊，目前仍相當困難 外部環境的背景問題 經常可以由人類的直覺(Heuristic)知識來解讀判斷，並不一定需要大費周章來分析巨量資料 民眾隱私權被侵害的問題

6.5 群組支援系統(1/3) 群組支援系統(Group Support System)，可分為群組軟體(Groupware)與工作流程系統(Work Flow System) 群組軟體 所謂群組軟體指的是一個能提供各種相關的功能與服務來支援群組協同工作的一種資訊系統，如透過網路共享資料庫、文件管理等功能，群組軟體能夠提供分散在全球各地團隊成員的文件分享、意見溝通、團隊會議排程，例如IBM 的LotusNotes及一般企業內部的Intranet

6.5 群組支援系統(2/3) 工作流程系統 工作流程系統的基本概念 所謂工作流程系統，是將工作人員與工作流程間的作業活動予以自動化的一個架構。一般企業稱之為「電子表單」、「電子公文」或「公文無紙化系統」。為一種主動式的管理系統，能按照每一作業所設定的程序來引導參與者執行工作流程，提升流程的協調合作，確保正確的資訊能在適當的時間，用適當的工具移轉到正確的人員

6.5 群組支援系統(3/3) 工作流程系統的優點 提升效率 降低成本：無紙化 提升彈性：經過分析也可充當工作流程改善或其他相關決策之用 提升控制：可輕易追蹤文件、資訊及任務的執行現況，例如，工作流程系統可以瞭解「誰最後簽署這份文件？」、「誰授權這份公文？」、「這份公文目前旅行到哪個單位？」 提升服務 提升管理：蒐集的流程資訊也可充當工作流程改善或其他相關決策之用

6.6 資訊系統應有的品質與成功模式(1/4) D&M 的IS 成功模式 一個資訊系統的提供必須同時兼顧資訊品質、系統品質及服務品質三種，缺一不可 有好的品質才可能提升使用者使用意圖與使用行為；與使用者的使用滿意度 使用者若滿意則會持續使用，同時也唯有經過使用才可能產生滿意度，但若是不正確、錯誤、沒有效率的使用，則對使用滿意度有負向影響 有效率的使用會提升員工個人的績效，包括：決策品質、問題解決能力、工作績效、創意提升、管理規劃能力等 員工績效的提升則能幫助組織提升績效，包括降低成本、提升生產力、提升創新能力、流程再造及競爭優勢等

圖6-6 Delone & McLean 的IS 成功模式

6.6 資訊系統應有的品質與成功模式(2/4) IS 的三大品質指標 資訊品質：主要包括：正確性(Accuracy)、即時性(Timeliness)，完整性(Completeness)、相關性(Relevance)與一致性(Consistency) 系統品質：其主要包括：容易使用性(Ease to Use)、可靠性(Reliability)、彈性(Flexibility)、整合性(Integrity)、反應時間(Response Time)與功能性(Functionality)之主要指標 服務品質：服務品質主要包括：服務的外觀可見性(Tangibility)、可靠性(Reliability)、反應性(Response)、保證性(Assurance)與關心性(Empathy)

6.6 資訊系統應有的品質與成功模式(3/4) 外觀可見性：指的是MIS 要有高品質的專業形象與先進、充裕的資訊配備

6.6 資訊系統應有的品質與成功模式(4/4) ＊MIS的引申意涵：任何MIS人員在開發系統之前一定要先有一個檢查表(Check List)，清楚地列出包括16 項品質指標（資訊品質5 種、系統品質6種、服務品質5種），並在開發中隨時追蹤檢查這些指標，如此在系統開發完成後，使用者接受此IS的概率一定會比別人高