因素 4: 客戶關係管理

廠、土地等，特別是製造為主的科技業，但是有趣的是我們可以看到折舊相對銷 售的比率為負相關，這意味著新投入機器設備相較少。這是因為本研究的資訊、

通訊、軟體產業，特別是軟體產業的折舊比例上會相對低。

4.3.4 因素 4: 客戶關係管理

在因素4的構面上可以看到財務指標: 應收帳款周轉率(0.90502)呈現高度的 正相關。這些都和下游的顧客有密切的關係，所以命名因素4為「顧客關係管理」。

如果企業能夠快速的回收應收帳款，可以有效的降低呆帳的比率，更進一步 企業營運周轉資金的壓力，尤其科技業的產業變化快速，景氣快速變遷中如何做 好風險控管，避免客戶倒帳更是重要。

4.4  集群分析 

本研究採用兩階段的集群方式，首先使用階層式集群法的華得法確定分群 數，再用非階層式集群法的K-means進行集群。在第一階段華德法進行階層集群 分析決定分群數時，SAS軟體有三種指標可以做為參考: CCC(Sarle, 1983)、Pseudo F、 R-Squared。本研究使用3C(Cubic Clustering Criterion)集群準則作為決定最適 集群的基礎(Fombrun and Zajac, 1987)，此法則先將樣本分成各群數後，3Ｃ值越 高即為最適集群數。根據Cubic Clustering Criterion，找出最適當的集群數為3群，

從表4.3中顯示當分類為3群時，Pseudo F Statistic=36.97，以及Cubic Clustering Criterion=-5.012為最高。因此，本研究將所有有效樣本分為3個集群。

表 15 集群分析群數判斷指標表(CCC, Pseudo F, R-Squared) Cluster Cubic Clustering

Criterion

Pseudo F Statistic R-Squared

2 -7.196 23.57 0.19596

3 -5.012 36.97 0.34617

4 -11.864 27.03 0.46807

5 -10.344 37.29 0.56993

6 -8.934 38.15 0.61164

決定分群數為3 群後，再用 K-Means 法進行集群，將所有的觀察值分類至距離 最近的集群中如下表15，從這裡可以看到集群一在知識管理的能力特別突出，

而其他的能力較為薄弱，所以命名集群一為研發型，同樣的集群二的客戶關係能

44

知識管理 1.979826(1) -0.36908(3) 0.384591(2) 因素2

供應商關係管理 -0.82813(3) -0.33724(2) 1.39403(1) 因素3

資產管理 -0.24246(3) -0.03324(2) 0.200977(1) 因素4

由附錄四(集群 2)著名的公司有 Broadcom、Canadian Solar、ELECSYS、Intel、

Intersil、IBM、Solarfun Power、 Suntech Power、STM、Sun、TI、Extreme、Netgear、

EMC、Kyocera、 UTStarcom。大部分都是個別領域的龍頭公司，其中 Canadian

45

Solar、Solarfun Power、 Suntech Power 投入再生能源的生產與製造；IBM 提出 智慧地球(Smart Planet)的計劃，和 EMC 一樣從系統整合的應用面著手。而今年 的CES 也看到 Intel 所提出的智慧節能(Smart Energy)的展示， TI、Intersil 則從 SOC 切入，UTStarcom、Kyocera、Netgear 、Extreme 則從通訊系統切入。在這 方面可以看出這個族群憑藉其在客戶關係面的能力，從不同的角度及面向去切入

由附錄五(集群 3)著名的公司有 Microsoft 及 Maxim，其中 Microsoft 在今年的 CES 也推出 Hohm Smart Energy 軟體，運用在家庭智能裝置(Smart Device)的管理 需求。 同樣的 Maxim 更在 2010 年 4 月收購重要的電表 SOC 廠商 Teridian 震

ROIC -1.61011 -0.24206 -0.30774

ROE -299.52119 28.81772 -10.02538 ANOVA 事後分析三群 ROIC 平均數，如表 4-13 所示，集群 2 的 ROIC 顯著大於

46

Confidence Limits

***

Confidence Limits

***

47