第五章 結論與建議
5.2 後續研究發展建議
基於時間與研究資料的限制，雖然無法進一步將本研究所歸納出的模 式實際應用在真實的企業決策操作上，並加以驗證此一模式的可行性。然 而對於有興趣對本研究做更深入探討的研究者而言，本研究最後有以下的 後續研究建議：
第一、在過去混沌理論多用於數學、物理與其他自然科學的領域，近 幾年來許多學者紛紛將混沌理論應用在經濟及管理領域，所得到的結果也 受到相當程度的重視，本研究亦是以混沌理論探討客戶交易行為與客戶信 用間的關係，最後也得到客戶交易行為存在著混沌現象特性的研究結果，
因此建議後續研究可應用混沌理論在其他管理領域相關的議題，例如客戶 訂單預測與存貨管理等進行相關研究，或許能夠得到不錯的結果。除此之 外，由於本研究之研究資料以時間序列為主，因此在未來只要與時間序列 有關的議題，例如價格、績效成長、市場需求量等各種長期觀察資料，均 可參考本研究所使用的方法進行追蹤探討。
第二、本研究使用某企業在兩年間的交易歷史資料做資料探勘樣本，
所能夠觀察的時間與資料有限，因為未來研究若能夠在研究樣本更充足的 情況下，或許能夠得到更有力的證據或提高判斷客戶交易發生問題的正確 性。
第三、除了以客戶交易金額為自變數之外，亦可以更探討特殊品項的 交易情形，由於許多產品有其季節性、區域性、使用期限與消費族群等獨 特的屬性，因此以混沌理論觀察並探討特殊品項的銷售情形，也許可歸納 並預測出該品項的銷售狀況，並加以控制出貨給客戶的數量，畢竟除了致
力於創造企業本身的業績之外，妥善的規劃產品行銷策略與管理客戶的營 運狀況，增加客戶的銷售能力並降低客戶不必要的存貨，才是企業與客戶 相互合作之下以追求彼此永續經營的最終目標。
第四、本研究係利用李雅普諾夫指數分析與 R/S 分析，作為對客戶交 易行為是否具有混沌現象的判斷參考，但是亦有其他方式與衡量指標可作 為判別依據，例如熵(Entropy)與碎形維度(Fractal Dimension)，其中熵可視 為系統混亂程度的量度，碎形維度代表某種自相似性的結構與圖形，因此 後續研究也可使用其他不同的方式與衡量指標，作為探討客戶交易行為混 沌現象的依據。
參考文獻
[10] 涂吟樺，「商業智慧之核心--Data Mining(資料採礦)」，台新銀 行月刊，90 年 8 月。
[15] M. Mitchell Waldrop 著，複雜，齊若蘭譯，天下文化出版社，
民國83 年。
[16] 韓宜芬，「台灣加權股價指數非線性與混沌現象之研究」，國立 成功大學，民國82 年。
英文：
[17] Bedford, Crayton W, “The case of Chaos”, Mathematics Teacher, Vol.91, pp. 276-282, April 1998.
[18] Charles W. Calomiris, Charles P. Himmelberg, Paul Wachtel,
“Commercial Paper, Corporate Finance, And The Business Cycle: A
Microeconomic Perspective”, NBER Working Paper , No. 4848, 1994.
Bankruptcy Prediction”, Journal of Applied Business Research, Vol.12, 1996 [20] Hill, Denys, “Chaos And Stability in Operational Cashflows”, Management Accounting, June 1996.
[21] Hsieh, David A, “Chaos and Nonlinear Dynamics : Application to Financial Markets”, The Journal of Finance, Vol.46, No.5, pp.1839-1877, 1991.
[22] John D. Sterman, Business Dynamics : System Think and Modeling for a Complex World, pp. 129-133, 2004.
[23] Lee, Joon Suh and Kun Soo Chang, “Application of Chaos and Fractals in Process Systems Engineering”, Journal of Process Control, Vol.6, No. 2/3, pp.71-87, 1996.
[24] Peters, Edgar E., Chaos and Order in the Capital Market : A New View of Cycles, Prices, and Market Volitility, New York: John Wiley & Sons Inc., 1991 [25] Peter Gwynne, “Digging for Data”, IBM Think Research : Data
Management, 1996.
[26] Robert F. Mulligan. “Fractal Analysis of Highly Volatile Markets: An
Application to Technology Equities”, The Quarterly Review of Economics and Finance, Vol. 44, 2004.
[27] Robert T. Michael, “Causation Among Socioeconomic Time Series”, NBER Working Paper, No. 246, 1978
[28] S. N. Resband, Chaotic Dynamics of Nonlinear Systems , A Wiley-Interscience Publication, 1989.
[29] Young, T. R, “Change and chaos theory: metaphysics of the postmodern”.
The Social Science Journal, Vol. 28: 289-305, 1991.
附錄 A 本研究所使用之資料表及資料表關聯圖
資料表名稱 Cust_tbl 資料表敘述 客戶基本資料資料表
欄位名稱 欄位格式與長度 是否允許NULL 欄位摘要
Cust_ID varchar(10) N 客戶編號
Cust_Alias varchar(128) N 客戶簡稱
Cust_Name varchar(128) N 客戶名稱
Cust_Addr varchar(255) N 客戶地址
Cust_Tel varchar(32) Y 客戶電話
Cust_Post_Code varchar(3) Y 客戶郵遞區號
Cust_Bosshead varchar(16) Y 負責人
Cust_Contact varchar(16) Y 聯絡人
Cust_Tax_reg_Num varchar(8) Y 稅籍編號
Cust_Type varchar(1) N
客戶通路屬性(H:醫院,G:診所,D:藥 房)
Cust_Remark varchar(255) Y 備註
表 A-1 客戶基本資料資料表
資料表名稱 ERP_Notes_Dishonored_Statistics_tbl 資料表敘述 退票客戶行為分析資料表
欄位名稱 欄位格式與長度 是否允許NULL 欄位摘要
Cust_ID varchar(10) N 客戶編號
Cust_Name varchar(128) N 客戶名稱
Cust_Post_Code varchar(3) N 客戶郵區
Cust_Type varchar(1) N
客戶通路屬性(H:醫院,G:診 所,D:藥房)
Dishonored_Notes_Count int N 退票張數
Notes_Count int N
票據總張數(包含正常票據 與退票)
Min_D_DUE_DATE datetime N 最早退票到期日
Max_D_DUE_DATE datetime N 最後退票到期日
Min_D_RECEIPT_DATE datetime N 最早退票收票日
Max_D_RECEIPT_DATE datetime N 最後退票收票日
Min_RECEIPT_DATE datetime Y 正常票據最早收票日期
Max_RECEIPT_DATE datetime Y 正常票據最後收票日期
Min_DISHONORED_DATE datetime N 最早退票日期
Max_DISHONORED_DATE datetime N 最後退票日期
Min_Dishonored_Amount float N 最小退票金額
Max_Dishonored_Amount float N 最大退票金額
Avg_Dishonored_Amount float N 平均退票金額
Total_Dishonored_Amount float N 退票總金額
Min_Amount float N
票據最小金額(包含正常票 據與退票)
Max_Amount float N
票據最大金額(包含正常票 據與退票)
Avg_Amount float N
票據平均金額(包含正常票 據與退票)
Total_Amount float N
票據總金額(包含正常票據 與退票)
Normal_Notes_Count int N 正常票據總張數
Max_N_DUE_DATE datetime Y 最大正常票據到期日
Max_N_RECEIPT_DATE datetime Y 最大正常票據收票日
Min_Normal_Amount float N 正常票據最小金額
Max_Normal_Amount float N 正常票據最大金額
Avg_Normal_Amount float N 正常票據平均金額
Total_Normal_Amount float N 正常票據總金額
表 A-2 退票客戶行為分析資料表
資料表名稱 Cust_TX_Statistics_tbl 資料表敘述 客戶交易統計資料表
欄位名稱 欄位格式與長度 是否允許NULL 欄位摘要
Cust_ID varchar(10) N 客戶編號
Cust_Post_Code varchar(3) N 客戶郵區
Cust_Type varchar(1) N
客戶通路屬性(H:醫院,G:診所,D:藥 房)
First_Sale_TX_Date datetime N 初次交易日期
Last_Sale_TX_Date datetime N 最後交易日期
First_Applied_Date datetime Y 初次應收款立帳日期
First_Cashing_Date datetime Y 初次兌現日期
Sale_TX_AMOUNT_T float N 交易總金額
Sale_TX_O_Count float N 交易次數
Sale_TX_O_Cycle float N 平均交易週期天數
Sale_TX_R_Count float N 退貨次數
Sale_TX_R_Cycle float N 平均退貨週期天數
AR_CUST_TAG varchar(2) N 客戶信用狀況(N:正常,D:發生退票)
XT_AMOUNT_P0_AVG float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之平均 交易金額(計算 Hurst 指數使用)
XT_AMOUNT_P0_STD float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之交易 金額標準差(計算 Hurst 指數使用)
XT_AMOUNT_P0_RANGE float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之全距 (計算 Hurst 指數使用)
XT_AMOUNT_P0_H float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之交易 金額所計算出之Hurst 指數
XT_AMOUNT_P0_D float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之 R/S 分析計算出之碎形維度
XT_AMOUNT_P0_CV float Y 退票客戶發生退票時最後10 點之 變異係數
XT_AMOUNT_P0_CV_STD float N
判別客戶是否發生退票之變異係數 標準值
XT_AMOUNT_P0_CV_TAG varchar(1) Y
判別結果(Y:發生退票,N:不發生退 票)
XT_AMOUNT_P5_AVG float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之平均 交易金額(計算 Hurst 指數使用)
XT_AMOUNT_P5_STD float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之交易 金額標準差(計算 Hurst 指數使用)
XT_AMOUNT_P5_RANGE float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之全距 (計算 Hurst 指數使用)
XT_AMOUNT_P5_H float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之交易 金額所計算出之Hurst 指數
XT_AMOUNT_P5_D float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之 R/S 分析計算出之碎形維度
XT_AMOUNT_P5_CV float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前最後 10 點之變 異係數
XT_AMOUNT_P5_CV_STD float N
退票客戶發生退票時(正常客戶最 後交易)5 次交易前為觀察點判別客 戶是否發生退票之變異係數標準值
XT_AMOUNT_P5_CV_TAG varchar(1) Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前為觀察點判別結 果(Y:發生退票,N:不發生退票)
XT_AMOUNT_P10_AVG float Y
退票客戶發生退票時(正常客戶最 後交易)10 次交易前所有交易之平 均交易金額(計算 Hurst 指數使用)
XT_AMOUNT_P10_STD float Y
退票客戶發生退票時(正常客戶最 後交易)10 次交易前所有交易之交 易金額標準差(計算 Hurst 指數使 用)
XT_AMOUNT_P10_RANGE float Y
退票客戶發生退票時(正常客戶最 後交易)10 次交易前所有交易之全 距(計算 Hurst 指數使用)
XT_AMOUNT_P10_H float Y
退票客戶發生退票時(正常客戶最 後交易)10 次交易前所有交易之交 易金額所計算出之Hurst 指數
XT_AMOUNT_P10_D float Y
退票客戶發生退票時(正常客戶最 後交易)10 次交易前所有交易之 R/S 分析計算出之碎形維度
XT_AMOUNT_P10_CV float Y
退票客戶發生退票時(正常客戶最 後交易)10 次交易前最後 10 點之變 異係數
XT_AMOUNT_P10_CV_STD float N
退票客戶發生退票時(正常客戶最 後交易)10 次交易前為觀察點判別 客戶是否發生退票之變異係數標準 值
XT_AMOUNT_P10_CV_TAG varchar(1) Y
退票客戶發生退票時(正常客戶最 後交易)10 次交易前為觀察點判別 結果(Y:發生退票,N:不發生退票)
XT_AMOUNT_LE_P0_N float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之李雅 普諾夫指數計算個數
XT_AMOUNT_LE_P0_CV float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之李雅 普諾夫指數變異係數
XT_AMOUNT_LE_P0_AVG float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易之李雅 普諾夫指數平均值
XT_AMOUNT_LE_P0_R float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易以回歸 計算李雅普諾夫指數之β 值所需要 的係數R
XT_AMOUNT_LE_P0_SD_X float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易以回歸 計算李雅普諾夫指數之β 值所需要 的係數SD
XT_AMOUNT_LE_P0_SD_Y float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易以回歸
計算李雅普諾夫指數之β 值所需要 的係數SD
XT_AMOUNT_LE_P0_B float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易以回歸 計算李雅普諾夫指數之β 值
XT_AMOUNT_LE_P0_C float Y
退票客戶發生退票時之前(正常客 戶最後交易之前)所有交易以回歸 計算李雅普諾夫指數之常數項C 值
XT_AMOUNT_LE_P5_N float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之李雅 普諾夫指數計算個數
XT_AMOUNT_LE_P5_CV float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之李雅 普諾夫指數變異係數
XT_AMOUNT_LE_P5_AVG float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易之李雅 普諾夫指數平均值
XT_AMOUNT_LE_P5_R float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易以回歸 計算李雅普諾夫指數之β 值所需要 的係數R
XT_AMOUNT_LE_P5_SD_X float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易以回歸 計算李雅普諾夫指數之β 值所需要 的係數SD
XT_AMOUNT_LE_P5_SD_Y float Y
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易以回歸
退票客戶發生退票時(正常客戶最 後交易)5 次交易前所有交易以回歸