從 4.2DEA(Data Envelopment Analysis，資料包絡分析法)以 Raw data 與 Survey data 的方式，算出各 criterion 的 weight，並得出各 DMU i 的 Score i ，得
6. 結論與未來展望 結論與未來展望 結論與未來展望 結論與未來展望
6.2. 未來展望 未來展望 未來展望(Future work) 未來展望
對於 DB-SCAN clustering 根據點與點之間不同的緊密結合程度(Eps，distance of clustering points)，區分出的 clusters，本論文係根據，人為判斷的方式，找出 收歛群組，若能找出一個更為系統化的分析方式，對各群組(clusters)間的緊密程 度做判定，亦可做更全面的考量。
6.2.1.Criteria 的選擇 的選擇 的選擇 的選擇(Criteria issues)
本研究係根據天下雜誌 2003 年台灣地區一千大公司所作的經營績效排名，
其中，可供選擇的 criteria，互補性，替代性偏高。若可供選擇的 criteria 變多，
可用差異性較大的 criteria 來做分析，則，評估結果應會更客觀，更接近事實。
這可分為幾個方向來做，
其一，是從 Raw Data 中，選取互補性，替代性低的 criteria，
其二，是對現有的 criteria 做加工。
其三，納入外在環境變化，增加彈性，以減少 model 的封閉性。
第一，選取互補性，替代性低的 criteria：
根據
3.1.3
中 DEA 的限制，若選擇出來的投入或產出項目間高度互補性或替 代性，可能使得評估結果產生偏頗。DEA，固然平衡了 4 個 criteria 的個別影響偏差，用 clustering，也可以略為 調和一些 weight 的不平衡，但是，影響經營績效的根本原因，還是在於所選取
而本研究的四個 criteria，在性質上有相似之處：
期末股本，營業收入(revenue)有某種程度的互補性。
稅前盈餘(profit)，毛利率有某種程度的替代性。
從根據
5.1.4
的 criteria 分析中，亦可看出各 criteria 的影響：期末股本 期末股本期末股本
期末股本 > 營業收入營業收入營業收入營業收入 >> 毛利率毛利率毛利率毛利率 > 稅前盈餘稅前盈餘稅前盈餘 稅前盈餘
第二，對 criteria 的加工來看：
期末股本，僅能表示出該公司本身擁有的財產，並不能衡量出公司的投資價 值，可對現有的 criteria 做加工，將’期末股本’轉為’每股淨資產’，可看出公司的 體質是否強健。
每股淨資產 = 期末淨資產/期末股本總數 (或 股東權益/股本總額)
每股淨值，反映了每股股票代表公司的淨資產價值，每股淨值越大，表明 公司每股股票所代表的財富越雄厚，通常創造利潤的能力和抵禦外來因素影響的 能力越強。
第三，納入外在環境相關的 criteria 來看(增加 Model 的彈性)：
傳統的 DEA 模式，將過去確定的資訊納入 DEA 的運算架構，作為未來決 策考量，從現實看來較不實際。將外在經濟或其他變動因子等，視為對未來績效 預測的隨機變數，比單純使用過去資料來預估，來得適切。
6.2.2.單一公司跨年度績效比較 單一公司跨年度績效比較 單一公司跨年度績效比較(Windows analysis) 單一公司跨年度績效比較
Windows analysis:對同一家公司(DMU)，不同年度的結果視為不同 entity 比 較該家公司跨年度的績效，例如，單一公司跨年度 2003~2005 的績效評估結果，
做一比較，觀察其變化，更能觀察出長期的趨勢。
例如：該公司的穫利與外在景氣循環的相關性，對個別公司有影響，還是 對產業所有的相關公司都影響，如果是，原因是什麼?如果不是，原因是什麼?
如何改善?增加生產，降低成本
在不同年度的生產前緣(Production frontier)亦可能隨生產效率的提高，而有 所變更，則模式須適時作調整。
因為所需資料不可太少，十年以上的公司較為適用。
6.2.3.離群份子的分析 離群份子的分析 離群份子的分析(Outliers analysis) 離群份子的分析
本研究的目標在篩選出等級，對 17 家 DMU 區分等級並排序，對領先與落 後的群組，個別分析其因素，尚未對相對高效率者與相對無效率者(outliers)做反 證[13]，若能找出 outliers 的共通點，也能從相對高效率與無效率的兩個方向找 出改善的方法。
6.2.4.個別產業的群聚 個別產業的群聚 個別產業的群聚(Industry area clustering) 個別產業的群聚
本研究
5.1.2
分出的六個群組，可大略分為兩大類實驗組：領先的 4 個 clusters，期末股本大
以 TFT-LCD 產業公司為主
G1，G2，G3，G4
非 TFT-LCD 產業公司的光電產業
G5，G6
可見，相同產業的共同性明顯，若能針對細項的產業別(面板廠，濾光片，
偏光板，背光板為一類，LED 為一類)做 clustering，則是另一個收斂分析的方向。
6.2.5.Clustering 的正規化方法與收斂條件 的正規化方法與收斂條件 的正規化方法與收斂條件 的正規化方法與收斂條件(Convergence condition of clustering)
在
4.3
的分析中，對於核心點是隨機選取(DB-SCAN 的 rule)，對 clustering 條件(Eps，MinPts)的選擇。其中，Eps 的選擇，係採平均距離 Da，Da/2，Da/3，Da/4
MinPts 的選擇，係從最高等級的 cluster(例：本研究中的 G1:{1}友達)的點數 (point number)來定義，
最後，觀察群組的關係，找出收歛的核心群組。
是否有更為簡單，對 DB-SCAN 的 clustering 條件(Eps，MinPts)做分析，以 及，收斂條件的正規化（normalization），可於未來加以深入研究分析。
6.2.6.提升台灣光電產業競爭力 提升台灣光電產業競爭力 提升台灣光電產業競爭力 提升台灣光電產業競爭力
從
6.1.5
看出，提高毛利率，是台灣光電產業公司提昇競爭力的關鍵。最後，結合上述的分析，以台灣光電產業在國際上競爭力的 SWOT 分析來 做總結[5]：
提升經營績效，大致不出「善用優勢」，「停止劣勢」，「成就機會」，「抵禦威 脅」四個面向。經營團隊由此，快速決斷，凝聚共識，達成目標。
表格 6-1 台灣光電產業 SWOT 分析