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
6.1. 結論 結論 結論(Conclusion) 結論
本研究的優點有，DB-SCAN clustering 會逐步剔除 outliers，易於區分出 同一群組內的共同關鍵因素。
另外，DEA 對 DMU 的排名，易於區分出同一群組內的排名前後不同 的因素，易於針對出各個 clusters 做特性與原因分析。
本研究有其限制與適用範圍，比如適用的 DMU 與 criteria 數目不宜太 多，還有一些 DEA 的 constraint，茲詳述如下:
6.1.1.優點 優點 優點:區分出等級 優點 區分出等級 區分出等級 區分出等級
本研究的對現有的 17 家選取出來的公司，以 DEA 排序後，再以 DB-SCAN 的方式，區分出相近的等級，以俾能對個別的 clusters 分析其共 通性[12]。請參考
5.1
的分析。以{1}為核心：Ｇ1：｛1｝
以{5}為核心：Ｇ2：｛2，5｝
以{4}為核心：Ｇ3：｛4｝
以{3}為核心：Ｇ4：｛3｝
以{7}為核心，包到{8}：Ｇ5：｛6，7，8，9，13，16｝
以{14}為核心，包到{15}：Ｇ6：｛10，11，12，14，15，17｝
6.1.2.優點 優點 優點:Outlers 的剔除 優點 的剔除 的剔除 的剔除
利用 DEA 的方法排序，並以 DB-SCAN clustering 的方法，區分出不同 等級的群組，應在每次的 clustering 的過程中，逐步將 outliers 剔除，藉以分 析個別群組內的共同關鍵因素[21]。
比如本研究中的{1，友達}因為遙遙領先群雄，所以在區分等級的時候，
就先行區分出來，以此類推，逐步區分出以下四個群組。
以{1}為核心：Ｇ1：｛1｝
以{5}為核心：Ｇ2：｛2，5｝
以{4}為核心：Ｇ3：｛4｝
以{3}為核心：Ｇ4：｛3｝
最後區分出六個等級的 clusters。
以{7}為核心，包到{8}：Ｇ5：｛6，7，8，9，13，16｝
以{14}為核心，包到{15}：Ｇ6：｛10，11，12，14，15，17｝
以 G5 與 G6 來說，G1~G4 裡的點(DMU)就是離群資料。
6.1.3.限制 限制 限制:DMU 與 限制 與 與 criteria 的數目不宜太多 與 的數目不宜太多 的數目不宜太多 的數目不宜太多
以本研究為例，在四次群聚的過程中，逐步減少 distance，四次群聚的衡量 distance 分別為：
Da，Da/2，Da/3，Da/4並逐步減少群組的最少點數(MinPts) 其中，Da為平均距離:0.3739
因為 DMU 與 criteria 的數目都不是很多，還算容易區分出來，如果是像 IMD 的國家競爭力那種動輒 100 多個國家，上百個 criteria 的競爭力分析，就不 適合用此方法。
第一次 Eps 為 Da=0.3789，取 0.37
Eps = 0.37，(distance of clustering points)
MinPts = 4(minimal 4 points in 1 cluster)
第二次 Eps 為 Da/2=0.1869，取 0.19
Eps = 0.19，(distance of clustering points)
MinPts = 1，(minimal 1 point in 1 cluster)
第三次 Eps 為 Da/3=0.1246，取 0.12
Eps = 0.12，(distance of clustering points)
MinPts = 1，(minimal 1 point in 1 cluster)
第四次 Eps 為 Da/3=0.1246，取 0.12
Eps = 0.09，(distance of clustering points)
MinPts = 1，(minimal 1 point in 1 cluster)
6.1.4.限制 限制 限制:DEA 的 限制 的 的 的 constraint 不宜太多 不宜太多 不宜太多 不宜太多(Bound on relative factors)
對 DEA 的假設，設 bound，比如，將三維座標(X，Y，Z)中，X 與 Z 的範
圍縮小，使產生的點之間的點距接近，使 clustering 容易區分出來，但是設限太
多，DEA 可能無法產生解，對眾多點的 clustering 也不容易。
設 bound 的目的，在使資料的點落在可接受的範圍內。而本研究對 X，Z 設
限，目的在 clustering 時，方便區分出 outliers，才能從 1st level clustering，2nd lever
clustering…等的 clustering 中，逐步剔除 outliers，找出個別群組。
6.1.5.提高毛利率是提升經營績效的關鍵 提高毛利率是提升經營績效的關鍵 提高毛利率是提升經營績效的關鍵 提高毛利率是提升經營績效的關鍵
從
5.1.3
區分出來的 clusters 來看，跟4.2.3survey data(2005 的毛利率排行)
比較，大略相仿，既然大者恆大，小公司要突圍，就須從毛利率著眼！從毛利率本身的定義來看：
毛利率=(營業收入-營業成本)/營業收入*100%，
比率越高，表示公司獲利能力越好。
毛利率為標準的公司產品獲利能力指標，享有高毛利率的公司通常表示公司 在該領域具有獨特的能力(例如掌握技術，掌握客戶，產品創新，或具有規模經 濟等等…)，因此具有高毛利率公司往往是該領域龍頭廠商或利基型廠商。
由於毛利率是一家公司獲利能力的最基本指標，因此觀察其變化，將可找出 公司獲利變化的趨勢。當公司的毛利率往上提升時，常代表著公司的新產品效益 出現，或是經濟規模量顯現，均為公司體質好轉的跡象。
提高毛利率不外兩個方向：
其一是往更上游的零組件整合，降低投入成本；
其二是在利基上著眼，掌握關鍵技術，提高利潤。
從毛利率的幾項要素：
掌握技術，掌握客戶，產品創新，具有規模經濟等等…，來對照
4.4.5
群聚的結果，可看出掌握越多要素的公司，排名越前面：以{1}為核心：Ｇ
Ｇ Ｇ Ｇ1：
｛1｝掌握技術，掌握客戶，產品創新，具有規模經 濟。以{5}為核心：Ｇ
Ｇ Ｇ Ｇ2：
｛2，5｝產品創新，具有規模經濟。以{4}為核心：Ｇ
Ｇ Ｇ Ｇ3：
｛4｝產品創新(Hanspree)。以{3}為核心：Ｇ
Ｇ Ｇ Ｇ4：
｛3｝掌握客戶(Sharp)。以{7}為核心，包到{8}：Ｇ
Ｇ Ｇ5： Ｇ
｛6，7，8，9，13，16｝產品創新，掌握 關鍵技術。以{14}為核心，包到{15}：Ｇ
Ｇ Ｇ Ｇ6
：｛10，11，12，14，15，17｝產品創新，利基廠商。