臺灣博碩士論文加值系統

許多科技製造業公司在近年來，紛紛拋出數位轉型這個口號，希望能透過轉型的過程中，尋找出創新的業務與商機，但，最先遭遇到的困難點就是，內部已經有很多套的資訊系統，諸如生產執行系統(MES)、企業資源規劃系統(ERP)、供應鏈管理系統(SCM)、客戶關係管理系統(CRM)等等，但系統與系統之間的資料不能夠直接進行關聯，以及相同的資料卻重複存放於各自的系統中，導致資料孤島的情況嚴重。因此本研究希望能透過研究數據中台的建置過程以及分析各項優缺點的方式，來探討企業是否可以透過此架構，來統整各個系統之間存在的重複資料，藉此減少重複建置的成本與人力來維護，來打造出具有高彈性的資料供給平台，來支援企業可以有更多樣性的發展，最後希望透過此研究結果，能夠提供給企業評估是否需要打造數據中台，做為一個決策的參考依據。

In recent years, many technology manufacturing companies have thrown out the slogan of digital transformation, hoping to find innovative business and business opportunities through the process of transformation. However, the first difficulty encountered is that there are already many sets of internal Information systems, such as production execution system (MES), enterprise resource planning system (ERP), supply chain management system (SCM), customer relationship management system (CRM), etc., but the data between the system and the system cannot be mapping, And the same data are repeatedly stored in their respective systems, resulting in serious data islands. Therefore, this research hopes to explore whether the enterprise can integrate the duplicate data between various systems through this framework by studying the process of building the platform in the data and analyzing the advantages and disadvantages, thereby reducing repeated construction. The cost and manpower to maintain, to create a highly flexible data supply platform to support enterprises to have more diversified development, and finally hope that the results of this research can be used to provide enterprises to evaluate whether they need to build a data platform. As a reference basis for decision-making.

中文摘要 I
ABSTRACT II
誌 謝 III
目 錄 IV
圖目錄 VI
表目錄 VII
第一章 緒論 1
1.1 研究背景與動機 1
1.2研究目的 2
1.3研究流程 2
第二章 文獻探討 4
2.1商業智慧 4
2.1.1 ETL 4
2.1.2 OLAP 5
2.1.3資料倉儲 5
2.1.4資料湖泊 7
2.2中介軟體 8
2.2.1 中介軟體定義 8
2.2.2 中介軟體作用 8
2.3 企業資料處理的演進過程 9
2.3.1數據中台vs 資料平台vs 資料倉儲 9
第三章 研究方法 11
3.1 數據中台的起源與定義 11
3.2 數據中台的技術架構 11
3.2.1資料聚合 12
3.2.2資料儲存及計算 12
3.2.3資料治理 13
3.2.4數據資產管理 13
3.2.5資料服務化 14
3.3 數據中台的建置方法 14
3.4 建設數據中台會面臨的挑戰及應對策略 17
第四章 個案分析與建置數據中台 18
4.1 個案公司背景 18
4.1.1個案公司簡介 18
4.1.2個案公司組織架構 19
4.2 個案公司目前系統現況 20
4.3 個案公司數據中台規劃與設計 21
4.3.1資料聚合及儲存 21
4.3.2資料指標與模型設計 22
4.3.3 資料管理 25
4.3.4 資料計算及服務化 26
4.3.5 依據目前業務規劃出的數據中台整體架構 28
第五章 結論與建議 29
5.1研究限制與結論 29
5.2建議 29
參考文獻 30
中文部分 30
英文部分 30
參考網站 31

中文部分
1.朱蕙蘭。商業智慧系統之設計與應用，碩士論文，中原大學資訊管理研究所，2002。
2.林東清。資訊管理-e化企業的核心競爭能力，智勝文化事業有限公司，2008。
3.王茁。商業智慧，博碩文化，2005。
4.王偉如。淺談商業智慧，資策會數位教育研究所資訊新知，2003。
5.謝銘智，蕭釧瑛，黃舒郁，林永青。淺談資料倉儲，中興工程季刊．第109期．2010年10月．63-71頁。
6.黃旭愉。決策分析的利器—線上分析處理（OLAP），華南銀行資訊室．第32期．2005年。

英文部分
1.Inmon, W. H. . Building the data warehouse. New Jersey: John wiley & sons,1994.
2.Chaudhuri, Surajit and Umeshwar Dayal, “An overview of data warehousing and OLAP technology,” ACM SIGMOD Record 26.1 (1997): 65–74.
3.Forbes. Big Data Requires a Big, New Architecture, 2011.
4.Fang, Huang, “Managing data lakes in big data era: What's a data lake and why has it became popular in data management ecosystem,” Cyber Technology in Automation, Control, and Intelligent Systems (CYBER), 2015 IEEE International Conference on. IEEE, 2015.
5.Cisco. isco data intelligence platform: Modernizing data lake with ai, 2019.
6.Ramakrishnan, Raghu, et al., “Azure data lake store: a hyperscale distributed file service for big data analytics,” Proceedings of the 2017 ACM International Conference on Management of Data. ACM, 2017.
7.Wohlstadter, E., Tai, S., Mikalsen, T., Diament, J., Rouvellou, I., A Service-oriented Middleware for Runtime Web Services Interoperability, 2006.
8.Gat and G. Succi, "A Survey of the API Economy," Cut. Consort, 2013.
9.S. Ma, H. Lin, C. Lan, W. Lee, and M. Hsu, "Real-World RESTful Service Composition: A Transformation-Annotation-Discovery Approach," in 2017 IEEE 10th Conference on Service-Oriented Computing and Applications (SOCA), 2017, pp. 1-8.

參考網站
1.維基百科，商業智慧
https://zh.wikipedia.org/wiki/%E5%95%86%E4%B8%9A%E6%99%BA%E8%83%BD
2.維基百科，資料倉儲
https://zh.wikipedia.org/wiki/%E8%B3%87%E6%96%99%E5%80%89%E5%84%B2
3.維基百科，中介軟體
https://zh.wikipedia.org/wiki/%E4%B8%AD%E9%97%B4%E4%BB%B6
4.AWS，甚麼是資料湖泊？
https://aws.amazon.com/tw/big-data/datalakes-and-analytics/what-is-a-data-lake/
5.MBA智庫，數據中台
https://wiki.mbalib.com/zh-tw/%E6%95%B0%E6%8D%AE%E4%B8%AD%E5%8F%B0
6.阿里雲數據中台
https://dp.alibaba.com/index