111 年 國立成功大學資訊管理研究所甲組《管理資訊系統》

此題主要在考察學生對資訊系統基本組成要素的理解，以及對國家資訊基礎建設發展的認識。

一、資訊系統的組成單元

資訊系統 (Information System, IS) 是指一個由相互關聯的元件所組成的集合，這些元件協同工作以收集、處理、儲存和分發資訊，以支援決策制定、協調、控制、分析和視覺化。其基本組成單元通常包含以下五個方面：

1. 硬體 (Hardware): 這是執行資訊系統功能的實體設備。包括電腦（伺服器、個人電腦、筆記型電腦、平板電腦、智慧型手機等）、輸入設備（鍵盤、滑鼠、掃描器、麥克風）、輸出設備（顯示器、印表機、揚聲器）以及儲存設備（硬碟、固態硬碟、USB 隨身碟、雲端儲存）。
2. 軟體 (Software): 指的是控制硬體運作並處理資料的指令和程式。主要分為兩大類：
   • 系統軟體 (System Software): 如作業系統 (Windows, macOS, Linux)、資料庫管理系統 (DBMS, 如 Oracle, MySQL)、網路管理軟體等，它們負責管理和協調硬體資源。
   • 應用軟體 (Application Software): 如文書處理軟體 (Microsoft Word)、試算表軟體 (Excel)、企業資源規劃 (ERP) 系統、客戶關係管理 (CRM) 系統、網頁瀏覽器等，它們用於執行特定的使用者任務。
3. 資料 (Data): 這是資訊系統處理的原始事實和數值。經過處理後，資料會轉化為有意義的資訊 (Information)，用以支援決策。資料可以是以文字、數字、影像、聲音、影片等多種形式存在。
4. 人員 (People): 參與資訊系統的設計、開發、操作、維護和使用者。這包括系統分析師、程式設計師、資料庫管理員、網路工程師、IT 技術支援人員、最終使用者等。人員是資訊系統中最關鍵的元素，因為他們決定了系統的目標、使用方式和最終價值。
5. 流程 (Processes): 指的是資訊系統操作和使用的方式，即組織如何收集、處理、儲存、傳播和使用資訊的步驟和規則。這包括標準作業程序 (SOP)、工作流程、業務流程等，確保資訊系統能有效地運作並達成組織目標。

二、我國應加強的相關基礎建設

相較於先進國家，我國在資訊基礎建設方面雖有一定基礎，但在某些關鍵領域仍有進步空間，尤其是在數位轉型和創新應用方面。以下是我國可以加強的相關基礎建設方向：

1. 高速、穩定的網路基礎設施 (Network Infrastructure):
   • 5G/6G 網路普及與深化: 雖然我國 5G 網路已商轉，但仍需加速其覆蓋率，尤其是在偏鄉地區，並積極佈局下一代 6G 技術的研究與發展，以支援更廣泛的物聯網 (IoT)、自動駕駛、遠距醫療等應用。

此題考驗學生對於「智能系統建置」的理解，包括其過程、關鍵項目以及所需資源。智能系統 (Intelligent System) 是指能夠模擬人類智慧行為，如學習、推理、感知、決策、問題解決等的系統。

一、智能系統建置的過程

建置一個智能系統通常是一個迭代且複雜的過程，大致可分為以下幾個階段：

1. 問題定義與目標確立 (Problem Definition & Goal Setting):

   • 釐清需求: 明確要解決的業務問題是什麼？期望智能系統達成什麼目標？（例如：提升客戶服務效率、預測設備故障、優化生產排程、自動化決策等）。
   • 可行性評估: 評估技術、數據、資源、時間等方面的可行性。
   • 定義指標: 確立衡量系統成功與否的關鍵績效指標 (KPI)。

2. 數據收集與準備 (Data Collection & Preparation):

   • 數據來源識別: 確定所需的數據來源，可能來自內部資料庫、感測器、日誌文件、外部 API 等。
   • 數據收集: 執行數據採集策略，確保數據的準確性、完整性和及時性。
   • 數據清洗與預處理: 處理缺失值、異常值、重複數據，進行數據轉換、標準化、正規化等，使其適合模型訓練。
   • 特徵工程 (Feature Engineering): 根據領域知識，從原始數據中提取或創建更有意義的特徵，以提高模型的性能。

3. 模型選擇與設計 (Model Selection & Design):

   • 演算法選擇: 根據問題類型（分類、迴歸、聚類、推薦、自然語言處理、電腦視覺等）和數據特性，選擇合適的機器學習或深度學習演算法。
   • 模型架構設計: 設計模型的架構，特別是對於深度學習模型，需要確定層數、節點數量、激活函數等。
   • 實驗設計: 規劃模型訓練、驗證和測試的實驗流程。

4. 模型訓練與優化 (Model Training & Optimization):

   • 模型訓練: 使用準備好的數據訓練選定的模型，通過反覆迭代調整模型參數。
   • 超參數調優 (Hyperparameter Tuning): 優化模型的超參數（如學習率、批次大小、正則化參數等），以找到最佳模型配置。
   • 模型評估: 使用驗證集評估模型的性能，並與預設的 KPI 進行比較。
   • 模型迭代: 根據評估結果，可能需要回頭修改數據準備、特徵工程或模型設計，然後重新訓練。

5. 模型評測與驗證 (Model Evaluation & Validation):

   • 獨立測試: 使用從未參與訓練和驗證的測試集對最終模型進行嚴格評測，確保其泛化能力。
   • 業務驗證: 將模型結果與實際業務場景進行對比，確認其是否真正解決了問題並帶來價值。

6. 系統部署與整合 (System Deployment & Integration):

   • 部署環境建置: 準備生產環境，包括伺服器、API 接口、容器化等。
   • 模型部署: 將訓練好的模型部署到生產環境，使其能夠接收實時數據並產生預測或決策。
   • 系統整合: 將智能系統與現有的業務流程、應用系統（如 ERP, CRM）進行整合，確保順暢運行。

7. 監控、維護與迭代 (Monitoring, Maintenance & Iteration):

   • 性能監控: 持續監控系統的運行狀態和模型性能，檢測數據漂移 (Data Drift) 或模型退化 (Model Decay)。
   • 定期更新與再訓練: 隨著時間推移，數據分佈可能改變，需要定期使用新數據重新訓練模型，以維持其準確性。
   • 使用者回饋: 收集使用者對系統的意見和反饋，用於進一步優化系統。

此題考驗學生對生成對抗網絡 (GANs) 的理解，包含其基本原理、架構與應用。

生成對抗網絡 (Generative Adversarial Networks, GANs)

生成對抗網絡 (GANs) 是一種深度學習模型架構，由 Ian Goodfellow 及其同事於 2014 年提出，主要用於生成逼真的數據，例如圖像、音訊、文字等。GANs 的核心思想是透過兩個神經網絡之間的「對抗」來學習數據的分佈，進而生成新的、與真實數據相似的樣本。

GANs 的基本架構與原理

GANs 主要由兩個神經網絡組成：

1. 生成器 (Generator, G):

   • 功能: 生成器負責從隨機雜訊向量 (通常稱為潛在空間向量，latent vector) 開始，生成新的數據樣本。
   • 目標: 其目標是盡可能地「欺騙」判別器，使其誤以為生成器產生的假數據是真實數據。
   • 輸入: 通常是一個低維度的隨機雜訊向量 $z$。
   • 輸出: 生成一個與真實數據具有相同維度的樣本 $\hat{x} = G(z)$。

2. 判別器 (Discriminator, D):

   • 功能: 判別器是一個二元分類器，負責判斷輸入的數據樣本是來自真實數據集還是由生成器產生的假數據。
   • 目標: 其目標是盡可能準確地辨識出真實數據和假數據。
   • 輸入: 接收一個數據樣本 $x$ (可能是真實的，也可能是生成的)。
   • 輸出: 輸出一個機率值 $D(x)$，表示該樣本是真實數據的機率（通常介於 0 到 1 之間；1 表示判斷為真實，0 表示判斷為偽造）。

對抗訓練過程 (Adversarial Training Process)

GANs 的訓練過程就像一場博弈：

1. 生成器 G 的目標: 最大化判別器 D 誤判的機率，即最大化 $D(G(z))$ 的值（希望 D 認為 G 生成的樣本是真實的）。
2. 判別器 D 的目標: 最小化其誤判的機率，即最大化 $D(x)$（對於真實數據 $x$）並最小化 $D(G(z))$（對於生成數據 $G(z)$）。

這個過程可以透過一個最小最大值博弈 (minimax game) 來表示，其價值函數 $V(D, G)$ 為：
$V(D, G) = \mathbb{E}_{x \sim p_{data}(x)}[\log D(x)] + \mathbb{E}_{z \sim p_z(z)}[\log(1 - D(G(z)))]$
其中：

此題主要考查學生對區塊鏈 (Blockchain) 技術的定義、特點以及應用場域的理解。

一、區塊鏈 (Blockchain) 是什麼？

區塊鏈是一種分散式、不可篡變的數位帳本技術。它將交易記錄打包成「區塊 (Block)」，這些區塊按照時間順序串聯起來，形成一個「鏈 (Chain)」。其核心特點使其在數據記錄和傳輸方面具有獨特的優勢：

1. 分散式帳本 (Distributed Ledger): 區塊鏈的數據並非儲存在單一的中央伺服器，而是分散儲存在網路中的多個節點 (Node) 上。每個節點都擁有完整的帳本副本。
2. 不可篡改性 (Immutability): 一旦數據被記錄到區塊鏈中，就極難被修改或刪除。這是因為每個區塊都包含前一個區塊的哈希值 (Hash)，任何對過去區塊的修改都會導致後續區塊的哈希值失效，從而被網路中的其他節點檢測到。
3. 透明性 (Transparency): 在公開區塊鏈中，所有交易記錄都是公開可查的，任何人都可以驗證交易的真實性，但交易者的身份通常是匿名的（或使用假名）。
4. 安全性 (Security): 區塊鏈利用密碼學技術（如哈希函數、數位簽章）來確保數據的安全性和驗證交易的合法性。分散式的特性也使其不易受到單點故障或攻擊的影響。
5. 共識機制 (Consensus Mechanism): 為了確保分散式網路中的數據一致性，區塊鏈採用各種共識機制（如工作量證明 Proof-of-Work, PoW；權益證明 Proof-of-Stake, PoS）來讓節點就區塊的有效性達成一致。

二、區塊鏈的適合應用場域

基於上述特點，區塊鏈技術特別適合應用於需要高度信任、透明性、安全性和不可篡改性的場景，尤其是在多方參與、缺乏中央信任機構的情況下。

1. 金融服務 (Financial Services):
   • 加密貨幣 (Cryptocurrencies): 如比特幣 (Bitcoin)、以太坊 (Ethereum)，實現去中心化的點對點電子現金系統。
   • 跨境支付與匯款: 降低交易成本和時間，提高效率。
   • 證券交易與結算: 實現更快速、透明的證券發行、交易和結算。

此題考驗學生對現代網路服務平台（特別是外送平台）的資訊系統架構的理解。Uber Eats 和 Foodpanda 雖然是競爭對手，但其核心的資訊系統架構有許多共通之處，主要圍繞著「使用者」、「商家」、「外送員」這三大核心角色以及背後的平台運作。

Uber Eats / Foodpanda 資訊系統架構概述

這類外送平台的資訊系統架構通常是複雜且高度分佈式的，旨在處理海量的即時交易、地理位置資訊、使用者互動和後端管理。其架構可以從幾個關鍵層面來理解：

1. 前端應用層 (Frontend Applications):
這是使用者直接互動的介面，包括：

• 消費者 App/網站: 提供使用者瀏覽餐廳、點餐、支付、追蹤訂單、評價等功能。
• 商家 App/POS 系統整合: 供餐廳接收訂單、管理菜單、更新營業時間、處理退款、查看銷售數據等。這部分可能透過獨立 App 或與現有的 POS (Point of Sale) 系統整合。
• 外送員 App: 提供外送員接收訂單、導航、更新訂單狀態（取餐、送達）、查看收入等功能。

2. 後端服務層 (Backend Services Layer):
這是平台的「大腦」，處理核心業務邏輯，通常採用微服務架構 (Microservices Architecture)，以提高靈活性、可擴展性和獨立部署能力。關鍵的微服務模組可能包括：

• 使用者管理服務 (User Management Service): 處理使用者註冊、登入、個人資料管理、權限控制。
• 餐廳與菜單管理服務 (Restaurant & Menu Management Service): 管理餐廳資訊、菜單、價格、圖片、促銷活動。
• 訂單管理服務 (Order Management Service): 負責接收、處理、分配、追蹤訂單的整個生命週期。這是系統的核心。
• 支付服務 (Payment Service): 與第三方支付平台 (如 Stripe, PayPal, Apple Pay, Google Pay, 信用卡公司) 整合，處理訂單支付、退款、結算。
• 地理位置與地圖服務 (Location & Mapping Service):
  • 地理編碼/反向地理編碼: 將地址轉換為經緯度座標，反之亦然。
  • 地圖顯示與導航: 為消費者顯示餐廳位置，為外送員提供導航路徑。
  • 即時位置追蹤: 實時更新消費者、外送員的位置。
  • 距離與時間估算: 預估取餐、送餐時間，計算配送費用。
• 派單與最佳化服務 (Dispatch & Optimization Service):
  • 訂單分配演算法: 根據外送員位置、距離、訂單屬性、歷史表現等因素，自動將訂單分配給最合適的外送員。
  • 路線規劃與最佳化: 為外送員規劃最高效的取餐和送餐路線，有時會涉及多點配送最佳化。
• 通知服務 (Notification Service): 向使用者、商家、外送員發送各種通知（如訂單確認、訂單狀態更新、促銷訊息）-- 通常透過推播通知 (Push Notifications)、簡訊 (SMS)、電子郵件。

核心概念
本題主要考查 MIS（管理資訊系統） 中，企業在導入 社群媒體（Social Media） 進行顧客互動時，需同時評估 管理層面的策略與決策、組織結構與流程的調整、以及資訊技術（IT）平台與資源的可行性。

---

(a) 管理層面的議題

1. 策略性目標設定
   • 品牌形象與顧客關係：社群媒體是提升品牌可見度、建立顧客忠誠度的關鍵渠道。必須明確定義「提升顧客回購率 10%」或「每月新增粉絲 5,000 名」等 KPI。
2. 資源配置與預算
   • 人力與財務：需決定投入專門的社群經營團隊或外部 agency，並編列廣告投放、內容製作與分析工具的預算。
3. 風險管理
   • 聲譽風險：藥局涉及醫藥資訊，若不慎發佈錯誤藥品資訊或回應不當，會牽涉法規（如《藥事法》）與品牌危機。需要建立 危機應變 SOP，明確誰負責監控、審核與回應。
4. 績效衡量
   • KPI 與儀表板：利用 社群互動指標（點擊率、分享次數、留言情感分析） 以及 銷售轉換率 兩層指標，建立跨部門的績效評估機制。

【答案】
管理層必須明確社群媒體的策略目標、分配人力財務資源、制定風險與危機應變機制，並以 KPI 為基礎持續追蹤與調整。

---

(b) 組織層面的議題

1. 跨部門協同
   • 行銷、藥事、客服、IT 四大部門需共同制定內容規範與回應流程。建議設立 社群營運委員會，每週例會審核貼文、檢討危機案例。
2. 職能與流程再設計
   • 內容創作：由行銷負責主題企劃，藥事提供醫藥合法性審核。
   • 顧客回應：客服團隊須具備即時回覆（SLA ≤ 4 小時）與資料庫化顧客問題。
3. 知識管理
   • 建立 FAQ 與標準化回覆模板，並將常見問題歸檔於內部知識庫，供客服與藥師快速查詢。
4. 員工培訓
   • 針對 社群平台操作、文字寫作、醫藥法規 進行定期培訓，確保所有執行者具備必要能力。

【答案】
組織必須透過跨部門協同與流程再設計，明確分工、建立知識庫與回覆SLA，並提供相關法規與平台操作的員工培訓。

---

(c) 技術層面的議題

1. 平台選擇與整合
   • 主要使用 Facebook、Instagram、LINE 官方帳號（台灣藥局常見），需 API 串接 以自動化貼文排程、顧客資料同步。
2. 資料安全與隱私
   • 處理顧客個資（如購買紀錄、健康諮詢）必遵守 個人資料保護法，且 HTTPS、加密儲存 為基本要求。
   • 需要 雙因素驗證（2FA） 保障社群帳號不被駭客入侵。
3. 分析與決策支援
   • 部署 社群分析工具（如 Sprout Social、Google Analytics），收集互動數據，透過 **情感分析（核心概念
     本題主要考查 MIS（管理資訊系統） 中，企業在導入 社群媒體（Social Media） 進行顧客互動時，需同時評估 管理層面的策略與決策、組織結構與流程的調整、以及資訊技術（IT）平台與資源的可行性。

---

(a) 管理層面的議題

1. 策略性目標設定
   • 品牌形象與顧客關係：社群媒體是提升品牌可見度、建立顧客忠誠度的關鍵渠道。必須明確定義「提升顧客回購率 10%」或「每月新增粉絲 5,000 名」等 KPI。
2. 資源配置與預算
   • 人力與財務：需決定投入專門的社群經營團隊或外部 agency，並編列廣告投放、內容製作與分析工具的預算。

核心觀念
本題主要考查 「實施階段在 ERP 系統導入中的變革管理」，強調只有成功執行變革管理（包括溝通、培訓、流程再造與抵抗處理），才能確保新系統被組織接受、使用與產生效益。

---

完整解題過程

1. 變革管理的定位

   • ERP 專案不只是技術安裝，還涉及 業務流程、組織結構與員工角色的根本變動。
   • 若僅著重系統建置而忽略使用者的行為與心態調整，往往會出現系統低使用率、流程回歸手工或專案失敗的情況。

2. 實施階段的四大關鍵活動

   (a) 溝通與願景塑造

   • 目的：讓所有相關人員瞭解 ERP 導入的原因、目標與預期效益，降低謠言與不確定感。
   • 怎麼做：高層領導發表正式公告、舉辦說明會、建立專案內部網站，持續提供進度更新。

   (b) 組織結構與職能再設計

   • 目的：確保新系統的角色與權責在組織圖上得到明確配置，避免職能重疊或空白。
   • 怎麼做：依據 ERP 的模組（如財務、採購、生產）重新劃分部門邊界，訂定 RACI 矩陣（Responsible、Accountable、Consulted、Informed），讓每個流程的負責人清楚知道自己的任務。

   (c) 培訓與能力建置

   • 目的：提升使用者操作新系統的熟練度，縮短學習曲線，減少錯誤與工作中斷。
   • 怎麼做：
     1. 依角色分層設計課程（基礎操作、流程最佳實務、系統管理）。
     2. 採用 情境模擬（sandbox） 讓使用者在非正式環境練習。
     3. 建立支援中心或 超級使用者（Super‑User）團隊，提供即時協助。

核心概念
本題旨在測試學生對現代客戶關係管理（CRM）系統功能的理解，並能以具體案例說明這些功能如何提升企業營運效能。答題重點在於挑選具代表性的功能，配合兩個不同產業或情境的實務案例，說明每項功能的作用與價值。

---

案例一：零售業（線上／線下整合）

情境說明
一家全通路服飾品牌希望提升顧客忠誠度、加強行銷精準度，並優化庫存與客服流程。

CRM 具體功能與說明

功能	目的	實際運用方式	為什麼重要
客戶資料集中管理 (360° 客戶視圖)	整合線上購物、門市消費、社群互動等多來源資料	透過 CRM 將顧客的購買紀錄、網站瀏覽行為、客服通話摘要自動匯入同一客戶檔案	讓行銷、客服、商品企劃人員都能看到完整的顧客歷史，避免資訊斷層，提高服務一致性
行銷自動化 (Automation & Campaign Management)	精準傳遞促銷訊息、提升活動轉換率	設定「生日禮金」或「購滿 2000 元免運」的自動化流程，系統根據客戶資料自動發送 Email / SMS	減少人工操作時間，提升訊息觸達的即時性與個人化，提升顧客回購率
銷售機會與管道管理 (Opportunity & Pipeline)	追蹤潛在客戶從線索到成交的全程	銷售人員在 CRM 中記錄每筆潛在訂單的階段（如「意向表達」→「樣品寄送」→「談判」），系統自動產生預估收入與勝率	讓管理層即時掌握業績進度，提前預警瓶頸，協助資源分配與績效評估
客服工單與整合 (Ticketing & Service Integration)	快速回應顧客問題、提升滿意度	客服中心透過 CRM 產生工單，並自動連結相關顧客資料與購買紀錄，提供解決方案後自動回覆	減少重複查詢時間，提高問題解決速度，提升 NPS（淨推薦指數）

小結
透過上述四項功能，零售業者能在資訊整合、行銷自動化、銷售管道可視化與客服即時支援四個面向提升營運效能。

---

案例二：B2B 產業（製造業設備供應商）

情境說明
一家提供工業自動化設備的製造商，需要管理長期合作的企業客戶、維護合約更新與售後服務，同時追蹤技術支援與升級機會。

CRM 具體功能與說明

功能	目的	實際運用方式	為什麼重要

核心觀念
本題重點在於理解 什麼是 Business Intelligence (BI) 系統，以及 BI 系統常見的工具類型。考生必須能說明 BI 系統的目的、核心構成與資訊流程，並能列舉出能在不同階段發揮功能的工具，展現對資訊管理與決策支援技術的全面掌握。

---

(a) Business Intelligence 系統之定義

Business Intelligence 系統是一套 將企業內部與外部資料蒐集、整合、清理、儲存、分析，最終以易於理解的方式呈現給決策者 的資訊科技平台。其主要目標是 提升決策品質、加速決策速度、發掘商機與降低營運風險。
BI 系統通常包含以下幾個關鍵流程：

流程階段	說明	為何重要
資料擷取 (Data Extraction)	從 ERP、CRM、網路、感測器等多元來源抽取原始資料。	確保決策資訊的完整性與時效性。
資料轉換與清理 (ETL / Data Cleansing)	透過 Extract‑Transform‑Load 方式將資料轉為一致的結構、去除錯誤與重複。	高品質的資料是正確分析的基石。
資料倉儲 (Data Warehouse / Data Mart)	以主題導向、歷史性、不可變更的方式儲存清理後的資料。	支援快速多維查詢與長期趨勢分析。
資料分析與模型建置	使用報表、OLAP、資料探勘、機器學習等技術發掘模式與洞見。	從大量資料中抽取可行的商業資訊。
資訊呈現 (Visualization / Reporting)	以儀表板、圖表、報表等視覺化方式向使用者傳遞結果。	讓非技術主管快速理解並採取行動。

結論：BI 系統是一條 「資料 → 整理 → 儲存 → 分析 → 呈現」 的資訊價值鏈，旨在將原始資料轉化為決策支援的知識。

---

(b) 常見的 BI 工具類型與應用範例

以下依照上述資訊流程，列出可採用的具體工具類別，並說明每類工具的功能重點與典型產品。

工具類型	功能說明	代表工具（舉例）
資料擷取與整合工具 (Data Integration)	連接多元異構資料源、執行抽取、同步或批次匯入。	Informatica PowerCenter、Microsoft SSIS、Talend Open Studio
ETL / 資料清理工具	轉換資料格式、執行資料清洗、匯入至資料倉儲。	IBM DataStage、Oracle Data Integrator、Pentaho Data Integration
資料倉儲平台	提供大規模、可擴充的多維資料儲存環境。	Amazon Redshift、Google BigQuery、Snowflake、Microsoft Azure Synapse
線上分析處理 (OLAP) 引擎	支援即時多維切片、切塊、旋轉 (Slice‑Dice‑Roll‑Up)。	*核心觀念
本題重點在於理解 什麼是 Business Intelligence (BI) 系統，以及 BI 系統常見的工具類型。考生必須能說明 BI 系統的目的、核心構成與資訊流程，並能列舉出能在不同階段發揮功能的工具，展現對資訊管理與決策支援技術的全面掌握。

---

(a) Business Intelligence 系統之定義

Business Intelligence 系統是一套 將企業內部與外部資料蒐集、整合、清理、儲存、分析，最終以易於理解的方式呈現給決策者 的資訊科技平台。其主要目標是 提升決策品質、加速決策速度、發掘商機與降低營運風險。
BI 系統通常包含以下幾個關鍵流程：

流程階段	說明	為何重要
資料擷取 (Data Extraction)	從 ERP、CRM、網路、感測器等多元來源抽取原始資料。	確保決策資訊的完整性與時效性。
資料轉換與清理 (ETL / Data Cleansing)	透過 Extract‑Transform‑Load 方式將資料轉為一致的結構、去除錯誤與重複。	高品質的資料是正確分析的基石。
資料倉儲 (Data Warehouse / Data Mart)	以主題導向、歷史性、不可變更的方式儲存清理後的資料。	支援快速多維查詢與長期趨勢分析。
資料分析與模型建置	使用報表、OLAP、資料探勘、機器學習等技術發掘模式與洞見。	從大量資料中抽取可行的商業資訊。
資訊呈現 (Visualization / Reporting)	以儀表板、圖表、報表等視覺化方式向使用者傳遞結果。	讓非技術主管快速理解並採取行動。

本題核心觀念
此題測驗的是資訊系統（Information Systems, IS）在疫情時代如何配合企業的四種競爭策略（Porter 的「成本領先、差異化、成本集中、差異化集中」），並要求舉例說明。重點在於能將 IS 的功能（如雲端、資料分析、協同平台、物聯網）與每種策略的目標連結，說明「為什麼」資訊系統能協助實現該策略，而不是單純列舉功能。

---

(a) 成本領先策略（Cost Leadership）

說明：企業透過降低生產及營運成本，以最低價格取得市場優勢。疫情期間，供應鏈中斷、人工成本上升，資訊系統可透過以下方式降低成本：

IS 功能	為什麼能降低成本	具體例子
雲端資源 (Cloud Computing)	免除自行建置與維護資料中心的資本支出與人力成本，依使用量付費，可彈性調整規模。	服飾品牌 ZARA 在疫情期間將其 ERP 系統搬至 AWS，減少伺服器維護費用 30%。
自動化流程 (Robotic Process Automation, RPA)	用軟體機器人取代重複性手動作業，減少人工工時與錯誤成本。	金融機構導入 RPA 處理信用卡申請，處理時間由 3 天縮至 4 小時，人工成本下降 40%。
供應鏈可視化 (Supply‑Chain Visibility)	透過 IoT 感測器與即時資料平台，提前預測斷貨與物流瓶頸，避免過度庫存或因缺貨停工。	電子零組件公司使用 SAP Integrated Business Planning，降低安全庫存 20%。

【答案】
資訊系統透過雲端、RPA 以及供應鏈可視化，協助企業在疫情期間降低固定與變動成本，實現成本領先策略。

---

(b) 差異化策略（Differentiation）

說明：企業以獨特的產品/服務或顧客體驗創造附加價值，使顧客願意支付較高價格。疫情催生新需求，資訊系統可提供以下差異化能力：

IS 功能	為什麼能創造差異化	具體例子
大數據與分析 (Big Data & Analytics)	透過顧客行為、偏好分析，提供個人化推薦與服務，提高顧客黏著度。	電商平台 Shopee 利用即時購買行為分析，推送客製化促銷訊息，提升客單價 15%。
全渠道體驗 (Omni‑Channel Integration)	整合線上、線下、行動端資源，提供無縫購物與服務流程。	餐飲品牌 鼎泰豐 在疫情期間推出線上點餐、外送、店內 QR 點餐三位一體系統，提升服務便利性。
增強實境/虛擬實境 (AR/VR)	讓顧客在遠端也能體驗產品功能，提升感官價值。	家具公司 IKEA 推出 AR 應用，讓消費者在家中預覽家具擺設，增加線上成交率。

【答案】
資訊系統藉由大數據分析、全渠道整合與 AR/VR 等技術，為企業提供個人化、便利且具沉浸感的服務，形成差異化優勢。

---

(c) 成本集中策略（Cost Focus）

說明：企業在特定細分市場內採取成本領先，以低價吸引該市場的價格敏感型顧客。疫情期間，許多小型或利基市場的需求急遽變化，資訊系統可協助企業快速、低成本地服務這些客群：

IS 功能	為什麼適用於利基市場的成本集中	具體例子