智慧資本之特徵映射圖---以連接器產業為例

Intellectual Capital Clusting by Data Mining Tool

陳繼宏

指導教授 ： 鄭 雅 穗

元智大學/管理學院/管理研究所/碩士(2002年)

摘要

企業的智慧資本愈來愈決定著其競爭地位，然而智慧資本定義分歧多端，加上衡量上缺少一致標準與資訊揭露的事實現況，市場缺少智慧資本比較資訊，本研究嘗試將資料挖掘技術加以運用，以視覺化與自動化分析處理的方法，針對智慧資本資料加以分析，將不同智慧資本的企業做出集群分析。
因此本研究應用自組織特徵映射 (Self-organizing Feature Maps)網路(一般簡稱為SOFM或SOM)，這是基於「競爭式學習」的一種網路。競爭式學習法有時又稱為「贏者全拿」(Winner-take-all)學習法。當輸入變數後，輸出層的類神經元們會彼此競爭，而其中對輸入變數最有反應的那個神經元(稱作得勝者)，其鍵結值會被調整，以便增加此神經元與輸入變數之間的相似性(亦即在下一次輸入相同的變數時，此神經元對此變數會有更大的反應) ，SOM又稱為視覺化資料分群法，透過圖形的輔助可以使分群之後的結果更具說服力與可信度。因此優點而選擇SOMine Version 3.0為論文題目的分析工具，並使用上市(櫃)公司的財務資料或財務比率，希望能從中發掘出未知的智慧資本群聚關係而達到管理的目標。
選擇連接器產業為例，因為市場潛在規模大，有台灣最大製造公司-----鴻海，台灣600億元總產值，超過200家廠商，尚未達全球產值之5﹪等因素，以『用人費用率、每人營收、研究發展、營業收入淨額/推銷費用、研究發展費/管理費用、營收成長率、營收淨額佔管理費用之比率、每人配備率』等八項資料來做輸入值，選定『鴻海、正崴、信邦、宣得、金橋、連展、禾昌、今皓、信音』九家公司，包含上市上櫃後歷年資料(台灣經濟新報社資料庫)全部資料共有149筆，SOM自組織網路運算後分為五個區域，據此以發掘企業之相似性及其特徵值部分，並檢視企業之未來發展潛力。

關鍵字

自組織特徵映射 ； 智慧資本

並列摘要

無資料

並列關鍵字

Self-organizing Feature Maps

參考文獻

Bontis, Nick. (2001). "Assessing Knowledge Assets: A review of the models used to measure intellectual capital", International Journal of Management Reviews, 3, 1, forthcoming

Edvinsson, L., and Malone, M.S. (1997). Intellectual Capital: Realizing Your Company’s True Value by Finding its Hidden Brainpower. HarperBusiness, New York

Stewart, T.A. (1997). Intellectual Capital: The New Wealth of Organizations. Doubleday/Currency, New York.

Svieby, K.E. (1997). The New Organizational Wealth: Managing and Measuring Knowledge-based Assets. San Francisco: Barrett-Kohler Publishers.

中文部分