隨著人類文明日益進步及各種天然資源迅速減少之狀況下，水資源循環的再生利用，也就更顯得格外重要。而「泵浦」是輔助水資源循環再生利用系統中很重要的角色，它協助人們可以更快速且方便地使用水資源，也能幫助使用後之污水輸送及處理。新興國家由於基礎設施快速發展下，對於水泵之需求也不斷增加，而發展中國家的人們也愈來愈依賴地下水，對於農業灌溉、漁業養殖用水，更是需要使用水泵。另外工業發展而產生的污廢水，因政府對污水處理嚴苛的要求，更將進一步帶動泵浦市場之成長。
以本研究個案企業現行使用之 SAP ERP 系統為範疇，透過系統作業取得銷售訂單相關資料，再運用資料倉儲、線上分析處理與資料探勘技術，以科學化、系統化、有效化的工具進行分析，建構個案企業之顧客關係管理決策模式。
透過決策模式以利本研究個案企業經營者、營業單位主管，更精確地明瞭產品市場概況、顧客貢獻度、訂單銷售比率等，以制訂目標客戶的顧客關係管理決策，並找出「主要」及「潛在」的客戶群，來鞏固及提昇主要客戶的訂單量，並對潛在客戶訂單的開發決策加以應用，期能維持在同業及未來競爭力之提昇。

With the progress of human civilization and the rapid decline of various natural resources, the recycling of water resources is particularly important. The "pump" plays an important role in the auxiliary water resources recycling system, which helps people to use water resources more quickly and conveniently and helps the transportation and treatment of sewage after using as well. With the rapid development of infrastructure in emerging countries, the demand for water pumps is increasing accordingly, while people in developing countries become more and more dependent on groundwater, especially for agricultural irrigation and aquaculture. In addition, the sewage produced by industrial development will further drive the growth of the pump market significantly due to the strict requirements of the government on sewage treatment.
 
In this study, the SAP ERP system currently used by the specific enterprise is taken as the research subject, the sales order related data are obtained through system operation, and then the Data Warehouse, On-Line Analytical Processing and Data Mining are used to analyze with scientific, systematic, and effective tools; then the customer relationship management decision-making mode of the case enterprises is constructed.
Through the decision-making model, it is beneficial to the enterprise operators and business development managers of this study case to have more accurate insight to the product market profile, customer contribution, order sales ratio, etc., so as to make customer relationship management decisions of target customers, find out "major" and "potential" customer groups, consolidate and enhance the order quantity of major customers, and apply the development decisions of potential customers' orders, so as to maintain the continuous competitive advantages to other competitors in the same industry and in the future.

參考文獻
中文部份
1. 尹相志（2009）。Microsoft SQL Server 2008 Data Mining資料採礦。台北：悅知文化。
2. 李卓翰（2003）。資料倉儲理論與實務。台北市：學貫行銷股份有限公司。
3. 沈兆陽（2001）。資料倉儲與Analysis Services：SQL Server 2000的OLAP解決方案。台北市：文魁資訊。
4. 邢學皓、廖宗得、張顯瑞、曾聖傑、周韻寰、曾守正（2019）。緊急事故醫療資源整合平台與大數據分析應用。管理資訊計算，8，21-36。
5. 林婉君（2004）。從企業有關顧客知識之觀點探討顧客關係管理。國立交通大學管理學院(管理科學學程)碩士論文。
6. 林傑斌、劉明德、陳湘（2002）。資料採掘與OLAP理論與實務。台北市：文魁資訊股份有限公司。
7. 邱奕仁、楊世偉（譯）（2008）。資訊科技與管理（原著者:Turban, E., Leidner, D., McLean, E., Wetherbe, J.）台北市：雙葉書廊（原著出版年：2007）。
8. 林傑斌，劉明德，陳湘（2002）。資料採掘與OLAP理論與實務。台北市：文魁資訊股份有限公司。
9. 林宏諭（2001）。SQL2000之決策分析－OLAP建置與應用。新北市：博碩文化股份有限公司。
10. 孫國倫（2006）。應用線上分析處理於證券商信用風險控管之高階主管資訊系統。大同大學資訊經營學系所學位論文。
11. 洪綾憶（2019）。應用資料探勘技術於顧客關係管理-以屏東縣養豬場為例。國立屏東科技大學高階經營管理碩士在職專班碩士學位論文。
 
12. 凌啟文（2010）。應用資料倉儲與資料探勘技術支援企業顧客關係管理策略-以某跨國企業為例。國立屏東科技大學高階經營管理碩士在職專班碩士學位論文。
13. 莊惠如（2012）。自費健檢顧客於門診就醫屬性之相關因素探討：以某區域教學醫院健檢中心為例 。國立屏東科技大學高階經營管理碩士在職專班碩士學位論文。
14. 莊岳泉（2014）。使用線上分析處理與資料探勘技術分析癌症病患之就醫與治療：以屏東某區域教學醫院為例。國立屏東科技大學高階經營管理碩士在職專班碩士學位論文。
15. 徐明珠（2012）。教育部大學校院課程資源網支援課程發展模式之建構-傳播學門系所為實證。中華印刷科技年報，561-587。
16. 張健彥、柯皓仁（2008）。以開放原始碼建置大學圖書館顧客關係管理系統之研究。國立交通大學資訊學院數位圖書資訊學程碩士論文。
17. 曾勁順（2005）。整合醫療資料之物件關聯式資料倉儲架構。義守大學資訊管理學系碩士班論文。
18. 曾新穆，李建億（譯）（2004）。資料探勘（原著者:Richard, JR, & Michael, WG）台北市：東華書局（原著出版年：2003）
19. 黃雅惠（2003）。應用網路探勘於網站瀏覽之個人化-以健康檢查為例。東吳大學資訊科學系碩士論文。
20. 董國昌（2014）。公共圖書館顧客關係管理之分析-五都公共圖書館之個案研究。臺北市立圖書館館訊,31(4), 14-29.
21. 潘思遠（2009）。保險客戶行為分析。淡江大學資訊工程學系碩士班學位論文。
22. 薛憲文、張晉瑞（2005）。資料探勘技術應用於還洋環境資料分析之研究，第27屆海洋工程研討會論文集，1036-1042。
 
23. 簡強義 (2009)。行動通訊業務基地臺抗爭之研究-以臺灣南部地區為例。屏東科技大學高階經營管理碩士在職專班學位論文。
24. 魏佳卉（2001）。結合科技與顧客交朋友。數位時代企業ｅ化聖經專刊2號。
25. 嚴紀中、陳鴻基（1999）。管理資訊系統：理論、科技、實務與應用。台北市：松崗電腦。
 
英文部份
1. Frank, E., Hall, M., Trigg, L., Holmes, G., & Witten, I. H. (2004). Data mining in bioinformatics using Weka. Bioinformatics, 20(15), 2479-2481.
2. Han, J., Kamber, M., Pei, J. (2011), Data Mining. Concepts and Techniques, 3rd Edition. The Morgan Kaufmann Series in Data Management Systems, 5(4), 83-124.
3. Hughes, T. J. (2012). The finite element method: linear static and dynamic finite element analysis. Courier Corporation.
4. Kimball, R., & Caserta, J. (2004). The data warehouse ETL toolkit. John Wiley & Sons.
5. Lin, T., (2001). 10C Model of CRM, NSYSU, working paper.
6. Tsumoto, S., & Hirano, S. (2013). Incremental induction of medical diagnostic rules based on incremental sampling scheme and subrule layers. Fundamenta Informaticae, 127(1-4), 209-223.
7. Tsumoto, S., Iwata, H., Hirano, S., & Tsumoto, Y. (2014). Similarity-based behavior and process mining of medical practices. Future Generation Computer Systems, 33, 21-31.
8. Reichheld, F. F. (1993). Loyalty-based management. Harvard business review, 71(2), 64-73.
9. Watson, T. J. (2001). Beyond managism: Negotiated narratives and critical management education in practice. British Journal of Management, 12(4), 385-396.