資訊中心 邱建智

　　根據調查 75% 的高階主管在面臨擬定策略時，通常無法獲得及時、且完整的決策參考資料，往往在競爭激烈的態勢中，錯失洞燭先機的契機。在「知識經濟」年代裡，資訊科技一日千里，資料儲存能力與運算速度大增之後，對於傳統以獨立資料庫執行分析與統計，將使資料重疊且流通不易，利用整合式資料倉儲的資料探勘，讓組織能夠快速、正確的分析，瞭解管理績效並進行決策支援，創造出新的價值。因此，現今資訊科技與網路應用的發展，不但促進了新知識價值的形成、提升競爭優勢，也改變了整體產業的發展型態。

　　農業不同於工商企業，它的特性為多元分散的環境，許多重要資料庫、應用網站及生產管理系統，均為各自獨立發展且分散建立，就短期需要而言雖然維護與使用較容易，並可依據資料性質與各業務上的急需來發展與擴充。但就整體農業環境而言資料分散、重疊、不全，且涵蓋性不足，使得資料流通與整合運用十分地困難。

　　而資料探勘則依據使用者需求為設計核心，從各資料庫中選擇合適資料歸納成為資料倉儲，首先進行資料選擇透過轉換介面將所需要的資料進行處理、轉換，資料探勘至解釋與評估的一連串步驟，讓原來零碎分散的資料能夠透過資料倉儲適當的呈現並進行整合運用，才可能將片斷的資料轉化成為有用的資訊，創造屬於農業的知識經濟，達成農業資訊化。

一 . 資料選擇（ Data selection ）

　　在資料探勘的過程中，首要的便是選擇適當的資料庫進行新知識發現的基礎資料。

二 . 資料前置處理（ Pre-processing ）

　　在資料庫中的資料不一定永遠是正確的、完整的，一定會包含過時錯誤、遺失、不完整甚至相互矛盾的資料，可以透過統計數學方法來挑出這些有雜訊的資料加以解決，如此不會以偏頗資料造成決策失誤。

三 . 知識發現演算轉換（ Transforming ）

　　選擇適當的演算法，在資料中尋找有用的特徵，如決定模式及參數的適合性，並在知識發現的過程中，選擇一個適合的資料探勘的方法。

四 . 資料探勘（ Data Mining ）

　　資料探勘包括去探掘有用的資料以及特徵，然後以不同的分析方法來呈現，包括了分類規則、決策樹、統計迴歸、群聚方法、線性分析等演算法。

五 . 解釋及評估（ Interpreting ＆ Evaluating ）

　　最後把這些採礦出來的資訊或特徵，經過專業知識的解釋及一些統計及各方面的評估，轉換成扼要易懂的表示方式，以提供做決策支援用。

　　而本系統的目的即建構出各資料源完整的資料倉儲（目前採用的資料來源包括農情報告資源網、農產品交易行情站、農產品價格查詢系統、農產品生產成本調查系統及農產貿易統計查詢系統等），以因應在不同作業分析或相關產業的分析應用。且進一步從使用者所需要的應用為設計核心，歸納出資料倉儲應有的架構與內涵，再透過轉換介面將所需要的資料進行整理彙總，最後利用 Proclarity 線上及時分析系統及 Smart e-vision 高階戰情室（如圖 2 ），讓原來零碎分散的資料能夠透過資料倉儲適當的呈現並進行整合運用。

　　農產品具有易腐性、粗重性、生產季節性、品質差異性等限制，面對農業產銷之特殊性，如何平衡供需、穩定物價，兼顧消費者與生產者利益，一向是政府部門最重要、也是最具挑戰的課題。加上我國小農制度，對於農產品貿易自由化及國際化的潮流衝擊下，農業生產面對嚴峻的市場挑戰，將使國內部分不具競爭力的農產品價格下跌、產量減少，國內部分農業將面臨前所未有的競爭壓力。因此未來農業發展應如何提升農政單位的決策效益、增加農民經營效率、降低生產成本、提高服務品質，加強運用最新且有利於農業的資訊技術將是一個主要關鍵。透過建構完善的農業產銷資訊流通機制，進行各項農業資料的快速整合，不但可以取得完整的農業資料，並可用來進行農業統計，俾便相關單位及人員更精確地掌握各項農業分析資訊，如此將可促進農業資訊的有效流通，縮短決策反應的時間與品質，提升我國農業生產力與競爭力，對我國農業的永續發展而言，是相當重要的一個資訊基礎建設。

圖 1 資料探勘流程

圖 2 Smart e-vision 戰情式圖表