根據美國電信公司XO Communications預測，2017年將會有86%的企業建置混合雲。在技術面與實務面皆顯示，企業使用混合雲部署的比例有著顯著提升，而混合雲則是企業目前最愛用的一項部署方式，兼具公有雲的好處以及私有雲的優點，使得企業多是以混合雲方式來部屬企業的雲端服務。而近年來經濟不景氣，使企業更關注雲端運算的低廉與彈性優勢，也促使越來越多資訊與通訊公司，加入提供雲端運算服務的行列。本研究有鑒於選擇不適當雲端專案的高失敗率，以及選擇因素多樣複雜等問題，提出兩個研究目的，首先，透過過去文獻與專家篩選出雲端服務關鍵決策因子，並利用機器學習方式建立有效之決策模式。
本研究採用文獻探討尋找決策關鍵因子，並藉由專家前測問卷測試題目信度，再行發放專家問卷及企業使用者問卷，將企業使用者問卷收集並將數據帶入C4.5演算法得到一決策樹模型，經由指標驗證，確認決策樹的預測能力。本研究結果發現，透過專家學者之專家效度，驗證本研究經由文獻所找出的17項關鍵決策因子，結果顯示專家學者皆認同其重要程度。此外，在決策樹中建立了35條規則，並發現台灣企業常見的雲端產品使用為Amazon AWS EC2服務與IBM Ssmart Cloud，與不同產業之間所使用的雲端產品為何，如教育業較多使用IBM Smart Cloud，進一步找到選擇不同雲端產品時所關注的關鍵選擇因子，如35條規則有28條具有資訊安全能力的屬性。透過本研究決策樹的規則，可以清楚根據不同的需求屬性，推薦出適合的雲端產品，並在決策樹驗證之後，其精準度有85%及回想率有86%之高水準表現，再與過去相類似方法的研究相比之下，本研究決策樹模型的預測相當具有一定程度效用。

According to the prediction of XO Communications, there will be 86% of businesses building hybrid cloud in 2017. Both in technology and practice, The proportion that enterprises use hybrid cloud for deployment has been significantly improved in terms of technical and practical perspectives. In addition, hybrid cloud is one of the deployment ways enterprises prefer to use currently since it has the benefits of public cloud and private cloud simultaneously. That is, most enterprises utilize their cloud services by hybrid cloud. Recently, economic depression makes enterprises more concern about the low cost and flexibility of cloud applications. More and more companies provide cloud computing services. This research proposed two research goals in order to take into account the high failure rate of selecting inadequate cloud projects as well as diverse and complex factor selection. First, we identify key factors of selecting cloud services through literature and experts. Besides, we use machine learning technique (decision tree) to establish an effective decision model.
   In this study, we surveyed literature to identify key factors and inquired experts to validate the designed questionnaire. The questionnaires for business users are collected for C4.5 algorithm to obtain a decision model. In the study, experts confirmed content validity of selected 17 key factors through literature. In addition, 35 rules were established in the decision tree and result showed the common cloud products used in Taiwan were Amazon AWS EC2 and IBM Smart Cloud. In particular, IBM Smart Cloud was used in education business mostly. Furthermore, we discovered the key factors for selecting different cloud products. For example, there are 28 with the properties of information security capabilities. Appropriate cloud products can be recommended according to different needs. The accuracy of our model is 85% and the recall rate is 86% of the decision tree, which achieves the high standard of performance. Compared to the past researches with similar methods, the prediction of the decision tree model is effective for cloud solution selection in practice.

目錄	I
表目錄	III
圖目錄	IV
第壹章 緒論	1
第一節 研究背景	1
第二節 研究動機	5
第三節 研究問題	7
第四節 研究目的	10
第貳章 文獻探討	12
第一節 雲端運算服務	12
第二節 機器學習與決策樹	27
第參章 研究方法	32
第一節 研究流程	32
第二節 決策因素選擇	33
第三節 決策樹建立	37
第四節 驗證指標	43
第四章 資料分析	46
第一節 樣本收集	46
第二節 決策樹建立	65
第三節 評估指標	72
第五章 結論	77
第一節 結論	77
第二節 管理與實務意涵	79
第三節 研究限制與建議	80
參考文獻	81
附錄一分類規則與機率	88
附錄二各屬性Gain Ratio	94
附錄三 企業主管問卷	96
附錄四 企業使用者問卷	102

表目錄
表1.1 雲端部署優缺點	3
表2.1 因素整理(公司屬性)	23
表2.2 屬性整理(產品屬性)	25
表2.3 決策樹應用整理	27
表2.4 決策樹演算法比較	29
表3.1 雲端選擇屬性定義	36
表3.2 決策樹變數定義	41
表3.3交互驗證矩陣	44
表3.4 模擬實驗結果之矩陣(測試一次)	45
表4.1 問項統計資料	47
表4.2專家問卷屬性重要度整理	52
表4.3雲端產品與產業使用整理	60
表4.4 企業使用者屬性需求比率統整	62
表4.5部分屬性Gain Ratio	69
表4.6部分分類規則與機率	72
表4.7混亂矩陣	73
表4.8決策樹評比結果	74
表4.9Confusion Matrix	75
表4.10使用C4.5決策樹準確率整理	76

 
圖目錄
圖1.1 雲概念示意圖	2
圖1.2 雲端成熟度曲線	4
圖1.3 企業現正使用雲端開放型態年度比較	5
圖1.4 IT預算配置	6
圖1.5 台灣企業未來考慮採用雲端服務的因素	8
圖3.1 研究流程圖	33
圖3.2 決策樹分類架構概念圖	38
圖3.3 K-fold交互驗證(4次為例)	43
圖4.1專家問卷所屬公司產業	49
圖4.2專家問卷工作年資	49
圖4.3專家問卷公司人數	50
圖4.4專家問卷工作內容	50
圖4.5專家問卷職位	51
圖4.6專家問卷年齡	51
圖4.7企業使用者所屬公司產業	55
圖4.8企業使用者工作年資	55
圖4.9企業使用者工作內容	56
圖4.10企業使用者所屬公司人數	56
圖4.11企業使用者職位	57
圖4.12企業使用者年齡	57
圖4.13企業使用者導入產品	58
圖4.14企業使用者性別	58
圖4.15導入成本	64
圖4.16供應商財務實力	64
圖4.17雲端開放類型	65
圖4.18決策樹模型原始碼	71

英文文獻
1.	Annette, J. R., Banu, W. A., & Chandran, P. S. (2015). Rendering-as-a-Service: Taxonomy and Comparison. Procedia Computer Science, 50, 276-281.
2.	August, T., Niculescu, M. F., & Shin, H. (2014). Cloud implications on software network structure and security risks. Information Systems Research, 25(3), 489-510.
3.	Barroso, Luiz André. 2005. "The Price of Performance: An Economic Case for Chip Multiprocessing." ACM Queue, special issue on Multiprocessors. vol. 3, no. 7.September.
4.	Chan, H. and Chieu, T., 2010. Ranking and mapping of applications to cloud computing services by SVD. In Network Operations and Management Symposium Workshops (NOMS Wksps), 2010 IEEE/IFIP, pages 362--369. IEEE, 2010.
5.	Chang, B.and Hung H.F. (2010). A study of using RST to create the supplier selection model and decision-making rules Expert Systems with Applications, 37 (12) (2010), pp. 8284–8295
6.	Changlong Tang and Jiqiang Liu. (2015). Selecting a trusted cloud service provider for your SaaS program. Comput. Secur. 50, C (May 2015), 60-73. DOI=http://dx.doi.org/10.1016/j.cose.2015.02.001
7.	Chellappa, R. (1997). Intermediaries in cloud-computing: A new computing paradigm. In INFORMS Annual Meeting, Dallas.
8.	Chen, L. Y., Wang, T. C. (2009). Optimizing partners’ choice in IS/IT outsourcing projects : The strategic decision of fuzzy VIKOR, Int. J. Production Economics 120 ,233–242.
9.	Choudhary, V., & Zhang, Z. (2015). Research Note—Patching the Cloud: The Impact of SaaS on Patching Strategy and the Timing of Software Release. Information Systems Research, 26(4), 845-858.
10.	Delen, D., & Demirkan, H. (2013). Data, information and analytics as services. Decision Support Systems, 55(1), 359-363.
11.	Erdogmus, H. (2009). Cloud computing: does Nirvana hide behind the nebula?. Software, IEEE, 26(2), 4-6.
12.	Gartnert Hype Cycle for Cloud Computing, 2015
13.	Godse, M., & Mulik, S. (2009). An approach for selecting software-as-a-service (SaaS) product. In Cloud Computing, 2009. CLOUD'09. IEEE International Conference on (pp. 155-158). IEEE.
14.	Goode, S., Lin, C., Tsai, J. C., & Jiang, J. J. (2015). Rethinking the role of security in client satisfaction with Software-as-a-Service (SaaS) providers. Decision Support Systems, 70, 73-85.Gu, S.R., (2009). Cloud Computing Robs Their Turfs, A New Warring Age of IT Industry.Common Wealth Magazine, 423, 178-181.
15.	Höfer, C. N., & Karagiannis, G. (2011). Cloud computing services: taxonomy and comparison. Journal of Internet Services and Applications, 2(2), 81-94.
16.	Jhih-Hua Jhang-Li and I. Robert Chiang. (2015) Resource allocation and revenue optimization for cloud service providers. Decis. Support Syst. 77, C (September 2015), 55-66.
17.	Keršytė, A. (2012). INVESTMENT RISK ANALYSIS: THEORETICAL ASPECTS. ECONOMICS AND MANAGEMENT, 17(3), 889-894.
18.	Kuan Lua, Ramin Yahyapoura, Philipp Wiedera, Edwin Yaquba, Monir Abdullaha , Bernd Schloera, Constantinos Kotsokalisc, Fault-tolerant Service Level Agreement lifecycle management in clouds using actor system, Future Generation Computer Systems Volume 54, January 2016, Pages 247–259
19.	Lee, J. Y., Lee, J. W., Cheun, D. W., & Kim, S. D. (2009). A quality model for evaluating software-as-a-service in cloud computing. In Software Engineering Research, Management and Applications, 2009. SERA'09. 7th ACIS International Conference on (pp. 261-266). IEEE.
20.	Z. Masetic, A. Subasi .Detection of congestive heart failures using C4.5 Decision Tree. Southeast Eur. J. Soft Compute. (2013),, 2 (2) pp. 74–77
21.	Namjoshi, J.and Gupte, A . 2009.Service Oriented Architecture for Cloud based Travel Reservation Software as a Service, IEEE International Conference on Cloud Computing.
22.	Nabil Sultan. (2013).Knowledge management in the age of cloud computing and Web 2.0:Experiencing the power of disruptive innovations. International Journal of Information Management, 33, 160-165.
23.	Openshaw, S., & Openshaw, C. (1997). Artificial intelligence in geography. John Wiley & Sons, Inc..
24.	Püschel, T., Schryen, G., Hristova, D., & Neumann, D. (2015). Revenue management for Cloud computing providers: Decision models for service admission control under non-probabilistic uncertainty. European Journal of Operational Research, 244(2), 637-647.
25.	RightScale 2014 State of the Cloud Report ,2014, http://www.rightscale.com/lp/2014-state-of-the-cloud-report
26.	Rosenthal, A., Mork, P., Li, M. H., Stanford, J., Koester, D., & Reynolds, P. 2009. Cloud computing: A new business paradigm for biomedical information sharing, Journal of Biomedical Informatics, 43(2),342-353
27.	Repschlaeger, J., Wind, S., Zarnekow, R., Turowski, K. (2012). A Reference Guide to Cloud Computing Dimensions:Infrastructure as a Service Classification Framework, Proceedings of the Annual Hawaii International Conference on System Sciences , art. no. 6149278 , pp. 2178-2188.
28.	Sahin, Y., Bulkan, S., & Duman, E. (2013). A cost-sensitive decision tree approach for fraud detection. Expert Systems with Applications, 40(15), 5916-5923.
29.	Sahu, G., & Khare, R. K. (2014). Decision Tree Classification based Decision Support System for Derma Disease. International Journal of Computer Applications, 94(17).
30.	Schneider, S., Lansing, J., Gao, F., & Sunyaev, A. (2014,). A taxonomic perspective on certification schemes: development of a taxonomy for cloud service certification criteria. In System Sciences (HICSS), 2014 47th Hawaii International Conference on (pp. 4998-5007). IEEE.
31.	Serrano, D., Bouchenak, S., Kouki, Y., de Oliveira Jr, F. A., Ledoux, T., Lejeune, J., ... & Sens, P. (2015). SLA guarantees for cloud services. Future Generation Computer Systems.
32.	SINGULARITY HUB Cloud Computing on the Rise – The World Mind is Upon Us, , ON JUL 29, 2008, http://singularityhub.com/2008/07/29/cloud-computing-on-the-rise-the-world-mind-is-upon-us/
33.	Sisodia, D., Kumar, B., & Gupta, J. K. (2014). Efficient Prediction of Close Value using Genetic algorithm based horizontal partition decision tree in Stock Market. International Journal of Advanced Computer Science, 4(9).
34.	Tom Bittman, Problems Encountered by 95% of Private Clouds http://blogs.gartner.com/thomas_bittman/2015/02/05/why-are-95-of-private-clouds-failing/
35.	Yang, Z., Dong, L., Zhang, Y., Yang, C., Gou, S., Li, Y., ... & Wang, C. (2015). Prediction of Severe Acute Pancreatitis Using a Decision Tree Model Based on the Revised Atlanta Classification of Acute Pancreatitis. PloS one, 10(11).

中文文獻
1.	林俊劭、楊之瑜(2009)。雲端運算為何改變10億人？。商業週刊，1146，50。
2.	經建會 2010 台灣經濟論壇 推動新興智慧型產業-系列二雲端運算 ,2010.7_vol8_no.7 P36-P49
3.	DIGITIMES,2014 , 混合雲時代的企業雲端應用建置思維, DIGITIMES中文網 http://www.digitimes.com.tw/tw/b2b/Seminar/shwnws_new.asp?CnlID=18&cat=99&product_id=051A30424&id=0000377291_N4J369X88YREE027GC8IQ#ixzz3wFpvt2Uy
4.	IBM：混合雲技術已成熟，為企業布局首選 , elaine , http://www.inside.com.tw/2015/08/19/ibm-cloud-computing
5.	王貞驊（2012）。企業採用雲端科技意圖之探討(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/87902928237011272438
6.	王瑋，2010。建雲端運算介紹與發展趨勢，資訊工業策進會。
7.	吳彩龍（2014）。雲端伺服器選擇系統─推薦、建模與評估(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/48894622314372030579
8.	李沃牆, & 聶建中. (2009). 遺傳規畫決策樹模型於房貸提前償還之風險管理. 住宅學報, 18(1), 63-87.
9.	李浩維（2010）。雲端運算與服務的研究與應用以「GoogleAppEngine」為例(碩士論文)。http://handle.ncl.edu.tw/11296/ndltd/98436870504430546245
10.	林育成（2014）。決策樹應用於異常白血球分類之研究(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/55047870876607284050
11.	林家維（2012）。企業對於雲端服務使用意願之研究(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/67828303010738234917
12.	林福士（2013）。企業採用SaaS雲端服務之決策關鍵因素(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/35007811023780036352
13.	范榮靖，2009。越雲端越有商機。遠見雜誌，9 月，158-168。
14.	高文星、徐欽志、蘇清霖，2013，使用決策樹演算法建置薪資預測分析模型。IETAC 2013.. 
15.	張淵仁、段裘慶、陳建中、陳錦杏、黃文增，2010。以虛擬化技術開發應用於遠距照護服務系統之雲端運算環境研究與評估。資訊科技國際期刊， 4(1)，167-180
16.	張瑋倫（2000）。應用資料挖掘學習方法探討顧客關係管理問題(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/69646915528121014331
17.	陳美雲（2015）。使用決策樹建立汽車消費者購買意圖分類模式(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/41526648277873686138
18.	曾智君（2015）。運用邏輯斯迴歸與決策樹分析房價關鍵因素-以台北市各行政區為例(碩士論文)。http://handle.ncl.edu.tw/11296/ndltd/42890952614019611585
19.	黃敦銘（2012）。台灣企業雲端服務的評估(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/89188780253463780567
20.	楊玉奇(2014)。2013-2014 年台灣製造業雲端服務採用調查。財團法人資訊工業策進會產業情報研究所(MIC)。
21.	葉惠忠、林佳慧(2011)，企業採用桌面虛擬化因素之研究.
22.	資策會。「2011企業雲端服務需求調查」— 雲端服務採用意願達4成 市場商機發展潛力無窮【資策會FIND／經濟部技術處「科技化服務價值鏈研究與推動計畫】。取自（100年10月3日）
23.	廖介銘（2003）。決策樹應用於糖尿病之探勘(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/64630441820379192274
24.	劉鈺婷（2013）。以DMAIC結合決策樹手法探討全民健康保險醫療費用分析與改善(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/72651940510169459154
25.	潘錦宏（2014）。影響消費者採用雲端服務之因素探討(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/24587455279885288343
26.	盧惠銓（2013）。分類決策樹在多發性硬化症的應用(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/23639767812912338397
27.	蕭瑞祥、黃獻輝，2008。雲端運算於企業之研究，第十四屆資訊管理暨實務研討會。
28.	賴明助（2010）。運用文字探勘技術於顧客問題分類之研究-以某ERP軟體公司為例(碩士論文)。 http://handle.ncl.edu.tw/11296/ndltd/70255152160836510443