背景:某院轄市為落實菸害防制執法成效，每年依據菸害防制法規範之室內及戶外禁止吸菸場所訂定稽查目標數，派稽查人員依規劃期程進行稽查，惟對於民眾陳情、民意單位反映、媒體報導等菸害案件，無法於第一時間蒐集違規吸菸熱點。本研究目的運用商業智慧系統探勘與菸害相關之衛生單位部門網路系統資訊，將大數據資料整合以視覺化資料分析禁止吸菸場所熱點分布，縮短室內及戶外禁菸熱點產出工作天數，並蒐集與違規吸菸熱點之關聯性，適時修訂菸害防制稽查工作，擬定防制策略，進而強化稽查效率、降低檢舉案件及提升行政效率。
方法:本研究以安裝Power BI 增益集的方式為開發平臺，使用Power Query將資料從陳情系統、派案系統、裁罰系統、稽查系統之數據經由萃取、轉置、篩選、正規化、載入方式至Excel資料表，再以Power Pivot載入為資料模型 (data model)、設定資料模型之間的關聯性，以進行數據的分析與彙算，最終以Power View互動式視覺效果 (visualization) 最終呈現。
結果:藉由商業智慧系統(Power BI)，並使用Power Query將資料從陳情系統、派案系統、裁罰系統、稽查系統之資料庫數據分析發現，所佔比例最多之違規吸菸熱點行政區，分別為G區、A區最多，其次為D區、E區，第3為J區；違規吸菸熱點之場域，以公園為最多(主要為艋O公園)，其次為休閒娛樂及提供民眾消費場所，第3為戶外公告禁止吸菸場所(香O廣場、捷運西O站外公告禁菸場所)之室內禁止吸菸場所為最多。另透過Power Query導入後，使操作步驟精簡化，稽查人員僅須更新資料來源與下達重新整理指令，使資料處理模式進入自動化運算流程，立即進行資料清冊產出，以直接檢視室內及戶外禁止吸菸場所熱點清冊，並派稽查人員至禁止吸菸場所進行菸害稽查，故可預期導入前後菸害熱點產出工作作業時間由4天縮短天數為1天，節省產出工作天數達75%；處理步驟由15個步驟簡化至5個步驟，簡化操作流程達67%，有顯著成效。
結論:運用商業智慧(Business Intelligence，BI)架構分析某院轄市菸害防制稽查熱點，重要研究發現，無論是系統面、稽查人員、決策人員等面向皆能提升稽查效能，減少重複檢舉發生，進而降低民眾陳情，未來具有引進全國，並提供各縣市執行菸害稽查業務之參考。

Background: In order to implement the effect of law enforcement on tobacco harm control, a city under the jurisdiction of a hospital sets the number of inspection targets for indoor and outdoor smoking bans regulated by the Tobacco Hazard Control Law every year. It is impossible to collect illegal smoking hotspots in the first time for cases of smoking harm such as petitions, public opinion units, and media reports. The purpose of this research is to use the business intelligence system to explore the network system information of health units and departments related to tobacco damage, integrate big data data to analyze the distribution of hot spots in non-smoking places with visual data, and shorten the number of working days for indoor and outdoor non-smoking hot spots. And collect the correlation with illegal smoking hotspots, revise the smoke prevention inspection work in a timely manner, formulate prevention strategies, and then strengthen the inspection efficiency, reduce the reported cases and improve the administrative efficiency.
Method: This study uses the installation of Power BI gain set as the development platform, and uses Power Query to extract, transpose, filter, normalize and load the data from the reporting system, dispatch system, fee system, and audit system. Then use Power Pivot to load it as a data model, set the correlation between the data models for data analysis and calculation, and finally use Power View interactive visual effects (visualization) render.
Result: Using the business intelligence system (Power BI) and using Power Query to analyze the data from the database data of the reporting system, the dispatch system, the penalty system, and the inspection system, it was found that the administrative areas with the largest proportion of illegal smoking hot spots, Areas G and A are the most, followed by Areas D and E, and the third is Area J; the most illegal smoking hotspots are parks (mainly Meng O Park), followed by leisure and entertainment and providing public services Among the consumption places, the third is the outdoor no-smoking places (Xiang O Plaza, the no-smoking places announced outside the MRT West O Station) with the largest number of indoor no-smoking places. In addition, after importing through Power Query, the operation steps are simplified, and the inspector only needs to update the data source and issue a rearrangement command, so that the data processing mode enters the automatic calculation process, and the data inventory output is immediately performed to directly inspect the indoor and outdoor prohibited smoking. Inventory of hot spots in smoking places, and dispatching inspectors to places where smoking is prohibited to conduct smoke hazard inspections, so it can be expected that the working time for the production of tobacco hazard hot spots before and after the introduction will be shortened from 4 days to 1 day, and the number of output working days will be saved by 75%; The processing steps have been simplified from 15 steps to 5 steps, and the operation process has been simplified by 67%, with remarkable results..
Conclusion: Using the business intelligence (BI) framework to analyze the hot spots of tobacco control and inspection in a city under the jurisdiction of a hospital, important research found that whether it is the system, inspectors, decision-makers and other aspects can improve the inspection efficiency and reduce the occurrence of repeated reports In order to reduce the public's complaints, it will be introduced to the whole country in the future, and provide reference for the implementation of smoke inspection business in counties and cities.

一、中文部分
王茁(2005)。商業智慧(初版)。新北市:博碩文化股份有限公司。
李玉秀、莫介中(2006)。逐步提昇企業智商，微軟「應用平台架構優化」研討會。台北福華。
李朝祥、林天生、溫翊伶(2015)。應用商業智慧建構海運公司決策戰情中心。蘭陽學報，(14)，68-77。
李瑋倫、謝秉融、洪作緒、李沅銘、丁信修、陳大麟(2019)。人工智慧與大數據在油氣探採之應用。石油季刊，55(4)，55-69。
周復之、林立偉(2018)。科技興軍戰略下的共軍政治工作資訊能力發展與大數據運用。復興崗學報，(113)，81-106。
周諺鴻、李俊賢、林幸加、顏郁航(2017)。應用大數據技術於公車營運智慧化管理。都市交通半年刊，19。
孟海洋、薛紅(2008)。數據倉庫和Web技術在超商商業智能系統中的運用。北京工商大學學報，26(3)，40-48。
林于凱(2019)。菸害防制資料分析及成效評估補助計畫。臺北市政府衛生局。
侯榮英、張文信、蕭智維、江宜靜(2010)。運用商業智慧系統建構視覺化會計圖表應用於醫院管理-以南部某醫院為例。醫務管理期刊，11(3)，75-87。
苗迺芳、李景美(2011)。菸害防制計畫之需求評估與評價。新臺北護理期刊，13(2)，1-8。
范國勇、韋愛梅、王伯頎(2015)。大數據運用在親密關係暴力犯罪防治分析之探討.犯罪防治研究專刊，(7)，16-28。
徐俊生、陳香君、蕭燦生、張仁治、張有燈(2020)。智慧大數據分析工具於醫院藥費管理互動式視覺化之應用。臺灣臨床藥學雜誌，28(2)，94-109。
祝國忠、蕭民揚(2020)。淺談大數據在智慧健康照護之應用。護理雜誌，67(5)，19-25。
黃貝玲(2002)。全球商業智慧解決方案市場現況與未來發展預測。電子化企業經理人報告，32，44-57。
梁定澎(2002)。決策支援系統與企業智慧(初版)。臺北市:智勝文化事業有限公司。
陳盈汝、徐欽鵬、謝梨君、林杏純(2020)。結合商業智慧系統與品管圈手法提升住院病人治療餐搭伙率。臺灣膳食營養學雜誌，12(2)，49-64。
曾久芳、曾干育(2012)。商業智慧運用於連鎖藥局之效益探討-以某藥局為例。健康管理學刊，10(2)，99-114。
曾祐琳(2021)。商業智慧工具Power Query應用於醫院指標收集分析之成效評估。醫務管理期刊，22(4)，283-297。
馮運仿、余志毅、趙青(2008)。商業智能在物流企業中的應用。商場现代化，(15)，124-125。
楊志強(2003)。商業智慧完全手冊。資訊與電腦。
葛祥林(2019)。數位化,大數據和人工智慧對刑事訴訟的衝擊。高大法學論叢，15(2)，39-72。
臺北市政府研究發展考核委員會(2017，1月3日)。北市府邀市民朋友與市長一同體驗「單一陳情系統」。取自https://rdec.gov.taipei/News_Content.aspx?n=5C5795B8E5561902&sms=72544237BBE4C5F6&s=D7A86AB682A21AEE
臺北市政府衛生局(2015)。104年度衛生資訊聯合稽查管理系統操作手冊。臺北市:臺北市政府衛生局。
臺北市政府衛生局(2022)。衛生局衛生規費罰鍰系統操作手冊。臺北市:臺北市政府衛生局。
臺北市商業處(2021)。111年7月臺北市十大行業家數統計表(按行政區)。取自https://www.tcooc.gov.taipei/News_Content.aspx?n=637FADCCDDB40CFE&sms=A2E0E4EAA3DBCE26&s=108988257CD64A9B
樂斌(2002)。商業智慧的三大手法。經濟部商業現代化雙月刊，34-38。
潘士傑、賴駿傑、陳誠亮(2019)。人工智慧在化工產業的挑戰與機會。石油季刊，55(4)，45-54。
蔡明倫、林育駿、吳茂昌(2020)。利用Microsoft Excel Power Pivot進行放射診斷大數據分析:新冠肺炎通報案例接觸者回溯實作經驗。臺灣醫事放射期刊，8(2)，23-31。
蔡淑賢(2002)。商業智慧(BI)讓企業變聰明了。經濟部商業現代化雙月刊，(50)。
鄭惠之(2003)。運用資訊科技展現智慧落實策略以提昇執行力[策略管理與資訊科技-運用商業智慧展現執行力] 研討會報導。會計研究月刊，(215)，125-130。
衛生福利部(2013，11月20日)。禁菸範圍係依據母法之條文並已兼顧可行性與程序之完備性。取自https://www.mohw.gov.tw/cp-3218-22794-1.html
衛生福利部國民健康署(2018，10月18日)。菸品(含加熱菸、電子煙與其他菸品)健康危害探討及各種戒菸方式成效評估(立法院第9屆第6會期 社會福利及環境委員會第7次全體委員會議。取自https://www.mohw.gov.tw/dl-48630-ffc1ca36-d775-402c-bac3-5fb0f3e7fcb5.html
衛生福利部國民健康署(2018，12月27日)。菸害防制策略。取自https://www.hpa.gov.tw/Pages/List.aspx?nodeid=1475
衛生福利部國民健康署(2020，9月18日)。每2-3分鐘就有1名不吸菸者因二手菸受害保護青少年在公共場所免菸害。取自https://health99.hpa.gov.tw/news/18121
衛生福利部國民健康署(2021，11月7日)。菸害防制/三人以上室內工作與公共場所禁止吸菸。取自https://www.hpa.gov.tw/Pages/List.aspx?nodeid=41
衛生福利部國民健康署(2021，6月27日)。菸害防制法稽查處分。取自https://www.hpa.gov.tw/Pages/List.aspx?nodeid=3816
諶家蘭(2012)。導入國際會計準則與商業智慧之應用。會計研究月刊，(320)，114-122。
薛光傑、陳弘哲、鄭淑芬、余珊嫺.(2021)。AI人工智慧程式與資訊化在無菸醫院之運用。健康促進研究與實務，4(1)，88-95。
謝邦昌、戴允強(2016)。談金融科技創新與相關大數據的運用。Journalof Data Analysis,11(2),15-36.
鍾曉鳴(2005)。運用商業智能提高零售企業競爭力。商場現代化，10(447)，37-38。
羅治傑、王皜宇、陳昱璟、唐學明(2018)。正面與負面網路訊息影響國軍形象的大數據分析。復興崗學報，(113)，143-179。
二、英文部分
Columbus,L.(2019).What Matters Most In Business Intelligence.
Dan Kusnetzky.(2010)."What is Big Data﹖" Retrieved from https://www.zdnet.com.
Ferrari,A.,& Russo,M.(2017). Analyzing Data with Power BI and Power Pivot for Excel. Microsoft Press.
Harding,W.(2003).BI crucial to making the right decision: business intelligence is all about collecting useful information from multiple sources and then presenting it in an easy to understand format.(Special Report:Business Intelligence).Financial Executive,19(2),49-51.
LI Yi Man,R.,& Li,C.Y.(2018).Have housing prices gone with the smelly wind? Big data analysis on landfill in Hong Kong.Sustainability.