本研究鎖定單體系統導入微服務架構的早期探索階段，提供一種低成本且可解釋的方式，先產生「可參考的候選邊界」並量化潛在風險，作為後續是否投入高成本重構的依據。為降低建模門檻並保留可解釋性，以「資料層依賴訊號」為核心從程式中抽取服務（或模組）對資料表的使用關係，並透過先行實驗驗證其可行性，在尚未引入多源訊號與繁複流程之前，直觀呈現高風險的共享表及其依賴分佈，提供輔助決策的可視化建議與評估結果。
以開源電商 Shopizer 3.2.7 為案例，針對其程式碼與 SQL 語句進行解析，萃取服務與資料表之間的存取關係， 構建模組相似度矩陣， 並採用
HDBSCAN 演算法進行密度式分群來自動生成微服務候選。同時，本研究提出共享表裁決器（Shared Table Arbiter, STA）概念，作為輔助機制輸出共享表風險報告，揭示跨群依賴的潛在風險。研究提出一個可重複執行的先行流程，以及面向共享資料痛點的 STA 報告機制，期望能在早期快速獲得合理的服務模組候選與風險地圖。綜合實驗結果，本研究在Shopizer 3.2.7 上由資料層依賴自動產生 5 個候選群集，並以 STA 快速標示高風險共享表。相較 200 次隨機切分， 群內 Jaccard 平均 0.26 （ 隨機0.03±0.02 ） 、資料表所有權集中度 0.91 （ 隨機0.67±0.03 ） ， 而跨群重疊邊比例 0.34 （ 隨機0.91±0.05）；顯示本法在提升內聚、釐清所有權與降低錯分（進而減少跨服務協作成本）上具體優於隨機基準。未來將（1）融合動態跡證與版本共變更等多源訊號並以消融實驗量化貢獻，（2）工具化為CLI／容器化流程以便重複執行與導入管線，（3）擴展至 ERP／社群等異質系統進行跨情境驗證。