呆伯特法則

呆伯特法則
1998/2/1

呆伯特法則
冒號 (圖3)
侮辱
內部溝通
官腔官調(圖4)
企管上的瞞天大謊
- 偉大的管理謊言：
員工是公司最有價值的資產、我採取門戶開放政策、實施新計畫你們可以賺更多錢、
改組是為了提供客戶更好的服務、前途一片光明、我們獎勵勇於冒險的人、
表現好一定有獎勵、有話直說無訪，你不會因此受責、訓練列為高度優先、
我不曾聽到任何謊言、我們會在六個月內審核你的表現、我們的人是最優秀的、
你的意見對我們很寶貴...
最重要資產(圖5) 改革為了升遷(圖6) 公司的最愛(圖7)

權謀詐術
*提供惡意的忠告
*隱瞞部分真相(圖8)
*交往對象
*留一手
*負負得正
*報復
*病毒戰術
*煽動技巧
*貶抑同事
*形式重於實質
*訴諸人性的貪婪
*讓別人替你工作
- 派工作給部下很容易，難的是派工作給同事和上司。
要把工作脫手給平行方或上方時，一定要祭出"效率"的大帽子。
可捏造過去自己從事無聊而沒有回報的工作時，表現的能力不足或不可靠的紀錄，支持你的論點。
- 最輕易擺脫的工作，應屬那種對別人遠比對你重要的工作。只要你對這類工作置之不理夠久，到頭來，那個真正必須完成這份工作的人，就會主動表示願意替你動手。
*誇大你的才能(圖9)
*大聲公有理
*主持迷人的計畫
- 計畫的重要與否，取決於它寫在你履歷表上給人的感覺。
不要輕信某件工作對股東多麼重要之類的宣傳字眼。你這輩子都不可能跟股東碰頭。
而因為大多數計畫不是失敗，就是變成你從未預期的其他東西，工作唯一持久的效用，就是寫在你履歷表上。一定要釐清事情的優先順序。避免介入名稱中有下列字眼的計畫：會計、作業、縮減、預算、品管、分析，爭取加入名稱中含有下列字眼的計畫：多媒體、全球、先進、策略性、營收、市場、科技、快速、競爭
*聽取建議(收買)
*圖利自己的策略
*操縱媒體
*誠實的陷阱
- 你可能有向上司吐露實情的衝動，要不惜代價抗拒這種衝動。不要聽信主管常掛在口邊的"廣徵民意"的話語，被其虛偽的安全感所惑，跟主管講話只有兩句是安全的：
1. 您的決策真是英明阿
2. 我想到一個節省紙張的方法
*把別人的功勞據為己有
寄生蟲 (圖10) 
*假裝犧牲
*從事無法評定績效的計畫
- 壞工作：銷售、程式設計、作業、顧客服務、送貨
好工作：策略、任何含有"媒體"兩字的工作、行銷(限成熟商品)、作業流程改造的長期計畫、廣告、採購
*派人到法務室
*預算管理小組

員工策略
- 每小時虛擬工時
- 全部工作量方程式：實際工作量 + 表面工作量 = 全部工作量
* 在辦公隔間經營副業
* 竊取辦公文具
* 利用電腦裝忙碌
- 一旦被老闆抓到-保證會被抓到，最好的辯護就是宣稱你在自習使用新軟體，以便節省寶貴的受訓經費。
*等同事回話
*公司語音留言系統

打考績
*自陳豐功偉業的要領
自陳豐功偉業的要領 (圖11,12,13)
*營造氣氛
自吹自擂 (圖14)
*與天生輸家為伍
*全方位考核
*自己寫業績報告

假裝工作
*擔任團隊顧問
*等待
*經常換工作
*經常抱怨工作負荷過重
*公司語音留言系統
*上下班時間
*亂糟糟的桌面
*開會的出席與離席
*做研究
- 找一份作"分析"或"評估"的工作，而不要實際"做"某件事的工作。評估某件事時，可以批評別人的工作。實際"做"某件事，就輪到別人批評你。
* 參加長程計畫
* 展露無能
* 規避無意義的任務
* 策略性度假計畫

罵髒話-女性成功之鑰
闖出一條生路
* 最後提建議策略
* 靠嘲諷得逞
* 宏觀構想
* 恐龍策略

行銷與溝通
*市場區隔
*產品區隔
*左右成敗的行銷術
*廣告
- 好的廣告可以使人購買你的產品，產品差勁也沒關係。這很重要，因為它消除了你生產好貨的壓力。花一塊錢洗腦比花一塊錢改善產品更有成本效益。
*了解顧客
*市場研究
*歷史上的市場調查
*市場需求
*創造市場
唯利是圖(圖15)
*天敵

經營顧問
諉過顧問(圖16) 公司的回饋(圖17)
腦容量(圖18) 開除(圖19) 好消息(圖20) 氧氣(圖21)

經營計畫
*下一年度的銷售預估
*與現實脫節的利潤預估
*為公司撰寫經營計畫

工程師等科技工作者
工程師資格 (圖22)
技術文件 (圖23) 挖到金礦 (圖24) 真相大公開 (圖25)
- 工程師講求實際，把風險與報酬算一算，就決定不值得冒險。避免冒險最好的辦法，就是以複雜的無法解釋的理由為藉口，建議某種活動技術上不可行。如果這對策還不足以使計畫夭折，工程師就會退守第二道防線："技術上可行，但成本太高。"
當年勇 (圖26) 
老闆與電腦 (圖27) 

改變
- 企管顧問執行業務時，最常說的一句話就是："賞點零錢好嗎？"(Spare change？)

預算編列
*預算灌水
*捍衛預算
*通通花光
財務的考量(圖28)  最快樂的一天 共體時艱(圖29) 

銷售
-世界級業務員的幾點訣竅：
1.避免談成本
2.不相干的比較 (圖30)
3.做顧客的"合夥人"
4.態度 (圖31)
5.找到決策者

會議
計畫
*為計畫命名
出頭天 (圖32) //現實 (圖33) //厚一點 (圖34)
*必備條件
*主管的支援
*安排時間 時間表(圖36) 看上不看下(圖37) 人性(圖38)
ISO 9000
人事精簡
如何看出公司劫數難逃
變相勒索(圖39) 
*辦公隔間
辦公室隔間 show her the ropes(圖40) 
*團隊合作
*對主管做口頭報告
*改組
*作業流程

流程改造
團隊精神養成訓練
領導統御
誰該負責(圖42) 
新公司模式:五點下班
少插手(圖43) 
- 員工愛穿什麼就穿什麼，愛怎麼佈置辦公室就怎麼佈置辦公室，愛怎麼寫通條就怎麼寫。
沒有人證明過這麼做會影響生產力。但當你插手"管理"時，你發出清楚的訊息，你重視服從超過效率與創造力。
- 確保你的員工每天都學到一點新東西。理想狀況下，員工應該學習直接對工作有益的事物，但無論學到什麼東西都應給予鼓勵。懂得的東西越多，大腦裡的線路就越多，所有工作都因而變得更容易。學習可創造工作成就感，加強自信，提高活力。
- 試想若有份工作，在你搞砸之後，老闆問的是："你學會了什麼？"而不是："你在搞什麼鬼？"
- 創造力就是容許自己犯錯。領導的藝術就是知道哪些錯誤應予保留。

大數據的關鍵思考：行動×多螢×碎片化時代的商業智慧

大數據的關鍵思考：行動×多螢×碎片化時代的商業智慧
2014/12/24

- 透過更多的環境動態數據，而非從歷史統計數據提供服務。
- 現在開始，所有行業的產品經理都需要問自己以下5個關鍵問題：
1. 你遇到的是什麼問題？ (你改變了誰的體驗？)
2. 這是誰的問題？ (以誰為中心來設計產品？)
3. 你是否能解決這個問題？ (你的核心競爭力能解決這個問題嗎？你能理解客戶的需求嗎？)
4. 問題現在就得解決嗎？ (時機比性能更重要。)
5. 如果現在就得解決，那個可以支撐的數據在哪裡？ (數據是否是解決這個問題的核心？)

第1部  從數據化營運到營運數據
01 只會談大數據不會做
- 每個層級和功能部門都是個斷層，而且對數據價值的內在衡量都不一樣。

02 還原使用者真實需求
- 作為一名數據分析師，如果你不把自己的分析與當下結合，便無法進步。

03 「活」數據才是大數據
- 有的產品為了賺錢，有的產品為了促銷，有的則是用來吸引流量，這也就解釋了不同商品在網站上擺放的位置，有不同的現象。同理，只有具備商業敏感度的數據分析師，才會懂得用什麼數據驅動公司實現經營目標，絕不會單憑交易量就決定商品策略。
- 一家剛踏入市場的B2C和已經占領大部分市場的B2C，它們的關注點會一樣嗎？當然不可能，因為前者是看流量，賺人氣；但流量對後者的意義沒有那麼大，它們更關注成交率、轉換率和回頭率。
- 前端行為數據和後端商業數據。前者指的是訪問量、瀏覽量、點擊率及站內搜尋等，是反映用戶行為的數據；而後者更側重於商業數據，例如：交易量、投資報酬率、顧客終生價值(Lifetime Value，LTV)

04 大數據的顛覆者──行動數據
- 電腦和行動兩份數據，由於技術上的差異，本身就是分離的，這就意味著資料倉儲需要用額外的空間，保存行動數據，而不能單純將行動數據混入電腦數據裡。而且，行動數據中，還存有App性能的數據，例如：後台啟動、程式當機等，所以分開儲存是有必要的。
- 大數據相信全量數據，而非樣本；是分析得出，而不是抽樣獲得。

05 什麼才是核心數據
- 數據分類的4大面向
一、按照是否可以再生的標準，可分為不可再生數據和可再生數據。
二、按照數據所處的儲存層來看，可分為基礎層、中間層和應用層。
從數據的儲存角度來說，數據有很多層次。基礎層通常與原始數據基本一致，也就是僅僅儲存最基本的數據，不做匯總，盡量避免失真，從而用作其他數據研究的基礎；中間層是基於基礎層加工的數據，通常也被認為是數據倉庫層，這些數據會根據不同的業務需求，按照不同的主體存放；應用層則是針對具體數據問題的應用，比如，作為解決具體問題的數據分析和數據採集的應用層數據。
三、按照數據業務歸屬來看，可以分為各個數據主體。
總體的原則就是讓數據的儲存空間更少，分析及挖掘的過程更簡單、快速。
四、按照是否為隱私來區分，可以分為隱私數據和非隱私數據。

06 從用數據到養數據
07負面數據的力量

第2部  阿里巴巴的大數據秘密
08 大數據實踐
09數據化營運三訣竅──混、通、曬
- 在電子商務領域，評價業務水準通常有兩套指標，一套是常用的計算成交額的方法，即流量X轉換率X客單價=成交額，它能夠評價一個類別、一個商品的健康度。另外一套指標使用在商品大促銷的時候，即促銷前哨站加入購物車的商品數X商品單價X經驗轉換率X經驗成交額占比=大促銷成交額。

10營運數據三絕招──存、管、用
- 收集數據不是目的，收集起來的數據如何產生價值才是最終目標。
- 電商行業會把成交額拆分成幾個指標：日平均UV、瀏覽轉換率(UV到達商品介紹頁面的轉換率)、購買轉換率(到達商品介紹頁面的使用者道購買商品的頁面)、筆單價(平均每一筆的金額)、人均比數這五個指標。

11 未來商業的利器

- 成功路上，有4種東西可以累積，分別是財富、人際關係、知識以及思維方式。

業務之神的絕技

業務之神的絕技
2014/07/28

- 賣商品前，先賣自己。
- 當你一見到對方，就要真心誠意地詢問他關心或自豪的事情。
- 在任何場合裡，人們之所以購買商品，不是為了獲得"物品"本身，
而是為了得到物品所帶來的快感、效能、好處及滿足感。
- 要讓顧客刻骨銘心地了解"好處"這個目的，而非"商品"這個手段，
使顧客徹底拜倒在你的愛與熱情之下。
- 最有價值的人，是能夠尊重他人、付出關懷與慈悲，並溫暖人心的人。
- 為了讓集團成員都能過著舒適的生活，自然而然衍生出規矩、應該遵守的常識與禮儀。
- 人生最愚蠢、最可怕的，莫過於沒有夢想與目標，隨著自己的惰性而生活。
- 當你數十年如一日，每天都做著同樣事情時，表示你已經失去活在當下的意義了。
- 如果今天不挑戰新事物，就表示你已經失去生命力。

行銷學

行銷學(華泰) 第三版 Marketing
2011/05/26
第一章 行銷導論
第二章 行銷環境
第三章 行銷資訊與行銷研究
- 行銷研究的步驟：
(1)界定研究問題與研究目的 - 在界定問題時，要特別注意問題本身與問題徵兆的不同。
例如，感冒是問題，流鼻涕與咳嗽是徵兆。問題解決了，徵兆自然消失。
(2)進行背景分析
(3)規劃研究設計 - 行銷常見的研究方法包括：觀察研究法、調查研究法、實驗研究法、焦點群體法與深入訪談法。
(4)設計資料蒐集工具 (5)定義抽樣程序 (6)實際蒐集資料 (7)分析資料、呈現研究結果

第四章 消費者市場與其購買行為
- 消費者的購買程序：問題確認、資料蒐集、替代方案評估、制定購買決策、實際購買行為、購後行為。

第五章 組織市場與其購買行為
- 組織購買者類型主要包括：製造廠商、中間商、服務性組織、政府組織、非營利組織。
- 市場組織特性：延伸性需求、需求彈性較低、聯合需求、波動大的需求。
- 組織的購買程序：問題的確認、一般需求描述、設定產品規格、尋求供應商、徵求報價、選擇供應廠商、實際採購以及訂約、績效評估。

第六章 市場區隔與定位分析
第七章 產品管理
- 產品的種類：消費品(便利品、選購品、特殊品、忽略品)、工業品(原物料、零組件、耗材、資本設備、輔助設備、商業服務)
第八章 新產品開發與產品生命週期
第九章 服務行銷

第十章 制定價格
- 價格的制定包含：
(1)訂價目標的設定 - 訂價目標可分為：利潤導向、銷售導向、維持現況導向、短期求生導向、非經濟性導向。
(2)分析需求、成本、價格和利潤的關係 (3)選擇訂價策略
(4)決定訂價方法 - (a)成本導向的訂價方法(成本加成訂價法、目標報酬訂價法、價格底線訂價法)
(b)競爭導向的訂價方法(流行訂價法、拍賣定價法、談判訂價法)
(c)顧客導向的競爭方法(認知價值訂價法、習慣訂價法、需求回溯訂價法、價格訂價法、心理訂價法)
(5)牌價的微調
- 多項產品的訂價策略 - 全產品單一價格、互補訂價、搭配訂價、產品線訂價法

第十一章 行銷通路與實體運配
- 實體運配系統包含(1)訂單處理子系統 (2)物料處理子系統 (3)倉儲子系統 
(4)存貨控制子系統 (5)運輸子系統
第十二章 推廣策略與行銷溝通
第十三章 廣告
第十四章 人員銷售
第十五章 促銷與公共關係
第十六章 行銷的執行與控制

IT DNA - 資深 IT 人現身說法‧20 年的實戰心得與趨勢觀察

IT DNA
2008/5/20

第一篇：工作與實戰
- 好的IT人員在職場中，尤其是系統管理人員，就個人認為所花的時間比例由多到少應該如下：
充實自我(佔絕大多數時間)、規劃正確的系統、操作與設定系統、處理突發狀況。
- Agile方法論裡，連加班都反對，因為疲勞時所撰寫的BUG，要花十倍精神好的時間去尋找。

第三篇：閱讀與觀點
#引用前人智慧，提高思考層級 －《設計模式入門》
#提升軟體品質的必經之路 －《軟體測試理論與實作》
- 軟體生命週期，大可分為分析、設計、開發、測試、上線、維護數個階段。
#遞迴修正，直至滿意 －《規劃極致軟體製程》
- 加班不是一個好主意...即使程式設計人員願意加班，也不是一個好主意。長時間的工作會令人感到疲累，疲累的人容易犯錯，而錯誤需要花更長的時間來找尋與修正。
- 軟體專案的四個變數中：成本(Cost)、品質(Quality)、時間(Time)和規模(Scope)，時間和規模是較好控制的...必須讓時間成為可見的。
- 自己炒的菜再難吃，自己也會捧場。
#軟體工程與 Microsoft Visual Studio Team System
#簡化設計、開發與維護的圖形化工作流程模型－
《Microsoft Windows Workflow Foundation Step by Step》
-定義使用者圖形介面的WPF(Windows Presentation Foundation)
- 程式間標準溝通方式WCF(Windows Workflow Foundation)
- 設計與撰寫工作流程邏輯的WF(Windows Workflow Foundation)
- 認證個人身分用的WCS(Windows CardSpace)
#平凡中見偉大－《電學之父：法拉第的故事》
#營造集體的智慧－《Peopleware：腦力密集產業的人才管理之道》
- 現今，大部分對於腦力密集產業所持有的管理概念多襲自工業革命後的大量製造，只會緊緊控制眾多勞力的「身體時間」，未能激發「腦力時間」。但從事知識工作，應在專案規畫時，嘗試評估所需的「有效腦力時間」，而非粗糙的勞力時間-「人/月」，這種只要人在就有產出的生產模式，不適用於腦力工作。
- 多數管理者視提升腦力素質的費用為支出，而非投資，導致不珍惜已經養成的團隊成員，任意裁撤或驅使其離職，以降低成本。但罔顧一再在新人身上重複支出的養成費用，低估未進入狀況的大腦對團隊之殺傷力。
- 若管理者緊掐著同仁出現在眼前的工作時數，只計較省了多少培育或激勵士氣的費用，只想準時完工卻不了解品質，讓工作氣氛是莫可奈何聽命行事，則不用奢求有創意。
- 管理者的工作並不是叫人去工作，而是創造讓人想去工作的情境。
- 管理者須提升的是正常工作時間的「質」，而非延長工作時間的「量」。在延長的時間中工作，只會讓人妥協，放棄理想與品質，並因勞累、渙散而埋下更多錯誤，諸此種種都將增加更多的工作量。
#資訊專案管理的迷思與管理之道－《人月神話》
- 「人月」是個危險並很容易就遭到誤解的迷思，因為他假設人力和工時是可以互換的。
- 在一個時程已經落後的軟體專案中增加人手，只會使它更落後。
#資訊世界的挑戰與機會－《資訊經營法則》
#管理的創新，企業的創新－《管理大未來》
#從誠懇出發，邁向自我實現－《做最好的自己》

第四篇：創新與價值
- 日式管理重視風險控管，較少嘗試新領域，也少冒險創業，但變動是消費性電子產品的底蘊。

從資料中挖金礦：找到你的獲利處方籤

從資料中挖金礦：找到你的獲利處方籤
2010/03/12

- 資料採礦是一種行為的總稱，其中存在著許多分析技巧，根據分析的目的不同而被選擇使用：
分類-群集分析(Cluster),決策樹分析(Desision Tree),自我組織映射圖(Self-OrganizingMap,SOM)
發現關聯-關聯法則(Association Rule)
預測-迴歸分析(Regression Analysis),類神經網路(Neural Network)
- 傳統上統計分析其一個弱點是，必須先建構分析才有辦法開始蒐集資料。在這個過程中會篩選資料，但畢竟資料蒐集需要時間，於是會有時間上的落差。
- 資料量和演算能力就像是車子的兩輪，缺了一個就無法適當的利用資料。
- 可使用的資料在質與量的大幅提升，使得資料採礦偏向預測未來，有別與傳統統計分析偏向於對既有定律的事後驗證。
- 資料採礦雖然可以發現各種情況下的各種定律，卻不會說明其中原因。

-資料採礦的步驟
先決定想知道什麼 / 資料的蒐集方法 / 某些資料在使用上的困難 / 捨棄不需要的資訊 /
線索在哪裡？ / 先從單一資料下手 / 失敗經驗有助於往後的分析 / 下一個屬性 / 異常值的處理 /
根據單一屬性設定假說的極限 / 發現橫跨好幾個屬性的隱藏定律
- 過度培育決策樹會造成「過度學習」

改變世界的九大演算法

9 Algorithms That Changed the Future
2014/08/07

搜尋引擎的索引(Search engine indexing)
網頁排序(Page Rank)
公鑰加密(Public-Key cryptography)
錯誤更正碼(Error-Correcting Codes)
模式辨識(Pattern Recognition)
資料壓縮(Data Compression)
資料庫(Database)
數位簽章(Digital Signature)
什麼是可計算的？
結論：未來會如何呢？


資料來源與延伸閱讀：
第1章 引言：讓今日電腦威力無窮的神奇概念
- A.K. Dewdney著<The New Turing Omnibus>，電腦科學概念
- Juraj Hromkovic著<Algorithmic Adventures>
- 大學程度的演算法教材：
Dasgupta,Papadimitriou,Vazirani合著<Algorithms>
Harel,Feldman合著<Algorithms:The Spirit of Computing>
Cormen,Leiserson,Rivest,Stein合著<Introduction to Algorithms>

第2章 搜尋引擎的索引
- Croft,Metzler,Strohman合著<Search Engines:Information Retrieved in Practice>

第3章 網頁排序
- 佩吉與布林合著<The Anatomy of a Large-Scale Hypertextual Web Search Engine>，
是Google架構的原始論文，對於網頁排序做了精簡的描述與分析
- 技術性且廣泛的分析可參考Langville,Meyer合著<Google's PageRank and Beyond>，
但最好具備大學程度的線性代數知識
- John Battelle所著<搜尋未來>
- Fetterly,Manasses,Najork合著<垃圾，討厭的垃圾和統計學：利用統計分析來找出垃圾網頁>
(Spam,Damm Spam,and Statistics:Using Statistical Analysis to Locate Spam Web Pages)

第4章 公鑰加密
- Simon Singh所著<The Code Book>針對加密做了精闢易懂的說明

第5章 錯誤更正碼
- 湯普森(Thomas M. Thompson)著<從糾錯碼到球狀包裝到簡單群組>
(From Error-Correcting Codes through Sphere Packings to Simple Groups)
- A.K. Dewdney所著<The New Turing Ominibus>書中有兩個章節提到編碼理論(coding theory)

第6章 模式辨識
- 米契(Tom Mitchell)著作<機器學習>(Machine Learing)
- 克李維爾(Daniel Crevier)著<人工智慧：尋找人工智慧之騷動史>
(AI:The Tumultuous History of the Search for Artifical Intelligence)，
當中對達特茅斯人工智慧大會做了有趣的說明。
- 麥克道克(Pamela McCorduck)所著<思考的機器>(Machines Who Think)

第7章 資料壓縮
-馬凱(David Mackay)所著<資訊理論、推論和學習演算法>
(Information Theory,Inference and Learning Algorithms)

第8章 資料庫：追求一致性
- Garcia-Molina,Ullman,Widom合著<資料庫系統>(Database Systems)

第9章 數位簽章：這軟體到底是誰寫的？
- Gail Grant著<了解數位簽章>(Understanding Digital Signature)

第10章 什麼是可計算的？
-Christos Papadimitriou著<圖靈：關於計算的一本小說>(Turing:A Novel about Computation)

第11章 結論：未來會如何呢？