標籤彙整: 程式設計課程

UI怎麼設計?巨匠電腦教你色彩透明度標示方式 !評價推薦~

朱)巨匠電腦分享UI設計 色彩透明度標示方式
在繪製介面時,調整顏色的透明度 (transparent) 是一個很常用的技巧,好處在於:

1.減少灰階顏色定義

2.維持介面顏色的一致性

早期網頁設計還沒支持透明度的屬性時,設計師要自己調色,來控制顏色的明暗,所以會發現許多網站關於灰階顏色的定義,基本上都用過一輪,但其實這樣的方式比較沒效率,後續要維護也會比較麻煩。

在app的開發上,灰階的顏色通常會使用在字體與線條上,為了讓字體的閱讀更加舒服,內文字體不會使用純黑色(#000000),而會使用「灰色」來代替,但實色的灰色會因為背景色的不同,會讓app文字內容的易讀性有所差異。

1508140931520.jpg
上圖大概就可以知道為什麼要用帶透明度的黑色來取代實色的灰色,因為帶透明度的黑色,在背景稍深時,還是有比較好的閱讀性,如果是實色,字體就會被整個畫面給吃掉,不易閱讀。當然也可以多定義一個新的灰色,但那就是要多記一個顏色。

而在 Google material design  裡 Typographic 有提到文字透明度的設定說明:

第二段提到,建議文字顏色對比至少 4.5:1 建議是 7:1,最後定義出 54% black 與 87% black,雖然我有試著去算出這兩個數字,但最後還是找不到一個合理的算法(求解)。(百分比可以依需求自己設定,這邊只是舉 google 的例子,但我還是好奇這兩個數字是怎麼算出來的)。

2015/04/28補充:關於 4.5:1與7:1 的數值可以參考w3c的規範

2015/08/12補充:這篇文章被轉載,這邊再補充一下對比值的檢查工具

至於透明度定義好,要怎麼提供給工程師,說明如下:

iOS

iOS 在給顏色的值,可以直接給 alpha(α) 值,也就是像是網頁 css rgba 的標式方式,最後的 α 值,給 0~1 之間 0 代表完全透明,1 代表完全不透明,因此在 iOS  的標示上不會有什麼問題。

Android

Android 就比較麻煩,因為要給 hex 的色號,之前花了一點時間理解透明度的 hex 換算方式;hex全名是 hexadecimal,也就是 16 進位,這是除了 rgba 外,另一個比較常見的方式,在網頁設計上也經常在使用(在色號上會給#符號的,就是使用hex的方式給色)。

通常不指定透明度時,給的 hex 值不含井字號會有六碼:例:「#aabbcc」,aa 用來控制紅色、bb 用來控制綠色、cc 用來控制藍色,如果要補上透明度,就要在 aa之前加上透明度的 hex 值。

之前為了透明度的問題,手動算換了 16  進位的透明度值,以下是 rgba 跟 hex 的概略的換算方式(不想算數學就直接跳到表格,因為算的事情交給電腦處理就好):


但後來才發現有人整理好了不同透明度對應的 hex 值。– stackoverflow,如下表:

  • 0% – 00
  • 5% – 0D
  • 10% – 1A
  • 15% – 26
  • 20% – 33
  • 25% – 40
  • 30% – 4D
  • 35% – 49
  • 40% – 66
  • 45% – 73
  • 50% – 80
  • 55% – 8C
  • 60% – 99
  • 65% – A6
  • 70% – B3
  • 75% – BF
  • 80% – CC
  • 85% – D9
  • 90% – E6
  • 95% – F2
  • 100% – FF

所以如果要提供帶有透明度的 hex 值,就直接在 hex 值上的最前面,加上透明度的 hex 值就行了。在標示給工程師的文件中,就可以直接提供帶有透明度的 hex 色碼,例:「#cc000000」,我想工程師看到你如此貼心,應該也會挺開心的。

結綸

這篇的重點,其實是在強調,在繪製 app 時,字體與線條的線色盡量使用帶有透明度的黑色,而不要直接指定實色的灰色(如果是要那種紅底綠線、藍底黃色的特殊需求,不在此討論範圍)。

這也是我之前在做 app 時,因為定義太多不同的灰色,常常困擾我的問題,有時我也搞不清楚那個背景要用那個灰色,所以到最後每個位置的灰色定義都不一樣,維護上也就更加麻煩,你會發現工程師會一直跑來問你這個字體要什麼顏色…。

而背景色,建議還是以實色為主,因為每個 app 都會定義自己的主、副色,背景色如果用有透明度的顏色,不小心的話,有時會影響主色與副色的使用,但這是依 app 的需求取捨。

上述的說明,是基於白色的背景做為說明,如果是以深色的背景為主,那可以用白色帶透明度的字體顏色也是一樣的效果。

巨匠電腦設計了視覺設計課程,教你跨界創意視覺設計、使用者介面設計等等,快來巨匠電腦輕鬆學!

文章與圖片出處: https://goo.gl/JaaM8O
想要學: 視覺設計課程

 

【巨匠電腦科技新聞】設計新貴竄起 設計師職缺多多
上等的巨匠電腦評價-我在巨匠電腦學到很多東西
巨匠電腦評價—讓我重拾了自信心!
我來評價巨匠電腦一下~

巨匠電腦分享 手機必備的高評價軟體

朱/

1508251030180.jpg
新手必裝 巨匠電腦分享2015嚴選Mac App
不用開場白,讓我們直接開始吧。巨匠電腦評價好!

Yoink:拖曳輔助平台

Mac 最方便的上傳、移動檔案方式就是「拖拉放」,但這個動作往往會因為桌面太小、視窗太大而受到阻礙。(例如:在全螢幕模式下你就沒辦法從桌面把圖片拖曳進視窗裡,必須先把視窗縮小才行)Yoink 可以解決此問題,只要透過一個小小的「暫置平台」,先把想要加入的檔案、圖片、文字都拉到 Yoink 平台上,即使切換到全螢幕視窗也能輕鬆將 Yoink 上的東西轉拖進去,這樣就不用一直頻頻切換調整視窗了。

Yoink 有試用版 15 天免費體驗,各位可以先裝裝看,喜歡的話再去 Mac App Store 支持一下。

 

Noizio:讓你專注背景聲

有時候我要專注工作,不希望受到音樂旋律、人的歌聲所打擾,但又想要有點重複性、靜謐的背景聲當做調劑,就可以用 Noizio,它提供雨水、雷鳴、火堆、風向、蟲鳴鳥叫等自然背景音,還能調整每向聲音的強弱,複數以上的聲音共同播放,在 Mac 上打造最專注的自然環靜音場。

 

BetterSnapTool:最佳視窗調節器

常常需要在多視窗間切換嗎?總是用手不斷去拉視窗邊緣調整大小真的很麻煩,推薦你用用看這個 BetterSnapTool,只要移動視窗去撞 Mac 桌面的四周,視窗會自動伸縮成最適大小,讓多視窗間不會交疊在一起。最酷的是能針對視窗給予熱鍵,例如按下 Control 你就能單指滑動調整視窗大小,因此 BetterSnapTool 也被我定義成「強化手勢操作體驗」的第三方應用。

 

Alfred:超越 Mac 內建 Spotlight 的存在

雖然 OS X Yosemite 加強了 Spotlight 的搜尋功能,但是 Alfred 仍然是我認為最棒的輔助軟體,甚至是熱鍵工具、搜尋利器、計算機、畫面大字報,種種強大應用功能讓 Alfred 面對強化版的 Spotlight 仍舊屹立不搖。如果你不常用 Spotlight 內建搜尋,你可以試試 Alfred,如果你會用 Spotlight,不妨也玩玩看 Alfred 所帶來 Spotlight 沒有的大字報功能吧!

參考文章:Alfred:Mac 熱鍵控專屬的核武級神兵

點此下載:Alfred(free)

 

Sunrise:超越內建行事曆的行事曆

有沒有一個行事曆平台能完美整合 iCloud、Google、Facebook 等行事曆功能,甚至支援 Mac 內建的提醒事項、第三方筆記軟體 Evernote?Sunrise 就能做到,在一個畫面完美整合所有該提醒的時間,並用 Google Maps 當做主要地圖,種種超越 Mac 內建行事曆應用程式的設計方式,除了 Mac 版,同樣有 iPhone 版、網路版,因此你可以在任何平台上編輯你的行程。

 

Universal Translator:桌面上最完善翻譯應用

我很不喜歡每次都要打開瀏覽器才能搜尋英文單字,Universal Translator 是我最愛的桌面翻譯應用,支援多國語言、自動辨識輸入語、快速轉換左右翻譯字、內建辭典搜尋、直接聆聽發音、收藏英文單字,所有跟傳譯相關的功能都在你的桌面,這就是我要的。

 

Google Drive、Dropbox:第三方雲端平台

第三方雲端服務絕對是現代電腦應用非常重要的一環,在我們的新書《Apple 會怎麼做?100 個讓蘋果店員也想學的 Mac OS X 工作方法》中也特別介紹這些雲端服務。雲端代表的不僅有儲存,還有更厲害的自動化、即時同步,就像你的私人秘書般,也可以把雲端當成自成一格的獨立系統。因此多裝兩朵雲在 Mac 上吧,把資料放在雲端也能讓你在任何地方快速取用、分享,節省本機儲存空間,這麼多好處,不裝嗎?

 

Evernote:最佳的筆記軟體

如果要我挑選一款同時滿足記事、提醒、管理知識與分享創意的平台,我會說 Evernote 是不二選擇。同樣支援多平台使用,即使在家裡的電腦、攜帶的手機、平板、任何網路瀏覽器,都可以開啟你的筆記,用文字、照片、錄音等方式寫下你的未來,並且永不忘記。

 

AppCleaner:徹底拔除應用程式不殘留

以前在 PC 上刪除應用程式,最擔心就是有殘存的檔案沒有刪乾淨,會佔據儲存空間,又沒辦法輕易找出來,在 Mac 上你如果用 AppCleaner,就能高枕無憂了!直接從應用程式清單中挑選要刪除的程式,按下 Search,所有潛藏在 Mac 中與此應用程式相關的檔案都將現身,你所要做的就只是 Delete。

 

The Unarchiver:解壓縮必備

很簡單的解壓縮軟體,安裝後你就不用再管它了,之後不管是 .zip 還是 .rar 壓縮檔,直接點選後就會用 The Unarchiver 解開,可以設定壓縮後把壓縮檔刪除,僅留下解壓縮後的內部的文件,並創立一個檔案夾把文件通通包起來收好。

 

Welly:鄉民必備神器

在 Mac 上想逛 PTT 當鄉民?首推這款介面超簡單,功能一點也不陽春的 BBS 軟體 Welly,小提醒一下,第一次使用要去【顯示方式】→【編碼】→ 改成【正體中文(Big5)】才不會亂碼喔。

  • 點此下載:Welly(free)

 

MPlayerX:支援所有播放格式的簡約播放軟體

看影片最重要的就是按下去、播放、然後欣賞,頂多在加個字幕,直接把字幕拖曳到畫面上就完成字幕搭載,接下來就是輕點兩下全螢幕欣賞,MPlayerX,推薦給喜歡畫面清晰、介面簡單、直覺操作的你。

  • 點此下載:MPlayerX(free)
  • ※ 在 Mac App Store 上的 MPlayerX 不是最新版本(在 OS X Yosemite 放大全螢幕的時候會白畫面),所以請到上方的這個 MPlayerX 官網連結下載官方正式版。

 

Tomb Raider:大作移植,女主角正到無極限導致手滑

這是我唯一在 Mac App Store 上購買的遊戲,原因無他,就是這版的蘿拉真的太正了,再來就是它被選為 Mac App Store 的 Best of 2014,目前限時特價 5 折!小提醒,這款遊戲畫面超好,連蘿拉身上的光澤都看的一清二楚,Mac 規格不夠好的別輕易下手。

點此購買:Mac App Store(NT$ 590 – Best of 2014 期間限時特價)

 

QuickTime Player:外接螢幕錄影

QuickTime Player 是 Mac 內建的功能,但鮮少人會去使用這個來播影片,因為它支援的播放格式其實有限,所以我看影片幾乎都用 MPlayerX,但這邊要介紹的是 QuickTime Player 隱藏的超級神技:QuickTime Player 配合一條充電線就能輕易投影 iPhone、iPad 畫面到 Mac 上,穩定又迅速。因此你不用再裝 Reflactor、X-Mirage 等鏡像輸出軟體了,內建免費直接用。


以上就是 2015 年我所推薦的 Mac App,希望各位新手都能享受這些應用,但是像郵件、Safari,我就傾向用內建的,因為他們能透過 iCloud 跟 iPhone 緊密連結,所以我沒有特別推薦第三方的。

而一些生活日常使用的 App 你可以自行下載,這邊就不特別介紹,幫各位列出下載連結:

  • Chrome:大家都知道的 Google 瀏覽器(點此下載:Google Chrome
  • Line:大家都知道的即時通訊軟體(點此下載:Mac App Store
  • Skype:大家都知道的視訊軟體(點此下載:Skype

巨匠電腦設計了APPLE實務應用課程,教你Mac平面視覺創意設計、iPhone應用程式開發等等,快來巨匠電腦輕鬆學!巨匠電腦評價好!

文章與圖片出處: http://appleuser.com/2014/12/31/2015-mac-apps/

 

搶進10億貼圖商機 巨匠電腦LINE課程爆紅 | NOWnews 今日新聞

視覺設計-巨匠電腦,評價

巨匠電腦:不用手如何做視覺設計?

《巨匠電腦產業報》好厲害 素人貼圖紅.角色經濟創業商機 | 巨匠電腦評價

高評價!學大數據不卡關 巨匠電腦分享精選Big Data相關用語

錚/

學大數據不卡關 巨匠電腦分享精選Big Data相關用語
大數據 (Big Data) 與資料科學 (Data Science) 已成為大眾耳熟能詳的詞彙,各行各業正在積極運用且開發大數據的價值,這些巨量資料也帶來了巨大的商機。

這時身處於「大數據時代」的我們,自然得對大數據有所認識,在這裏為大家列出了一些經常跟大數據一起出現的陌生用語,認識了這些大數據相關字彙,下次看大數據的相關文章就不會一直「卡」了。

1508061032330.jpg

Algorithm 演算法

出自於數學用語,在這裡指的是在有限步驟內,分析數據的具體方法,而且通常由軟體來執行。

AIDC 自動識別技術

AIDC(Automatic Identification and Data Capture)是將訊息數據自動識讀、自動輸入電腦的重要方法和手段,它是以電腦技術和通信技術為基礎的綜合性科學技術。常見的 AIDC 例如條碼(Bar codes)、磁條(magnetic strips)、生物識別(Biometrics)、RFID 等技術。

AWS 亞馬遜網路服務系統

2006 年 Amazon 開始以 Web 服務的形式向企業提供各種雲端運算服務,包括運算、儲存、資料庫、分析、應用程式和部署服務。現在許多科學家、開發人員以及各企業的技術人員都在利用 AWS (Amazon Web Services)進行大數據分析。

Avro 序列化系統

Avro 是 Hadoop 底下的子專案,是一個資料序列化系統(Data serialization system),被設計用來支援大量資料交換。

Behavioral analytics 行為分析

行為分析是指用科學方法分析環境刺激與行為之間的因果關係,藉著系統性的觀察來了解行為的變化原則,進而有系統的操作刺激,以達到行為的學習、塑造或改變。簡單來說,就是用一個有系統的方法去觀察、測量、收集客觀數據來分析目標的表現行為。

Big Data 大數據

大數據(or 巨量資料),顧名思義是指大量的資訊,當資料量龐大到資料庫系統無法在合理時間內進行儲存、運算、處理,分析成能解讀的資訊時,就稱為大數據。有興趣深入了解請參考《巨量資料的時代,用「大、快、雜、疑」四字箴言帶你認識大數據》以及《7 個你不可不知的大數據定義》

BI 商業智慧

BI (Business Intelligence) 指用現代資料倉儲技術、線上分析處理技術、數據挖掘進行數據分析,再以圖形化的界面或報表呈現以實現商業價值。

Cassandra 資料庫系統

是 Apache 軟體基金會底下的開源分布式 NoSQL 資料庫系統,適合用來管理巨量的結構化資料,由於其良好的可擴展性和性能,被 Digg、Twitter、Hulu、Netflix 等知名網站所採用。

CDR 詳細通聯記錄

CDRs (Call Detail Record)是電信網路的使用紀錄,例如通話時間、通話長度等資訊。CDR 是電信業者與企業分析網路營運和客戶行為的重要資源。

Clickstream Analytics 點擊流分析

點擊流(Clickstream)就是使用者在網頁間來來去去的點選記錄,也可以分成 Upstream –– 進入這個網站的「來源」,以及 Downstream —— 拜訪完這個網站之後的「去向」。對於網路行銷跟搜尋引擎來說,點擊流分析是十分重要的參考。

Cloud Computing 雲端運算

雲端運算(Cloud Computing)是一種將資料、工具及程式放到網際網路上處理的資源利用方式,是一種分散式電腦運算(Distrubted computing)的概念,也就是讓網路上不同的電腦同時幫你做一件事,可以大大的增加處理速度。

也因為所有資訊都被放置到網路的虛擬空間裡,工程師在繪製示意圖時常以一朵雲來代表這個虛擬空間,因而有了「雲端(Cloud)」一名。

Data Mining 資料探勘

顧名思義,就好比在地球上從一堆粗糙的石頭中進行地物探勘、尋找有價值的礦脈,資料探勘就是從巨量資料中提取出未知的、有價值的潛在資訊。

Data Modelling 資料建模

資料模式(Data Model)在資訊系統中指的是資料如何被表達、儲存及取用的方式,包括資料的格式、定義和屬性,資料之間的關係,以及資料的限制,而資料模式的設計過程就稱為「資料建模」。

Data Visualization 資料視覺化

是關於數據之視覺表現形式的研究,資料視覺化的技術可以幫助不同背景的工程人員溝通、理解,以達良好的設計與分析結果。

Data Experts 數據專家

數據專家就是能利用資料作出研究評估的專業人士,像是資料分析師、資料科學家、資料架構師等都可以被歸類為數據專家,其工作內容細分請參考《資料分析師?科學家?架構師?大數據人才的工作內容及年薪比較》

Exploratory Data Analysis 探索式分析

探索式資料分析是指在沒有標準流程跟方法的情況下,在現有的數據中找尋資料的結構和特點、探索潛藏於資料中的訊息,這種資料分析方法強調的是探索式的分析而非嚴謹的模式確認。

Hadoop 技術

Hadoop 是一個能夠儲存並管理大量資料的雲端平台,為 Apache 軟體基金會底下的一個開放原始碼、社群基礎、而且完全免費的軟體,Hadoop 的兩大核心功能 —— 儲存(Store)及處理(Process)資料所用到的分散式檔案系統 HDFS 跟 MapReduce 平行運算架構。Hadoop 被廣泛應用於大數據儲存和大數據分析,成為大數據的主流技術。有興趣深入了解請參考《認識大數據的黃色小象幫手 –– Hadoop》

Internet of Things 物聯網

物聯網(Iots)是一個全球化的網路基礎建設,透過資料擷取以及通訊能力以連結實體與虛擬物件,透過網際網路的發展,物連網可透過特定的機制,將所有裝置連結在一起,以供控制、偵測、識別,並交換所有的資訊。

NoSQL 資料庫系統

NoSQL 最早是指「No SQL」,號稱不使用 SQL 作為查詢語言的資料庫系統。但近來則普遍將 NoSQL 視為「Not Only SQL」,也就是「不只是 SQL」的意思,希望結合 SQL 優點並混用關聯式資料庫和 NoSQL 資料庫來達成最佳的儲存效果。

在巨量資料所帶動的潮流下,各種不同形態的NoSQL資料庫如雨後春筍般竄起,其中 MongoDB 是眾多 NoSQL 資料庫軟體中較為人熟知的一種。

Predictive Analytics 預測分析

是指透過預測模型、機器學習、資料挖掘等技術來分析現有和歷史的事實數據對未來作出預測的數據分析方法。

R 語言

R 是一個開放原始碼統計軟體,提供統計計算和繪圖功能,類似 Matlab 跟 SAS,而 R 不但免費 而且簡單易上手,近年來成為資料科學界裡的重要工具。

SaaS 軟體即服務

SaaS (Software-As-A-Service)是隨著網際網路技術和應用軟體的成熟而興起的一種軟體應用模式。SaaS 提供商將軟體統一部署在自己的伺服器上,藉由網路提供軟體給客戶,所以客戶不用購買軟體,而是根據需求向提供商訂購所需的服務,且客戶無需對軟體進行維護,服務提供商會全權管理和維護軟體;軟體廠商在向客戶提供網際網路應用的同時,也提供軟體的離線操作和本地數據存儲,讓客戶隨時隨地都可以使用其定購的軟體和服務。

對於許多小型企業來說,SaaS 是採用先進技術的最好途徑,它消除了企業購買、構建和維護基礎設施和應用程式的需要。

Terabyte (1 000 000 000 000 Bytes)

TB 為兆位元組,是資料量的分級,相當於 10^12 bytes。其他資料量分級如下:

  • Bytes (8 Bits)
  • Kilobyte (1000 Bytes)
  • Megabyte (1 000 000 Bytes)
  • Gigabyte (1 000 000 000 Bytes)
  • Terabyte (1 000 000 000 000 Bytes)
  • Petabyte (1 000 000 000 000 000 Bytes)
  • Exabyte (1 000 000 000 000 000 000 Bytes)
  • Zettabyte (1 000 000 000 000 000 000 000 Bytes)
  • Yottabyte (1 000 000 000 000 000 000 000 000 Bytes)

巨匠電腦設計了程式/資料庫課程,教你程式設計、大數據分析與應用等等,快來巨匠電腦輕鬆學!

文章與圖片出處: http://goo.gl/eLvDBb

拯救表弟大作戰!推薦給他巨匠電腦課程,收穫良多捏他!

與表弟的心得交流*真的還好有巨匠電腦 讓他對生活開始有希望

巨匠電腦好嗎?我也曾經半信半疑!

大推!巨匠電腦評價 看這邊就知道!

神評價!巨匠電腦分享2015年大數據的四大發展重點

錚/

巨匠電腦分享2015年大數據的四大發展重點

2012 年時《紐約時報》的一篇專欄文章「The Age of Big Data」正式宣告大數據時代的來臨,到了 2015 年,大數據一詞已經可以說是耳熟能詳,然而在現今網際網路跟雲端技術的發達,加上智慧型產品、行動裝置的普及下,以下四點將會是大數據的發展重點。

1508041031010.png

求快求即時:In-Memory 資料庫

當這世界上累積的資料量越來越龐大,各企業制訂商業策略所納入考量的資料也跟著大幅增加,這時候如何減少將資料(Data)轉換成資訊(Information)的時間變得尤其重要。

採用記憶體內運算技術(In-Memory Computing)減少原始資料的移動,僅搬移運算後的結果,加快處理的速度,並且透過壓縮技術減少資料量,能夠有效提升資料庫效能,應付企業對資料運算量及速度日益升高的要求,也使得企業得到的資訊更即時、能更快地回應各種市場需求及回饋,甚至開發出全新市場、開創出其獨一無二的價值。

萬物聯網的時代

在物聯網概念起飛的這個時代,越來越多行動裝置、智慧型居家裝置被市場接受,進入到我們的生活中,根據預測,智慧型裝置的數量將會從現在到 2020 年將從 130 億成長到 500 億。

可以預期的是更多種類型的資料將以更多形式被感測、收集起來,而且這些大量且即時性的感測數據(Sensor Driven Data)屬於非結構化資料,也就是從文本分析到未經處理的文字、聲音與影片導出的數據,如何儲存處理及分析成為現在十分重要的課題,可能從中挖掘出未知的趨勢並帶給人類生活重大的改變。

巨量資料上雲端

如果說「大數據」是現在最夯的科技潮字,那上一個最紅的則是「雲端運算」。從 2006 年被提出後,雲端(Cloud)便廣為科技業所使用,各企業更是積極提出各種雲端服務。

大數據與雲端技術可以說是相輔相成,大數據大大的推動了雲端服務,而雲端服務的普遍也使得資料量攀升。2014 年全世界平均每天產生 23 TB 的數據,大約是 2012 年的 920 倍,以這種情況來看,雲端服務在大數據時代相當於「公共設施」般不可或缺,不但用來儲存各式各樣的資料,還利用雲端運算來建構基於大數據的應用程式和 API,建立模型預測未來的事件。

人才很重要,平台跟工具更重要

因此對於不算「新」但算剛「熱」的大數據來說,在短短幾年內蓬勃發展,數據專家自然成為各公司爭搶的人才,四個最常見的大數據人才工作內容以及薪資範圍請參考《資料分析師?科學家?架構師?大數據人才的工作內容及年薪比較》一文。

不過事實是,人才需要時間培養(以大學主修到碩士畢業來算,約需要 4-6年),如果以 2012 年當作大數據發燒年,資料挖掘、資料處理因而成為超熱門的學科,最快的一票「趕潮流」的資料新鮮人將會在 2016 年進入市場。

對於正在狂燒的大數據市場,人才不夠的情況下,對於小企業來說最不可或缺的反而是大數據分析平台與資料視覺化工具!例如 ClouderaSumAll 的線上分析平台,以及 TableauQlikView 等資料視覺化工具。許多企業都會要求員工熟悉上述平台及工具、具備一些數據分析「基本技能」。如果想讓自己在大數據時代中擁有更高的競爭力,可以參考這篇《大數據時代中求生存:9 個必殺絕技殺進 Big Data 市場》

巨匠電腦設計了程式/資料庫課程,教你程式設計、大數據分析與應用等等,快來巨匠電腦輕鬆學!

文章與圖片出處: http://goo.gl/ePvyq5

巨匠電腦認證輔導班上課經驗分享~巨匠電腦超好~

巨匠電腦程式語言認證班經驗分享!超棒!

關於基隆巨匠電腦學程式語言的評價 心情點滴阿~~

補習人生 巨匠電腦讓我看見光明!!!

評價棒!成為大數據專家!巨匠電腦分享大數據的機會與挑戰

錚/

成為大數據專家!巨匠電腦分享大數據的機會與挑戰
我們活在巨量資料的世界,資料的數量與多樣化的程度,每日都以前所未有的規模撲向人類。無論你是不是在相關產業工作,都不可能逃離被大數據「圍攻」的現實。自哈佛大學電腦科學系畢業、Cambridge Semantics 共同創辦人 Lee Feigenbaum 撰寫的〈Turnning Big Data into Smart Data〉一文,告訴我們橫亙企業眼前的「大數據挑戰」。讓我們先來看看,大數據到底有多大?

  • 每天全球每一個人聚沙成塔,累積的新數據達到「艾位元組(exabytes)」(甚至達到「皆位元組(zettabytes)」,端賴統計的來源)。
  • 至今一半以上(有些報告甚至指出高達 90%)的數據資料是在過去 12 個月產生的。
  • 人們創造數據的速度每一個月都以雙倍速度成長。

除了嚇人以外,光有這些「大數據」,其實沒有什麼意義,唯有人類能夠從中發掘價值,大數據才產生意義。所幸,已有很多應用實例,讓大數據發出應有的光芒,也讓我們看到各行各業有無窮盡的機會,等待數據科學家的探勘。

1507311359270.jpg
魔球電影劇照

  • 在「大數據」還沒變成人人琅琅上口的流行詞彙之前,小說改變而成的電影《魔球》描述美國大聯盟運動家隊點石成金在缺乏明星球員的狀況下殺出血路的真實故事,早已讓人津津樂道,而它正是數據分析的絕佳體現。
  • 醫療與製藥產業紛紛投入大筆經費,研發「客製化」的個人醫學,透過分析病人的特徵與基因組成,給予個別病人量身定做的診斷與療法,實驗室與臨床都需要大量且多樣化的數據整合。
  • 智慧型手機、運動手環甚至後來的智慧型手錶,我們分分秒秒都在「量化自我」,健身的程度、攝取的營養、身心狀況、行為趨向全部都被巨細靡遺的記錄下來。
  • 大型銀行與隸屬政府的金融部門對資料長(chief data officer,CDO)與數據科學家需求若渴,他們要能全盤考量組織職能,針對數據的蒐集、分析與應用做出策略性的思維。
  • 無論地方政府或中央政府,都正流行「資料透明化」,如政府皆建立網站揭示公開資料。人們自發性要求政府公佈更多資料的行動也如火如荼,例如美國的 DATA Act。
  • 大數據在美國總統大選中扮演了很關鍵的角色,幫助候選人清晰的辨識出搖擺不定的選民。
  • Target、Walmart 等零售商巨擘已經透徹分析顧客的資料好幾年,早就能夠在家人與朋友察覺之前,搶先一步知道某個消費者懷孕的消息。
  • 智慧型恆溫器 Nest Thermostat、智慧監控 Quirky、利用使用者 GPS 「群眾外包」塞車情況的 Waze,都是基於數據蒐集與預測成就物聯網生活的新創公司,他們都已獲得 GE、Google 等大企業投入鉅資甚至併購,企盼能從巨量資料中挖掘巨量價值。

儘管有這麼多成功的案例,對很多企業來說,大數據仍像一座無法翻越的山嶺,難以將數據完美的融入決策過程。通常公司在運用大數據時,會遇到下列五個挑戰:

挑戰 1:我們不知道答案,甚至連問題是什麼都很模糊

大數據時代的其中一個關鍵特徵是,我們很難知道我們需要的答案,有時甚至連想要解決的問題都很模糊。有一部分原因是,大數據的價值在於模式(pattern)與相關性(relationship),但這些過去隱藏在大量資料中的模式與相關性,經常都是意外發現的。我們不能期待專家為每一行資料都特製 MapReduce(Google 提出的軟體架構,用於大規模數據的並行運算),其他大數據分析框架也一樣有很高的進入壁壘,阻礙簡單的資料探索與分析。

擁有深度分析、數學、統計與程式技能的數據科學家,無疑是現階段最炙手可熱的人才,不過人才養成的速度遠遠不及市場需求。

挑戰 2:非結構化的數據難以採集

就現實面來說,大數據其實就等於「非結構化」的數據,也就是從文本分析到未經梳理的文字、聲音與影片導出的數據。這些文本分析景觀,有著幾乎堆積成山的問題,讓我們難以利用非結構化的數據幫助日常的企業營運決策。這些問題包括:

  • 不同的內容需要運用不同的工具:客戶迴響與產業分析各有不同的語言分析工具,如果使用一般的分析軟體,可能就會犧牲精準度。
  • 不同的時機需要運用不同的文本分析技術:自文本中萃取企業內部資訊,跟分析社群媒體情緒波動是完全不同的挑戰。
  • 文本分析的結果不可預測:挖掘大量網頁、電子信箱中的信件、以及其他文件,通常能夠顯示過去未知的關聯性。只是,即使大數據的貯存,讓我們能夠更便利的捕捉難以控制的數據,不過後續的分析,光有大數據的存在是沒有多少幫助的。

挑戰 3:大數據難以重複利用

一般而言,數據的蒐集、貯存、使用,都是針對單一目的,像是投資銀行蒐集 10-K 文件(美國上市公司年度報表),協助買方從事權益分析,生技公司在資料庫中儲存臨床實驗的結果,向 FDA(美國食品藥品監督管理局)提交報告,電商從製造商擷取庫存滋料庫,與他們自己的網站內容管理系統整合在一起。這些數據既然只為特定目的服務,自然很難再被利用到其他使用情境上。因此,風險管理人員無法從 10-K 文件的分析獲取與自己職務相關的資訊,生技公司的資深科學家沒辦法自臨床數據滋料庫預測早期藥物的成功機率,電商從業者也沒辦法重複利用庫存資料庫,辨識不同商品的戰略性差距。

挑戰 4:大數據只是故事的一小部分

從前幾項挑戰看下來,想要促成一家真正由數據驅動、且由數據決策的公司,光有大數據是遠遠不足的。大數據得跟傳統的企業資料來源(如交易與營運資料庫或 ERP 儲存系統),或者雲端 SaaS 應用(如 Salesforce 的 CRM 資料)、無數的影子 IT(shadow IT)數據來源(包括試算表、簡報、文件、SharePoint),整合的工作極端昂貴而且曠日費時,但是如果不做,那也甭想利用大數據解決企業的問題了。

挑戰 5:大數據的「準備」階段成本極高

大數據時代的普遍心態與工具,總是鼓舞著我們蒐集愈多數據愈好。不過數據要有價值,在準備的階段就需考量整合、散佈與利用。大數據的「準備」可能代表三種情況:

  • 發現(discovery):在大量的數據儲存中辨識正確的數據記錄
  • 去蕪存菁(curation):評估與改善數據的品質、可靠度與精確度
  • 組合(alignment):將數據概要與個人記錄以常態的模式聯繫起來,以利整合與分析。

普遍來說,數據的準備,幾乎完全是純手工作業,因此非常冗長乏味,消耗很多時間,而且還很容易出錯。

要克服這些挑戰的方法,就是把大數據「變聰明」。Lee Feigenbaum 把未經處理的數據稱為「啞數據」,他也提供了「讓數據說話」的五個方法,我們將會在下個禮拜分享給大家。

巨匠電腦設計了程式/資料庫課程,教你程式設計、大數據分析與應用等等,快來巨匠電腦輕鬆學!

文章與圖片出處: http://goo.gl/DytQeV

 

朋友問我巨匠電腦好嗎~

巨匠電腦評價我覺得不錯啊

巨匠電腦給了我一個機會去找到另一個自己(轉圈^__^)

選擇自己喜歡的學習方式就是最好的-巨匠電腦心得分享

好評價!用大數據未卜先知-巨匠電腦分享預測消費者行為

錚/

用大數據未卜先知 巨匠電腦教你預測消費者行為
關心電子商務與行銷趨勢的您,一定對於大數據(Big Data)這個名詞不陌生。大數據被比喻為未來的新黃金,是電子商務經營者瞭解消費者行為以精準行銷,甚至是預測顧客未來購物行為的重要工具。

由以下兩個例子即可瞭解大數據預測未來的準確性。日本衛生機關在2013年1月14日到20日間通報流感患者數量為140萬人,同時間雅虎日本也公布一份關鍵字調查報告,當週使用者在雅虎日本以「流行性感冒」作為關鍵字搜尋的次數,竟然與日本衛生機關所公佈的患者數量呈現正相關,顯示關鍵字搜尋後的數據分析,可預測流感患者數量。

1507291110130.jpg

第二個例子則是2012年的美國總統大選。歐巴馬的大數據分析團隊利用演算法分析與建立模型,將選民分成多種不同屬性的族群,以了解每一類人群和每一個地區選民在任何時刻的態度,準確預測出在各州勝出的可能性。透過大數據分析,在美國總統投票結果出爐前,即掌握歐巴馬在哪些州會勝出,連任美國總統。

大數據的三V特性
為何大數據可以預測未來?大數據有三大特性,首先是大量化(Volume),可處理TB與PB以上的資料量。第二是多樣化 (Variety),資料的範疇包含了影音檔、圖片檔、文字檔等。第三則是快速化(Velocity),分分秒秒產生大量顧客消費資料。由於可大量、快速地儲存、處理與分析複雜的各項資訊,透過整合這些大量的資料,如最近點擊看過哪些品項、停留時間長短、最近一次消費品項 、消費頻率與消費金額等,預測下一次的消費行為的可能性。

雖然無論誰都可以來分析處理大數據,但如果數據樣本有限,則無法做出精準的分析。因此最容易成功者就是像Yahoo這樣的入口網站,有大量的使用者與網站內容,用於收集與分析各項資料。

從前,對於消費者分析主要依據年齡、性別、喜好,與購物項目等來分析做簡單的群體劃分。如A女28歲,每月消費金額約在3000,元,購買品項多為服飾與配件。B女35歲,每月消費金額也在3000元,購買品項為皮包或辦公室舒壓小物。系統會將A女與B女都歸納為小資女,但無法取得明確的行為模式。但在資料訊息更充足的情況下,透過多方取得數據並整合分析,因此可進行更精細的消費者區隔。以上述例子來說,A女常常點擊裙子網頁,也比較過不同裙子的款式、價格,甚至曾經把裙子放在購物車裡。則系統除了會推薦其他的裙子網頁外;還會附上其他看過裙子的使用者,也曾看過鞋子,並推薦鞋款。經過大數據分析後,系統除利用原本的購物歷史數據外,再加上網頁點擊、瀏覽記錄,停留時間長短等,更精準地細分消費者。

越精準個人化,就能預測每一位消費者的行為
目前國內外的電子商務的大數據分析多半使用2006年Amazon宣稱採用的Collaborative  Filtering(CF)模式,利用歸納法,把行為相似的人歸納在一起。如消費者搜尋A書,曾則推薦消費者,搜尋A書的人,也曾看過B書跟C書。Yahoo 在2012年成立亞太區電子商務大數據研發工程部後,自主研發演算法與歸納消費者行為模式,將消費者區分為數十個族群,針對不同族群推薦不同商品。這個系統上線後,第一個月的營業額就有明顯的轉化率提升。

此外,針對消費者熱門搜尋、點擊頁面與瀏覽時間等資訊,我們自行研發迴歸模式,預測未來趨勢的商品,以供廠商備貨避免缺貨喪失商機。舉例來說,這星期消費者熱門搜尋字組為鄭多燕,則可預測下星期鄭多燕健身等相關產品仍會熱賣,主動提醒合作廠商做好庫存管理即時補貨,因應下星期訂單。

2014年出再使用行為Clustering的客群分類方法,進一步將消費者細分成數百個族群,每個族群更具獨特性,更精準地區分消費者,每兩天就更新一次資料,讓消費者永遠處於最適宜的族群,再進行溝通。六月上線後,就有明顯的營業額上漲現象。

除了以上方法外,今年第一季我們也推出有價值的點擊(quality click),如對消費者點擊次數的分佈進行分析, 偵測消費者採購前的比較行為。針對每一個不同點擊次數完成購買者,推薦不同商品。此個人化精準模式一推出,營業額立即增加。

Amazon「提前寄貨」服務
不管是Yahoo或是Amazon皆很積極利用大數據預測未來消費者行為。Amazon為了縮短物流時間,推出「提前寄貨」的服務,利用消費者之前的購物行為,預測下次的購買時間與物品,在顧客尚未下單之前提前發出商品,儘可能的縮短物流時間。Amazon不惜成本推出這項服務的主因在於美國幅員廣大,從下單到收到物品時間平均為15天,送貨時間過久降低網路購物意願。因此透過「提前寄貨」的服務讓客戶下單到收貨縮短到3天。舉例來說,A顧客每三個月都會Amazon購買衛生紙,若上次購買在9月,預測下次購買為11月底前,則Amazon提早在11月初寄出衛生紙,儘可能的縮短物流時間,即可在11月底客戶下單前提早送達。

Amazon判斷是否可成為「提前寄貨」的顧客,其背景資料包括,顧客歷史訂單、商品搜索記錄、商品頁面停留時間,顧客的心願清單、曾在購物車裡的商品資訊等,預測下次購物行為。當然Amazon也可能預測錯誤,顧客若收到並未預期下單的物品,只要退回即可,全部物流成本由Amazon吸收。

台灣地狹人稠,無須推行「提前寄貨」的服務,因此Yahoo將以瀏覽行為與購物紀錄資料庫為基礎,持續優化消費者行為的歸納模式,除深入分析消費者短期與長期消費行為建構模型外,並進一步結合關鍵字搜尋熱門字與字串型熱門字,探知消費者真正的意圖,以個人資料作差異化做商品推薦,讓顧客快速找到自己想要的商品。

巨匠電腦開設了程式/資料庫課程,內容包含程式設計、大數據分析與應用等等,快來巨匠電腦輕鬆學!

文章與圖片出處: http://goo.gl/moG1Os

 

【程式/資料庫課程】巨匠電腦密技:9個必殺絕技殺進大數據市場

【程式/資料庫課程】巨匠電腦分享,職場新寵兒!大企業爭搶「數據分析師」

【程式/資料庫課程】巨匠電腦密技:想挖大數據的秘密,十個你不能不懂的程式語言

【程式/資料庫課程】巨匠電腦分享,紅門互動張元溢:你為什麼需要大數據?

好評價!用數據來行銷!巨匠電腦用大數據創造絕佳客戶體驗6招!

錚/

用數據來行銷!巨匠電腦教你用大數據創造絕佳客戶體驗的6個絕招!

對於行銷來說,資訊就是力量。在一個市場調查中顯示,各行各業的行銷高手們不約而同的提出了一項市場致勝關鍵:大數據(Big Data)。
1507281052410.png
2012 年 2 月,紐約時報記者 Charles Duhigg 報導了一則新聞《How Companies Learn Your Secrets》1,內容是這樣的:一名高中女生收到了 Target(類似美國的大潤發)所寄給她的折價卷跟 DM,廣告主打孕婦裝及各式嬰兒用品,這名少女的父親看到後十分生氣,認為 Target 這些廣告是在鼓勵未成年少女懷孕,便氣沖沖地去找 Target 經理理論,經理當下也只能道歉了事,而且在幾天後再度打電話拜訪說明,沒想到這名父親反而在電話中羞愧的向經理道歉,道歉的原因是…,原來他女兒已經懷孕了,預產期在 8 月。

當時這則新聞引起了廣大討論,大家紛紛讚嘆於 Target 公司的「讀心術」,但相信你已經猜到這個故事中的箇中奧妙 –– 數據。順帶一提,這一年(2012)也是被公認為「大數據」熱潮發燒的開始!


從網路上瀏覽的頁面、光顧的網站、所點擊的連結,掌握這些數據的公司比你還要了解你自己。有了這些資料,企業不需要「靠直覺」猜測客戶的需求(更何況有時候客戶也不知道自己要什麼),數據不說謊,這也是為什麼搜尋引擎、社群媒體能夠逐漸擴大自己的專業領域且立於不敗的地位,關鍵就是數據、數據、大數據!從這裡也更能理解為什麼許多企業年年砸下大錢在資料取得、資料分析上,就此設計更好的行銷手法來迎合使用者、吸引新顧客。

在現今的社會中,如何利用大數據創造絕佳的客戶體驗成了主宰市場的訣竅,知名 B2B 市場行銷專家Paul Dunay 曾傳授六個把大數據轉換成絕佳的客戶體驗(Costomer Experiences)的絕招,在此分享給大家。

1)市場不是瞬間變化而是連續演化的

你得先明白,利用大數據所得到的結果,可能會完全顛覆你平常做事的條理,但別想著要一次改變所有的事情。最有經濟效益的方式是「test and learn」,一邊測試一邊學習,以應用程式設計為例,一次修改 20 個小地方絕對比一次全面革新來的有遠景,類似的例子比比皆是。

最厲害的高手是利用數據來微調和優化,他們追求的是穩定的成長跟改善,一步踏穩再踏一步直直向前行。

注意事項:上述戰術不是於各種情況,你必須意識到有些改變是必須立即反應的,同樣以應用程式設計為例,如果你的程式存在問題,例如會影響到使用流暢度的「bug」,那當然是要在幾小時內做出調整啊。(有些神經大條的人就會慢慢拖,等到下次更新再來改善,那就輸定了!)

2)數據要用對地方:個別擊破

首先你必須把你的終極業務目標分成數個小專案,再針對每個專案來選擇數據、使用數據,舉例來說,如何吸引新客戶、如何增加客戶忠誠度、如何提高終身客戶的數量。藉由這樣的「個別擊破法」可以幫助你決定數據的類型、分析的方法。尤其記得一次專注於完成一個專案、達到一個目標。

3) 從公司內部推廣大數據概念

基於「數據導向」、「數據為證」的行銷手法在某些公司中並不是人人都能理解,因此為了確保公司全員能夠擁有共識,教育推廣大數據是十分重要的。除了鼓勵知識共享、持續學習以外,也應該用容易理解的方式解釋數據分析的結果,例如資料視覺化,讓數據專家與非專業人士都有共通的「語言」。

4)建立一個專門的大數據團隊

一個理想的大數據團隊應該包括行銷策略師、市場分析專家、網頁開發人員、尤其是創意設計師 –– 儘管他們總是認為必須考慮「數據」這項因素的創意點子十分讓人頭疼,將上述這些人跟負責電子商務跟網站最佳化的專業人士整合起來,最後選出一個負責任且積極推動進度的人來帶領這個團隊,以「增進客戶體驗」為目標。

5)你的數據最有價值、讓你最有優勢!

你從自己的網站和顧客關係管理(Customer Relationship Management, CRM)系統所得的即時數據比你從外部供應商獲得的數據更有價值、更值得信任,因為「你的數據」來自「你的顧客」,是你的顧客們真實的軌跡記錄,更是你的競爭對手無法取得的寶貴資訊,而這些都能成為你的優勢!

6)追求即時反應,準確了解每個顧客的需求

一個頂級的行銷專家,應該是追求顧及到「每位顧客」的需求,利用大數據,你能追蹤不同環境不同條件下獨一無二的顧客,如果行銷手法能精準至此,能為每個人打造最棒的使用者體驗,那他們一定會消費更多。

若做到以上這一切,你的顧客絕對會再回來。

巨匠電腦設計了程式/資料庫課程,教你大數據的分析與實務應用、程式設計等等,快來巨匠電腦輕鬆學!

文章與圖片出處: http://goo.gl/NwcMi5

 

【程式/資料庫設計課程】Big Data的應用你瞭解了嗎?巨匠電腦告訴你

【程式/資料庫設計課程】巨匠電腦分享,「大數據分析」人才為什麼這麼搶手?

【程式/資料庫設計課程】巨匠電腦密技:9個必殺絕技殺進Big Data市場

【程式/資料庫設計課程】巨匠電腦分享,職場新寵兒!大企業爭搶「數據分析師」

評價好!巨匠電腦分享,紅門互動張元溢:你為什麼需要大數據?

錚/

巨匠電腦分享,紅門互動張元溢:你為什麼需要大數據?
專注電子商務市場的新創公司紅門互動,其實在大數據概念剛興起時,就已經以大數據分析作為產品服務。紅門互動的第一個產品「SaveBar省省吧」,為了找到消費者最喜愛的網購商品,每天到各個電商網站爬資料,目前有8成資料直接介接API。有了SaveBar累積大量消費者的喜好資料,紅門互動再切入B2B服務:跨平台電商數據分析平台「EagleEye鷹眼數據」,提供動態數據分析工具,幫店家、購物平台PM掌握商品管理。

幫電商了解消費者輪廓

紅門互動創辦人張元溢說,其實數據分析行之有年,大數據只是數據分析在這個時間點的名詞,透過這一波大數據,讓很多傳統和網路公司更理解這個概念。

張元溢在2008年發現智慧型手機改變電商行為,電商廣告主增加對數位行銷的投資,知道電商非常重視「人流」。張元溢在創立紅門時,考量自己無法變成百人以上的電商網站,便思考「網購市場的關鍵是什麼」?

所以,張元溢選擇從導購切入,便推出SaveBar,每日到各個電商網站抓資料,了解消費者的輪廓,甚至是競爭者的情報,對電商來說,最有價值的是「找出潛在客戶到底是誰?」、「消費者現在喜歡什麼?」

SaveBar所累積的15萬會員及3千萬筆的商品資料,並串連50個以上購物平台的資料,讓他們能進而發展電商數據分析平台EagleEye。以龐大的資料庫及搜尋引擎技術為利基,整理出經營電商必須掌握的數據報表,讓店家做營運決策時有參考依據。

目前客戶包含通路電商、品牌電商、店中店(店家)、進貨商,以通路電商為例,分析關鍵字可以開發熱門產品。例如品購去年發現消費者喜歡看Oster果汁機,推出產品後一週就賣掉400台果汁機。

對品牌商而言,例如衛生紙廠商會想知道目前衛生紙廠商在市場的占比、商品覆蓋率及在電商網站上架的商品有哪些。紅門互動則分析消費者都在看幾抽衛生紙?喜歡去哪個電商平台買?

1507141130530.JPG
(圖說:紅門互動創辦人張元溢,用食材、鍋具和廚師來分析大數據的三個元素。圖片來源:郭芝榕攝影。)

企業必須思索:你為什麼需要大數據?

張元溢看過國外許多成功的案例,包括市場預測、個人化商品推薦、老顧客維護CRM、改善消費者購物體驗等應用。但他認為,企業若想做大數據,最重要的是要問自己:你的目標群眾是誰?你為什麼需要大數據?

要做大數據,最大的挑戰就是有很多未知,也需要很多投資,像紅門互動就投資數據分析工具、人員,甚至是儲存設備。蒐集回來的多為雜亂資料,資料雜亂則代表資訊源不一致,所以紅門互動有70%的時間都在做資料清洗,再進入分析過程做資料計算,得到結果之後,還要將資料「可視化」,變成一般人可讀的資料。

「是否要為了喝牛奶而養一頭牛?」張元溢說,雖然大數據有許多漂亮的案例,但都來自大企業,大企業本來就可以創造很大價值。但如果企業本身的商品和會員數沒那麼多,需要大數據幹嘛?

當企業問說:「大數據對我有什麼幫助?」,張元溢指出,通常問這個問題,是因為不知道自己為什麼需要大數據。所以,企業反而必須反問:「我為什麼需要大數據?」有了清楚的目的之後,才知道企業真正的需要是什麼。

大部分企業需要的不外乎「WHO」消費者輪廓、「WHAT」消費者關注的內容以及「HOW」消費者的購物習慣。以通路電商來說,著重會員、轉換率和收入。如果想了解轉換率,也許Google的分析工具就已經能夠做到,不一定要使用大數據。

新創團隊要如何切入大數據領域?

張元溢這樣解讀大數據:「得到資料之後,重複地使用它,才能創造價值。」他進一步用食材、鍋具和廚師來形容大數據的三種元素,三者缺一不可,才能產生價值。

  1. 食材:資料,企業往往是資料生產的來源。新創團隊如何取得資料?是否擁有別人想要的資料?要先掌握食材,才能煮。
  2. 鍋具:包括蒐集、儲存、分析、資料格式化等等環節的工具。新創團隊如果要做工具類十分辛苦,得和Google、Amazon等科技巨人競爭,技術是否夠強?
  3. 廚師:在使用資料的人大致為系統工程師、資料分析師及活用資料的經理人三種。最主要是要幫企業賺錢,透過產業的Know-How產生價值。

張元溢認為,「目前大數據不是很成熟的市場,但這也代表有很多機會。」他建議新創團隊可以用不同層面卡入供應鏈,找到獨特的價值。

巨匠電腦也開設了程式/資料庫課程,內容包含程式設計、Big Data實務分析與應用等等,快來巨匠電腦輕鬆學!

文章與圖片出處: http://www.bnext.com.tw/article/view/id/34540

 

【程式/資料庫設計課程】巨匠電腦密技:9個必殺絕技殺進Big Data市場

【程式/資料庫設計課程】巨匠電腦分享,職場新寵兒!大企業爭搶「數據分析師」

【程式/資料庫設計課程】巨匠電腦分享,FineReport—企業級數據分析軟體最佳選擇

【程式/資料庫設計課程】巨匠電腦分享,程式設計不等同於軟體開發