張承管理學

啤酒與尿布的傳說

在數據分析的領域裡
有一個經典的傳說故事
這個故事
常常被用來強調數據分析的價值

美國大型超市沃爾瑪（Walmart）
利用數據分析

知識與魅力   —「專家權」與「參照權」

在某單位開會時
一開始
我與大家分享了兩位過去離職同仁的故事

一位離職的同仁對我說
他會離開的主要原因
是因為在該單位裡

為自己工作

中午與一位主管用餐
該主管問我：
「現在年輕人是否都不拚了？」

我回他說：
「我不這樣認為，
因為我身邊就有一些很拚的年輕人，

對的時間，做對的事

某部門週會的時間
最後會利用10-15分鐘
分享一篇職場文章
本週同仁分享的是
何飛鵬先生的《工作不會傷身》

在討論的過程中

君憂臣勞，君辱臣死

一位長輩在事業上需要與人合作
我介紹了一位教授朋友給他認識

在推薦該教授的過程中
我以一些故事來說明推薦他的理由
其中有個故事
值得與大家分享

行銷分析工具--行銷側寫（Marketing Profiling）

本週聽了一場期刊論文的分享簡報
內容在探討約20種的行銷分析工具
以下簡單就其中一項工具
「行銷側寫」進行分享

「側寫」（profile）
這個名詞源自於犯罪心理學

你敢不敢先砍自己一刀

月會時
我與大家分享本期商周的封面故事
「新物種企業大爆發」
該篇文章中提到了一句話
「致勝的關鍵竟是，敢不敢先自砍一刀」
看到這句話

大數據分析的研究方法概念

本週期刊分享會的夥伴們
導讀了一篇大數據的經典文章

馬丁. 希爾伯特(Martin Hilbert)回顧了
約180篇關於大數據分析的期刊論文
並於2016年發表了一篇文章[1]

職場基本功

週會時
同仁討論到要做好「基本功」
輪到我發言時
我簡單補充了
自己對職場基本功類型的看法

一開始

科學研究演進的四種典範

以下與大家分享最近看到的一個概念

曾經獲得資訊科學領域中
最高榮譽圖靈獎（Turing Award）的得主Jim Gray
提出「科學典範」（Science Paradigm）的概念
並認為科學研究的演進
有以下四種典範[1]：

你累了嗎？

過去幾個月
分別有幾位30歲、40歲、50歲、甚至是60歲的朋友、學生們
與我聊到職場與生活上的甘苦
(而且大部分都是「苦」)

幾位30幾歲的人
都已結婚生子

貧富差距變大的原因之一   —科技的進步

月會時
我與大家分享
造成貧富差距的原因之一
就在於科技的進步

我先在白板上畫出大前研一所提出的M型社會曲線
並說明日本社會由原來的

有機會開始學習寫程式吧!

為了協助企管系博碩士班的學弟妹們學習數據分析
週四晚上
我請了一位資工所的教授
與大家分享相關的技術
並協助大家學習如何撰寫程式
(來參加的同學，還包含好幾位40、50歲以上的博士後)

資料可以做什麼？

湯瑪斯‧雷曼(Thomas C. Redman)
在2017年6月15日HBR,org數位版中發表了一篇文章
《你該知道的資料處理法》
(Does Your Company know What to Do with All Its Data)[1]
裡面提到七種企業運用資料科學的方向

1.制定更佳的決策

做的越多、賠的越多--業務能力與經營能力的不同

到某部門開月會
發現大家將討論的重心
太過放在營業額
便與大家分享了兩個故事

過去某部門曾發生過一個案例
在進行業績檢討時

人工智慧真的來了

這次
人工智慧真的來了

艾瑞克‧布林優夫森(Erik Brynjolfsson)與安德魯‧麥克費(Andrew Mcafee)
於2017年7月18日的哈佛商業評論HBR.org數位版上
發表了一篇文章《What’s Driving the Machine Learning Explosion》[1]
裡面談到

企業健檢表—毛利率

到某部門開會時
我簡單列了一張健檢表
裡面分別從
「市場」、「營運模式」、「人」三大構面
提出幾項關鍵指標
包括：市場占有率、產業成長率、營業額、毛利率、營運費用、人均產值、平均年資(業務年資)…等

如何在組織裡發揮資料科學的價值--策略面

KPMG的三位高階主管
卡爾‧卡蘭迪(Carl Carande)等人
在2017年6月23日HBR,org數位版中發表了一篇文章
《讓資料科學融入組織》
(How to Integrate Data and Analytics into Every Part of Your Organization)[1]
裡面提到了一個故事

換個「資料科學」(DS)腦袋

馬雲在《未來已來》這本書中提到
「人類正在從IT(資訊科技)時代，走向DT(資料科技)時代。」
(注：IT, Information Technology, 資訊科技；DT, Data Technology,資料科技)
(其中的「資料科技」(DT)，主要就是在談「資料科學」(DS, Data Science)，
以下就以「資料科學」(DS)進行說明)

「資料科學」(DS)能夠做甚麼？

每天除了確定做「與賺錢相關」的事，還要做有「累積性」的事

為了提升人均產值
在教育訓練時
我告訴大家
每天除了確定做「與賺錢相關」的事
還要做有「累積性」的事

我問大家

責任到人

場景1
在大陸某景區旅遊
等老婆從衛生間(洗手間)出來後
我指著牆上掛著的組織架構圖
一間小小的衛生間
共有三個人負責

策略調色板（Strategy Palette）--《策略選擇》（Your Strategy Needs a Strategy）一書的核心

利用週末時光翻閱了一本書
《策略選擇：掌握解決問題的過程，面對複雜多變的挑戰》
這本書除了對企業經營者很有幫助
對於明年要考商管所管理學的同學來說
也是必備的「口袋裡的答案」
（「口袋裡的答案」意指事先整理好的答案模組，上考場後可以直些使用出來。除了考出解釋名詞時適用，還可將此理論應用在申論題上）。

一位學生的自學故事2--忙到宵衣旰食

一位畢業一年多的大學部學生
深夜1:20傳line給我
談到他最近幾天宵衣旰食

忙著對專案進行結案與再提案(SOHO工作)
手邊還有2篇paper即將投稿(研究)

點、線、面、體—從產品項、產品線、產品組合、到產品體系

某部門正積極研發新產品
並且準備製作新的產品型錄
會議中
我與大家分享「新產品開發策略」的概念 
設計學裡有所謂的「點、線、面、體」
對應到新產品開發

功力=語言+專業知識與技能+敬業精神+視野

新手主管教育訓練時
我請一位講師劉顧問
分享自己的生涯履歷

劉顧問年近70(歲)
在職場上的前30幾年
跑遍全世界70幾個國家

無法成為有效能主管的「微弱訊號」

新手主管教育訓練時
我請一位參加過培訓
且目前表現很好的主管A君
與大家分享自己的心路歷程
(畢竟主管之路的陣亡率很高)

在回饋時

登山的「排隊策略」—從《目標》一書中所獲得的啟發

你有沒有過類似的經驗？
爬山時
隊伍總是會越拉越長
走在前面的人
輕輕鬆鬆
緩步而行

協助各級主管們思考未來--Steiner整體規劃模型

月會中
我與大家分享
最近在《馬雲：未來已來》這本書中
所看到的一段話

書裡談到
阿里巴巴在做計劃的時候

產品服務實虛矩陣

行銷管理教科書中所提到的「產品」(Product)
包括「實體產品」與「無形服務」
再配合「實體」與「數位」的概念
我們可以發展出「產品服務實虛矩陣」
並將產品區分成四種類型(如下圖所示)
再配合行銷資料科學(MDS)的概念

「盡信Data，則不如無Data」

《孟子》第十四卷盡心篇下中有一句話︰
「盡信書，則不如無書」
大意是說
「完全相信《尚書》中所記載的事，
還不如沒有《尚書》這本書」。
這句話源自於孟子認為

確定每天都在做「與賺錢有關」的事

本週到某部門開會

與大家分享一個觀念

我們偶爾會看到

一個單位賺不到錢

備援、備案、與備份

本週到某部門開會
與大家分享達成目標的方法
討論的主題
主要在探討當意外來臨時
該如何即時做好修正或補救
以確保事情能按之前的規劃

透過po文預測人格特質

今天晚上回學校聽了一場paper分享會

由博士後、博碩士班的學弟妹

分別報告頂級期刊上最新的研究趨勢

就在會議快結束時

一年一主題：去年的「踏查」學習，今年的雪山之行

這幾年
每一年我會為自己選定一個研究主題
並且對該主題進行一定程度的了解
學習的方法
主要來自於書籍、期刊論文、DVD、線上影音課程、
網路文章、訪談、實作…等

聰明的call center--自動將電話轉接給與你性格相似的客服以提升滿意度

在本月行銷企劃部的讀書會裡
我與大家分享了一個故事

想像一下
當你打電話到銀行的客服中心(Call Center)
背後有套系統
能夠聽懂你的心(聽懂你的個性)

真心換絕情

一位業務主管遇到管理瓶頸

約我用餐

想請我給他建議

一開始

他與我分享最近發生的兩個小故事

試著撰寫自己的「未來人生簡歷」

一位同學問我

如何對自己的未來

進行較「具體的想像」(將抽象具象化)

我給他回饋

請他試著撰寫自己的「未來人生簡歷」

面對市場衰退，除了更拼，更要靠創新

本週參與某事業單位的週會

我提出了自己對於該部門的觀察

我以一些實例

告訴大家

自學三要素—態度、方法、能力

一位同學看了我之前分享的學生自學文章

問我該如何成為一個自學的人

我對他說

我認為

自學有三要素—態度、方法、與能力

走出去-積極鼓勵同學參與「交換學生」計劃

一位學生憂心自己的未來

想提升自己的競爭力

問我「該怎麼辦？」

我回答他：

一位學生的自學故事

我有一位學生

去年大學企管系快畢業時

進入一家醫療儀器新創公司擔任資料分析師

負責發展預測模型

(一開始先擔任助理，幾個月後，因為分析能力很強，

再談行銷研究、行銷資料科學與資料庫行銷之比較

在行銷管理領域

對於「初級資料」的收集

有三大類工具可以協助進行

1.問卷(無論是透過調查法、觀察法、實驗設計法或是深度訪談法...等)

2.網路爬蟲(從網路上抓取資料)

Target透過數據分析，能預測消費者何時會懷孕?

為了強化同仁「資料驅動決策」(DDD)的概念

我在教育訓練時

播放了一段1分半鐘的新聞影片

「Target knows when you're pregnant」

( https://www.youtube.com/watch?v=XH1wQEgROg4 )

在寫營運計畫書(BP)時，是先設定「目標」，還是先進行「環境分析」

今年起

公司要求主管

每季都要以今年的營運計畫書為基礎

並撰寫明年的營運計畫書

「拜拜」時，我除了會請求保佑同仁們平安，還會祈求公司能夠找到更多的好人才

一位離職的夥伴

現在在一家公司擔任主管

他不定時會與我分享自己的管理心路歷程

這幾天，他便寄來了一封信

談到人才的儲備真的很讓他頭疼

「資料導向決策」(Data Driven Decision Making，DDDM)

月會時

我與大家分享「資料導向決策」(Data Driven Decision Making，簡稱DDDM)

的概念

「資料導向決策」意指以「資料分析為基礎」

而非以「直覺為基礎」的決策方式

目的學習(Purpose Learning)

週五下午

兩位大學教授來公司討論產學合作的進度

過程中

一位教授分析未來教育政策的走向

他提到，在未來

行銷資料科學(Marketing Data Science)與行銷研究(Marketing Research)

過年期間看了一本書

Thomas W. Miller的

《Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python》

開啟了我對「行銷資料科學」(Marketing Data Science)的研究

在接連閱讀了幾本相關書籍之後

《做自己的生命設計師》與《Finite and Infinite Games》

晚上回學校與學生開會

一進研究室

就發現某位同學桌上放著一本書

《做自己的生命設計師》

(Designing Your Life: How to Build a Well-Lived Joyful Life)

如何解決中階主管斷層的危機

本週到全省進行營運計劃書(簡稱BP)討論會議

在某單位討論時

我臨時加入了一個議題

請主管們分享

為何該單位會產生中階主管斷層的問題