工作,生活,休閒,專業,分享,記錄

App Insights JS

Total Pageviews

July 25, 2018

什麼叫做「Team」



什麼叫做「Team」?

Team」是一種概念,是一種精神,是一種「合作無間,互相Cover的模式,這是一種無法定義的組織方式,沒有一定的規範邏輯,全靠人與人之間的瞭解與信任來達成這樣的精神。

Team 小至2人,大至數百人,如何讓大家意念相通,相輔相成,這就是 collaboration 協同運作的最高極致目標。

一個組織的「Team」指數夠高的話,戰鬥力一定大大提升,彼此之間合作無間,互通有無,效率提升,力量和強度會是非常可怕的,但是如果沒有「神幫手」這樣的隊友,反而有一堆「豬隊友」,那戰力指數也是會大大的下降,所以說「Team」指數的高低會影響組織或團隊的競爭力,而且會有 exponential 指數型的加速影響力量,千萬不可小視它。

April 17, 2018

做就對了!



你不需要是專家才能夠開始,
但你必須開始才有可能變專家。

~~但是。。。千萬不要不懂裝懂,千萬不要不懂裝懂,千萬不要不懂裝懂,(因為很重要,所以說三次。)不然,你就會整組害了了。(不要說我沒講喔!)

萬事起頭難,有「開始」才會前進,有前進你才能變「厲害」,厲害了之後,你說的話才叫做話(這叫專家!),不然都是屁,沒人會理你(這叫唬爛!)。

「高大上」永遠是大家喜歡講的話題,但是沒有基礎哪來高樓,沒有實力如何高大上(高貴、大氣、上檔次),想要跟人家一樣高大上,那就趕快開始累積實力,培養能力,有一天你也會變成很厲害的專家。

現在大家都喜歡走快速方便的捷徑,尤其在這個變化快速的年代,那些慢慢努力耕耘久久才能收穫的方法已經跟不上時代,等到你學會的時候,資訊科技又向上演進了一大步,永遠都追不上,但是只學了這些科技表層的技術方法,不了解根本理論依據,不做數理統計的學習,那就只能是工程師 level(簡單說就是工人,拿著工具敲敲打打),跟專家還一點邊都沾不上,學習快速的工具使用沒問題,但是缺少的理論基礎,不懂的數理統計,要一步一步慢慢的補上來,最重要的是你的本職學能,你的 Domain know-how 一定要持續加強,站在最前面的領先集團,這樣才會漸漸的跟 Expert 拉進腳步。

最後,跟大家分享一個概念:
「不要做技術人員裡面的圍棋高手,
要做圍棋高手裡面的技術專家。」
(如果不會下棋的怎麼辦?很簡單,就找厲害的圍棋高手合作就對了。)


April 15, 2018

[讀書心得] 「互聯網+大健康」重新建構醫療健康全產業鍊



大陸對健康醫療方面非常重視,20163月,「健康中國」戰略已經被納入《十三五規劃綱要》,將醫療健康的問題提高到國家戰略的高度,真的足以看出中國政府對健康問題的重視。

「互聯網+大健康」這本書描述了很多目前在大陸正如火如荼發展的健康互聯網應用,IoT  互聯網的加入讓大健康醫療產業鏈產生了很大的變化和影響,書裡面也描述了各種醫療健康領域所面臨的問題與挑戰。

醫療大數據是推動遠距醫療和健康照護兩大產業聯姻的因子。
互聯網讓「大健康」產業的商業模式更為確定可行。
這兩大基礎穩固之後,「智慧醫療」就會自然而然成形。

反過來看看我們台灣,台灣的醫療產業環境在世界上算是先進的前段班,對於科技進步帶來的醫療改革和智慧醫療,我們要趕快加緊腳步往前發展,不然很快的就會被先進改革者追上,甚至可能會變成落後的過時醫療環境,到時候要再來發展就已經來不及了。


April 14, 2018

ML/DL 開發工具另一選擇:Google Colaboratory



來介紹另一個 Python 程式開發工具,也是機器學習模型開發測試的好用工具:Google 開放的 AI 開發工具。這個是 Google 免費開放的雲端開發工具服務,你必須要註冊有 Google Account 才可以使用。(原本是 Google 內部員工使用的開發工具)

https://colab.research.google.com/

各個工具跟其他的 notebook 工具大致上雷同,Colaboratory 開發環境也是基於 Jypyter 架構建置起來的,最大的不同點有兩個:
1. 整合了 Google 各項的雲端服務,Colaboratory 和 Google Drive 以及 Google Doc 整合的非常緊密,你可以直接從 Google Drive 開啟 Colaboratory 來使用。

2. Google 提供了免費的 GPU 讓使用者可以使用,只要在功能表的《選擇》/《筆記本設置》就可以設定使用 GPU。(但是,請記住一點:使用 GPU 不一定比 CPU 快,使用 GPU 不一定比 CPU 快,使用 GPU 不一定比 CPU 快)很著要,所以說三次!必須要看你應用的情境來選擇適合的執行環境。

使用 Collaboratory 開發深度學習的模型訓練範例畫面。


Azure Machine Learning 測試開發工具的新選擇:介紹 Microsoft Azure Notebook



如果你想要練習與測試 Python 程式,Microsoft 提供了一個免費的雲端服務,叫做 Microsoft Azure Notebook,目前還在 Preview 階段,網址如下:

https://notebooks.azure.com/

這個 Azure Notebook 主要是用 Jupyter 建構出來的,是一個互動式的筆記本.讓你能夠將程式碼和文字註記放在一起,方便閱讀。
Microsoft Azure Notebook 提供了很多執行環境,以及範例程式,提供使用者方便撰寫測試和執行測試的工具,包括:R, Python, F#, 以及各式各樣可以使用的 Library,讓使用者節省很多環境安裝設定的時間。

如果你想要使用 Microsoft Azure Notebook 服務,必須要有 Microsoft 帳號,第一次登入 Azure Notebook 會需要你同意存取你的一些資訊。

如果你是初學者,可以透過 Azure Notebook 提供的範例程式,先 Clone 到你自己帳號下的 Library 之中,然後就可以一步一步慢慢執行測試,也可以自行輸入程式碼做測試,使用環境和 Jupyter notebook 非常相似,但是 Azure Notebook 提供了一些直接和 Azure cloud service 整合的工具,讓你可以更方便的跟你的 Azure 雲端環境整合在一起。

開啟你自己 Library 裡面的程式,就會出現 notebook 的操作畫面,操作方法就跟 Jupyter notebook 一樣,如果你不懂操作方法,就上網請教一下「F大神」或「G大師」,網路上已經一堆參考資料,這裡就不再詳細說明。

另外,也可以把 nbserver 的 console 開啟,然後就可以使用 pip install 來安裝你所想要使用的 package,真的非常方便。

如果你是 Microsoft Azure 的愛好使用者,建議你使用 Microsoft Azure Notebook 提供的各項工具,因為我相信,接下來微軟會把各式各樣的 Azure cloud service 雲端服務跟這個開發工具結合整合得更緊密,讓使用者能夠更方便的開發與測試機器學習的模型和服務。


April 6, 2018

[好書推薦] 機器、平台、群眾 -- 治理我們的數位未來



數位未來三大趨勢新思維

隨著科技演變進化的快速發展,新的商業思維必需正視數位未來三大趨勢:機器、平台、群眾。這本書從經濟發展的演進史介紹數位革命三大趨勢:機器、平台、群眾,如何一步一步的改變我們的商業行為,未來的商業模式會如何變化,運用科技力量的強弱將會影響著成敗,我們需要重新思考人腦與機器之間的合作關係,產品與平台之間的搭配整合,核心與群眾之間的平衡力量,未來的世界會如何發展完全取決於我們如何運用這強大的科技力量。

隨著機器越來越聰明,越來越有創意,人腦必須和機器之舞(DANCE:Data, Algorithm, Network, Cloud, Equipment)相輔相成的配合,並肩工作,達成最大功效。(先不用去考慮誰取代誰,而要先想想兩者如何協同合作)

數位平台的強大威力改變了傳統產品的思維,商業上的供給和需求產生莫大的變化,開放平台,分享,用戶為王,O2O,個人化等,平台經濟特性是未來商業世界必須要考量的一大重點,商品必須和平台串接整合搭配,創造雙贏的價值。

這是一個無疆界網路時代的來臨,人人都可參與的世界,開放市場的神奇力量總是自我組織共同合作,萬物已經漸漸地朝去中心化方向前進,企業必須在核心價值和群眾力量這兩個拉扯的力量之間取得平衡。

結語:這個世界越來越複雜,變化越來越大越快速,每個人都想要知道未來的世界會長什麼樣子,如果說我們想要預測未來的話,那還不如自己來「創造未來」。

April 5, 2018

[推薦好書] 區塊鏈:未來經濟的藍圖



談到「區塊鏈」,大家第一個想到的當然是比特幣(Bitcoin)[2008 年由中本聰在『比特幣白皮書』論文中提出區塊鏈的概念],但是其實區塊鏈的概念並不僅止於虛擬貨幣的使用,其實區塊鏈的架構還可以套用在各種有價值標的物的經濟環境當中,

區塊鏈關鍵的三個層級技術堆疊架構:
1. 區塊鏈 (Blockchain):去中心化,公開透明的交易紀錄帳本,由礦工來負責保存、更新與處理交易。
2. 協議 (Protocol):區塊鏈運作的各種交易行為,區塊鏈上的使用者共同遵守使用規則。
3. 貨幣 (Coin):其實泛指有價的標的物(比特幣,狗狗幣,萊特幣,合約幣,教育幣,健康幣,等),其價值由所有區塊鏈上的使用者共同來定義。

區塊鏈相關概念還包括有:public/private key 密碼學,P2P 檔案共享,分散式運算/儲存,網路模型,非實名機制(去信任化),交易帳本,加密協定,加密貨幣等。

區塊鏈架構除了應用在數位虛擬貨幣之外,還可以應用在虛擬智慧合約,資產,出版,影音,甚至是想法,聲譽,信用等無形的東西之上,其實,區塊鏈只是一種服務架構,只要能夠把行為和操作以及有價值的標的物套用在區塊鏈的服務架構上,區塊鏈就可以協助透過有效率,公平,公正,自由的架構來完成這些社會經濟價值的交易行為(甚至是抽象化的交易行為)。

「區塊鏈」是一門資訊科技並無疑義,但是在看完本書之後,總覺得好像看了一本虛擬貨幣經濟學和人類社會學的書,這本書主要描述區塊鏈的應用架構,各種區塊鏈的商業模式,未來的區塊鏈演進模式,當然除了講述區塊鏈的應用服務之外,也談論了區塊鏈的風險危機和發展侷限,是一本了解區塊鏈的好書,如果你想要了解區塊鏈,值得去買來看一看。


March 18, 2018

[PythonGo] 介紹學習 Python 的好工具 Anaconda


(Reference : indeed.com)

Python 程式設計在排名上持續躍升之中,雖然目前 Java 還是最受歡迎的程式語言,但是隨著資料分析和機器學習/深度學習的應用,Python 程式語言慢慢的一步一步追趕上來,學習 Python 現在已經變成一個顯學,目前在人工智慧應用領域使用最廣泛的語言不外乎三種:Python, R, Java,這三種語言各有各自好用的地方,想要進入資料分析領域的你是否已經選定學習的方向了。


Python 在資料分析、機器學習、資料視覺化的使用上非常的普遍,提供非常多好用的套件,Anaconda 則是 Python 程式開發的懶人包。


學習一種程式設計語言,首先當然需要先把程式環境建立起來,對於 Python 初學者來說,使用 Anaconda 這個工具非常的方便,因為 Anaconda 是一個完全免費的全套工具,所謂“全套”的意思就是:
1. 完全是 Open source (免費)
2. 可以安裝在 Linux, Windows, MAC
3. Anaconda 把 Python 所需要的執行環境都包含進來了,不需要自行配置執行環境
4. 已經包含很多基本的 package
5. 安裝套件 .package 非常的方便(conda 一指令就可完成)
6. 可以自由切換執行版本(Python 2.x / Python 3.x)
7. 整合了 Jupyter notebook
8. 整合了 spyder 編譯器

Anaconda 下載位址:https://www.anaconda.com/download/#macos
下載所需要版本之後,可以自行選擇安裝位置,一路安裝到底。

我用 MAC 畫面來說明(因為目前只有一台 MAC 工作電腦,Windows 和 Linux 版本大致上雷同,請自行操作!)

安裝完成之後,可以先開啟 Anaconda Navigator 來看看,Anaconda Navigator 總共提供五大選項功能:
1. 首頁 Home 的畫面如下:

Anaconda Navigator 把 Python 所需要的執行環境整合在一起,直接點選你想要的開發選項,就可以進入到程式執行的畫面。

2. 選項 Environment:你所安裝的所有環境,例如:我安裝了 Tensorflow 就會列在環境 list 之中。

3. 選項 Project(Beta):管理你的 Project (目前還在 Beta 版),我也還沒使用過。

4. 選項 Learning:Anaconda 整理了很多相關的學習文件,可以直接在線學習。

5. 選項 Community:Anaconda 把相關的論壇都整理在這邊,如果你有心得或問題可以直接到各論壇中發表或尋找答案,非常的方便。

以上是 Anaconda 安裝後的整個環境介紹,今天我們先介紹使用 Console 的方式來執行 Python,改天我們再來完整的介紹 Anaconda Nacigator,或者你們也可以自行先點選試用看看,因為這個工具非常的直覺,很好學習。

使用 Console 指令來執行 Python,我們直接先開啟 Command console,然後輸入 python 就可以直接進入 python 的執行列之中,螢幕會顯示出我們目前使用的版本說明,接下來我們就可以直接打指令來執行看看,執行完畢之後,要離開這個執行環境請打 exit() 就可以回到 console 環境。

另外我們可以執行 ipython (互動的 python interpreter),安裝 Anaconda 也幫我們安裝了 ipython 這個好用的東西,我們一樣使用 command console 來開啟試用看看,在 console 之下輸入 ipython 就可以進入 ipython 執行環境,接下來一樣我們可以輸入指令來執行看看,測試完成之後要離開執行環境一樣要輸入 exit() 就可以離開了。

最後要說明的就是好用的 conda 指令,在 console 之下,我們輸入 conda list 就可以列出我們目前安裝的 package list(有很多,圖片只擷取部分),如果需要安裝其他的 package 檔案,我們可以透過 conda 做線上安裝,或是先下載 .package 之後,再來做安裝。

如果要安裝新的 package ,只需要輸入下列指令:
conda install

如果要更新 package ,只需要輸入下列指令:
conda update

如果要更新全部的 package ,只需要輸入下列指令:
conda update --all

Anaconda 使用上非常的方便好用,也幫我們整合了很多環境,讓我們不用煩惱安裝環境的問題,可以專心花心思在程式設計上。

MAC 安裝完成之後,安裝目錄大致長得像下面這個畫面:(參考!)


#Python
#Anaconda

要進入「人工智慧」這大染缸的人,請三思!



IOT 物聯網,Big Data 大數據,Machine Learning 機器學習,Deep Learning 深度學習,整個大環境目前充斥著各式各樣的 AI 人工智慧相關的議題,不論談到什麼事情,如果沒有跟 AI 掛上關係就不夠流行,大家已經為了 AI 而 AI 了,根本不管是否適合或是有沒有用,不論是企業、政府、教育、士農工商各行各業大家爭相「AI化」,冠上一個「人工智慧」價值就往上提升數倍,但是真正做到 AI 應用的有多少呢?我估計應該不到一半 50%,甚至應該少於這個數字。



隨著人工智慧的熱門議題,大家也都爭相要擠入 AI 這個領域,不論是硬體開發商,軟體開發整合業,顧問服務業,系統分析師,軟體發開人員,甚至學校的學生,全部都想破頭要擠入人工智慧這個領域,不管未來的發展性如何,公司的走向是否相關,有沒有商業模式,不管三七二十一,先搭上這個順風車再說,這樣的風氣實在有點令人擔憂。

大家都想走近路,儘早搭上這班車,怕自己晚了會落在別人後頭,失去機會,失去商機,但是「人工智慧」這是一個涵蓋層面非常廣的領域,除了資訊科技的各項技術之外,還有各種數學統計的學理基礎,更包含了各種領域的專業知識理論,這三者缺一不可,一個人能夠擁有兩項已經非常厲害了,更何況要三者皆熟悉的更是少數的天才,市面上目前真正的「人工智慧」專家或人才,看起來都是學校教授、博士研究、或是在資料分析產業打滾多年的老前輩,缺少很多有能力或有實務開發的人才,人才的斷層非常嚴重,使得市面上人才的需求水漲船高,但是也導致很多走捷徑的人,快速地學習使用機器學習工具,胡亂地套用開源軟體,很快的學會各種機器學習或深度學習模板,但是卻不明究理,不知道模型背後的理論和應用根據,無法解釋模型的演算邏輯,無法說明自己產出的結果,造成很大的落差。


接下來想給幾個建議,如果想要進入「人工智慧」領域的人,還是要先從了解基礎知識開始,包括有資料結構、演算法、機率統計,這三個已經是最基本的要件,不能再少了,如果還有餘力需要在補充相關知識,包括有程式設計、資料庫、線性代數、機器學習的各項理論等,我們這裡說的還不包含個專業領域的知識,就像如果你想要做金融業的人工智慧應用,那對於各項金融方面的領域知識當然也必須要充實,其他像是製造業,醫療產業,教育領域等,各專業領域各有不同的專業領域知識,專業領域知識的重要性不在話下,例如:如果不了解專業領域知識,你怎麼知道各項資料代表的意義,各種資料數值代表的意思,如:EPS、週轉率、替代率、良率、績效等資料代表什麼?要怎麼從海量的資料中撈取計算出有用的資訊知識出來。

雖然我們一個人要學習的東西那麼多,每個人的力量有限,所以分工合作,協同運作,溝通討論非常重要,和各個領域的專家一起協同合作,才能縮短時間,創造雙贏的結果。

最後,奉勸想要踏進「人工智慧」這大染缸的人要有心理準備,這是一條很艱苦的道路,學都學不完的知識,千萬不要被淹沒在這龐大資訊的大染缸之中,一定要循著自己的腳步,一步一腳印從基礎慢慢學起,不要看到電腦視覺很熱門就學這個,那個語音辨識很新就學那個,自然語言機器人很炫就想跳進去,這樣到最後你會不知所措,規劃好自己的學習路徑,一步一腳印的慢慢努力實現,相信最後結果就會是甜美的。

祝大家學習愉快!

#AI人工智慧
#心得分享

February 18, 2018

2018 計畫



2018 新年新計畫,記錄一下目前規劃的計畫內容,明年再來檢視。

2018 預計規劃項目:
1. 持續運動,保持健康,預計完成 10 個馬拉松
2. 持續學習,預計完成 MPP 認證
3. 用功唸書,取得一個考試認證
4. 努力工作,完成預計的專案
5. 自我期望,希望能寫出自己的第一本書


November 21, 2017

[心得] 醫療大數據:一切可能的開始


醫療大數據:一切可能的開始


PS:老闆交代要讀的雜誌文章,還要寫心得報告,趕快來寫寫心得分享。(加入了很多個人看法,提供大家分享參考!)

隨著雲端技術,物聯網 IOT 的大量普及,數據在這幾年的累積速度增長非常的快速,Big Data 也隨應而生,透過這些大數據資料的採集抽取,取樣過濾,甚至轉置標籤之後,提供機器學習,深度學習,人工智慧醞釀的溫床,讓各式各樣的智慧應用應運而生。

我們可以看到這幾年風行的工業4.0,金融 Fintech,電子商務,智慧建築,智慧城市等實際應用也越來越普遍,但是在醫療領域在最近才漸漸聽到有相關的應用,可能因為醫療資訊跟個人息息相關,牽涉到個人隱私,法律限制等,無法把資料拿來做普遍的發展和應用,另外,還有醫療資訊大部分是非結構化的資料,且各醫院各醫生的診療,醫囑,描述,處置等都不盡相同,想要把醫療資訊做結構化的大數據儲存及應用,這需要對醫療領域及科技技術都有相當的了解才能夠完成,我想這應該就是醫療大數據進入門檻很高的最大原因了。

「數據」是驅動這一波人工智慧發展的”燃料“,一切都要從數據開始,這幾年醫療相關的物聯網 IOT 設備越來越多,生理健康資訊數據的累積非常的快速,醫院的電子化也漸趨成熟,包括電子履歷 EMR,PACS 系統的演進,個人電子健康紀錄 EHR 的普及,醫院 HIS/NIS/PAS/專科等系統的進步,醫療相關的數據越來越成熟,但是仍然沒有一個結構化或正規化的資料標準,而且醫療相關的資料包括很廣泛,有影像、CSV數據串、表格、醫囑本文、門住急診療紀錄等,個數據資料散佈在各科或各系統中,使得醫療數據的整合仍然有很大的執行困難度,就是因為這樣的困難度,所以醫療大數據可以說仍然是一個大藍海。

目前各醫院,系統整合廠商,或是很多新創公司都投入智能醫療相關的領域,透過智能醫療來協助醫生診斷,透過人工智慧來預測病患病症做預防醫療,透過雲端應用來達成遠距醫療,遠距照護,在宅醫療等服務,但是「數據」仍然是智能發展的根本,「醫療大數據」應該是這一切可能的開始。

September 23, 2017

上課心得:談數位內容資產的智慧財產權(BlockChain 有沒有辦法幫助我們認證數位資產)



前幾天利用晚上的時間去聽了一個 Seminar,內容主要是在討論如何保障你的數位內容資產的智慧財產權,想想花了時間來這邊聽課總要有些收穫,雖然對法律一竅不通,但很認真的做了一些筆記,順便發送到網路上提供大家參考,順便自己記錄下來,以便於日後自己要參考的時候可以使用。

專題演講題目:內容創作者,如何面對數位資產?
Time: 2017/09/21  19:00 ~ 21:00
Location: 台北市松山區八德路四段123號3樓 (CLBC 大船艦甲板區)


「智慧財產權」描述:所謂「智慧」是指因人的智能所產生的內容,所謂「財產權」則是可以支配的權力。

有關智慧財產權的法律有下列幾項:
專利法,商標法,著作權法,營業秘密法

著作權是智慧財產權的一種,著作權法就是一套遊戲規則,主要保護著原創者的創作內容,著作權人獨占的權利包括有:
重製,改作,散布,公開口述,公開播送。(這些權利主要就是跟錢有關的權利,即有價值的權利。)

註:網路瀏覽,快取記錄這不算內容的重製。

著作權除了剛剛所描述的「著作財產權」之外,另外還有所謂的「著作人格權」(主要是屬於著作人本身不可讓與和繼承的權利,這種權力只能約定行使或不行使),著作人格權包括有:公開發表權,姓名表示權,禁止不當修改權。


專利權保護期限一般是 20 年,
商標權則只要你有註冊,依照註冊年限保護,如果一直有註冊,則無期限受限,
著作權保護期限則是:著作權人死亡之後 50 年,超過 50 年之後則會變成公眾領域。

(“人” 才是權力的主題,動物,電腦,AI,所產生的內容是沒有著作權的)
例如:猴子拿相機拍的照片,這是沒有著作權的,大象拿畫筆畫的圖畫,這也是沒有著作權的,透過人工智慧,寫出小說,創作音樂,或是畫出圖畫,這些也都沒有著作權,只有人所創作出來的才能有著作權,例如:AI 的程式碼,人畫的電腦繪圖畫,創作電子音樂等。


數位環境的機會跟挑戰:
1. 數位內容很容易被複製和傳播
2. 容易遭受匿名者侵犯著作內容權利
3. 很難以執行著作權的保護
4. 難以定義原始作者
5. 難以界定是否有商業應用用途
6. 聲明著作產權難度很高


數位內容合理使用 (Fair use) 的範圍宣稱:(很難定義所謂的合理使用範圍,所以網路環境下的數位內容很難執行著作權的權利)
* 利用的目的(是否為商業用途)
* 利用的性質
* 利用的質量(內容使用的佔比)
* 利用的結果
(可以從這四點來驗證數位內容是否被合理使用)
註:著作權法保障的是外顯的內容,但是不保護思想的內容,如果你閱讀一份網路文章,圖片,或是音樂,然後透過自己的思想,重新 free style 之後,製作出自己思想,或是說吸收之後,使用自己的想法,重新做出來的內容,就可以重改放到自己的網站上,但是這其中的劃分界線很難界定,我們還是衷心建議大家發揮創意,創作屬於自己的內容,不要想要抄襲或模擬學習別人的成果。


透過「區塊鏈」(Block Chain)技術,可以用來識別,傳播,記載數位資訊內容的智慧型價值網路,可以達成驗證,追溯數位內容,讓數位內容難以竄改和無法遮蔽使用記錄,從而創告一個有隱私,高效率,又安全的資訊內容價值體系。

區塊鏈 (Block Chain) 的特性:
1. 去中心化 (解決中心化認證難以受信任的 issue)
2. 簽章 (Digital Asset)
3. 公開又不公開(數位資產的處理過程,資產轉移過程)
4. 透明(資訊存在於網際網路上的分散式資料庫,公開透明可供查詢)

區塊鏈提供安全,容易使用,去中心化,不可篡改,可追蹤,全球化,通知著作財產相關人員的機制,讓數位內容資產能夠受到相當程度的保護,但是,但是,但是,(因為很重要,所以要說三次)請注意,區塊鏈並不會幫你將數位資產內容加密(如果你要防止別人盜用你的數位內容,則請你要自行將內容加密!),目前區塊鏈的認證也沒有法律制度的支持,所以我們的數位內容資產在區塊鏈上的認證,在法律上都只能當作舉證,也就是拿來提供當作證據的角色,無法由區塊鏈的證明直接訴求著作財產權利。


September 20, 2017

有感而發之「談組織氛圍&團隊活力」



本來想要落標題「談公司的競爭力」,但這題目太生硬,還是來談談組織的氛圍和團隊的活力,這邊想要說的並不是公司內員工相處的氣氛,也不是組織相處融不融洽的這些事情,這裡所要談的組織氛圍和團隊活力主要是與公司的員工能力,產品,競爭力有相關的方向。

從一個公司的組織氛圍和團隊活力就可以看出一家公司的技術競爭力強不強,產品發展性好不好,前景有沒有可期待或可預期的未來。


個人覺得組織的氛圍和團隊的活力指標應該從三方面來看:

第一,對目前產品技術的掌握程度

不論是 Marketing, Sales, Consultant, Engineer 甚至 OP 人員,都應該要對目前公司的產品或技術要有相當程度的信心,並且要加強努力的去熟悉和了解,所有的成員,不論是哪一個角色,如果對自家販售的產品或技術不了解也沒有信心,那就更不用想要去說服客戶購買你的產品或服務了。

第二,對新產品新技術的熱衷程度

每個領域都有很多相關的新技術或新應用,不管是產品面,應用面,技術面,多多少少都會有新的技術或相關的領域出現,你組織裡面的氛圍是不是都對新產品新技術有崇景,團隊的活力是不是對新的技術和應用很熱衷,還是只是守缺抱殘,不知變革,完全不對新技術領域有興趣,也不想攻城掠地拓展新的勢力呢?

第三,對創新應用的幻想程度

墨守成規,穩扎穩打,這是一般公司最保守的攻略,但是新技術,新服務,新產品,新應用層出不窮日新月異,在這求新求變求快的大環境中,這樣的保守策略很快就會被淹沒在茫茫大海之中,如果你想要持續成長,一定要時時有創新的想法,不管對或錯,一成不變一定沒有辦法在這變化快速的環境裡生存,就算是錯的創新應用,最後也會有學習改變的機會,最怕的就是一直活在自己舒適圈象牙塔裡面的那隻青蛙,不要怕犯錯,走出去看看,多多的嘗試,甚至時常的幻想,對創新充滿滿滿的期待,你會有意想不到的突破和收穫。


以上三點是個人小小的一點淺見,這三點不只針對組織,團隊,對於個人的思想氛圍和競爭活力也是息息相關,你對公司目前的產品技術有沒有把握的信心,對於新技術有沒有活力熱衷的投入,對於創新有沒有時常幻想,就算不切實際的幻想也是一種腦力激盪的方法,希望大家對未來都充滿了信心,充滿了動力。

突然有感而發,提出來供大家參考參考,如有謬誤,歡迎批評指教!