brother維修中心的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

工具機產業的精實變革4.0

為了解決brother維修中心的問題，作者劉仁傑,巫茂熾 這樣論述：

投入精實系統研究超過數十年的兩位作者， 以其推動工具機等產業精實變革經驗， 分享從精實變革到精實智慧製造的導入實務。 　　從精實變革邁向精實智慧製造 　　工具機產業所在之機械產業位居台灣４大兆元產業之一， 　　也是極少數具產業群聚、短鏈優勢，有機會與德日齊名的本土產業， 　　亦為推升台灣經濟成長的重要命脈之一。 　　本書由東海大學精實系統團隊學者，聚焦工具機產業特性與發展歷程， 　　提出七項精實變革的理論與程序， 　　再精選工具機產業熟悉的七個主題，作為實踐精實變革的具體方法。 　　智慧製造浪潮近十餘年來已儼然成為產業顯學， 　　對於發展超過70年的本土產業來說，是危機也是轉機， 　　尤其

在經歷過疫情蔓延重創經濟發展的挑戰後， 　　智慧轉型更顯為產業能否再創下一波成長高峰與榮景的關鍵， 　　作者提出精實智慧製造，期盼能協助產企業， 　　尤其是工具機產業，提出轉型動能與解方。 各界專家讚聲推薦 　　經濟部工業局局長／呂正華 　　臺灣工具機暨零組件公會理事長／許文憲 　　財團法人中衛發展中心企業輔導部總監／樊秉鑫 　　台中精機廠股份有限公司董事長／黃明和 　　友嘉實業集團總裁／朱志洋 　　上銀集團總裁、臺灣工具機暨零組件公會名譽理事長／卓永財   作者簡介 劉仁傑 Ren-Jye Liu 　　日本神戶大學經營學博士，現任東海大學工業工程與經營資訊學系暨研究所教授、東海大

學精實系統團隊核心成員。曾任日本大阪市立大學商學部客座教授、美國賓州大學華頓商學院訪問學者。中文及外文著作十分豐富，著書五度獲得「經濟部金書獎」，包括《日本企業的兩岸投資策略》（聯經）、《重建台灣產業競爭力》（遠流）、《企業改造》（中衛）、《共創》（主編，遠流）、《世界工廠大移轉》（合著，大寫）。長期致力於精實系統推動、台灣製造產業體系變革暨台日商策略聯盟研究，經常應邀到國內外大學、大型企業，講授追求物質文明與精神文明的製造管理理論與實務洞察心得。 巫茂熾 Mao-Chih Wu 　　東海大學精實系統團隊核心成員、資深顧問。歷任連豐機械設計工程師，友嘉實業研發部課員、課長、經理、協理、事業

部副總經理等職務。 　　彈性製造系統的主導性新產品、五軸加工技術暨加工機業界科專等專案計畫主持人。 　　近年積極致力於精實製造與客製化管理、精實智慧製造、產品開發管理與電腦系統導入之實踐研究。   出版序／謝明達　 推薦序 從精實變革到數位轉型／呂正華　 後疫情時代，工具機產業風雲再起的關鍵！／許文憲　 「創造價值」才是迎戰數位時代的關鍵／樊秉鑫　 一路走來始終如一／黃明和　 精實變革 最佳範本／朱志洋　 升級轉型 提升價值／卓永財　 序　章 迎接工具機生產典範變革與智慧製造的挑戰 　 PART01 精實趨勢篇 第 1 章 世界生產方式的變遷與潮流 第 2 章 回歸原點

實踐精實變革　 PART 02 變革程序篇：7個程序 第 3 章　 意識改革 凝聚共識　 第 4 章　 以5S奠定精實變革基礎　 第 5 章　 加工作業的流程生產　 第 6 章　 裝配作業的合理化　 第 7 章　 標準作業改善　 第 8 章　 以人為核心的工作模式　 第 9 章　 組織管理及經營策略的調適 　 PART03 變革實踐篇：7個主題 第10章 變革成功的法則　 第11章 加工流程化追求有效配套　 第12章 裝配節拍化 驅動製造變革　 第13章 精實變革的供應鏈管理　 第14章 精實變革與製造資訊的關鍵密碼　 第15章 精實變革的資訊科技應用　 第16章 精實變革的策略管理　

PART 04 他山之石篇：3 家頂尖日本企業的實地觀察 第17章 高松機械工業株式會社　 第18章 天田株式會社　 第19章 西鐵城精機宮野株式會社 　　 PART 05 精實智慧製造 第20章 精實智慧製造的共創平台與核心主張　 第21章 顧客價值觀點的智慧機械　 第22章 台灣機械產業的轉機與挑戰　 後記　 參考文獻　 前言 迎接工具機生產典範變革與智慧製造的挑戰 　　精實系統（Lean System）源自豐田汽車的TPS（Toyota Production System），已經成為全球產業界的顯學。台灣工具機產業是少數能夠結合台灣產業群聚優勢，與德日齊名的本土產業。工具機產業受

到精實變革風潮影響雖然比較晚，但實踐成果在日本已經廣為周知，台灣則在2006年以後日漸普及，後續發展受到舉世的關注。 　　台灣機械工業歷經60年的發展，從早期的機械裝配、維修及複製，迄今已邁向自主研發設計、生產與行銷。機械工業在我國經濟發展上扮有舉足輕重的角色，機械工業中最具代表性的工具機產業，與資訊工業及半導體工業並列我國3個最具國際競爭力的產業。台灣工具機產業是極少數沒有依賴國外技術，結合台灣產業社會特質，發展成具有國際競爭力的本土產業。 　　☉台灣工具機的崛起與昌盛 　　1980年代台灣工具機在國際間嶄露頭角，截至2007~08年間，維持了20餘年的持續成長，創下了年產值1,500

億台幣的最高紀錄，列名全球第5大生產國暨第4大出口國。 　　我們認為，理解台灣工具機產業發展，有必要兼顧長期歷程研究。精研全球工具機產業發展史的大阪工業大學教授廣田義人（2011）指出，東亞各國都從後進國出發，逐漸趕上並超越歐美各國，堪稱最大特徵。他整理了1970年與2008年全球主要工具機生產國的工具機產值，並與作者整理2018年進行彙整（表1），說明日本、中國大陸與台灣等亞洲國家在此期間的驚人躍進。台灣在38年間，產值從排名全球第27成長到第5，產值成長了620倍。2018年產值雖然略有成長，排名卻掉到第7。 　　正因為工具機企業與當地工具機使用顧客企業之間，存在著相互技術交流的特質，

工具機產業的發展一方面支配著使用工具機的所在國製造產業競爭力，另一方面也激盪本身的技術精進。因此，工具機產業發展的實質意涵，不僅有助於通商貿易朝向順差發展，技術人員的培育更是成為製造大國不可或缺的要素。 　　工具機產業與景氣變動有著直接的關係，受到全球金融海嘯影響，2008年及2009年工具機的業績也跟著下跌，隨著景氣提前回春， 2010年工具機需求逐漸恢復，受惠於ECFA，2011年再創歷史新高。根據卓永財擔任理事長的TMBA整理自Gardner Publications, Inc出版的全球工具機市場資料，台灣產值為52.6億美元位居第6，出口值以40億美元的成績排名第4。 　　☉過去的

成功不能指出未來的方向 　　從國際競爭力形成的觀點，台灣工具機的產業發展大致可以1990年代後期為分水嶺，區分為兩個階段，並分別以「群聚共生」和「模組共生」表達其特質。1990年代中期為止，台灣工具機產業的分工網絡優勢與特色，反映在專業分工、創業精神和靈活調適之上。這個產業「群聚共生」的特質，被認為是台灣工具機產業從70年代只能外銷東南亞的生產小國，邁向90年代末期全球生產大國的關鍵。 　　「模組共生」則反映了新近的成長特色。我們調查1997~2006這10年間的變化發現，台灣機械產業群聚調適產業全球化趨勢，不僅擁有繼續高度成長的量變，更帶動了專業模組廠崛起的質變。除整機廠持續成長之外，孕

育的工具機模組廠，納入中國大陸，甚至日本市場的「模組共生」，蔚為台灣工具機最大特色。工具機的滾珠螺桿、主軸、刀庫、刀塔、分度盤、冷卻系統、配電盤、伸縮護蓋、鐵屑輸送機等9大模組，已經由少數廠商所寡占。主力模組廠商規模，逐漸與工具整機廠並駕齊驅。 　　管理學上的典範（Paradigm）是指一群專業人士經由經驗和知識累積，所共有的思維模式。我們陸續根據國際工具機產業合作研究與國內田野調查發現，台灣工具機產業在「模組共生」指導原則下所發展出來的4大成功典範，顯然已經不能指出未來的方向，剛好是正面臨的4大課題。 　　第一，批量生產，整個生產流程充斥重工與浪費。台灣的裝配廠與機械加工廠之間，通常會累

積一定的量才下單，或者累積一定接單量才進行加工。這正是「大量庫存」與「嚴重缺料」的形成原因。需求3件，要等到10件才加工，爲追求效率一次卻加工20件。在這個過程中，裝配廠面臨了一定時間與數量的「待料型缺料」；加工完成後，則換成在加工廠形成了可觀的「待單型庫存」。 　　第二，外銷新興工業國，產品升級緩慢。群聚優勢帶動的成本優勢，讓台灣工具機能輕易攻占新興國市場。根據日本工作機械工業會、財團法人工具機發展基金會資料，統計台灣製工具機的單位重量價值，僅達日本製機台的45~48%。 　　第三，迴避開發，以及因此造成開發與製造過程的不確實。我們的長期追蹤發現，台灣工具機產品升級的關鍵，不在於政府各項

補助計畫投入的前瞻技術和產品升級，而在於未真正投入開發設計工作，以及開發與製造過程所呈現的系統性不確實。大部分的裝配廠主導開發與製造能力不足，活用協力廠能力受到限制；這項能力影響到製造過程的確實程度。 　　第四，台灣工具機產業群聚所孕育的零組件模組優勢，呈現一劍兩刃。台灣的工具機零組件廠在與台灣工具整機廠共同成長的同時，也成為日本產品降低成本、中國大陸產品追趕台灣的幕後功臣。台灣工具機因此陷入發展困境，有待透過製造體系變革來突破。 　　☉積極摸索典範變革方向 　　這4個典範，固然造就了台灣工具機在產銷上雙雙締造歷史新高，甚至帶動工具機模組廠的崛起。然而台灣工具機產業長期發展的隱憂，卻因為

成績亮麗而日漸突顯。 　　譬如，北京機展都在台北機展的1個月之後，實質上已經帶給台灣工具機產業很大的威脅，尤其在外銷新興工業國與成本優勢上，正急起直追。在這個過程，大陸工具機廠共享了由台灣孕育的工具機模組廠，大幅縮短追趕時間。 　　正因為共享模組廠，又迴避開發，特別是迴避合作開發，導致台灣工具機產品升級速度緩慢。政府在各種前瞻技術和產品升級投入的資源過於侷限於單一技術升級，如果沒有在製造流程與供應鏈體系下工夫，提倡精實製造、精實供應鏈與合作開發，便不易打破進一步精進的瓶頸。 　　產品模組化帶動產業群聚變遷，原本成熟的分工網絡轉為模組化優勢，長期隱憂也跟著開始浮現。檢視這個過程的脈絡與跡象

，我們發現台灣工具機部分企業正迎接管理典範變革的挑戰。 　　第1，進軍先進國市場，已初見曙光。不僅專業模組廠已經被日本廠商視為最大的競爭對手，整機廠也不遑多讓。東台精機與友嘉實業在日本設立獨資或合資據點，大同大隈、台灣瀧澤與崴立機電等日系台灣據點擴張，大光長榮與準力機械的OEM發展，以及倉敷機械、和井田製作所與OM製作所等知名日本企業在台設立新據點，都有逐漸取代部分日本市場之策略性目的。 　　第2，與全球同步，開始重視豐田模式，摸索供應鏈體系變革。工具機產業在產品及介面標準化之下，正面臨到全球化的壓力與挑戰。要擺脫同質競爭，要有能力進行客製化，也代表過去以批量生產的典範漸漸不敷實際。200

6年9月，台中精機與永進機械領軍協力廠組成工具機M-Team雙核心團隊，開創工具機組織間學習與磨合之先聲；2011年4月並進一步融入東台精機、百德機械與麗馳科技等企業暨所屬協力廠，形成M-Team聯盟。此外，友嘉實業、台灣麗偉、勝傑工業、眾程科技與松穎機械等友嘉實業集團所屬企業，也正力圖變革。各種跡象顯示，近年成為全球顯學的精實製造與組織間關係變革，已經逐漸受到台灣工具機業界的重視。 　　☉日本工具機的精實摸索 　　長期以來，日本是全球工具機最大生產國暨輸出國，台灣工具機業者關心的是「日本工具機的精實變革是否如同汽車產業的成功？」 2008~2012年間作者所屬研究群，活用經濟部工業局、中

衛發展中心的委託研究資源，對於日本工具機企業導入TPS情形，完成了全面性的實地調查研究報告。順利參訪了Mazak、Okuma、Amada富士宮事業所、OKK、Sodick、Citizen、Waida、高松機械、中村留、瀧澤、Brother、THK、Enomoto、Tsubakimoto、津田駒工業、白山機工。再加上2018和2020年，帶領所屬團隊自主研究參訪，小松製作所、牧野、發那科、DENSO WAVE、Amada土岐事業所、三菱電機名古屋製作所與DMG MORI等極具代表的工具機暨零組件企業及機械製造產業，累計22家。 　　推動精實變革多年的頂尖工具機企業不在少數，大都已經發展出十分獨

特的生產方式。搭配別緻名稱的生產方式、態度堅決的經營者、走過篳路藍縷的卓越資訊科技應用，說明了凡走過必留下痕跡的製造流程變革精神。其中，Amada的「用餐式生產」與「攤位作業方式」、高松機械的「看板式生產」、Citizen 的「有人化工廠」、THK的「準時交貨設計」，以及Enomoto的「單件流製造」，堪稱代表。 　　根據作者觀察，這些獨特的裝配或加工方式，以沒有重工與沒有多餘庫存為前提，已經繳出了亮麗的成績單。Amada的「用餐式生產」，隱喻工具就像刀叉，而零件像食物，透過可調整高度和旋轉的工作台，進行非常有節拍的轉塔裝配。而Enomoto的排屑機製造完全貫徹單件流，與台灣同業比較，估計L

ead Time只有30%，半成品庫存只有15%。 　　在過去，並不是所有的日本工具機企業都重視TPS，甚至認為產品的差異化優勢，才是獲利的關鍵。儘管到今天，這樣的現象還是部分存在，不同的產品特質，支配TPS的短期推動績效。然而，已經愈來愈多的企業發現，從長期觀點，產品創新與製程創新是完全可以並行不悖的。值得關注的，部分日本優良企業的產品開發，強調採用前負荷（Front Loading）的方式。他們在初始的產品企畫及構想階段，就集結了顧客及協力廠商，利用CAD、CAM來做出虛擬產品。他們的經驗顯示，初期討論時間雖然會延長，但是卻不會發生逆流作業的情況。在同一段時間內把大家的問題一起解決，便可

大幅縮短開發時間。 　　☉為何要變革？ 　　本書提出的核心問題意識：台灣工具機產業應如何透過附加價值的創造，維持與提升其競爭優勢。台灣工具機產業被認為是極少數能夠匹敵日本造物經營能力的產業，在技術與市場調適上具備國際化能力與分工定位。因此，從價值創造觀點解析產業競爭力的提升之道，不論在理論上或實務上均極具潛力。 　　在經濟學中，產出商品之售價扣除中間投入即為附加價值。 　　附加價值＝售價－中間投入 　　企業之附加價值涵蓋的內容包括稅金、人事成本、折舊、租金、利息支出與利潤，高附加價值意味著，企業有機會繳納較為豐厚的稅金，對社會提供較高的貢獻，可以給予員工較高的工資與福利，安定員工生活

，同時保留下來的利潤，可以持續支付往後技術、商品開發的費用，為企業長久經營奠定基石。 　　附加價值之高低，取決於企業的價值創造能力。附加價值並不是單方面由製造廠商所決定，而是由市場上顧客所願意支付的價格來決定。因此使用高科技或昂貴的原料在商品上，並不一定能提高商品之附加價值，當成本高到與售價相當時，附加價值將被壓縮。 　　因此，價值創造能力就是相對於競爭對手的差異化能力，作者認為來自兩個方面。一個是相對於競爭對手的組織能力，亦即具備獨特性、內隱性、難以模仿的組織日常管理的建構與進化能力。另一個是相對於競爭對手，獲得顧客認同的價值提供能力。此處的顧客價值除了眾所周知的功能型價值之外，還包括滿

足顧客需求的解決方案型（Solution）價值。組織能力與顧客價值的高度化，表達了讓競爭對手學不到、學不像的價值創造能力的可持續性。 　　台灣工具機企業的組織能力有待精進，2006年起的產業製造組織變革風潮，奠定了重要的基礎。從與顧客互動取得價值的概念則剛剛起步，在中國大陸市場卓然有成的部分企業，已經強烈感受到提供使用顧客解決方案，在價值創造上的重要意涵。這是台灣工具機產業發展60年來十分難得而寶貴的經驗。同時，最近興起的台日工具機企業聯盟，在技術、市場等能力互補之下，已經不乏直接邁向兼具組織能力與顧客價值的精采案例。 　　☉智慧製造的挑戰 　　2011年德國吹起了名曲「工業4.0」之後

，美國的「先進製造夥伴計畫」、日本的「產業復興計畫」、中國的「製造2025」、韓國的「製造創新3.0」，以及台灣的「生產力4.0」或「智慧機械」，製造創新的策略論述，蔚為全球風潮。其中，以物聯網為中心的智慧工廠，結合人工智慧應用和大數據分析的資源開發，部分大企業展示了智慧科技應用的驚人進展，舉世注目。 　　然而，2010年代後期，工業4.0風潮出現了不和諧的聲音。從總體面，為確保國內工業的競爭主導地位，各國政府的策略意圖不同，以及每個國家的製造發展脈絡與基礎設施也不相同，這種新技術並不會普遍適用於所有的產業。從個體面，在政府鼓吹下積極摸索投資的製造企業現場，卻因為無法取得相對的價值而苦惱不已

。曾經喧騰一時的熄燈生產、機器人大軍、鞋廠回流德國，都沒有真正實現。2019年5月22日出版的日經商業週刊，對這種製造現場的過度期待、投資無法回收，甚至用AIoT泡沫化來形容。 　　智慧製造最大的挑戰是「如何創造價值？」，能夠「做」完全不代表能夠「創造價值」，AIoT卓然有成的市場末端數據活用、影像深度學習，對智慧製造的啟發非常有限。製造現場的數據來自標準化與慣例化，而標準化與慣例化又奠基於符合目的的流程。從這個角度，智慧製造與精實系統，有異曲同工之妙。因此，從實體系統（Physical System）切入，延伸現場主義的精實精神，是活用AI與IoT的關鍵。 　　我們主張秉持事實，亦即豐田

學主張的「三現」，從現地、現物的實際觀察出發，思考符合台灣現實的解決方案。我們不討好這幾年熱中推動智慧製造的產、官、學、研，就是因為相信「危機就是轉機」，擁有強烈的危機意識，才能徹底省思無法創造價值的本質，並轉為製造創新的可持續力量。 　　這正是本書新版新增第五輯的目的。我們主張「精實智慧製造」，亦即從顧客價值創造探討台灣製造業推動製造創新。工具機暨零組件產業積極推動智慧製造的現場，除極少數獲得具體成果的企業之外，大多乏善可陳，目前仍無法實踐價值。我們發現大多數業者沒有站在顧客立場思考顧客使用流程的問題解決，欠缺「目的實踐」的智慧機械；廠內的機械加工或組裝流程，大多欠缺穩定與配套的精實智慧製

造目標，無法對來訪的顧客提供啟發。因此，我們提出的精實智慧製造共創平台，就是以「先精實化再智慧化」、「發展結合目的與共識的實踐流程」、「堅持顧客價值」做為核心主張。 　　☉本書的架構與活用方法 　　本書以上述台灣工具機企業的主客觀環境為基礎，著眼於工具機產業的精實變革。我們深信，透過個別企業的努力與產業製造組織的變革，能夠提升工具機企業的組織能力，特別是消除浪費的日常管理的建構能力與精進能力。 　　全書共分為五輯。第一輯為精實趨勢篇，從世界製造企業生產方式變遷與潮流，分析此波長達十餘年的全球精實變革風潮的本質，導引本書主張的變革程序，觸及在工具機產業實踐上的核心課題。第二輯為變革程序篇，

針對本書主張的7個程序，進行理念、步驟與方法等邏輯層面的詳細解析。第三輯為變革實踐篇，為工具機企業量身訂製了7個主題，用工具機各級職工的熟悉語言，進行詳盡的實務性解說。第四輯是他山之石篇，收錄兩位作者實地訪問的3家工具機企業個案，他們擁有日本近百家工具機企業中公認最佳實踐的精實系統。第五輯是精實智慧製造篇，發展顧客價值的實體系統是我們對工具機暨零組件產業的主張。 　　本書因應產業界的強烈期待而誕生。作者所屬研究團隊深耕台灣工具機產業已超過30年，不僅在全球管理學術界擁有中英日文著作，確立了工具機產業研究的頂尖定位；同時在實務世界也一向以與工具機產業界朋友並肩作戰、共同學習、一起成長為榮。我們

期待本書提供的精實系統理論性暨實踐性內涵，能夠讓第一線的推動人員運用到實際工作，帶動遍地開花效果，並且能夠讓經營管理、財務、廠務、研發、業務行銷等背景的人員理解精實變革意涵，共襄盛舉。   【出版序】謝明達／財團法人中衛發展中心董事長　猶記得2020年初，新冠肺炎橫掃全球的這場戰役中，臺灣靠著即時的邊境管制政策與全民的共通合作打贏了第一次的勝仗，其背後功不可沒的要角，要屬工具機等廠商快速組成口罩國家隊，讓民眾短時間獲得充足的口罩，得以維持正常的生活與經濟活動，一舉推升臺灣為全球第二大口罩生產國，甚至還以餘力捐贈歐、亞、美洲等多國捐贈出超過5,000萬片以上的口罩，種下後來疫苗國際互助的善循

環。工具機產業在臺灣發展已超過70年歷程，對於臺灣產業的成長扮演著相當關鍵的角色。然而面對席捲全球的智慧製造浪潮下，更讓規模以中小企業為主的工具機產業，清楚意識到持續轉型升級的迫切性，過去的優勢，已不再是明日成功的保證，唯有擁抱改變，才能搶得市場先機。中衛發展中心從經濟穩定成長的1990年代開始，協助產企業籌組衛星工廠體系，靠著打群架的形式讓台灣產業得以站上世界舞台，接著運用TPM、TQM、QCC以及TPS等管理工具，強健產企業的經營體質、轉型升級。其中精實管理的實踐，也從製造品質改善、成本降低等面向，逐步拓展至精實創新，甚至是整個經營系統的效能提升，也就是全方位TPS系統，我們持續觀察到企業

靠著TPS的實踐，成就出持續改善的組織文化，進而提升企業經營的韌性。    配合政府2016年起推動「智慧機械產業推動方案」等相關產業政策，中衛中心開始積極協助產企業加速數位轉型的推展，聚焦於數位轉型整體藍圖規劃（考量供應鏈與競爭策略）與大數據應用，並結合國內外策略合作夥伴籌組「數位轉型 X AI輔導生態系」，協助企業建置AI生產及智慧工廠，滿足少量多樣的快速生產需求，並結合上下游業者籌組產業國家隊，期盼提升供應鏈及產業整體競爭力，持續拓展國內外市場。近年來在業者與政府的努力之下，工具機所在之機械產業總產值於2017年起首度成為我國繼半導體、面板後的兆元產業，且連續3年均突破兆元大關，足見產業

相當穩定發展的態勢。本書為2012年劉仁傑教授與巫茂熾先生出版《工具機產業的精實變革》經典增訂版，中衛發展中心相當榮幸能繼續發行本書，相信藉由本書的出版，能帶給不只是工具機產業，更多不同產業在運用精實變革、數位變革上有更多啟發與進展。

Big Data大數據的獲利模式：圖解．案例．策略．實戰

為了解決brother維修中心的問題，作者城田真琴 這樣論述：

分析現狀還不夠，預測未來更重要！ 　　與其相信一個人的直覺，不如相信數千萬人的資料——　　從圖解、案例，到策略與實戰，　　一本書，徹底解讀大數據！ 　　Facebook、Google、Amazon，　　以及GREE、瑞可利（Recruit）等知名企業都在用的資料淘金術！ 　　懂得找出資料的價值、萃取可用的資訊，　　就能將大數據轉化為商業智慧（BI）；　　嗅出趨勢、解決問題、創造商機，　　進而創造「偶然的幸運」（serendipity），　　正是大數據帶領企業持續前進的動力！ 　　連上Facebook頁面，出現推薦「你可能認識的朋友……」的建議，妳因此而找到失聯已久國中同學。 　　到amazon

.com網站購書，你看到「買這本書的人也買了這些書……」的清單，也正好是自己想讀的書。 　　只要打一個字，Google就出現「您是不是要查……」的資訊，正確預測到你想找的關鍵字。 　　事實上，這些「偶然的幸運」（Serendipity），都和善用大數據（Big Data，亦稱巨量資料、海量資料）有關。 　　上述的企業提供你需要的資料、精準預測到你的下一步，其實並非魔法、也不是憑空而來。這些企業將大數據轉化為商業智慧（BI，Business Intelligence），不僅分析現狀，更懂得預測未來。 　　大數據是「二十一世紀的新石油」，也是繼資料挖掘（data mining）、雲端運算、社群網站

之後，最受矚目的趨勢。如何將龐雜的巨量資料理出脈絡、找到關聯、發掘價值，找出商機，成為決勝關鍵。 　　本書作者城田真琴，是野村總合研究所（簡稱野村總研）高級研究員，也是大數據領域的權威專家。在日本，野村總研被稱為最有影響力的民間智庫，作者以野村總研獨家調查的第一手資料為基礎，介紹Zynga、Centrica、Catalina Marketing等歐美企業，以及小松（KOMATSU）、瑞可利（Recruit）、GREE等日本企業如何應用大數據的實際案例。 　　一本書，讓你認清楚資料（data）、資訊（information）與情報（intelligence）的不同，不僅要看得到、看得懂，還要能用

得出來，進而找到真正的商機所在！ 作者簡介 城田真琴（Makoto SHIROTA） 　　野村總合研究所（NRI，Nomura Research Institute）創新開發部高級研究員、IT分析師，日本政府「智慧雲端運算研究會」智庫成員。負責高端技術趨勢調查研究、供應商戰略分析、國內外企業IT應用調查，專業領域為雲端運算、商務分析、M2M、IoT等。著作包括：《雲端運算的衝擊》、《你不可不知的雲端運算常識與非常識》、《2012年版IT年鑒》等。 譯者簡介 鐘慧真（前言、一至四章） 　　「上輩子」是軟體工程師，國立清華大學電機工程研究所畢業，曾任職於飛利浦半導體與宏達電。目前是從事日翻中筆譯

的家庭主婦，定居於日本長野縣。譯作《不執著的生活工作術》（經濟新潮社出版）。 　　部落格：【黛博拉看日本】deborahjong.wordpress.com/。 梁世英（五至八章、謝詞） 　　日本一橋大學商學研究所碩士，專長財務金融，目前為專職日文譯者。譯作包括《這樣圖解就對了！》《鍛鍊你的策略腦》《想像的力量》《Facilitation引導學》（以上均由經濟新潮社出版）等。 【導讀】　創造「偶然的幸運」（serendipity），正是巨量資料技術不斷前進的動力（台灣野村總研諮詢顧問股份有限公司副總經理　陳志仁） 【推薦序】　當商業智慧隱藏在雲深不知處（國立交通大學經營管理研究所教授　楊千）

　Big Data, Big Intelligence：從資料、資訊到情報（和沛科技股份有限公司總經理　翟本喬）　當巨量資料與社會脈絡交集（英國開放知識基金會地區大使　徐子涵 Schee）　Data、Data、Data：我們活在廣袤的資料流中（資深部落客　鄭緯筌Vista）　老大哥在看著你：Big Data□ Big Brother□（英商巴克萊銀行台北分行董事總經理　劉奕成） 前言 ★第一章　什麼是巨量資料　資料洪流（The Data deluge）　巨量資料的3V特性 　廣義的巨量資料　為什麼到現在巨量資料才受到眾人的矚目？（1）巨量資料的民主化 　為什麼到現在巨量資料才受到眾人的矚目？（

2）硬體性價比的提升與軟體技術的進化　為什麼到現在巨量資料才受到眾人的矚目？（3）雲端的普及　從「分析過去」到「預測未來」　商業智慧與巨量資料的交會 　從點（交易資料）到線（互動資料）的分析 　巨量資料分析的起源  　本章重點整理 ★第二章　支撐巨量資料的技術　人才短缺   　什麼是Hadoop  　與日俱增的套件  　眾多套件版本並存的原因 　NoSQL資料庫   　創投也對Hadoop、NoSQL開發企業投以熱切的目光 　巨量資料時代的資料處理基礎　備受矚目的分析資料庫  　串流資料（即時資料）處理    　自行開發串流資料處理技術的網路公司 　機器學習、統計分析等    　自然語言處理、

其它     　本章重點整理 ★第三章　以巨量資料為核心競爭力的企業　歐美企業篇　快速成長之網路公司的巨量資料運用技巧 　eBay：每天產生50 TB的資料   　  (1)遠超乎想像的巨量資料產生速度　　(2)eBay的資料分析基礎　Zynga：披著遊戲開發商外皮的資料分析公司  　　(1)社群遊戲經濟的重要指標(2)提升病毒係數的機制(3)遊戲其實是資料驅動營運(4)三次點擊原則　Centrica：藉由引進智慧電表分析能源消耗模式  　　(1)英國電費、瓦斯費收費的實際狀況　　(2)引進智慧電表後的影響　卡特琳娜行銷集團：以「收銀台優待券」設計顧客的消費行為 　　(1)儲存了超過一億人份的

消費紀錄　　(2)預測顧客的消費行為，帶動門市買氣　本章重點整理 ★第四章　以巨量資料為核心競爭力的企業　日本企業篇　日本國內也開始運用巨量資料    　小松（KOMATSU）：日本運用巨量資料的先驅   　瑞可利（Recruit）：徹底運用Hadoop資料分析，成功改造企業文化　　(1)幾乎全公司上下都用Hadoop　　(2)支撐瑞可利巨量資料分析的Hadoop基礎　　(3)成功的祕訣在於組織體制　　(4)對於瑞可利而言，Hadoop的「真正價值」究竟是什麼？　GREE：資料驅動型營運方式是快速成長的原動力 　　(1)與其相信一人的判斷，不如相信數千萬人的資料　　(2)資料驅動型營運方式的根

基來自對於日誌資料的執著　　(3)具備多種技能的專業人士齊聚一堂　　(4)將溝通不良減至最少的團隊體制　日本麥當勞：在現實世界實現一對一行銷 （One-To-One Marketing） 　　(1)劃時代優待券背後的周全準備　　(2)把焦點集中在做為集點卡的行動電話與智慧型手機本章重點整理 ★第五章　巨量資料的運用模式★　巨量資料的運用案例(1)精準推薦商品或服務(2)行為定位廣告(3)運用地點資訊的行銷(4)糾出盜刷(5)顧客流失分析(6)預測設備故障(7)驗出異常(8)改善服務(9)預測路況(10)預測電力需求(11)預測感冒流行(12)預測股市行情(13)油資成本的最佳化　巨量資料的運用

模式分類(1)個別優化×批次處理型(2)個別優化×即時資訊型(3)全體優化×批次處理型(4)全體優化×即時資訊型　巨量資料的運用深度(1)掌握過去與現狀(2)發現行為模式(3)預測(4)優化【專欄】動態定價　巨量資料運用的真正價值　本章重點整理 ★第六章　巨量資料時代的隱私權問題★　隱私權與創新的兩難　美國國會也表示關注　製作網路個資檔案的是與非　請勿追蹤（Do Not Track）　消費者隱私權保護法案　採用選擇性參與方式的歐盟　資料保護綱領也進行修正(1)引進「抹掉過去」的權利(2)使用者尚未明確表示同意前，不得使用其個人資料(3)制定資料可攜（Data Portability）的權利(4

)擴大說明責任　日本的法令架構是《個人資訊保護法》加上分別針對各領域訂定的指導原則　部分指導原則在提供資訊予第三人上採用選擇性參與方式　日本政府的評估狀況　以「資訊大航海計畫」為契機開始評估的經濟產業省　由生活紀錄的角度進行議論的總務省　線索就在與使用者的「對話」　實體世界裡的行為追蹤　本章重點整理 ★第七章　開放資料時代的到來與資料市場的興盛★　「活用外部公開資料」的選項　風起雲湧的連結開放資料（LOD，Link Open Data）運動　影響擴及開放式政府　如雨後春筍般不斷出現的新創企業　透過比賽促進資料運用　落後一步的日本　日本國內因三一一大地震而略有進展的開放資料使用　資料市場的興盛(

1)Factual(2)Windows Azure Marketplace(3)Infochimps(4)Public Data Sets on AWS　商業模式各有不同　熱絡的資料市場存在著不容忽視的課題　本章重點整理 ★第八章　面對巨量資料時代該有的準備★　巨量資料時代的企業IT策略　開始邁向資料分享的日本企業(1)LAWSON×Yahoo( 2)KDDI×樂天(3)COOKPAD×ID’s　擁有原創資料的好處　供應商的新商機在提供「資料整合服務」　誰能成為資料整合公司　美國的支付服務業者明顯朝「資料整合公司」發展(1)VISA(2)PayPal(3)美國運通　讓原創資料搖身一變成為「貴重

資料」的絕妙資料組合　全世界對資料科學家的需求愈來愈高　資料科學家需具備的技能　資料科學家需具備的資質(1)溝通能力(2)創業家精神(3)好奇心　相關人才嚴重不足　相關研究所開始設立　鉅額資金流向巨量資料分析企業　日本也開始對資料科學家展開搶人大戰　最後的一道關卡－－組織體制與企業文化　朝向資料驅動型企業邁進　本章重點整理 謝詞參考文獻圖表索引 推薦序 當商業智慧隱藏在雲深不知處 　　巨量資料是個必然趨勢。 　　巨量資料（亦稱為海量資料、大數據）指的是在以往一般技術不容易管理但現在已能有效儲存、分析的大量資料。 　　自從有了網際網路，資料的產生已不是各個組織的內部活動所產生的，而是包括了跨組

織的各項活動記錄，更包括了數以億計的人類在網路上各自產生及互動的資料；在工具使用上除了傳統電腦、平板、智慧型手機、以及各項道路監視器、環境監控數據設備。 　　從中國的歷史上來看，資料的產生、儲存、傳遞，講的是「字」。我們的祖先結繩記事也好，用龜甲牛骨刻下所謂的甲骨文也好，都是費時費力的。到了用竹簡記事，也記不了太多的字。以前的人說「學富五車」是形容書讀很多的意思；然而，如果以尚未發明印刷術的眼光來看，「五車」的竹簡，大概指的是《論語》已經讀了好幾篇，快要讀《大學》《中庸》。 　　有了電腦之後，早年的資訊科技，不論是資料的產生、儲存、傳遞，講的是K （Kilo、 仟、十的三次方10^3或2^(1

0)）。到了1990年代，講的是M（Mega、Million、百萬、十的六次方10^6 或2^(20) ）。進入二十一世紀，2000年左右，講的是G （Giga、Billion、十億、十的九次方10^9或2^(30)）。現在，我們講的是T（Tera、Trillion、萬億、兆、十的十二次方10^(12)或2^(40)）。 　　由此可見，資料的產生、 儲存、 傳遞真的進步太多了。 　　所以，我的博士班學生畢業的時候， 只要一片光碟，就能把他們所有讀過、寫過的文章全部備份起來，非常輕便（卻也很沒成就感）。 　　鑑往知來，如果資訊科技進步繼續下去，我們會從T（Tera）一路走到P（petra、 10

^(15)）和 E（exa、10^(18)）的世界（TPE也剛好是台北在國際航空的代號桃園國際機場）。 　　英國Centrica電力公司可以每三十分鐘透過網路讀取用戶智慧電錶一次，每天抄電錶四十八次，它能對用戶的用電行為觀察更多更瞭解，甚至分析之後能對客戶行為有更精準的預測，可以調節不同用電需求的輸配電電路。 每天抄錶四十八次，一年就產生1T的資料。 　　1970年代，10M的磁碟機要40萬台幣，可以買當時的豪宅一棟；2000年左右，2G隨身碟（200個10M）約2萬台幣，可買當時的小噸數窗型冷氣機一台；現在（2013年），128G（64個2G、12800個10M）的隨身碟，新台幣2,388元

即可入手，這個價格可以讓一對情侶到五星級飯店的自助餐廳用餐一次。 　　在資訊科技進步的軌跡上，我們不只已看到巨量資料的應用，我們更確信它的普及是個必然趨勢。 　　在數學符號上就是一個國中生寫下「10^(20)」不會有甚麼感覺，它就是1的後面跟上20個零。但是，在實體世界裡 全地球所有海灘的沙粒總數大約就是這麼多粒，是很多很多的，對我們個人來說就是無限大，在佛經中則稱為「恆河沙數」。 　　小孩子不容易忘記，是因為他的記憶內容少，比較容易找到記得的事物；大人容易忘記，是因為記憶內容較多，卻沒有用心建立索引目錄分類、缺少工具與方法，或是傳輸線老化接觸不良，不容易找到曾經記憶過的事物。 　　如果資料少

，當然容易找到過去的紀錄；如果資料多，當然增加極大的困難；更何況，要分析巨量資料中的數不盡的關係與內涵，絕對不是單純的正比關係。 　　如果在一家企業內部進行資料探勘應用，我們稱之為商業智慧（BI，Business Intelligence），這是許多公司知識管理的範疇，也已經有二、三十年的歷史；台灣資訊管理相關科系都有在資料庫相關課程裡探討。許多像SAP、Oracle、IBM等公司都提供類似的軟體工具。 　　但是，到了巨量資料一路往TPE走，許多智識都隱藏在雲深不知處，確實是能夠探勘出有價值的資訊，變成更有必要卻更困難，因此需要更有競爭力。 　　本書提出許多實際成功應用的案例，列出相關互動隱私

及安全的議題，是一本有相當廣度的巨量資料相關讀物，很適合關心未來的知識份子閱讀。 文∕楊千（本文作者為國立交通大學經營管理研究所教授） 推薦序 Big Data, Big Intelligence：從資料、資訊到情報 　　我在2006年任職於Google時，有一次，前往一所大學演講Google的儲存系統GFS。一位教授問我：「那資料要刪除的時候怎麼辦？」我反問：「資料為什麼要刪除？」在場所有人都露出奇怪的表情。 　　Google的認知是：資料（data）裡面會有資訊（information），「現在用不到」並不表示「以後用不到」。除非法律規定必須刪除，不然一概保留。今天大家已經聽到了「資料是新

石油」（Data is the new oil.）這句話，也開始知道了資料中會有「看不見的價值」。 　　《孫子兵法》共有十三篇，最後一篇談〈用間〉，也就是情報戰。情報的價值，遠高於其他戰術或武器。今天所謂的精靈武器，就是能妥善運用地理定位（Geolocation）和圖形識別（Pattern Recognition）等技術所取得的資訊和情報。由最近幾年公布的許多資料可以看出，第二次世界大戰的勝負，其實就是決定在情報。由美軍破解日本海軍密碼而在中途島（Midway Islands）洞燭機先，到英國破解德軍潛艇的Enigma密碼而殲滅狼群以保全橫渡大西洋的生命線，都是任何戰術和武器無法獨自達成的。

　　情報如此重要，許多人把失敗的責任歸責於錯誤的情報，或是缺乏情報。事實上，我們的四周充滿了大量的情報，只是一般人無法有效正確地辨識。例如珍珠港事件（Pearl Harbor Bombing）之前，已有一封緊急電報示警，但是這封電報遭人擱置，直到事件發生之後才譯出。有能力正確並及時辨識這些情報的人，小者被稱為福爾摩斯（Sherlock Holmes）或是柯南（名探偵□□□），大者就被稱為諸葛亮。在商場不見硝煙的戰爭中，情報更突顯出它的重要。今天我們開始擁有了處理這些大量資料的工具，更重要的是讀懂這些資料，把它們轉化成可用情報的智慧。正如我在 Facebook 上說過的（編按：全文詳見作者網誌〈

IoT 和 Big Data 商機的迷思〉）： 　　想要做Big Data（巨量資料）的人請先認清楚：什麼是Data（資料）？ 　　．存得起來的，就是storage（儲存）。　　．看得到的，才是data（資料）。　　．看得懂的，叫做information（資訊）。　　．用得出來的，才能稱為intelligence（情報、智慧）。 　　Big Data這個名字事實上是有點誤導。真正賺錢的，是從big data中萃取出來的 big intelligence。為什麼CIA叫作Central Intelligence Agency（中央情報局），而不是Central Information Agenc

y（中央資訊局）或Central Data Agency（中央資料局）？而萃取information和intelligence的技術並不是現在才有的。隨便問一個有水準的資訊資工系教授，就會告訴你data mining（資料探勘）、neural network（神經網路）、pattern recognition（圖形識別）、statistical machine translation（統計型機器翻譯）、information retrieval（資訊萃取）,...等等領域的歷史。這些才是困難而需要投資開發的領域，而不是一個簡單的大量儲存和平行運算系統。 　　我在2003年進入Google的時候

，正是MapReduce初啟用之時。Google原本的Indexer是一套大程式，用了幾百台伺服器，要一個多星期才能完成工作。而中間只要有一台機器當機一次，就要全部重來。Google因此設計了MapReduce這套系統，主要目的在於容錯。將資料切成許多小塊，分到獨立的伺服器上處理。雖然機器數量增加到了兩千台，但中間不管怎麼當機都沒關係了。後來在論文發表後引出了Hadoop這個Open Source的軟體，給了想做大量資料分析的人一個很好的工具，也讓Hadoop在很多人心中變成了Big Data的同義字。但事實上Hadoop只是一個平行分散式資料處理的工具，真正能為資料創造價值的是上層的智慧分析

。這些工具是讓資料分析師（以後是叫做「資料科學家」？）能把時間用在真正重要的工作「資訊萃取」上，而不只是打造所需的工具。想要靠 Big Data 做一番事業的人，絕不是只要學會了這些工具就可以了。 　　1994年，商用的Internet開始成型，因為modem的速度和價格開始達到一般人可用的範圍。今天，儲存和處理資料的速度和價格也開始達到一般公司可以負擔得起初步的Big Data處理的程度。商用Internet起步的初期，業界很多人認為只要架個網站就會有生意上門。今天我們在Big Data這個領域也會有這麼一段混亂期，需要藉著更多好的介紹書籍和文章的引入，可以縮短這段過渡期。很高興看到這本書並

未落入坊間許多一窩蜂介紹工具的潮流，而能把主要的篇幅用在許多其他重要的面向。希望讀者在看完本書之後，能對如何萃取周遭的資訊並加以運用有更深一層的認識，並從Big Data進步到Big Intelligence的層級。 　　共勉之。 文∕翟本喬（本文作者為和沛科技股份有限公司總經理，曾任台達電子雲端技術中心資深處長、Google Platforms Architect。） 導讀 創造「偶然的幸運」（serendipity），正是巨量資料技術不斷前進的動力 　　接到本書導讀的邀稿時，剛好是我跟一家國內大型服務公司探討他們公司海外發展議題之後的下午。 　　這讓我想到，從2004年加入野村總合研究所台

北分公司以來，轉眼已經過了九年。常有企業主在面對全球新的議題與挑戰時，諮詢我們的看法；而我們的顧問專家群，難免也會私下討論不同國家的企業主對於新事物的接受態度。 　　過去，我們總是以為台灣企業主很少願意從邏輯思考的角度，看清所謂新事物 的全貌，凡事好像只想要得到「引進這件新事物的時機是否已經成熟？」的答案，卻沒有深入思考「如何親自將新事物引進企業，做為企業超越自我的契機？」。 　　讀完這本書之後，我必須稍加修正以上的觀點，或許該說，如果對於新事物的介紹，可以有辦法解說得完完整整、面面俱到，那麼，企業主怎麼可能放過這些知識呢？ 　　這本書是我在東京總公司的同事城田真琴的著作，在日本，這本書出版

於2012 年7月，2013年陸續出版韓文版、簡體中文版與繁體中文版，是巨量資料領域的重要著作。我認為，這本書內容能讓台灣的讀者有機會看見全球發展「巨量資料」的全貌。 　　本書的內容在第一及第二章介紹了「巨量資料」在資訊科技技術上出現的許多新名詞，例如Hadoop、NoSQL、LOD 等；並且進一步解說企業在資料運用層面，從過去的「資料可視化」進展到「資料預測未來」的境界；因此，強調深層的資料調查以及準確度的預測，讓企業因為採用巨量資料的「技術」而進展到更高的境界。 　　簡言之，對於電腦技術名詞沒有興趣的讀者，可以想像，過去資料只能「知道交易已經完成」的階段，當運用巨量資料以後，已經進化到可

以「知道交易完成的原因」了。 　　對於想知道全球企業實際應用巨量資料個案的讀者們，可以在第三章了解到四家歐美企業的成功案例，其中包含網拍公司eBay如何整合過去的資料倉儲分析系統與巨量資料技術，讓大家羨慕eBay員工擁有三個不同的資料分析基礎來支持他們進行業務的拓展。此外，第三章也介紹遊戲公司Zynga如何以5 %的付費客戶繳出11億美元營收的驚人業績。英國瓦斯及電力公司Centrica的個案，讓讀者了解英國把150萬顆機械電表改成數位電表後，巨量資料改變每個人生活的情境。第三章最後介紹的是大型零售業者卡特琳娜行銷集團（Catalina Marketing），豪氣地蒐集一億人的消費資料，達成「

能夠以100 %的準確度，預測出像是會購買某個商品的潛在消費者」的行銷新境界。 　　當讀者沉浸於以上個案的激盪時，別忘了第四章還有四個日本企業運用巨量資料的成功案例——小松（KOMATSU）是日本主要建築機械的供應商，其實在台灣的建築工地也不難看見小松的推土機以及怪手；小松的商業模式是租賃這些機械設備給營建商或是工務機構，因此，透過全球機械所不斷蒐集的相關巨量資料，已經可以用來推估設備維修的需求即將發生，以及給使用者燃料使用節省的建議做法等。瑞可利（RECRUIT）是家擁有各式各樣網路專門服務的公司，有求職、結婚、購屋網等，他們採用Hadoop技術，加上名為MIT（Marketing & IT

United）的新組織，跨部門整合公司內部各單位，讓企業內部更有效地蒐集與分享利用巨量資料。此外，第四章也剖析日本遊戲公司GREE急速成長的原動力，在於「與其相信一人的判斷，不如相信數千萬人的資料」，他們稱為「資料驅動型營運方式」。第四章最後的日本麥當勞（McDonald’s Japan）案例，我在2009年就曾涉獵過，很佩服該公司仍持續發展個人化行銷的相關巨量資料，要達成「在現實世界實現一對一行銷」的願景。 　　原本我以為這本書第三章與第四章完整介紹歐美日的八個企業案例之後，到此 應該夠了，但是，身為一位任職於全球知名智庫的管理顧問專家，如果只是把資料說個夠多，並沒有滿足提出「洞察力」（i

nsight）這樣的專業標準，可能無法滿足讀者追根究柢的渴望。因此，我們可以看見第五章有13個巨量資料的運用案例，進一步介紹「將巨量資料引進企業，做為企業自我超越的契機」的具體樣貌。本書最令人讚歎的地方，在於作者將他研究企業應用巨量資料的成功案例，歸納成一張張淺顯易懂的圖表，其中，第五章【圖表5-1】巨量資料的運用模式，是一張相當精采的圖表，由個別最佳化、全體最佳化、批次處理與及時處理構成四種巨量資料運用的商業模式，滿足想要對於巨量資料獲利模式一探究竟的挑剔讀者們。 　　接下來，第六章探討美國歐盟以及日本主要國家對於巨量資料侵犯隱私的相關 法律及對應的措施，針對許多服務業者關心台灣對於消費者隱

私保護的議題而言， 有具體的參考價值。 　　我們都知道，談巨量資料一定避免不了政府的公開資料（Open Data）此一環節，作者選擇在商業模式探討完畢之後，再來說明美、英、日等國政府鼓勵發展公開資料的具體做法，其實也確實符合我們的觀察，單單政府資料公開無法成為獲利 模式的趨勢；但是，如果沒有政府的公開資料，肯定有些美好的巨量資料商業模式就無法成真。 　　事實上，本書結論讓我非常震撼——我是一位1990年代投身職場的上班族，當 年，資訊工程師（Information Engineer）這個新職業造就了一波產業的革命，也 帶動了台灣服務業的一波成長榮景。本書最後，作者告訴我們，身處巨量資料的年代，

不僅僅企業在組織內需要一位資料長（Chief Data Officer）的新角色；而且未來十年，整個IT業界裡最重要的人才將是資料科學家（Data Scientist）這個新人才。美國的大學已經開始開設主修分析學的研究所課程，展開人才的培養教育，他需要培養三種特質，容我賣個關子，把這個答案留給讀者在本書裡挖掘吧！ 　　最後，很高興出版單位給我有機會搶先讀完本書，我也很喜歡作者在本書中提出的許多細微的觀察，例如，在說明亞馬遜（Amazon）電子商務的「協同過濾」（Collaborative Filtering）技術時，引經據典地介紹「偶然的幸運」（Serendipity）這個詞，這是來自英國小說

家霍雷斯．華爾波（Horace Walpole）在1754年的新創文字，描述消費者意外擁有幸運或是發現有價值事物的奇特心情，很傳神地說明了給消費者不可預期的幸運，正是巨量資料技術不斷前進的動力啊！ 文∕陳志仁（本文作者為台灣野村總研諮詢顧問股份有限公司副總經理） ★第四章　以巨量資料為核心競爭力的企業　日本企業篇⊙日本國內也開始運用巨量資料⊙巨量資料的運用，印象中似乎是歐美企業領先於日本企業，不過，日本企業中也有一些著善於運用巨量資料而收到顯著成效，或正開始收割成果的公司。在本章，做為日本企業致力於巨量資料的事例，舉出小松（KOMATSU）、瑞可利（Recruit）、GREE與日本麥當勞為對

象進行說明。⊙小松（KOMATSU）：日本運用巨量資料的先驅⊙以巨量資料為核心競爭力的日本企業中首先要介紹的，是僅次於美國Caterpillar Inc.的世界第二大建築機械製造商小松。早在「巨量資料」這個名詞尚未成形前，小松就已經開始致力於現今所稱之巨量資料的運用而收到顯著成效，如果說「日本巨量資料運用的原點就在小松」也不為過。尤其是利用GPS和感測器資料之巨量資料運用的精髓均濃縮在小松的例子裡，特別值得製造業參考。對多數的日本企業來說，「全球化」是今後經營上最重要的課題。2010年度小松的合併營收為1兆8431億日圓，除了是名列全球第二的建築機械製造商外，從占了小松營收87.7%（1兆61

56億日圓）之建築機械、車輛設備部門的地區別營收（請詳見【圖表4-1】）中，日本國內僅僅貢獻了16%（其餘皆來自海外）的事實來看，更應聚焦在小松是個非常早便實現全球化的企業這一點上。小松全球化的原動力來自「KOMTRAX」，也就是能夠遠端監控建築機械運轉狀況的系統。KOMTRAX透過裝設在建築機械上的GPS與各種感測器，蒐集機械的現在所在位置、運轉時間 、運轉狀況、燃料殘留量、耗材的更換時期等資料，並利用衛星或手機通訊，最後經由網路將這些資料送回小松位於日本的伺服器，藉由這樣的機制世界各地的經銷商與客戶都能對小松的伺服器進行存取，並確認自己所在地區之資料。KOMTRAX最早的版本於1999年首

度問世，將GPS裝設於小松旗下租賃公司的推土機和油壓怪手等機械上，藉此掌握個別車輛的位置資訊與運轉時間，好處是除了能更有效率地進行車輛調度外，更不會再遭到偷竊，並降低了維修管理成本。小松自2011年起將KOMTRAX列為日本國內市場所有建築機械的標準配備，之後並擴大引進至歐美、中國等地，目前在菲律賓、越南、南非等全球約70個國家中，有超過26萬部的設備參與運轉（2012年3月底時）。剛開始只掌握了位置資訊與運轉時間，但目前已能夠蒐集如「什麼時候補給了燃料」 「什麼時候在何種模式下使用了怪手」等各種資訊。▲如何處理原始資料？▲從小松KOMTRAX一連串致力於資料的運用方式中，我們想要學習的關鍵在

於 「從所蒐集之原始資料（raw data）獲得什麼樣的洞察」。比方說，只要知道建築機械的正確運轉時間，便能事先鎖定損耗率高的零件，在維修服務的效率化派上用場。只要知道燃料的使用量，便能藉由對燃料使用量多的客戶與使用量少的客戶之間的差異進行分析，來釐清雙方操作方式的不同，並給予燃料使用過多的客戶節省能源的建議。具體來說像是 「白天時車輛位置並無變化，但引擎仍維持發動。最好提醒客戶不要怠速，記得關閉引擎」。

影響國軍留營因素之研究-以中部裝甲旅聯合兵種營為例

為了解決brother維修中心的問題，作者林佳弘 這樣論述：

在因應未來作戰型態的改變與中國大陸軍事組織的調整下，國防部於2019年9月初在中部地區整編了國軍第一支聯合兵種營，預計在2020年將拓展至全軍各地面打擊作戰部隊，因此在組織變革的同時，期透過本研究針對相關單位調整後之組織變革、組織承諾等五個面向對於留營意願是否會產生相關影響，以利國防部在後續規劃過程中能夠作為有效之依據與參考。在本研究中主要抽樣對象為中部裝甲旅聯合兵種營，針對軍官、士官與士兵包含領導職類等面向人員，採取分層抽樣方式實施問卷抽樣，並經過二元羅吉斯(Binary Logistic regression)來探討各變數與被解釋變數當中的關係。在本研究中應用的解釋變數為領導風格、工作滿

足、薪資福利、組織承諾與組織變革等五項變數。在經過實證分析，其結果在解釋變數中以組織承諾與組織變革為正向顯著，也就是說明組織承諾和組織變革對於留營意願有明顯的影響。在人口統計變數中，以年齡與學歷為顯著，惟在學歷與留營意願呈現出負向效果，也說明年齡和學歷是會影響留營意願。