9/27/2014

Zara Builds Its Business Around RFID

針對 RFID 在企業的應用,華爾街日報有一個詳細的報導,說明 Zara 會成功的原因與方法 (CHRISTOPHER BJORK, Zara Builds Its Business Around RFID, 'Fast Fashion' Meets Smarter Inventory; Retailer Learns From Others' Mistakes, WSJ, Sept. 16, 2014) 
Inditex began experimenting with RFID in 2007. Mr. Isla asked his engineers and logistics experts to figure out how to reuse the chips—a solution that would minimize costs and ensure that the tracking devices wouldn't follow customers out the door, a concern among privacy advocates.

9/25/2014

(鑫永銓) 0.3 公分的精準力 坐上橡膠業獲利王


託滿廠區林木之福,鑫永銓雖然是橡膠工廠,卻沒有一絲橡膠硫化處理的臭味。除了綠美化堪稱工業區模範外,鑫永銓也因為生產的機具設備全部自製,能為各行各業量身打造客製化的橡膠輸送帶與特殊板材製品;加上近年高毛利導向的策略,讓公司坐穩橡膠業每股獲利王的寶座。

9/14/2014

餿水油製成香豬油

聯合晚報報導    (記者楊美玲、王茂臻,噁心餿水油 製成全統香豬油流入市面,2014.09.04)
強冠企業今天否認收購地溝油,但承認自今年 2 月底開始向進威公司負責人郭春葉購入 200 多公噸的油,並用於生產全統香豬油桶裝油,至今共生產了 5 萬 1000 多桶,目前庫存僅 3000 多桶,而流入市面約有 4 萬 8000 多桶,昨日開始全面回收,但估計多數都已賣給消費者吃下肚子了。... 
依照強冠公司官網簡介,強冠在 1988 年成立,2001 年取得 ISO-9001 品質認證,2007 年取得 ISO-22000 食品安全管理系統認證,同年並以調理油炸油產品,取得食品 GMP 認證。強冠董事長是葉文祥,股東還包括日商三井株式會社,目前實收資本額 5.3 億。

9/13/2014

哈維穆德學院 (Harvey Mudd College)

天下網路部報導 (畢業後年薪最高的10所美國大學,2014-09-12)
想要領高薪,選擇哪所大學是關鍵因素之一,良好的校譽,加上校友的人脈網絡,將是求職的最佳保證。根據美國 CNN 的報導,薪資調查網站 PayScale 公布了畢業生年薪全美最高的 10 所大學排行榜,前 10 大學校名次如下: 
1. 哈維穆德學院 (Harvey Mudd College)
起薪:75,600 美元 (註 1)
職涯中期年薪:133,800 美元
認為自己的工作是有意義的畢業生比例:55%
位於加州的哈維穆德學院是一所私立的文理學院,主要以高薪的生物、化學、資訊工程、工程、數學等科系為主。他們的教學方式相當特別,800 名的大學生,除了主修的科學專業之外,還必須選修人文課程,訓練批判性思考技巧 (註 2)。
3. 麻省理工學院 (Massachusetts Institute of Technology, MIT)
起薪:70,300 美元
職涯中期年薪:128,800 美元 
5. 史丹福大學 (Stanford University)
起薪:62,900 美元
職涯中期年薪:126,400 美元 
6. 加州理工學院 (California Institute of Technology, Caltech)
起薪:74,800 美元
職涯中期年薪:126,200 美元

What Data Can’t Do

David Brooks, What Data Can’t Do, New York Times,  February 18, 2013

Gartner Announces Rankings of Its 2014 Supply Chain Top 25

評比的方式是根據 Peer Opinion (188 voters)(25%)、Gartner Opinion (32 voters)(25%)、3-year weighted ROA (25%)、Inventory Turns (15%)、和 3-year weighted Revenue Growth (10%)。前 10 名為 Apple、McDonald's、Amazon.com、Unilever、P&G、Samsung Electronics、Cisco Systems、Intel、Colgate-Palmolive、The Coca Cola Company。

亞太地區前 10 名為 (南韓) Samsung Electronics、(中國) Lenovo Group、(日本) Toyota、(南韓) Hyundai、(中國) Huawei、(澳大利亞) Woolworths、(日本) Honda、(新加坡) Flextronics、(南韓) LG Electronics、(日本) Sony。

9/11/2014

建廠高手「止痛重建」 高雄人紅了眼眶

台積電志工團隊進駐到高雄災區是在一個月前,就在氣爆發生後的第四天,八月四日,台積電董事長夫人、台積電文教基金會董事張淑芬帶著台積電志工來到高雄氣爆現場;當天晚上,台積電志工團隊就已經擬定幫助重建的計畫,而擬定計畫的不是別人,他就是台積電團隊最會蓋廠房的新廠工程處處長莊子壽。 
莊子壽一九八九年進入台積電工作,如今已有二十五年的時間,他為台積電蓋過的晶圓廠房多達三十座,二○○八年台積電第一座黃金級綠建築廠房也是出自莊子壽之手,在高科技廠房領域中,營建商、承包商、工程公司幾乎沒有人不認識Arthur Chuang(莊子壽英文名)。 
被業界稱為蓋廠房第一名的莊子壽,如今也因為替高雄災民重建家園而獲得掌聲,「他就是台積電援助高雄氣爆災民善舉背後的重要推手。」與莊子壽熟識多年的千附公司總經理賴志明這樣描述他。 
這不是莊子壽第一次將蓋高規格廠房的經驗應用在災後重建上,就在他○八年加入台積電志工社後,在○九年的莫拉克風災中,許多台積電員工的家園都受到風災襲擊,那一年,台積電決定以實際行動代替捐款,要親手幫災民重建家園,莊子壽當時就一肩扛起這項重責,五年前累積的莫拉克災後重建經驗,讓台積電團隊能在高雄氣爆事件後展現高度效率。 
「我們在災後重建的工作上是有經驗的,加上與協力廠商已合作多年,雙方對於重建工作都有共識,協力廠商不用問我們需不需要清理地面,也不會問工人要不要綁安全帶,因為這些都是台積電建廠的基本要求。」莊子壽說。...

「台積電不只幫我們重建家園,還很關心災民的心情。」同樣是這次受災戶之一的周小姐,說起台積電對施工細節與災民的關懷,不禁紅了眼眶,「他們幫大家換完鐵門,還會測試鐵門是不是會發出聲音,施工後的品質怎麼樣;然後台積電也帶著紅外線機器,來幫我們檢查電盤,就是怕牆壁內的電線有看不到的損害。你看外面的便橋,台積電為了搭那座便橋,那一天還施工到半夜十二點,沒有便橋之前,我們光是要出去繳交文件都要繞好大一圈⋯⋯。」



9/06/2014

胖東來靠服務擄獲顧客心

王一芝報導,不做週年慶、低價促銷!胖東來靠服務擄獲顧客心,2014/7/16,遠見雜誌
早在 2008 年,中國零售業就有一項調查統計資料,顯示胖東來的平均人效、坪效和人均利潤,在中國民營企業裡排名第一。即使和中國所有商業企業比較,胖東來也在前十名之列,直到現在,胖東來的企業平均人均獲利在零售業始終名列前茅。

Meet The Guy Who Helped Google Beat Apple's Siri

Deep learning 似乎是目前的熱門話題。Google 的 Jeffrey Dean 提供了概念上的說明 (Robert Hof, Forbes, 5/01/2013),或者參考技術文章 Large Scale Distributed Deep Networks

Secret of Googlenomics: Data-Fueled Recipe Brews Profitability

我在營收管理課程中有教線上廣告的拍賣。文章 Steven Levy, Secret of Googlenomics: Data-Fueled Recipe Brews Profitability, WIRED MAGAZINE: 17.06 則提供了有趣的背景知識和發展

9/02/2014

Frontiers in Massive Data Analysis

National Research Council. Frontiers in Massive Data Analysis. Washington, DC: The National Academies Press, 2013.

Michael Jordan 擔任委員會主席 ,美國 National Research Council 出版的報告。註冊後,可以免費下載電子檔;或線上閱讀。主要的章節有
Massive Data in Science, Technology, Commerce, National Defense, Telecommunications, and Other Endeavors
Scaling the Infrastructure for Data Management
Temporal Data and Real-time Algorithms
Large-Scale Data Representations
Resources, Trade-offs, and Limitations
Building Models from Massive Data
Sampling and Massive Data
Human Interaction with Data
The Seven Computational Giants of Massive Data Analysis