邁入荒野

A man gives up everything and goes into the wild

我學習到如何透過現金的流動去觀察世界，從大到一個國家脈動到小至一間私人企業。錢的流動是複雜的訊息，而能了解訊息，就能夠進一步解釋和預測因果關係。能夠看懂財務報表，並且能和財務分析人士做出有效溝通，獲取重要資訊。這點來看，我已達成我所設定的目的。

我很幸運在暑期實習體會到所謂大企業的規模影響力。當企業的業績規模到$1 Billion，專業化和分工細緻以及管理系統效率化，團隊結合重點到策略發展。我打從心底感到一種協調美感。縱使點綴者無數的未預期危機事件，這整體持續上升感覺真的是不同於以前死氣沉沉的公司。

我體會到，美國大西部國家公園的豐富多變，從荒漠沙丘冰河谷到紅衫火山湖，旅行意義在於實際透過你的口耳鼻舌身意去了解。當我一天開車達到六個小時，路上景觀卻都沒有變化時，我這台灣來的鄉巴佬才能真正體會所謂的大陸究竟是什麼意思。

                         

MBA兩年+美國工作一年

在知識技能上

在人際關係上

在產業知識上都是一種精神時光屋的修練

回到台灣我的家，如何複製和改良這樣的學習經驗並且應用在自己的產業上就是我未來五年計畫了。

自動販賣機新策略

你是否已遺忘了你家巷子口的飲料販賣機呢？當你半夜加班，你是否對於辦公室茶水間的販賣機老是賣一些你不想要的垃圾食物感到無奈呢？

販賣機在近十年網路科技的大爆發時代，算是老古董，並無任何讓消費者耳目一新的突破。但這些老古董其實可以有很大的改變淺力。

退一萬步思考一下，販賣機究竟代表什麼？販賣機本質上代表者“衝動購買”(impulse purchasing)。就拿礦泉水做舉例，價格上販賣機和街口的便利商店比產品本身是沒有任何差別的，價格較昂貴。因此消費者基本上都是因為自己口渴難耐的情況下又懶得跑那麼遠，才會去購買販賣機的礦泉水。販賣機本質上的真正競爭對手是街角口的便利商店。以往的販賣機的策略是避免做價格競爭，專做零星的衝動購買為主。主打的口號雖是便利性，但卻是建立在消費者失誤的消費。下一代的販售機的策略就是要根本改變這點。

New Strategy從“衝動購買” 進化到 “常態購買”

想像一下新型態的販賣機：雲端網路24小時連線，互動觸控式螢幕，更自由的付款方式。販售平台本身的應用會更為有想像空間。選址策略也從單純的選點避免重疊的同心圓方式，進化到利用Big Data創造出公式來做出從根本不同的選址策略。

戰術一：鄉村包圍城市

具體執行方式是透過特殊選址方式，利用公式和Big Data快速找出被低估的擺放販售機的位置。此公式會考慮到購買行為的各個不同的影響要素(Drivers)，主要會有所得，職業，流量，停留時間，附近商店等。公式的背後思考點是增加販售機擺設密度，鄉村(低估點)包圍城市(高估點)來降低整體供應鏈的負擔並進一步降低每個商品的補充單位成本。

當然每台販售機和終端server連線，做real-time Data傳輸。因此公式也會隨者此類Data持續的做進化更正。目標是將每個貨品的單位成本下將到可以和超市做競爭。

戰術二：產品專注於健康類型，以及利用科技增加和消費者的互動

另外，產品選擇也是一大重點。販賣機應該要更能夠快速反應消費者的喜好變化。事實上，這幾年大眾對於健康食品的需求是越來越高。購買可樂等需求是每年持續下將，取而代之的是茶和咖啡等這類大眾飲品。假設我們的販售機專注在較健康食品(茶，運動飲料，能量棒，有機餅乾)，讓我們販售機就等同健康這代名詞。在定價上會更為有彈性，且也能夠快速做出差異化的利基市場。

另外，雖然我們一開始選的位址可能會相對較為冷門，因此我們需要透過網路的力量來讓消費者意識到這些機台的存在。具體的做法可以利用GeoFencing，當消費者的智慧手機有登錄我們的APP時，消費者只要經過到我們販售機的一定距離以內，手機就會自動收到促銷簡訊，並含有Bar code。這bar code就可以直接到自動販售機配合手機錢包(Google Wallet)付款。目標是快速讓消費者養成購物習慣。另外也可以和目前市面上流行的紀錄熱量的APP合作，推出建議自動販售機的健康減肥套餐，方便忙碌上班族有效率的控制身體熱量。

意外的平台可能性

最後，想像一下台北市有三萬台新型態販售機，每台都有互動觸控螢幕，網路連線，雲端管理，和現代化的供應鏈。這樣的條件下會是多少軟體工程可以實驗的應用平台呢？會有多少有趣創新的應用可以被發明出來呢？ 這種可擴充的發展性更讓人期待明日的自動販售機的變化。販售機將不只是販售機。

Compass edge - Healthy Vending Machine from Tannis Huang

Big Data 初步介紹和產業淺談

Big Data 初步介紹和產業淺談

Big data並非單純指Database非常龐大，而是指目前企業界能用比以前便宜和快速方式處理大範圍以及深度的DATA並進一步分析，進而做出自動決策模式，幫助企業自動優化創新。事實上，這類型技術以前就存在，只是那時叫Data Mining, Data Analysis或BI (business intelligence)。這樣技術受限於資料庫規模小，整合不同資料庫成本大，分析軟體開發選擇有限以及昂貴。所以往往都是大企業或財務相關公司有能力投資大量硬體設施和訓練專業人員來執行這類型分析。

那為什麼這次Big Data不一樣呢？我認為是整體Big Data產業開始成熟了。觀察目前IT產業界，可以發現有三大趨勢：

1. 硬體成熟便宜降低資料中心(Data Center)造價運作成本，讓資料可以更為得集中,規格化,規模化 
2. 資料收集的載體持續增加，例如社群網站或者移動裝置等，幫助消費者將日常生活資料持續數位化。(Data Science: The Numbers of Our Lives) 
3. 雲端化的運算資源和分析軟體服務，這讓企業界本身可以四兩撥千金利用雲端資源來跑自已公司演算法

舉例來說，假設台灣一家房地產公司和資訊公司合作，整合利用台灣國家房地產資料庫(歷史買賣紀錄)(假設是open data)，配合地方所得資料庫，失業率分布，地方犯罪紀錄分布，通膨率，各地出生率等資料。並且打造出一個演算法，藉此自動運算出任意房屋建議銷售價格區間。這樣能夠快速便宜大範圍提供參考房地產價格服務，絕對是具備顛覆市場的殺手級應用。

當然中間要克服的問題還非常多，例如Data本身取得成本,可利用性和透明性，政府法規結構限制(例如隱私權)，是否有強而有力的數學工程師團隊可以支持建造出此類正確的演算法等，資料庫和頻寬使用成本等。這也是為何我不看好大陸這類型產業未來發展，畢竟法規和社會互信薄弱會是Big Data產業發展的阻礙

但隨者這類服務技術越來越便宜，中小企業反而擁有最多機會。畢竟大企業在這方面應用已有一定歷史，反而是中小企業在資料分析應用上還有很大發揮空間。中小企業再投入使用Big Data時，身為資料使用者，在已有資料庫的前提下(不管是內部ERP資料庫或者外部資料庫)，可以思考以下幾個步驟：

1. Transparency 資料庫清晰度
   事實上有在做資料分析的人都知道，最花時間往往是分辨和清理Data noise，並且整合不同資料庫的資料，白話點就是讓資料彼此能夠對話
2. Expose Variability and enable experimentation 資料變異性和實驗環境養成
   經由第一個步驟，相關分析工程人員應可以過濾出哪類型Data是有價值且低相關性Correlation。並且打造出一個獨立硬體(雲端)空間來支持未來實驗分析Data，可能會藉由不同分析軟體(BI software)來運作。
3. Decision making process 決策過程改變
   在這步驟時，理論上你應該有個小隊已經有能力將Data人工的過濾出有意義的資訊，企業主如何看待這類型訊息，並且將這類訊息納入決策中，進而改變公司整體策略方爭等。注意，這邊重點在於高層決策邏輯的順序改變。
4. Algorithms 自動演算法
   在公司嘗到Big Data的甜頭時，團隊該開始思考如何自動資料分析而非人工資料分析，畢竟這樣才能規模化並且和競爭對手拉開一個成本和效率上的差距。並且演算法(自動資料分析)是非常難模仿，可以觀看Google搜尋演算法存在那麼久，還能夠持續進化。
5. Innovative business model 新型商業模型
   我個人認為，當中小企業主在投資人力和金錢在Big Data應用時，心裡就該有遠見Vision，這Vision應該就是新的商業模型。會放在最後是因為，往往都是在最後一個步驟外人才能知道這新型商業模型是如何運作。

上海 工廠行紀錄 - 海格巴士

上海工廠行紀錄 

2012年12月去了趟中國上海北京企業參訪。因有幸可以透過學校MBA名義安排，我們有機會到數家國際大型企業參觀其研發中心，組裝線，以及銷售中心等。出乎我意料是部分企業願意展示她們最新的組裝線。當初私以為這些最新生產技術是不對外開放，目前看來這些組裝線應是外流也對企業本身不構成任何直接威脅吧。或另種可能是我劉姥姥逛大觀園，別人看起來是普通常識，我這工廠控就看得津津有味。

對我本身，這也算是第一次不帶目的企業參訪。相比之前出國，幾乎都是任務在身，回到飯店也是持續打報告和準備會議等，這次跟同學一起出遊，感覺相對就較像是國中校外教學一樣。我對上海也不算陌生，前份工作每年平均要去上海兩次，現在去上海也不像當年要到香港轉機一樣，著實方便不少。

這次雖說名義上是上海參訪，但事實是工廠皆位於蘇州工業區。蘇州市算是大陸第四大市，在位置上有得天獨厚的便利，一來緊鄰上海，人才和錢財流通方便；再者內陸鐵路和公路皆以此為放射線狀展開外加腹地廣大，不管是內銷搶灘之處，或是外銷出口處皆是不錯之選。

蘇州市招商也是以外資國企大型企業為主，特別重視在高科技廠商的招商上面，一來稅收利基穩定，二來此類公司平均薪水高，技術性員工需求高，對於帶動地方經濟循環有極大助益。此行搭乘最新京滬高速鐵路，從蘇州到上海不到一個小時，一路上舉目皆可見到興建中高樓大廈，貌似80年代台灣政府國宅般的設計。

下三篇文章紀錄三大不同企業工廠的流程，設備，以及相關觀察到的特點。

海格客車 (HIGER BUS) 蘇州組裝廠 

海格是一間研發生產組裝到銷售垂直整合的大型巴士品牌廠。主要業務在中國國內，2011年營業額達到71億人民幣，年銷售出23,388輛大巴，有十二條組裝線，都集中於蘇州廠。

產品和研發展示室門口直接掛者中國國家主席到場參觀的照片，意味深遠不言可喻。北美業務部門為主要接待，相聊中可以明顯感受到外商和中國本地商在招聘人員上的需求和訓練是有極大差距。值得一題是研發代表非常年輕，在接待會議中侃侃而談輕量化車體設計，油電混合引擎，以及新能源應用等議題。

產線主要還是流動線為主。大型車體自動電鍍廠為其重點展示，畢竟大型表面處理廠，又是全自動化，的確是向客戶展示的關鍵設備。組裝線上，組裝工人年紀都非常輕，詢問下得知蘇州人和外地人比例為各一半，人資部門力圖維持此比例，此比例對於工廠流動較為健康且穩定。關注到一點，工人往往只有專注於一項組裝工作，暗示彈性不高，如果產能調整，新產品需要別的技術時，往往都需要額外訓練或者外聘員工。或許是因為人工便宜，所以這樣訓練多基礎技能沒有像台灣般急迫。各個工作站的工作圖並無像其他汽車組裝廠標明。另外組裝線自動化基本上是零，沒有任何應用到機械手臂或半自動化設備等。

此公司在開發新產品是其優勢，但在產線優化上面以及品質控管等都有很大進步空間。或許在面對中國工資持續上調，此公司會有者成本控管和品質控管的壓力。

台灣能夠從德國研發學到什麼

台灣能夠從德國研發學到什麼？

德國在這過去十年來的工業生產指數佔全國GDP總值並沒有往下掉，反而可以持續和前仆後繼的亞洲生產商抗衡並且爭奪歐洲甚至世界的出口市場。究竟是有何秘密，為何德國還是可以維持如此高的工業生產總值呢？

鐵三角互信合作管道

其中一個可能答案是德國工業和學術領域之間的互信合作管道(network of technological institution)已成形。事實上，從大學實驗室的原創概念，政府資助科技機構的實際應用化，到工廠商業化及規模化生產這條道路，德國政府民間和學術單位很認真地鋪設這鐵三角關係。

專注問題本身

德國民間企業和學術單位合作關係相比於美國大企業對於學校大筆校友捐款的方式有者決定性不同。德國民間企業都會拿者非常確切具體的問題去尋找大學實驗室的協助，其牽涉到包含新機械設備設計，新素材應用，以及製程成本效率改善等。另外較特別，德國政府特別資助機械設備實驗室，讓其專注於新科技應用於傳統生產製程效率改善，並在授權給設備商使用推廣到中小企業中，藉此降低中小企業的生產成本並且連帶培植本土設備商實力。機械是工業之母，無人機械則是現代工業之母。

投資長期

在近代數十年間，德國不管大或中小企業都已有和學術單位或政府贊助研發單位合作的經驗，合作關係經常是長遠而非短期。隨者時間演變，企業和學術單位也都有前例可循，了解怎樣資訊是該公開分享，那些則應屬機構所有的，特別是在於專利權等。有者這樣淺規則降低交易成本，學術間和私人企業才能持續坦誠合作。德國公司和學術單位的互信並且維持良性競爭的關係在世界上是非常少見的。另外德國企業多半是家族企業，家族企業雖然有者眾多缺點，但在決策過程是比私有企業快速。另外沒有討好華爾街的壓力，因此對於學術單位合作專案並沒有快速求取回報的壓力，投資報酬回報時間可以長到五年以上。

事實上，德國此制度的缺點其實也顯而易見，隨者參與的利益團體變多，其創新是屬於緩慢相比於美國大型科技公司的雄厚資本，在快速推陳出新的電子產品競爭中，德國此種文化則較為不濟。

德國將此合作方式持續推廣到新興產業上。德國學術單位通常擅於在現有工藝產品中持續注入新的技術，改善再創新。讓新技術可以應用商業化於原有產業中，並增加原有產業的競爭力。公司和大學痛過政府第三方的機構，共同承擔風險也分享利潤和名聲，創造雙贏局面。

舉例來說，德國弗勞恩霍夫機構(Fraunhofer institution)是德國也是歐洲最大的應用科學研究機構，成立於1949年3月26日。目前總共有80多個研究所，年經費10億歐元，總部位於慕尼黑。

基本上，每個研究專案，政府大都會出資50%補助，剩下透過學術和企業間協調。這個科學研發單位目的是將大學實驗室最新的技術商業化，規模化。並在此應用技術移轉給企業生產。此單位等於在學校和企業間中扮演的中間人。其有三大好處：

1. 多點群聚效應
   此組織支部分散全國各地，各專注於不同科技領域，並配合當地生產重心，加強群聚效應。醫療，生技，金屬材料，航太，汽車，製造等。這邊有德國弗勞恩霍夫機構的支部完整研究機構主題連結。
2. 導引研發需求更為公開合作關係，將學術研究方向導引到目前業界實際面對挑戰為主，或也可說是以產業利益為重。
3. 中小企業升級有效的提升中小企業的生產模式，中小企業本身對於製程研發改善是有其極限，受限於資本和人才匱乏，在大規模資本投入要求下的機械改善競爭遊戲上是無力負擔的。因此政府透過第三方間接幫助企業，做產業生產升級，並且政府手中研發機構握有專利技術權等，期也不等同幫助特定企業。此方式比直接透過政府支助現金到私人企業手中更為細膩。讓製造業不在只是製造業，而是乾淨明亮高科技的製造業。

附註：

• 德國弗勞恩霍夫機構維基百科介紹  http://en.wikipedia.org/wiki/Fraunhofer_Society
• The U.S. Could Learn from Germany’s High-Tech Manufacturing http://www.scientificamerican.com/article.cfm?id=us-could-learn-germany-high-tech-manufacturing

DSM 矩陣流程管理工具介紹

DSM 矩陣流程管理工具介紹

在現實世界中，設計或是商業流程往往非是線性而是多頭並進狀態，並且環環相扣，常常會有重複步驟地出現。如何檢討分析了解其中幾個步驟是多餘得，哪些是可改善得，這是企業主和研發部門常會的苦惱問題。

簡言之，在一個複雜開發工作環境中，訊息傳遞順序變化往往是難以清楚明瞭的標明在地圖上。現有流程圖工具本身常常有規模限制，往往摻雜的因素只要增加時，整個流程圖就會像是義大利麵一樣糊再一起。企業主在遇到此狀況時，常常只能使用Divide and Conquer的方式，但這就無法綜觀整個流程圖形(Big Picture)，更無法提到全面改善了。

(房地產開發流程的矩陣應用。來源：MIT Press)

DSM就是為了解決這問題而生工具。這工具最早是在1970年代由一位在California State University的教授提出，但並未獲得業界重視和應用。直到1988年，MIT教授Eppinger開始研究此工具並進一步改良和推廣。目前DSM不只在學術上，在航太工業，汽車產業，房地產也都開始應用於產品開發和流程改良等。

DSM(Design Structure Matrix)是一個矩陣分析工具，其主要用於分析流程架構再進一步改進流程。應用有分成三大面向：產品設計架構矩陣(Product Architecture DSM)，組織架構矩陣(Organization Architecture DSM)，流程架構矩陣(Process Architecture DSM)。換句話說，這工具是用來分析訊息在不同部門或設備或人員之間的流動順序和重要性等。

MBA Summer Intern - 我在美國學到的Cost Down精神 (1)

Summer Intern - 我在美國學到的Cost Down精神 (1) 

MBA暑期實習是在一家全美最大瓶裝水代工公司實習，公司名就不便透露了(以下統稱A公司)。有幾個公開數字可以讓大家具體了解這間A公司的內幕。這間瓶裝水公司是百分之百家族企業，在2011年營業額達到十億美金，其業務為完全代工，本身自有品牌佔營業額不到一成，客戶包含北美零售龍頭Wal-Mart, Costco, Ralph, 7-eleven…。主要商品包含瓶裝過濾礦泉水(purified mineral water)，瓶裝高山泉水(spring water)，以及維他命水(vitamin water)或稱運動飲料。

我認為這間公司核心競爭力源於三大點：

1. 生產線完整垂直整合及無人化

2. 研發重心正確

3. 數字管理文化盛行