作者簡介
奧斯汀‧克隆 Austin Kleon
10個創作者生存必備的新原則，這本書要告訴你，你一定要敞開心胸，大方分享，勇敢面對──成為其他創作者會來偷學的創作者。
無論職業為何，都會把分享當成例行公事。他們會在工作室裡、實驗室裡、或者辦公室座位上努力工作，對於自已現下的工作開誠布公，絕對不會保密到家，並待續在網路上分享工作內容的點點滴滴，包括點子與學習感想。
我們許多人埋頭工作，一整天下來卻覺得沒有什麼好分享。但無論你的工作本質為何，你的所作所為都是一門藝術; 只要你用對的方式呈現，就會有人對那一門藝術感到興味盎然。
「發文的時候，要把每個讀者都當成可以開除你的老闆」
「我們都喜歡把自已想成很複的人，兩句話是說不完的，但其實全世界的人通常只想聽我們解釋兩句就好。只要簡單介紹自已的優點。」
1. 你不必是天才
2. 要想過程，不要想成品
3. 每天都分享一點點
4. 打開你的奇寶房
5. 說好聽的故事
6. 教別人你會的東西
7. 別變成人肉垃圾郵件
8. 學著挨打
9. 賣出/出賣
10. 堅持下去
作者大膽認為── 不管你對「成功」的定義是什麼，好運都是「成功」的基本因素。成功的人也是容易得到好運的人。
作者研究一千多個個案， 他發現有些人真的比別人幸運，比別人容易成功，透過對這群人生命軌跡的歸納與分析，整理出一組類似的思考及行為模式，也就是能在變化無常的人生旅途中，幫自己定位好運的十三種思考術。 這些思考術不迷信、也不會違背你的任何信念。
作者以為「無論你把這十三個思考術實踐得多麼好，你仍然可能遭遇癌症、盜竊甚至戰爭等災難。相反地，你可能沒有實踐任何思考法，一直過著不怎麼走運的生活，你也可能不知道從什麼地方就獲得意外的一大筆財富。 不論我們是否歡迎，運氣自然地來去。好運和厄運交織在人們的生活中，讓一些人快樂，一些人悲傷，還有些人死亡。 毫無疑問，你的生活在你讀到這本書之前，就已經受到運氣的影響了。而且，運氣會繼續擺布你，無論你讀了什麼，思考了什麼。但是現在，你有了十三種思考術可以運用。
"運氣"是指能對你的生活施加影響，卻不是因為你的意願而產生的事件。然而奇怪的是，人自卻不怎麼談論運氣，因為大家都希望自已掌控運命，安心地躲在這個假象的陰影下生活。然而我相信"運氣"對於成功的的影響力，僅僅自已做的好是遠遠不夠的。
定位好運的13種思考術
1 幸運的人知道"運氣"和"規畫"截然不同 (Making the Luck/ Planning Distinction)
提高運氣的第一步就是要承認運氣的存在。一個幸運型的人格，應該用與關注自身同樣多的力氣去關注外在。
2 到人事物快速流動的地方，幸運就來找你 (Finding the Fast Flow)
找到人事物速流動的所在，到事物發展最快的地方，幸運就來找你。擁有達運人格的人，會去結識他視線範圍內的每一個人，對生活周糟的人事物多一點眼神與關注，讓別人感受到我們的友善。讓他們知道你所期待的幸運轉捩點是什麼，這很重要。
3 具備評估冒險的能力，能更接近好運 (Risk Spooning)
你必需冒臉。就算的樂透這樣的小小冒險，你也應該要去嘗試，因為如果你不下注，就完全沒有贏的可能。但也有一些人，會犯相反的錯誤;為了小小的回報，甘冒巨大的風險。不論你如何定義成功，風險都是享受成功生活不可缺少的因素。從現在起，請試著尋找冒險。
4 幸運周期通常是短暫的，適可而止 (Run Cutting)
一定要把自已的好運視為短暫的，不要享用好運到極致，不要強求運氣。成功的祕訞就是不貪心。
5 具備選擇運氣的能力 (Luck Selection)
選擇運氣很難的原因之一就是，需要放棄既有的投資。不管具體是什麼，當你拋棄壞運時，同時你也必需拋棄你既有的東西。「如果你想要百分之一百的把握，你將會寸步難行。」
6 走Z字形的路，善用意外發現 (The Zigzag Path)
對於長遠計劃絕不要太認真，只要它符合你的願望，就把它當作一個大致的指導原則。抓住意外發現的能力或習慣，就是要抓住你不曾預料到的好運氣。不幸者常常堅守一個既定的人生路線，沒有出路，每況愈下也不知道轉變。永遠不要耽心人生的曲折。不要給自已定型，不要固守僵化。
7 幸運者有自己的建設性超自然主義 (Constructive Supernalturalism)
迷信，也可以幫助你。它可以使你面臨一個方向時有一種安全感。若能有好的超自然信念來幫助你冒險，並在缺乏資訊時做出決定，你就會比垂頭喪氣坐在兩裡要幸運一些。
8 能分析到最糟糕的情況 (Worst-Case Analyasis)
「最糟糕」的結果，具體的是什麼?最極端的錯誤將會如何? 如果發生了最糟糕的情況，我怎麼保護自已?
9 幸運者避免廢話，真正的聆聽 (The Closed Mouth)
幸運者總是必免廢話。「睿智年邁的貓鷹棲息在橡樹上，它觀察愈多，它講話就愈少。它講託愈少，它聽到的就愈多。我們為什麼就為能像它?」對於自已的問題、計畫和情感，避免不必要的談論，如果沒有說的理申，請緊閉雙唇。
10 其實沒有什麼功課要學習，只是運氣 (Recognizing a Nonlesson)
幸運者知道，有些經驗，根本沒有任何功課可以學習。而不幸者的特點就是，習慣從生活中的隨機事件，學到錯誤的功課。"歷史是胡說八道，歷史從來都不會重演" -->這是很大的一種指控......作者認為：歷史是特定時期，不計質數的人的行為、思想與情感綜合作用的結果。
11 接受世界本來就是不公平的 (Accepting an Unfair Universe)
只是壞運而已----對，壞運。公平是人類創造的概念。觀察人類生活，並接受它來到的方式：無序和不公。
12 樂在忙碌越幸運 (The Juggling Act)
幸運的人總是同時嘗式做很多冒險。幸運者總是會找到一些方法，成功地悠遊於忙碌。
13 運氣伙伴出現時，別放走他 (Destiny Pairing)
只有長期改變你的運氣的某個人，才可稱得上為命運伙伴。
一次搞懂大數據（上/下）
撰文者：李欣宜 發表日期：2015/04/01
http://www.bnext.com.tw/article/view/id/35807
http://www.bnext.com.tw/article/view/id/35809
當大數據充斥各種場合，從馬雲到釋昭慧都侃侃而談，你還能不懂什麼是大數據嗎？你也許已經聽過無數的大數據神話，但對於大數據仍停留在一知半解階段，《數位時代》專訪各大大數據專家，整理出你最應該知道的大數據十問。
Q：大數據是什麼？
A：大數據（Big Data）又被稱為巨量資料，其概念其實就是過去10年廣泛用於企業內部的資料分析、商業智慧（Business Intelligence）和統計應用之大成。但大數據現在不只是資料處理工具，更是一種企業思維和商業模式，因為資料量急速成長、儲存設備成本下降、軟體技術進化和雲端環境成熟等種種客觀條件就位，方才讓資料分析從過去的洞悉歷史進化到預測未來，甚至是破舊立新，開創從所未見的商業模式。
一般而言，大數據的定義是Volume（容量）、Velocity（速度）和Variety（多樣性），但也有人另外加上Veracity（真實性）和Value（價值）兩個V。但其實不論是幾V，大數據的資料特質和傳統資料最大的不同是，資料來源多元、種類繁多，大多是非結構化資料，而且更新速度非常快，導致資料量大增。而要用大數據創造價值，不得不注意數據的真實性。
Q：為什麼需要大數據？
A：因為當從人到機器都已經被數據解構，數據不僅僅是歐巴馬口中的石油或是黃金，它更是血液，貫穿每個人一生中每個生命階段。這並非危言聳聽，更不是科幻電影，而是正在逐步成真的現實。
例如有一款叫做Ovia Fertility的App，藉由分析30萬名會員的數據，開發演算法，精準計算排卵期，提高懷孕的機率，這個App已幫助5萬名會員成功懷孕。又比如Workday推出一套軟體，預測員工的薪水漲幅和可能跳槽時間，幫助企業決定每名員工的加薪幅度、時間點和轉職時機。理財也逃不過大數據的掌控，騰訊就於年初推出第一家用大數據決定借貸與否的銀行，微眾銀行結合辨識人臉和公安部門資料，決定借貸者的信用等級。
從懷孕生子、工作到理財，大數據將全面影響每個人與每家企業。對企業而言，大數據可望提升服務品質、增加管理效率、幫助決策和創造商業模式；對一般民眾而言，大數據是另一個自我，它可能比本人更了解本人，為你預先解決每個未知，當一切都開始數據化，你能夠不需要數據嗎？
Q：大數據一定要很大嗎？
A：雖然大數據的狹義定義是，資料量要在100TB到PB之間，但其實絕大多數的企業，都不符合這個標準，大企業如eBay、亞馬遜或AT&T或許符合大數據的標準。但其實資料量只是大數據的其中一個面向，大數據揭示的是一種「資料經濟」的精神，而非只是「大」。
「大，是大數據中最無趣的部分。」天睿資訊（Teradata）首席技術長寶立明（Stephen Brobst）認為，企業真正要尋找的是非傳統的、而且未曾被挖掘過的資料，並且從這些資料中去提煉出價值，這才是對大數據應有的正確認知，而非只是執著於資料大小，只要能從看似毫無意義的數據礦坑中挖掘出金礦，有誰會在意那座礦坑原本是大得像座山還是小得像狗屋呢？和沛科技創辦人翟本喬就指出，大數據這個名字容易讓人誤導，因為真正重要的其實是大智慧。大數據不只是說資料量有多大，速度快和資料量大都可以用技術輕易解決，但種類（Variety）比較需要智慧。
Q：沒有大數據就不能用大數據嗎？
A：非也，建置大數據架構與環境的確所費不貲，一般中小企業通常無法輕易投入鉅額成本，但大數據時代的精神在於如何妥善利用既有或非傳統資料，從中挖掘出新商機，因此即使是中小企業甚或者是新創企業，都能在大數據時代用「大數據」。
就技術面來說，現在有許多業者開始提供建置成本較低的大數據處理工具和雲端系統，有些甚至跟App一樣，只要根據自身需求挑選需要購買的功能即可，例如科智提供的工業化數據管理工具即為一例。另一方面，很多時候中小企業其實不需要建設大數據系統。中研院資訊科學研究所研究員陳昇瑋即指出，在絕大多數情況下，大數據專案其實不需要建置Hadoop系統，特別是台灣的社群媒體沒那麼發達，而是直接採用國外的居多，資料都不在自己手上，與其盲目追求技術和工具，不如先用小量資料去驗證一個概念，是否能將資料轉換成商業機會，再來決定要不要建置大數據的作業環境。
大數據領域權威麥爾苟伯格（Viktor Mayer-Schönberger）在《大數據》一書中便提及，大公司有巨量資料的規模優勢，但小公司有成本及創新上的優勢，小公司因為速度夠快、靈活度高，就算維持小規模，還是能夠蓬勃發展。
Q：我要怎麼開始進行大數據專案？
A：設置專門統籌大數據專案的部門和職銜是第一步，而且層級越高越好，企業領導人必須足夠正視大數據的力量，才能帶動整個組織重視數據的文化。Etu負責人蔣居裕便指出，大數據其實是管理問題，而非技術問題，缺少跨部門協作，大數據專案很難有個美好的開始。
第二步，切勿陷入大數據迷思，與其急著想用數據變現，不如先回頭看看自己企業內部的問題為何，先定義問題，再試圖用數據找解方。阿里巴巴集團副總裁車品覺建議，與其整天想著大數據，不如先整頓自己企業內部的數據，很多時候光是企業內部的數據就問題叢生，不同部門之間的數據無法相容，「整個數據在一個中小企業裡面也是四分五裂，在這個地方沒做好的情況下，居然說你想用大數據，其實是有點難以理解。」
當大數據充斥各種場合，從馬雲到釋昭慧都侃侃而談，你還能不懂什麼是大數據嗎？你也許已經聽過無數的大數據神話，但對於大數據仍停留在一知半解階段，《數位時代》專訪各大大數據專家，整理出你最應該知道的大數據十問。
Q：大數據從哪來？
A：任何地方。隨著物聯網興起，任何以前不可能產生資料的東西或地方都可能「資料化」。天睿資訊（Teradata）首席技術長寶立明認為大數據的發展可以分成三階段，正說明了大數據的來源多樣化：.com時期、社群網路時期和物聯網時期。早在2000年初網路熱潮興起，人們就已經開始研究log資料，蒐集使用者的cookie和搜尋行為等。而社群網路如Facebook或Twitter將人們的互動關係數據化，這些社群數據創造了大量的商業價值。而第三階段物聯網時期，可能是最有趣的階段，無論是機器還是人都開始被數據解構，數據可能來自手錶、鞋墊甚至皮帶，這些物聯網數據將是接下來重要的數據分析對象。
Q：大數據有什麼風險？
A：傳統商業分析會有的風險，大數據也都會有，這並非大數據才有的問題，「個資安全問題」一直都存在，只是隨著資料來源越來越多且資料量越來越大，資安問題更顯迫切罷了。市場研究機構Gartner研究副總裁布萊恩（Brian Prentice）指出，大數據本身並沒有資安問題，問題在企業應用資料的方式，Gartner預測2018年，企業違反商業倫理的案件中，有近50％都來自不當的大數據應用。
另一值得關切的是大數據可能帶來的「資料獨裁問題」，根據大數據領域權威麥爾苟伯格（Viktor Mayer-Schönberger）的說法，資料獨裁指的是任由資料來管控我們，盲目受到分析結果的制約，導致濫用或誤用資料。例如根據數據分析將人群分類，其實有可能會把個體給標籤化，甚至污名化某些族群，想像未來若我們用數據預先打擊犯罪，那會是什麼情景？
Q：Big Data和Open Data有什麼不一樣？
A：開放資料（Open Data）是大數據的一種，但大數據不等同於開放資料。開放資料是指將原本受私人組織或公部門管理的原始資料無條件地開放出來，供任何人使用。近年來討論度較高的是公部門的原始資料，許多民間團體主張公部門資料本為民眾所有，除非涉及個人隱私，否則公部門應無條件開放資料，讓民間可以介接資料，除了瀏覽，還可以加值應用。
對新創企業而言，開放資料是非常好的資源，當創新遇上開放資料，很可能激起無盡想像。例如李慕約有限公司創辦人李慕約就利用政府開放的農產品即時價值資料，設計出果菜花終端機，用視覺化的圖表呈現農糧署累積近20年的資料。
Q：什麼產業特別需要大數據解決方案？
A：根據Gartner的報告，媒體傳播業、銀行業和服務業最早導入大數據，保險業、零售業和醫療照護業預計在兩年內導入，但阿里巴巴副總裁車品覺指出，以後任何一種產品或服務都潛藏著巨大的「數據化」潛力，企業需要加強對數據的重視，更加注重數據的蒐集和整理工作。
根據《大數據@工作力》一書作者湯瑪斯．戴文波特（Thomas H. Davenport）的說法，他根據資料量、所有權和資料應用程度，將產業分成高成就者、資料劣勢者和低成就者。高成就者是那些擁有大量數據，而且已經展現出優異的數據分析成果的企業，例如消費性商品、保險業者、互聯網公司、旅遊、運輸和信用卡公司。在所有互聯網公司中，又以電子商務業者對數據的應用最直接和強烈。以全球最大的電商平台阿里巴巴為例，阿里巴巴假貨問題向來猖獗，但透過分析商品文字、圖片描述、權利人投訴，甚至是社交媒體等16種維度的數據，結合大數據打假貨，現在阿里巴巴有90％以上的下架商品都是大數據系統主動出擊發現的。
而低成就者是坐擁大量資料，但因法規限制或思維僵化等原因，還沒利用數據變現的產業，如媒體、電信、銀行和零售，但其中仍不乏已開始使用數據的例子。例如大型零售業者卡特琳娜行銷集團（Catalina Marketing）就藉由分析超過1億人的消費紀錄，結合旗下5萬5千家零售店舖的POS機資料，交叉比對顧客的消費紀錄，針對顧客的消費喜好發送優惠券，提高行銷效率。
資料劣勢者則是手邊資料不多，或是雖有足夠資料，卻缺乏完整結構的業者，也較缺乏資料分析能力，例如許多B2B公司沒有辦法接觸到第一線的消費者，而是提供服務給下游廠商，致其先天上就沒有第一手資料。值得注意的是，醫藥機構雖然被戴文波特列為資料劣勢者，但這是因為美國的病歷電子化程度低，不若台灣擁有全世界最完整的國民健保資料庫，因此台灣的醫療機構應是低成就者，而非資料劣勢者。
Q：大數據的商業模式是什麼？
A：大數據的商業模式大概可分成幾種：一、從既有數據變現；二、以數據提升企業競爭力；三、以數據做為服務的基礎與核心，用數據顛覆傳統行業。
模式一，數據本身即為產品或根據數據制定行銷策略、改善產品。例如美國運通讓持卡人與自己的Facebook帳號連結，持卡人成為美國運通粉絲團粉絲後，美國運通會依據會員在Facebook上的活動，提供相應的優惠措施，結合社交數據和會員資料，就是為了提升消費者辦美國運通卡的誘因。
模式二是藉由數據提升競爭力，這類的大數據專案成效較無法直接反映在營收上，而是反映在提升內部工作效率或降低決策成本上。例如許多人都知道LinkedIn透過數據精準推薦職場人脈給用戶，卻不知道LinkedIn在公司內部推出數百款數據分析產品，幫助內部員工提升工作效率，其中Voices就是一款能將LinkedIn客服內容，在1分鐘內快速生成分析報告的數據分析工具。
無論是模式一還是模式二，其實都有掌握過去、預測未來和防患於未然的共同點，只是一個應用層面是對外，一個對內，這兩種模式常見於既有的企業。但模式三，也就是以數據做為業務核心的公司，這些公司生來就是要來顛覆傳統行業，它們打從開業的第一天起就把數據當做業務核心，叫車App Uber和防詐騙電話App Whoscall是最好的例子。
