發表文章

閱讀筆記:原子習慣:細微改變帶來巨大成就的實證法則

 匆匆翻過這本書,希望可以從最近的經歷得到反思,並且思考有何可以更進步的地方。 這本書看到印象最深刻的是,改變習慣最有效的方法,是改變身分認同。 改變的發生分三個層次: 第一層是改變結果,設定目標並且改變。 第二層是改變過程,改變習慣與系統,我認為這點可以從讓自己與目標類似的環境著手,比如我想變成一個資料科學家,我就常常與資料科學家為伍,每個禮拜固定參加讀書會,常常與他們討論資料科學,並且向他們請教如何思考,並且參加資料科學比賽。 第三層是改變身分認同,改變自我形象、抱持的信念、假設與這有關。相信自我形象、天分可以透過後天努力改變,讓我想到先前「輕鬆駕馭意志力」(不確定有沒有記錯)提到,沒有自信的人可以每天早上對鏡子裡的自己說「我是一位XXX(就是你想達到的目標、你想變成的人)」20次,久而久之就可以達成,我想確實就是這樣,當每天都在做想成為的人做的事情,不知不覺你就成為那樣的人。改變與進步是從小地方一點一點累積,不知不覺就變成很大的進步與改變。

黑心建商的告白:買屋前不看會哭的17堂課

 最近在青埔看了大約半年房子,朋友借給我這本書,讓我更了解建商推案廣告的手法。建商可能分兩期推案,第一期的建案用較不好建材,賣較低價,保留一半暫時不賣,下一期推案用較好建材賣高價,快賣光時再把原本保留的第一期釋出,並且價格只比第二期低一點,但是消費者會因為價格比第二期低買單,然後用還用話術讓買第一案保留戶的消費者覺得他們買便宜了,其實根本就是買貴。 建商可能把雨遮灌在室內坪數,雨遮可能有兩坪之多,等於可能50萬元~100萬元是花在雨遮。有些建商一開始公設由建商代管時管理費低,但是公設轉交管委會時管理費暴增。建商可能用普通建材,如石英磚、一般鋁門窗、國產排瓦斯爐,然後找知名設計師設計房子但是找沒名氣的建築師送照,蓋的漂亮卻不一定耐用、耐久。 先建後售有個缺點是施工過程無法參與,無法眼見為憑。買預售屋可以監督,比如建商施工圖畫好後,就跟工地主任影印,確認鋼筋、灌漿、裝修等工程是否完善,比如灌漿前建商可能沒清乾淨就灌漿,還可能發現灌漿完水泥中有菸蒂、菸盒等。 核對建材等級,比如合約可能寫說窗戶使用「YKK或同級品」,同級品可能根本就是次級品。 建商可能在管委會安插人馬,讓管委會不同意見者歧見加深,讓住戶不團結就不會炮口都對向建商了。 建商為了要讓每坪單價便宜,可能把價格灌在車位,這樣每坪單價就可以降低,但是事實上總價一樣,消費者還會以為買便宜了,可能其實賣貴。 買房時要注意路寬是否能夠讓消防車進出。 看公社要看洗手間,因為很少人用,才能看出建商施工水準。 進到房子後,要看廁所,把廁所天花板打開,因為廁所大多結構面部會經過粉刷修飾,最適合拿來判斷施工品質,看有無水漬、平整度、通氣度等。 邊看這本書邊看建案,可以快速增加自己看房的實力,供需要買房的人參考。

閱讀筆記:創客創業導師程天縱的管理力:企業經營、新創發展、掌握趨勢不可或缺的28個觀念與工具

這本書是曾任職中國惠普總裁、美國德州儀器亞洲區總裁、富士康集團副總裁的程天縱先生所寫,讓我印象深刻的是,作者在書中闡述了從德州儀器、惠普、鴻海任職的管理經驗,並且相當難能可貴的,雖然已做到專業經理人,但能說出曾任職的鴻海的優點、可改善的地方,相當不易,書中也隨處可見作者誠懇的、殷切的想把寶貴的管理經驗、價值觀傳授給後進,從管理下屬到解決問題、對企業二代的想法、企業文化、到併購案例、個人發展、企業轉型,看完這本書就像是程天縱先生親自上管理課一樣,這本書的內容質量可與大學裡的MBA個案課程比擬,甚至更有價值,推薦給各位。 

閱讀筆記:財務自由,提早過你真正想過的生活:楊應超Kirk Yang審定推薦,關於時間、自由、金錢、副業的實用思考

先重點摘要最後是心得 第二章:時間比金錢珍貴 我們普羅大眾對退休的想像是,找一份工作,存足夠錢了,年紀大了就退休,但是這樣沒辦法早點退蕭,而且通膨會吃掉資產的價值,越早投資、投資越多,資產成長的速度也越快。 第三章:你的財務自由數字是多少 盡量將投資獲利用於再投資,並且將資產大量比例用於投資,作者只保留一年的生活費。每次的消費,都是犧牲這些錢用於投資未來成長的潛力,審慎控管消費。 第四章 如何快速累積財富 除綠綠會直接影響達成目標需要的時間,增加1%儲蓄率或是每天多存一美元都能做到改變 第七章 唯一需要做的預算 居住支出占美國家庭預算的33%,想節省居住支出,你可以搬到便宜的住處,或出租空房 不要在小錢節省,但是在大額消費上不多加思考,比如可以買車齡兩年的汽車而不是買全新的車子,或是買五年內的新古屋,而不是買新成交的房子,這樣便可以省下大錢。假如不要住大房子,住較小的公寓,用較節省的方式通勤,或是自己煮飯,儲蓄率就可能增加,可能可以好幾十年達到財務自由。 第八章:善用正職工作 對於工作,應該用創業家的角度去思考。長期職涯目標應該是建立人脈、培養技能與大量學習,獲得資訊或人脈,學到其他人或公司的賺錢技巧,應用在未來的全職工作、副業與營利事業上。主動爭取加薪,會為整體的財富帶來舉足輕重的影響。 全職工作是很棒的收入來源,應該把這份工作當作跳板,並最大化能獲得福利和薪水的機會(比如爭取加薪),同時建立其他收入來源。 最大化福利,包含使用公司提供的保險、進修課程。 弄清楚是否應該爭取加薪的四步驟: 1.弄清楚你目前的市場價值(其他公司願意付多少薪水給與你相同經驗與技能的人) 2.弄清楚你對公司有什麼價值(取代你要多少代價、你的公司透過你賺多少錢、你的表現超出預期的有多少) 3.決定你應該爭取多少額度與適當的開口時機 4.開口詢問 長期而言,技能加上人脈等於金錢。 第九章:如何發展副業? 如果你有做副業賺錢,但沒有將副業收入拿去投資,或擴大副業,那就等於是浪費時間而已。為副業創立公司有個好處是,很多經營的支出可以抵稅,為了副業出差等公關費用可以自應納稅額中扣除。 要經營什麼副業,可以用以下四個步驟評估: 1.分析你的技能與熱情所在 2.評估你副業的賺錢潛力 3.如何收費 4.何時可以擴大規模 第10章:快速成功的投資策略五步驟 每一天的複利都很重要,所以應該要盡快開始 有五個...

閱讀筆記:行銷資料科學實務: Hands-On Data Science for Marketing: Improve your marketing strategies with machine learning using Python and R

這本書簡要的說明如何用Python或R語言做行銷資料科學,涵蓋範圍相當廣,從資料科學分析方法的分類、KPI如顧客轉換率、Drill down分析、顧客參與率、產品推薦系統、個人化推薦、顧客終身價值、顧客流失預測都提及。各章會從資料清理、資料分群之演算法,到分析後得到的洞見都觸及,且直接將每個章節分成兩個部分,一部分用Python處理,一部分操作意義完全相同,但是用R語言處理,這樣大幅節省使用者前後翻查找程式碼或是查找定義、名詞的時間,作者非常為讀者著想。書籍中不會用非常困難的機器學習演算法,而是用已經可以調用的套件,而且用相當簡要的語言簡單闡述機器學習演算法的用途,讓人可以相當輕易地使用,且單就這些可以簡單調用的套件,就可以產生不錯的結果。想要了解行銷資料科學的同好,可以考慮購買此書。 

閱讀筆記:2030轉職地圖:成為未來10年不被淘汰的國際人才

當今我們會聽到AI、AIOT、區塊鏈等等硬技能相關的詞語大家應該都很耳熟,但是軟性技能也是很重要的,作者幫各位統整出以下至為重要的軟性技能,其中作者就多年來的經驗與經手過的案例得出最重要的兩項 1.人脈網(Networking) 2.狼性(Aggresive) 其餘八項: 1.持續學習(Continuous Learning) 2.創造力(Creativity) 3.自發性(Initiative 4.領導力(Leadership) 5.批判思考(Critical Thinking) 6.問題解決能力(Problem Solving)   人脈網路及狼性是台灣人特別缺乏的,臺灣求職者在職場上偏保守且溫和,不善於自我表現,缺乏狼性特質,尤其是求職者的目標企業若為外資公司,這是必須跨越的關卡。在外資文化中,勇於表達意見,可以透過他人的回應增強實力,等待他人指令才完成工作,會成為被淘汰的首選。 作者也指出,在英國面試獵頭工作時,仲介獵頭表示,回答為什麼想當獵頭,必須回答「Money」,在與許多英國高階經理人交手後,發現大多英國面試官都喜歡這種直白、直接的答案,這是台灣人大多缺乏的狼性及野心。 人脈網路方面,作者認為應該要時刻保持良好的人脈網路,比如多參加Accupass的聚會,吸收產業新知。 關於在一個職位該待多久,作者指出不應侷限在工作三年才可轉職這個年限,有時候等到三年,機會就已經流失了。這與提出80/20法則的作者理查.柯克在2010年著作「超級關係」中提出研究發現3~5年應換工作,薪水才能最大化的年限不同,更大幅縮短,代表現今產業更迭多快速,求職者應加快步伐,才能應對挑戰。 以上是綜合最有印象的部分及心得,這本書從獵頭的觀點,自轉職、工作的心態都述及,相當值得台灣就職者參考,相當精采。 

閱讀筆記:黑天鵝效應

  這本書已經出了很長一段時間,會想再看一次的原因是由於,發現與目前AI領域遇到了類似的問題,這篇心得其實沒有提到書內大部分內容,而是本書內容與目前AI領域相關的心得。書中提到,在預測股市方面,一名經濟學家(Spyros Makridakis)指出,在2000份證券分析師的樣本中,這些分析師什麼都沒有分析到,根本不準,那些複雜的模型根本沒有用,反而有些簡單的比率,用來預測股市,例如流動比率、流動負債,還比複雜的模型管用,換言之,模型變得複雜,預測能力卻不一定增加。書中也提到,人類文明的進步,是相當隨機的,過去的經驗可能完全無用。相較於目前AI遇到的問題,以目前翻譯模型翹楚的Transformer為例,Timothy Niven等人就指出模型根本沒看懂句子的意思,只要句子稍微變更,模型就無法看懂意思,知名AI學者François Chollet也指出,目前取得的成果無法指出AI模型已經產生智慧,讓我聯想,也許我們目前仰仗的AI模型架構、訓練方法,可能根本已經方向錯誤,人類要讓人工智能誕生,可能需要的不是統計學,而是生物學、神經科學,我們目前人工智能進展的方向,也許需要巨大的修正,而這需要跨領域學者共同努力才可能達成。