陳擎文教學網：經營模式與科技創新（Business Models and Technological Innovation）
☎1.因為科技創新而產生的新興經營模式，常見的有以下幾種：
◉按需經濟（On-Demand Economy） ◉訂閱經濟（Subscription Economy） ◉智能製造經濟（Smart Manufacturing Economy） ◉共享經濟（Sharing Economy） ◉電商平台經濟（Platform Economy） ◉數據經濟（Data Economy） ◉零工經濟（Gig Economy） ◉循環經濟（Circular Economy） ◉體驗經濟（Experience Economy） ◉分散式金融經濟（Decentralized Finance, DeFi Economy）
◉【互聯網技術的科技創新】➜把【傳統的實體銷售】經營模式➜轉向【電子商務，平台經濟Platform Economy】經營模式：(淘寶，Amazon)
◉【互聯網技術/數位平台】➜把【傳統DVD出租】經營模式➜轉向【在線流媒體服務】經營模式(Netflix) ◉【互聯網技術/數位平台】➜把【傳統出租車】經營模式➜轉向【共享經濟Sharing Economy】經營模式：(Uber) ◉【互聯網技術/數位平台】➜把【傳統酒店】經營模式➜轉向【共享經濟Sharing Economy】經營模式：(Airbnb住宿分享) ◉【互聯網技術/數位平台】➜把【販賣自行車】經營模式➜轉向【共享單車Sharing Economy】經營模式：(YouBike微笑單車) ◉【人工智慧/大數據分析技術】➜ 可以把 【傳統預測和分析消費者需求】 ➜ 轉成【訂閱經濟Subscription Economy】經營模式：(Spotify和Netflix)用AI精準推薦音樂/影片 ◉【人工智慧/大數據分析技術】➜ 可以把 【即時滿足需求的商品/服務的經濟模式】 ➜ 轉成【按需經濟On-Demand Economy】經營模式：(Uber)用AI精準即時匹配乘客與司機，優化出行路徑，動態調整價格 ◉【人工智慧/大數據分析技術】➜ 可以把 【傳統訂餐，打車，家政服務模式】 ➜ 轉成【按需經濟On-Demand Economy】經營模式：交通運輸(Uber、Lyft)，外賣配送(Foodpanda、Uber Eats )，家政服務(TaskRabbit) ◉【人工智慧/大數據分析技術】➜ 可以把 【傳統製造生產模式】 ➜ 轉成【智能製造經濟Smart Manufacturing Economy】經營模式：AI即時分析市場需求，即時調整生產計劃，降低庫存，縮短交貨時間 ◉【大數據分析技術】➜ 可以把 【傳統市場營銷與客戶分析】 ➜ 轉成【個性化營銷，精準推廣】 ◉【大數據分析技術】➜ 可以把 【傳統供應鏈管理】 ➜ 轉成【精準市場需求預測，精準庫存管理，精準物流配送】 ◉【大數據分析技術】➜ 可以把 【傳統金融風險管理】 ➜ 轉成【精準風險評估，精準欺詐檢測】 ◉【大數據分析技術】➜ 可以把 【傳統產品設計與服務】 ➜ 轉成【精準了解市場需求，指導新產品設計開發】 ◉【人工智慧生成技術】➜ 可以把 【內容創作產業】 ➜ 轉成【自動化內容生成平台】 ◉【區塊鏈技術】➜ 可以把 【供應鏈管理】 ➜ 轉成【去中心化供應鏈系統】 ◉【物聯網（IoT）技術】➜ 可以把 【設備維護服務】 ➜ 轉成【預測性維護平台】 ◉【無人機技術 ➜可以把 【物流配送服務】 ➜ 轉成【無人機快速配送網絡】 ◉【擴增實境（AR）技術】 ➜ 可以把【零售體驗】➜ 轉成【沉浸式購物體驗】 ◉【自動駕駛技術】➜ 可以把【出租車服務】➜ 轉成【無人駕駛共享出行服務】 ◉【生物辨識技術】➜ 可以把【身份驗證服務】➜ 轉成【無接觸生物辨識驗證系統】 ◉【基因編輯技術】➜ 可以把【傳統醫療治療方法】➜ 轉成【精準醫療與個性化治療】 ◉【可再生能源技術】➜ 可以把【傳統能源供應】➜ 轉成【分散式能源供應網絡】 ◉【區塊鏈技術的科技創新】➜把【需要靠傳統金融中介(銀行)進行交易】經營模式➜轉向【無金融中介交易】經營模式 3.AI人工智慧驅動的創新經營模式： ◉數據驅動的決策模式，Data-Driven Decision-Making Model：分析客戶行為、市場趨勢、競爭對手動態 ◉自動化經營模式，Automated Business Model：業務流程的自動化，工作流程的自動化 ◉個性化服務模式，Personalized Service Model：追蹤並分析用戶的歷史習慣，提供精確的推薦 ◉訂閱經濟模式，Subscription Economy：提供客制化的商品/服務，可彈性按年/月訂閱的經濟模式 ◉按需經濟模式，On-Demand Economy：提供即時滿足需求的商品/服務的經濟模式 ◉智能製造模式，Smart Manufacturing Economy：分析生產數據和市場需求，動態調整生產計劃與庫存 4.大數據分析驅動的創新經營模式： ◉平台經濟模式，Platform Economy：電商Amazon/第三方平台/社群平台FaceBook ◉按需定製模式，On-Demand Economy：製造業/外賣平台FootPanda/出行運輸平台Uber ◉訂閱服務模式，Subscription Economy：音樂和視頻串流平台(Spotify、Netflix)、軟體即服務平台(Microsoft 365)、日用品平台(Dollar Shave Club) ◉數據即服務模式，Data as a Service, DaaS：基於雲端計算的服務模型，亞馬遜AWS、微軟Azure、Google cloud(GCP) ◉基於數據的增值服務模式，Data-Driven Value-Added Service Model：用於廣告服務/電子商務/金融服務，可以精準營銷、個性化服務、預測分析 ☎5.數位轉型的關鍵之一是【利用數據來驅動業務決策】，企業應該搭建完善的【數據分析體系】： ※收集來自各種渠道的數據，包括： ◉1.顧客行為(網頁流量分析與代碼追蹤) ◉2.銷售數據(SQL資料庫) ◉3.營銷效果(問卷調查)等 ※再進行數據分析，可以洞察：【市場趨勢，產品市場滿意度，優化供應鏈管理，制定針對性的營銷策略】 6.收集數據的方法： ◉(1).傳統方法：【問卷調查析、訪談】 ◉(2).進階方法：【網站流量收集與分析(GA)、追踪客戶網頁/App上的線上瀏覽行為(GTM)】 ◉(3).最新方法：【人工智慧自動判別客戶行為後即時動態推薦商品】 ◉範例：【客戶徵信調查】銀行幫客戶打【信用分數】，探討與客戶【總收入，不動產，動產，每月房貸，撫養支出】，信用分數跟哪個參數有關係？， 統計分析檢定， 結論報告， 關係線形圖， 7.量化分析數據的方法： ◉(1).傳統方法：使用【SPSS】來做數據的統計分析、 ◉(2).進階方法：使用【Python(Scipy)/R程式語言】來做數據的統計分析、 ◉(3).最新方法：使用【生成式AI（ChatGPT 4o，Gemini Pro）】來做數據的統計分析 |
|||||
☎chp5.廣義電商相關的創新經營模式：
☎chp6.人工智慧相關的創新經營模式：
【二，實作：用Python結合人工智慧(機器學習/深度學習)，應用於商情預測】 chp2.數據處理基礎練習，及數據的3種格式：DataFrame，array矩陣，list串列數組 chp5.ptyhon人工智慧『簡易3步驟』程式寫法(簡易基礎13題)
【二，機器學習，Machine Learning】
【二.一，監督式學習：Supervised learning】 【二.一.一，迴歸預測：Regression Prediction】 範例5-1.用sklearn模組，『簡易3步驟』建立『線性迴歸模型』來預測『美元-黃金關係』 範例5-2.用『numpy模組』，『簡易3步驟』建立『線性迴歸』模型來預測『美元-黃金關係』 範例5-13.用『sklearn模組』，『5步驟』建立『非線性迴歸多項式』模型來預測『美元-黃金關係』 【二.一.二，分類預測：Classification Prediction】範例5-3.用sklearn模組，『簡易3步驟』建立『KNN，K鄰近』模型來預測『客戶關係管理裡面的客戶價值度』 範例5-4.用sklearn模組，『簡易3步驟』建立『邏輯迴歸』模型來預測『客戶關係管理裡面的客戶價值度』 範例5-5.用sklearn模組，『簡易3步驟』建立『決策樹tree』模型來預測『鳶尾花朵資料集』的花品種』 範例5-6.用sklearn模組，『簡易3步驟』建立『隨機森林法』模型來預測『鳶尾花朵資料集』的花品種』 範例5-7.用sklearn模組，『簡易3步驟』建立『支持向量機算法SVM』模型來預測『客戶關係管理裡面的客戶價值度』 【二.二，非監督式學習：Un-Supervised learning】 【二.二.一，集群分析，分群分析：clustering】 範例5-8.用sklearn模組，『簡易3步驟』建立『K-means分群』模型來把『動物園的動物數據自動分群』 【二.二.二，降維簡化：dimension reductoin】範例5-9.用sklearn模組，『簡易3步驟』建立『主成份分析PCA』降維模型，來把『二維數據』壓縮降維成『一維數據』 【三，深度學習，Deep Learning】 【三.一，迴歸預測：Regression Prediction】 範例5-10.用『深度學習的keras』模組，『簡易4步驟』建立『類神經網路』的『一顆神經元』『線性迴歸模型』，輸入x值，預測y 範例5-11.用『深度學習的keras』模組，『簡易4步驟』建立『類神經網路』的『多顆神經元』『非線性迴歸模型』，輸入x值，預測y 【三.二，分類預測：Classification Prediction】範例5-12.用『深度學習的keras』模組，『簡易4步驟』建立『類神經網路』的『多顆神經元』『非線性分類模型』，由『面紙的耐酸度，強度』來預測『客戶評估面紙的好壞』 chp6.ptyhon人工智慧『入門6步驟』程式寫法(入門13題，加上:評估model好壞，驗證overfitting，關聯度)
【二，機器學習，Machine Learning】
【二.一，監督式學習：Supervised learning】 【二.一.一，迴歸預測：Regression Prediction】 範例6-1.用sklearn模組，『入門5步驟』建立『線性迴歸模型』來預測『美元-黃金關係』 範例6-2.用『numpy模組』，『入門5步驟』建立『線性迴歸』模型來預測『美元-黃金關係』 範例6-13.用『sklearn模組』，『入門5步驟』建立『非線性迴歸多項式』模型來預測『美元-黃金關係』 【二.一.二，分類預測：Classification Prediction】範例6-3.用sklearn模組，『入門5步驟』建立『KNN，K鄰近』模型來預測『客戶關係管理裡面的客戶價值度』 範例6-4.用sklearn模組，『入門5步驟』建立『邏輯迴歸』模型來預測『客戶關係管理裡面的客戶價值度』 範例6-5.用sklearn模組，『入門6步驟』建立『決策樹tree』模型來預測『客戶關係管理裡面的客戶價值度』 範例6-6.用sklearn模組，『入門6步驟』建立『隨機森林法』模型來預測『屬於鳶尾花朵的品種』 範例6-7.用sklearn模組，『入門6步驟』建立『支持向量機算法SVM』模型來預測『鐵達尼號乘客是否生存』 【二.二，非監督式學習：Un-Supervised learning】 【二.二.一，集群分析，分群分析：clustering（K-means）】 範例6-8.用sklearn模組，『入門7步驟』建立『K-means分群』模型來把『動物園的動物數據自動分群』 【二.二.二，降維簡化：dimension reductoin】範例6-9.用sklearn模組，『簡易3步驟』建立『主成份分析PCA』降維模型，來把『影響紅酒的13種特種參數』簡化降維 【三，深度學習，Deep Learning】 【三.一，迴歸預測：Regression Prediction】 範例6-10.用『深度學習的keras』模組，『入門6步驟』建立『類神經網路』的『一顆神經元』『線性迴歸模型』，輸入x值，預測y 範例6-11.用『深度學習的keras』模組，『入門6步驟』建立『類神經網路』的『多顆神經元』『非線性迴歸模型』，輸入x值，預測y 【三.二，分類預測：Classification Prediction】範例6-12.用『深度學習的keras』模組，『入門6步驟』建立『類神經網路』的『多顆神經元』『非線性分類模型』，預測患者是否患有糖尿病
chp8.解決問題1：輸入變數刻度差距很大，造成計算誤差與準確率低➜資料要先預處理 範例8-1.用標準化類別函數StandardScaler()，把『波士頓房價資料集』先標準化處理，再用『sklearn線性迴歸模型』預測趨勢線 範例8-2.用標準化類別函數StandardScaler()，把『客戶關係管理的客戶價值度RFM資料集』先標準化處理，再用『sklearn邏輯迴歸模型』預測分類 範例8-3.用標準化類別函數StandardScaler()，把『客戶關係管理的客戶價值度RFM資料集』先標準化處理，再用『keras類神經網絡模型』預測分類 範例8-4.用標準化類別函數StandardScaler()，把『波士頓房價資料集』先標準化處理，再用『keras類神經網絡模型』預測趨勢線 範例10-1.用『獨熱編碼OneHotEncoder』處理『鐵達尼號資料集』，並用『sklearn的SVC支持向量機模型』來預測存亡 範例10-2.用『管道器pipeline』封裝『sklearn的SVC支持向量機模型』，並用『獨熱編碼OneHotEncoder』處理『鐵達尼號資料集』，並預測分類 範例10-3.用『管道器pipeline』封裝『sklearn的4種模型』，處理『由症狀用藥資料集』並預測用藥 範例10-4.用『管道器pipeline』封裝『sklearn的5種模型』，處理『員工流失率資料集』並預測A員工是否會離職 範例10-5.用『管道器pipeline』封裝『sklearn的5種模型』，處理『IBM電信的客戶流失率資料集』並預測A客戶是否會流失 範例10-6.用『管道器pipeline』封裝『sklearn的5種模型』，處理『歐洲信用卡公司盜刷資料集』並預測A客戶是否會盜刷 範例10-7.用『管道器pipeline』封裝『sklearn裡面的類神經函數+5種機器模型』，處理『員工流失率資料集』並預測A員工是否會離職 |
| 資源 | |||||
| 上課工具 | 線上黑板( Online blackboard) | 廣播教學 | 上課錄影影片 | Goole輸入法(Input:exe) | |
| 證照考試：商用數據應用師 | 考試題庫 (從中約抽70題) | 報名證照相關說明與方法 | 考試方式：100題單選題，每題1分，70分及格 | 考試指定用書 | |
| 數據集，資料集，dataset | UCI的各種資料集 | Kaggle的各種資料集 | 考試方式：100題單選題，每題1分，70分及格 | 考試指定用書 | |
| 上課參考教材 | 書籍：跨領域學 Python：資料科學基礎養成 | 書籍：Python 資料科學與人工智慧應用實務 | 書籍：一行指令學Python：用機器學習掌握人工智慧 | ||
| 書籍：用Pandas掌握商務大數據分析 | 進階書籍：Python商業數據分析：零售和電子商務案例 | pandas官網(英文) | w3schools的pandas教學(英文) | ||
| pandas參考教材 | w3Cschool的pandas教學(中文) | Steam教學網-python | 蓋若pandas 教程 | pandas的df的操作函數 | |
| colab繪圖如何顯示中文，方法1 |
☎#colab顯示繁體中文，方法1
問題：matplotlib繪圖，會發生中文無法顯示的問題 參考：colab繪圖如何顯示中文 ☎程式碼： #-------------------------------- # colab繪圖顯示繁體中文 #-------------------------------- import matplotlib # 先下載台北黑體字型 !wget -O taipei_sans_tc_beta.ttf https://drive.google.com/uc?id=1eGAsTN1HBpJAkeVM57_C7ccp7hbgSz3_&export=download import matplotlib # 新增字體 matplotlib.font_manager.fontManager.addfont('taipei_sans_tc_beta.ttf') # 將 font-family 設為 Taipei Sans TC Beta # 設定完後，之後的圖表都可以顯示中文了 matplotlib.rc('font', family='Taipei Sans TC Beta') |
||||
| colab繪圖如何顯示中文，方法2 |
☎#colab顯示繁體中文，方法2
☎程式碼： #-------------------------------------- # 課本的中文處理 #-------------------------------------- import matplotlib as mpl import matplotlib.font_manager as fm !wget "https://www.wfonts.com/download/data/2014/06/01/simhei/simhei.zip" !unzip "simhei.zip" !rm "simhei.zip" fm.fontManager.addfont('SimHei.ttf') mpl.rc('font', family='SimHei') # 這一行能讓字體變得清晰 %config InlineBackend.figure_format = 'retina' |
||||
| windows的spyder繪圖如何顯示中文 |
☎解決：windows的spyder，會發生中文無法顯示的問題 參考：windows繪圖如何顯示中文 ☎程式碼： #在windows 10 的spyder，繪圖如何顯示中文 #使用微軟正黑體（Microsoft JhengHei） plt.rcParams['font.sans-serif'] = ['Microsoft JhengHei'] #有些中文字體在碰到負號時，會無法正常顯示，尤其是內建的字體，加入以下語法就可以解決『負號無法顯示』問題 plt.rcParams['axes.unicode_minus'] = False |
||||
| 在colab如何更改目錄 |
☎解決：在colab如何更改目錄的問題 ☎程式碼： import os os.chdir("/content/drive/MyDrive/Colab Notebooks") !ls |
||||
| 解決簡體字csv造成亂碼 |
☎解決簡體字csv，打開後都是亂碼的問題： 第2 種方式： （1）先執行Excel 軟體，新增空白活頁簿， （2）然後在上方功能選項中點選「資料」➜「取得外部資料」➜ 「從文字檔」 → 「選擇csv文件」， 選擇你的CSV 檔， 在「匯入字串精靈」對話框中選擇檔案原始格式65001:Unicode(UTF-8) 即可。 若是utf-8還是有亂碼，再改成 在「匯入字串精靈」對話框中選擇檔案原始格式54986:簡體中文(GB18080) 即可。 （3）打勾：我的資料有標題 （4）分隔符哈：逗號 |
||||
| 程式模板 |
☎存入excel檔案，並且畫柱狀圖
|
||||
| 程式模板chp8-6.樞紐分析表的必要指令：展開 |
☎輸出excel檔案：建立3個資料表sheet（英文成績，數學成績，中文成績）
|
||||
| 打開chrome網頁線上英文字典功能 |
☎如何安裝google chrome的網頁線上英文字典工具： ➜google chrome的右上角工具➜更多工具➜擴充功能 ➜左上角主選單➜開啟chrome線上應用程式商店 ➜勾選：google製作，免費 ➜搜尋：google dictionary➜安裝 ➜到chrome右上擴充功能➜點按google dictionary的『詳細資料』➜擴充功能選項 ➜my language=chinese ➜打勾2個：Pop-up definitions: （1）反白單字翻譯：Display pop-up when I double-click a word （2）ctrl+拖曵整段翻譯： Display pop-up when I select a word or phrase |
||||
| 上課用excel | 學生成績-chinese | 學生成績-有缺值-chinese | 學生成績-物理歷史-chinese | 學生成績-amy-simon-chinese | |
| 學生成績-生日-chinese | 學生成績-分組-chinese | 人事資料-chinese | 男女時薪-chinese | ||
| 學生成績-english | 學生成績-有缺值-english | 學生成績-分組-english | 圖書資料-chinese | ||
| 上課用csv | 小費tips-chinese | 小費tips-english | 學生成績-chinese | 學生成績-english | |
| 圖書資料-chinese | |||||
| 上課用其它資料庫 | mySQL-ch09 | SQLite-student | json-學生成績 | xml-personnel | |
| 課本商業範例資料庫 | 商業銷售分析-sales csv | 系所生源分析-excel | 股市分析-台積電聯發科股票線型-excel | 問卷資料分析-excel | |
| pandas參考教材 | 十分鐘入門 Pandas(英文) | 十分鐘入門 Pandas(英文) | 10分鐘的Pandas入門-繁中版 | 十分鐘入門 Pandas(中文) | |
| pandas參考教材 | pandas官網全部章節翻譯 | pandas官網全部章節翻譯 | |||
| pandas參考教材(英文) | kaggle pandas教學 | 100 pandas tricks to save you time and energy | 官網0.22.0:pandas documentation | ||
| pandas參考教材(中文) | Pandas 101：資料分析的基石 | 資料科學家的pandas 實戰手冊：掌握40 個實用 | 簡明 Python Pandas 入門教學 | 資料分析必懂的Pandas DataFrame處理雙維度資料方法 | |
| pandas速查手冊 | pandas 速查手册 - 盖若 | Pandas速查手冊中文版 - 知乎專欄 | Pandas速查手冊中文版- 騰訊雲開發者社區 | ||
| pandas速查手冊 | Pandas中DataFrame基本函數整理（全） | Pandas 魔法筆記(1)-常用招式總覽 | pandas的df的操作函數 | ||
| 資料集dataset | 小費資料集Tips Dataset(csv) | kaggle小費資料集範例A Waiter's Tips example | 【視覺化】小費（tips）資料集分析 | 小費（tips）資料集提取和檢視相應資料 | |
| SQL語法 | SQL語法教程 | pandas vs SQL | |||
| 資料分析4大模組（runoob) | numpy | pandas | matplotlib | scipy | |
| w3c、w3school、w3cschool、runoob、w3capi比較 | runoob流量監控儀表板 | ||||
| w3school vs runoob |
1.w3school中文版是直接google翻譯英文版 2.runoob.com翻譯自英文版w3schools，但重新排版 3.runoob = run + noob(菜鳥，小白) 4.runoob是python，html，javascript中文版最好的教學網 |
||||
| 官網 | python官網 | vscode官網 | |||
| python 教學網站 | python 3(官網手冊中文) | python 3教學(中文) | python 3教學(中文) | 簡易1小時教學 | |
| w3school(英文版) | |||||
| 線上執行python online |
https://www.python.org/shell/（建議用這個） https://repl.it/languages/python3 |
||||
| 用Anacond寫python(*建議使用) | |||||
| 作業（homework） | |||||
| 作業1 | |||||
| 作業2 | |||||
| 作業3 | |||||