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) ◉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 |
|||||
【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 |