從全景攝影到全息影像

Panorama（全景圖）由來已久，從十八世紀的畫作就有這樣的概念。例如下圖，是 Robert Barker 在 1972 年畫的倫敦全景圖，還有中國宋朝的「清明上河圖」。

進入數位相機的時代，相機上都有「橫著連拍數張，然後連接成一個大橫幅照片」的「全景攝影」功能。顯示出我們多麼想要跟別人分享「我的視線所及的一切」。

概念和技術都不見得是新的，但是「使用情境」的創新並沒有停止。Sony 數位相機一直保有一個專利，是「按住快門然後旋轉身體，放開快門後，相機會自動生成全景照片」，其他廠牌相機都不能用，直到 Google 的 Android 4.0 內建了類似的功能，因為手機不用按住快門，而是改用偵測手機本身旋轉的角度，所以避開了 Sony 的專利限制。

全景不僅僅限於橫幅，也可以是 360 度立體的全景。第一個在網路上提供這種應用的其實是 MicroSoft（Photosynth），讓大眾上傳某個景點的照片，然後電腦會自動偵測每張照片的角度，結合眾人的照片組成該地點的立體全景。07 年的時候曾經有好幾個機構在進行這個「組合多種來源照片成為3D實境」的演算法開發，不過後來推出的 Google Streetview 把其他服務完全打敗了。

日前中興大學的團隊就提出新的「全景實景虛擬環球旅遊系統」，利用 Google 的街景資料庫來做虛擬的旅遊，雖然 Google Streetview 的資料庫還沒有到「全息影像」（Holography）的程度，但離真正的虛擬實境也已經不遠了。

[摘譯] 受孕的最佳季節

原文：The Best Season to Get Pregnant

傳統上一直有這樣的說法：冬天出生的小孩身體比較差，而某幾個月出生的小孩比較健康。現在這個說法獲得了科學的證實，普林斯頓大學的經濟學家分析了大量的資料，結果刊登在最新的 Proceedings of the National Academy of Sciences. 上。

簡單的說，5 月受孕（冬天出生）的小孩，早產的機率高出13%，平均懷胎時間少一個星期以上，而早產與「低體重」還有其他健康問題息息相關，所以平均上也比較容易出現認知發展較遲緩、免疫力較差、視力不佳等問題。

那麼，什麼時候懷孕的小孩最健康？6~8月，想要生個健康寶寶的人加油啦！

學校是做什麼用的？

筆者從小就對教育有很多意見，最近看到有人要翻譯 Seth Godin 的 Stop Stealing Dreams 這本小書，「學校是做什麼用的？」，就贊助翻譯了幾篇。

其實對 Seth Godin 的想法並不是 100% 贊成。從認知發展的觀點來看，「背誦」對一些基礎知識的建立還是很有意義的，創造力必須建立在某種程度的知識基礎上，才不會流於天馬行空的胡思亂想。

子曰：「學而不思則罔，思而不學則殆」。雖然不是說孔子講得就一定對，皮亞傑的認知發展理論也提出了調適（accommodation）與同化（assimilation）兩個過程對學習的重要性，至少可以說明學與思並重的想法是跨越時空的。

筆者自己是從相對強調背誦的領域開始，為了解答自己心中的疑惑，一步一步轉到電腦科學領域的，所以對「情境式的學習」、「自發式的學習」有深深的感觸，也對學校以「量產標準產品」的方式做教育相當不以為然。

不滿歸不滿，畢竟也不再是十幾歲的年紀了，歲月讓我了解到，其實台灣的教育不是制度的問題，而是文化的問題，所以，無論教改怎麼改，只是徒然造就更多的補習班和更沈重的升學壓力。因為這些現象是家長的「單一評估標準」、「怕輸給別人」這種心態的救贖，是青春期學子在發展自我認同時「怕跟別人不一樣」的解藥。

這些躲在文化底層的恐懼，不是在政策制度上「刻意模糊評估標準」就可以解決的。制定政策者不去治療恐懼的源頭，卻以為透過制度讓大家不知所措就可以造成「多元化」，也才造成今天教改的悲劇──習得的無助。

文化的問題要靠文化活動來解決，所以，就從一本「不一樣的意見」的書開始也不錯。

[Data Analytics] 市場區隔的新架構：以使用情境來區分顧客

原文：A New Framework for Customer Segmentation - Judy Bayer and Marie Taillard - Harvard Business Review
中譯：http://www.hbrtaiwan.com/blog_content_229.html

顧客區隔（customer segmentation）大抵算是市場研究（market research）裡用到稍微複雜一點分析技巧的部份，傳統上是把顧客的基本資料，像是性別、年齡、收入、居住地、態度偏好等等，用統計方法做分群（clustering）。

近年來，由於「使用者中心設計」（User-Centered Design）的思維大行其道，一些專家們也意識到傳統的作法由於出發觀點的不同，逐漸遇到瓶頸：

我們一方面跟人們提到區隔、鎖定和定位，一方面又談論掌控權逐漸從品牌轉移到消費者手上，而這兩件事之間的落差愈來愈大。顧客和學生愈來愈常質疑這點：我們一會兒主張區隔市場的嚴格方法，因為「我們不可能迎合所有人的需要」，但一會兒又宣揚樂高（Lego）和星巴克（Starbucks）等公司實施的共同創造（co-creation）理念，也就是和顧客展開對話、讓顧客更容易取得服務、分擔風險和主張透明度〔參閱普哈拉（Prahalad）和雷馬斯瓦米（Ramaswamy）合著的《消費者王朝》（The Future of Competition）〕。 

茱迪．貝耳和瑪麗．泰拉德 (Judy Bayer and Marie Taillard) 也緊接著提出了顧客分群的新架構，以下是參考的步驟：

• 步驟#1：識別顧客使用公司產品的背景環境。在行動電信領域中，這類工作的例子可能包括：「漫遊時與親友聯絡」、「週末外出時選擇最佳娛樂和用餐機會」和「使用智慧型手機時變得更有信心和安心」。使用多種研究技巧的行動服務供應商可能會發現，顧客群裡尚待完成的工作有五十項或是更多，一個人通常會經由某個特定供應商或品牌來完成數項工作. 
• 步驟#2：在背景環境中結合關於交易和顧客行為的資訊，以說明每項待辦的工作。 以週末的娛樂為例，我們會尋求以下的組合：週末搜尋娛樂資訊、搜尋地方餐廳、影評，以及關於電影、音樂會或餐廳的推文等社交行為。「變得更有信心和安心」的工作，可能會使用客服中心與顧客互動的資料，並且偵測新智慧型手機上未曾使用的功能。初步的研究，會基於待探索的背景環境和現有的資料，而選擇每一項「待辦工作」的實際相關資料。這與傳統的行為區隔迥然不同，傳統的行為區隔將焦點集中在各種個別變數上，例如語音通話的比例。在此，我們需要整體性的資料觀點，以找出某個背景環境的特徵。
• 步幅#3：使用資料找出個別顧客與工作之間的關聯。根據每一項已完成工作與每位顧客的相關性，對他／她打分數。某位特定顧客可能需要20%的娛樂工作、2%的信心工作，和40%的接觸工作。顧客背景資料會散佈於所有的工作，一個簡單的步驟是，根據顧客的待辦工作組合，而非顧客的「原始」行為、人口統計資料或態度，將顧客集中起來。每個區隔裡面可能只有三、四項重要的待辦工作。這讓針對每個區隔的特定解決方案能夠發展。

如果讀者對市場分群已經有基本的概念，那麼這個新架構可以很單純的看成觀點的改變：傳統關注的是顧客的「客觀屬性」，而新的架構則是聚焦在「顧客怎樣使用我們的服務或產品」。這其實跟近年來產品與服務設計上「使用者中心導向」的趨勢，以及著重「使用者體驗」息息相關。

筆者覺得，相似的觀點轉變應該很快的會進入到其他顧客資料分析的應用上。

如果「解決問題」不再是可賴以為生的能力

上個月是畢業季，專業社群網站 LinkedIn 特別彙整了許多今年美國各大學的畢業演說，放在 Class of 2013 這個主題之下。應邀到各大學演說的當然不乏產官學界的名人，許多演說的內容都相當發人深省，這裡有一篇是筆者覺得比較特別的：「解決問題不再是可賴以為生的能力」（Class of 2013: You Can’t Make a Living Just by Solving Problems | LinkedIn）。

演講者 Don Pepper 是 TeleTech 的合夥人，他提到：科技日新月異，人的工作可以被電腦取代的越來越多，由這個趨勢來看，在可以預見的將來，只要是有「標準作業程序」（SOP）的工作，都將被電腦取代，因此人類的優勢或者就業的價值將由「解決問題」移轉到「定義問題」，然後將問題交給電腦去解決。

Don 似乎並非科技狂熱者，但他經營的卻是「流程外包」的公司，所以不難想見，即使在電腦還不能解決這些問題之前，他的公司也可以幫企業找到更便宜的外包商，來執行這些標準化的作業流程。所以，他的建議也應該算是相當中肯。


我想到的，是台灣代工的宿命。製造或代工絕對有其專業之處，但是如果想要產業可以轉型，似乎也要慢慢往「定義問題」那一端前進，才有出路，即便是重新定義「代工」這個行業，也是新的契機。但是如果只是把某些執行步驟練得純熟，那麼終究難以避免被更便宜、更熟練的競爭者所取代。

至於要怎樣才能做到「定義問題」，我想除了思維上的轉變之外，理解市場的能力也是不容或缺的，不過這應該要另外討論了。