網頁及網上商店用模板 還是用客制化的好？

想做一個網頁，或開一間電子商店，市面上有很多不同的團隊都能幫手弄。但有時，你會發現價格可以相差很多很多。這可能時因為團隊所採用的，是模板，還是整個網站或網店是客制化 (Tailor Made) 的緣故。那要怎樣選擇，才能切合所需呢？

又是老掉了牙的說法，看你業務所需吧！這裡，我列出兩個選擇的優劣，讓大家有機會在作這種決定時有個參考。

客制化的好處

1. 你可以隨心所欲，不受既有框架限制，建構你想要的功能
2. 你的設計可以獨一無二的，並為客戶留下獨特的印象
3. 由於系統設計和結構獨特，一般情況下被駭的情況較開源和使用模板少

客制化的壞處

1. 制作時間通常會較長，因為所有東西都是由零開始
2. 成本較高，因為要動用的人力資源較多
3. 除錯及維護成本較高，因為功能和設計都是新的，出錯和需要更新的機會較多

使用模板的好處

1. 建站成本較低，對剛開始的小生意來說具吸引力
2. 制作時間較短，幾等於隨插即用
3. 除錯及維護成本較低，因為功能和設計都有很多人在用，就算有出錯和需要更新，成本都會被攤分

使用模板的壞處

1. 只能選用已有功能
2. 你所用的設計，可能別人也在用

可見，兩種方案都是各有利弊。有見及此，最近我們試在我們的 Magento 網上商店套餐，推出了走中間路線的服務。做法是用修改過的模板，為客人用較低成本，做出一個風格上能適應客戶獨有的品牌路線。同時，比起客制化，制作時間會較短，而且維護和除錯的成本可以減到最低。

當然，除了設計和功能外，尤其是網店，保安都是很重要的。因為試想想，當你的網店被駭後，就算能回復到一兩天前未被駭的狀態，少了些做生意的時間都算事小，追回這一兩天的交易訂單跟進才是最麻煩的事。要盡量避免這個狀況，除了真正專業的客制化團隊，就只有像 Magento 這類保安記錄超卓的開源系統才能被依靠。

以下為一些我們之前套用 Magento 系統做的網上商店案例可供參考。

	18 FOREVER 目標為中國及香港客戶 http://www.18forever.com.hk/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	PS GROUP 目標為香港及中國客戶 http://www.nailnail-onlineshop.com/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	Double Standard Clothing 目標為亞洲客戶 http://www.dsc-hk.biz/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	Number6onlineshop 目標為歐美客戶 http://www.number6onlineshop.com/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	DDS 目標為香港客戶 http://www.ddshk.com.hk/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	花膠店 目標為香港客戶 http://www.fishmawshop.com/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	ALEX PIG 目標為全球客戶 http://www.alexpig.com/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	steela + steelo 目標為香港客戶 http://www.steelasteeloshop.com/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	Adore Beaute 目標為香港及中國客戶 http://www.adorebeaute.com.hk/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	Amon Online Grocery Store 目標為香港客戶 http://www.amonstore.com.hk/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet
	OSICA GROUP 目標為香港及中國客戶 http://www.osicagroup.com/ 採用最新Responsive設計全面支援 iPhone / iPad / Android / Tablet

想了解更多詳情，可參照以下連結。
www.motive-power.com.hk/eshop.html 

分析師的工作 是用數據說故事

很久沒這麼有靈感，可以在短時間寫那麼多文章。有一些是之前有想法記下草稿要寫的，有的就好像這篇文章般，看了一個話題幾篇文章而有感而發的。最先吸引我眼球的，就是在新聞上看到一篇文章 《IT人才荒 高層年薪達150萬》。這篇文章用的圖片，是一個在數據中心工作的工作人員。而最吸引我眼球的，就是 IT 人才荒我一早知，但用150萬港元請的高層，以我理解在香港的公司，不是帶生意來的人是不會有這個年薪的。要知道，IT人的薪酬高低，絕對會影響我的業務的議價能力及成本控制。

看過內文後，其中以下的一段文字，印證我的看法是沒錯的。

中原人力資源顧問有限公司董事總經理周綺萍指出，企業愈來愈重視CTO及CIO的職位，因為近年經濟尚未明朗，擅於分析市場數據的CTO、CIO，有助公司制定政策，加上社交平台、手機應用程式近年愈來愈盛行，公司為了搶攻市場，亟需借助相關人才，以研究有關數據。

這類人材，根本就不是純粹的 IT 人了。首先，忘記了甚麼 CTO 或 CIO 的名詞吧！要知道，很多掛著財務顧問的職位，說穿了都是銷售員，牌頭一早只是一個名字而已。這個人的工作，就像上圖左手邊的人一樣，拿著數據向右手邊的人說故事。

也讓我說說故事，隨著科技的進步，我們現在進入了這個大數據年代。人類這十多年間，數據資料的積累量，已佔了人類文明所產生的資料量達到 90% 了。這解決了以往一個問題，就是數據量不足以做成了預測上的誤差。只是，這龐大的資料量，也造就另一個問題，就是這些數據太「嘈吵」了。所以，這急需有人能從這些數據中找到甚麼東西是真正的知識，以及把這些知識演換成故事，讓其他人能理解的人。以下這段影片，很好地說明這是究竟是甚麼工作了。

這是一個全新的工作，十分有意義的工作。這些人做得出色的，出名的我當下想到兩個：

1. Nate Sliver - 成功預測美國多次選舉結果，也是著名追蹤和預測棒球比賽系統 PECOTA 的創辦人，著作有《The Signal and The Noise》（中文譯左《精準預測》），並曾受邀在 Google 總部演講有關大數據和分析處理數據等題目。
2. Billy Beane - 熱賣著作《Moneyball》中的主角，首位因把數據分析帶進棒球界的 General Manager，成功帶領 MLB 第二低的球費的 Oakland Athletics 在千禧年後多次成為西岸冠軍。而他的經營理念更給 Fenway Sports Group 模彷，帶到另一隊 MLB 棒球隊 波士頓紅襪隊，英超足球隊 Liverpool FC 中。

而沒那麼出名，甚至是沒那麼出色的，現在很多都在為人類做各種預測，上至在聯儲局預測經濟，至預測天氣，研究地震等等。而且在 Google 、Amazon、Apple工作的有一大堆，可以說，均是全球都受歡迎的人材。

過往，這類工作，光是資料搜集和製圖表，已經是一門生意來了。而有用過的朋友都會知道，這些市場調查服務本身都所費不菲。幸好，現在數據隨處都是，但要好這工作，都先要有計劃的，協調程式員編程去收集這些資訊，再要有做統計的找出知識，最後再將這些知識變成故事，策動其他人執行變成機構的業績。所以，能做這些 CTO / CIO 的人材，說實在全球難求。如果，150萬港元的年薪能找到一個，借錢我都會請，最不濟轉租其能力給外國的企業，都肯定是有殺冇賠的生意來。

換言之，如果閣下本身對數字 (尤其是統計學) 不感冒，又喜歡市場學，懂得一點點怎去編寫程式，甚至是喜歡銷售的話，其實這代表著一個機會。

這是一個資訊爆炸的年代，我們有很多的訊息，也有很多的噪音，就是欠了一些人，告訴我們這是怎麼的一回事。

申延閱讀：

• Data Stories - Think Insights - Google
• Tell a Meaningful Story With Data - Think Insights - Google

在 Windows 8 上跑 Chrome OS 的體驗

在看到Chrome的更新讓Windows 8的用家可以在Windows 8上試跑Chrome OS後，我也跑去試試。但開始應用時，由於連中文輸入法也不能用，所以就放棄了。但近來再用時，中文輸入法問題已經修正好了，才開始正式試用。

而用後發現，現在的我除了很小量的作業需要用到 Microsoft Word 或 Excel 外，90% 以上的時間，我都可以在 Chrome OS Mode 中完成。

如果大家想要在 Windows 8 上跑 Chrome OS，可以按此一步一步跟著做就對了。而且這樣用過以後，我開始明白為何 Microsoft 要拍廣告攻擊 Chromebook了。

當然，由 Microsoft 的廣告可見，Chromebook 有很多東西是做不到的。但最重要的問題是，我們現在平時是怎樣用電腦的？如果你的答案是如下：

• 上網 
• 看影片 
• 文書處理 
• 收發電郵 

那其實 Chromebook 已經處理好了 (註：文書處理需要用 Google Drive，電郵可以用 Gmail 設定為 Client 代為收發不同郵箱的電郵)。而在讓 Windows 8 的用家可以試跑 Chrome OS，最能讓用家感受到其實一部 Chromebook 是否已經足以切合所需。如是？你可以考慮 Chromebook 了，還能在價錢上省下一大筆費用。更重要的時，基於雲端運算的本質，Chrome OS不會有 Windows 常常出現在開關機時要硬性等待更新的困境，因為大部份的更新都在雲端上完成，而Chrome OS本身的更新也像 Chrome 一樣很好的在後台能完成了。

難怪 Microsoft 都感受到威脅了。

數據開源 讓使用者更能專注於數據分析

近日隨著大數據的話題，在 IT 業界越來越盛行，而且越來越多人都可能會趁勢炒概念。而我之前都透過以下兩篇閱讀相關書籍的撰文，談過大數據以及統計分析應用的一些話題。

• 從大數據到精準預測
• 以數字作為工具 檢討過去的一年

而現在所說的開放數據，簡單來說，就是把公營機構的數據變得能讓機械讀取和進行計算。這樣，就能方便的用電腦製作易看易懂的 Infographic，從而引發更多討論，和對物事有更深入的認識，並讓人類能更有效去管理社會。

而除此以外，其實商業和個人也可以將公營機構的數據，結合自己的數據、業務或興趣，整理和自行分析，去解答例如旅行人數和奶粉銷量比對等等...

也許讓我再舉一個更具體的例子給大家了解吧！以運動數據為例子，運動數據在開放數據這路上，可算是先鋒了。其中如 OPTA 這類有大型專業運動數據的公司，都會把其 API 開放給個人使用，和賣給商務使用的。他們會提供接口，讓使用者能自行編程實時運用其數據進行分析。而這個模式，讓球隊、球探、領隊，甚至是博彩業，都能專注進行其分析，好做好他們的業務。

而其中我覺得蠻有趣的例子，就是像 Squawka 一樣，把在 OPTA 的數據，轉換成易讀的圖表，並圍繞著這些建立一個談論和分析足球的社交網絡。如沒有 OPTA 的開放數據，相信這類平台的誕生會變得不可能了。

所以，數據開源的運動，除了透過共享製造協同效應外，也能衍生出不同的商業模式之創新，帶來不同的機遇。

申延閱讀：MaD 2014 - Mart VAN DE VEN 開放數據增加政府透明度的願景 (共兩部份)

從大數據到精準預測

因 《Moneyball》的緣故，拜讀了這本書，《the signal and the noise》（中文譯作《精準預測》）。其實，讀這本書前，先看 《Moneyball》是好事，因為其實有好多用數據去客觀觀察事物的方式，是一脈相承的。 《Moneyball》比較像是為我打開一道門，去重新發現利用數據和統計作為做決定的依歸的好處。而且也帶給我一種感覺，就是人事也將進入Big Data時代 ，只要有足夠的數據，請員工也可以像找棒球員般，可以用數據去作為依歸的衡量一個人是否合適進入機構辦事。

但讀到了《the signal and the noise》，我發現這個想法還有需要更深入的認識、分析和思考。

從中文版的書名和前言 ，你會預期了解 Big Data 的分析觀念和實務技巧，會讓你更好、更肯定的預測到未來的情況，從而做更好的決定。

說到預測模型，也許解說一下預測的根本。所謂預測，就是透過了解事件過去的因果，從而建構一個模型，去推斷同類事件在未來發生後的結果。

而現在的所有天氣預測、地震預測、經濟預測云云，都是建基於這樣的理論而去預測。過去，由於資料沒現時那麼方面，人們會把預測失準歸咎於資料不足，盼望有大量的統計資料就能解決問題。進入了現在大數據年代，資料不成問題時，預測又是否比之前更精準呢？答案是「或許」……

因為，原來在龐大的數據量中，同時也存在著巨量的雜訊。而這本書，就是在談運用統計原則，做一個好的預測。不要迷信統計數據，也不必捨棄傳統的預測模式，最重要是整個預測模型，是客觀和有根有據的。

其實，相關原則，在日常生活和工作上，也能應用得上。比如，你在機構中，問每一個銷售員，他們的成交比有多少，你會發覺大部份都會覺得自己的成交比是高過機構的平均數。所以正如我曾經提過，為自己留下數據及寫筆記，更能客觀地認識自己。

而且，當需要客觀實在去做一個決定時，可參考當中人家做預測研究的方法，讓自己更客觀，更抽離這個「我」，從而真正認識當下，提高決策質素。

而在大數據年代，透過閱讀這兩本書，啟發了我去想，除了大量吸納數據和資料外，更好的方法和預測模型，其實也可以是一個商業模式。

Big Data帶來一個做更好的預測的機遇，但真正要做好預測，還要夠客觀的態度為資料進行分析，從大量的雜訊挑選出有關係的數據，並理清當中的因果關係才行。