這個問題，牽涉到你想給「誰」一個良好的醫生形象。 對病人？對社會大眾？對醫療同儕？
#你希望誰認同自己 #找出正確受眾
#⃣ 對病人
想給「病人」良好的醫生形象，就是要精確問出關鍵，對症治療，明確改善症狀，而且互動過程能讓患者覺得「這個醫生很行」，有效解決患者生理跟心理的問題。
但比較現實的面向是，要做到這樣的程度，並不一定要照 guideline 走，甚至有時候為了解決症狀，所做的事情會跟 guideline 相左。
#⃣ 對社會大眾
想給「社會大眾」良好的醫生形象，考量到多數人無法直接與你互動，就要經營自己的視覺形象，包括接受採訪時的服裝、言語、自信、肢體語言，不要出社會新聞。
但現實面向是，你會發現很多非醫師，也很懂得穿上醫師服，利用這個方式獲取民眾信任，進而代言產品或推自己的書。
#⃣ 對醫療同儕
想給「醫療同儕」一個良好的醫生形象，在工作中與人互動要彼此尊重，帶領團隊以身作則，為所當為。這我們都知道。
但現實面向是，這樣的人或許是令人尊敬的同事，卻不見得讓長官喜歡，升遷也未必輪得到。
#⃣ 希望「誰」認同自己
所以，同學會問這個問題，一定有個「希望他能認同我」的標的對象。
除了思考這個對象是誰之外，我們也可以深入挖掘自己，到底為什麼我這麼在意？讓我這麼在意的原因是什麼？是過去的家庭教育嗎？是為了真正有效的實用價值嗎？還是這反映了我自己的某個價值觀，連自己過去都沒注意到。
而為了實踐這個「給某些人好形象」的目標，你可能要付出什麼，尤其必須考慮現實面的副作用，是不是自己能承受，也願意承受的。
#⃣ 找到正確的受眾
以新思惟來說，我們希望給上過課的人，「真正來報名，且在意是否學到東西的人」好形象。所以，我們的心力都花在課程規劃跟執行上。
但也因此，我們的價格以及網站，在 PTT 上就曾經被酸民攻擊，這就是現實面，因為不來上課的酸民不是我們能顧及的，而這樣的副作用，我們能承受，也願意承受。
我們都出社會好一陣子了，面對現實，而依然能完成自己心中的小小夢想，承受逆風也決定一肩扛，就是中年人的浪漫。
🔥 我們堅持，讓您的人生更好。
🔹 【課程報名倒數】2019 / 11 / 30（六）
🔹 網路時代之個人品牌工作坊
🔹 https://pati2015.innovarad.tw/p/event.html
🔹 部落格是個好東西，人人應該都要有一個。
⭐ 7 種網路應用，一天就能學會！
✓ 網路效益：全新與世界直接連結的方式
✓ 平台解析：數據分析與實戰歸納
✓ 進階應用：辦活動、教小孩、新領域實例與拆解
✓ 互動實作：從無到有做出自己的部落格
✓ 遊戲規則：酸民、法律、著作權等艱難狀況應對
✓ 內容形式：該寫什麼？效益分析及實用建議
✓ 專業強化：不同業務型態的實際應用與成功關鍵
🔥 【課程報名倒數】
立刻報名｜https://pati2015.innovarad.tw/p/event.html
網路改變世界，是個超級巨大的浪潮，你可以選擇慌張滅頂，也可以選擇站在浪頂。
這堂課，將與你分享大浪特性、生存與繁榮之道，帶你打造衝浪板，帶你一起玩，建構屬於自己，獨一無二的「網路時代」精彩專業生涯！
大數據應用實例ptt 在 [心得] 大數據改變看待事物的方式- 看板book 的八卦
身為分析資料出身的人，我一看到這本書立刻就買了
覺得很值得一讀，在這邊跟大家分享心得
文中提到書中很多案例，但都避免涉及細節，以免減損版友閱讀的樂趣，請放心
請多多指教～
可參考無音樂無廣告網誌版：
https://monkeyinsight.blogspot.tw/2013/08/big-data.html
Big data以及data mining在最近幾年非常熱門。由於科技進步，
大家能取得、儲存、和分析的資料量非常大幅度地增加，也出現
了一些有趣的分析結果（例如Google預測美國那些州會爆發流感）
，因此大家都感受到這股趨勢席捲而來。之前雖然偶而讀到一些
文章介紹最新發展，但直到讀了這本書，我才清楚了解big data
對這個世界的影響有多深遠。
從表面來看，這本書有大量實際應用案例，讓我們可以知道哪些
領域已經開始享受到big data的好處。例如消防機關判斷哪棟建
築有失火風險以降低火災次數，網路商店如何推薦商品讓消費者
願意多付錢，或是快遞公司重新規畫路徑以增進送貨效率。big
data憑藉強大的運算能力，挑戰人類的智慧。以往很多事情都是
依賴人們的經驗來做決定，就像電影《魔球》裡面的老球探們，
總覺得自己的感覺最可靠，可是其實感覺是很不可靠的，社會心
理學不斷提出實驗證明人的判斷力會受到當下周圍各種因素影響，
甚至氣溫比較溫暖都可能讓人覺得社會比較溫暖。人的判斷力這
麼不可靠，能處理的資訊量又遠不及電腦，因此未來勢必有愈來
愈多領域會依賴big data協助做決策，甚至完全讓電腦做決策
（像是Google廣告讓電腦自己決定要放什麼廣告給這個使用者）。
我最喜歡的案例是用big data改進電腦翻譯能力。製作翻譯機器
有兩種途徑，一個是找語言專家來設計兩個語言的對應關係，另
一個則是看大家是怎麼翻的。找專家看起來很精確，但語言是活
的，充滿無數個例外，再多專家也難以窮盡所有的語言規則。因
此如果能夠參考大量的原文書和翻譯書，分析別人都是怎麼翻譯
的，應該更能創造出流暢的翻譯結果。我喜歡這個概念，有一種
群眾智慧勝過專家的感覺。
然而，作者認為big data更重要的影響是深層思考觀念的改變，
這股趨勢將會改變人們看待世界的方式。
首先是他改變了分析資料的哲學，世界上絕大多數的研究，不論
是收受試者做問卷或做實驗，幾乎都是採用抽樣方法，即用少數
人的態度行為推估全部人的態度行為。為了能說服別人實驗結果
可以類推到全世界，於是發明統計學以及各種實驗設計法。但這
是權宜之計。如果可以，誰不想真的去研究全世界的每一個人呢？
現在，我們真的可以研究每一個人了。big data的意義不完全在
於資料量多，更重要的意義是，他的樣本等於母體！例如賣場要
知道消費者買啤酒同時還會買什麼，他不再需要隨機抽取100個
消費者去問，他只要利用結帳資料，就可以看到所有到這個賣場
的人買啤酒的時候還會順便買什麼（這就是有名的啤酒與尿布的
傳說）。這是事實，不是推估的結果！
此外，由於big data處理的資料量通常很大，資料的精確性就可
以被犧牲。例如上述電腦翻譯的例子，我們重點是要收集大量的
翻譯資料，管它翻譯品質好還不好，管他每一句的主詞受詞怎麼
對應。作者相信，量大就會產生質變，我們的重點是取得最大量
的資料，如果斤斤計較每筆資料的正確性，或是還要花時間去整
理每筆資料的格式，大概要一百年後才能開始分析了。這對於我
們習慣抽樣研究的人來說絕對是個衝擊，我們念茲在茲思考問卷
的問題是否精確，每一個行為要怎樣量化，一切都要求標準化。
這其實也是個權宜之計，因為我們也知道人們在日常生活中的行
為絕不可能標準化。結果這堆工程師竟然可以運用演算法分析雜
亂無章的資料，說不定反而更真實反映人類行為。
最後一點，作者認為將改變世界，就是「放下長久以來對於因果
關係的堅持...相反的，是要從資料中找出事物的模式，以及彼此
的相關性...我們可能無法瞭解某件事情為何如此，但卻能夠知道
事情正是如此」。這點非常重要，我們往往想去探究因果關係，
讓一切事件的發生都顯得合理，然後最好還能根據這個因果關係
去預測未來將會如何發展，然後才敢下決定。但正如《黑天鵝效
應》一書所說：預測預測個頭！天底下沒有任何事情可以有百分
之百確切的證據證明因果關係的存在，所有因果關係都只是人類
的一種感覺而已。但很多人需要擁有這種感覺，才敢做出決定。
例如要證明買啤酒的人是因為老婆交代他去買尿布，他不得不去
逛賣場，為了給自己獎勵，所以也買了啤酒。得到這個故事，就
好像一切都明朗了，就願意接受啤酒和尿布存在某種關聯，然後
才敢把尿布和啤酒放在鄰近的貨架。說實在，我才不相信每個買
尿布與啤酒的人都是這個原因。與其花時間在那邊解釋這個資料
是怎麼回事，身為賣場經理，是不是應該更快速採取行動呢？作
者傾向回答是。因為事實就是如此，管他為什麼。等思考出一個
原因，很可能時不再來了。
我還不知道該怎麼取捨，相關和因果都很重要。因為big data的
資料量多，很容易得出某兩個變項之間有高相關的結論，例如橘
色跑車故障率低。如果不試著找出背後可能的原因，這個結論真
的可以用嗎？你買中古車的時候敢直接就挑橘色的嗎？因此，相
關和因果誰比較重要，應該是見仁見智。big data重視相關的取
向是不是一定比重視因果的取向有效，現在也無法預測。
我想big data的趨勢應該在近幾年只會愈來愈熱門，雖然我不是
寫程式出身，不懂演算法是什麼，但作者分析big data的人才有
三種：能取得資料的人、能分析資料的人、以及能開創big data
價值的人。至少我們可以當第三種人，思考目前的產業可以怎樣
運用big data而創造更大的價值。
最後註解一下：雖然我引用了《黑天鵝效應》的話，但其實該書
作者Taleb在《反脆弱》一書中明文表達不相信big data的研究
價值。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 1.162.69.170
但我們畢竟平常也要過生活，總是要有方法處理99%的平凡事件
※ 編輯: tsim 來自: 59.125.119.143 (08/28 09:20)
... <看更多>