在Fedora上安裝Apache

Install Apache in Fedora 17.

First step, run terminal application and login in root privileged account

# su
# "password"

Second step, download apache on yum server

# install apache yum install httpd

Third step, start apache service

# /sbin/service httpd start

Note: "yum" command needs internet connection. In company intranet, usually, it prohibits yum from accessing outside intranet, so you may need to set up proxy for yum server.

Drupal疑難排解

問題一：Drupal都自動連線到跟目錄？
這問題可能是Apache的httpd.conf中的dir_module沒有把php預設為目錄網頁，
設定如下：

安裝Drupal7

承上次Apache架站手札現在紀錄的是如何安裝最流行的CMS(content management system)之一Drupal，首先在Drupal官網上找尋最新版本套件下載，之後先建立一套專屬於Drupal的Database，之後只要依照以下設定就可以完成Drupal的安裝：

建立MySQL資料庫

在安裝Drupal之前，建立一套專屬於Drupal使用的資料庫是必需的，好讓Drupal的功能發揮得更加淋漓盡致。

新版的MySQL(5.5版)附加了WorkbenchCE的管理工具，讓對MySQL的資料庫管理更加彈性，以下為設定步驟：

Apache架站手札

以前在學校做的Project大部分都是為了方便架站都是用LAMP來做，雖然LAMP已經提供了十分完整的Solution Package 供使用者下載使用，不需要在個別下載調校，但是身為工程師還是需要多了解技術上的細節，因此選擇用個別安裝，首先在Apache + PHP + MySQL的路徑來說，安裝Apache是首要條件，其次是MySQL，最後才是PHP，原因在於MySQL必須需要在本端Server才能夠運行。

XML技術之二

XML Schema 主要是來驗證XML文件定義的正確性，在早期的XML驗證技術是透過DTD(Datatype Definition)來做驗證，但是DTD的語句有不容易解讀而且也不支援Primitive資料類型的缺點，相對來說，XML Schema有遵循XML的結構的優點，可讀性以及延展性高，並且支援自訂資料型態，透過Schema定義一個節點標籤十分容易，僅需要指定名字以及資料型態，如這個例子：

＜element name=“element name" type=" data types "/＞

XML技術之一 <文件解析>

XML(Extensible Markup Language)可擴展式標記語言，具有資料結構單純易懂，跨平台特性等，文件內容如節點(node)屬性(attribute)，文字(text)以及支援的function和API等都是透過DOM(documents object model)所定義而成。

專業化的服務(professional services)、服務小舖(service shop)和一般化的服務(mass services)

服務相關研究的演進可以從學者Lovelock(1985)提出的分類架構開始(service classification schemes)，成為超越不同服務產業框架的普遍化適用準則，以至現今，大部分的學者都是基於這個架構在發展服務分類相關的研究，服務和產品之間才劃分出明確的分水嶺，學者Silverstro,Fitzgerald以及Johnston(1992)歸納整理過去文獻(1992年之前)，分類了服務流程的六大構面：

1.設備/人員導向(Equipment/people focus)
設備導向的服務的例子像是去KTV唱歌，服務是透過KTV影音設備來提供，服務人員並不是重點，而人員導向就像是這類的服務主要由服務人員提供為主，像是醫療照護、教育、修理工

2.顧客接觸強度(length of customer contact time)
客戶接觸強度可以從兩個層面分析(單次接觸的頻率/和接觸的頻率強度)，像是顧問業就是一種客戶接觸強度高的工作，上述任意兩個構面都可以被組成two-by-two的架構

3.客製化程度(Extent of customization)
高度客製化的服務會用專案(project)的形式進行，case by case，而越是標準化的服務流程會越是固定。

4.服務人員可以提供給客戶個人化需求的程度(Degree of discretion)
家教老師就是其中的一個可以高度判斷並且提供顧客需求的例子，學生一有什麼問題就可以向家教老師發問。顯而易見，一般餐廳服務生有決定權提供客戶個人化需求的程度則不高(不然"叫你們的經理出來"這句話就不會這麼耳熟能詳)

5.前/後台的服務加值(Source of value added, front office or back office)
前台導向意義是主要的服務活動都是透過前台的服務人員達成，而視為前台服務加值，如按摩、剪髮業提供的服務價值給顧客的是第一線接觸的員工，而餐廳則是後台服務加值的形式，主要的服務提供者是廚師的廚藝，前台侍者則是媒介的角色。

6.產品/流程導向(product/process focus)
產品導向的重點在於強調"客戶買了什麼"，流程導向則是強調"客戶怎麼買"。

以上的構面任意兩種都可以組合出過去研究文獻常見的2乘2矩陣模型，Johnston(1992)則是將以上六種構面綁定起來，以高中低三種程度組合做劃分，分為專業化的服務(professional services)，服務小舖(service shop)和一般化的服務(mass services)，並且透過整理歸類市面上常見服務產業類型。

Reference 
Silvestro, R., Fitzgerald, L., Johnston, R., & Voss, C. (1992). Towards a Classification of Service Processes. International Journal of Service Industry Management, 3(3), 62-75.

服務的四大特性

針對"服務"的研究其實並不是近年來才流行起來的，早在1988年，學者Parasuraman, Zeithaml and Berry就針對服務的本質定義了四種特色(characteristics)：

無形性(intangibility)：和產品不同的是，產品具有實體，但是服務卻是無形的。ex:像是在學校的教育一樣，透過老師知識的傳授，提供教育這項服務給學生，學生得到的就是一種無形的服務。這樣你或許會覺得說：上課用的課本、學生抄的筆記都是有形的實體呀！但是請注意，重點是"你所得到"的這項教育以及知識的"服務"，就是無形性，而課本、投影片、筆記這些則都僅僅是透過傳遞教育的實體輔助品(facilitators)而已，這也是為什麼大部分服務本身也有分類，越是普遍一致化的服務會越專注在設備面(Equipment focus)，而越走向獨一無二客制化的服務則是越專注在人員(pepole focus)面。(詳情見Tomas,1975;Kotler,1980)

不可分割性(inseparability)：不可分割性的意義在於生產的瞬間即是消費，產品生產完之後可以擺在超市貨架供消費者挑選購買買回家之後在使用，這之間生產、購買以及使用流程是分開的，但是服務在產生的那一刻就是即是消費，舉個例子來說法律顧問服務就是很純粹的pepole focus服務，律師坐在事務所的舒適的沙發椅上替客戶提供(生產)case by case法律咨詢服務的那一刻起，客戶也正在接收(消費)律師的專業建議，生產和消費就同時產生了，並且不可分割。

異質性(heterogeneity)：異質性簡單的來說，就是相同的服務的品質和價值會因個人感知經驗的差異而有所區別，一個產品好壞，由於有客觀的衡量指標，所以對每個人的感受是差不了多少，套裝衣服的布料或是3C產品的品質不會因為個人偏好不同而有異質性的價值，但是服務剛卻恰好不一樣，一個不常去遊樂園的小朋友去鬼屋探險得到的刺激感受可能會比常常看恐怖片的小孩強(好孩子別看)，異質性的特質也就是服務品質難以去量化和衡量(quantifiable)的重大因素，這個挑戰近年來有許多服務科學領域的學者針對這點提出相關衡量架構。

揮發性(perishability)：揮發性也可以被推衍為無法庫存性(uninventoriable)，實體產品可以儲存在倉庫裡面，但是無形的服務卻無法被儲存，由於生產消費一體的無法分割性，所以服務被享受之後就揮發掉了，像是腳底按摩，按摩師在提供(生產)按摩的那瞬間，服務即刻產生，但是一停止，服務也被揮發掉了，無法儲存。以這幾項服務特性準則為基礎，學者相繼發展了許多相關的架構(service dominant logic), IDEO服務發展架構等，豐富了服務科學的基礎內涵。

Reference

Parasuraman, A., Valarie A. Zeithaml, and Leonard L. Berry (1988), “SERVQUAL: A Multiple-Item Scale for Measuring Customer Perceptions of Service Quality,” Journal of Retailing, 64 (Spring), 12–40.

報告的意義？

我在大學的時候，系上把所有選修課程規劃在兩個學程之內，一個是資訊科技、另一個則是資訊管理，規定所有學生在畢業前一定要選修兩個學程之一，並且一定要滿足學程的最低學分數才可以畢業，資訊科技學程是屬於比較需要實作性的技術類課程，像是程式、資料庫、專案實作，而資訊管理學程則是偏向理論，課程像是SCM、CRM、SA等，評分方式不外乎就是考試、繳交報告等傳統方式，那時候我正衡量要選修哪個方向的學程比較好的時候，問了很多朋友的意見，一般心態都認為管理課程大多要寫一大堆很煩人報告，也學不到什麼東西（大多都是打高空的模型理論），所以紛紛選修比較偏技術性的課程，當然不太會寫程式的同學就偏好寫寫報告就能交差了事順利畢業就好，後來我的決定把兩個學程都給修滿，每一學期都修到學分上限，就省了我苦惱哪個學程比較好的問題（我的目標是以充實導向為主）

服務科學(Service Science)的基本認識之一

幾年以前，教管理學的教授常會在課堂跟我們分享他在英國留學時的見聞，他有個很深的感觸是，台灣的傳統消費文化是以產品為導向，額外提供服務幾乎和免費畫上等號，相當的程度上，也不會覺得提供的無形服務是需要索費，像是百貨公司免費的眼妝，Pizza外送或大賣場的大宗商品運送服務，但是在歐美國家卻是十分重視服務本身提供的無形產值，像是把電腦主機抱去維修這件事來說，當你跨進店裡的那一秒鐘開始，店裡的技術員就開始壓了桌上的計時表，連諮詢費都是以分秒計。

當從開發中國家踏進先進國家之林的過程中，必會產生產業的轉型的壓力，從農林漁牧的一級產業轉至工業為主的次級產業，最後在是以服務業的經濟體系為主，時至今日，台灣列入已開發國家的行業，GDP產值有絕大多數都是以服務業為主，但是服務所提供的價值往往是無形的，每個客戶的感受和衡量標準不一，因此要如何提供良好品質的服務傳遞給顧客增進客戶滿意度，就是個重要議題。另一方面，由於涉及服務相關的產業十分廣泛，因此如何用科學和管理化的方法在不同領域創造最大的服務產值，這就是服務科學(Service Science, Management and Engineering)要探討的問題。

Barnes&Noble 和Amazon 案例分析

我會利用服務創新的觀點來分析B&N和Amazon的這兩個CASE，並且引述James Teboul 的Service Is Front Stage Positioning Services for Value Advantage一書提供的Service intensity Matrix分析工具來比較兩個公司的Positioning in book retailing：

Service Intensity Matrix可以稱作：客戶服務密集度指標陣列模型，這個模型由兩個維度構成，產品(outcome)，和提供產品服務互動強度(process , people)，當顧客在購買一個產品或服務的同時，首先也是最重要的會專注的都是在outcome產品本身可以提供什麼效益或結果。

Priceline.com 案例分析-Name Your Price

Priceline.com 的分析方向我主要會從兩個角度著手：一個是商業模式(Business Model)另一個是目標市場(Target Market)。
Priceline利用Name Your Price的這個創新商業模式，一方面可以增加消費者的折扣和議價彈性，另一方面也可以透過Price Shield機制保護不同供應商間的底價，避免同行的削價競爭。而且這對供應商來說(尤其是低知名度的小公司)，是一場穩賺不賠的賽局，從經濟學的分析角度來說不僅可以完全吸收需求線底下的消費者剩餘(如圖下)，另一方面也可以像航空機位等具高度時效性的商品，可以在最後期限之內，藉由price line媒合供需條件而達到保值行銷的效益。

Data Mining基本概念之二

Data Mining是由以下幾個主要元件(major components)所組而成：

• 資料庫、資料倉儲、網際網路(WWW)、其他資訊儲存庫(Database, data warehouse,WorldWideWeb, or other information repository)
• 資料庫或資料倉儲服務器(Database or data warehouse server)：基於使用者探勘的需要，因此服務器會負責擷取需要的相關資料
• 知識庫(Knowledge base)：這是一種專門領域的知識，用來引導搜尋或評估驗證結果模型
• 探勘引擎(Data mining engine)：這是在資料探勘系統中最重要的功能元件，用來執行關聯&相關性分析(association and correlation analysis)、分群(cluster analysis)、分類(classification,)、預測(prediction,)、異常分析(outlier analysis)和趨勢分析(evolution analysis)。
• 模式驗證模組(Pattern evaluation module)這個元件主要用來驗證資料探勘的模型，以專注在有意義並且感興趣的結果上，通常會採用興趣值門檻(interestingness thresholds)來過濾模式，將不感興趣的模式從知識當中分開

Figure 1. Architecture of a typical data mining system

無所不在(Ubiquitous) vs 普及(Pervasive) vs 行動(Mobile) vs 無線(Wireless) 運算

這個題目是高等資訊管理課堂上所提出來的問題，到底這幾個的運算和定義差別在哪裡，一點心得和解釋如下：

Ubiquitous Computing(無所不在的運算)：

直譯為無所不在的運算Ubiquitous ，在1991年由Mark Weiser所提出的一種簡單的人機互動概念，定義是把資訊處理流程整合進一天中所有的事物(object)和活動(activities)當中的後台式模型(post-desktop model)，主要觀念在於把電腦計算內嵌入現實生活且並且可以融為一體的假設，以達到生活當中無所不在的運用到電腦的資源，U.C.也可以引入多種行動裝置和同步系統，並且可以讓人不自覺沒有意識到這些裝置的活動。[1]

Data Mining 基本概念之一

Data Mining為何重要？

在IT技術在近數十年的發展以來，由於Data Mining可以在充滿雜訊和複雜結構的大量資料中萃取出有意義的資訊和知識，因此在各行各業當中有相當吸引人的應用價值，像是市場行銷、客戶行為分析、客戶維護策略、產品控制、網路攻擊預測、金融市場分析等，具有相當廣泛的應用。

但是有個問題是，要從怎麼從大量的資料當中找出有意義的資訊？而這些資料又應該儲存在哪裡？假設沒有一個強大的分析工具，那我們會難以從快速增長(fast0growing)的龐大資料量中廣泛的理解出有意義的結果，而會造成一個現象就是「資料爆炸但是資訊貧乏！」(we are data rich, but information poor.)

Figure 1 .We are data rich, but information poor.

SCJP準備心得

其實這篇舊文是在我2008年畢業的時候寫的，因為那時候打算在入伍前準備考一張證照，因此就選定SCJP為目標，幾年過後MSN space關閉，來不及轉移的文章全部都付諸流水，今天剛好看到有人轉載我以前寫過文章，就把它給備份過來了，雖然題型已經有些舊了，但是也很適合當作準備的參考方向，以下為正文