理財盲點：有錢人不會做的13件理財決定

 

2020年因新冠肺炎疫情大亂全球經貿秩序的同時，各國政府積極地採取史無前例的寬鬆貨幣政策。期望藉由政府以領頭羊的角色，用赤字預算大印鈔的做法，對奄奄一息的民間消費，發揮心肺復甦術的作用，造成各種振興券、農遊券、藝Fun券滿天飛舞。

「量化寬鬆」帶出來的資金常被稱為「熱錢」。在(理論上)線型成長的經濟體中，突然丟下如此巨額的貨幣供給，往往造成一波小規模的通貨澎漲。民間敏銳地嗅到了通澎的氣味後，為避免減損實質購買力，會將剩餘資金流入金融交易市場，也因此股市、匯市甚至(令人痛心的...)房市，都會開始熱絡起來。因此於2020年8月的此時，台灣股市出現了1萬3千點的榮景，股市投資的話題逐漸變成民眾茶餘飯後的談資。

這個大環境下，如果還把血汗錢牢牢地鎖在銀行做定存，可是溫水煮青蛙。「人不理財、財不理你」這句耳熟能詳的台詞，又成為理財叢書們最低成本的POP文案。「理財盲點」一書，有別於「商業理財」書架上一整排直接教讀者如何致富的「跟著我這樣做」手冊(有存股、基金、投資憑證...數不清)。它是分享13項人們常做的「錯誤」財務決定，以「見不賢，內自省」的方式，引導讀者能在一生中「不求順風順水，但求終身無悔」。副標題「有錢人不會做的13件理財決定」裡「有錢人」三個字，應該是出版社為了吸引讀者目光加上去的。書中所提的錯誤決策，即使是家財萬貫之人也有可能踩到，這副標有點畫蛇添足。

就按照書中章節順序，將各讀後心得整理如下。

蠢事1:購買自己不懂的金融商品
財務管理最基本的ABC就是，不要購買你無法解釋清楚的投資標的。不管電視、書籍甚至是肝膽相照的好哥們熱心推薦，只要你分不清「可轉換債」、「投資憑證」或是「指數型基金」，那就不要買!不要人云亦云地跟著行銷話術起舞，切記，市場永遠在等最後一隻白老鼠。有趣的是，在書中作者明言實體黃金或黃金存摺，是最差勁的投資標的。在2020這年，金價上漲了超過20%，只證明了「Never say never」。

蠢事2:聽取錯誤的財務建議
銀行的理財專員是藉由銷售給客戶的金融商品來獲取高額獎金。當你知道這一件事之後，你還會相信他們推薦給你的投資標的，是真的有潛在的增值空間嗎？還是那是他們銀行當下力推的重點商品，而且該月份的銷售額已經被列為員工考績的KPI。額外一提，共同基金的管理費普遍過高，有些甚至高達5%。在市場維持不漲不跌的平盤下，投資人還是會虧損5%。

蠢事3:過度重視金錢
「馬斯洛人類需求五層次理論」(生理、安全、情感、尊重、自我實現)已告訴我們，在衣食無缺的開發中/已開發國家，民眾肯定會開始追求「能被尊重」的人際氛圍。只可惜在功利主義盛行的社會中，笑貧不笑娼的價值觀斥充在主流文化上。擁有越多的錢財，才能獲得更多的尊重，人民自然也學會相互攀比財富以驕人。作者老調重提「真正的富足是擁有恰到好處的財富」，一味地追逐存簿上的數字變化，只會讓人開始從事高風險的金錢遊戲，造成無謂的龐大損失。

蠢事4:背負過多學貸
歐美的高等教育環境和台灣截然不同，它們的名校都是質優而學費昂貴，走「使用者付費」的原則。反觀台灣的高等教育是用納稅人的錢補貼國立大學，學費低品質好，完全反其道而行。然而不論那種模式，高等教育費用都呈現逐年上升的趨勢，加上台灣碩士學位大學化的病態發展，子女的教育開銷已經成為家計支出的重擔。如果一味地追求能力所不及的方案(例如出國唸書)，可能會嚴重打擊家中數年甚至十年以上的財務狀況。書中建議，適當衡量自身財務能力，敞開心胸和子女溝通恰當的選項，或是讓子女直接背負助學貸款、申請獎學金，因為一切得來不易，有時更激發孩子求學時的熱忱。

蠢事5:該租房子的時候卻買房子
本以為「有土斯有財」是華人社會特有的俗諺。作者卻指出典型的歐裔白人移民社群，也有同樣的價值觀。這根深蒂固的老奶奶智慧，卻也是多數開發中/已開發國家房市泡沫化的成因。房價將永不止盡地無量上漲的預期心理，讓人民投入巨額資金在流動性極差的房市，期望獲得低風險的高獲利。但是泡沫總有破的一天，一但遇到系統性的崩跌，將只能斷尾求生，忍痛削價售出，讓畢生積蓄化為泡影。曾發生美國的房地美／房利美風暴便是一例。在台灣房市已經極端扭曲變形的今日，這章的內容不見得能照單全收。

蠢事6:過度承擔風險
本章主旨是重申「不要把所有的雞蛋放在同一個籃子裡」。無論你的財務配置是放在股票、基金或是定存，切記要分散風險，畢竟市場的黑天鵝時有所聞，如果遇到，對個人的財務影響可能會後悔一輩子。

蠢事7:保護個資人人有責
在數位化的網路時代，資訊安全對個人的重要性越來越高。書中舉出一個案例，有人在帳號被盜用後，後續造成生活和財務上重大的困擾。身為一個現代公民，勢必具備基礎的資安意識，保障自己的財務安全。

蠢事8:退休初期，過度消費
「辛苦了一輩子，現在我要對自己好一點」是許多退休族常掛在嘴上的台詞。作者卻跟讀者們分享，她見過很多銀髮族在退休初期就把多年的積蓄花光，在人生暮期只能錙銖必較地依靠政府養老金過日子。人生最大的難題在於無法預料自己的死期，能恰好在過世前花光僅剩的一絲錢財，是天方夜譚。保險起見應當量入為出地管好自己的退休金，享受先苦後甘的晚年。

蠢事9:將個人的金錢問題強加在子女身上
每個人的價值觀養成都是來自於從小到大的所見所聞，所以說「一樣米養百樣人」。出手闊綽或是吝嗇小氣都是我們的自由意志，不由他人說三道四。但切記在教養孩子時，別過度強加自己的金錢觀在他們身上，那會限縮他們未來財務管理的可塑性。

蠢事10:照顧年邁父母，缺乏事先規劃
社會新聞上常見單身子女為了照顧年邁的雙親，選擇離職在家全心陪伴長輩。數年之後，家中經濟開始出發困難，逼得子女和父母走上絕路。奉養尊親屬是天經地義，但要記得自己也會老，在財務規劃時千萬別把自己忘掉。如果經濟能力有所不及時，可以申辨政府單位的老年照護補助，減輕家庭的經濟壓力。

蠢事11:買錯保險，甚至根本沒買
保險業最初的理念是合眾人之力，將災禍對個人的傷害降到最低，有如互助會一般的良好制度。不論是產物險還是醫療險，適當地投入許些資金來獲取未來經濟上的保護傘，是種明智的決定。然而過於相信保險業，理財投資也想利用「儲蓄/投資型保單」來達成，就得三思而後行。以十年期的投報率來看，保單的收益遠不及其它投資工具(定存不算)，罰則制度也有利於保險公司，造成投資人在資金上無法自由運用。作者也不推薦無子嗣的青壯年購買終生壽險，因為亡故補償金對當事人沒有意義。所以購買任何保單之前，要想清楚它提供的保障是否適合自己，不是人云亦云的盲目購買。

蠢事12:沒有留下遺囑
大家總是避談死亡相關的事情，但對於有家人繼承關係的成年人來說，若未能在生前妥善整理自己的財務狀況，不幸亡故後，會讓親人花費許多時間和心力盤查亡者的資產、負債，以應付法律條文。沒有留下遺囑，也會造成無法依自己的意願將財富分配給最親愛的人，更因為不明確的財產分配，讓親友相互懷有嫌隙。

蠢事13:企圖「看準」市場時機
投資專家總是擺出一附智者的姿態，告戒市井小民要如何達成「財富自由」。金融市場是如此多變，黑天鵝、灰犀牛事件屢見不鮮。照本宣科地想要重現前人發大財的故事，多半落得東施效顰。「低買高賣」是賺錢的不二法門，難就難在如何分辨最佳的買點和賣點。作者提出了一個投資心法，她說與其想找到「彩虹底下的藏寶箱」，不如採用「被動式的投資」。就是將資金投入中長期看好的投資標的，然後設定好「停利點」，一但達成預期獲利，就果斷賣出。之後即使又有一波新高，也該放下，畢竟你已經穩健地獲利了。

這本「理財盲點」很適合對財務管理較被動、保守的讀者。它不講求快速達成「財富自由」的工具式操作，是用一種「少輸為贏」的理念，帶你一步步避開人生財務決定的重大陷阱。雖然書中提及的社經背景是以美國為主，但後半部的論及的內容卻是舉世皆然的人生歷程，值得參考反思。

大數據Hive離線計算開發實戰

ISBN：9787115448088

資深的資訊工程師常有一種特別的煩惱，如何在眾多實作技術中，挑選出最恰當的工具來執行軟體專案。從中牽扯的包括組織資源、同儕能力、工具成熟度、操作便易性，這項任務恰好沒有一體適用的標準答案，如同撰寫程式時「變數命名」般，十足仰賴負責人的主觀決擇。

大數據專案開發也會遇到一樣的問題，在今日開源軟體、雲端平台遍地開花的時代，要收集、分析與運用企業本身的巨量資料，可以從最精典的Map/Reduce框架到高效版本的Spark平台。不論企業最後挑選的大數據解決方案為何，勢必需要熟悉該平台的工程師運籌帷幄。

由於大數據開發有別於傳統的關聯式資料庫，因此對於工程團隊來說，大數據技術變成一個得跨越過去的門檻。而Apache Hive正是主張能一勞永逸解決這個技術「痛點」的開源工具。它無縫地運行在Hadoop平台之上，充分利用HDFS的分散式檔案系統以及Yarn平行處理框架，並在自身的對外介面套上一層相容SQL(HQL)的外衣，讓各項軟體工具、運用程式甚至是開發人員，都能用熟練的SQL語法，遨遊於巨量資料的國度中。

對我而言，由於已經熟練Map/Reduce與Spark等技術，可以隨心所欲地撰寫出大數據程式碼。其實沒必要疊床架屋的再添一層虛擬資料庫，用SQL語法來執行巨量運算。但考量到企業整體運用情境，想擴增大數據的應用面以及簡化同儕的數據使用門檻，就值得投入心力建置一個獨立運作的Hive環境。

市面上Hive的專書不多，而且絕大多數是四、五年前所出版。在決定再次架設Hive服務的當下，理所當然地挑選2020年出版的「大數據Hive離線計算開發實戰」。內文從最基礎的概念說起，再由簡入深地提及到分區、自定義函式等進階的功能，作者將Hive定位為能處理大數據的資料倉儲解決方案，全書也呼應這個想法具體地呈現如何實踐。閱後不免心有所思，在這麼強大便利的開源方案的競爭下，未來商用資料倉儲廠商肯定不好擴展市場。

作者用最後三章舉出大數據的常見運用情境，分別是推薦系統、網站流量分析以及商業數據分析。題目夠大但內容卻僅是入門級的基本範例。特別是推薦系統一章中，是用Mahout來執行協同過瀘演算法來做範例。先不論將推薦系統，用單一個協同過瀘法來涵蓋，是否會過於簡化問題以致誤導讀者。書中介紹的Mahout版本(運行在Hadoop 2.x上)，已經是太舊的版本，令人懷疑這本書的出版年份是否有誤植？

總得來說本書可以讓讀者快速領略Hive在大數據平台中所能扮演的角色，免除耗費心力瀏覽散落各處的官網文件，最後還落得一頭霧水。如果動心起念想要著手大數據運算，Hive和這本「大數據Hive離線計算開發實戰」算是不錯的起點。

Senior software engineers often face a particular kind of dilemma: how to choose the most appropriate tools from a vast array of implementation technologies for a software project. The decision involves considerations such as organizational resources, team capabilities, tool maturity, and ease of use. Unfortunately, there is no universally applicable answer to this challenge. Much like “naming variables” in programming, the final decision relies heavily on the subjective judgment of the person in charge.

Big data projects encounter the same issue. In today’s era of flourishing open-source software and cloud platforms, enterprises seeking to collect, analyze, and leverage massive volumes of data can choose from everything from the classic MapReduce framework to high-performance platforms such as Spark. Regardless of which big data solution an organization ultimately adopts, it will inevitably require engineers who are proficient in that platform to guide and manage the project.

Because big data development differs significantly from traditional relational databases, mastering big data technologies has become a hurdle engineering teams must overcome. Apache Hive is an open-source tool that claims to solve this technical “pain point” once and for all. It operates seamlessly on top of the Hadoop ecosystem, fully leveraging HDFS as a distributed file system and YARN as a parallel processing framework. On top of that, Hive provides an SQL-compatible interface (HQL), allowing software tools, applications, and even developers themselves to navigate the world of big data using the familiar syntax of SQL.

From my perspective, since I am already proficient in technologies such as MapReduce and Spark, I can freely develop big data applications directly. Strictly speaking, there is no real need to add another layer of abstraction in the form of a virtual database and execute large-scale computations through SQL. However, when considering enterprise-wide adoption, expanding the accessibility of big data applications and lowering the barrier for colleagues to work with data make it worthwhile to invest in building an independently operated Hive environment.

There are not many books on Hive available on the market, and most of them were published four or five years ago. Therefore, when I decided to set up a Hive service once again, it was only natural to choose the 2020 publication Big Data Hive Offline Computing Development in Practice. The book begins with the most fundamental concepts and gradually progresses toward advanced features such as partitioning and user-defined functions. The author positions Hive as a data warehouse solution capable of handling big data, and the entire book consistently demonstrates how to implement that vision in practice. After finishing the book, one cannot help but reflect that under the competition of such powerful and convenient open-source solutions, commercial data warehouse vendors will likely find it increasingly difficult to expand their markets in the future.

In the final three chapters, the author presents several common big data application scenarios, including recommendation systems, website traffic analysis, and business data analytics. Although the topics themselves are broad, the actual content remains at an introductory level with only basic examples. In particular, the chapter on recommendation systems uses Mahout to demonstrate collaborative filtering algorithms. Setting aside the question of whether using only a single collaborative filtering approach oversimplifies recommendation systems and potentially misleads readers, the version of Mahout introduced in the book (running on Hadoop 2.x) is already severely outdated. This raises doubts as to whether the publication year of the book may have been printed incorrectly.

Overall, this book allows readers to quickly grasp the role Hive can play within a big data platform, sparing them the effort of piecing together scattered official documentation only to end up more confused. For anyone interested in getting started with big data computing, both Hive and Big Data Hive Offline Computing Development in Practice serve as solid starting points.

演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用全圖解

依舊記得在自學程式的過程中，看過某本電腦書上寫著「程式=資料結構+演算法」，簡單又有說服力，便對「演算法」這詞彙留下深刻印象。那時真心覺得要成為一個程式高手，肯定得在演算法下苦功。更因此到某大學的資訊工程研究所在職專班，修習「計算機演算法」學分，原文課本唸得我嫑嫑的。

隨著工作經驗的與日俱增，漸漸地不再迷信演算法對工作實務的重要性。不過這是因為我從事的是應用系統(AP)的設計/開發，即便後期主要在做大數據/機器學習的應用，也是直接受惠於高階程式語言和各種開源函式庫/架框。這領域的工程師已經很少花費心力在處理底層運算中枝微末節的效能議題，像Big O這個評量算法複雜性的衡量單位，真的在職場上沒遇到有同事拿來相互討論。

這不表示程式設計師可以不用瞭解精典演算法背後的概念。列表(List)、陣列(Array)、堆疊(Stack)、佇列(Queue)等資料結構，是各種程式語言中必備的核心類別/元件。而排序(Sort)算法則是實際開發時最常被使用到的基礎算法，瞭解不同排序算法的優缺點，會大大地改善程式執行的效能。因此「資料結構」和「排序算法」這兩章可視為程式工程師必備的業務知識(Domain Knowledge)。

陣列搜尋、圖形搜尋、分群以及最後一章的「其它演算法」則是各擅勝場，在特定應用領域中都是最廣為人知的核心演算法。最值得一提的是第5章介紹的「安全性演算法」，它從最基本的數位加密觀念開始介紹，一步步地擴展到「共用金鑰密碼系統」和「公開金鑰密碼系統」，而後者正是目前網站加密技術的核心。「數位簽章」和「數位憑證」說明了HTTPS的運作原理，更是網頁程式設計師不可遺漏的業務知識。

嚴格說，書名副標提到的「人工智慧、數據分析」有點言過其實。所提到的資料結構和演算法，對於數據分析、機器學習/人工智慧領域，都是不足掛齒。本書適合給有志成為程式設計師的人當做學習教材，抑或是程式設計同業用來複習或做為消遣的小讀物。在主旨為講解計算機演算法的書海中，這本「演算法圖鑑」是最容易讓讀者吸收的傑作。

行銷資料科學|大數據x市場分析x人工智慧

自擔任大數據工程師以來，除了負責大數據平台的建置與維護外，也身兼推薦系統的設計、開發。有別於其它類型的資訊系統，商品推薦系統的目標是打造出有著高轉換率的(虛擬)商品推銷員，讓我跨出資訊工程，點燃對消費者行為的興趣。在大數據分析實務上，也和行銷團隊一同商討、合作。也使得我對資訊工程在行銷領域能多做些什麼感到好奇，這本「行銷資料科學」正是具體而微地回答了我心中的種種疑問。

書中將原本在數據工程中的「資料探勘」、「大數據」、「人工智慧」等資訊技術和行銷學碰撞後產生的新學門，稱之「行銷資料科學」。因此在全書論及的實務操作/案例分享，幾乎是包山包海。近幾年在報章、網路媒體上曾被提及的數據分析和行銷資訊技術都被含蓋在內。分為「概論篇」、「大數據篇」、「行銷篇」、「策略篇」四大章。全書編排、印刷精美，文字流暢，四大章節中的各節短文，言簡意賅，卻又能做為讀者進一步鑽研的啟蒙原料。特別是「大數據」篇中所提及的數據分析與工具，提供各種實踐應用的粗淺介紹，讓有心投入行銷資料科學的組織/團隊能從中挑選要達成的功能/項目(要做什麼)。

文中也提及一些少為人知的行銷故事和研究發現。例如企業在規劃全通路策略時，應該鼓勵網路消費者到實體店面購買，研究顯示在實體通路消費者的平均客單價高於網路通路，將顧客拉到實體店面購買將有助營業額成長。而眾所皆知的「大數據神話」，沃爾瑪的啤酒和尿布，塔吉特的預測高中少女懷孕，前者是數據分析團隊編造的假故事，後者則是為了打書設計的「故事行銷」。「行銷資料科學」更像是本數據行銷新知大全，它集結了數十篇能速快閱覽的短文，讓讀者充實知識的同時也能接收到核心的行銷學觀念。

部份章節中以大專院校的召生業務為案例，說明行銷資料科學能應用、發揮的方向。然而就我來看，再優秀的戰術都無法淹蓋戰略上的錯誤，大專院校的經營困境，源起於少子化和廣設大學。利用再多的大數據分析/行銷資料科學，都難去挽救一所中後段班的私立大專院校。如果電商亞馬遜販售的商品不是市場最低價，即使有再多先進的資訊技術，都無法讓消費者心甘情願的買單。同理網飛如果沒有廣泛充實的片單和自製影集，擁有再複雜、優異的推薦演算法也是巧婦難為無米之炊。零售業的核心競爭力在於商流、物流、金流的管理，資訊流(數據分析)的良莠可說是錦上添花。

但行銷和數據分析團隊也不用妄自菲薄，再好的商品如果沒有配合適當地宣傳，一樣無法做到「貨暢其流」。書中所提及的「行銷資料科學」相關應用和工具，都是經過市場實證有效的做法，足以投入資源去研究、評估和導入。不抱著投機取巧的心態，打好企業自身在商流、物流、金流的功夫，額外再對行銷、數據整合與分析投入資源，逐漸接納以數據分析結果做決策的思維，才是真正能讓「行銷資料科學」發光發熱的實踐之道。

直播主不能說的秘密：上百場直播培訓講座，從素人到爆紅主播，經營法則首次公開！

我是不太看(幾乎沒有)直播的，對「網路直播」的熟悉度也僅止於能辨識出常上電視的「館長」、「蔡阿嘎」，最多就是因為喜愛看大胃王節目，看過FB的「大胃王千千」影片。而這本「直播主不能說的秘密」是同事看完，剛好我對炒得風風火火的直播想多點認識，就借來詳閱。

作者武老千(藝名)，原先是位專職的魔術表演藝人，因緣際會下開始了他的直播生涯。由於屢創佳績在直播經營上頗有心得，後來進一步轉型成直播平台的經營者，算是直播界的演而優則導吧。本書就是他對直播產業的心得分享，小從直播主個人的經營竅門，大到對直播媒體的趨勢分析，一應俱全。非常適合做為初步瞭解直播生態的入門教材。

作者對直播文化流行的原因提出了一針見血的觀點，他認為人類天性上就是期待擁有良好的人際關係。在今日真實世界裡人際互動漸漸式微的情況下，取而代之的是網路世界的社群互動，從FB、IG等社群網站火紅的程度就足以證明。「直播平台」是一種更適合產生互動的網路新應用，連早先流行的影片平台(YouTube)，都無法做到表演者和觀眾產生零時差的互動體驗。這個優勢深化了直播主和觀眾的交流，連帶提高觀眾的認同感和直播主的影響力。

直播商機，就是一種注意力經濟，和其它廣播、電視、網頁(文字)到網頁(影片)等媒介本質相同。目前也看到像飛碟電台，把錄音間的畫面直播給聽眾，讓主持人在節目播報的前後時間和網友互動。在在說明了直播是將台上台下的互動效果做到極致的一種演出，擴大定義來看，而這類型的節目在廣播和電視上早就出現過(2100全民開講)，只是透過網路當媒介，執行起來更便利、便宜、有效率。

我認為，直播和其它媒體最大的差異點就是「斗內」(Donate)文化，讓表演者直接獲得觀眾的金錢贊助。傳統媒體依據收視率衡量CP值付給主持費給表演者，則是觀眾間接贊助主持人，兩者有所差異。斗內有如街頭藝人接受打賞，更直白地說，其實「直播主」就像網路世界中的「街頭藝人」。很多知名藝人跟著流行常開直播和網友互動，深怕失去人氣。有趣的是，多數直播主的夢想，卻是能成為日進斗金的真正藝人。見這山望那山，人皆如此。

在吸睛力、話題性都遠勝其它媒體的當下，商業組織和政治團體也都打起了利用/運用直播平台的主意。不過這也是行之有年的「置入性行銷」的變形，只是寄生的標的物從原本的戲據節目、新聞片段，變成了熱門的直播主。依賴直播主的口語傳播來宣傳商品，如同歐普拉在脫口秀節目中介紹商品，是廣告學中「名人背書」的手法。只因為時下年輕人熟衷此道，而人潮就是錢潮、青年就是未來，因此成為一個大家都無法忽視的社會現象。

臺灣史上最有梗的臺灣史

說來慚愧，雖然說「汝為台灣人，不可不知臺灣事」。但和我一樣出生於60、70年代，從小讀著大中國思想教材長大，又受升學主義的荼毒。往往變成「只要考試不考，都不用花心思去唸」，台灣歷史就因此被學子們忽略及漠視。這群人(包括我)對於生於斯、長於斯的這塊土地歷史，就像「最熟悉的陌生人」。

幸好有讀到「臺灣史上最有梗的臺灣史」這本書，淺略地補充近百年來重要的台灣史事。全書從史前時代的南島民族說起，據說台灣最初的原住民是南亞各國住民的共同祖先。隨著大航海時代來到，西班牙和荷蘭人發現台灣，開始殖民本地，為台灣初次帶來醫學和教育資源。沒想到台灣原住民最先是學外文，厲害吧!

後來進入明朝，才有鄭成功打敗荷蘭人，接收、治理台灣。之前到台南旅遊看到許多古蹟，像是國姓爺廟和孔廟等等，也搞不太清楚是那個時代、什麼歷史背景下的建物。在這次讀過「臺灣史上最有梗的臺灣史」後，相信舊地重遊時，就能領略名勝古蹟的典故。

台灣在清朝完全是被放牛吃草，真正開始關注並認真建設也只有最後的十幾年。沈葆楨、劉銘傳等考試要背的歷史名人，便是在晚清時參與台灣本地的建設與治理。淡水馬偕傳教士/醫師也是這個時期踏入台灣，為本地居民帶來醫療和教育的重大貢獻，其影響層面一直持續到現在(馬偕醫院,淡江中學)。

隨著甲午戰爭割讓給日本後，台灣進入了日治時代。有別於清朝是為了抵抗外國勢力入侵台灣，進行了消極、被動的基礎建設。日本國是傾全國之力，積極地在衛生、交通、農業、電力、水力全方位讓台灣邁入現代化。從「從諷刺漫畫解讀日本統治下的臺灣」一書中可以獲得更多這方面的資訊相互佐證。但日本人只是用殖民者的心態打造一座「亞太物資供應中心」，可不是把你當自己人(二等公民)。不過日本人做事都是高標準，才會讓台灣人覺得日治時期的統治者在建設上遠比前朝更用心、更有規劃。

接下來日本戰敗，歸還台灣主權。後續發展就是二二八事件、國民政府退守台灣等，近代史的歷史大事件了。隨著更多真實資料的閱讀和比對，可以發現過去課本上唸的「台灣歷史」充斥粉飾和歌功頌德的內容。60、70年代的學子，直白地說是成長在一個大謊言的世代。能不能隨著年紀增長，透過閱讀好書破繭而出瞭解真相，就是個人的取捨了。「臺灣史上最有梗的臺灣史」如同電影「駭客任務」中，能解除謊言的藥丸，不傷身體，你要吃嗎？

關於工作的9大謊言

企業與專案管理的叢書汗牛充棟，年年都有各門各派的大師們提出新的見解、主張。單就專案管理的書目，我個人很喜愛「高德拉特」以小說體裁的「目標：簡單有效的常識管理」。在企業管理的類型中我涉略有限，不算特別偏好的閱讀種類。但這本「馬克斯．巴金漢」和「艾希利．古德」合著的「關於工作的9大謊言」，卻能讓我對職場百態產生新的體悟，可謂受益良多。

端看書名，第一時間以為它是本時下流行的「職場酸雞湯」，要用上帝視角來指導大家，如何在暗潮凶湧的職涯暴風雨中保住小命，航向那個流有奶與蜜的應許之地。才看到序言就知道自己猜錯了，這是一本正經八百專為企業領導人(從老闆到基層主管都適用)撰寫的管理學指南。旨在分享兩位作者在管理學上的研究所見所聞，破除現代企業中隨手可見的人力資源/職工管理迷思。這些迷思在書中被歸納為九大謊言，之後各章開始用各謊言做破題，再旁徵博引相關研究與數據，佐證說明正確的觀念是如何如何。雖然本書的目標讀者是身為組織領導者的人們，但是其中很多觀點、做法，在舉一反三之下，也能讓基層員工瞭解怎樣明智地規劃和發展自己的職涯。

謊言一:人們在意他們為哪家公司工作
每天共事的團隊成員和上級主管的好壞，才是足以影響職員工作滿意度的核心因素。表面再華美的企業口號以及員工福利，都無法彌補惡性惡狀的頂頭上司所造成的傷害。反之亦然，好的主管和團隊會伴隨著員工出色的工作表現和高敬業度。因此謀求新職時別再執著於公司外宣的企業形象和優異福利，重點要觀察該公司是否有著培養出優秀團隊的企業文化。

謊言二:最佳計畫會致勝
現代人受到五花八門的企管理論包圍，深信藉由各種SWOT分析/圖表/顧問/會議，在面對不可測的未來時，依舊能訂定出可靠的執行計畫，帶領我們邁向成功。可惜的是現實世界裡，卻是大家朗朗上口的「人算不如天算，計畫永遠趕不上變化」。那表示我們對變動的未來就只能束手無策嗎？這也不必然。作者提出了「最佳計畫會致勝，這不是事實。事實是，最佳情報才會致勝」。為了因應不斷變化的未來，首要是打造出完整、精確的情報收集、分析工具。之後的管理竅門就是對自己公司的員工有信心，他們都擁有評估、理解資料的分析能力。組織不需要親自指導「應該」怎麼做，而是廣泛、迅速、明確的將資訊分享給所有員工，讓他們可以在第一線的工作現場，自己推導出最佳的做法。典範之一便是日本的7-11，授權讓當班店員自己決定每日的補貨品項，以快速反應各地區不同客層的實際需要。

謊言三:第一流的公司把目標層層下達
每年公司都會訂定年度經營/營業目標，再依據組織大小設定目標比率，當單位目標確定後，會再細分為單位內每個員工的個人目標，後續的目標追蹤、審核是單位主管的職責。進度表裡條列的比率數值，像是計數器般明確地向我們呈現，現在離目標有多近，很美好不是嗎？但在現實世界，很多目標要不是已經達成，就是沒有達成，這是二元性的，不會有什麼達成95%的工作成果。而時下被企業採納的目標評量考核工具，都是建立在用抽象數據去描述真實世界中的任務。最後這些考核表格/流程就淪為一年一度的腦補作文和數字填空大賽，喪失原本它承諾會實現的效用(目標管理)。真的第一流的公司，是把握機會年復一年地傳播自己核心的價值、文化給底下的員工。如此一來，才能吸引到擁有相同價值觀的有識之士加入團隊，也間接地讓無法產生認同感的員工盡早離開。

謊言四:最優秀的人才都是通才

書中引用世界頂尖足球員梅西當例子，告訴讀者追求真正的卓越是不斷地琢磨自己的長處，而非傳統教育要求的「五育均衡」。一般的企業培訓是把重點放在修補員工不擅長的項目，期待大家能多才多藝，能視任務需要自由切換不同角色。那是一種將人力資源商品化、模組化的思維，無法讓員工朝頂尖人才的方向成長。有別於字面上的解讀，「長處」的定義，並不是你「最擅長的事」。多數的活動、技能，只要透過夠多的指導和練習，都可以學會到平庸的程度。而真正能讓你不斷精進、成長的事物，是會使你感覺做起來很有力的活動。當你要執行這項任務時，會覺得時間過的很快，做完之後可能會覺得很累，但心裡很清楚，你很期待有下一次的機會。

謊言五:人們需要反饋
其實這個道理相當淺顯易懂，就是「人人愛聽好聽話」。即使管理學專家建議要對員工提供即時、正確的評批和回饋，有助於員工改善缺點，達成更好的職能表現。但實際上，人們第一時間聽到對自己的負面批評時，是會產生負面的心理防禦機制，將減低建議被採納的可能性。真正給予員工回饋的作法，是用三到五次的讚美，包含一次負面的批評。

謊言六:人們能夠可靠評量他人
相信大家對年度人事考評並不陌生，上級主管拿著制式表單，一對一地和下屬討論該員年度表現以評定分數。而這一切卻是建立在一個不可靠的立論上，「人們有能力客觀地評量他人」。人類思考有其侷限性，自身遇到困難會怪罪外在變因(景氣不好)，而他人遇到困難會怪罪其人格特質(能力不足)。打分數的數字區間(寬鬆或嚴格)，也像面鏡子，是反映出評量者本身的偏好和價值觀。時下流行的「360度評量」就是希望藉由引進更多周圍同事的評分，來排除單一評量者造成的偏誤。作者則對360度評量的方法提出質疑，當大家都不能正確評分時，大數法則便無法發揮效果(所有偏誤值的平均，依舊是錯的)。末段建議了一種較為可靠的評量方法，讓周圍同事直接評量對某一人的想法，但不是使用抽象的描述詞彙(效能、態度、合群等)。原本像是「團隊合作能力」的這種指標，改成「你如果有項重要的專案，會想和某某合作嗎？」。由於答案是問評量者自身的想法(沒有模糊的解讀)，而不是要求他對另一人做抽象能力的評估，所得到的回答將是真實世界的實況。

謊言七:人們具有潛力
我們總是將事物簡化為二元問題，對於評估一個人的「潛力」也是(但就像謊言六所述，其實我們無法正確的評估別人的潛能)。公司大多是將員工簡單區分為「高湣力」和「低潛力」兩族群，再施以不同的獎勵和管理方法。這樣的做法忽略了每個人都有隨著環境變化，自我學習的能力(智人的特色)。要真確地評估一個人的能力，首要應區分為靜態(恆定不變)的個人特質和動態(隨時間演變)的知識、技能兩部份。員工本身的人格性質(質量)，加上後天習得的本事(速率)，加乘起來便是他可能發揮出來的影響力(動能)。因材施教和適才適所，都應該先判斷對象的變與不變，才能引導他走向適合他的康莊大道。

謊言八:工作與生活平衡最重要
現代人總把工作和生活一切為二。工作是辛苦的，生活是快樂的，「上班別跟我談理想，我的理想就是不用上班」。我們漸漸被說服，上班是一種交易，用我們人生寶貴的時光，換取足以養家活口的金錢。這樣的觀點卻忽視了工作本身帶來的成就感和充實感，缺少工作的人生，絕對稱不上健全。但我們會想問「工作上的鳥事這麼多，怎麼可能不辛苦？」。書中提出了一個非常好的觀點，「所謂的好工作，不是一開始就在那裡，而是你努力把手上的工作變成一個較適合你的工作，讓你樂在其中」。一項工作派下來，往往包含許多執行細項，而門道就在裡面。以我當例子，資訊研發工程師的職掌包含了新技術研發、新機制實作、系統維護等等。當我在和同事合作發展新服務/新機制時，總是很開心，常常在假日還主動試作各種原型。研讀資訊技術文件和書籍相當費時費神，還不至於到討厭的地步(愛看書？)。但遇到要撰寫各種系統文件、排定時程等文書工作，就是一整個厭煩到極點。對無法掌握技術細節的外包專案也是興趣缺缺(研發魂作祟？)。即使同屬研發工程師，也可以找到喜惡和我完全不同的員工。此時我們(不同喜好的員工)應該最大化我們最偏愛的工作項目，讓它盡可能地充滿我們的上班時間。對於不喜歡的項目，盡量的最小化，理想的工作分配，是把任務拆解成不同的工作包，讓最適當的人處理他熱愛的事，這樣對組織來說才是專案管理的最佳狀態。

謊言九:領導力是一種東西
前八章是講述理想中的領導應該是怎麼樣的型態，而它用最後一章來詳細說明「領導力」究竟是什麼。走進書店，教導人們如何成為一個好的領導者，分析優秀領導者的核心能力是什麼的理論實在太多。但卻還沒有一種論點，能一體適用真實世界中不可計數的成功人士們。其實「領導力」本身就是一個容易產生誤解的詞彙，好像是人們可以努力去學習後擁有的「能力」。但事實是「領導」的反義詞「追隨」，才是這個神秘力量的源頭。「領導者」只是有一群人「追隨者」願意跟隨他，全心全意地朝向某個目標努力，如此而已。他們相信只要跟著眼前的這個人，就能成就他們變為更好自己。如此簡明的定義，就解釋了社會上不同的組織領袖、企業領導者，在無法用定義好的「人格特質」分類下，都有各自的狂信者。真正的「領導力」，是來自信徒本身相信的「未來的自己」。

這本書所講的九大謊言，所延伸而出的觀點和說法，令我非常的驚豔。因此在心得整理上，花了更多的時間消化反芻。透過對這九大謊言的釐清、反思，讓我對職場上遭遇的一些疑點和不適感，瞬間豁然開朗。我相信書裡面隻字片語，對於身處在職海中沉浮的你我，肯定有所助益。