訂單的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

什麼都能外送!比臥底報導更真實的故事，資深社會記者轉行做外送、代駕、揀貨員，揭露惡性競爭內幕、拆穿高收入假象

為了解決訂單的問題，作者김하영 這樣論述：

平臺經濟迎接盛世，平臺勞工只能厭世？ 資深社會記者變身平臺勞工，上線跑透透觀察，下線思索時代解答 為了追求「更人道的平臺經濟」，寫下這本「我們這個時代的新勞動故事」   　　★強勢入選2022年韓國「青少年人文學閱讀全國大會」官方指定選書 　　★上市兩個月火速再版！賣破五刷，持續長銷，在韓國各地發揮影響力   　　在智慧型手機的這一端，消費者打開APP，一鍵送出需求，享受科技帶來的便利；另一端，勞動者接到訂單，為了夢想與生計開始奮力一搏......將這些人牽連起來的，正是「平臺企業」。   　　【平臺企業翻轉了現代生活】 　　我們所熟知的臉書(Facebook)、亞馬遜(Amazon)、網

飛(Netflix)、優步(Uber)、Airbnb等公司都是平臺企業。有別於傳統商業模式單純的線性運作（生產者直接提供產品或服務給消費者），平臺企業則是提供一個中央系統，讓包括生產者與消費者在內的各種人在系統內互動，藉此獲利。   　　平臺經濟翻轉了現代生活，為我們帶來便利，讓許多人有賺錢的新機會。但平臺經濟也有黑暗面──當個人或公司過度仰賴平臺，而平臺企業的實力足以壟斷市場時，便能單方面改寫遊戲規則，產生消費者權益受損、勞動剝削等問題。尤其，平臺的運作與升級是由人工智慧(AI)等高科技來支持的，因此也衍生出照顧平臺勞動的法律與社福制度，有可能跟不上科技變遷的隱憂。 　　 　　【作者為何辭去

記者一職，轉行投入平臺勞動？】 　　一切要從「TADA」風波說起。   　　就像Uber進駐世界各地，當地傳統計程車業者會有反彈一樣，2018年10月韓國出現一款叫車APP「TADA」，也引起抗議聲浪，還有司機為此而自焚。後來TADA「以租車服務之名，行計程車載客之實」的商業模式被認定違法而在2020年4月終止運作，但其母公司仍繼續開發新產品與服務，投入代理駕駛等新市場。   　　在這過程中，本書作者、資深社會記者金夏永感到相當「鬱悶」。他認為，「社會對這個問題的解決方式無法讓人滿足，並未提出對時代變化大趨勢的討論和方向，只是迫於壓力而進行眼前的利益調整」。   　　無獨有偶，在TADA退場的

同一年，作者還看到了一則「美食外送員上億年薪（約新臺幣兩百多萬元）」的報導，讓他相當好奇：「真的可以賺這麼多嗎？」   　　這兩個「平臺經濟」下的勞動事件，讓他想要進一步探查實情。但擁有近二十年記者資歷的他，沒有選擇去訪問司機、外送員，也沒有「臥底報導」，而是毅然決然地辭去記者一職，直接投入平臺勞動現場成為「當事人」，因為這樣才能「看到不一樣的東西」。   　　【在三大平臺勞動現場進行「田野調查」】 　　作者開始投身平臺勞動的時間是2020年初，剛好是新冠肺炎疫情即將延燒之際。在接下來的兩百多天，作者用幽默又溫暖的筆觸，記錄了他初任外送員、物流中心揀貨員與代理駕駛時的點點滴滴，包括各種業界行規

、工作「撇步」、路上觀察學、疫情對市場的影響、平臺企業搶生意的奇招與話術、同業三言兩語間透漏的人生故事，還有人工智慧與傳統人力之間的「角力」，以及由此而來、浮上檯面的平臺勞動權益議題。具體來說，作者有這些發現：   　　1.在韓國最大的美食外送平臺「外送民族」擔任外送員 　　因為疫情的關係，外送需求大增。為了搶單，作者體會到這一行的重要技能之一是「不能思考」，因為一旦對著手機上的接單螢幕想太多，生意就被其他同業搶走。搶你生計的，竟然還有機器人。為了搶快，等電梯有什麼技巧？馬路上最致命的威脅是什麼？外送平臺業者之間想提升市占率想瘋了，出動哪些奇招募集外送員？讓人非常猶豫要不要跳槽......  

　　2.在電商龍頭酷澎(Coupang)的物流中心擔任日薪制揀貨員 　　揀貨員的工作就是在接到訂單後，找到正確的商品裝進推車裡，送到包裝臺。作者對一切都感到很新鮮，第一次知道有一種女寶寶紙尿布不是女寶寶用的。揀貨的技巧可多了，要怎麼利用俄羅斯方塊技在推車裡堆疊物品，減少奔波次數？前輩為什麼捨棄便利商店打工，來到物流中心？   　　作者也想起亞馬遜的貝佐斯花最多錢在成立機器人公司上，欲打造完全自動化的物流中心。他看過一個電視廣告，一家人去參觀礦泉水工廠，媽媽對孩子說：「哇！這麼大的工廠裡居然一個人都沒有呢！」讓人不寒而慄。科技最終會把人類趕出物流中心嗎？電商越來越壯大，以後還會有社區小店嗎？

  　　3.利用市占率最高的通訊軟體Kakao成為代理駕駛 　　做過外送員、揀貨員，疫情趨緩後，作者接著挑戰了代理駕駛。開手機導航，但手機要放哪？據說高手都會把手機放在杯架裡，但有更好的做法。什麼是爛單？費用低，而且跑一趟跑到一個很難脫身的地方就是爛單，怎麼避免？代駕也是一個情感勞動吃重的工作，客人想跟你聊家庭、政治、抱怨社會，你該怎麼辦？   　　Kakao 招募司機的廣告寫著：「透過人工智慧系統，任何人都能做到。」人類好像變成幫助AI累積數據的工具，變成AI的四肢了......   　　【今日韓國，明日臺灣？】 　　除了科技、個體、社會之間的關係，作者最關注的還是平臺勞動權益議題。作者認為

，平臺勞動這類「不特定僱用」危機的突破口在於「基本收入」和「終身教育」，因此必須重新檢視國家的作用。   　　國家也必須吸收一部分工會的功能，因為平臺勞動者不會在同一空間一起工作，沒有溝通的機會，也很難串連起來，而且以「論件計酬」來看，彼此與其說是「同事」，不如說是「競爭者」，再說應該很少有人會把外送或代駕視為自己的終身職業，因此平臺勞動者組成工會進行團體行動的可能性非常低，政府應該為他們的利益代言，發揮更積極的功能。   　　今日韓國面臨的難題，是否會是明日臺灣的處境？本書提供了一個思索的起點。   本書特色 　 　　1.作者捨棄傳統採訪形式，直接投身平臺勞動第一線，以資深社會記者的銳利視角

進行田野調查，挖掘潛藏在平臺企業遊戲規則背後的新勞動權益議題。臺灣同樣處於全球性的平臺經濟之中，韓國的經驗有值得借鑑之處。   　　2.收錄多張作者親繪的插畫，讓人會心一笑、如臨現場。   各界同聲推薦   　　Fion（作家、在韓YouTuber） 　　JoJo（Podcast《啾團》主持人） 　　公民不下課（人氣知識平臺） 　　孔德廉（報導者記者） 　　何撒娜（東吳大學社會學系助理教授） 　　邱羽凡（陽明交通大學科技法律學院副教授） 　　阿潑（轉角國際專欄作者） 　　洪敬舒（台灣勞工陣線研究部主任） 　　楊虔豪（駐韓獨立記者） 　　楊貴智（法律白話文運動站長兼內容長） 　　蔡淇華（作家）

　　鄭凱文（日日春放送局［韓國獨立音樂評介粉絲專頁］版主） 　　鄭麗君（青平台基金會董事長） 　　顧玉玲（臺北藝術大學助理教授） 　　依姓氏筆畫排列   　　「作者以第一線揀貨、外送、代駕的勞動為軸，探究平臺經濟的發展，敏銳又即時地回應當下的社會議題，全書橫向參照國際，縱及在地歷史，聚焦人力資本兩極化，提出國家取代企業、回歸社福公共化的政策思索，值得臺灣借鑑。」──顧玉玲（臺北藝術大學助理教授）   　　「作者帶領讀者實際走進『平臺勞動時代』現場，再由這些經驗描繪出『斜槓人生』、『內捲躺平』這些共存於整個亞洲的現象。本書除了記錄疫情時代下不斷加劇的不平等外，也從改變政府體制與推行基本收入等方向

提出另類解方。」──孔德廉（報導者記者）   　　「我們享受到的各項快速與便利，來自許多人付出可見與不可見代價。看似時代前沿的平臺勞動與AI經濟，其實鑲嵌發展於過往的歷史與社會脈絡之中。本書不僅探究韓國外送行業的結構性議題，更是關於勞動價值的深度再思考。」──何撒娜（東吳大學社會學系助理教授）   　　「自由，是所有勞動者共同的期待與夢想，然而本書作者親自投入韓國外送勞動市場，揭露『人類逐漸成為AI的四肢』的真相，打破平臺經濟下，勞動者手持手機隨時上、下線的自由假象，描繪平臺操控『外送民族』的人心與人力的各種策略，實值得臺灣的外送經濟作為參照。」──邱羽凡（陽明交通大學科技法律學院副教授）  

　　「當終身僱用制像北極冰川般地消失，外送、宅配、代駕、Uber滿街跑的平臺卻帶來更多操勞又不穩定的工作。此刻是該順應？抵制？還是改變它？無論答案為何，這本深層解剖韓國平臺就業生態的好書，都是我們面對及思索衝擊的最佳出發點。」──洪敬舒（台灣勞工陣線研究部主任） 　　 　　「作者親自進入這些以正面詞彙包裝的領域中，近身仔細觀察『人』在其中是什麼狀況。除了揪出高收入的假象，還適時地搭配時代背景，點出現代人會對這種不穩定的勞動方式感到有魅力的原因，為讀者導覽外送世界的真實面貌。」──吳燦浩（韓國社會學者、作家）   　　「本書是萌生在我們這個時代的勞動現實報告，彰顯了特殊勞動者受到的特殊差別待遇

。希望勞動者能夠生活在受到尊重、健康和幸福的社會。在此向訂購外送的人、以外送工作維生的人，以及把外送當作兼職的人推薦本書。」──鄭惠允（韓國CBS電臺製作人、作家）

訂單進入發燒排行的影片

優化採購管理之實務研究

為了解決訂單的問題，作者陳美芳 這樣論述：

電子製造業面對半導體物料交期的不確定性、訂單給予供應商前置時間（Lead Time）不足、臨時更改設計、客戶端的需求變化瞬息萬變加上不可抗力的偶發事件和天災人禍在在考驗管理者的因應能力。藉由個案公司了解可能面臨的供應鏈危機接續不上，如何降低生產線停工的危機及後續損失賠償降到最低。本研究期可提供企業優化現有的採購作業流程，持續改善採購管理效率之建議，並建議品牌廠商採購管理應著重於如何與供應商、外包廠商建立長期夥伴關係，進而持續改善作業流程及降低成本、提升企業採購總體績效，並且能讓企業對緊急訂單需求作出更快速的反應。在本研究討論中，透過對個案公司降低供應鏈風險增進採購效率的觀念探討分析，從而得出

結論，採購經過資訊系統協助更可達成風險共擔與資訊共享觀念，風險成本及代工廠轉運成本均可下降、對前置時間不足的緊急訂單應變能力提升。

業務成王術：百億超業CEO用親身經驗， 教你4步提問、7個心法、6招帶人!

為了解決訂單的問題，作者張強 這樣論述：

★從業績掛0的新手，變身規模100億的集團執行長 ★強勢帶領旅悅集團，三年內全球簽約2000家飯店 阿里巴巴出身的超業告訴你： 想衝出冠軍績效，絕對不能瞎忙， 學會24個實戰技巧，從8個面向率領團隊， 就能讓客戶源源不絕，只想跟你買！ 　　‧根據客戶的簽約意願，怎麼分配工作時間最有效益？ 　　‧顧客總是說「我再想想」，如何能快速拿下訂單？ 　　‧超有錢的客戶頻頻殺價，該怎樣回應他的要求？ 　　‧主管把客戶名單給同事，我卻沒拿到，要如何扳回劣勢？ 　　‧部屬的業績沒達標，怎樣發現問題，找出解決方案？ 　　★★超業CEO傳授王者秘技，讓你成為Top Sales 　　本書作者、超業CEO張

強，不僅自己是冠軍業務員，更帶出冠軍業務團隊。他進入阿里巴巴後，起初業績總是掛零，一年就翻身為頂尖業務。後來，因為能力傑出和績效輝煌，他晉身為規模100億的綜合性旅遊產業集團CEO。 　　張強以自身十多年的實戰經驗，教你成交技巧、工作心法，以及管理團隊的秘訣，讓你從面對客戶到帶領部屬，都能夠遊刃有餘，成為稱霸業務界的王者。 　　★★跑客戶是硬功夫，用對方法就能快速成交 　　業績是一步一腳印跑出來的，必須懂得時間管理、提問與回話的訣竅，才得以不斷突破目標。 　　◎運用二七一法則，讓你的勤奮換得最高回報 　　‧10％的時間：追蹤「觀望客戶」，但要適時放棄以停損。 　　‧20％的時間：拜訪「潛在

客戶」，發掘對方可能不想成交的原因，還要…… 　　‧至於70％的時間，超業都用來開發什麼樣的客戶？ 　　◎透過4步提問，把客戶的「不需要」變成「好想要」 　　‧狀況型提問：打開話題、建立信任感，創造銷售的機會。 　　‧困難型提問：針對客戶需求，蒐集更多資訊，激發購買欲。 　　‧影響型提問：為了增加需求的吸引力和緊迫感，你該怎麼做？ 　　‧解決型提問：介紹解決方案，也就是自家的產品或服務。 　　★★學會7個心法增強軟實力，賺得多又賺得久 　　在追求業績的過程中，難免遭遇各種挫折與障礙，頂尖業務都怎麼調整心態？ 　　◎若遲遲無法成交簽約 　　‧反省哪裡做得不夠並立即行動，不浪費時間揣測萬一失敗怎

麼辦（○） 　　‧覺得事事不順，陷入負面情緒難以自拔，業績毫無進展（Ｘ） 　　◎若開發客戶不順利 　　‧設定適切的高目標，逼自己激發潛能，不達目的絕不輕言放棄（○） 　　‧三天捕魚、兩天曬網，覺得自己根本不適合當業務員（Ｘ） 　　◎突然轉調負責新區域 　　‧積極接受變化，先從能力所及的事開始做，但不要給自己設限（○） 　　‧還沒開始著手，就在心裡預設各種困難，越想越沒有信心（Ｘ） 　　★★發揮6招帶人訣竅，打造出超強業務團隊 　　當上主管後，最大的競爭力就是能傳遞的經驗值。主管要有價值而非有架子，因此你應該： 　　‧檢查業務過程：對於業務推動的過程，要緊盯進度，但不要太在意結果。這可以培養

主管與部屬之間的信任感，還能幫助梳理業務邏輯，養成好習慣。 　　‧評估工作狀況：持續考核成員的工作態度與能力，可以督促他們積極工作，不會濫竽充數或消極怠惰，更得以針對部屬欠缺的技能對症下藥、給予輔導。 　　此外，百億超業CEO還教你，如何改造部屬行為模式。舉例來說，釐清業務員職責，設置違規紅線，讓他們在正確框架內行動，避免發生弊端。書中更提供實用的「業務拜訪和陪訪的考核辦法」，幫你提升管理效率。 名人推薦 　　亞洲華人提問式銷售權威  林裕峯 　　NU PASTA總經理、職場作家  吳家德  

以指針網路結合強化學習求解具隱性偏好之車輛途程問題

為了解決訂單的問題，作者林良韋 這樣論述：

車輛途程問題(Vehicle Routing Problem, VRP)旨在車輛及時間的限制下最小化路 線的總距離，過去已有許多學者基於此問題之限制式求得理論上的最佳解，但實務上經常涉及多個要因，其中最需考量路線規劃者和物流司機的隱性偏好，經常須依自身經驗制定後續路線該如何行走，因此基於理論的最佳解無法保證能完全地滿足物流司機所需的路線規劃。本研究擬發展一指針網路為基之強化模型 (Pointer Network-Based with Reinforcement Learning, PNTRL)，結合VRP中的時間窗、車輛進出等限制條件，依此建構指針網路模型來紀錄過往物流司機行走路線之偏好特徵

，亦透過強化學習解決有新加入站點之路徑規劃問題。此模型最大優勢在於重新預測時不必重新訓練模型，可省去大量訓練時間，亦同時解決新加入站點及具過去經驗之站點問題，且針對不同的資料集皆能表現不錯的成果，並可確實解決物流業者訂單規劃時加入新站點的車輛途程問題。