互联网之'我的阅读'

廣告策略「簡單明瞭」很重要，但也不要有沉重的厭惡感。

XML 与面向Web的数据挖掘技术 http://www.aspcool.com/lanmu/browse1.asp?ID=719&bbsuser=xml http://www.swm.com.cn/rj/2000-10/25.htm http://www.ccidnet.com/tech/web/2001/09/04/58_3176.html 上海市计算机学会数据挖掘技术讨论网站 http://scs.stc.sh.cn/main/sjwj.htm 数据挖掘与统计工作 http://www.bjstats.gov.cn/zwxx/wzxw/zzwz/200207020115.htm 数据仓库、数据集市和数据挖掘 http://eii.dlrin.edu.cn/zjlw/zhlw16.htm 数据挖掘-图书馆员应掌握的基本工具 http://www.zslib.com.cn/xhlw/wk.doc 数据挖掘技术概述 http://www.china-pub.com/computers/emook/0903/info.htm 数据挖掘及其在工程诊断中的应用(博士论文) http://www.monitoring.com.cn/papers/GaoYilong_C_D.htm

知识型企业研究中心 2006-12-26 http://business.queensu.ca/index.php   这是一本关于数据挖掘的一本书的章节 数据挖掘课堂笔记 2006-11-10 http://infolab.stanford.edu/~ullman/mining/mining.html 国外大学关于数据挖掘相关课程的课件。 智能科学网站 2006-11-10 http://www.intsci.ac.cn/   数据挖掘的词汇表 智能工具,数据挖掘,可视化2005国际会议 2006-11-09 http://www.infonortics.com/idv/05pro.html

Data Mining: What Is Data Mining ? http://www.anderson.ucla.edu/faculty/jason.frand/teacher/technologies/palace/datamining.htm Data Mining - An Introduction http://databases.about.com/library/weekly/aa100700a.htm?iam=excite_1&terms=data+mining Data Mining - An Introduction Student Notes http://www.pcc.qub.ac.uk/tec/courses/datamining/stu_notes/dm_book_1.html Data Mining Overview http://www.megaputer.com/dm/index.php3 Data Mining - Award Winning Software http://www.salford-systems.com/?source=goto Data Mining With MicroStrategy Best In Business Intelligence http://www.microstrategy.com/Software/Mining.asp?CID=1818dm Data Mining, Web Mining and Knowledge Discovery Directory http://www.kdnuggets.com/ Data Miners Home Page http://www.data-miners.com/ Data Mining and Knowledge Discovery Journal http://www.digimine.com/usama/datamine/ Data Mining and Knowledge Discovery Journal http://www.kluweronline.com/issn/1384-5810 Effective Data Mining Technology http://www.enablesoft.com/ Find Data Mining Solutions http://www.knowledgestorm.com/SearchServlet?ksAction=keyMap&x=data+mining&site=Overture Data Mining Solutions - Business Intelligence http://www.netsoft-usa.com/01_bi.aspx Data Mining Resources http://databases.about.com/cs/datamining/index.htm?PM=ss15_databases The Data Mine Information Index About Data Mining http://www.the-data-mine.com/ ITtoolbox Business Intelligence http://businessintelligence.ittoolbox.com/

Mining Data For Actionable Business Decisions http://internet.about.com/library/aa_data_mining_041202.htm?iam=excite_1&terms=data+mining The Data Mining Group http://www.dmg.org/ Data Mining Software http://www.knowledgestorm.com/SearchServlet?ksAction=keyMap&x=Data+Mining+Software&site=LOOKSMART IBM Data Mining Project/Group Quest http://www.almaden.ibm.com/cs/quest/ Data Mining Resources http://psychology.about.com/cs/datamining/index.htm?iam=excite_1&terms=data+mining Data Mining, Text Mining and Web Mining Software http://www.megaputer.com/ Data Mining and Data Warehousing Links http://databases.about.com/cs/datamining/index.htm?iam=excite_1&terms=data+mining Data Mining Software : EDM & DMSK http://www.data-miner.com/ Data Mining and Knowledge Discovery In Databases http://db.cs.sfu.ca/sections/publication/kdd/kdd.html DM Review: Strategic Solutions For Business Intelligence http://www.dmreview.com/ Data, Text and Web Mining http://internet.about.com/cs/datamining/index.htm?iam=excite_1&terms=data+mining First SIAM International Conference On Data Mining http://www.siam.org/meetings/sdm01/ Data Mining 2002 International Conference On Data Mining Methods and Databases For Engineering, http://www.wessex.ac.uk/conferences/2002/datamining02/ SIGKDD - ACM Special Interest Group On Knowledge Discovery and Data Mining http://www.acm.org/sigkdd/ Data Mining News http://www.idagroup.com/ NCDM National Center For Data Mining http://www.ncdm.uic.edu/ Data Mining Benchmarking Association (DMBA) http://www.dmbenchmarking.com/ Data Mining In Molecular Biology http://industry.ebi.ac.uk/~brazma/dm.html Data Mining and Machine Learning http://www.cs.helsinki.fi/research/fdk/datamining/ NCBI Tools For Data Mining http://www.ncbi.nlm.nih.gov/Tools/ Guide Your Organization's Future With Data Mining http://www.spss.com/spssbi/applications/datamining/ URLs For Data Mining http://www.galaxy.gmu.edu/stats/syllabi/DMLIST.html

SAS Analytic Intelligence Data & Text Mining http://www.sas.com/technologies/data_mining/ Analysis of Data Mining Algorithms http://userpages.umbc.edu/~kjoshi1/data-mine/proj_rpt.htm BIOKDD, 2001 Workshop On Data Mining In Bioinformatics http://www.cs.rpi.edu/~zaki/BIOKDD01/ Advances In Knowledge Discovery and Data Mining http://www.aaai.org/Press/Books/Fayyad/fayyad.html Online Program In Data Mining http://www.ccsu.edu/datamining/ Data Mining: Concepts & Techniques (Book) 2000 http://www.cs.sfu.ca/~han/DM_Book.html Tutorial On High Performance Data Mining http://www-users.cs.umn.edu/~mjoshi/hpdmtut/ GMDH Group Method Of Data Handling http://www.gmdh.net/ The Serendip Data Mining Project http://www.bell-labs.com/project/serendip/ Data Mining Forum http://www.data-mining-forum.de/ Open Directory: Data Mining http://dmoz.org/Computers/Software/Databases/Data_Mining/ Data Warehouse Information Center - Data Mining http://www.dwinfocenter.org/datamine.html

Generate maximum return on data in minimum time with Clementine http://www.spss.com/spssbi/clementine/ ICDM'02 The 2002 IEEE International Conference On Data Mining http://kis.maebashi-it.ac.jp/icdm02/ DMI: Data Mining Institute http://www.cs.wisc.edu/dmi/ Data Mining On The Web http://www.webtechniques.com/archives/2000/01/greening/ Data Mining Lecture Notes http://www-db.stanford.edu/~ullman/mining/mining.html ITSC Data Mining Center http://datamining.itsc.uah.edu/ Imperial College Data Mining Research Group http://ruby.doc.ic.ac.uk/ Knowledge Discovery & Data Mining Foundation http://www.kdd.org/ Untangling Text Data Mining http://www.sims.berkeley.edu/~hearst/papers/acl99/acl99-tdm.html Directory Of Data Warehouse, Data Mining and Decision Support Resources http://www.infogoal.com/dmc/dmcdwh.htm Data Mining Techniques http://www.statsoftinc.com/textbook/stdatmin.html Knowledge Discovery In Biology and Medicine http://bioinfo.weizmann.ac.il/cards/knowledge.html

Data Mining Magazine http://www.mining.dk/ Data Mining Server http://dms.irb.hr/ NAG Data Mining Components to Create Critical Competitive Advantage http://www.nag.co.uk/numeric/DR/drdescription.asp Data Mining and Multidimensional Analysis http://www.ics.uci.edu/~eppstein/gina/datamine.html ADC's Data Mining Resources For Space Science http://adc.gsfc.nasa.gov/adc/adc_datamining.html Laboratory For Knowledge Discovery In Databases (KDD) http://www.kddresearch.org/Groups/Data-Mining/ NCSA Data, Mining and Visualization http://archive.ncsa.uiuc.edu/DMV/ CRoss Industry Standard Process For Data Mining http://www.crisp-dm.org/ International Workshop On Visual Data Mining http://www-staff.it.uts.edu.au/~simeon/vdm_pkdd2001/ Mathematic Challenges In Scientific Data Mining http://www.ipam.ucla.edu/programs/sdm2002/ Mining Customer Data http://www.db2mag.com/db_area/archives/1998/q3/98fsaar.shtml Constraint-Based Multidimensional Data Mining http://www-sal.cs.uiuc.edu/~hanj/pdf/computer99.pdf  

2.项目估算 软件项目中的功能点法估算-实例 软件项目中的功能点法估算-原理 COCOMOII成本估算模型 IT项目管理-计划-估算 软件项目计划-估算杂谈

4.挣值管理 IT项目管理中的挣值分析 使用Project进行挣值分析

5.QFD质量功能部署 QFD质量功能展开基础 软件产品QFD第一层分解 软件产品QFD第二层分解

7.质量七工具 SPC统计过程控制-控制图 质量管理七工具

8.TOC约束理论 高德拉特博士TOC总体解决方案 关于瓶颈管理TOC的九大原则 TOC和项目管理

6.蒙特卡洛模拟 水晶球软件工具使用 多项目选择的模拟 IT项目组合风险分析

50. 你们的程序员能看到测试用例么？MVM：要。让Dev看到Test Case吧。我们都是为了同一个目的走到一起来的：提高质量。 51. 你们是否随便抓一些人来做易用性测试？MVM：要这么做。自己看自己写的程序界面，怎么看都是顺眼的。这叫做审美疲劳——臭的看久了也就不臭了，不方便的永久了也就习惯了。 52. 你对自动测试的期望正确么？MVM：别期望太高。依我看，除了性能测试以外，还是暂时先忘掉“自动测试”吧，忘掉WinRunner和LoadRunner吧。对于国内的软件测试的现状来说，只能“矫枉必须过正”了。 53. 你们的性能测试是等所有功能都开发完才做的么？MVM：不能这样。性能测试不能被归到所谓的“系统测试”阶段。早测早改正，早死早升天。 54. 你注意到测试中的杀虫剂效应了么？MVM：虫子有抗药性，Bug也有。发现的新Bug越来越少是正常的。这时候，最好大家交换一下测试的area，或者用用看其他工具和手法，就又会发现一些新bug了。 55. 你们项目组中有人能说出产品的当前整体质量情况么？MVM：要有。当老板问起这个产品目前质量如何，Test Lead/Manager应该负责回答。 56. 你们有单元测试么？MVM：单元测试要有的。不过没有单元测试也不是不可以，我做过没有单元测试的项目，也做成功了——可能是侥幸，可能是大家都是熟手的关系。还是那句话，软件工程是非常实践、非常工程、非常灵活的一套方法，某些方法在某些情况下会比另一些方法好，反之亦然。 57. 你们的程序员是写完代码就扔过墙的么 ？MVM：大忌。写好一块程序以后，即便不做单元测试，也应该自己先跑一跑。虽然有了专门的测试人员，做开发的人也不可以一点测试都不做。微软还有Test Release Document的说法，程序太烂的话，测试有权踢回去。 58. 你们的程序中所有的函数都有输入检查么？MVM：不要。虽然说做输入检查是write secure code的要点，但不要做太多的输入检查，有些内部函数之间的参数传递就不必检查输入了，省点功夫。同样的道理，未必要给所有的函数都写注释。写一部分主要的就够了。 59. 产品有统一的错误处理机制和报错界面么？MVM： 要有。最好能有统一的error message，然后每个error message都带一个error number。这样，用户可以自己根据error number到user manual里面去看看错误的具体描述和可能原因，就像SQL Server的错误那样。同样，ASP.NET也要有统一的Exception处理。可以参考有关的Application Block。 60. 你们有统一的代码书写规范么？MVM：要有。Code Convention很多，搞一份来发给大家就可以了。当然，要是有FxCop这种工具来检查代码就更好了。 61. 你们的每个人都了解项目的商业意义么？MVM： 要。这是Vision的意思。别把项目只当成工作。有时候要想着自己是在为中国某某行业的信息化作先驱者，或者时不时的告诉team member，这个项目能够为某某某国家部门每年节省多少多少百万的纳税人的钱，这样就有动力了。平凡的事情也是可以有个崇高的目标的。 62. 产品各部分的界面和操作习惯一致么？MVM：要这样。要让用户觉得整个程序好像是一个人写出来的那样。 63. 有可以作为宣传亮点的Cool Feature么？MVM：要。这是增强团队凝聚力、信心的。而且，“一俊遮百丑”，有亮点就可以掩盖一些问题。这样，对于客户来说，会感觉产品从质量角度来说还是acceptable的。或者说，cool feature或者说亮点可以作为质量问题的一个事后弥补措施。 64. 尽可能缩短产品的启动时间MVM：要这样。软件启动时间（Start-Up time）是客户对性能好坏的第一印象。

65. 不要过于注重内在品质而忽视了第一眼的外在印象MVM：程序员容易犯这个错误：太看重性能、稳定性、存储效率，但忽视了外在感受。而高层经理、客户正相反。这两方面要兼顾，协调这些是PM的工作。 66. 你们根据详细产品功能说明书做开发么？MVM：要这样。要有设计才能开发，这是必须的。设计文档，应该说清楚这个产品会怎么运行，应该采取一些讲故事的方法。设计的时候千万别钻细节，别钻到数据库、代码等具体实现里面去，那些是后面的事情，一步步来不能着急。 67. 开始开发和测试之前每个人都仔细审阅功能设计么？MVM：要做。Function Spec review是用来统一思想的。而且，review过以后形成了一致意见，将来再也没有人可以说“你看，当初我就是反对这么设计的，现在吃苦头了吧” 68. 所有人都始终想着The Whole Image么？MVM：要这样。项目里面每个人虽然都只是在制造一片叶子，但每个人都应该知道自己在制造的那片叶子所在的树是怎么样子的。我反对软件蓝领，反对过分的把软件制造看成流水线、车间。参见第61条。 69. Dev工作的划分是单纯纵向或横向的么？MVM：不能单纯的根据功能模块分，或者单纯根据表现层、中间层、数据库层分。我推荐这么做：首先根据功能模块分，然后每个“层”都有一个Owner来Review所有人的设计和代码，保证consistency。 70. 你们的程序员写程序设计说明文档么？MVM：要。不过我听说微软的程序员1999年以前也不写。所以说，写不写也不是绝对的，偷懒有时候也是可以的。参见第56条。 71. 你在招人面试时让他写一段程序么？MVM：要的。我最喜欢让人做字符串和链表一类的题目。这种题目有很多循环、判断、指针、递归等，既不偏向过于考算法，也不偏向过于考特定的API。 72. 你们有没有技术交流讲座？MVM：要的。每一两个礼拜搞一次内部的Tech Talk或者Chalk Talk吧。让组员之间分享技术心得，这笔花钱送到外面去培训划算。 73. 你们的程序员都能专注于一件事情么？MVM： 要让程序员专注一件事。例如说，一个部门有两个项目和10个人，一种方法是让10个人同时参加两个项目，每个项目上每个人都花50%时间；另一种方法是5 个人去项目A，5个人去项目B，每个人都100%在某一个项目上。我一定选后面一种。这个道理很多人都懂，但很多领导实践起来就把属下当成可以任意拆分的 资源了。

74. 你们的程序员会夸大完成某项工作所需要的时间么？MVM：会的，这是常见的，尤其会在项目后期夸大做某个change所需要的时间，以次来抵制change。解决的方法是坐下来慢慢磨，磨掉程序员的逆反心理，一起分析，并把估算时间的颗粒度变小。 75. 尽量不要用Virtual HeadsMVM： 最好不要用Virtual Heads。Virtual heads意味着resource is not secure，shared resource会降低resource的工作效率，容易增加出错的机会，会让一心二用的人没有太多时间去review spec、review design。一个dedicated的人，要强过两个只能投入50%时间和精力的人。我是吃过亏的：7个part time的tester，发现的Bug和干的活，加起来还不如两个full-time的。参见第73条。73条是针对程序员的，75条是针对 Resource Manager的。

Openworkbench（http://www.openworkbench.org ）也是一个开源的项目管理软件，其功能跟Project 2003相似，是一个值得大家去使用的一个工具，但对于中国很多软件公司，都是使用特别版的Project 2003。假如你很尊重版权，又不想使用Project 2003，那Openworkbench是一个非常好的选择。

第二、需求分析工具     需求分析工具用得比较多可能就是Rational Rose、MicroSoft Visio或MindManager，一般我们使用Rational Rose来进行用例分析，画用例图，画状态图；使用MicroSoft Visio来画出应用系统的结构图、流程图等。当然，对于MicroSoft Visio能画出来的东西，其实Rose也一样可以实现，只是，大家都是这么干，我们也没有必要专门去做一些特例的东西，特别是对于一些比较特殊的公司及行业。

二、系统设计阶段： 第一、系统设计工具     主流的系统设计工具有大家非常熟悉的Rose2003，不过，现在已经不叫Rose了，现在IBM最新的设计工具是RSA（Ration Software Architect），Borland Together，SyBase PowerDesinger，MicroSoft Visio，对于开源的系统设计工具也有很多，比如ArgoUML、DBDesigner等等。

第二、开发的技术框架     技术框架的选择是非常关键，一个好的技术框架，可以让我们的开发更加快速、团队的分工更加合理、系统能够支持多种数据库平台、我们的维护更加方便。     Web前端MVC框架是Struts 2。Struts 2可以说是Struts穿上了WebWork的外衣，其内核大部分都是采用了WebWork的技术，并且基于AOP的设计思想，让我们在软件设计上的能够更加多地体现“高内聚，低耦合”的设计思想。

第三、开发规范的定制     文件命名规范、数据库设计规范、编码规范、团队协作规定等等一些规范性的东西，需要在系统开发前就规定好，并且做相应的培训。QA也要做好监督的作用，定期做评审工作，对已发生的问题及可能出现的问题，及早发现，及早处理。

第四、开发工具的选择     团队一定要选择同样的开发工具，开发工具相同，软件版本相同。为什么要这样子做，其实假如你作为一个Team Leader，你会在管理你的团队的时候发现很多问题，而解决这个问题，那在项目编码前，就把什么东西都规定好，以免其中发生问题，影响整个团队的开发速 度。开发工具的选择也是非常重要的，目前企业用得比较多的开发工具有：Eclipse、Jbuilder、NetBeans、IDEA。

三、开发阶段 第一、配置管理工具 代码管理工具有很多，现在公司用得比较多的代码管理工具有CVS、VSS、SVN。 对于一个开发团队只有2-5个人，并且这两三个人是同一间办公室里，那使用VSS是一个非常不错的选择，个人觉得他小团队的管理方面非常好用。个人觉得 VSS唯一的缺点就是一个文件当被一个人锁定，那其他人就没有办法进行修改了，当一个文件为多个人所共用且开发团队人数较多时，这种问题将会显示非常严 重。VSS客户端跟服务器你都可以从Visio Studio里面找到。

对于一个开发团队有超过5个人，那此如选择CVS或SVN将是一个更好的选择，并且，假如你的团队是分散的，可能不在一间办公室或者根本不在同一个城市，那使用CVS或SVN是一个非常更想的选择。CVS的服务器一般是使用CVSNT或CVSServer。

四、软件测试阶段  第一、缺陷管理工具     软件你不能保证它永远不会错，只是，有些错误你暂时还没有发现而已；有些错误需要在某些特定的环境下它才会发生。就像Windows，时不时会有一些系统 更新文件要求更新。可能这些更新不是错误，只是一些系统安全方面的隐患。这些都可以算是软件系统的缺陷。那这些缺陷我们应该怎么进行管理？怎么进行跟踪 呢？现在缺陷管理用得比较多的有两个：第一个是开源的bugzilla，另一个是商业的JIRA。

六、软件维护阶段 第一、客户CASE跟踪管理工具     客户CASE跟踪系统相信很多做CISCO公司金牌代理的人都会用过。我们必须在公司内部建立相应的CASE跟踪制度。当用户使用系统的时候，发现一些问 题，那我们需要对这些问题进行录入并进行跟踪。像客户呼叫服务系统等等一些商业化的软件外面还是很多的，这些系统其实公司自己开发一个也是很快的。但必须 要有。这个也是提高整个公司整体服务形象的一种态度。

企业模式：这种方法的创新包括企业结构和企业在新的或现有的价值链中的角色。这种方式的重点在于重新定义组织边界。 　　这种创新可以通过整合实现，就像日本的kieretsu 体系，该体系通常可以是由一个公司或跨行业联合企业所拥有且管理的供应链。举例来说，服装零售商Zara 通过生产部门将店铺创建的客户数据传递给设计人员的反馈回路，从而实现对服装设计进行有效管理。 　　您还可以通过专业化分工，使各组织将工作重心放在核心竞争力或高利润业务上面，而将其余业务外包，从而实现企业模式创新。举例来说，印度电信公司Bharti Airtel 将工作重心放在营销、销售和分销上面，而将大量实际IT 和网络功能外包给外部合作伙伴。

所有这三种业务模式创新类型(也可以将这些类型相结合)都能够获得成功的财务成果。在这三种不同的业务模式创新类型所产生的财务绩效方面，我们没有看出明 显的差异。

总结 　　由于预见到在各个行业将要出现的大规模变化，业绩出色的CEO 正在将工作重点放在业务模式创新上面，并将之作为获得竞争能力和成长发展的一个途径。为了达成此目的，企业领导可以利用三种主要的业务模式创新类型：行业 模式创新、收入模式创新和/或企业模式创新。这些业务模式创新方法可以单独使用，也可以结合在一起使用。 　　一个令人振奋的好消息是：通过恰当的战略和强有力的执行，所有这三种途径都能够获得成功的业务模式创新。但是，同时， 强调协作和合作的企业模式创新却是最为普遍的战略。在我们的研究中，寻求企业模式创新、关注协作和合作的公司所获得的财务收益绝对比得上使用其它业务模式 创新战略的公司所获得的成果。

目前国内MMORPG类型仍然保持以“打怪”、“升级”的游戏方式为主，而未来要提升游戏质量，除了丰富使用模式以外，如何丰富游戏的内涵也是需要着重思考的问题，而网络文学则可成为丰富游戏内涵的动力之一。

异业合作也为网络游戏的客户开发以及盈利模式另辟蹊径

明智 在努力做到透明的同时，也不要破坏Intel的隐私、机密以及对外商业演讲的法律条款。

透明 你的诚实─或者不诚实─在社会化媒体环境中将很快被注意到。

参与互动的规则

写你知道的事情 确保你所写的内容是你擅长的领域，特别是当它和Intel以及我们的技术相关的时候。

认知等于真实 在线社会化网络中，公开与私密、个人和专业之间的界限是模糊的。

确保所有与你有关的内容都和你的工作，和Intel的价值观以及专业标准相一致。

这是一种对话 像你在工作中同真人交谈一样跟你的读者进行交谈。换句话说，避免过多的卖弄学问或者说客套话。不用害怕表现你自己的个性或者说出你心中的想法。考虑开放话题的内容并邀请别人答复。鼓励评论。你也可以通过引用正在谈论相同问题的Blog内容并允许你自己的内容被分享或同步来扩大对话的范围。

你是否提供价值？ 社会化媒体中的内容不计其数，为人们提供价值是让你所写的东西能被人阅读最好的办法。

它应该发人深省并能建立一种社区感。如果它帮助人们提升知识或技能；建立他们的业务；完成他们的工作；解决他们的问题；或者让他们更好的了解Intel──那就说明它提供了价值。

你的责任： 你所写的内容最终由你负责。

带来一些惊喜。

让我们和世界分享我们正在学习或在作的让人兴奋的事情──同时也敞开向他人学习之门。

领袖气质 善意讨论和煽风点火之间有一条细线

一旦文字发布了，你没有办法真正的收回。一旦激动的争论开始，就很难停止。

如果搞砸了？ 如果你犯了错误，承认它。坦率并快速的进行修正。

如果需要暂停就暂停 即使你正要发布的东西让你感到一点点的不适，不要置之不理而点击“发布”。花些时间来看这些准则并试图找出是什么困扰了你，然后修正它。

审核 审核就是在内容被发布到网站上之前对其检视和审查的行为。

好的、坏的，但不是恶劣的。正面的或者是负面的内容，只要和对话相符就会得到我们的允许，无论内容是否有利于Intel。如果内容是恶劣的、有攻击性的、是诋毁的并和上下文完全无关，那它们将会被拒绝。

关于重构产业链以及出版业该如何应对，王勤总结认为，出版业应该具有从传统内容加工模式转移到构建新的传媒式的经营理念，定制的，按需生产、按需服务。要得到有效的经济增长模式，要向产业链的终端靠拢，要跟最终的用户接近。

用户原创内容（UGC）具有低成本、高创意的特点，其他移动运营商也会充分利用这个机会，建立一套技术平台和相应的管理机制来激发这个新的内容生产环节的活力，并为己所用。

“自媒体已经成为一个趋势，出版业需要关注用户群体的行为模式。”传统出版，出版社很难跟踪、分析读者行为，但手机出版可以对用户浏览、购买过程中诸如用户区域、访问时间、浏览内容、消费指数等全方位行为进行跟踪，这就为精细化服务做好了铺垫。

移动电子商务平台在拥有足够的细分读者之后，完全可以延伸更大的市场空间，甚至，通过移动平台，传统的期刊报纸、图书内容分销渠道也可以通过手机平台实现。

美国普锐斯马特作为一家数字媒体平台，主要服务模式是基于互联网、手机、博客、RSS、甚至于社群营销的图书、报纸、杂志内容发行。

普锐斯马特自身360度的服务模式（从内容制作、托管、订阅管理、在线支付、广告服务、用户信息情报挖掘等）

V8书客、大头、GGbook、百阅、掌媒等。

很多出版业人士的困惑主要集中于，如何确保收益、如何保护版权等等基本的概念认知，至于如何分析自身在产业中的定位，更多的表态是不清楚，不了解。