股票奧美醫療今天股價

1. 金士力股票代碼是什麼

「金士力」為金士力佳友有限公司的保健品品牌。沒有上市。
天士力醫葯集團股份有限公司是天士力控股集團的核心企業，是我國中葯現代化的標志性企業，於2002年8月在上海證券交易所掛牌上市（600535）。下面有很多公司
摘錄一份2013年6月的天士力集團的主要子公司情況如下（不包括上市公司）
1）江蘇天士力帝益葯業有限公司主要經營業務為化學葯的生產及銷售。蒂清(替莫唑胺膠囊）是公司經過7年研製成的國家二類新葯,是目前國內唯一治療腦膠質瘤的口服膠囊制劑,針對性強、特異性高, 在體內不需經過肝臟代謝即可分解為葯物活性物質,口服後迅速吸收,具有100%的生物利用度及廣譜的抗腫瘤活性,同時價格遠遠低於國外同類產品,年銷售收入呈現30%的增長。公司前期投入的化學葯注射用鹽酸地爾硫卓已獲得生產批文,盡管地爾硫卓產品生產廠家眾多,競爭較為激烈,但作為心律失常主力葯品仍有較大的市場空間;另外公司的丹酚酸B產品已通過技術審評,上市准備工作取得順利進展。日前以14.5億元現金收購100%股權。
2） 天津天士力聖特製葯有限公司 集團控股100%。主要為緩控釋新型葯物制劑的開發和生產，產品為西替利嗪緩釋片、甲磺酸氨氯地平片等片劑產品和加巴噴丁緩釋膠囊、奧美拉唑膠囊等膠囊劑，年生產能力21.15億粒，產品全部出口。集團投資額為743萬美元。2010年虧損2272萬元。日前已按凈資產383萬收購100%股權。
3）天津貝特葯業有限公司 集團控股100%。主要為醫葯技術的開發。2011年虧損103萬元。
4）天津天士力健康醫療器械有限公司 集團控股40%。主要為醫療器械的開發與生產。2011年虧損186萬元。
5）江蘇天士力貝特製葯有限公司 1997年成立，集團控股95%。主要生產三、四類新葯有：血脂調節葯物阿貝他（苯扎貝特片）、肝病治療葯物水林佳（水飛薊賓膠囊）、治療失眠中葯制劑蘿藤安神片。目前為微利狀態。
6）河南普新生物工程有限公司 集團公司3家生物公司為上海天士力葯業有限公司（上市公司全資子公司）、天士力金納生物技術(天津)有限公司（上市公司控股55%）及河南普新生物工程有限公司。普新生物已涉足基因工程葯物和疫苗等領域,目前看尚處於起步階段。主要產品為疫苗(人用狂犬病疫苗(地鼠腎細胞) 人用狂犬病疫苗(Vero細胞)、凍幹人用狂犬病疫苗(地鼠腎細胞)的生產。是2009年集團公司收購河南省疾病預防控制中心的，普新生物的主打產品地鼠腎細胞狂犬疫苗在質量上處於國內領先地位,公司將藉助自身的品牌優勢,並將通過增加產能、降低成本等方式,將該產品大力推向市場。目前為微虧狀態。
7）天津天士力百樂量子生物科技有限公司 集團控股99%。主要從研究與生產醫學外用塗敷劑產品，其產品是改變人類用葯途徑，針對避免傳統醫葯對人體的不良反應現象，給予一種全新的治療思路。主要是對高血壓、失眠、前列腺、減肥、抗衰老、性功能調節、抗過敏、止疼、排毒養顏、抑鬱症等多種外用塗敷劑。業務尚為起步階段，目前微利狀態。
8）天士力高品制劑有限公司 主要產品：出口仿製化學葯。與英國公司合作。
9）貴州金士酒業 主要產品：國台酒。
10）天士力帝普洱銷售有限公司 主要產品：「帝普洱」普洱茶。
11）金士力佳友有限公司 主要產品：日化。
12）上海天士力我立得醫院 主要服務：微創脊柱手術。
13）世紀國熙生物醫葯研發有限公司 主要NKM細胞治療。

2. 醫療類股票暴漲，背後的原因是什麼

疫情防控還在進行。國外疫情還沒有完全過去。

疫情的爆發短期內會對股票市場形成沖擊(宏觀經濟因此受到影響)，短期內對交運，社會服務等消費人群聚集的行業產生情緒上的波動。然而這種短期內的影響將強化市場對逆周期操作的信心，所以全年繼續推薦高成長、高彈性、高估值的硬科技和新消費。醫療板塊是目前比較火熱的。

3. 求問什麼是數據挖掘

數據挖掘相關的10個問題 NO.1 Data Mining 和統計分析有什麼不同？ 硬要去區分Data Mining和Statistics的差異其實是沒有太大意義的。一般將之定義為Data Mining技術的CART、CHAID或模糊計算等等理論方法，也都是由統計學者根據統計理論所發展衍生，換另一個角度看，Data Mining有相當大的比重是由高等統計學中的多變數分析所支撐。但是為什麼Data Mining的出現會引發各領域的廣泛注意呢？主要原因在相較於傳統統計分析而言，Data Mining有下列幾項特性： 1.處理大量實際數據更強勢，且無須太專業的統計背景去使用Data Mining的工具； 2.數據分析趨勢為從大型資料庫抓取所需數據並使用專屬計算機分析軟體，Data Mining的工具更符合企業需求； 3. 純就理論的基礎點來看，Data Mining和統計分析有應用上的差別，畢竟Data Mining目的是方便企業終端用戶使用而非給統計學家檢測用的。 NO.2 Data Warehousing 和 Data Mining 的關系為何？ 若將Data Warehousing（數據倉庫）比喻作礦坑，Data Mining就是深入礦坑采礦的工作。畢竟Data Mining不是一種無中生有的魔術，也不是點石成金的煉金術，若沒有夠豐富完整的數據，是很難期待Data Mining能挖掘出什麼有意義的信息的。 要將龐大的數據轉換成為有用的信息，必須先有效率地收集信息。隨著科技的進步，功能完善的資料庫系統就成了最好的收集數據的工具。數據倉庫，簡單地說，就是搜集來自其它系統的有用數據，存放在一整合的儲存區內。所以其實就是一個經過處理整合，且容量特別大的關系型資料庫，用以儲存決策支持系統（Design Support System）所需的數據，供決策支持或數據分析使用。從信息技術的角度來看，數據倉庫的目標是在組織中，在正確的時間，將正確的數據交給正確的人。 許多人對於Data Warehousing和Data Mining時常混淆，不知如何分辨。其實，數據倉庫是資料庫技術的一個新主題，利用計算機系統幫助我們操作、計算和思考，讓作業方式改變，決策方式也跟著改變。 數據倉庫本身是一個非常大的資料庫，它儲存著由組織作業資料庫中整合而來的數據，特別是指事務處理系統OLTP（On-Line Transactional Processing）所得來的數據。將這些整合過的數據置放於數據昂哭中，而公司的決策者則利用這些數據作決策；但是，這個轉換及整合數據的過程，是建立一個數據倉庫最大的挑戰。因為將作業中的數據轉換成有用的的策略性信息是整個數據倉庫的重點。綜上所述，數據倉庫應該具有這些數據：整合性數據（integrated data）、詳細和匯總性的數據(detailed and summarized data)、歷史數據、解釋數據的數據。從數據倉庫挖掘出對決策有用的信息與知識，是建立數據倉庫與使用Data Mining的最大目的，兩者的本質與過程是兩回事。換句話說，數據倉庫應先行建立完成，Data mining才能有效率的進行，因為數據倉庫本身所含數據是干凈(不會有錯誤的數據參雜其中)、完備，且經過整合的。因此兩者關系或許可解讀為Data Mining是從巨大數據倉庫中找出有用信息的一種過程與技術。 NO.3 OLAP 能不能代替 Data Mining？ 所謂OLAP（Online Analytical Process）意指由資料庫所連結出來的在線分析處理程序。有些人會說：「我已經有OLAP的工具了，所以我不需要Data Mining。」事實上兩者間是截然不同的，主要差異在於Data Mining用在產生假設，OLAP則用於查證假設。簡單來說，OLAP是由使用者所主導，使用者先有一些假設，然後利用OLAP來查證假設是否成立；而Data Mining則是用來幫助使用者產生假設。所以在使用OLAP或其它Query的工具時，使用者是自己在做探索（Exploration），但Data Mining是用工具在幫助做探索。 舉個例子來看，一市場分析師在為超市規劃貨品架櫃擺設時，可能會先假設嬰兒尿布和嬰兒奶粉會是常被一起購買的產品，接著便可利用OLAP的工具去驗證此假設是否為真，又成立的證據有多明顯；但Data Mining則不然，執行Data Mining的人將龐大的結帳數據整理後，並不需要假設或期待可能的結果，透過Mining技術可找出存在於數據中的潛在規則，於是我們可能得到例如尿布和啤酒常被同時購買的意料外之發現，這是OLAP所做不到的。 Data Mining常能挖掘出超越歸納范圍的關系，但OLAP僅能利用人工查詢及可視化的報表來確認某些關系，是以Data Mining此種自動找出甚至不會被懷疑過的數據模型與關系的特性，事實上已超越了我們經驗、教育、想像力的限制，OLAP可以和Data Mining互補，但這項特性是Data Mining無法被OLAP取代的。 NO.4 完整的Data Mining 包含哪些步驟？ 以下提供一個Data Mining的進行步驟以為參考： 1. 理解業務與理解數據； 2. 獲取相關技術與知識； 3. 整合與查詢數據； 4. 去除錯誤或不一致及不完整的數據； 5. 由數據選取樣本先行試驗； 6. 建立數據模型 7. 實際Data Mining的分析工作； 8. 測試與檢驗； 9. 找出假設並提出解釋； 10. 持續應用於企業流程中。 由上述步驟可看出，Data Mining牽涉了大量的准備工作與規劃過程，事實上許多專家皆認為整套Data Mining的進行有80﹪的時間精力是花費在數據前置作業階段，其中包含數據的凈化與格式轉換甚或表格的連結。由此可知Data Mining只是信息挖掘過程中的一個步驟而已，在進行此步驟前還有許多的工作要先完成。 NO.5 Data Mining 運用了哪些理論與技術？ Data Mining是近年來資料庫應用技術中相當熱門的議題，看似神奇、聽來時髦，實際上卻也不是什麼新東西，因其所用之諸如預測模型、數據分割，連結分析（Link Analysis）、偏差偵測（Deviation Detection）等，美國早在二次世界大戰前就已應用運用在人口普查及軍事等方面。 隨著信息科技超乎想像的進展，許多新的計算機分析工具問世，例如關系型資料庫、模糊計算理論、基因演算法則以及類神經網路等，使得從數據中發掘寶藏成為一種系統性且可實行的程序。 一般而言，Data Mining的理論技術可分為傳統技術與改良技術兩支。 傳統技術以統計分析為代表，統計學內所含序列統計、概率論、回歸分析、類別數據分析等都屬於傳統數據挖掘技術，尤其 Data Mining 對象多為變數繁多且樣本數龐大的數據，是以高等統計學里所含括之多變數分析中用來精簡變數的因素分析（Factor Analysis）、用來分類的判別分析（Discriminant Analysis），以及用來區隔群體的分群分析（Cluster Analysis）等，在Data Mining過程中特別常用。 在改良技術方面，應用較普遍的有決策樹理論（Decision Trees）、類神經網路（Neural Network）以及規則歸納法（Rules Inction）等。決策樹是一種用樹枝狀展現數據受各變數的影響情形之預測模型，根據對目標變數產生之效應的不同而建構分類的規則，一般多運用在對客戶數據的分析上，例如針對有回函與未回含的郵寄對象找出影響其分類結果的變數組合，常用分類方法為CART（Classification and Regression Trees）及CHAID（Chi-Square Automatic Interaction Detector）兩種。 類神經網路是一種模擬人腦思考結構的數據分析模式，由輸入之變數與數值中自我學習並根據學習經驗所得之知識不斷調整參數以期建構數據的型樣(patterns)。類神經網路為非線性的設計，與傳統回歸分析相比，好處是在進行分析時無須限定模式，特別當數據變數間存有交互效應時可自動偵測出；缺點則在於其分析過程為一黑盒子，故常無法以可讀之模型格式展現，每階段的加權與轉換亦不明確，是故類神經網路多利用於數據屬於高度非線性且帶有相當程度的變數交感效應時。 規則歸納法是知識發掘的領域中最常用的格式，這是一種由一連串的「如果…/則…（If / Then）」之邏輯規則對數據進行細分的技術，在實際運用時如何界定規則為有效是最大的問題，通常需先將數據中發生數太少的項目先剔除，以避免產生無意義的邏輯規則。 NO.6 Data Mining包含哪些主要功能？ Data Mining實際應用功能可分為三大類六分項來說明：Classification和Clustering屬於分類區隔類；Regression和Time-series屬於推算預測類；Association和Sequence則屬於序列規則類。 Classification是根據一些變數的數值做計算，再依照結果作分類。（計算的結果最後會被分類為幾個少數的離散數值，例如將一組數據分為 "可能會響應" 或是 "可能不會響應" 兩類）。Classification常被用來處理如前所述之郵寄對象篩選的問題。我們會用一些根據歷史經驗已經分類好的數據來研究它們的特徵，然後再根據這些特徵對其他未經分類或是新的數據做預測。這些我們用來尋找特徵的已分類數據可能是來自我們的現有的客戶數據，或是將一個完整資料庫做部份取樣，再經由實際的運作來測試；譬如利用一個大型郵寄對象資料庫的部份取樣來建立一個Classification Model，再利用這個Model來對資料庫的其它數據或是新的數據作分類預測。 Clustering用在將數據分群，其目的在於將群間的差異找出來，同時也將群內成員的相似性找出來。Clustering與Classification不同的是，在分析前並不知道會以何種方式或根據來分類。所以必須要配合專業領域知識來解讀這些分群的意義。 Regression是使用一系列的現有數值來預測一個連續數值的可能值。若將范圍擴大亦可利用Logistic Regression來預測類別變數，特別在廣泛運用現代分析技術如類神經網路或決策樹理論等分析工具，推估預測的模式已不在止於傳統線性的局限，在預測的功能上大大增加了選擇工具的彈性與應用范圍的廣度。 Time-Series Forecasting與Regression功能類似，只是它是用現有的數值來預測未來的數值。兩者最大差異在於Time-Series所分析的數值都與時間有關。Time-Series Forecasting的工具可以處理有關時間的一些特性，譬如時間的周期性、階層性、季節性以及其它的一些特別因素（如過去與未來的關連性）。 Association是要找出在某一事件或是數據中會同時出現的東西。舉例而言，如果A是某一事件的一種選擇，則B也出現在該事件中的機率有多少。（例如：如果顧客買了火腿和柳橙汁，那麼這個顧客同時也會買牛奶的機率是85%。） Sequence Discovery與Association關系很密切，所不同的是Sequence Discovery中事件的相關是以時間因素來作區隔（例如：如果A股票在某一天上漲12%，而且當天股市加權指數下降，則B股票在兩天之內上漲的機率是 68%）。 NO.7 Data Mining在各領域的應用情形為何？ Data Mining在各領域的應用非常廣泛，只要該產業擁有具分析價值與需求的數據倉儲或資料庫，皆可利用Mining工具進行有目的的挖掘分析。一般較常見的應用案例多發生在零售業、直效行銷界、製造業、財務金融保險、通訊業以及醫療服務等。 於銷售數據中發掘顧客的消費習性，並可藉由交易紀錄找出顧客偏好的產品組合，其它包括找出流失顧客的特徵與推出新產品的時機點等等都是零售業常見的實例；直效行銷強調的分眾概念與資料庫行銷方式在導入Data Mining的技術後，使直效行銷的發展性更為強大，例如利用Data Mining分析顧客群之消費行為與交易紀錄，結合基本數據，並依其對品牌價值等級的高低來區隔顧客，進而達到差異化行銷的目的；製造業對Data Mining的需求多運用在品質控管方面，由製造過程中找出影響產品品質最重要的因素，以期提高作業流程的效率。 近來電話公司、信用卡公司、保險公司以及股票交易商對於詐欺行為的偵測（Fraud Detection）都很有興趣，這些行業每年因為詐欺行為而造成的損失都非常可觀，Data Mining可以從一些信用不良的客戶數據中找出相似特徵並預測可能的詐欺交易，達到減少損失的目的。財務金融業可以利用 Data Mining來分析市場動向，並預測個別公司的營運以及股價走向。Data Mining的另一個獨特的用法是在醫療業，用來預測手術、用葯、診斷、或是流程式控制制的效率。 NO.8 Web Mining 和Data Mining有什麼不同？ 如果將Web視為CRM的一個新的Channel，則Web Mining便可單純看做Data Mining應用在網路數據的泛稱。 該如何測量一個網站是否成功？哪些內容、優惠、廣告是人氣最旺的？主要訪客是哪些人？什麼原因吸引他們前來？如何從堆積如山之大量由網路所得數據中找出讓網站運作更有效率的操作因素？以上種種皆屬Web Mining 分析之范疇。Web Mining 不僅只限於一般較為人所知的log file分析，除了計算網頁瀏覽率以及訪客人次外，舉凡網路上的零售、財務服務、通訊服務、政府機關、醫療咨詢、遠距教學等等，只要由網路連結出的資料庫夠大夠完整，所有Off-Line可進行的分析，Web Mining都可以做，甚或更可整合Off-Line及On-Line的資料庫，實施更大規模的模型預測與推估，畢竟憑借網際網路的便利性與滲透力再配合網路行為的可追蹤性與高互動特質，一對一行銷的理念是最有機會在網路世界裡完全落實的。 整體而言，Web Mining具有以下特性：1. 數據收集容易且不引人注意，所謂凡走過必留下痕跡，當訪客進入網站後的一切瀏覽行為與歷程都是可以立即被紀錄的；2. 以互動式個人化服務為終極目標，除了因應不同訪客呈現專屬設計的網頁之外，不同的訪客也會有不同的服務；3. 可整合外部來源數據讓分析功能發揮地更深更廣，除了log file、cookies、會員填表數據、線上調查數據、線上交易數據等由網路直接取得的資源外，結合實體世界累積時間更久、范圍更廣的資源，將使分析的結果更准確也更深入。 利用Data Mining技術建立更深入的訪客數據剖析，並賴以架構精準的預測模式，以期呈現真正智能型個人化的網路服務，是Web Mining努力的方向。 NO.9 Data Mining 在 CRM 中扮演的角色為何？ CRM（Customer Relationship Management）是近來引起熱烈討論與高度關切的議題，尤其在直效行銷的崛起與網路的快速發展帶動下，跟不上CRM的腳步如同跟不上時代。事實上CRM並不算新發明，奧美直效行銷推動十數年的CO（Customer Ownership）就是現在大家談的CRM—客戶關系管理。 Data Mining應用在CRM的主要方式可對應在Gap Analysis之三個部分： 針對Acquisition Gap，可利用Customer Profiling找出客戶的一些共同的特徵，希望能藉此深入了解客戶，藉由Cluster Analysis對客戶進行分群後再透過Pattern Analysis預測哪些人可能成為我們的客戶，以幫助行銷人員找到正確的行銷對象，進而降低成本，也提高行銷的成功率。 針對Sales Gap，可利用Basket Analysis幫助了解客戶的產品消費模式，找出哪些產品客戶最容易一起購買，或是利用Sequence Discovery預測客戶在買了某一樣產品之後，在多久之內會買另一樣產品等等。利用 Data Mining可以更有效的決定產品組合、產品推薦、進貨量或庫存量，甚或是在店裡要如何擺設貨品等，同時也可以用來評估促銷活動的成效。 針對Retention Gap，可以由原客戶後來卻轉成競爭對手的客戶群中，分析其特徵，再根據分析結果到現有客戶數據中找出可能轉向的客戶，然後設計一些方法預防客戶流失；更有系統的做法是藉由Neural Network根據客戶的消費行為與交易紀錄對客戶忠誠度進行Scoring的排序，如此則可區隔流失率的等級進而配合不同的策略。 CRM不是設一個（080）客服專線就算了，更不僅只是把一堆客戶基本數據輸入計算機就夠，完整的CRM運作機制在相關的硬軟體系統能健全的支持之前，有太多的數據准備工作與分析需要推動。

4. 伊士曼柯達公司的柯達危機

柯達早在1976年就開發出了數字相機技術，並將數字影像技術用於航天領域；1991年柯達就有了130萬像素的數字相機。但是到2000年，柯達的數字產品只賣到30億美元，僅占其總收入的22%；2002年柯達的產品數字化率也只有25%左右，2000-2003年柯達各部門銷售利潤報告，盡管柯達各部門從2000－2003年的銷售業績只是微小波動，但銷售利潤下降卻十分明顯，尤其是影像部門呈現出急劇下降的趨勢。具體表現在：柯達傳統影像部門的銷售利潤從2000年的143億美元，銳減至2003年的41.8億美元，跌幅達到71%！ 在拍照從「膠卷時代」進入「數字時代」之後，昔日影像王國的輝煌也似乎隨著膠卷的失寵，而不復存在。 造成柯達危機產生有各方面的原因：首先，柯達長期依賴相對落後的傳統膠片部門，而對於數字科技給予傳統影像部門的沖擊，反應遲鈍。其次，管理層作風偏於保守，滿足於傳統膠片產品的市場份額和壟斷地位，缺乏對市場的前瞻性分析，沒有及時調整公司經營戰略重心和部門結構，決策猶豫不決，錯失良機。
投資方向單一，船大難掉頭
由於對於現有技術帶來的現實利潤和新技術帶來的未來利潤之間的過渡和切換時機把握不當，造成柯達大量資金用於傳統膠片工廠生產線和沖印店設備的低水平簡單重復投資，擠佔了對數字技術和市場的投資，增大了退出/更新成本，使公司陷於「知錯難改」，「船大難掉頭」的窘境。據統計，截至2002年年底，柯達彩印店在中國的數量達到8000多家，是肯德基的10倍，麥當勞的18倍！這些店鋪在不能提供足夠利潤的情況下，正在成為柯達戰略轉型的包袱。
決策層迷戀既有優勢
過去柯達的管理層都是傳統行業出身，例如：現任運營系統副總裁Charles Barrentine 是學化學的，數字影像系統美國區總經理Cohen是學土木工程的等等。在現任的49名高層管理人員中有7名出身化學，而只有3位出自電子專業。特別是在市場應用和保持領先地位方面，傳統產業領導忽視了替代技術的持續開發，從而失掉了新產品市場應有的領導份額。
從傳統膠片與數字影像產品市場佔有率的比較可以看出，柯達對傳統膠片技術和產品的眷戀，以及對數字技術和數字影像產品的沖擊反應遲鈍，這在很大程度上決定了柯達陷入成長危機的必然。
短視的戰略聯盟
從市場競爭角度看，柯達經營戰略中技術競爭與合作的關系，被短期市場行為所左右，競爭者與合作者的戰略定位和戰略角色模糊。
技術市場競爭激烈，電子技術領先周期縮短，進入細分市場領域的增加，國際級競爭對手增加，在數字相機、可拍照手機、數字沖印、數字列印機領域中遭遇如：富士、索尼、惠普、佳能、愛普生等大公司的激烈競爭。雖然柯達也與對手建立了大量戰略聯盟，但是就核心技術而言形成的戰略聯盟卻寥寥無幾，大部分是服務項目的聯盟。國之利器，豈能讓與他人。管理層其實應該清醒地認識到：柯達過去當老大靠的就是膠片，與別人合作也是靠這個金剛鑽兒，人家還會沾你的光。數字時代，沒有核心技術，企業的經營就會隨時處於危險的狀態，過去的一切都會在瞬間貶值。合作永遠不是一廂情願的事。 盡管歷經掙扎，柯達還是走到了這一步——2012年1月19日在紐約依據美國《破產法》第十一章提出破產保護申請。這家創立於1880年的世界最大的影像產品及相關服務生產和供應商，在數碼時代的大潮中由於跟不上步伐，而不得不面對殘酷的結局。
此前，柯達的平均收盤價已連續30個交易日位於1美元以下，不符合紐交所的上市要求。總部位於紐約州羅切斯特的伊士曼-柯達公司1月初宣布，該公司已收到紐約證券交易所警告，如果未來6個月內股價無法上漲，則有可能退市。
2011年，柯達數度傳出破產傳聞，當年股價跌幅超過80%，最新報0.66美元。這是正在變賣資產求生的柯達遭遇的最新打擊。柯達表示，由於公司面臨著流動性挑戰，並不能保證在未來6個月的期限內能夠達到紐交所的上市標准。
而在其提交的申請文件中顯示，柯達的現有資產為51億美元，但是債務已經達到了68億美元，處於嚴重的資不抵債的狀況。
「董事會的成員和整個管理層一致相信，為了柯達的未來，這是不得不走出的一步，也是正確的一步。」董事長和CEO安東尼奧·佩雷茲（ Antonio M. Perez ）在聲明裡說道。他還表示，申請破產保護將讓柯達能夠發揮所擁有的資產的最大價值，包括向手機和其他設備商授權數字成像等專利。
柯達稱，該公司及其美國子公司已根據破產法第11章，向美國一家破產法院申請業務重組。美國以外的子公司不包括在申請范圍內。柯達表示，此舉將加強其美國及海外資產的流動性，將非戰略知識產權商業化，妥善解決遺留負債問題，專注於最有價值的業務。
此外，柯達還已從花旗集團獲得破產保護企業9.5億美元貸款額度，貸款期限為18個月，用於改善流動性以及運營資本。貸款額度還需要獲得法庭批准並有一些前提條件。該公司相信，在破產期間，公司有足夠的流動性來維持運營，公司將繼續向消費者提供產品與服務。
柯達預計將繼續支付員工薪水和福利，並維持消費者的服務項目。柯達在海外的子公司不受破產保護條款約束，有義務向供應商支付所有未償債務。柯達及其在美國子公司承諾有義務向供應商支付所有破產後欠下債務。 針對上述問題和資本市場的反映，柯達於2003年9月26日宣布實施一項重大的戰略性轉變：放棄傳統的膠卷業務，重心向新興的數字產品轉移。
1.「以變應變」，增加在非影像業務領域的投資。
2.不再向傳統膠卷業務進行任何重大的長期投資。
3.公司重組，將原來的膠片影像部門、醫學影像部門、商業影像部門重組為商業影像、商業沖印、醫療影像、數字及膠片影像系統、顯像及零部件五大數字科技部門。
4.向消費者推出系列型號的數字相機和噴墨列印機，與富士、惠普、施樂、佳能和愛普生等在數字業務領域展開正面較量。
5.堅持其膠卷特許經營業務，積極開展私有品牌膠卷經營業務，如：膠卷將可以以非柯達品牌的商標在國外出售。
6.通過跨行業聯盟形成消費者足不出戶全面解決方案，即如下的產業鏈，包括：數字相機（柯達或非柯達品牌）－聯邦快遞派送－連鎖沖印店輸出；彩信（攝影）手機－網路傳輸－連鎖沖印店輸出－聯邦快遞派送－客戶。
7.在中國市場，傳統業務與數字業務兩者兼顧，建設一個柯達全球生產中心，主要業務為組裝核心型號的數字相機，同時開始零部件的本地化生產工作和數字沖印；柯達傳統的民用影像業務部門繼續擴大中西部和二級城市的市場佔有率，實現由「影像」到「影像+零售服務」的戰略轉型。8.實現「雙T」（全面解決方案和全面滿意度）和「雙E」（延伸和擴張）的戰略規劃，加強終端輸出。 繼9月份轉型戰略出台後，召開的紐約西部投資人大會上，柯達CFO 布魯斯特宣布了柯達新戰略的要點，其中包括：
1.整頓傳統業務管理以擴大現金收入；
2.加速發展公司已有數字圖像產品和服務；
3.嚴格聚焦的收購行為填補已有業務的不足，並加速進入緊密關聯的圖像市場；
4.在諸如電子顯示和噴墨列印領域發掘長期增長機會。 在轉型後的一年中，柯達展開了一系列活動：並購Algotec系統公司、SCITEX數字印刷公司，與VERIZON WIRELESS建立戰略合作關系，完成NEXPRESS和HEIDELBERG公司的並購，從美國國家半導體購買圖像感測器業務，購買OREX公司，賣掉AUNTMINNIE業務，購買CREO公司等。
柯達發言人說：「這是柯達面對現實——從傳統的影像業務到數字業務轉型中，必須要做的事。」同時，在管理層安排上，柯達緊鑼密鼓進行了人員更換。而柯達董事會也期待他能「延續他在發展數字產品和組織管理方面的傳奇」。柯達希望這一新的戰略轉型將導致業務更為多元化，並預期這個新戰略將會讓公司每年以5%～6%的速度增長。在2006年以前可能達到160億美元的年收入，2010年以前可望達到200億美元。 其實，柯達公司早在1976年就開發成功了數字照相技術，但在數碼影像上一直步履蹣跚。首先，柯達在傳統膠片市場的龐大投資和全球存在變成了公司轉向數碼市場的龐大包袱。不僅如此，柯達的管理層在90年代中後期也一直沒有把轉型作為公司的核心戰略來推進。公司的前任首席執行官喬治·費舍爾（George Fisher）曾經宣稱柯達會在1997年實現傳統業務和數碼業務在銷售量上的持平。但事實卻是公司管理層更多地沉浸於傳統膠卷市場既有優勢和利潤的創造上，甚至認為推動數碼相機等產品會傷害其傳統業務。在柯達公司確定了進軍數碼市場的戰略後，一些股東仍然批評當時柯達公司的CEO鄧凱達（Daniel Carp）是在用柯達公司做賭注押寶數碼戰略。
在爭奪傳統膠片市場的戰斗中，柯達的競爭優勢更多地體市場策略和商業模式上，相關替代技術的開發往往被放在了次要位置。但在IT背景下的數碼影像市場中，關鍵技術的競爭變得更加激烈。柯達在90年代中後期專注於傳統膠片市場，其在數碼影像領域的技術領先優勢幾乎喪失殆盡。柯達傳統的營銷渠道，比如遍布大街小巷的沖印店的改造也還需要一個過程。如此一來，柯達的品牌無疑將成為其戰略整合的切入點和發動機。 當柯達在1997年進入數碼影像時，它就面臨著品牌推進的問題——柯達需要利用一個膠卷和照片處理的強勢品牌在數碼相機和數碼成像市場上推進其產品。柯達公司商業研究部主管麥克·洛蒂（Mike Lotti）認為，「柯達希望最大限度地利用其現有的營銷投資和品牌認知來推進其新產品的銷售。柯達從過去的經驗知道對某類產品的營銷投入會對其他產品產生正面影響。」消費者對柯達已有產品和服務的信賴和滿意會增進消費者對柯達新產品和新服務的認同。對於過去的柯達來說，在相機上的廣告投入對其傳統膠卷的銷量也有提升作用。對於今天的柯達來說，它需要做的就是要將其過去的營銷努力和投入轉化為其數碼產品銷售的推動力量。
「壓力來自於最大限度地發揮市場營銷的『生產力』。柯達需要一些措施來讓我們的市場營銷變得『高產』，」倫敦商學院高級研究員提姆·安姆勒（Tim Ambler）補充道，「市場營銷難道僅僅是廣告、推廣再加上一點點市場研究么？收獲過去成功營銷投入帶來的收益也是市場營銷不可或缺的一部分。」
柯達過去的品牌投入已經讓它的名字家喻戶曉。柯達自己的研究結果證明了這一點，許多中介機構的調查也證實了柯達的品牌價值。在柯達開始推廣全新產品的時代，柯達的品牌價值將帶給它什麼好處呢？轉型對於柯達來說不僅是迫不得已，也說明它在一開始就在時間上被競爭者甩在了後面。在這種環境下，品牌也許是柯達相比於其他廠商為數不多的競爭優勢之一。當然，要將消費者對柯達品牌的認同從膠片轉移到數碼產品上來，柯達還需要在其市場營銷上做得更多。
品牌的老化是柯達在其市場營銷上面臨的最直接問題之一。品牌從根本上說是消費者的消費需求和意識在某種市場產品上的集中體現。當消費者的需求逐漸從傳統的膠片影像轉移到數碼影像之後，柯達品牌的市場載體就日漸薄弱，品牌也隨著開始老化。 為了顯示管理層重新定義柯達品牌的決心，柯達公司在年初更換了其已經沿用了36年的品牌標識。在新的柯達公司標識中，Kodak字母跳出了傳統的黃色盒子。柯達的新品牌標識展示的是流線型的設計和突出醒目的字母，象徵著一個全新的、跨行業的，專注於數字影像的領導者。
標識的改變只是柯達一系列品牌戰略調整的其中一步。公司營銷合作夥伴奧美傳媒（Ogilvy）的布賴恩·柯林斯（Brian Collins）證實道，奧美公司的BIG團隊(Brand Integration Group)已經開始幫助柯達公司重新定位其品牌的消費者認同戰略和視覺效果，柯達新公司標識只是奧美團隊工作的一小部分。柯達公司市場總監卡爾·古斯丁（Carl Gustin）則公開呼籲柯達公司需要在品牌策略轉型的道路上走得更快：「我們正全力以赴地更新我們的指導方針、政策和實踐，但品牌策略的轉變還有更多的工作需要完成。我們在這個時候推出新的公司標識，就是要說明行動的時候到了。」
卡爾·古斯丁（Carl Gustin）的呼籲和市場上大多數的看法相一致——換標只是柯達品牌戰略改造的開始。要想改變柯達在消費者心目中的傳統形象，重新塑造一個數碼化的新柯達品牌，柯達品牌必須通過轉型再一次滿足消費者的消費需求和消費意識，並且這種滿足是必須建立在柯達數碼產品這個市場載體上的。柯達時刻（Kodak Moment），為了配合「數碼柯達」的概念，柯達在營銷策略上改變了以往的訴求。在新廣告片和其他宣傳手段中，柯達將「色彩牌」作為自己的主線，明顯區別於過去膠卷推廣中的「親情牌」。 柯達樂圖館是柯達在國內唯一授權的全能影像服務店。

5. 求分析該買入哪支股 作業，急！！！

現在的行情二隻股都可以買，但第一個你估計也買不進，第二個量能比較充沛，靠近5天均線買，不失為好買點