股票奥美医疗今天股价

1. 金士力股票代码是什么

“金士力”为金士力佳友有限公司的保健品品牌。没有上市。
天士力医药集团股份有限公司是天士力控股集团的核心企业，是我国中药现代化的标志性企业，于2002年8月在上海证券交易所挂牌上市（600535）。下面有很多公司
摘录一份2013年6月的天士力集团的主要子公司情况如下（不包括上市公司）
1）江苏天士力帝益药业有限公司主要经营业务为化学药的生产及销售。蒂清(替莫唑胺胶囊）是公司经过7年研制成的国家二类新药,是目前国内唯一治疗脑胶质瘤的口服胶囊制剂,针对性强、特异性高, 在体内不需经过肝脏代谢即可分解为药物活性物质,口服后迅速吸收,具有100%的生物利用度及广谱的抗肿瘤活性,同时价格远远低于国外同类产品,年销售收入呈现30%的增长。公司前期投入的化学药注射用盐酸地尔硫卓已获得生产批文,尽管地尔硫卓产品生产厂家众多,竞争较为激烈,但作为心律失常主力药品仍有较大的市场空间;另外公司的丹酚酸B产品已通过技术审评,上市准备工作取得顺利进展。日前以14.5亿元现金收购100%股权。
2） 天津天士力圣特制药有限公司 集团控股100%。主要为缓控释新型药物制剂的开发和生产，产品为西替利嗪缓释片、甲磺酸氨氯地平片等片剂产品和加巴喷丁缓释胶囊、奥美拉唑胶囊等胶囊剂，年生产能力21.15亿粒，产品全部出口。集团投资额为743万美元。2010年亏损2272万元。日前已按净资产383万收购100%股权。
3）天津贝特药业有限公司 集团控股100%。主要为医药技术的开发。2011年亏损103万元。
4）天津天士力健康医疗器械有限公司 集团控股40%。主要为医疗器械的开发与生产。2011年亏损186万元。
5）江苏天士力贝特制药有限公司 1997年成立，集团控股95%。主要生产三、四类新药有：血脂调节药物阿贝他（苯扎贝特片）、肝病治疗药物水林佳（水飞蓟宾胶囊）、治疗失眠中药制剂萝藤安神片。目前为微利状态。
6）河南普新生物工程有限公司 集团公司3家生物公司为上海天士力药业有限公司（上市公司全资子公司）、天士力金纳生物技术(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药物和疫苗等领域,目前看尚处于起步阶段。主要产品为疫苗(人用狂犬病疫苗(地鼠肾细胞) 人用狂犬病疫苗(Vero细胞)、冻干人用狂犬病疫苗(地鼠肾细胞)的生产。是2009年集团公司收购河南省疾病预防控制中心的，普新生物的主打产品地鼠肾细胞狂犬疫苗在质量上处于国内领先地位,公司将借助自身的品牌优势,并将通过增加产能、降低成本等方式,将该产品大力推向市场。目前为微亏状态。
7）天津天士力百乐量子生物科技有限公司 集团控股99%。主要从研究与生产医学外用涂敷剂产品，其产品是改变人类用药途径，针对避免传统医药对人体的不良反应现象，给予一种全新的治疗思路。主要是对高血压、失眠、前列腺、减肥、抗衰老、性功能调节、抗过敏、止疼、排毒养颜、抑郁症等多种外用涂敷剂。业务尚为起步阶段，目前微利状态。
8）天士力高品制剂有限公司 主要产品：出口仿制化学药。与英国公司合作。
9）贵州金士酒业 主要产品：国台酒。
10）天士力帝普洱销售有限公司 主要产品：“帝普洱”普洱茶。
11）金士力佳友有限公司 主要产品：日化。
12）上海天士力我立得医院 主要服务：微创脊柱手术。
13）世纪国熙生物医药研发有限公司 主要NKM细胞治疗。

2. 医疗类股票暴涨，背后的原因是什么

疫情防控还在进行。国外疫情还没有完全过去。

疫情的爆发短期内会对股票市场形成冲击(宏观经济因此受到影响)，短期内对交运，社会服务等消费人群聚集的行业产生情绪上的波动。然而这种短期内的影响将强化市场对逆周期操作的信心，所以全年继续推荐高成长、高弹性、高估值的硬科技和新消费。医疗板块是目前比较火热的。

3. 求问什么是数据挖掘

数据挖掘相关的10个问题 NO.1 Data Mining 和统计分析有什么不同？ 硬要去区分Data Mining和Statistics的差异其实是没有太大意义的。一般将之定义为Data Mining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，Data Mining有相当大的比重是由高等统计学中的多变量分析所支撑。但是为什么Data Mining的出现会引发各领域的广泛注意呢？主要原因在相较于传统统计分析而言，Data Mining有下列几项特性： 1.处理大量实际数据更强势，且无须太专业的统计背景去使用Data Mining的工具； 2.数据分析趋势为从大型数据库抓取所需数据并使用专属计算机分析软件，Data Mining的工具更符合企业需求； 3. 纯就理论的基础点来看，Data Mining和统计分析有应用上的差别，毕竟Data Mining目的是方便企业终端用户使用而非给统计学家检测用的。 NO.2 Data Warehousing 和 Data Mining 的关系为何？ 若将Data Warehousing（数据仓库）比喻作矿坑，Data Mining就是深入矿坑采矿的工作。毕竟Data Mining不是一种无中生有的魔术，也不是点石成金的炼金术，若没有够丰富完整的数据，是很难期待Data Mining能挖掘出什么有意义的信息的。 要将庞大的数据转换成为有用的信息，必须先有效率地收集信息。随着科技的进步，功能完善的数据库系统就成了最好的收集数据的工具。数据仓库，简单地说，就是搜集来自其它系统的有用数据，存放在一整合的储存区内。所以其实就是一个经过处理整合，且容量特别大的关系型数据库，用以储存决策支持系统（Design Support System）所需的数据，供决策支持或数据分析使用。从信息技术的角度来看，数据仓库的目标是在组织中，在正确的时间，将正确的数据交给正确的人。 许多人对于Data Warehousing和Data Mining时常混淆，不知如何分辨。其实，数据仓库是数据库技术的一个新主题，利用计算机系统帮助我们操作、计算和思考，让作业方式改变，决策方式也跟着改变。 数据仓库本身是一个非常大的数据库，它储存着由组织作业数据库中整合而来的数据，特别是指事务处理系统OLTP（On-Line Transactional Processing）所得来的数据。将这些整合过的数据置放于数据昂哭中，而公司的决策者则利用这些数据作决策；但是，这个转换及整合数据的过程，是建立一个数据仓库最大的挑战。因为将作业中的数据转换成有用的的策略性信息是整个数据仓库的重点。综上所述，数据仓库应该具有这些数据：整合性数据（integrated data）、详细和汇总性的数据(detailed and summarized data)、历史数据、解释数据的数据。从数据仓库挖掘出对决策有用的信息与知识，是建立数据仓库与使用Data Mining的最大目的，两者的本质与过程是两回事。换句话说，数据仓库应先行建立完成，Data mining才能有效率的进行，因为数据仓库本身所含数据是干净(不会有错误的数据参杂其中)、完备，且经过整合的。因此两者关系或许可解读为Data Mining是从巨大数据仓库中找出有用信息的一种过程与技术。 NO.3 OLAP 能不能代替 Data Mining？ 所谓OLAP（Online Analytical Process）意指由数据库所连结出来的在线分析处理程序。有些人会说：「我已经有OLAP的工具了，所以我不需要Data Mining。」事实上两者间是截然不同的，主要差异在于Data Mining用在产生假设，OLAP则用于查证假设。简单来说，OLAP是由使用者所主导，使用者先有一些假设，然后利用OLAP来查证假设是否成立；而Data Mining则是用来帮助使用者产生假设。所以在使用OLAP或其它Query的工具时，使用者是自己在做探索（Exploration），但Data Mining是用工具在帮助做探索。 举个例子来看，一市场分析师在为超市规划货品架柜摆设时，可能会先假设婴儿尿布和婴儿奶粉会是常被一起购买的产品，接着便可利用OLAP的工具去验证此假设是否为真，又成立的证据有多明显；但Data Mining则不然，执行Data Mining的人将庞大的结帐数据整理后，并不需要假设或期待可能的结果，透过Mining技术可找出存在于数据中的潜在规则，于是我们可能得到例如尿布和啤酒常被同时购买的意料外之发现，这是OLAP所做不到的。 Data Mining常能挖掘出超越归纳范围的关系，但OLAP仅能利用人工查询及可视化的报表来确认某些关系，是以Data Mining此种自动找出甚至不会被怀疑过的数据模型与关系的特性，事实上已超越了我们经验、教育、想象力的限制，OLAP可以和Data Mining互补，但这项特性是Data Mining无法被OLAP取代的。 NO.4 完整的Data Mining 包含哪些步骤？ 以下提供一个Data Mining的进行步骤以为参考： 1. 理解业务与理解数据； 2. 获取相关技术与知识； 3. 整合与查询数据； 4. 去除错误或不一致及不完整的数据； 5. 由数据选取样本先行试验； 6. 建立数据模型 7. 实际Data Mining的分析工作； 8. 测试与检验； 9. 找出假设并提出解释； 10. 持续应用于企业流程中。 由上述步骤可看出，Data Mining牵涉了大量的准备工作与规划过程，事实上许多专家皆认为整套Data Mining的进行有80﹪的时间精力是花费在数据前置作业阶段，其中包含数据的净化与格式转换甚或表格的连结。由此可知Data Mining只是信息挖掘过程中的一个步骤而已，在进行此步骤前还有许多的工作要先完成。 NO.5 Data Mining 运用了哪些理论与技术？ Data Mining是近年来数据库应用技术中相当热门的议题，看似神奇、听来时髦，实际上却也不是什么新东西，因其所用之诸如预测模型、数据分割，连结分析（Link Analysis）、偏差侦测（Deviation Detection）等，美国早在二次世界大战前就已应用运用在人口普查及军事等方面。 随着信息科技超乎想象的进展，许多新的计算机分析工具问世，例如关系型数据库、模糊计算理论、基因算法则以及类神经网络等，使得从数据中发掘宝藏成为一种系统性且可实行的程序。 一般而言，Data Mining的理论技术可分为传统技术与改良技术两支。 传统技术以统计分析为代表，统计学内所含序列统计、概率论、回归分析、类别数据分析等都属于传统数据挖掘技术，尤其 Data Mining 对象多为变量繁多且样本数庞大的数据，是以高等统计学里所含括之多变量分析中用来精简变量的因素分析（Factor Analysis）、用来分类的判别分析（Discriminant Analysis），以及用来区隔群体的分群分析（Cluster Analysis）等，在Data Mining过程中特别常用。 在改良技术方面，应用较普遍的有决策树理论（Decision Trees）、类神经网络（Neural Network）以及规则归纳法（Rules Inction）等。决策树是一种用树枝状展现数据受各变量的影响情形之预测模型，根据对目标变量产生之效应的不同而建构分类的规则，一般多运用在对客户数据的分析上，例如针对有回函与未回含的邮寄对象找出影响其分类结果的变量组合，常用分类方法为CART（Classification and Regression Trees）及CHAID（Chi-Square Automatic Interaction Detector）两种。 类神经网络是一种仿真人脑思考结构的数据分析模式，由输入之变量与数值中自我学习并根据学习经验所得之知识不断调整参数以期建构数据的型样(patterns)。类神经网络为非线性的设计，与传统回归分析相比，好处是在进行分析时无须限定模式，特别当数据变量间存有交互效应时可自动侦测出；缺点则在于其分析过程为一黑盒子，故常无法以可读之模型格式展现，每阶段的加权与转换亦不明确，是故类神经网络多利用于数据属于高度非线性且带有相当程度的变量交感效应时。 规则归纳法是知识发掘的领域中最常用的格式，这是一种由一连串的「如果…/则…（If / Then）」之逻辑规则对数据进行细分的技术，在实际运用时如何界定规则为有效是最大的问题，通常需先将数据中发生数太少的项目先剔除，以避免产生无意义的逻辑规则。 NO.6 Data Mining包含哪些主要功能？ Data Mining实际应用功能可分为三大类六分项来说明：Classification和Clustering属于分类区隔类；Regression和Time-series属于推算预测类；Association和Sequence则属于序列规则类。 Classification是根据一些变量的数值做计算，再依照结果作分类。（计算的结果最后会被分类为几个少数的离散数值，例如将一组数据分为 "可能会响应" 或是 "可能不会响应" 两类）。Classification常被用来处理如前所述之邮寄对象筛选的问题。我们会用一些根据历史经验已经分类好的数据来研究它们的特征，然后再根据这些特征对其他未经分类或是新的数据做预测。这些我们用来寻找特征的已分类数据可能是来自我们的现有的客户数据，或是将一个完整数据库做部份取样，再经由实际的运作来测试；譬如利用一个大型邮寄对象数据库的部份取样来建立一个Classification Model，再利用这个Model来对数据库的其它数据或是新的数据作分类预测。 Clustering用在将数据分群，其目的在于将群间的差异找出来，同时也将群内成员的相似性找出来。Clustering与Classification不同的是，在分析前并不知道会以何种方式或根据来分类。所以必须要配合专业领域知识来解读这些分群的意义。 Regression是使用一系列的现有数值来预测一个连续数值的可能值。若将范围扩大亦可利用Logistic Regression来预测类别变量，特别在广泛运用现代分析技术如类神经网络或决策树理论等分析工具，推估预测的模式已不在止于传统线性的局限，在预测的功能上大大增加了选择工具的弹性与应用范围的广度。 Time-Series Forecasting与Regression功能类似，只是它是用现有的数值来预测未来的数值。两者最大差异在于Time-Series所分析的数值都与时间有关。Time-Series Forecasting的工具可以处理有关时间的一些特性，譬如时间的周期性、阶层性、季节性以及其它的一些特别因素（如过去与未来的关连性）。 Association是要找出在某一事件或是数据中会同时出现的东西。举例而言，如果A是某一事件的一种选择，则B也出现在该事件中的机率有多少。（例如：如果顾客买了火腿和柳橙汁，那么这个顾客同时也会买牛奶的机率是85%。） Sequence Discovery与Association关系很密切，所不同的是Sequence Discovery中事件的相关是以时间因素来作区隔（例如：如果A股票在某一天上涨12%，而且当天股市加权指数下降，则B股票在两天之内上涨的机率是 68%）。 NO.7 Data Mining在各领域的应用情形为何？ Data Mining在各领域的应用非常广泛，只要该产业拥有具分析价值与需求的数据仓储或数据库，皆可利用Mining工具进行有目的的挖掘分析。一般较常见的应用案例多发生在零售业、直效行销界、制造业、财务金融保险、通讯业以及医疗服务等。 于销售数据中发掘顾客的消费习性，并可藉由交易纪录找出顾客偏好的产品组合，其它包括找出流失顾客的特征与推出新产品的时机点等等都是零售业常见的实例；直效行销强调的分众概念与数据库行销方式在导入Data Mining的技术后，使直效行销的发展性更为强大，例如利用Data Mining分析顾客群之消费行为与交易纪录，结合基本数据，并依其对品牌价值等级的高低来区隔顾客，进而达到差异化行销的目的；制造业对Data Mining的需求多运用在品质控管方面，由制造过程中找出影响产品品质最重要的因素，以期提高作业流程的效率。 近来电话公司、信用卡公司、保险公司以及股票交易商对于诈欺行为的侦测（Fraud Detection）都很有兴趣，这些行业每年因为诈欺行为而造成的损失都非常可观，Data Mining可以从一些信用不良的客户数据中找出相似特征并预测可能的诈欺交易，达到减少损失的目的。财务金融业可以利用 Data Mining来分析市场动向，并预测个别公司的营运以及股价走向。Data Mining的另一个独特的用法是在医疗业，用来预测手术、用药、诊断、或是流程控制的效率。 NO.8 Web Mining 和Data Mining有什么不同？ 如果将Web视为CRM的一个新的Channel，则Web Mining便可单纯看做Data Mining应用在网络数据的泛称。 该如何测量一个网站是否成功？哪些内容、优惠、广告是人气最旺的？主要访客是哪些人？什么原因吸引他们前来？如何从堆积如山之大量由网络所得数据中找出让网站运作更有效率的操作因素？以上种种皆属Web Mining 分析之范畴。Web Mining 不仅只限于一般较为人所知的log file分析，除了计算网页浏览率以及访客人次外，举凡网络上的零售、财务服务、通讯服务、政府机关、医疗咨询、远距教学等等，只要由网络连结出的数据库够大够完整，所有Off-Line可进行的分析，Web Mining都可以做，甚或更可整合Off-Line及On-Line的数据库，实施更大规模的模型预测与推估，毕竟凭借网际网络的便利性与渗透力再配合网络行为的可追踪性与高互动特质，一对一行销的理念是最有机会在网络世界里完全落实的。 整体而言，Web Mining具有以下特性：1. 数据收集容易且不引人注意，所谓凡走过必留下痕迹，当访客进入网站后的一切浏览行为与历程都是可以立即被纪录的；2. 以交互式个人化服务为终极目标，除了因应不同访客呈现专属设计的网页之外，不同的访客也会有不同的服务；3. 可整合外部来源数据让分析功能发挥地更深更广，除了log file、cookies、会员填表数据、线上调查数据、线上交易数据等由网络直接取得的资源外，结合实体世界累积时间更久、范围更广的资源，将使分析的结果更准确也更深入。 利用Data Mining技术建立更深入的访客数据剖析，并赖以架构精准的预测模式，以期呈现真正智能型个人化的网络服务，是Web Mining努力的方向。 NO.9 Data Mining 在 CRM 中扮演的角色为何？ CRM（Customer Relationship Management）是近来引起热烈讨论与高度关切的议题，尤其在直效行销的崛起与网络的快速发展带动下，跟不上CRM的脚步如同跟不上时代。事实上CRM并不算新发明，奥美直效行销推动十数年的CO（Customer Ownership）就是现在大家谈的CRM—客户关系管理。 Data Mining应用在CRM的主要方式可对应在Gap Analysis之三个部分： 针对Acquisition Gap，可利用Customer Profiling找出客户的一些共同的特征，希望能藉此深入了解客户，藉由Cluster Analysis对客户进行分群后再透过Pattern Analysis预测哪些人可能成为我们的客户，以帮助行销人员找到正确的行销对象，进而降低成本，也提高行销的成功率。 针对Sales Gap，可利用Basket Analysis帮助了解客户的产品消费模式，找出哪些产品客户最容易一起购买，或是利用Sequence Discovery预测客户在买了某一样产品之后，在多久之内会买另一样产品等等。利用 Data Mining可以更有效的决定产品组合、产品推荐、进货量或库存量，甚或是在店里要如何摆设货品等，同时也可以用来评估促销活动的成效。 针对Retention Gap，可以由原客户后来却转成竞争对手的客户群中，分析其特征，再根据分析结果到现有客户数据中找出可能转向的客户，然后设计一些方法预防客户流失；更有系统的做法是藉由Neural Network根据客户的消费行为与交易纪录对客户忠诚度进行Scoring的排序，如此则可区隔流失率的等级进而配合不同的策略。 CRM不是设一个（080）客服专线就算了，更不仅只是把一堆客户基本数据输入计算机就够，完整的CRM运作机制在相关的硬软件系统能健全的支持之前，有太多的数据准备工作与分析需要推动。

4. 伊士曼柯达公司的柯达危机

柯达早在1976年就开发出了数字相机技术，并将数字影像技术用于航天领域；1991年柯达就有了130万像素的数字相机。但是到2000年，柯达的数字产品只卖到30亿美元，仅占其总收入的22%；2002年柯达的产品数字化率也只有25%左右，2000-2003年柯达各部门销售利润报告，尽管柯达各部门从2000－2003年的销售业绩只是微小波动，但销售利润下降却十分明显，尤其是影像部门呈现出急剧下降的趋势。具体表现在：柯达传统影像部门的销售利润从2000年的143亿美元，锐减至2003年的41.8亿美元，跌幅达到71%！ 在拍照从“胶卷时代”进入“数字时代”之后，昔日影像王国的辉煌也似乎随着胶卷的失宠，而不复存在。 造成柯达危机产生有各方面的原因：首先，柯达长期依赖相对落后的传统胶片部门，而对于数字科技给予传统影像部门的冲击，反应迟钝。其次，管理层作风偏于保守，满足于传统胶片产品的市场份额和垄断地位，缺乏对市场的前瞻性分析，没有及时调整公司经营战略重心和部门结构，决策犹豫不决，错失良机。
投资方向单一，船大难掉头
由于对于现有技术带来的现实利润和新技术带来的未来利润之间的过渡和切换时机把握不当，造成柯达大量资金用于传统胶片工厂生产线和冲印店设备的低水平简单重复投资，挤占了对数字技术和市场的投资，增大了退出/更新成本，使公司陷于“知错难改”，“船大难掉头”的窘境。据统计，截至2002年年底，柯达彩印店在中国的数量达到8000多家，是肯德基的10倍，麦当劳的18倍！这些店铺在不能提供足够利润的情况下，正在成为柯达战略转型的包袱。
决策层迷恋既有优势
过去柯达的管理层都是传统行业出身，例如：现任运营系统副总裁Charles Barrentine 是学化学的，数字影像系统美国区总经理Cohen是学土木工程的等等。在现任的49名高层管理人员中有7名出身化学，而只有3位出自电子专业。特别是在市场应用和保持领先地位方面，传统产业领导忽视了替代技术的持续开发，从而失掉了新产品市场应有的领导份额。
从传统胶片与数字影像产品市场占有率的比较可以看出，柯达对传统胶片技术和产品的眷恋，以及对数字技术和数字影像产品的冲击反应迟钝，这在很大程度上决定了柯达陷入成长危机的必然。
短视的战略联盟
从市场竞争角度看，柯达经营战略中技术竞争与合作的关系，被短期市场行为所左右，竞争者与合作者的战略定位和战略角色模糊。
技术市场竞争激烈，电子技术领先周期缩短，进入细分市场领域的增加，国际级竞争对手增加，在数字相机、可拍照手机、数字冲印、数字打印机领域中遭遇如：富士、索尼、惠普、佳能、爱普生等大公司的激烈竞争。虽然柯达也与对手建立了大量战略联盟，但是就核心技术而言形成的战略联盟却寥寥无几，大部分是服务项目的联盟。国之利器，岂能让与他人。管理层其实应该清醒地认识到：柯达过去当老大靠的就是胶片，与别人合作也是靠这个金刚钻儿，人家还会沾你的光。数字时代，没有核心技术，企业的经营就会随时处于危险的状态，过去的一切都会在瞬间贬值。合作永远不是一厢情愿的事。 尽管历经挣扎，柯达还是走到了这一步——2012年1月19日在纽约依据美国《破产法》第十一章提出破产保护申请。这家创立于1880年的世界最大的影像产品及相关服务生产和供应商，在数码时代的大潮中由于跟不上步伐，而不得不面对残酷的结局。
此前，柯达的平均收盘价已连续30个交易日位于1美元以下，不符合纽交所的上市要求。总部位于纽约州罗切斯特的伊士曼-柯达公司1月初宣布，该公司已收到纽约证券交易所警告，如果未来6个月内股价无法上涨，则有可能退市。
2011年，柯达数度传出破产传闻，当年股价跌幅超过80%，最新报0.66美元。这是正在变卖资产求生的柯达遭遇的最新打击。柯达表示，由于公司面临着流动性挑战，并不能保证在未来6个月的期限内能够达到纽交所的上市标准。
而在其提交的申请文件中显示，柯达的现有资产为51亿美元，但是债务已经达到了68亿美元，处于严重的资不抵债的状况。
“董事会的成员和整个管理层一致相信，为了柯达的未来，这是不得不走出的一步，也是正确的一步。”董事长和CEO安东尼奥·佩雷兹（ Antonio M. Perez ）在声明里说道。他还表示，申请破产保护将让柯达能够发挥所拥有的资产的最大价值，包括向手机和其他设备商授权数字成像等专利。
柯达称，该公司及其美国子公司已根据破产法第11章，向美国一家破产法院申请业务重组。美国以外的子公司不包括在申请范围内。柯达表示，此举将加强其美国及海外资产的流动性，将非战略知识产权商业化，妥善解决遗留负债问题，专注于最有价值的业务。
此外，柯达还已从花旗集团获得破产保护企业9.5亿美元贷款额度，贷款期限为18个月，用于改善流动性以及运营资本。贷款额度还需要获得法庭批准并有一些前提条件。该公司相信，在破产期间，公司有足够的流动性来维持运营，公司将继续向消费者提供产品与服务。
柯达预计将继续支付员工薪水和福利，并维持消费者的服务项目。柯达在海外的子公司不受破产保护条款约束，有义务向供应商支付所有未偿债务。柯达及其在美国子公司承诺有义务向供应商支付所有破产后欠下债务。 针对上述问题和资本市场的反映，柯达于2003年9月26日宣布实施一项重大的战略性转变：放弃传统的胶卷业务，重心向新兴的数字产品转移。
1.“以变应变”，增加在非影像业务领域的投资。
2.不再向传统胶卷业务进行任何重大的长期投资。
3.公司重组，将原来的胶片影像部门、医学影像部门、商业影像部门重组为商业影像、商业冲印、医疗影像、数字及胶片影像系统、显像及零部件五大数字科技部门。
4.向消费者推出系列型号的数字相机和喷墨打印机，与富士、惠普、施乐、佳能和爱普生等在数字业务领域展开正面较量。
5.坚持其胶卷特许经营业务，积极开展私有品牌胶卷经营业务，如：胶卷将可以以非柯达品牌的商标在国外出售。
6.通过跨行业联盟形成消费者足不出户全面解决方案，即如下的产业链，包括：数字相机（柯达或非柯达品牌）－联邦快递派送－连锁冲印店输出；彩信（摄影）手机－网络传输－连锁冲印店输出－联邦快递派送－客户。
7.在中国市场，传统业务与数字业务两者兼顾，建设一个柯达全球生产中心，主要业务为组装核心型号的数字相机，同时开始零部件的本地化生产工作和数字冲印；柯达传统的民用影像业务部门继续扩大中西部和二级城市的市场占有率，实现由“影像”到“影像+零售服务”的战略转型。8.实现“双T”（全面解决方案和全面满意度）和“双E”（延伸和扩张）的战略规划，加强终端输出。 继9月份转型战略出台后，召开的纽约西部投资人大会上，柯达CFO 布鲁斯特宣布了柯达新战略的要点，其中包括：
1.整顿传统业务管理以扩大现金收入；
2.加速发展公司已有数字图像产品和服务；
3.严格聚焦的收购行为填补已有业务的不足，并加速进入紧密关联的图像市场；
4.在诸如电子显示和喷墨打印领域发掘长期增长机会。 在转型后的一年中，柯达展开了一系列活动：并购Algotec系统公司、SCITEX数字印刷公司，与VERIZON WIRELESS建立战略合作关系，完成NEXPRESS和HEIDELBERG公司的并购，从美国国家半导体购买图像传感器业务，购买OREX公司，卖掉AUNTMINNIE业务，购买CREO公司等。
柯达发言人说：“这是柯达面对现实——从传统的影像业务到数字业务转型中，必须要做的事。”同时，在管理层安排上，柯达紧锣密鼓进行了人员更换。而柯达董事会也期待他能“延续他在发展数字产品和组织管理方面的传奇”。柯达希望这一新的战略转型将导致业务更为多元化，并预期这个新战略将会让公司每年以5%～6%的速度增长。在2006年以前可能达到160亿美元的年收入，2010年以前可望达到200亿美元。 其实，柯达公司早在1976年就开发成功了数字照相技术，但在数码影像上一直步履蹒跚。首先，柯达在传统胶片市场的庞大投资和全球存在变成了公司转向数码市场的庞大包袱。不仅如此，柯达的管理层在90年代中后期也一直没有把转型作为公司的核心战略来推进。公司的前任首席执行官乔治·费舍尔（George Fisher）曾经宣称柯达会在1997年实现传统业务和数码业务在销售量上的持平。但事实却是公司管理层更多地沉浸于传统胶卷市场既有优势和利润的创造上，甚至认为推动数码相机等产品会伤害其传统业务。在柯达公司确定了进军数码市场的战略后，一些股东仍然批评当时柯达公司的CEO邓凯达（Daniel Carp）是在用柯达公司做赌注押宝数码战略。
在争夺传统胶片市场的战斗中，柯达的竞争优势更多地体市场策略和商业模式上，相关替代技术的开发往往被放在了次要位置。但在IT背景下的数码影像市场中，关键技术的竞争变得更加激烈。柯达在90年代中后期专注于传统胶片市场，其在数码影像领域的技术领先优势几乎丧失殆尽。柯达传统的营销渠道，比如遍布大街小巷的冲印店的改造也还需要一个过程。如此一来，柯达的品牌无疑将成为其战略整合的切入点和发动机。 当柯达在1997年进入数码影像时，它就面临着品牌推进的问题——柯达需要利用一个胶卷和照片处理的强势品牌在数码相机和数码成像市场上推进其产品。柯达公司商业研究部主管麦克·洛蒂（Mike Lotti）认为，“柯达希望最大限度地利用其现有的营销投资和品牌认知来推进其新产品的销售。柯达从过去的经验知道对某类产品的营销投入会对其他产品产生正面影响。”消费者对柯达已有产品和服务的信赖和满意会增进消费者对柯达新产品和新服务的认同。对于过去的柯达来说，在相机上的广告投入对其传统胶卷的销量也有提升作用。对于今天的柯达来说，它需要做的就是要将其过去的营销努力和投入转化为其数码产品销售的推动力量。
“压力来自于最大限度地发挥市场营销的‘生产力’。柯达需要一些措施来让我们的市场营销变得‘高产’，”伦敦商学院高级研究员提姆·安姆勒（Tim Ambler）补充道，“市场营销难道仅仅是广告、推广再加上一点点市场研究么？收获过去成功营销投入带来的收益也是市场营销不可或缺的一部分。”
柯达过去的品牌投入已经让它的名字家喻户晓。柯达自己的研究结果证明了这一点，许多中介机构的调查也证实了柯达的品牌价值。在柯达开始推广全新产品的时代，柯达的品牌价值将带给它什么好处呢？转型对于柯达来说不仅是迫不得已，也说明它在一开始就在时间上被竞争者甩在了后面。在这种环境下，品牌也许是柯达相比于其他厂商为数不多的竞争优势之一。当然，要将消费者对柯达品牌的认同从胶片转移到数码产品上来，柯达还需要在其市场营销上做得更多。
品牌的老化是柯达在其市场营销上面临的最直接问题之一。品牌从根本上说是消费者的消费需求和意识在某种市场产品上的集中体现。当消费者的需求逐渐从传统的胶片影像转移到数码影像之后，柯达品牌的市场载体就日渐薄弱，品牌也随着开始老化。 为了显示管理层重新定义柯达品牌的决心，柯达公司在年初更换了其已经沿用了36年的品牌标识。在新的柯达公司标识中，Kodak字母跳出了传统的黄色盒子。柯达的新品牌标识展示的是流线型的设计和突出醒目的字母，象征着一个全新的、跨行业的，专注于数字影像的领导者。
标识的改变只是柯达一系列品牌战略调整的其中一步。公司营销合作伙伴奥美传媒（Ogilvy）的布赖恩·柯林斯（Brian Collins）证实道，奥美公司的BIG团队(Brand Integration Group)已经开始帮助柯达公司重新定位其品牌的消费者认同战略和视觉效果，柯达新公司标识只是奥美团队工作的一小部分。柯达公司市场总监卡尔·古斯丁（Carl Gustin）则公开呼吁柯达公司需要在品牌策略转型的道路上走得更快：“我们正全力以赴地更新我们的指导方针、政策和实践，但品牌策略的转变还有更多的工作需要完成。我们在这个时候推出新的公司标识，就是要说明行动的时候到了。”
卡尔·古斯丁（Carl Gustin）的呼吁和市场上大多数的看法相一致——换标只是柯达品牌战略改造的开始。要想改变柯达在消费者心目中的传统形象，重新塑造一个数码化的新柯达品牌，柯达品牌必须通过转型再一次满足消费者的消费需求和消费意识，并且这种满足是必须建立在柯达数码产品这个市场载体上的。柯达时刻（Kodak Moment），为了配合“数码柯达”的概念，柯达在营销策略上改变了以往的诉求。在新广告片和其他宣传手段中，柯达将“色彩牌”作为自己的主线，明显区别于过去胶卷推广中的“亲情牌”。 柯达乐图馆是柯达在国内唯一授权的全能影像服务店。

5. 求分析该买入哪支股 作业，急！！！

现在的行情二只股都可以买，但第一个你估计也买不进，第二个量能比较充沛，靠近5天均线买，不失为好买点