FMCG nedir? En Büyük FMCG şirketleri


FMCG : Fast-Moving Consumer Goods (Hızlı Tüketim Ürünleri)

fmcg

Hızlı tüketim malları veya paketlenmiş tüketici ürünleri, hızlı satılan, değiştirilen ya da bir yıl içinde kolayca tüketilen, kullanımı genellikle gün, ay ya da yıl bazında sınırlandırılan düşük maliyetli ürünlerdir. Bu sektör tüketicinin raflarda gördüğü hızlı tüketilen her şeyi kapsar. Temizlik ürünlerinden yiyecek,içeceklere kadar her şey bu ürünler grubuna dahildir.
Devamını Oku

Case Study: Avon Calls on Foreign Markets


1. Discuss the applicability of each to Avon’s global operations.
2. Why is Avon so much more dependent on its foreign operations than on its home (U.S.) operations?
3. Discuss socioeconomic and demographic changes that could affect Avon.
4. How might a global recession, such as the one that began in 2008, impact Avon’s operations?
5. What are the major competitive advantages that Avon has? How easily might other companies duplicate these advantages?
6. Avon does not sell within the United States in retail establishments (with the exceptions of kiosks handled by some of its reps). What are the pros and cons of distributing that way?
7. If you were advising Avon on the selection of new suppliers, what would be your major concerns as you evaluate firms that are potential suppliers? What criteria should the company use to make decisions on where to manufacture their products?
8. Identify the challenges Avon faces in both maintaining and expanding its global manufacturing and supply chain network given the dynamics of today’s competitive environment.

case 16

 

References:

  1. Daniels, John, Radebaugh, Lee, & Sullivan, D.P (2011). International business, environment & operations (13th ed). Upper Saddle River, NJ: Prentice Hall.
  2. Latin american market lifts profit at avon. (2011, 05 03). The New York Times. Retrieved from http://www.nytimes.com/2011/05/04/business/04avon.html?ref=avonproductsinc
  3. Sweeney, C. (2010). Direct approach works for avon. The New York Times. Retrieved from http://www.nytimes.com/2010/01/14/fashion/14skinside.html?ref=avonproductsinc
  4. J. (2008).Selling Beauty on a Global Scale. The New York Times. Retrieved from http://www.nytimes.com/2008/11/01/business/01interview.html?ref=avonproductsinc
  5. O, Hartline. Marketing Strategy. Retrieved from http://books.google.com/books?id=Lt12ggizMhIC&pg=PA543&lpg=PA543&dq=avon+cosmetics+marketing+strategy&source=bl&ots=3K4w5b0V5D&sig=6Ej95P9Fh-q71i9x8DYN1G3xTZM&hl=en&sa=X&ei=huZGT4uWFOS0iQKEifTaDQ&sqi=2&ved=0CIMBEOgBMAk#v=onepage&q&f=false
  6. D.(n.d.). Direct sales company, Avon cosmetics- worldwide recognition.Retrieved from http://www.createacashflowshow.com/network-marketing-news/direct-sales-company-avon-brand.htm
  7. M, Duane. Strategic Management: Competitiveness & Globalization, Concepts. Retrieved from http://books.google.com/books?id=aVnhnRh2NWEC&pg=PA337&lpg=PA337&dq=avon+global+strategy&source=bl&ots=us764A0LGQ&sig=-CeQs4H0xtM0a8ZvK6aFVlbv27g&hl=en&sa=X&ei=cOhGT6PcKOvRiALz-Z3bDQ&sqi=2&ved=0CHEQ6AEwCQ#v=onepage&q=avon%20global%20strategy&f=false
  8. Avon Products Inc.: The globalization of the company for women. Retrieved from .http://www.centrorisorse.org/avon-products-inc-the-globalization-of-a-company-designed-for-women.html
  9. L. Avon: Building the World's Premier Company for Women. Retrieved from http://books.google.com/books?id=bZUPceXxVP4C&pg=PT41&lpg=PT41&dq=challenges+for+avon&source=bl&ots=G3lQjlYA8q&sig=VEWmEt5CIpBVjkhp1rfc-yetEf4&hl=en&sa=X&ei=BOtGT-PWKYKkiQLyhbzbDQ&ved=0CDUQ6AEwAzgK#v=onepage&q=challenges%20for%20avon&f=false

Pokemon Go


Eh tabi bu yaştakilerin unutumadıklarından birisi pokemon, az izlemedik, tasolarıydı kartlarıydı gameboydu derken bir nesil büyüdü böyle. Şimdi ise Nintendo dan sonunda mobil uygulama pazarına giriş yapacaklarının duyurusunu almak bizleri ayrıca sevindirdi. Herşey aslında bu video ile başladı. Tabi herşeyden önemlisi insanları sokağa döküp gezdirir mi sorusu?

Devamını oku!

iphone 6s


AdsızNe zamandır yazmıyordum derken iphone 6s ve söz arkadaşlarıyla birlikte bende tekrar sahalara döneyim dedim fırsatını buldukça. Bunca zamandır android müdavimiyim ama hak vermek gerek tabi tasarım ve spec anlamında güzel bir parça çıkartmışlar ortaya. Heleki Apple lansmandaki sloganında dediği gibi iPhone 6S “Her Zamankinden daha güçlü”göz boyama lafına artık bende inanıyorum:) Hem de bu seferki fark Apple’a göre iPhone 5, 5S arasındaki farktan daha büyük bir fark. Cihazın donanımına bi göz atacak olursak iPhone 6S, FitFET üretim mimarisine sahip, 14nm teknolojisiyle üretilmiş yeni A9 işlemci ile geliyor. Yeni işlemci iPhone 6S’de güçlü bir performans sunmanın yanı sıra enerji verimliliği de sağlıyor. Bu işlemci sayesinde de iPhone 6S’in kullanım süresi uzuyor. Ayrıca yıllardır RAM konusunda bir değişikliğe gitmeyen, iPhone 6 ve 6 Plus modellerinde 1GB RAM kullanan Apple, iPhone 6S’de 2GB RAM kullanacak, ki bu da beni kendine çeken artılarından sadece bir tanesi.

 

Teknik Özellikler ve Devamı için tıklayınız!

Dalış elbisesi seçmenin püf noktaları


dalis-elbisesiSu altında maceralara katılmak için cesaretiniz ve heyecanınızdan hemen sonra nasıl giyineceğinizi bilmeniz gerekir. Dalış elbisesi seçerken vücut ısısını korumak, suyun derinliklerine inildikçe üşüme hissiyatı yaşamamak birinci önceliğiniz olduğu kadar kendinizi hafif ve rahat hareket edebilir hissetmelisiniz.

Dalış elbisesi seçerken öncelikle dikkat etmeniz gereken nokta, dalış elbisesinin kumaşının kalınlığıdır. Dalış elbisenizin uygun kalınlıkta olması sizi bulunduğunuz suyun ısısına göre üşütmeyecektir. Dalış elbisesini seçerken bulunduğunuz suyun sıcaklığını da göz önünde bulundurmanız gerekmektedir.Dalış elbise kumaşının kalınlıkları:

-3mm : 28-21 °C deniz suyu sıcaklığı için idealdir.
-5mm : 20-12 °C deniz suyu sıcaklığı için idealdir.
-6mm : 12-06 °C deniz suyu sıcaklığı için idealdir.

Devamını Oku

Apache Log4j


Log4j, Apache Software Foundation’nın geliştirdiği bir loglama kütüphanesidir. Bu kütüphane içinde hazır api’ler bulundurur ve bunları kullanarak yazdığımız kodun ürettiği işlemleri kaydeder. Özellikle konsola çıktı veren kod yazıyorsanız daha sonra kodu temizlemek uzun bir işlemse yine log4j tercih edilir.


Log4j özellikle Apache’nin uygulamalarını kullanıyorsanız çok işinize yarayacaktır. Apache’nin projelerinin büyük bir kısmına log4j.properties dosyasının yerini verdiğiniz takdir de uygulamaların yaptığı tüm işlemleri görebilirsiniz. Log4j properties dosyasına database path’i vererek log4j’nin logları database’e yazmasını sağlayabilirsiniz. Bu dosyaya backup parametresini verip log dosyasının yedeğini almasını da sağlayabilirsiniz.

Okumaya devam et Apache Log4j

Big Data


aa

Yıllar boyunca artan verinin Relational DB’lerde artık saklanamaz boyuta erişmesinden ötürü -ki bunlar sosyal medya paylaşımları, ağ günlükleri, bloglar, fotoğraf, video, log dosyaları vs gibi değişik kaynaklardan toparlanan veriler- anlamlı ve işlenebilir biçime dönüştürülmüş biçimine Big Data denir. Her ne kadar kimilerince bilgi çöplüğü diye de tabir edilen bu kavram ile verinin öneminin ve değerinin her geçen gün artmakta olması bu çöplükten! muazzam derecede önemli, kullanılabilir bilgilerin elde edilmesi amacıdır.

 

Big-Data-5V

Big Data kavramını daha yakından ele alıcak olursak oluşumundaki bileşenleri incelemek gerekir. Bunlar; variety, velocity, volume, verification ve value ‘dur.

  • Variety (Çeşitlilik): Üretilen verinin yüzde 80’i yapısal değil ve her yeni üretilen teknoloji, farklı formatlarda veri üretebiliyor. Telefonlardan, tabletlerden, bütünleşik devrelerden gelen türlü çeşitlilikte “Veri Tipi” ile uğraşılması gerekiyor. Bir de bu verilerin farklı dillerde, Non-Unicode olabileceğini düşünürseniz, bütünleşik olmaları, birbirlerine dönüşmeleri de gerekli.
  • Velocity (Hız): Big Data’nın üretilme hızı çok yüksek ve gittikçe artıyor. Daha hızlı üreyen veri, o veriye muhtaç olan işlem sayısının ve çeşitliliğinin de aynı hızda artması sonucunu doğuruyor.
  • Volume (Veri Büyüklüğü): IDC istatistiklerine göre 2020’de ulaşılacak veri miktarı, 2009’un 44 katı olacak. Şu anda kullanılan, “büyük” diye adlandırdığımız kapasiteleri ve “büyük sistemleri” düşünüp, bunların 44 kat büyüklükte verilerle nasıl başa çıkacaklarını hayal etmek gerekiyor! Kurumun veri arşivleme, işleme, bütünleştirme, saklama vb teknolojilerinin bu büyüklükte veri hacmi ile nasıl başa çıkacağının kurgulanması gerekiyor. 2010’lu yıllarda dünyadaki toplam bilişim harcamaları yılda %5 artmakta, ancak üretine veri miktarı %40 artmaktadır.
  • Verification (Doğrulama): Bu bilgi yoğunluğu içinde verinin akışı sırasında “güvenli” olması da bir diğer bileşen. Akış sırasında, doğru katmadan, olması gerektiği güvenlik seviyesinde izlenmesi, doğru kişiler tarafından görünebilir veya gizli kalması gerekiyor.
  • Value (Değer): En önemli bileşen ise değer yaratması. Bütün yukarıdaki eforlarla tariflenen Big Data’nın veri üretim ve işleme katmanlarından sonra kurum için bir artı değer yaratıyor olması lazım. Karar veriş süreçlerinize anlık olarak etki etmesi, doğru kararı vermenizde hemen elinizin altında olması gerekiyor. Örneğin sağlık konusunda stratejik kararlar alan bir devlet kurumu anlık olarak bölge, il, ilçe vb detaylarda hastalık, ilaç, doktor dağılımlarını görebilmeli. Hava Kuvvetleri, bütün uçucu envanterindeki taşıtlarının anlık yerlerini ve durumlarını görebilmeli, geriye dönük bakım tarihçelerini izleyebilmeli. Bir banka, kredi vereceği kişinin, sadece demografik bilgilerini değil, yemek yeme, tatil yapma alışkanlıklarını dahi izleyebilmeli, gerekirse sosyal ağlarda ne yaptığını görebilmeli.

 

Peki nedir bildiğimiz Relational DB’den farkı?

Relational DB’de veri bütünlüğü (Atomicity, Consistency, Isolation, Durability) dikkate alınarak çalışıldığı için Big Data çözümlerine göre çok daha yavaş çözümlerdir. Ayrıca relational DB’de gigabyte seviyelerinde işlem yapılırken Big Data ile petabyte seviyelerinde veri tutulmaktadır. Big Data çözümleri, dağıtık dosya sistemine* göre çalıştığı için veri bütünlüğü kuralları geçerli değildir. İlişkisel veritabanlarındaki gibi bir tablo yapısı olmadığı için veriler bütünleşik (denormalize) olarak saklanmaktadır. Çünkü büyük verinin tutarlılık (Consistency), müsaitlik (Availability) ve parçalanma payı (Partition tolerance) kurallarının hepsini sağlaması mümkün olmadığından bir kaç tane verinin doğru olmaması ya da kaybolması, veri büyüklüğünü dikkat aldığımızda önemli değildir. Bu nedenle, büyük veriyi dikey ölçeklemeyle çok pahalı olarak saklamak yerine, basit donanımların dağıtık dosya sistemleri ile birleşimi sonucu çok ucuza saklama yöntemi, büyük veri çözümlerini (NoSQL, Hadoop vs.) doğurmuştur. Bu veri çözümlerinden günümüzde en çok bilinenleri NoSQL – not only sql-  çözümleridir. NoSQL çözümlerinin hepsinin farklı bir amacı vardır. Bu nedenle direk karşılaştırmak doğru bir yöntem değildir, kullanacağınız amaca göre kendinize uygun olanı seçmelisiniz. Örneğin; MongoDB az veri ekleme çok veri okuma işlemi için uygun iken, Redis çok yazma, çok okuma olan ve veri kaybının geri planda olduğu bir sistem için tercih edilmelidir, Hadoop ise çok çok büyük veri ile kısa sürede işlem yapmanız gerektiğinde kullanılmalıdır.

 

*Eric Brewer tarafından 2000 yılında ortaya atılan, dağıtık (distributed) sistemlerin aynı anda, Consistency (tutarlılık : dağıtık sisteme bağlı tüm node’larda aynı verilerin olması), Availability (kullanılabilirlik : tüm isteklere her zaman cevap verilebilmesi) ve Partition Tolerance (parça teloransı : sistem parçalarından birinin çalışmaması durumunda sistemin düzgün devam etmesi) özelliklerini sağlayamayacağı savunduğu teorisi