費德勒24年職涯，從未中途退賽！從5 個金句學習網球巨星成功心法|數位時代 BusinessNext

瑞士網球球星羅傑．費德勒（Roger Federer）9月15宣布退休，結束24年的職業生涯。他手握20座大滿貫冠軍，保持連續237周的世界球王、大滿貫 369 勝等多項世界第一紀錄，更連續19年獲頒 ATP（職業網球聯合會，Association of Tennis Professionals）獎項中的「最受球迷歡迎獎」。

費德勒與拉斐爾．納達爾（Rafael Nadal）、諾瓦克．喬科維奇（Novak Djokovic）因在大滿貫賽事中獲獎次數最多，被譽為「網壇三巨頭」（Big 3 in Tennis）。儘管費德勒最後一次打進大滿貫決賽是 2019年，這幾年受年齡、傷病影響，表現不如老對手穩定，仍擁有極高的含金量。

根據《富比士》（Forbes）2022 年發布的「最高收入運動員」排行榜，費德勒連續17年蟬聯最會賺錢的網球選手；在2020年，他更以稅前收入 1.06 億美元（約新台幣32億元），成為收入最高的運動員，這些收入來自代言、亮相和其他商業活動。

「當你在生命中把一件事做到極致，你不會想放棄它，對我而言，那就是網球。（When you do something best in life, you don't really want to give that up - and for me it's tennis.）」

打了1526場比賽，中途退賽次數是「0」

「這是一個苦樂參半的決定，我會懷念巡迴賽給予我的一切。」41 歲的費德勒打了超過 1500 場比賽，由於傷病與年紀影響，他 9 月 15 日在社群平台上宣布 23 日在倫敦舉行的拉沃爾盃（Laver Cup）賽事將是他參加的最後一場 ATP 賽事。

人生前半段都在打球、練球，他如何看待自己的職涯？他在退休信寫下，不斷出賽的 24 年來是一場精彩的冒險，他有時候覺得這段旅程彷彿只過了 24 小時，但又因為期間許多深刻、神奇的經歷，也像是已經過了一生。他表示自己非常幸運能到 40 多國出賽，在這些賽事中笑過與哭過、感受過快樂和痛苦，網球帶給他強大的生命力。

除了穩定的比賽成績，費德勒受人讚揚的還有他的堅持、不放棄的精神。在費德勒預告退休隔日ATP世界巡迴賽（ATP Tour）在推特（Twitter）分享了他的參賽紀錄，他生涯一共打了1526場比賽，卻從未在比賽中途退賽。

「我認為這些年來我表現得還可以，是因為我能帶著傷痛、帶著問題、在各種條件下打球。（What I think I've been able to do well over the years is play with pain, play with problems, play in all sorts of conditions.）」

他說過，打球就是一切，不論遇到什麼困難，都要想辦法克服。

積極面對問題，從艱苦中找到最好的答案

即便年少成名，費德勒也有遭遇過低潮。2016 年他受膝蓋的傷所困擾，一年內沒有拿下任何冠軍。不過，他與團隊很快調整腳步，走出低谷。

《逆向工程》指出，費德勒的團隊把網球比賽分成發球、正拍、反拍、網前等行為，分析每項的得分率，因而找出弱點、提出修正計畫。體育媒體《The Athletic》指出，他調整拍面大小、改變反手拍的擊球時間點，幫助他在 2017 年重返巔峰，連續奪下澳網、溫網兩座大滿貫冠軍。

他也說過，網球很可能是令人沮喪的運動，你沒有辦法不做刻苦的訓練，總是要一直改進。然而，

「雖然付出很多犧牲與努力，才有很少的回報，但你必須知道，付出正確的努力，回報總有一天會到來。（You have to put in a lot of sacrifice and effort for sometimes little reward but you have to know that, if you put in the right effort, the reward will come.）」

永遠相信自己，但又要保持精進態度

體育新聞網站 Sportskeeda 指出，費德勒還有一項特別的紀錄，是他在生涯完成過10次「輸二贏三」大逆轉（先輸兩盤、再贏後三盤），並列史上最多。網球資訊網站 TennisNow 統計顯示，他有22場比賽，化解對手的賽末點，逆轉贏球，這22場逆轉勝總共頂住了62個對手的賽末點。

他對於比賽的態度很明確，

「我相信我可以擊敗任何人，這不是問題。我認為這對大多數運動員是一樣的，如果你不相信自己能贏得比賽，那你就做不到。（It is always in my mind still that I can crush anybody. That’s not an issue. But I think that is the same for most athletes. If you don’t believe you can win tournaments anymore, then you can’t do it.）」

他也說過，在他生涯早期，自己的優勢是學得很快，「教練不用告訴我 50 次，只要跟我說兩三遍就可以了。」但這並不影響他持續精進的態度。他曾說，

「我絕對覺得還有改進的餘地。（I definitely feel there’s room for improvement.）」

資料來源：BBC, The Athletic, Forbes, ATP Tour, Mirrorre Review

本文授權轉載自：經理人月刊

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。