Ήταν μόλις 21 ετών όταν ο κόσμος κατέρρευσε πάνω του. Ο Στίβεν Χόκινγκ ήταν ένας λαμπρός φοιτητής φυσικής στο Κέιμπριτζ: περίεργος, πνευματώδης, ερωτευμένος με τα άστρα και τα μαθηματικά. Μα μια μέρα, το σώμα του άρχισε να τον προδίδει. Ανεξήγητες πτώσεις, χέρια που δεν υπάκουαν, μια παράξενη αδυναμία. Η διάγνωση ήταν αμείλικτη: πλάγια αμυοτροφική σκλήρυνση (ALS). Μια εκφυλιστική ασθένεια που μέσα σε λίγο χρόνο θα τον παράλυε, αφήνοντάς του μόνο λίγα χρόνια ζωής. Στην αρχή, βυθίστηκε στο σκοτάδι. Κλείστηκε στον εαυτό του, πεπεισμένος ότι δεν είχε μέλλον. Η σκέψη ότι δεν θα έφτανε ποτέ τα 30 τον βασάνιζε. Κι όμως, ακριβώς τότε, συνέβη κάτι απρόσμενο. Γνώρισε την Τζέιν Γουάιλντ, μια φοιτήτρια φιλολογίας. Εκείνη αποφάσισε να μείνει στο πλευρό του, παρά την ασθένεια, και έγινε η σύντροφος που τον ώθησε να μην τα παρατήσει. Ο Χόκινγκ ξανάρχισε να μελετά. Ακόμα κι όταν δεν μπορούσε πια να κινείται όπως πριν. Ακόμα κι…
Πώς μπορεί κανείς να διδαχθεί την ψυχολογία των πελατών; Ας προσπαθήσουμε να καταλάβουμε λίγο περισσότερο την άλλη πλευρά. Ας υποθέσουμε ότι είμαστε εμείς ο πελάτης. Για να δούμε λίγο τι σκεφτόμαστε. Ποια τα συναισθήματα μας; Θέλω π.χ. να αγοράσω ένα ακριβό κινητό. – Από που θα το αγοράσω; – Έχω κάποιο φίλο ή γνωστό που πουλάει κινητά; – Είναι η πρώτη φορά που θα κάνω κάτι τέτοιο; – Θα ψάξω σε ηλεκτρονικό ή σε φυσικό κατάστημα; – Ποιος θα μου δείξει πως δουλεύει; – Ποιος θα μου περάσει τις επαφές και θα μου σετάρει τους λογαριασμούς μου; – Από που αγόρασα στο παρελθόν, αν δεν είναι η πρώτη φορά; – Ποιος με εξυπηρέτησε; – Τι εντύπωση έμεινε μέσα μου; – Τι μ’ έκανε να προτιμήσω αυτό το κατάστημα παρά οποιοδήποτε άλλο; – Θα αγοράσω από το ίδιο κατάστημα ή το ίδιο πρόσωπο; Μ’ αυτά τα ερωτήματα κάνουμε μια ψυχολογική ανάλυση…
Mindstorm.gr • Momentum Start Before You Feel Ready Tiny consistent steps beat perfect intentions every time. “Action turns doubt into data. Do one small thing today.” Waiting to feel ready is a trap. Confidence doesn’t show up first—it’s the reward for getting started. The fastest way to quiet the overthinking is to give your brain something simple and specific to do. Pick progress over perfection. When you move, even a little, you collect proof that you can. That proof compounds. 1 Pick a 10‑minute task. Set a timer and start. Momentum likes short sprints. 2 Lower the bar. Make it so easy it’s hard to say no. Half a page. One email. A five‑minute walk. 3 Celebrate the rep. Check it off. Track the streak. Reward the behavior, not just the result. Try this: Write down tomorrow’s first tiny task before you go to bed. When morning comes, you’re already…
Outlook Email Exporter GR – Ανακάλυψε τον πιο εύκολο τρόπο να «τραβήξεις» ό,τι e-mail χρειάζεσαι από το Microsoft Outlook, ακριβώς όπως το θέλεις! Με λίγα κλικ διαλέγεις γραμματοκιβώτιο/φάκελο, θέτεις έξυπνα φίλτρα (ημερομηνίες, αποστολέας, παραλήπτες, λέξεις-κλειδιά, μόνο με συνημμένα ή συγκεκριμένα ονόματα) και πατάς Export για άμεση εξαγωγή σε Excel. Η εφαρμογή αξιοποιεί το Outlook Restrict για ταχύτητα, κρατά log για έλεγχο, και σου εμφανίζει αναδυόμενο μήνυμα επιβεβαίωσης με το αποθηκευμένο αρχείο. Ιδανικό για reporting, ελέγχους, αρχειοθέτηση και οργάνωση—γρήγορα, καθαρά, επαγγελματικά. EN – Discover the easiest way to pull exactly the emails you need from Microsoft Outlook—just the way you want them! With a few clicks, choose your mailbox/folder, set smart filters (dates, sender, recipients, keywords, only with attachments or specific attachment names), and hit Export for instant Excel output. The app leverages Outlook Restrict for speed, keeps a verification log, and shows a confirmation popup with the saved file. Perfect…
Make Your Data Pop with Image Bar Charts! ✨ Pivot Tables (Συγκεντρωτικοί Πίνακες) και Διαγράμματα Πωλήσεων με Φωτογραφίες Προϊόντων Στα αριστερά υπάρχει ένα Pivot Table (Συγκεντρωτικός Πίνακας). Παίρνει τα δεδομένα από το φύλλο Database_2 και τα συνοψίζει: Category (π.χ. Smartphones, Desktops) Product (π.χ. Mobile 1, Mobile 2…) Sum of Quantity = πόσες πωλήσεις/τεμάχια έχει το κάθε προϊόν. Τα μικρά ► ανοίγουν/κλείνουν τις ομάδες. Οι γραμμές Total δείχνουν τα σύνολα ανά κατηγορία και το Grand Total το γενικό σύνολο. Πάνω δεξιά είναι ένα Pivot Chart (γράφημα που “συνδέεται” με τον pivot πίνακα). Δείχνει με οριζόντιες μπάρες τις ποσότητες των προϊόντων. Οι αριθμοί πάνω στις μπάρες είναι οι ίδιες ποσότητες. Κάτω δεξιά υπάρχει ένα απλό γράφημα στηλών με τις ίδιες τιμές, αλλά με εικόνες προϊόντων από το φύλλο Images για να είναι πιο “visual”. Οι στήλες είναι τα προϊόντα, ο άξονας Υ είναι η ποσότητα. Τι μπορείς να κάνεις: Αλλάζεις τα φίλτρα/ομαδοποιήσεις…
Πότε έζησε ο ‘Ανταμ Σμιθ και ποιες είναι οι βασικές αρχές της οικονομικής θεωρίας του; Ο Άνταμ Σμιθ (Adam Smith) έζησε από το 1723 έως το 1790 και είναι ένας από τους πιο σημαντικούς θεμελιωτές της σύγχρονης οικονομικής σκέψης. Ήταν Σκωτσέζος φιλόσοφος και οικονομολόγος, γνωστός κυρίως για το έργο του «Ο Πλούτος των Εθνών» (The Wealth of Nations), που δημοσιεύθηκε το 1776 και θεωρείται ένα από τα πιο σημαντικά έργα στην ιστορία της οικονομικής επιστήμης. Βασικές Αρχές της Οικονομικής Θεωρίας του Άνταμ Σμιθ: 1. Η Αόρατη Χείρα της Αγοράς: o Η πιο διάσημη ιδέα του Σμιθ είναι η έννοια της “αόρατης χείρας”, η οποία υποστηρίζει ότι όταν οι άνθρωποι ενεργούν με βάση το δικό τους συμφέρον, συμβάλλουν ασυνείδητα στη γενική οικονομική ευημερία της κοινωνίας. Ο μηχανισμός της αγοράς ρυθμίζει την προσφορά και τη ζήτηση χωρίς την ανάγκη άμεσου κρατικού ελέγχου. 2. Ο Καταμερισμός της Εργασίας: o Ο Σμιθ υποστήριξε ότι…
Η σωστή διαδικασία παρασκευής καφέ εσπρέσσο περιλαμβάνει τα εξής βήματα: 1. Επιλογή κόκκων: Χρησιμοποιήστε φρέσκους, καλής ποιότητας κόκκους καφέ, κατά προτίμηση ειδικά για εσπρέσσο. 2. Άλεση: Αλέστε τους κόκκους σε πολύ λεπτή υφή, περίπου σαν ζάχαρη άχνη. 3. Ζύγισμα: Ζυγίστε περίπου 18-20 γραμμάρια καφέ για μια δόση διπλού εσπρέσσο. 4. Ταμπάρισμα: Τοποθετήστε τον αλεσμένο καφέ στο φίλτρο και ταμπάρετε ομοιόμορφα με πίεση. 5. Θερμοκρασία νερού: Βεβαιωθείτε ότι το νερό είναι στους 90-96°C. 6. Εκχύλιση: Τοποθετήστε το φίλτρο στη μηχανή και ξεκινήστε την εκχύλιση. Ο χρόνος εκχύλισης πρέπει να είναι περίπου 25-30 δευτερόλεπτα. 7. Σερβίρισμα: Σερβίρετε αμέσως σε ζεστό φλιτζάνι. Απολαύστε τον καφέ σας!
Here’s a simple HTML dashboard that calculates the monthly payment, total cost of the house, and displays an amortization schedule along with a chart. This example uses JavaScript for calculations and Chart.js for the chart visualization. Mortgage Dashboard House Price: $1,450,000 Downpayment: $625,000 Loan Amount: $825,000 Interest Rate: 3.75% Loan Term: 25 years Click Mortgage Dashboard to view it. # Explanation: 1. Calculations: – The monthly payment is calculated using the formula for an amortizing loan. – The total cost of the house includes the down payment and total payments over the loan term. 2. Amortization Schedule: – The schedule is generated for each year, showing the beginning balance, ending balance, principal paid, interest paid, and cumulative totals. 3. Chart: – A line chart visualizes the cumulative principal and interest paid over the years using Chart.js.
Η συνάρτηση VLOOKUP στο Excel (Vertical Lookup) χρησιμοποιείται για να αναζητήσει μια τιμή σε μια στήλη ενός πίνακα και να επιστρέψει μια αντίστοιχη τιμή από μια άλλη στήλη του ίδιου πίνακα. Είναι πολύ χρήσιμη για την αναζήτηση δεδομένων. # Σύνταξη της VLOOKUP: “` VLOOKUP(τιμή_αναζήτησης, πίνακας, αριθμός_στήλης, [εύρος_αντιστοίχισης]) “` – τιμή_αναζήτησης: Η τιμή που θέλουμε να βρούμε. – πίνακας: Ο πίνακας δεδομένων όπου θα γίνει η αναζήτηση. – αριθμός_στήλης: Ο αριθμός της στήλης από την οποία θέλουμε να επιστρέψουμε την τιμή (η πρώτη στήλη είναι 1). – εύρος_αντιστοίχισης: Προαιρετικό. Αν είναι TRUE ή παραλειφθεί, η VLOOKUP θα επιστρέψει την πλησιέστερη τιμή. Αν είναι FALSE, θα επιστρέψει μόνο ακριβείς αντιστοιχίες. # Παράδειγμα: Ας υποθέσουμε ότι έχουμε τον παρακάτω πίνακα με ονόματα και ηλικίες: | Όνομα | Ηλικία | |———|——–| | Γιάννης | 25 | | Μαρία | 30 | | Κώστας | 22 | Αν θέλουμε να βρούμε την ηλικία του “Μαρία”,…
Η ανάλυση δεδομένων πωλήσεων στο Excel με τη βοήθεια της τεχνητής νοημοσύνης (AI) είναι η διαδικασία επεξεργασίας και ερμηνείας δεδομένων πωλήσεων για να εξάγουμε χρήσιμες πληροφορίες και να λάβουμε καλύτερες αποφάσεις. Χρησιμοποιώντας εργαλεία AI, μπορούμε να αναγνωρίσουμε πρότυπα, τάσεις και συσχετίσεις στα δεδομένα μας. # Παράδειγμα με Demo Δεδομένα Ας υποθέσουμε ότι έχουμε τα εξής δεδομένα πωλήσεων για ένα κατάστημα: | Μήνας | Πωλήσεις (€) | Προϊόν | |———–|————–|———| | Ιανουάριος| 2000 | Α | | Φεβρουάριος| 2500 | Α | | Μάρτιος | 3000 | Β | | Απρίλιος | 3500 | Β | | Μάιος | 4000 | Α | | Ιούνιος | 4500 | Γ | # Insights από την Ανάλυση 1. Τάσεις Πωλήσεων: Μπορούμε να δούμε ότι οι πωλήσεις αυξάνονται κάθε μήνα. Αυτό μπορεί να υποδηλώνει ότι η επιχείρηση είναι σε ανάπτυξη. 2. Σύγκριση Προϊόντων: Οι πωλήσεις του προϊόντος Α είναι υψηλότερες από αυτές του προϊόντος…