104學習

Microsoft Teams Planner 是一個專為團隊設計的專案管理工具，提供任務管理、視覺化規劃、團隊協作、通知和提醒、報告分析以及與 Microsoft 365 工具的無縫整合。它能幫助團隊有效地組織、指派和追蹤任務，提高工作效率和透明度。 以下是一些主要特色： 1. 任務管理： - 可以創建、指派和追蹤任務。 - 每個任務可以設置截止日期、優先級和進度狀態。 - 可以添加詳細描述、附件和評論。 2. 視覺化規劃： - 使用看板視圖（Kanban view）來展示任務，可以直觀地看到任務的進展。 - 可以使用不同的標籤來分類和過濾任務。 3. 團隊協作： - 支持團隊成員之間的協作，成員可以評論和更新任務狀態。 - 可以將 Planner 與 Microsoft Teams 整合，方便在 Teams 中直接管理任務。 4. 通知和提醒： - 任務變更或即將到期時會自動發送通知和提醒。 - 團隊成員可以訂閱通知，以便隨時了解最新進展。 5. 報告和分析： - 提供簡單的報告功能，可以查看任務的完成情況和團隊的工作效率。 - 可以導出數據進行更深入的分析。 6. 整合性： - 與 Microsoft 365 其他工具（如 OneNote、SharePoint、Outlook 等）無縫整合。 - 可以在 Excel 中導入或導出任務數據，方便進行進一步的處理和分析。 總之，Microsoft Teams Planner 是一個功能豐富且易於使用的工具，非常適合需要協作的團隊用來管理和追蹤他們的工作。

書籍章節架構與概述 前言 • 行銷管理的定義與演變 • 理論與實務整合的重要性 • 本書特色：理論基礎 + 案例實務 + 策略規劃工具 第 1 章 行銷管理概論 • 行銷管理的角色與任務 • 行銷理念演變：生產導向 → 產品導向 → 銷售導向 → 顧客導向 → 社會行銷導向 • 行銷管理流程與決策層次（戰略、戰術、操作） • 經典理論：科特勒（Kotler, 2016）、Porter 五力分析 第 2 章 消費者行為與市場細分 • 消費者心理與購買決策歷程 • 市場細分、目標市場選擇與定位（STP） • 行銷組合（4P/7P）概念 • 理論學者：Solomon（消費者行為）、Kotler（STP）、Schiffman & Kanuk（行為模式） 第 3 章 市場資訊與市場研究 • 市場調查流程（定量、定性研究） • 資料蒐集與分析方法 • 消費者洞察與市場機會識別 • 案例：問卷設計、焦點團體討論 • 理論：Malhotra（市場研究）、Churchill（量表設計） 第 4 章 品牌管理與定位策略 • 品牌定義與功能 • 品牌資產（Brand Equity）與品牌忠誠 • 品牌定位策略與差異化 • 實務應用：品牌重塑、品牌延伸 • 理論：Aaker（品牌資產）、Keller（品牌知覺價值） 第 5 章 產品策略與創新管理 • 產品生命週期（PLC） • 新產品開發流程 • 產品組合與差異化策略 • 案例：科技產品、新興品牌策略 • 理論：Levitt（產品生命周期）、Cooper（新產品開發流程） 第 6 章 價格策略與管理 • 價格的心理與策略 • 成本導向、價值導向、競爭導向定價 • 折扣、促銷與動態定價策略 • 案例：線上電商、實體零售 • 理論：Monroe（價格心理）、Kotler（價值定價） 第 7 章 通路策略與零售管理 • 通路結構與類型（直接、間接、線上、O2O） • 零售管理與物流策略 • 渠道衝突與整合管理 • 案例：電商平台、跨通路行銷 • 理論：Kotler & Keller（通路策略）、Bowersox（供應鏈管理） 第 8 章 推廣策略與整合行銷傳播（IMC） • 廣告、公關、促銷、直效行銷、數位行銷 • IMC 策略設計與整合 • 案例：社群媒體行銷、品牌活動 • 理論：Belch & Belch（IMC）、Kotler（促銷管理） 第 9 章 數位行銷與社群策略 • 網路行銷、SEO/SEM、內容行銷 • 社群媒體行銷策略與影響力行銷 • 數位消費者行為分析與數據應用 • 案例：品牌社群經營、數位廣告優化 • 理論：TAM/UTAUT（科技接受）、Chaffey（數位行銷策略） 第 10 章 行銷績效衡量與策略調整 • KPI 設定與行銷 ROI • 消費者洞察與績效追蹤 • SWOT / BCG / Ansoff 策略工具應用 • 案例：數據分析與行銷策略迴圈 • 理論：Kaplan & Norton（平衡計分卡）、Kotler（行銷控制） 第 11 章 國際行銷與跨文化管理 • 國際市場進入策略 • 跨文化行銷挑戰與品牌調整 • 案例：跨國品牌的全球與本土化策略 • 理論：Czinkota（國際行銷）、Hofstede（文化維度） 第 12 章 行銷整合案例與策略模擬 • 全書整合案例：STP + 4P/7P + IMC • 策略模擬：市場分析 → 消費者洞察 → 行銷組合 → 效果評估 • 小組報告與實務演練 前言 行銷管理是商業世界的核心，涵蓋從市場洞察、消費者行為理解，到品牌塑造與策略規劃的全過程。本書以理論為基礎，並結合實務案例與策略工具，幫助學生不僅理解「行銷為何如此運作」，更能學會「如何實際操作」。 整學期課程大綱 週次 課程主題 核心內容 作業/案例活動 1 課程導論 行銷管理概論、歷史演進 討論生活中行銷案例 2 消費者行為與市場細分 STP、消費者心理 小組分析消費者案例 3 市場研究方法 問卷、焦點團體、資料分析 問卷設計練習 4 品牌管理 品牌定位、品牌資產 品牌案例分析 5 產品策略 產品生命週期、新產品開發 小組設計新產品 6 價格策略 價值導向定價、折扣策略 模擬定價決策 7 通路策略 零售、電商、O2O 設計通路策略 8 推廣策略 IMC、廣告、公關 社群廣告企劃案 9 數位行銷 SEO/SEM、社群行銷 數位廣告投放分析 10 行銷績效 KPI、ROI、策略調整 分析真實案例數據 11 國際行銷 跨文化市場、全球品牌 國際案例討論 12 策略整合 STP + 4P + IMC 小組模擬策略演練 13 案例演練 I 消費者行為分析 分組報告 14 案例演練 II 品牌與通路策略整合 分組報告呈現 15 期末總結 理論、策略與實務回顧 期末報告 / 策略企劃書

幾個月前一位 HR 主管打電話來跟我抱怨：「我們公司用了 8 年的人資系統，現在連年資計算都常出錯，員工跟主管都在 PTT 上罵。我想換，但市場上人資系統推薦的選擇也太多了——Apollo、Workday、雙日、人易通……到底要怎麼選？」這通電話讓我決定把人資系統選型整理成一篇完整指南。 戰國策集團累積 26+ 年的企業服務經驗，我們協助過多家企業完成人資系統評估、導入與工作流程自動化整合。今天用 2026 年最新市場觀察，把 HR 系統 Top 10 與選型邏輯一次說清楚。 ──────────────────── 【一、為什麼 2026 年人資系統選型變得比以前難？】 十年前選人資系統很單純：本土廠商三選一，看價格、看服務、看口碑。但 2026 年的人資系統市場有三個變化，讓選型變得複雜。 第一個變化是「雲端 HR 系統井噴」。從 Workday、SAP SuccessFactors 這類國際大廠，到 Apollo、雙日、HRiQ 等本土雲端品牌，光是雲端選項就有 30 家以上。每家都說自己最好，但實際上差異很大。 第二個變化是「AI 與自動化深度整合」。2026 年的人資系統不只是「資料管理工具」，而是「智慧化人才平台」。從 AI 履歷篩選、智慧排班、自動化薪資計算、員工情緒分析，HR 工作的本質正在被重塑。 第三個變化是「員工體驗（EX）變成關鍵指標」。員工不再忍受打卡要登入三個系統、請假要填七張表。如果你的人資系統員工體驗差，光是員工抱怨成本就會吃掉你省下的人力。 ──────────────────── 【二、人資系統推薦 Top 10：完整評比】 我用「適合規模、強項、弱項、價格」四個維度，幫你整理 2026 年最常被詢問的 10 套人資系統。 第一套，Apollo 人資系統。本土雲端 HR 的代表，模組完整（含薪資、考勤、請假、教育訓練），UI 現代、API 開放，適合 30 到 500 人公司。月費約每用戶 80 到 200 元。Apollo 人資系統費用透明，是中型企業最常被推薦的選項。 第二套，雙日人資管理系統。深耕台灣 20+ 年的本土系統，強項是薪資計算規則的彈性與在地法規支援，適合製造業、傳統產業。年費約 30 萬到 150 萬。 第三套，HRiQ。新加坡背景的亞洲區雲端 HR，適合有跨境員工的公司，多幣別、多語系支援強。年費約 50 萬到 200 萬。 第四套，Workday HCM。國際頂規 HR 系統，適合 500 人以上的大型企業，模組從招募、人才管理、薪資、繼任計畫全包。年費通常從 200 萬起跳。 第五套，SAP SuccessFactors。SAP 旗下的雲端 HR，與 SAP ERP 整合性最好，適合已使用 SAP 的中大型企業。年費約 150 萬到 500 萬。 第六套，Oracle HCM Cloud。Oracle 的雲端 HR，全球佈局完整，特別適合多國經營的台商。年費約 150 萬到 400 萬。 第七套，人易通。本土平價雲端 HR，適合 50 人以下的中小企業，價格實惠但模組相對基本。月費約每用戶 50 到 100 元。 第八套，BambooHR。國際中小企業最愛的雲端 HR，UI 極簡、上手快，缺點是中文與本地化稍弱。月費約每用戶 100 到 200 元。 第九套，鼎新 HR。鼎新集團的 HR 模組，與鼎新 ERP 整合性高，適合已用鼎新 ERP 的客戶。年費約 30 萬到 120 萬。 第十套，104 hr 招募系統。雖然主打招募端，但近年延伸到入職管理與人才庫經營，適合招募量大的服務業。年費約 30 萬到 150 萬。 人資系統推薦 ptt 上常見的討論，大多集中在 Apollo、雙日、人易通三家——這也反映本土市場的選型實況。 ──────────────────── 【三、人資系統選型五大關鍵】 買錯人資系統的代價，比買錯 ERP 還高，因為人資系統碰的是「人」。給你五個選型關鍵： 第一，看「薪資計算的彈性」。台灣的薪資制度太複雜——加班費、夜班津貼、輪班加給、健保補充保費、退休金提撥、二代健保……每一項都有特殊規則。請廠商實機演練「你公司最複雜的那個薪資情境」，能不能不寫程式就設定好。 第二，看「考勤系統的整合」。打卡機、人臉辨識、GPS 打卡、APP 打卡，你用的硬體跟人資系統能不能直接串接？如果要客製，費用要先講清楚。 第三，看「報表的完整度」。HR 工作有一半時間在跑報表。請廠商提供現有報表清單，能不能滿足你的勞檢、董事會報告、各部門需求。 第四，看「員工自助服務（ESS）的成熟度」。員工自己上系統請假、看薪資單、報帳，這是 2026 年的基本盤。試用時務必用「員工視角」操作一輪，看流暢度。 第五，看「擴充性與整合性」。人資系統會跟 ERP、招募系統、教育訓練平台、RPA 工具整合。有沒有 REST API？支不支援 SAML SSO？這些技術細節決定你能不能未來擴充。 ──────────────────── 【四、人資系統與 RPA 的整合：HR 自動化的新趨勢】 我特別想講這一塊，因為很多人資主管以為「上了人資系統就萬事 OK」，其實 HR 還有大量工作是系統沒辦法直接處理的，比如： 從不同招募網站撈履歷、整理到內部資料庫。 新人入職時，同時在 ERP、Email、VPN、門禁、印表機系統開帳號。 離職時，同步關閉所有系統權限。 每月把考勤資料從打卡機匯出、清洗、匯入薪資系統。 從勞保局、健保局網站下載對帳單、核對員工資料。 這些「跨系統、規則性高」的工作，正是 RPA 的甜蜜點。我們的客戶把 HR 系統與 RPA 整合後，HR 同仁的事務性工作平均減少 60% 以上，可以把心力放在人才發展、員工關懷這些真正有價值的事。 戰國策提供人資系統選型評估 + RPA 整合服務，讓人資系統不只是「資料庫」，而是「智慧化 HR 引擎」。 ──────────────────── 【五、人資系統導入的常見地雷】 整理三個我看過最常踩的雷，幫你少走冤枉路。 第一個雷是「薪資規則沒對齊就上線」。HR 主管以為新系統能直接吃舊資料，結果新舊系統的薪資邏輯定義不同，第一個月薪資算錯被員工發現，HR 主管直接被董事會點名。避坑方法：上線前一定要跑「並行運算 3 個月」，新舊系統同步算薪，驗證一致再切換。 第二個雷是「年資、特休沒驗證就遷移」。員工的年資、特休、剩餘假是最敏感的數字。遷移時務必由 HR、員工本人、廠商三方確認，並且保留舊系統原始資料至少兩年。 第三個雷是「員工教育訓練不夠」。HR 同仁拼命受訓，員工跟主管卻沒人教，結果系統上線後一片混亂。避坑方法：把員工分群（主管 / 員工 / HR / 主辦會計），每群安排專屬培訓，並建立 FAQ 與內部支援窗口。 ──────────────────── 【六、不同規模的人資系統推薦】 最後給三個具體場景的建議。 30 人以下的新創或服務業：人易通、Apollo 基礎版、BambooHR。預算低、上線快、員工體驗好。 50 到 300 人的中型企業：Apollo 完整版、雙日人資、HRiQ。模組完整、彈性高、整合性佳。 300 人以上、有國際據點：Workday、SAP SuccessFactors、Oracle HCM。雖然貴，但跨國管理與人才發展深度無可取代。 但這只是初步推薦。真正的選型，要看你的薪資複雜度、跨系統整合需求、預算範圍與導入時程。戰國策提供中立的人資系統評估，幫你建立完整的選型基準。 ──────────────────── 【七、常見問題 FAQ】 Q1：人資系統推薦 PTT 上看到很多評價，可信嗎？ PTT 評價可參考但不全信。每家公司的薪資結構、員工規模、產業屬性都不同，別人覺得不好的系統可能很適合你，別人讚不絕口的系統可能跟你需求不合。最好的方式是親自試用，並請廠商提供同產業案例聯絡方式。 Q2：Apollo 人資系統費用大約多少？ Apollo 採用「按用戶數 × 模組」訂閱制，基礎模組（薪資、考勤、請假）月費約每用戶 80 到 120 元；加上招募、教育訓練、績效模組約 150 到 200 元。導入費另計，一次性費用約 8 萬到 30 萬，依模組複雜度而定。 Q3：人資系統的隱藏成本有哪些？ 最常被忽略的有五項：客製化費（10 到 50 萬）、資料遷移費（5 到 30 萬）、教育訓練深度版（5 到 15 萬）、年度維護費（系統費的 15% 到 20%）、API 串接費（每個系統 5 到 20 萬）。簽約前務必要求廠商列清楚 24 個月的所有費用。 Q4：雲端人資系統安全嗎？員工資料會不會外洩？ 主流雲端人資系統都通過 ISO 27001、ISO 27701 個資保護認證。安全性通常高於企業自建。重點是合約條款：資料儲存地、外洩責任歸屬、退出時資料如何取回，這些都要寫清楚。 Q5：人資系統導入要多久？ 單一模組（如薪資或考勤）約 1 到 3 個月。完整模組（含薪資、考勤、請假、招募、績效）約 4 到 9 個月。如果還要客製化與多系統整合，可能要 9 到 12 個月。 Q6：戰國策有代理特定品牌的人資系統嗎？ 我們是「中立顧問」，不代理特定品牌，但會根據你的需求推薦最適合的人資系統。我們主要提供人資系統選型評估、工作流程自動化導入（RPA.com.tw）、企業一站式管理系統整合服務，不提供 SBIR 代辦與陪跑 SOP。 Q7：人資系統能跟現有的 ERP 整合嗎？ 大部分主流人資系統都支援與 ERP 整合，特別是 SAP SuccessFactors 與 SAP ERP、Workday 與 Oracle、Apollo 與多家 ERP 都有現成 connector。整合前要確認資料對應規則與同步頻率。 Q8：員工不喜歡用新系統怎麼辦？ 員工抗拒新系統是常態。三個解法：第一，導入時找「員工代表」參與設計，讓他們有歸屬感；第二，員工介面要極簡，把複雜留給 HR；第三，導入後三個月內加強支援，建立「問就答」的快速反應機制。 Q9：可以自己用 Excel 或免費工具撐著嗎？ 20 人以下、薪資結構單純，Excel 還行。但只要員工超過 20 人、有輪班制、或開始遇到勞檢，Excel 風險就會暴增——一個公式錯誤就可能違反勞基法。投資一套基礎人資系統，年費可能不到一場勞檢罰款。 Q10：怎麼開始人資系統評估？ 最快的方式是預約一次免費的人資系統選型診斷。戰國策的顧問會用 60 到 90 分鐘了解你的員工規模、薪資結構、痛點與預算，當場給出 2 到 3 套適合方案，並協助安排廠商試用。沒有壓力，純粹幫你建立選型基準。 ──────────────────── 【戰國策企業一站式管理系統｜業界領導品牌．26+年企業服務資歷】 協助多家企業整合 HR、ERP、財務、業務、客服全流程 從人資系統選型、薪資考勤、員工自助到 RPA 自動化整合一次到位 提供工作流程自動化導入、企業一站式管理系統整合 服務專線：0800-003-191 LINE 諮詢：@119m 官方網站：RPA.com.tw （戰國策提供人資系統選型顧問、工作流程自動化導入與企業一站式管理系統建置服務，不提供 SBIR 代辦與陪跑 SOP 服務。）

運用ChatGPT分析數據和提供策略建議，分析準確嗎？實例示範運用ChatGPT解析Excel數據，從購買行為洞察、客群分群，到制定具體銷售策略，以及最關鍵的查核與修正盲點，才能真正發揮AI的輔助價值。本文節錄自《三秒鐘的出其不意！Excel × AI 幫你工作超省力》。 文／Excel 廣播電台｜張予 本文目錄（點擊可快速前往） 【ChatGPT數據洞察1】用戶購買行為洞察【ChatGPT數據洞察2】銷售策略【ChatGPT數據洞察3】短中長期策略與行動方案【ChatGPT數據洞察4】AI分析準確嗎？如何查核與修正？ ChatGPT不僅能根據你的指令提供數據摘要，還能根據分析結果給出實用建議！舉例來說，當你看到前一篇的折線圖，你可能會好奇：「為什麼6月的銷售額表現最好？」或者想知道：「如何改善4月和9月銷售下滑的情況？」這時候，善用ChatGPT，它能幫你深入分析數據，提供洞察與策略，讓決策更加精準！ 【根據數據提問】問題示範：為什麼6月的銷售額表現最好？如何改善4月和9月銷售下滑的情況？ （圖／旗標出版提供） （圖／旗標出版提供） 用「三個臭皮匠，勝過一個諸葛亮」來形容ChatGPT給予的協助，無疑是個最佳比喻。即便是經驗豐富的資料分析師，也可能會因為盲點而忽略關鍵資訊。但ChatGPT就像是一個全方位的數據顧問，能夠從多個角度切入，提供你可能沒想到的分析觀點，甚至具體的行動建議，幫助你從資料中挖掘出隱藏的黃金資訊。如果你能提供更完整的背景資料，它的建議將會更加貼近實際需求，甚至能針對你的分析需求量身打造具體的策略。 除了根據分析結果提供見解，你還可以直接告訴ChatGPT你的目標，請它根據目標設計行動策略。舉例來說，假設你希望以今年的用戶購買行為為基礎，制定隔年的銷售策略，ChatGPT就能根據數據表現，幫助你制定具體方案。現在，就來看看ChatGPT如何發揮數據分析的實力吧！ 指令：「協助分析用戶的購買行為，並制定隔年的用戶銷售策略」 由於ChatGPT的回覆較長，以下將分為三部分介紹： 【ChatGPT數據洞察1】用戶購買行為洞察 （圖／旗標出版提供） （圖／旗標出版提供） ChatGPT根據我提供的Excel資料表，快速整理出用戶購買行為分析結果，包含購買次數、平均消費額、地區等關鍵資訊。接著，它透過購買次數與平均消費額的關係，將用戶分群，識別出高價值客戶和忠誠客戶，並清楚定義分類標準。最後，它還深入分析北、中、南地區的消費行為差異。這一切，只需短短幾秒鐘！ 想像一下，如果要手動完成這項分析……你需要先整理資料表，再用肉眼觀察購買次數與平均消費額的關係。或許可以透過數據視覺化來加速分析，但問題來了――該選擇哪種類型的圖表？講了一堆，是不是很複雜？那麼下次不妨交給ChatGPT，讓它幫你快速整理、分析，省時又高效！ 【ChatGPT數據洞察2】銷售策略 （圖／旗標出版提供） （圖／旗標出版提供） 在完成用戶行為分析後，ChatGPT進一步推導出2024年的銷售策略，針對高價值客戶、忠誠客戶、不同區域用戶，以及不同註冊時間的客群，提供個別的行動建議。這些策略不是憑空想像，而是根據Excel資料表中的實際數據，所推論出的具體建議，讓決策更有依據，提升執行效率與成功機率！ 【ChatGPT數據洞察3】短中長期策略與行動方案 （圖／旗標出版提供） 最後，ChatGPT收斂並整理出2024年的短、中、長期銷售策略，確保這份分析報告能立即轉化為可執行的行動方案。如果你希望獲得更詳細的策略細節，或需要更多具體的行動建議，只需輸入指令，ChatGPT就能提供進一步分析，讓數據真正為決策帶來價值！ 【ChatGPT數據洞察4】AI分析準確嗎？如何查核與修正？ 你可能會好奇～AI進行數據分析的準確度如何？會不會出錯？ 其實，ChatGPT並非完美，這點從聊天室下方的提示「ChatGPT可能會發生錯誤，請查核重要資訊」便可看出。 （圖／旗標出版提供） 如果對結果有疑問，你可以直接詢問ChatGPT它的推論依據。舉例來說，在分析區域消費差異時，ChatGPT提出：「台北與高雄的用戶消費較高，而台南用戶的消費額相對較低」。若你想知道它是根據哪些數據推論的，只需請它提供數據支持，結果如下： （圖／旗標出版提供） ChatGPT已經整理出各地區的消費表現表格，從總消費來看，台南的消費力確實較台北和高雄弱，這證明AI並非憑空猜測，而是基於數據分析得出的結論。然而，再重申一次～AI並不完美，你是否注意到「台中」的數據被忽略了？從表格來看，台中的總消費額其實是四個地區中最低，理論上應該比台南更值得關注，但ChatGPT並未主動提及這點。 總消費額為最低（圖／旗標出版提供） 當你發現這類問題時，可以直接指正，並要求ChatGPT修正。例如：請它補充台中的數據分析，確保結果更加完整。  （圖／旗標出版提供） （圖／旗標出版提供） ChatGPT已經根據指令進行修正！（圖／旗標出版提供） AI工具雖然強大，但仍有其不足。最理想的方式是將AI視為協作助手，而非完全取代人的判斷。透過人機互補，不僅能提升分析的精準度，也能確保結果更加全面。掌握這樣的心態，你將能更高效地運用AI進行數據分析，讓決策更加精準。 節錄自：旗標出版《三秒鐘的出其不意！Excel × AI 幫你工作超省力》／Excel 廣播電台｜張予 著 更多【AI工作術】推薦： ChatGPT生成Excel圖表不卡關！xy軸設定、中文顯示問題輕鬆搞定 打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作 ChatGPT可以產生流程圖嗎？用Excalidraw和ChatGPT快速搞定 Excel公式讓ChatGPT幫你寫！輸入指令就能懂的Excel公式教學

上個月一位做電商平台的老闆傳訊息給我，語氣有點無奈：「我請人寫了二十篇AI生成的產品文章，怎麼排名跟詢問度都沒動靜？大家不是都說要做AI SEO嗎？」我問他，這二十篇文章有沒有針對品牌可信度、內容結構做任何調整，他愣了一下說沒有，就是請文案用ChatGPT寫完直接貼上去。這其實是我這一年多在輔導客戶時最常遇到的誤解，很多企業主把AI SEO簡化成「用AI去寫SEO文章」，結果錢花了，時間也花了，成效卻完全對不上預期。這篇文章我想把這幾個常見的迷思一次講清楚，也順便把AI SEO到底該怎麼落地、需要多久時間看到效果，用比較實際的方式整理給大家參考。 【迷思一：AI SEO就是找AI幫忙寫文章】 這是最普遍的誤會。用AI工具產生文字只是內容產出的其中一種方法，跟AI SEO其實是兩件完全不同層次的事。AI SEO談的是你的網站與品牌，能不能同時被傳統搜尋引擎的排名機制，以及ChatGPT、Google AI Overview、Perplexity這類生成式答案引擎判斷為值得信任、值得引用的來源。這中間牽涉到內容的語意完整性、網站的技術可讀性、品牌資訊在全網的一致程度，還有第三方管道對你的提及與評價，光靠換一種工具寫文章，完全解決不了這些問題。我看過不少企業把大把預算花在內容產出的數量上，卻從來沒檢查過自己的網站是不是連基本的結構化資料都沒有，這種做法就像蓋房子只顧著油漆牆壁，卻沒打地基。 【迷思二：只要排名還在前面，就不用擔心AI SEO】 不少客戶會覺得，自己的關鍵字排名一直維持在前三名，應該不受影響。但實際狀況是，AI摘要功能出現的位置在自然搜尋結果的最上方，就算你排名第一，使用者可能看完AI生成的摘要就滿足了，根本不會往下捲動點擊。我自己陪客戶檢視後台數據時，發現好幾個案例都是排名數字沒有太大變化，但實際點擊率卻悄悄下滑，這種流失很容易被誤判成季節性因素或廣告預算調整的影響，但真正的原因往往是曝光的位置被AI摘要搶走了，使用者的決策路徑已經在最上層被截斷。 【迷思三：AI SEO做一次就永久有效】 這跟傳統SEO的邏輯一樣，都不是做完就結束的專案。搜尋引擎與AI模型的判斷邏輯會持續調整，品牌在網路上的資訊也會隨時間變得過時或不一致，如果沒有固定週期重新檢視內容、監測曝光狀況，原本累積的成果很容易被新進場的競爭對手追過去。我建議企業把AI SEO當成長期的品牌能見度維運工作來看待,而不是一次性的專案發包。 【AI SEO真正的核心：四個能力面向】 破解迷思之後,回到實際該怎麼做。我通常會把AI SEO拆解成四個能力面向來檢視。第一是內容的語意完整度,文章是否能獨立、完整地回答一個具體問題,而不是東拼西湊的片段資訊。舉例來說,同樣是介紹一款除濕機,寫得完整的內容會清楚交代適用坪數、噪音表現、耗電量、跟同價位機種的差異,而不是只堆砌形容詞說產品多好用,前者才容易被AI模型判斷為值得摘錄的段落。第二是網站的技術可讀性,包含結構化資料標記、頁面載入速度、內容分段是否清楚,讓AI模型容易解析頁面在講什麼,這部分經常被企業忽略,因為表面上使用者體驗看起來沒問題,但AI爬蟲在解析頁面結構時,卻可能因為程式碼混亂而抓不到重點。第三是品牌的全網一致性,公司名稱、服務項目、聯絡方式、地址在官網、社群、第三方評論平台上是否一致,這會直接影響AI模型判斷品牌可信度的結果,我實際遇過客戶因為舊的分公司地址還留在某個商業名錄網站上,導致AI工具在回答時引用了錯誤資訊。第四是能見度監測與調整能力,能不能定期用不同AI工具檢查品牌是否被提及、以什麼方式被描述,並依據結果調整策略方向。這四個面向環環相扣,少了任何一塊,整體成效都會打折扣,這也是為什麼單靠增加文章數量,很難真正解決AI SEO的問題。 【導入時程規劃,分三階段比較踏實】 很多企業主會問,到底要花多久時間才能看到成果,我通常建議用三個階段來規劃,心理預期會比較踏實。第一階段大約一到兩個月,重點放在網站健檢與內容結構化整理,把公司介紹、產品規格、常見問題整理成清楚的問答形式,這階段主要是打地基,通常還看不到明顯的排名或曝光變化。第二階段大約三到四個月,開始針對核心主題產出深度內容,同步進行品牌全網一致性的盤點與修正,這個階段比較容易觀察到品牌在AI工具回答中被提及的頻率開始緩慢上升。第三階段則是長期的監測與優化,通常需要半年以上才能形成穩定的優勢,這個階段的重點是持續追蹤成效數據,並根據市場與演算法變化調整內容策略。我會提醒客戶,跳過第一階段直接衝內容數量,是最常見也最浪費資源的做法。 【AI SEO工具該怎麼選】 市面上工具種類不少,大致可以分成四類,企業可以依自己缺的環節來搭配使用。第一類是結構化資料產生工具,協助把網頁內容轉換成搜尋引擎與AI模型容易讀取的格式,省去工程team手動撰寫程式碼的時間。第二類是AI能見度監測工具,用來模擬使用者在不同AI平台的提問,檢查品牌是否被提及,以及被提及時的描述方式是正面、中性還是完全沒被提到。第三類是內容語意分析工具,評估文章的完整度與可讀性,協助團隊在發文前先檢查內容是否真的回答了使用者可能會問的問題。第四類是整合型分析平台,同時追蹤自然搜尋排名與AI摘要曝光的變化,讓行銷團隊在同一套系統裡看到完整的成效全貌,不用來回切換好幾個後台比對數字。工具本身只是輔助,真正決定成效的是背後有沒有一套清楚的策略在指導這些工具怎麼用、資料怎麼解讀,單純堆疊工具數量,對成效幫助有限,我看過企業同時訂閱四五種監測工具,卻沒有人真正定期看報表、做調整,等於白花錢。 【投入AI SEO的成本該怎麼估算】 費用行情這件事,很多企業主會直接拿來跟傳統SEO代操比較,但因為AI SEO牽涉到的工作項目比較廣,單價很難一概而論。如果是找專業團隊按月委託,通常會依照網站規模、內容產出量、監測平台數量來報價,月費區間落差可以從幾萬元到十幾萬元不等。如果企業想先自己嘗試,比較務實的做法是先投資一次性的網站健檢與策略規劃,把問題盤點清楚之後,再決定要自行執行還是委外。我會建議企業不要一開始就跳進最貴的全套方案,也不要因為想省成本而完全不投入資源,兩種極端最後往往都要花更多時間跟金錢才能補救回來。 【什麼時候該考慮找專業團隊協助】 如果企業內部已經完成基本的內容結構化與品牌資訊盤點,但缺乏系統化監測與跨部門資源整合的能力,通常就是可以考慮找專業服務團隊協助的時間點。另一種常見的情況是,企業內部team已經很清楚方法論,但受限於人力,沒有辦法長期穩定執行內容產出與監測作業,這時候找外部團隊補足執行力,會比硬撐著自己做但斷斷續續來得有效率。像戰國策SEO/GEO服務,長期在協助企業做從內容結構化、跨平台一致性到AI能見度監測的整體規劃,可以讓企業不用自己從零摸索方法論,把有限資源投入在真正有效果的地方,而不是憑感覺嘗試,也不用因為內部人力不足而讓整個計畫斷斷續續、看不到累積效果。 【常見問題】 Q：中小企業預算有限,應該先做AI SEO還是先顧好傳統SEO? A：兩者不衝突,傳統SEO的內容品質與網站架構本來就是AI SEO的基礎,建議先把網站健檢做好,再逐步加入AI能見度監測與品牌一致性強化,不需要把兩者當成互斥的選擇。 Q：AI SEO課程適合什麼人學? A：適合想建立內部團隊能力、而不是完全外包出去的企業主或行銷人員,課程內容通常會涵蓋AI SEO與傳統SEO的差異、內容結構化實作、能見度監測方法,學完之後也比較容易看懂外包團隊提供的成效報表。 Q：怎麼判斷一家AI SEO公司是不是真的有實力? A：可以請對方具體說明過去實際處理過的案例,包含怎麼做內容結構化、怎麼監測AI能見度、怎麼追蹤成效,越具體、越能對應到你的產業特性,通常代表團隊的實戰經驗越紮實,單純講概念名詞卻講不出具體做法的,要特別謹慎評估。 Q：小型企業真的有必要投入AI SEO嗎? A：我觀察到小型企業反而更需要盡早布局,因為大型品牌本來就有較多既有的網路聲量,AI模型相對容易找到並引用,小型企業如果沒有主動整理強化自己的網路資訊,很容易在AI搜尋的世界裡直接被忽略。 Q：做完AI SEO,原本的傳統SEO成果會不會白費? A：不會。傳統SEO累積的內容資產、網站架構、外部連結,本來就是AI模型判斷可信度的重要基礎,AI SEO是在這個基礎上再往上疊加語意完整度與跨平台一致性,兩者是延伸關係,不需要把過去的努力打掉重練,只需要針對呈現方式跟資訊完整度做調整補強。 破解這些迷思之後,其實可以發現AI SEO並不是什麼高深莫測的黑科技,而是一套需要耐心、紀律,並且理解底層邏輯之後才能落地執行的長期工作。我在數位行銷這個領域待了不少年,看過太多企業因為誤解而走了不少冤枉路,把預算花在數量而不是品質上,也看過踏實照著方法論一步步執行的企業,雖然前幾個月看不出明顯變化,但半年之後慢慢在AI搜尋的世界裡建立起自己的能見度,詢問量也跟著穩定成長。回到文章一開始那位電商老闆的例子,後來我建議他先暫停繼續產出新文章,而是回頭把既有的二十篇內容重新用問答形式整理,補上具體的規格數字跟使用情境,同時盤點品牌在各個通路的資訊是否一致,幾個月後他反映在ChatGPT詢問相關產品推薦時,品牌開始被提到,這也印證了方向對了,比一味追求數量更重要。如果你也想搞清楚自己的企業現在適合從哪個階段切入,或是想釐清內部已經做的事情方向對不對,歡迎直接找我們聊聊,戰國策集團累積二十六年以上的數位服務經驗,服務過超過三萬家企業客戶,對這些常見的疑問都有實際的操作經驗可以分享,不會只是紙上談兵。 戰國策SEO/GEO服務 諮詢網站：hotels.com.tw 服務專線：0800-003-191 LINE ID：@119m

▉ 從 AI 素養基礎到 Microsoft Foundry 工具理解，一篇整理 AI-900 準備重點、考試範圍，以及 AI-901趨勢命題的完整心得。▉ 這篇文章想用比較實際的方式，分享小編自己的備考流程、讀書方法，以及觀察到的考題方向。如果你和小編一樣，先前已經有其他 AI 素養證照基礎，例如 iPAS AI 應用規劃師初級，那麼 AI-900 的準備門檻其實不算太高；真正需要額外補強的，反而是 Microsoft AI 生態系中的工具定位、服務差異，以及各種情境題到底該選哪一個服務。 什麼是Microsoft AI-900？主要內容考什麼？ Microsoft AI-900 是 Microsoft Azure AI Fundamentals 基礎認證，主要測驗內容以人工智慧基本概念為主，不需要程式背景，強調AI的核心應用場景，例如機器學習、電腦視覺、自然語言處理與生成式 AI，同時也會測驗Azure相關 AI 服務的用途與差異，以及包含公平性、隱私、安全與透明性等AI治理原則。 因此，這張證照適合初學者、商務人員、在學學生，或想快速建立 Microsoft AI 生態系基礎知識的考生。簡單來說，AI-900 是一張幫助你理解「AI 能做什麼、在 Microsoft 平台上怎麼應用」的入門證照。 Microsoft AI-900認證資訊：https://nabi.104.com.tw/ability/10047979 考試內容： ● 人工智慧工作負載與責任式 AI：理解常見 AI 應用類型，例如預測、電腦視覺、NLP、生成式 AI，以及公平性、可靠性與安全性、隱私與安全、包容性、透明性、問責等責任式 AI 原則。 ● 機器學習基本原理：認識監督式學習、非監督式學習、回歸、分類、分群等概念，並理解 Azure 中機器學習的基本使用方式。 ● 電腦視覺：影像分類、物件偵測、臉部分析、OCR 光學辨識、影像描述等情境，知道對應服務能做什麼。 ● 自然語言處理（NLP）：情緒分析、關鍵字擷取、實體辨識、翻譯、語音辨識、語音合成等文字與語音相關能力。 ● 生成式 AI：大型語言模型、提示詞、生成內容、負責任使用生成式 AI，以及Azure上相關服務的定位。 微軟 AI 認證如何計分？ 微軟認證採用 1000 分制，及格門檻為 700 分。不過，這裡的 700 分並不等於答對 70% ，因為微軟使用的是量尺分數（Scaled Scoring），會依題目難易度與權重套用計分公式。也就是說，最終成績並不是單純以答對題數直接換算百分比，而是經過加權後得出的結果。這套計分公式目前微軟並未公開。 ● 題數通常約為 40–60 題；以小編這次實際應試為例，共考了 42 題。 ● 題型：多數題目為單選題，作答通常不倒扣。部分題型會以題組方式出現，例如一組包含 3 個是非題，或 3 題拖放配對題。 ● 考試結束後通常會立即顯示成績與成績單，證照通常可於 48 小時內下載。 備考 AI-900策略 小編大約花了兩週準備 AI-900。因為先前已經取得 iPAS AI 應用規劃師初級證照，所以對機器學習、AI 基本概念、常見應用場景不算陌生。這讓我在準備AI-900時，不需要從零開始理解什麼是分類、迴歸、電腦視覺或自然語言處理，而是把重點放在「Microsoft 的服務怎麼對應這些場景」。 因此，AI-900 最需要額外熟悉的地方，就是 Microsoft Foundry（前身為 Azure AI Foundry，是微軟 AI 生態系工具與平台）的服務定位與功能特色。很多題目其實不是考你會不會寫程式，而是考你看到一個需求時，能不能快速判斷應該用哪個工具。例如，題目：「如何辨識圖片上的文字」，就要聯想到電腦視覺中的 OCR（光學字元辨識）能力；如果題目問的是文字情緒分析、關鍵字萃取、語言偵測，就要想到語言服務；如果題目是在問生成內容、提示詞互動、模型能力，重點就會轉向生成式 AI 與相關平台能力。 ◆ 第 1 週：快速建立全貌，先把 AI-900 的五大主題跑過一次。 ◆ 第 2 週：考古題+AI集中刷題，反覆確認每一種情境要對應哪個 Microsoft AI 服務。 ◆ 考前最後整理：把容易混淆的工具功能整理成對照表，例如 OCR、影像分析、翻譯、文字分析、生成式 AI 的適用情境。 獨家準備心法：官方資源＋AI 整理筆記＋大量刷題 小編的準備方式其實不複雜，核心就是三件事：先看官方學習資源、再用 AI 幫忙整理筆記、最後透過刷題把概念轉成「看情境就能選服務」的反應速度。 第一步，我會先上 Microsoft 官方學習平台，把 AI-900 對應模組全部看過一次。官方內容的好處是架構清楚，而且用語和考題很接近。 第二步，我會把每個主題透過AI整理成自己的筆記，尤其是「服務名稱－功能－適用情境」三欄對照，這對應付選擇題很有幫助。 第三步，不斷刷題：利用微軟學習平台上的免費練習評量，進行考古題練習，免費測驗總共50題，每次出題都不同，每個題目都有詳細解析，可以幫助考生把容易混淆的地方反覆記熟。只要練習到評量平均超過90分，正式考試時大多可輕鬆過關。 如果你已經取得其他 AI 素養認證，或本來就具備一些機器學習演算法概念，我會建議你不要花太多時間糾結在理論細節，而是把重點放在「微軟這套服務如何落地」。AI-900 很多題目考的是應用判斷，不是深度技術實作，所以越接近情境、越容易得分。 如何報名考證（所有微軟認證都適用） ● 透過Google搜尋或微軟認證官網(https://learn.microsoft.com/zh-tw/ )，可直接進入微軟AI-900認證網站。 ● 點選認證頁面「與Pearson Vue排程」、用英文輸入所在地址，並填入手機與Email ● 選擇「親自前往考試中心考試」，或「通過OnVUE在線考試」。 ● 若選擇前往考試中心，系統會提醒考試注意事項，以及選擇考試語言，這裡，你可以選擇繁體中文或英語，接著，選擇適合的考試時間與你想要選擇的考試中心地點，目前台灣北中南都有微軟合作的訓練中心可選擇 ● 若選擇「通過OnVUE在線考試」，你需要下載微軟官方指定的考試平台程式OnVUE，這個程式同時是遠端監考系統也是考試介面，一旦發現有違規狀況，例如離開鏡頭或非自然考試行為，監考官有權終止考試 ● 選好考試方式與日期、時間，完成付費，即報名完成。 AI-900 即將退場！AI-900 與 AI-901 的差別 就難度上來說，AI-901難度大於AI-900。 根據目前微軟官方已公開的 AI-901 考試資訊，這張認證相較於 AI-900 更強調考生對 Microsoft Foundry 的理解，以及如何在 Azure 情境中實際應用 AI 服務。官方也提到，應試者需具備基礎的 Python 語法概念，並熟悉 Azure 資源、REST API、SDK 與CLI 等基本使用觀念。相較之下，AI-900 仍以 AI 基礎概念、常見工作負載與服務辨識為主，因此對沒有平台實作經驗的初學者相對友善；而AI-901 則更進一步，要求考生不只理解概念，也要能掌握 Microsoft Foundry 在生成式 AI、agents 與應用建置上的角色與使用情境。 ● 考試定位：AI-900 偏向 AI 概念與 Azure AI 服務辨識；AI-901 更強調以 Microsoft Foundry 為核心的實作理解。 ● 內容重心：AI-900 著重在機器學習、電腦視覺、NLP、生成式 AI 的基礎概念；AI-901 則更明確納入生成式 AI app、agent、Foundry 工具與模型應用。 ● 技術期待：AI-900 對非技術背景較友善；AI-901 雖然仍是 Fundamentals，但官方已提到候選人需要具備基礎 Python 語法與 Azure 資源配置概念。 ● 學習方式：AI-900 可以靠概念理解與刷題快速通過；AI-901 可能更需要搭配平台操作經驗與情境實作理解。 考 AI-900 還是直接準備 AI-901？ 根據微軟官方公告，AI-900於2026年6月30日正式退場，並由AI-901取代。 如果你已經在準備 AI-900，而且能在2026年6年30 前完成考試，我會認為仍然值得考。因為這張屬於Fundamentals基礎證照，已取得的認證仍然有效，不會因為考試退場就失效。 另一方面，如果你現在才剛開始，或希望學到的是更貼近 Microsoft 最新 AI 平台方向的內容，那就可以直接把重心放到 AI-901。 從官方訊息來看，AI-901 代表的是 Microsoft 對新一代 AI 基礎能力的重新定義：不只是知道 AI 是什麼，而是更重視你能不能用 Microsoft Foundry 理解並實作現代 AI 應用，特別是生成式 AI、AI agents、以及更貼近實務的建置思維。 在送出最後一題，系統會彙整考生標籤過不確定的題目，讓你再確認或修改答案，最終確認送出提交所有答案後，系統立刻給分，最終小編以788分，拿到了微軟AI-900認證，官方也在兩、三個小時內，就透過Email發出電子認證。 整體來說，小編覺得 AI-900 是一張很適合建立 Microsoft AI 全貌的入門證照。它不會要求你有很深的技術背景，但會幫你建立「看到需求、判斷工具、理解場景」的基本能力。如果你本來就有一些 AI 素養基礎，兩週其實是有機會準備完成的。至於未來如果想接軌 Microsoft 更新的 AI 發展方向，AI-901 也很值得提早關注，尤其是 Microsoft Foundry、生成式 AI、AI agents 這幾個主題，很可能會成為接下來的核心趨勢。 ▉ 學習資源 Microsoft Learn 官方學習路徑：https://learn.microsoft.com/zh-tw/credentials/certifications/azure-ai-fundamentals/ 104獨家考證課程：生成式AI｜三證合一速攻班｜高分思維 × 解題框架 × 刷題實戰｜：https://nabi.104.com.tw/course/104nabi/ee5e6072-07e8-486f-9e11-2d7d5bfb2f2d

Skill（技能）可以想成一份寫給Claude的工作流程指南，本文解析Skill的功能、適用情境與觸發方式，說明內建Skill與個人Skill的差異，並分享使用官方Skill「canvas-design」的海報實作成果，有助建立可重複使用的AI工作流程。本文節錄自《Claude 萬用手冊》。 文／施威銘研究室 本文目錄（點擊可快速前往） 什麼是Skill？寫給Claude的工作流程指南Skill什麼時候適合用？Skill的3個核心特性1. 依任務意圖自動觸發2. 可在不同工作情境中重複使用3. 可以直接指定使用Claude中的Skill介紹與應用Skill應用：用canvas-design製作海報的實際結果 【使用claude skills要付費嗎？】Claude免費版及付費用戶均可使用Skills、Connectors等功能，在網頁版即可設定使用。Claude網址：https://claude.ai/ 什麼是Skill？寫給Claude的工作流程指南 有了Connector之後，Claude可以連接外部工具，取得信件、行事曆或雲端文件等資料。不過，能取得資料，不代表它每次都知道「該怎麼處理」。舉例來說，你可能每週都會請Claude整理會議紀錄、撰寫週報，或回覆客戶問題。第一次你把格式和流程講清楚，它可以做得很好；但下次換一個對話，可能又要重新交代一次。就算Claude記得你的偏好，也不代表它一定會穩定遵循同一套處理流程。這時候需要的就不是更多記憶，而是一套可以反覆使用的工作方法，也就是Claude的Skill。 Skill（技能）可以想成一份寫給Claude的工作流程指南。它會告訴Claude：遇到某一類任務時，應該依照哪些步驟處理、使用什麼格式輸出，以及需要遵守哪些規則。 這樣說可能還是有點抽象，我們可以用一個實際例子來理解。假設你每週都要整理專案進度報告，而這份報告需要依照以下流程產出： 掃描專案資料夾，找出本週更新的文件。 讀取各專案的狀態紀錄。 提取本週完成事項、進行中事項與待處理問題。 整理成固定格式的週報。 依照指定命名規則儲存或輸出結果。 如果每次都在對話中重新描述這套流程，不只麻煩，也很容易漏掉某個步驟，或讓輸出格式前後不一致。但如果把這套流程寫成Skill，之後只要說「產生本週進度報告」，Claude就能依照固定流程執行，讓結果更穩定、效率更高！ Skill什麼時候適合用？Skill的3個核心特性 1. 依任務意圖自動觸發 Skill不是每次對話都全部載入，而是由Claude依照當下任務判斷是否需要使用。例如你請Claude「整理今天的會議紀錄」，它就能觸發會議紀錄Skill進行整理；但若你只是問「今天午餐吃什麼」，這個Skill就不會被拿出來使用。 這樣的好處是，你可以準備很多套不同任務的處理流程，而不必擔心每次對話視窗（Context Window）都先被一大堆技能塞滿，進而造成你對話的剩餘記憶空間很有限。Claude只會在需要時，額外載入與當前任務相關的Skill。 2. 可在不同工作情境中重複使用 Skill的另一個特性是，它不只綁定在單一對話中，而是可以在不同工作情境中重複使用。舉例來說，你建立了一個「會議紀錄Skill」，之後不論是在一般聊天、專案，或團隊內部討論中，只要任務是整理會議內容，Claude都可以載入並套用同一套整理方式。 3. 可以直接指定使用 除了讓Claude自己判斷要不要使用Skill之外，我們也可以在提示詞中直接指定要使用哪一個Skill。這通常可以透過 "/ "（斜線指令），或在任務描述中明確寫出「請使用某某Skill」來完成。 直接指定Skill的好處是，可以減少Claude判斷錯誤的機會。尤其當任務描述比較模糊，或同時可能符合多個Skill時，明確指定要使用哪一套流程，會讓執行結果更穩定。 Claude中的Skill介紹與應用 Claude的面板提供兩種Skill的來源，分為內建Skill與個人Skill。 內建Skill：內建Skill是Anthropic預先封裝在Claude環境裡的，所有使用者一登入就能直接使用，不需要任何啟用設定。主要包含文件產出類（如生成.docx、.xlsx、.pdf等格式的檔案），或是讀取文件（如讀pdf檔案、CSV檔等）操作。 舉例來說，當我們在聊天視窗要求他幫我們建立Word檔案時，他就會呼叫這些skill去幫我們執行： 能根據任務自動調用原生環境中的Skill（圖／《Claude 萬用手冊》） 個人Skill：需要自行透過Claude的Customize介面手動加入技能清單中，加入後，會出現在Personal skills清單中，之後就可以直接調用。 進入Customize頁面，開啟 Skills 分頁；開啟Skill總覽目錄，並挑選想用的技能加進來，目錄上有Claude提供的官方技能。（圖／《Claude 萬用手冊》） 目前目錄中有提供官方技能，點擊【+】可將技能新增至Claude中，之後Claude即可調用。（圖／《Claude 萬用手冊》） 新增的Skill會出現在Personal skills清單裡；點擊可直接建立新的對話視窗並帶入該技能到輸入框中，讓你測試使用；啟動開關，啟動後可讓Claude偵測任務要不要使用skill。（圖／《Claude 萬用手冊》） 【TIP】注意！所有加入的技能都會同步出現在Claude Desktop與Claude.ai（網頁版）中。 目前Claude官方提供的11種個人Skill，主要分為三種用途： 可直接使用：可以直接呼叫來完成特定任務，無需額外改寫或設定。 canvas-design：產出海報、卡片等視覺設計作品。 web-artifacts-builder：產出多元件的互動式HTML成品。 theme-factory：替現有成品套用視覺主題樣式，內建有10套不同主題。 doc-coauthoring：與Claude共同完成長篇文件撰寫。 algorithmic-art：產出帶隨機性的演算法藝術作品。 slack-gif-creator：產出符合Slack規格的GIF動畫。 learn：想搞懂某個知識點時，請Claude出題測驗或建立學習路徑。 作為範本參考：用處是讓你看懂寫法後，改寫成符合自身需求的專屬版本。 brand-guidelines：示範如何將品牌色彩與字體規範寫進技能。 internal-comms：示範如何將公司內部溝通格式寫進技能。 協助你建立Claude相關工具：以下技能是用來擴展Claude能力。 mcp-builder：引導你建立能串接外部服務的MCP伺服器。 skill-creator：引導你從零開發、測試並優化新技能。 Skill應用：用canvas-design製作海報的實際結果 接下來我們會以/canvas-design為例，示範技能的使用方式，同時解釋一個技能內部包含哪些檔案。加入技能後，它會出現在Personal Skills的列表中，點開就能查看這個技能的相關內容。 （圖／《Claude 萬用手冊》） SKILL.md：技能的核心檔案，詳細記載這個技能的工作流程、設計原則、注意事項等。Claude啟用技能時，讀的就是這份文件 技能名稱與簡短描述：點進技能名稱後，最上方會顯示這個技能的用途簡介，告訴Claude何時應該啟用它 附件檔案：技能附帶的參考資料或資源檔案，作為Claude執行任務時可隨時取用的素材。不同技能會附上不同類型的附件，比如web-artifacts-builder技能附上建構網頁用的腳本與UI元件庫、internal-comms技能則附上各類公司文件的範例範本等。在本例的canvas-design技能中，附件是canvas-fonts字體資料夾，內含27種字體家族，Claude在生成圖片時可以直接引用，不需要另外下載 與平常使用Claude進行生圖不同，/canvas-design提供的是一套完整的設計方法論。它會要求Claude在開始繪圖之前，先建立一份設計風格（哲學）文件，思考這次作品應該採用什麼樣的視覺語彙、空間邏輯、色彩系統與字體調性，最後，再依照這份哲學去執行繪製。 不過這個技能有幾項明確的限制： /canvas-design的輸出格式限於PNG與PDF。如果你需要JPG、SVG、PSD等其他格式，就必須在產出後另外轉檔。 Claude的生圖方式和ChatGPT、Gemini、Midjourney等工具不同。前述的工具都是透過圖像生成模型直接產生圖片，因此比較擅長做出攝影感、繪畫感，或具有真實材質的畫面。但Claude則是用程式畫圖，它會透過Python的繪圖庫，例如PIL、matplotlib，或SVG程式碼來計算圖形、線條、排版與色彩。因此，它擅長的不是寫實描繪，而是可被程式明確描述與控制的視覺形式。 Claude擅長的生圖範圍Claude不適合的生圖項目● 幾何構成、網格、色塊● 字體排印與版面設計● 參數化曲線（螺旋、波形、數學圖形） ● 重複圖案、點陣紋理、漸層● 資訊圖表式的視覺● 寫實的繪畫、攝影、有機質感● 人物、動物、植物等具象物體● 任何需要「手感筆觸」的內容● 細膩的場景描繪 【TIP】注意！雖然SKILL.md裡寫到Claude可以生成「博物館或雜誌等級的藝術品」，但這個目標只有在任務主題剛好落在它擅長的視覺類型時，才較容易成立。假設你要求它「畫一張可愛的深海生物海報」，它無法畫出真實的生物，最後改以用SVG拼出比較卡通化的替代圖形，結果反而會和原本承諾的高質感設計產生巨大落差。因此，在請它生成圖片之前，最好先確認你的主題是否能轉換成它擅長的視覺語言。 在了解優勢與限制後，我們就可以進入實作！本例要請Claude生成一張電子音樂活動海報。這類主題本身就很適合轉化成幾何圖形、線條、漸層、參數化曲線與排版設計，因此和/canvas-design的能力範圍相當契合。 /canvas-design實作結果： （圖／《Claude 萬用手冊》） 節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室 著 推薦閱讀： Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇 憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學 「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？ 告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！

今年2025年是經濟部iPAS AI應用規劃師開考的第一年 將原有的機器學習工程師及巨量資料分析師證照整合而成 從2024下半年開始，資策會生成式AI能力認證考照率先推出後 民間各單位AI證照不斷推出 經濟部iPAS AI應用規劃師可以算是目前唯一政府認證的AI證照 我參加了8/16，也就是2025年第三場的考試 根據官方統計數據，前兩次通過率都有50%以上 第三次通過率45% 而參考iPAS其他證照統計數據來看，多數為三成左右 所以可以預料第四次難度應該會再提高，讓通過率降到30%左右 先回顧一下第三場的考試題目好了 考試題目字數多數偏多，且多以實務案例的方式出題考觀念 第三次考試沒有圖靈測試是於哪一年提出？這種沒意義的題目 但針對現存工具的用途考試至少考了兩題 詳細考題內容及類型，網路上已經能夠查到超多人分享 總之考題內容很有鑑別度，也讓這張證照的公信力得以維持 考試的準備方法 首先，一定要看簡章 不管什麼證照或是比賽，要先搞懂遊戲規則 要先知道證照考試方式、範圍等 AI考試範圍看似很廣，但其實基礎理論不外乎特定的一些內容 若無AI相關基礎，建議先閱讀官方提供的教材資源，影片及簡報等 再針對考試範圍，逐個分類去刷題目 都考AI了應該也能知道如何請AI針對考試範圍提供題目刷題吧？ 刷題的時候最重要的不是答對就好 不管答對或錯，只要看到不熟悉的名詞或觀念 務必要找方法搞懂，不論是查資料或問AI 考試建議要有同伴，可以找志同道合的人們成立讀書會 LINE社群中「iPAS AI應用規劃師-AI相關考證資源分享&心得交流」裡面有非常多的資源 有很多熱心的前輩會分享許多資料及觀點 而這張證照的考題會根據時事調整題目重點 例如今年的AI Agent議題、MCP等 第二次考試時也有考到NotebookLM製作Podcast的功能 想要取證，跟上時事也是非常重要的 這個社群的討論有助於讓自己跟上AI最新的技術與觀念 iPAS AI應用規劃師考試沒有考古題，所以沒有背考古題就能考過的事情 考試的方式、題目也非常的活，想要考過一定要弄懂觀念 我個人沒有買書來讀，利用官方提供的線上課程取代書籍，將基礎理論學懂 再利用AI刷題，每天堅持練習至少50題 當然，難度要調高一點 每天把50題搞懂，持之以恆30天 我想應該很少人不會通過的 最後我想說，證照考到只代表你對於AI相關知識有一定掌握且經過認證 不代表你一定高人一等，也不代表考到證照的人一定很懂AI AI世代就是要持續不斷的學習，才不會輕易被淘汰 祝福大家順利取證！ Notion原文連結：https://stevenwublog.notion.site/iPAS-AI-269f7f8f282880ebbe8bc70acd0b99d7

2026-09-30 聯合新聞網科技編輯張明哲　由聯合新聞網授權轉載 OpenAI在DevDay 2026活動推出全新的AI助理dots ，由GPT‑6 Astra驅動，主打全天候運作、獨立執行並處理各種任務為自己做事的AI agents，在人機協作方式下，可以讓用戶可以把時間和心力留給自己。使用AI助理dots時，可以設定界限、追蹤進度，並持續參與需要用戶判斷的決策，另外也內建防護措施，避免把密碼暴露給模型使用。 dots和ChatGPT差異在哪裡？ 應該有很多人好奇，OpenAI和dots的差異在哪裡。ChatGPT算是「聊天工具」，需要一直下指令去讓AI回應，簡單來說有點像是一問一答的方式在進行；而dots則是從聊天工具進化成主動跟進、持續追蹤、跨工具工作的「長時間代辦工作的AI員工」，讓dots變成核心能力。 dots主打全天候運作、獨立執行並處理各種任務為自己做事的AI agents，並可以設定界限、追蹤進度，並持續參與需要用戶判斷的決策，另外也內建防護措施，避免把密碼暴露給模型使用。（圖／翻攝自OpenAI官網） dots是什麼？可跨平台協作延續對話 dots由GPT-6 Astra驅動、擁有自己的雲端電腦，能持續從用戶回饋中學習，進行全天候工作，OpenAI官方表示，dots可以連接超過4000個應用程式，並在ChatGPT網頁版、行動版、桌面版、簡訊、Slack或Teams，跨平台協作隨時和dots進行提問、探索想法、引導工作方向，甚至還可以進行語音對話，互動得愈多，也可以讓dots了解用戶的偏好及思考方式，提供協助。 OpenAI也把dots塑造可愛的卡通角色，像是綠色、黃色、粉紅色和藍色的dots，色彩顏色相當鮮明，讓使用上不會覺得冷冰冰。 dots提供安全保護機制 使用AI代理人最讓人擔心的就是隱私問題，dots會以ChatGPT的保護機制為基礎，針對可執行的工作提供額外的安全與隱私防護措施，用戶可設定界限、追蹤進度，並持續參與需要你判斷的決策。 官方提到，每個dots都在各自的雲端電腦上工作、具備內建規則，知道何時可自行採取行動，何時需要請求核准。用戶可以透過「自訂規則」允許特定操作、要求先取得核准，或封鎖這些操作，並可在「活動檢視」中追蹤進度，包括背景工作的進度，並視需要調整dot的工作方向。 （圖／翻攝自OpenAI官網） 官方表示，若用戶未點選連結核准時，電腦及其中的內容都會與dots保持隔離；登入支援的網站時，dots可以使用已儲存的密碼，不會將密碼暴露給模型。另外，若用戶未和dots進行互動時，它會進行「主動研究」，在背景尋找能幫上忙的事，不過只會在僅限讀取的工具使用已連接的應用程式，意味著dots無法控制用戶的電腦、變更應用程式內容。 除此之外，dots內建資安防護措施可以抵禦惡意指令，並監控可能造成危害的行為，若監控系統偵測到安全疑慮，就能暫停或停止dots的工作。 （圖／翻攝自OpenAI官網） 誰能用dots？ 官方表示，即起會陸續開放給ChatGPT Pro與Business Premium使用者，而ChatGPT Enterprise需要等待工作區管理員啟用後，才能試用測試版。 而ChatGPT Pro或Business Premium方案已包含第一個Dot，不需要額外付費，且這些方案也包含處理更深入工作的額度，並在推出後的第1個月提供更高的用量上限，未來可新增更多dots處理工作、增加產量。 官方也提到，用戶與dots的對話不會計算在ChatGPT的用量限制，若用戶請dots在Codex或ChatGPT工作中啟動或管理任務時，這些任務才會計入用量限制。 如何啟用dots？ 初次使用dots的用戶，可以在ChatGPT桌面應用程式或電腦的瀏覽器中建立第1個dots，連接應用程式，再讓它自我介紹。完成初始設定後，用戶就能在ChatGPT行動應用程式中傳訊息給它。 （圖／翻攝自OpenAI官網）

軟體產業的Technical Writer工作在做什麼？和PM產品經理工作有什麼差異？Technical Writer職位結合「內容寫作」和「技術寫作」的專業，可以將硬梆梆的技術內容、轉換成一般使用者也能好理解的技術＋商業內容。本文作者以自身經驗分享，解答包括Technical Writer工作內容及為什麼不由PM來寫技術文件。 文／朱麒 本文目錄（點擊可快速前往） 1. Technical Writer到底要幹嘛？2. 為什麼需要Technical Writer？3. 為什麼不由PM來寫技術文件？ 我曾經擔任PM將近6年的時間、在新職位—Technical Writer工作也已經快9個月的時間，這篇文章想分享關於「寫文件」這件事情。 一開始有許多朋友和我討論說「為什麼不交給PM做就好？」在親身體驗與想過之後，我發現這兩者的定位與價值是完全不同的。這篇文章分享Technical Writer在做些什麼，以及簡單比較跟「產品經理（Product Manager）」的差異。 如果你對軟體產業有興趣、正在當PM的人、或是潛在想當Technical Writer的人看（有這樣的朋友嗎），一起來看看這篇文章吧。 備註：請留意此篇文章的脈絡都是以「軟體開發」的角度來談。 1. Technical Writer到底要幹嘛？ 簡單說，就是替公司的產品寫一份「攻略本」。 攻略本是電玩產業的詞，能幫助新手玩家快速學會操作方法、了解遊戲目標，接著就可以比較開心的在遊戲的世界中玩耍。 而「技術寫作（Technical Writing）」就是替公司的產品寫使用文件，用來引導消費者更好地使用公司產品。技術寫作也可以視為公司品牌、產品使用體驗的一環，能影響消費者對於公司產品的整體觀感。 這就像「攻略本」會先告訴新手玩家基本的操作方法，讓玩家在別在超大的遊戲世界中不知所措的亂跑、被怪打死而感到挫折（可能一開始連「基礎戰鬥知識」都沒有就跑出新手村）。 好的技術文件，應該能夠把公司產品複雜的功能與規格，在適當的時間點、用適當的方式告訴使用者。 2. 為什麼需要Technical Writer？ 對呀，為什麼不由最熟悉產品功能與規格的程式開發者或產品經理，來寫技術文件就好了呢？ 先從「軟體開發者」的角度來說。由於技術文件（例如API Documentation）是技術含量相當高的文件，最好的寫作者當然是由開發者來寫。 然而多數的開發者在寫文件的時候，容易從非常技術的角度撰寫文件—多數狀況是「只解釋程式功能，但不解釋程式對於使用者的目的」。由於程式往往有自己的商業邏輯（例如建立訂單的流程、訂單對帳與請款的方式），使用者在不清楚商業邏輯的前提下直接閱讀，往往一頭霧水。 因此Technical Writier誕生了，這個職位結合「內容寫作（Content writing）」和「技術寫作（Technical Writing）」的專業，可以將硬梆梆的技術內容、轉換成一般使用者也能好理解的技術＋商業內容。 Technical writer像是一位翻譯員，要把「技術」國家的語言翻譯給「商業」國家的人理解。 3. 為什麼不由PM來寫技術文件？ 行行好，放過PM吧！ PM的工作包山包海，要跟業務單位／客戶對需求、花時間整理規格、跟設計師／工程師／QA／營運團隊溝通。 PM職責範圍確實也包含寫產品的規格與規劃，例如： 使用者故事（User Story）： 即 As a（使用者）, I want（做什麼事情）, so that（得到什麼成果），讓產品團隊理解每個功能為誰而做、要做什麼、做完成果。 User Story Acceptance Criteria Test Cases：寫完User Story後，必須要進一步描述這個功能的細節，透過「Given（在什麼情況下），When（當使用者做了什麼），Then（會發生什麼事情）」才能讓工程師與QA（測試工程師）執行。 Product Roadmap：告訴C字輩的老闆接下來的產品發展，這一季要做什麼、為什麼要做、要打哪些用戶、如何衡量成效、成效好與不好的相對應措施是什麼。 可以看到，PM的寫作文件通常是「對內」，告訴團隊接下來要做些什麼、不做些什麼；但Technical Writer通常是「對外（外部使用者）」，告訴使用者產品從哪裡開始用、要完成對應的事情該怎麼做、技術細節要到哪裡去查……等。 PM和Technical Writer的技能樹不同，前者更多在溝通、後者更多在引導。更多文章分享，可至「朱騏部落格」閱讀。 （原文標題：軟體產業中的 Technical Writer 在做些什麼，為什麼「寫文件」這件事情不都交給 PM 做就好？） [joblist_plugin title='更多104【Technical Writer】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=Technical%20Writer' amount='4']

ChatGPT Work模式適合哪些工作？比較Chat與Work模式差異，從執行時間、互動方式到文件製作，帶你看懂何時用Chat快速處理、何時切換Work完成多步驟與跨檔案任務。本文節錄自《ChatGPT上工了! 最強AI活用術》。 文／施威銘研究室 本文目錄（點擊可快速前往） 什麼是ChatGPT Work模式？ChatGPT Chat模式 vs Work模式差在哪？【實測】用ChatGPT規劃一場教育訓練ChatGPT Chat模式實測結果ChatGPT Work模式實測結果 使用工具：ChatGPT 網址：https://chatgpt.com/ 下載：Windows桌面版 什麼是ChatGPT Work模式？ 我們過去使用ChatGPT時，通常都是以一問一答的形式為主。如果要執行步驟比較多的任務，我們就需要進行多次的問答來達到追最終的目標。除此之外，不管是要上傳自己的檔案、把ChatGPT生成的檔案下載下來，還是後續整理檔案的過程，都只能靠自己手動完成。 但以上這些都是過去式了。Work模式能夠一次完成長時間、多步驟的任務。同時，只要在電腦上安裝ChatGPT桌面版，ChatGPT就能在Work模式下直接讀取、新增、修改本機上的檔案。只要把檔案存放在專案資料夾並授予權限，上傳、下載、整理都不用再自己來！ 註：由於Work模式以及桌面版應用程式都是非常新的功能，包括介面、操作方式都隨時有可能出現或大或小的改動。因此，本章僅能以筆者撰寫當下（2026年8月）的情況來介紹，請讀者以操作時的實際情況為主。此外，免費版帳戶目前無法透過網頁版及手機版使用Work模式，只能下載桌面版來使用。同時，免費版帳戶的功能和模型選擇也會受到限制。 ChatGPT Chat模式 vs Work模式差在哪？ 配合Work模式的推出，ChatGPT的操作介面做了不小的改動，區分為Chat對話模式和Work工作模式 (目前介面名稱中文、英文常會交錯使用)，可以先透過以下表格快速了解兩個模式間的差異： Chat模式 vs Work模式對照表 模式ChatWork主要用途提問、討論、尋求幫助執行完整、多步驟的任務適用場景翻譯、解釋、修改、發想分析、規劃、製作執行時間較短較長互動方式以一問一答為主可以先規劃，再執行並持續修改預期結果回答、建議、腳本文件、簡報、試算表、網站使用建議想快速獲得資訊或想法對成果已經有明確的想法 【實測】用ChatGPT規劃一場教育訓練 為了更具體的了解兩個模式間的差異，我們會將以下這段提示詞分別交給兩個模式處理，看看結果有什麼不同： 【提示詞】請替一家位於台北、員工人數約80人的出版社，規劃一場「生成式AI工作應用」內部教育訓練。活動預定於2026年9月18日舉行，時間為上午9點至下午5點，參加人數約40人，總預算不得超過新台幣12萬元。課程對象以編輯、行銷及行政人員為主，多數人只有基本的ChatGPT使用經驗。請完成以下工作：1. 規劃完整的一日課程，內容須涵蓋提示詞撰寫、資料整理、文件製作、圖片生成，以及AI使用時的資料安全。2. 安排詳細課程表，列出各單元的時間、主題、教學重點、進行方式及預期成果。3. 建立活動預算，至少包含講師費、場地、餐飲、教材、設備及備用金，並確認總額沒有超過預算上限。4. 整理活動前的工作清單，列出工作項目、負責角色、完成期限及目前狀態。5. 撰寫一份提供給主管審核的正式活動企畫書。6. 製作一份用於提案的簡報，控制在8頁以內，每頁只呈現一項主要重點。7. 製作一份可以實際使用的試算表，分別整理課程表、預算表與工作清單，並保留必要的計算公式。8. 最後檢查企畫書、簡報與試算表中的日期、金額及活動內容是否一致；若有不一致之處，請自行修正。所有內容均使用台灣繁體中文，語氣專業但容易閱讀。請直接完成可供使用的成果，不要只提供製作方法或大綱。 ChatGPT Chat模式實測結果 ChatGPT需要在完成以上的要求以後，輸出企畫書、簡報和試算表。同時送出提示詞以後，Chat模式理所當然是比較快完成的一方，只花了4分多鐘。 （圖／旗標科技） Chat模式這邊在確定了要製作的檔案，很快地就把檔案依序製作完成了。在簡單的檢查以後，就把3個檔案提供給我們，結束了這次的任務。 ChatGPT Work模式實測結果 而Work模式則花了將近23分鐘的時間才完成。點擊處理時間將思考過程展開，可以看到Work模式下的執行脈絡非常完整。ChatGPT先確立了輸出3份檔案的共同基準，來避免3份檔案製作的過程中出現落差。 （圖／旗標科技） 不只把文件生出來，Work模式也會自行確認內容是否符合需求。除了3份檔案都有進行像是視覺、版面的檢查以外，最後也還有再驗證3份檔案內的資料是否有互相衝突。確認資料都一致以後，ChatGPT才終於完成了這次的任務。 （圖／旗標科技） 從思考和執行的過程，我們就能很清楚的看出兩個模式間的差異。相較於Chat模式，Work模式花了5倍以上的時間來執行，而這是因為Work模式的任務會被詳細拆解成多個步驟：先同步資料來源，再接著製作檔案、檢查檔案格式，最後驗證金額等數字是否一致。 此外，由於Work模式會自動套用各種Skill技能，因此輸出品質通常完成度會比較高，即使是一般試算表，表格標題、樣式明顯專業、好閱讀： Work模式製作的試算表，完成度比較高（圖／旗標科技） 如果你只是想要快速拿到一個足夠完整、可以直接使用的檔案，通常Chat模式就能滿足你的需求了；但如果任務涉及跨檔案等複雜的流程，或需要長時間持續執行，步驟清楚、執行有條理的Work模式會更適合。 節錄自：旗標科技《ChatGPT上工了! 最強AI活用術: ChatGPT Work×GPT 5.6》／施威銘研究室 著

無論是Google Docs還是Microsoft Word，都各自擁有強大的功能和靈活的選項，可以幫助您完成各種文件處理任務。本文將介紹如何在這兩款軟體中實現頁碼插入、創建帶有複選框的待辦事項清單，以及製作帶有標題行和交替行顏色的表格。通過這些實用指導，您將能夠更高效地管理日常工作，提升文檔處理能力。 【插入頁碼，但從第二頁開始編號】 Google Docs 達成方法： 1. 點擊「插入」 > 「頁碼」 2. 依照圖示選擇頁碼位於上方、下方開始，從封面還是從第1頁開始 Microsoft Word 達成方法： 1. 點擊「插入」 > 「頁首或頁尾」 2. 點擊「頁碼」 > 「頁碼格式」 3. 選取 「第一頁不同」 4. 將 「頁碼編排方式」 下的 「起始頁碼」設定為 0，而不是 1 【創建一個帶有複選框的待辦事項清單】 Google Docs 達成方法： 1. 點擊「插入」 > 「清單」 > 「核取方塊清單」 2. 開始輸入清單項目 3. 按Enter鍵添加新項目 4. 點擊複選框可以標記完成 Microsoft Word 達成方法： 1. 點擊「插入」選項 2. 點擊「符號」，選擇複選框符號 3. 確定後開始輸入清單項目 【創建一個帶有標題行的表格，並應用交替行顏色】 Google Docs 達成方法： 1. 點擊「插入」 > 「表格」，選擇所需的行列數 2. 右鍵點擊表格，選擇「表格屬性」 3. 選取自己要調整的「儲存格」 4. 點擊「顏色」中的「儲存格背景顏色」 Microsoft Word 達成方法： 1. 點擊「插入」 > 「表格」，插入所需的行列數 2. 選中整個表格 3. 在「表格設計」選項中，勾選「標題行」 4. 在「表格樣式」中選擇一個帶有交替行顏色的樣式 5. 可以進一步自定義顏色 🔍歡迎在104學習精靈關注【超級辦公室達人】獲得更多實用的小技巧 ✨如果喜歡這篇文，也歡迎免費加入共學✨

文／104人資市集 「104 talks」致力於協助職場人士的知識學習與能力提升 為每位忙碌的職場人士，創立一個能夠高效學習的節目平台，集結各領域專業講師的知識與分享，為職場人士帶來啟發和新視角。 必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能 2025年想讓工作變得更輕鬆、高效嗎？ 這場講座將帶您解鎖全新的工作思維，從掌握大局、時間管理到善用AI技能，讓繁瑣流程迎刃而解，能更精準且有策略的執行，輕鬆達到事半功倍的效果。 一起加入這場聰明工作術的旅程，讓工作變得更簡單！ 講者及主題介紹 ★黑馬思維－看懂局勢 跳脫平凡的密技- 主講人 : 楊東岳 | 大玩創意有限公司執行長 ★掌握時間成本，創造高效任務管理策略- 主講人 : 曾正文 | PMP 國際專案管理師 ★用AI方法徹底改造工作，輕鬆成為效率達人！- 主講人 : 林尚能 | 企業經營顧問 ★這輩子免學Excel公式，用AI全部解決 - 主講人 : 吳承穎 | 查特普拉斯管理顧問有限公司 共同創辦人 講座資訊： 講座時間：2025/2/20（四）13:30~15:00 報名截止時間：2025/2/18(二) 活動形式：線上免費直播 適合對象：所有職場人士 價值：3600元 → 免費 立即點我免費報名 【報名流程】 1. 活動前1天，我們將以Email寄送活動通知及相關資訊給您，請隨時留意Email，以免遺漏。2. 本講座會以Youtube直播的方式進行。 【注意事項】 報名前，請詳閱課程內容及購買須知。  104 人資市集 保有相關課程內容調整及講師之變動權，可能視情況進行適當的修改與調整。  104 人資市集 保留報名審核權利。  如有課程相關問題，請至聯絡我們留下相關訊息。 ．　．　． 最划算的全方位教育訓練方案！免費申請全課程試閱 >> 推薦你更多相關的好文章>> 【104 talks】時代 vs 世代：不可不知的 EAP 推動要點 | 興智國際執行長 黃智儀 【104 talks】現代領導者的人生進化指南 | 波波黛莉共同創辦人黃晨皓 Kim 【104 talks】AI 數據智能時代的工作再定義 | 微軟人資長王有蘋 【104 talks】運用心理能量，職場一路順暢 | 蘇予昕心理師 【104 talks】啟動你的能量計畫，打造高效人生 | 最速總經理王冠翔 【104 talks】提前佈局不被市場淘汰！第二曲線創新學 | 郭瑞祥 滿足中小企業的培訓需求！超過150+課程任選 >> 訂閱市集電子報與你分享專家文章及最新活動訊息 >> 加入104人資市集 Line 獲得新知與獨家優惠！

中原大學與Teradyne透過產學合作課程及實習規劃，共同培育符合產業需求的高階測試人才。（左起：中原大學副校長吳宗遠、Teradyne亞太區銷售副總裁Richard_Hsieh、中原大學半導體產業學士學位學程主任郭泰辰）(圖 / 中原大學提供） 為加速產業接軌、培育兼具技術深度與實務能力的人才，中原大學與全球自動化測試設備領導者Teradyne（泰瑞達）合作開設課程，安排學生進入產業現場實作，並提供兼職實習機會，展現校企合作育才的積極布局。6月1日下午，Teradyne亞太區銷售副總裁Richard Hsieh應邀至中原大學專題演講，解析AI與高效能運算（HPC）時代下半導體測試的架構變革與技術趨勢，協助學生掌握產業前沿發展，提早布局未來職涯。 2026-06-02 中原大學 發布 中原大學半導體材料與光電檢測碩士學位學程主任鄭湘原表示，因應AI、高效能運算、先進封裝與矽光子技術快速發展所帶動的測試人才需求，中原大學與美商Teradyne於本學期合作啟動「高效能運算與共光學封裝測試」產學合作課程。除課堂教學外，未來兩週也將安排學生前往Teradyne新竹據點進行實作，讓學生提前接觸產業環境，縮短學用落差。 Teradyne亞太區銷售副總裁Richard_Hsieh於中原大學專題演講，解析半導體測試技術發展與人才需求。（圖 / 中原大學提供） 為支持產學交流並拓展學生視野，Teradyne亞太區銷售副總裁Richard Hsieh應邀至中原大學發表「ATE測試與AI驅動趨勢」專題演講。他指出，隨著AI、先進封裝、車用電子與資料中心等應用快速發展，半導體產品複雜度持續提升，測試技術挑戰也同步升高。AI時代帶動半導體需求成長，後段封裝與測試的重要性將持續提升，尤其KGD（Known Good Die）、系統級測試及高並行測試能力，將成為關鍵競爭力。他也勉勵學生持續關注AI與半導體產業趨勢，厚植專業實力，把握未來職涯發展機會。 此外，為深化校企連結，Teradyne亦宣布提供一年期兼職實習名額，將課堂訓練延伸至企業環境，強化實務經驗累積。人資部門並同步啟動學生人才資料庫建置，提升未來半導體測試工程師的招募效率。Teradyne表示，本計畫不僅有助於縮短學界與產業的技術落差，更象徵公司在台灣高階測試人才供應鏈布局的重要一步，預期將為未來三到五年的人才競爭力帶來實質助益。 中原大學與Teradyne合作開設「高效能運算與共光學封裝測試」產學課程，攜手培育半導體檢測人才。（圖 / 中原大學提供） 中原大學與Teradyne合作開設的「高效能運算與共光學封裝測試」課程，邀集Teradyne資深應用工程師與博士級專家組成講師團隊授課，完整導入當前半導體產業最重視的實務能力。課程為期16週，聚焦半導體測試、自動化設備（ATE）、光電封裝與矽光子量測等前瞻技術。為強化教學成效與實作深度，課程實驗安排於Teradyne新竹據點進行，學生可直接接觸產線級儀器與量測設備。 中原大學表示，面對半導體產業快速發展與智慧化轉型趨勢，未來將持續深化與國際企業之合作。美商Teradyne為全球知名自動化測試設備與先進機器人技術公司，長期深耕半導體測試領域。此次雙方合作，不僅縮短學生與產業的距離，也為企業人才布局提供解方，在AI、高效能運算、先進封裝與矽光子技術快速發展的趨勢下，攜手樹立產學合作新標竿。 AI時代什麼能力最有價值？臺大畢典：同理心、創造力與利他精神 淡江大學4度舉辦 NVIDIA黃仁勳 Watch Party　樸實剛毅校徽再佔C位 德明科大帶薪實習10年有成  Z世代職場大放異彩

2025-11-20 聯合新聞網科技編輯 張明哲、莊翰　由聯合新聞網授權轉載 Google台灣AI基礎建設研發中心今（20）日進駐台北市士林區承德路上，鄰近捷運劍潭站，這是Google在彰化成立資料中心、新北市板橋成立海外最大硬體研發中心後最大投資之一，而Google台灣AI基礎建設研發中心 集結硬體工程、軟體工程、與供應鏈團隊的數百位員工，是Google在美國 總部以外規模最大的AI基礎建設硬體研發工程團隊。 [joblist_plugin title='更多104【Google】工作機會' url='https://www.104.com.tw/company/ctzow2g' amount='1'] Google台灣AI基礎建設研發中心今（20）日進駐台北市士林區承德路上，鄰近捷運劍潭站，賴清德總統出席力挺。（攝影／聯合新聞網《科技玩家》） Google為何在台建AI研究中心？ Google台灣AI基礎建設研發中心也讓外界好奇到底會做些什麼工作，Google表示，工程師幾乎全程參與過程，包含最初的架構、設計與工程、製造與部署、測試時程，到後續的產品交付，台灣團隊在軟硬體與供應鏈專業的高度緊密結合帶來不少優勢，讓他們能縮短開發週期、更快解決問題。 全新的Google台灣AI基礎建設研發中心（Google Cloud 辦公室 ）裡頭有10幾座專業實驗室 ，可讓Google工程與供應鏈團隊及台灣合作夥伴，在研發出的產品部署到Google 世界各地的資料中心和AI基礎建設之前，進行最嚴謹的測試、檢驗與優化。 圖片來源／Google 台灣美國實驗室差異是什麼？ Google Cloud辦公室在台北市士林區設置10幾座Google實驗室，與美國Google實驗室有何不同？Google官方表示，兩者僅在規模上有些差異，研究方面，如散熱技術、debug、主機板、機械、永續等都很類似；在設備部分，美國與台灣的實驗室都一樣優異，都來自於供應商的夥伴。 圖片來源／Google [joblist_plugin title='更多104【Google_美商科高】工作機會' url='https://www.104.com.tw/company/ctzow2g' amount='5']

Excel或Google Sheets的欄位內容沒統一，樞紐分析被拆成好幾類、加總還算不出來？本文分享使用ChatGPT檢查欄位問題、建立清理規則、產生公式，並將混亂資料轉換成一致格式，附8組可直接複製的提示詞範本，同樣適用。本文節錄自《ChatGPT上工了! 最強AI活用術》。 文／施威銘研究室 本文目錄（點擊可快速前往） 請ChatGPT幫你清理Excel資料、統一欄位格式輸入指令請ChatGPT做檢查範例：清理訂單資料中的欄位與格式檢查資料、給予清理規則產生清理公式常見清理任務的指令範本：檢查欄位、金額、統一日期格式使用ChatGPT外掛時的注意事項 【在Excel或Google Sheets使用ChatGPT外掛】 工具：Excel或Google Sheets 外掛：ChatGPT for Excel／ChatGPT for Google Sheets Excel安裝：常用→增益集→ 搜尋ChatGPT→ 新增 Google Sheets安裝：擴充功能→外掛程式→取得外掛程式→ 搜尋ChatGPT→安裝 登入：用OpenAI帳號登入。免費版及各訂閱方案皆可使用 注意：類似的外掛程式很多，下載時請確認公司名稱為「OpenAI」（圖／104職場力小編截圖） 請ChatGPT幫你清理Excel資料、統一欄位格式 資料表在進行排序、篩選、加總、查找或樞紐分析前，通常需要先確認欄位與格式是否一致。即使資料看起來可以閱讀，只要欄位內容不統一，後續分析就可能出現錯誤。例如，同一欄地區中同時出現「台北」、「臺北市」、「Taipei」；同一欄日期中混用「2026/1/5」、「1月5日」、「2026-0105」；同一欄金額中同時出現「1200」、「1,200」、「$1,200」、「1200元」。這些內容對人來說容易理解，但在試算表中可能被判斷為不同分類、不同格式，甚至不同資料型態。 ChatGPT可以協助使用者檢查欄位問題、建立清理規則、產生公式，並將混亂資料轉換成一致格式。用在資料整理的前置階段，幫助使用者判斷哪些欄位需要統一、哪些內容可能會影響計算，以及應該採用哪些功能來處理。 輸入指令請ChatGPT做檢查 使用這項功能時，可以先選取需要檢查的資料範圍，例如A1:F20，再於ChatGPT外掛中輸入清理指令。比較穩定的做法是先請外掛檢查問題，再請它建立規則，最後才請它產生公式或建議處理方式。可以在外掛中輸入： 【提示詞】請檢查目前選取的表格有哪些欄位與格式問題。請用表格列出欄位名稱、問題類型、可能影響與建議清理方式。請特別檢查日期、金額、分類名稱、空格與付款狀態是否一致。 如果已經知道要清理的欄位，也可以更精準地輸入： 【提示詞】金額欄位在（自行選取或填寫）欄，內容可能包含 $、,、元 等符號。請提供一個可以放在新欄位的公式，將這些內容轉成可加總的純數字。 先檢查問題以避免ChatGPT誤改資料；再建立清理規則可以讓我們確認標準；最後產生公式，則能把清理結果放在新欄位中檢查，而不是直接覆蓋原始資料。 範例：清理訂單資料中的欄位與格式 檢查資料、給予清理規則 假設工作表中有一份簡單的訂單資料： 訂單編號地區訂單日期金額付款狀態商品類別A001台北2026/01/051200已付款辦公用品A002臺北市1月6日850元已付辦公用品A003Taipei2026-01-07$2,300Paid電腦週邊A004新北2026.01.081,500未付款電腦週邊 這張表看起來仍然可以閱讀，但若要做統計，會出現幾個問題。地區欄位中「台北」、「臺北市」、「Taipei」可能代表同一地區，但在樞紐分析中會被拆成不同分類。訂單日期欄位混用斜線、中文日期、短橫線與句點格式，可能影響排序與月份統計。金額欄位混入「元」、「$」與逗號，可能造成加總失敗。付款狀態中的「已付款」、「已付」、「Paid」也需要統一。商品類別中的「電腦週邊」與「電腦周邊」雖然意思接近，但試算表會將它們視為不同類別。我們可以先選取這份資料，然後在ChatGPT外掛中輸入： 【提示詞】請檢查目前選取的訂單表有哪些資料清理問題。請用表格列出欄位、問題類型、可能影響與建議處理方式。請不要直接修改資料，先提出清理建議。 外掛可能回傳類似以下內容： 欄位問題類型可能影響建議處理方式地區同一地區有多種寫法樞紐分析或篩選時會被拆成不同分類建立對照表，將台北、臺北市、Taipei統一為臺北市訂單日期日期格式不一致可能無法正確排序、依月份統計或製作趨勢圖統一為 yyyy-mm-dd 格式金額數字混入符號與文字加總、平均或比較時可能出錯移除 $、,、元 後轉為純數字付款狀態分類命名不一致篩選與統計時結果分散將已付款、已付、Paid 統一為已付款商品類別同義分類用字不同分類統計會被拆成兩組將電腦週邊與電腦周邊統一為同一標準名稱 接著，可以在外掛中請ChatGPT建立清理規則： 【提示詞】請根據剛才檢查出的問題，建立一張清理規則表。欄位請包含：原始欄位、標準格式、建議方法、是否需要人工確認。 ChatGPT可能會回傳： 原始欄位標準格式建議方法是否需要人工確認地區台北市、新北市等標準縣市名稱建立對照表，再用XLOOKUP或VLOOKUP轉換是訂單日期yyyy-mm-dd使用日期轉換公式或先統一分隔符號部分需要金額純數字使用SUBSTITUTE、VALUE或REGEXREPLACE清除符號否付款狀態已付款、未付款建立對照表或使用SWITCH / IF統一否商品類別固定分類名稱建立對照表或使用取代功能是 這張規則表可以放在工作表旁邊，作為後續清理依據。需要人工確認的項目，通常是分類標準或語意判斷。例如「Taipei」是否一定要轉成「台北市」，要看資料來源是否可能包含「台北地區」或其他更寬的區域定義；「電腦週邊」與「電腦周邊」是否統一，也要看團隊採用哪一種標準用字。 產生清理公式 確認清理規則後，可以請ChatGPT 外掛針對特定欄位產生公式。比較推薦的做法，是在原始欄位旁新增「清理後」欄位，而不是直接覆蓋原始資料。例如可以新增「清理後金額」、「標準付款狀態」、「標準地區」等欄位，方便檢查公式結果是否正確。我們在這邊以「統一金額格式」、「統一付款狀態」為例子做示範。 1. 統一金額格式：若金額在D欄，可以在外掛中輸入： 【提示詞】金額欄位在D欄，可能出現1200、850元、$2,300、1,500這幾種格式。請提供一個可放在新欄位的公式，將它轉成可以加總的純數字。 Excel可能會出現以下公式： =VALUE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(D2,"$",""),"元",""),",","")) 這個公式用多層SUBSTITUTE逐一移除$、元與逗號，再用VALUE轉成數字。它的優點是容易理解，缺點是每新增一種要移除的符號，就需要增加一層替換。如果資料來源長期會出現不同格式，使用對照表、PowerQuery或更進階的清理工具可能更適合。 2. 統一付款狀態：原始資料中可能有「已付」「Paid」「未繳」「Unpaid」，我們希望統一成「已付款」或「未付款」。這時就可以先請ChatGPT建立一張對照表，再讓ChatGPT提供函數，把原始值轉成標準值。 【提示詞】請在原始資料旁建立一份「付款狀態對照表」，包含「原始值」與「標準值」兩個欄位，並依照下列規則填入：●「已付款」、「已付」、「Paid」統一對應為「已付款」。●「未付款」、「未付」、「Unpaid」統一對應為「未付款」。請保留原始資料，不要直接修改或覆蓋原欄位。 先請ChatGPT建立付款狀態的對照表（圖／旗標科技） 接著，請ChatGPT依照對照表寫的轉換規則，在原始資料旁新增「整理後的付款狀態」欄位，將E欄中格式不一致的付款狀態統一為標準值。對照表位於H2:I7，其中H欄為原始值，I欄為對應的標準值。 【提示詞】E欄為「付款狀態」，其中包含多種不同寫法。請參考H2:I7的對照表，提供一個可填入新欄位的公式，將 E 欄的付款狀態轉換為對應的標準值。若找不到相符的原始值，請顯示 "需確認"。 本次實際測試中，ChatGPT提供的公式如下： =IFERROR(VLOOKUP(E2,$H$2:$I$7,2,FALSE),"需確認") 這個公式會先讀取E2儲存格中的付款狀態，並到H2:I7的對照表中尋找完全相同的原始值。找到後，會回傳對照表第二欄的標準值，例如將「已付」或「Paid」轉換成「已付款」。公式中的$用來固定對照表範圍，因此向下複製公式時，查找範圍不會跟著移動。如果找不到相符的付款狀態，IFERROR就會讓儲存格顯示「需確認」。 可以看到ChatGPT已經在G欄新增一個欄位，用來顯示統一判斷後的付款狀態（圖／旗標科技） 若使用的是Microsoft365或新版Excel，也可以使用XLOOKUP： =XLOOKUP(E2,$H$2:$H$7,$I$2:$I$7,"需確認",0) 這個公式會取得E2的付款狀態，並在H2的「原始值」中尋找完全相同的內容；找到後，回傳同一列I2中的「標準值」。若找不到相符內容，就顯示「需確認」。最後的0代表必須完全符合，而$則用來固定對照表範圍，讓公式向下複製時不會移動。但是部分舊版Excel還有Google Sheets都不支援XLOOKUP，假如出現 #NAME?，就得改用VLOOKUP版本。 常見清理任務的指令範本：檢查欄位、金額、統一日期格式 在Excel或GoogleSheets中使用ChatGPT外掛清理資料時，可以依照問題類型輸入不同指令。若資料問題不明確，先要求外掛檢查；若問題已經明確，再要求它產生公式或清理規則。 使用需求可輸入到外掛的指令檢查欄位問題請檢查目前選取的表格有哪些欄位與格式問題，並指出哪些問題會影響排序、篩選、加總或樞紐分析建立清理規則請根據目前表格建立一份欄位清理規則表，包含欄位名稱、問題類型、標準格式與建議處理方法統一分類名稱請檢查目前選取欄位中哪些值可能代表同一意思，並建立標準化對照表。若不確定，請標註需要人工確認清理金額欄位請提供Excel與Google Sheets公式，將目前金額欄位中含有貨幣符號、逗號與文字單位的內容轉成純數字清理日期欄位請檢查目前日期欄位有哪些格式不一致，並建議如何統一為yyyy-mm-dd。若部分資料缺少年份，請標註需要補充規則清除多餘空格請提供公式，清除目前文字欄位中的前後空格、連續空格與不可見字元拆分混合欄位請根據目前欄位內容，判斷是否需要拆分成多個欄位，並提供Excel與Google Sheets可用方法檢查重複資料請根據目前表格欄位，建議應該用哪些欄位判斷重複紀錄，並說明理由 這些指令可以依表格內容調整。若外掛輸出的解法說明不明確，可以要求它「引用具體欄位名稱與範例值」；假如公式出錯又不知道怎麼調整，可以用「先用輔助欄位分步處理，再提供合併公式」提示詞處理。 使用ChatGPT外掛時的注意事項 使用ChatGPT 外掛清理欄位與格式時，應先保留原始資料。比較安全的做法，是新增「清理後」欄位，或另存一份工作表，再將公式結果放入新欄位中檢查。若直接覆蓋原始欄位，一旦清理規則有誤，就不容易回頭確認資料原貌。這一點在金額、日期、客戶資料、庫存資料與交易紀錄中特別重要。 清理後也建議進行抽樣比對。可以挑選幾筆正常資料、空白資料、格式特殊資料與找不到對應值的資料，檢查清理前後是否符合預期。例如付款狀態使用對照表轉換時，若某個原始值沒有出現在對照表中，公式最好顯示「需確認」，而不是直接保留原值或顯示空白。這樣可以讓尚未被清理規則涵蓋的資料浮現出來，方便後續補充對照表。 清理公式也需要測試，尤其是日期與金額欄位，只要資料中有少數特殊格式，公式就可能失效。例如金額欄位如果出現負數、括號表示負值、百分比、小數點或不同幣別，原本只移除符號的公式可能不夠用。日期欄位若出現缺少年份、民國年、西元年混用，或文字日期與數字日期混雜，也需要先確認轉換規則，不能只依賴單一公式。 如果試算表裡的資料會定期更新，建議把清理規則整理在工作表中，例如建立一張「對照表」或「清理規則」工作表，記錄原始值、標準值、處理方法與是否需要人工確認。ChatGPT外掛可以協助產生規則與公式，但清理規則最好留在試算表內，方便日後重複使用、檢查與交接。 節錄自：旗標科技《ChatGPT上工了! 最強AI活用術: ChatGPT Work×GPT 5.6》／施威銘研究室 著

「Go to market」是一個商業術語，中文是「進入市場策略」，指的是將產品或服務從創意階段推向市場並銷售給客戶的整個過程。這個過程涉及到多個方面，包括市場調研、產品開發、營銷策略、定價策略、分銷渠道的選擇，以及售後服務等。「Go to market」策略與產品經理（PM，Product Manager）有密切的關係。產品經理通常在產品的整個生命周期中扮演關鍵角色，而「Go to market」策略是其中的一個重要環節。 以下是產品經理在「Go to market」過程中的幾個主要職責： 1. 市場調研與需求分析：產品經理需要深入了解市場需求、競爭環境和客戶痛點，以確保產品符合市場需求。 2. 產品開發與路線圖規劃：根據市場調研結果和公司戰略，產品經理制定產品路線圖，規劃產品的開發和推出時間表。 3. 跨部門協作：產品經理需要與開發、設計、營銷、銷售等不同部門協作，確保產品開發和市場推廣的各個環節都能順利進行。 4. 制定營銷策略：產品經理參與制定產品的營銷策略，包括市場定位、品牌建設、廣告和促銷活動。 5. 定價策略：產品經理分析市場和競爭價格，並制定合理的產品定價策略，以確保產品的競爭力和盈利能力。 6. 銷售與分銷通路選擇：產品經理參與選擇和管理產品的銷售和分銷通路，以確保產品能夠有效地覆蓋目標市場。 7. 上市計劃與執行：產品經理負責制定並執行產品的上市計劃，包括內部培訓、宣傳推廣、客戶教育等，確保產品順利推向市場。 8. 客戶反饋與持續改進：產品經理收集和分析市場和客戶的回饋，並據此進行產品改進和優化，以保持產品的市場競爭力。 總結而言，產品經理在「Go to market」過程中起到統籌協調的作用，確保產品從概念到市場推廣的每個階段都能有序進行並達到預期目標。

▎ Notion 教育版（Education Plan）具有以下主要特點： 1. 免費使用：對於個人學生和教育工作者完全免費，只需使用有效的學校郵箱地址註冊。 2. 無限頁面和區塊：用戶可以創建無限的頁面和區塊，用於筆記、任務管理、項目協作等 3. 文件上傳：文件上傳沒有大小限制，允許用戶上傳和存儲多種文件格式 4. 版本歷史：提供 30 天的版本歷史，可以查看和恢復過去 30 天內的變更 5. 模版庫：提供大量專為教育設計的模板，包括筆記本、課程計劃、研究筆記等，方便快速開始使用 6. 協作工具：支持多用戶協作，學生和教育者可以共同編輯和分享頁面，適合小組項目和課堂活動 ▎ Notion 教育版（Education Plan）在使用上有一些限制和條件，包括： 1. 資格限制： ➛必須是高等教育機構（大學及以上）的學生或教育工作者。 ➛需要使用學校郵箱地址進行註冊驗證。 2. 團隊和機構： ➛學生組織可以申請免費的 Plus 計劃，但需通過 Notion 的審核 ➛高等教育機構可以申請 50% 的折扣來使用 Plus 計劃 免費版和教育版最大的差異在於上傳檔案大小的限制，免費版有限制單一檔案上限 5MB，照片或影片可能會因為檔案太大而無法上傳；教育版則無此限制。

PMP不僅是全球認可度最高的專案管理證照，更是外商企業指定必備的管理能力認證。根據調查，80%的成功專案，都來自具有PMP證照的專案經理之手。而對於希望進入跨國公司、升任專案主管、或從事大型專案管理工作的專業人士而言，PMP是一張極具含金量的通行證。 👉延伸閱讀：來報考含金量最高的PMP證照 https://nabi.104.com.tw/ability/10029355 無論你來自 IT、製造、金融、建築、行銷、教育、醫療等領域，只要你的工作與專案有關，PMP就能發揮關鍵用途。接下來本文將深入解析： • PMP是什麼？ • PMP考什麼？ • PMP用途有哪些？ • PMP可以自學嗎？ 讓你一次搞懂為什麼這張證照能大幅提升你的專案管理實力與職場競爭力。 ✳️PMP是什麼？ PMP（Project Management Professional）是由美國專案管理學會（簡稱PMI，全名為Project Management Institute）所頒發的專案管理專業資格認證。自1984年首次推出以來，PMP已成為全球認可度最高、最具權威的專案管理認證之一。舉凡外商公司召募員工、或是政府大型標案合作，都會要求具備PMP證照資格。 ✳️PMP到底在學什麼？我不懂專案管理也能學嗎？ PMP的內容其實圍繞在一個核心：如何把一件事「計劃得好、執行得順、收尾得漂亮」。 PMP主要教你五大步驟： 1. 起始：定義這個專案要做什麼、為什麼要做 2. 規劃：設定好目標、時間、預算、負責人 3. 執行：分配工作、帶領團隊往目標前進 4. 監控：確保進度沒落後、預算沒爆表 5. 收尾：驗收成果、檢討經驗 再搭配十個重要的知識範圍，例如： • 整合管理（統整專案計畫） • 範疇管理（排列優先次序） • 時間管理（怎麼排時程表） • 成本管理（怎麼控預算） • 品質管理（怎麼驗收成果好壞） • 資源管理（管理人力與資源調配） • 溝通管理（怎麼跟老闆、同事、客戶溝通） • 風險管理（遇到突發狀況怎麼處理） • 採購管理（外包與資源採購流程管理） • 利害關係人管理（滿足內外部關係人需求） 🧩 專案管理結構總覽表（五大流程 × 十大知識領域） 知識領域 / 流程　　　　起始　　規劃　　執行　　監控　　收尾 ──────────────────────────────────────────────────── 01. 整合管理 　　　　　　✔　　　✔　　　✔　　　✔　　　✔ 02. 範疇管理 　　　　　　╴ 　　　✔　　　╴ 　　　✔ 　　　╴ 03. 時間管理 　　　　　　╴ 　　　✔　　　✔　　　✔ 　　　╴ 04. 成本管理 　　　　　　╴ 　　　✔　　　╴ 　　　✔ 　　　╴ 05. 品質管理 　　　　　　╴ 　　　✔　　　✔　　　✔ 　　　╴ 06. 資源管理 　　　　　　╴ 　　　✔　　　✔　　　✔ 　　　╴ 07. 溝通管理 　　　　　　╴ 　　　✔　　　✔　　　✔ 　　　╴ 08. 風險管理 　　　　　　╴ 　　　✔　　　✔　　　✔ 　　　╴ 09. 採購管理 　　　　　　╴ 　　　✔　　　✔　　　✔　　　✔ 10. 利害關係 　　　　　　✔　　　✔　　　✔　　　✔ 　 　　╴ 💡舉個例子讓你更懂： 假設你是一位專案經理，要開發一款新的手機App，那你會這樣做： • 在【起始階段】，你會啟動專案、識別內外部關係人需求（利害關係人管理）。 • 在【規劃階段】，你會規劃要做哪些功能（範疇管理）、排時程（時間管理）、預算（成本管理）、風險評估（風險管理）⋯⋯ • 在【執行階段】，開始請設計師設計、工程師開發（資源管理、溝通管理）。 • 在【監控階段】，追蹤是否超出預算、延遲進度（整合管理、監控流程）。 • 在【收尾階段】，確認客戶驗收並整理專案文件（收尾整合管理）。 ✳️PMP考什麼？完整考試內容與準備方向 PMP報考資格篩選條件有一定的門檻，報考方式採審核制，報考者必須具備至少三年的專案管理實務經驗，並完成35小時以上課程培訓認證。但即使繳交報名資料後，還會有10-20%會被抽查是否符合資格，並補充完整資料才能應考。資格細節入下。 📌 學歷要求（擇一符合即可） 🔹 高中/高職/專科畢業以上 🔹 大學或研究所畢業 📌 專案經驗要求（根據學歷不同） 📗 高中/專科畢業：需滿60個月（5年）專案管理經驗 📘 大學以上學歷：需滿36個月（3年）專案管理經驗 ✔️ 需參與、規劃或主導實際專案，但不必為正式專案經理職稱 📌教育訓練時數 完成至少35小時的PMI機構認證的專案管理課程（35 Contact Hours），可透過線上課程、實體班、公司訓練或大學課程取得培訓證書，但需確認這些課程是否為PMI認證的專案管理課程。 📌 考試範圍與核心教材：PMP的核心教材來自其官方機構所著作的PMBOK指南（專案管理知識體系指南，A Guide to the Project Management Body of Knowledge）與敏捷實務指南（Agile Practice Guide）。 PMBOK 就像是一本「專案管理的百科全書」，裡面把做專案會用到的知識、流程、工具、做法全部整理得非常有系統。這本書的內容是全球專案經理都在用的標準。 而敏捷實務指南提到的「敏捷」，是一種專案管理與產品開發的方法論，強調「快速回應變化、頻繁溝通、持續改進」，特別適用於需求常變、環境不確定的專案，例如軟體開發、新產品研發、創新專案等。 與PMBOK強調的預測式管理流程不同，敏捷實務指南更著重因應環境變動的互動式管理。兩本指南同時也是PMP證照的考試內容範圍，尤其PMP考試最新版本有超過50%題目與敏捷及混合式方法相關。 📌 考試結構重點如下： 考題數量：180題（包含多選題、配對題、填充題等） 時間限制：230分鐘 測驗比例： 人員管理（People）：42% 程序流程（Process）：50% 商業環境（Business Environment）：8% 考題將涵蓋傳統預測式（Waterfall）方法、敏捷（Agile）與混合式（Hybrid）管理技巧，測試應試者在真實場景中的應變能力與決策邏輯。 ✳️PMP可以自學嗎？誰適合自學準備？ 答案是：可以，但需要高度自律與規劃。如果你具備以下特質，自學會是有效又經濟的選擇： 👉有管理專案的經驗（至少三年） 👉對PMBOK結構與流程不陌生 👉有良好的英文閱讀能力（考試題目為英文） 👉能規劃至少3個月以上的讀書時間與模擬考練習 📌自學者常見學習資源： 👉PMBOK®指南（第七版）：核心理論依據 👉敏捷實務指南（Agile Practice Guide）：補充敏捷相關知識 以上教材可以透過加入PMI官方會員的方式取得，年費約164美金（考試費用另計） 也可以透過線上書店購買紙本或電子書教材。 ✳️PMP用途：PMP證照能帶來哪些實質好處？ 1. 提升職場競爭力 無論你是專案經理、產品經理，或是團隊領導人，PMP證照能讓你在求職市場脫穎而出。許多企業已將PMP列為必備或加分條件，特別是跨國公司或需要處理複雜專案的組織。 2. 加薪與升遷的利器 根據PMI年度薪資報告，PMP持證者的平均薪資普遍高於非持證者約20%以上。對於期望晉升為中高階主管者，PMP是一項強力的職涯跳板。 3. 專業語言與流程工具的共通性 PMP讓全球的專案管理者有共同語言與工具。例如，在跨國專案中，能快速對齊規劃、執行與風險管理的標準，提升團隊合作效率。 ✳️是否該考PMP？ 若你正在考慮是否取得PMP證照，可以從以下三點評估： 👉你是否正在或即將擔任專案管理職位？ 👉你是否希望在跨國企業或大型組織中晉升？ 👉你是否對提升管理效率與專業知識有興趣？ 若以上答案多為「是」，那麼PMP將是值得你投資時間與金錢的證照。無論你選擇自學還是報名課程，最重要的是建立起系統性的專案管理思維，這將在你的職涯中產生長遠的影響。 👉想學習更多專案管理相關課程：https://nabi.104.com.tw/nabisearch?keyword=%E5%B0%88%E6%A1%88%E7%AE%A1%E7%90%86%E5%B8%AB

還在為數據分析報告與簡報抓狂嗎？只要善用ChatGPT、MassiveMark、Gamma等3大神器，就能搞定數據分析＋簡報設計，從Excel到PPT一條龍完成，馬上開啟你的高效職場模式！本文節錄自《三秒鐘的出其不意！Excel × AI 幫你工作超省力》。 文／Excel 廣播電台｜張予 本文目錄（點擊可快速前往） 【1】ChatGPT分析Excel檔案數據【2】複製ChatGPT分析結果，生成Word報告【3】生成Gamma / PPT簡報 在現今的職場環境中，數據分析已成為決策的重要基礎。但面對龐大的資料集，如何高效整合AI技術，打造「職場組合技」，來提升分析效率與決策精準度，成為提升競爭力的關鍵。 想像一下，你是一家連鎖零售企業的數據分析師，公司希望透過數據來驅動決策，優化銷售策略、提升客戶體驗，並最大化營收。來看看如何透過AI + Excel的組合技，達成這些目標？讓我們一步步拆解應用方式！ 【1】ChatGPT分析Excel檔案數據 使用工具：ChatGPT 網址：https://chatgpt.com/ 輸入以下指令給ChatGPT： 「協助分析Excel檔案的數據，生成摘要和視覺化圖表，並使用我提供的字型來呈現圖表內容。然後，制定隔年的用戶銷售策略，最後整理成一份Markdown格式的銷售分析報告。」 以下為它整理的結果： （圖／旗標出版提供） 【2】複製ChatGPT分析結果，生成Word報告 使用工具：MassiveMark 網址：https://www.bibcit.com/en/massivemark 接下來是關鍵的一步，如果你直接複製內容並貼到Word，你僅會得到一個只有「內文」樣式的報告。 全文皆為內文樣式（圖／旗標出版提供） 但如果你希望保留報告的標題層級（標題1、標題2、標題3…，如下圖）。首先，你必須透過點擊複製按鈕取得報告內容，此時複製到的文字是「Markdown格式」的資料。 【什麼是Markdown格式？】Markdown是一種輕量級標記語言（lightweight markup language），也就是簡單、結構化的格式，能讓報告結構更清晰。 使用標題樣式可於左側看到大綱（圖／旗標出版提供） 一般對話中的複製按鈕和畫布中的複製按鈕（圖／旗標出版提供） 接著，透過一個免費的線上轉換工具──MassiveMark，自動產生有大綱層級的Word文件，減少手動編輯的時間。 免費的線上轉換工具──MassiveMark（圖／旗標出版提供） （圖／旗標出版提供） 最後，再將之前生成的圖表，下載成圖檔、添加到Word文件，一份銷售分析報告就完成啦！ 【AI生成Word報告的優勢】‧ 一鍵輸出完整分析，包含數據摘要、趨勢分析、視覺化圖表‧ 提供具體的商業策略，協助決策者擬定行動方案‧ 快速下載報告，減少手動整理時間 【3】生成Gamma / PPT簡報 使用工具：Gamma 網址：https://gamma.app/ 「除了Word報告外，AI也能生成簡報嗎？」只要準備好報告後，可以將報告內容直接丟給AI簡報生成神器──Gamma。不到幾秒鐘的時間，簡報就完成了，而且還非常有設計感！要再進一步編輯也沒問題。來看看如何操作吧！  點擊「新建AI」免費註冊完Gamma後，從首頁開始建立AI簡報。點擊「匯入檔案或網址」( 也可點擊「貼上文字」) ，並上傳剛剛建立的Word檔案（圖／旗標出版提供） 選擇 「簡報內容」，免費版一次最多可生成10張卡片，挑選喜歡的主題後點擊「產生」（圖／旗標出版提供） 一份銷售分析簡報就完成啦！（圖／旗標出版提供） 一起來看看生成的結果如何吧！ 【Before】條列式的數據摘要 【After】自動改以卡片式呈現 （圖／旗標出版提供） 【Before】表格式的產品分析 【After】自動轉成圖表形式，而且還是互動式圖表！游標移上去可看到詳細數據 （圖／旗標出版提供） 【Before】表格式的產品分析 【After】美化過的表格樣式。也可能維持原有表格形式（AI生成，每次結果都可能不同！） （圖／旗標出版提供） 版面配置十分豐富，還有AI自動生成的圖片，讓畫面不呆版！ （圖／旗標出版提供） 若想展示簡報，點擊右上角的「展示」按鈕即可。 點擊「展示」（圖／旗標出版提供） 進入簡報模式（圖／旗標出版提供） Gamma簡報也能下載成PowerPoint檔案，十分方便！ 點擊「分享」、「匯出」、「匯出至PowerPoint」、「完成」 （圖／旗標出版提供） （圖／旗標出版提供） Gamma是一款免費註冊即可使用的線上簡報工具，並且提供中文介面，讓使用者能輕鬆上手。使用AI生成簡報時會消耗點數，但新用戶註冊後可獲得免費試用點數，讓你能直接體驗AI簡報的強大功能。免費版限制每次生成最多10張簡報卡片，但仍可手動新增與編輯內容。若對AI生成的內容或設計不滿意，可自由調整版面配置、圖片、圖表等。如果你還沒試過Gamma，強烈推薦你體驗看看！這麼方便的AI簡報工具，真的不能只有我知道啊！ AI讓數據分析更高效、更精準，現在就開始應用，提升你的職場競爭力吧！ 節錄自：旗標出版《三秒鐘的出其不意！Excel × AI 幫你工作超省力》／Excel 廣播電台｜張予 著 推薦閱讀： Excel公式讓ChatGPT幫你寫！輸入指令就能懂的Excel公式教學 ChatGPT生成Excel圖表不卡關！xy軸設定、中文顯示問題輕鬆搞定 【Graphy AI教學】AI自動生成圖表、數據分析4技巧！連報告都能一鍵生成的靈感救星

輝達開出年薪 650 萬台幣找簡報設計師，引發網友熱烈討論，這件事點出職場最真實的現實：把複雜事情講清楚，本來就是超高價值的專業，但每個人履歷都寫自己擅長簡報，主管到底憑什麼相信你？ 1️⃣不只是排版，高薪買的是「把複雜講成簡單」 很多人以為做 PPT 只是找漂亮模板、調調字型，但輝達願意開出這種高階年薪，買的其實是「資訊轉譯」的硬實力。科技巨頭每天要面對投資人、跨國客戶與內部高層，講台上不能有一句廢話。簡報師的工作是把深奧的 AI 技術與複雜數據，轉化成對方一聽就懂、願意買單的商業故事。現在 AI 工具隨手一按就能生出一份投影片，操作軟體早就不是門檻；真正值錢的，是你能不能抓出重點、梳理邏輯，並促成最後的商業決策。 2️⃣求職最大痛點：每個人都說自己「精通簡報」 打開 104 履歷，十個人裡面有九個人都會在技能欄勾選「擅長 PowerPoint、具備簡報溝通提案能力」，但對人資和用人主管來說，這反而是最難在面試前驗證的模糊技能。畢竟口說無憑，很多人自稱精通，做出來的頁面卻塞滿整段密密麻麻的文字；加上主管不可能每個人都找來現場試講，而在學校報論文、做小組作業的經驗，拿到職場商務提案也常常不管用。這種「大家都在寫，卻沒人拿得出證據」的狀況，正是為什麼越來越多求職者選擇直接考一張 具公信力的簡報實力認證 來證明自己。 https://104bc.pse.is/9drvtt 3️⃣業界三大名師背書：20分鐘線上測驗，直接替履歷加分 想在海選履歷中一眼被看見，你需要一套具備公信力的客觀標準。台灣簡報與溝通教育訓練領域的三位代表性人物：企業簡報教練王永福（福哥）、影響力教練謝文憲（憲哥），以及台大簡報大賽創辦人葉丙成教授，聯手制定了這套標準化的評測機制。 💡這次推出的 104 × 台灣簡報認證-初級 門檻很親民，不考軟體操作、也不用上台演練，純粹檢核你的「簡報核心觀念」，內容涵蓋簡報觀念、簡報準備、投影片技巧、表達技巧、邏輯結構與群眾分析等六大能力。 • 測驗方式：線上測驗，單選加複選共 30 題，70 分及格。 • 彈性快速：約 20 分鐘就能完成，即報即考、不限時間地點。 • 履歷連動：測驗通過後，104學習於3-5個工作天將直接把認證回傳至你的 104 履歷資格認證欄位，讓你的實力被看見。 4️⃣提早卡位建立差距，就是最划算的職涯投資 初級認證只是起點，未來還能一路挑戰中級（作品審查）與高級（實體上台，由福哥、憲哥親自評定），現在考等於提早卡位，拉開跟其他求職者的差距。 從日常向主管回報進度、跨部門協調爭取預算，到對外向客戶提案競標，簡報力決定了你在職場上的能見度與說服力。與其在自我介紹裡花大篇幅解釋自己多會溝通，不如在履歷放上一張有公信力的認證，讓你的實力一眼就被看懂。 ❇️立即報名【104 × 台灣簡報認證-初級】https://104bc.pse.is/9drvtt

大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師（資料工程師）在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師，強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。 成為數據工程師的 12 項必備技能（點擊可跳至章節）： 基本技能（程式語言與資料架構） 網路概念 資料庫 Database 數據湖 Data Lake 與物件存儲 數據倉儲 Data Warehouse 分散式系統 數據處理 機器學習 Machine Learning 作業編排管理 前端與儀表板 後端框架 自動化與部署 如何開始數據工程師之路？了解數據工程師工作日常 【數據／資料工程師】推薦職缺 【數據／資料工程師】職場常見證照整理 【數據／資料工程師】職場再進修課程推薦 文／LnData 麟數據科技 數據工程師的必備技能樹 (Source: Anuj Syal) 一、基本技能 首先，以下是最基本的必修技能，也是想進入這個行業需要的優先入手技能，包含： SQL：SQL即「Structured Query Language」，也稱做「結構化查詢語言」，是一種用於管理和查詢關聯式資料庫的語言，用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作，如數據檢索、修改和定義，且幾乎所有資料庫和數據倉儲都使用SQL。 程式語言：數據工程師必備技能當然包括使用不同的程式語言來處理數據，如 R、Scala、Java等，但首推 Python，因為Python容易上手，並且擁有許多免費且開源的資料科學工具和資源，使其成為處理數據相關工作的理想選擇。不僅如此，Python還有豐富的開發者社群，讓你輕鬆找到相關的學習資源和解決問題的方法。 Git：即「Global Information Tracker」，Git是版本控制的重要工具，可以追蹤、保存和管理軟體代碼的所有更改和操作，幫助資料工程師協作開發數據工程項目，並確保團隊成員之間的協同工作，可避免有人亂改或誤刪代碼。 Linux指令和Shell腳本：Linux是一種常用的作業系統，數據工程師經常使用它來處理數據，常見的版本如Ubuntu、Fedora。熟悉Linux命令（例如cd、pwd、cp、mv等）和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。 資料結構和演算法：數據工程師需要對資料結構（Data Structures）和演算法（Algorithms）有足夠的理解和解決問題的技能，以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。 二、網路概念 由於現在大半數據都在線上，因此工程師常需接觸與處理VM（虛擬機）、伺服器和 API（應用程式介面），而此時就需要對 IP（互聯網協議）、DNS（域名伺服器）、VPN 等基本網路概念有基本了解。 API（應用程式介面）概念示意( Source: Geeks For Geek) 三、資料庫 資料庫是按照數據結構來組織、存儲和管理數據的倉庫，相關概念包含： 基礎知識：資料庫是存儲數據的空間，包含表（Table）、行（Column）、列（Row）、鍵（Key）、連接（Join）、合併（Merge）和模式（Schema）等基本概念。 SQL：雖然前面提過了，但要知道在使用這些資料庫時，SQL可說是最泛用也最不可或缺的語法，因此這邊再提一次。。 ACID：是原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）的縮寫，旨在確保數據操作的有效性和穩定性。 資料庫建模：指在設計資料庫時考慮如何組織資料的過程，包括星型模式、平面設計和雪花模式等不同方法。 資料庫擴展：包括垂直擴展和水平擴展，它們用於增加資料庫的性能和容量。 OLTP與OLAP：OLAP（在線分析處理）、OLTP（在線交易處理）是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統；OLAP則是設計用於分析和探索大量數據的系統。 關係型資料庫：Relational Database，是大多數應用程式使用的傳統資料庫，用於結構化數據。常用的資料庫有PostgreSQL和MySQL。 非關係型資料庫：Non-relational Database，也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同，它們不使用固定的表格模式，而是以更靈活的方式存儲數據，適合處理大量非結構化數據。非關係型數據還可分為三種類型： 鍵值資料庫：如Redis、DynamoDB、FireBase 圖形資料庫：如Neo4j、ArangoDB 寬列資料庫：如Apache Cassandra、Google BigTable 常用的關係型資料庫 MySQL 四、數據湖 Data Lake 與物件存儲 數據湖是一種大規模集中式數據存儲系統，它允許組織以原始、半結構化或非結構化的形式存儲數據，而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據，可以是文本、圖像、影音等，也包含報表、視覺化、資料分析、機器學習等轉換後資料。 數據湖通常使用分佈式或物件存儲（Object Storage）系統來存儲大量數據，如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲，每個對象都包含數據本身、元數據（metadata）和唯一識別子。這種方式使得數據能夠以平面結構組織，並且具有元數據以描述數據的特徵和用途，能夠更好地管理和查詢數據。 五、數據倉儲 Data Warehouse 數據倉儲（Data Warehouse）是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中，以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含： SQL（略） 規範化與非規範化：在數據倉儲中，數據可以以規範化（Normalized）或非規範化（Denormalized）的方式進行組織和存儲，具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性；而非規範化則是將數據合併到一個表中以提高數據更改速度。 OLAP與OLTP（略） 六、分散式系統 包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中，多台機器（稱為節點或伺服器）組成叢集並共同協作，這些機器可以在不同的地方執行，彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性，同時減少單點故障的風險。 由於其複雜性，這些系統擁有各自獨立的技術組件。因此，為了開發與佈署這些系統，數據工程師需要使用叢集管理技術或工具，如Kubernetes、Databricks，或者自行建立Hadoop叢集等。此外，還有許多開源技術可供利用。 Kubernetes 也稱為 K8s，是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo) 七、數據處理 數據處理是指使用程式語言來轉換數據的過程，這包括清理數據以及驗證數據的準確性。在進行數據處理時，通常會使用各種工具和框架，具體選擇取決於任務的性質和規模。 以下是一些常用的數據處理工具和框架： Pandas：Pandas是一個好用的Python套件，常被用於處理和分析數據。它提供了豐富的數據結構和函數，適合用於數據轉換和清理。 SQL：（沒錯，又是它）由於多數數據倉庫支持SQL語言，因此SQL是一個常用的工具，用於執行數據轉換操作，尤其適用於處理結構化數據。 Spark：Apache Spark是一個用於大數據處理的強大框架，它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作，性能高且具有可擴展性。 Spark Streaming：Spark Streaming是Spark的一個模塊，用於處理流式數據。它可以實時處理數據流，非常適合需要即時分析的應用。 Spark是常用於處理大數據的強大框架(Source: Data Mechanics) 八、機器學習 Machine Learning 機器學習（Machine Learning）是一種人工智慧（AI）的子領域，它教導電腦如何從數據中學習，以自動改進和做出決策，而不需要明確的程式指令。機器學習可以應用於多個領域，如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。 人工智慧、機器學習、深度學習都是資料科學中的熱門領域 對於數據工程師來說，了解機器學習的不同類型，包括監督學習、非監督學習和增強學習，以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型，並學會處理數據、調整模型參數，以及評估模型的預測準確性。 操作機器學習的平台有Vertex AI、Kubeflow等，這些平台可以協助數據工程師輕鬆部署模型，並構建更準確的工作流程，幫助數據科學家做出更精確的決策。 Vertex AI 是Google Cloud上的一個機器學習平台 此外，還有一些集成平台可讓數據工程師將工作流程整合到一個地方，如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面，使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。 AWS Sagemaker也是不少人的ML開發選擇(Source: AWS) 九、作業編排管理 編排（orchestration）是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行，以達到我們的目標。 最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖（DAG）來記錄工作流程，讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程，並且在大數據和數據工程領域中廣泛使用。 其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景，可以根據你的項目需求來選擇適合的編排工具，可以幫助數據工程師自動化和管理各種任務，提高工作效率。 Airflow是開發時常用的工作流程管理工具(Source: Airflow) 十、前端與儀表板 前端和儀表板（dashboard）是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據，並讓用戶與數據進行互動。 舉例來說，Jupyter Notebook 是一種常用的工具，它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。 Jupyter Notebook是好用的互動式開發工具，是許多資料科學工作者選擇 此外，儀表板或所謂BI工具如 PowerBI 和 Tableau，以及 Python 套件如Dash 和 Gradio，也被廣泛使用。這些工具允許我們建立互動性強的儀表板，讓用戶輕鬆探索數據，查看不同的視覺化結果，並根據需求進行操作。 Tableau是業界常用的商業智慧(Business Intelligence)工具，建立企業數據儀表板 十一、後端框架 後端框架與軟體工程有關，它們有助於構建網站和應用程序的後端部分。舉例來說，如果您想建立一個網站或應用，可能需要一個後端框架來處理用戶發出的請求、管理資料庫，以及提供信息給前端顯示。 基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。 除了這些，還有一些雲端技術可供使用，例如G oogle Cloud Platform（GCP）的 Vertex AI API 和 AutoML APIs，這些技術可以用於模型部署和機器學習應用。 Flask 是一個 Python 網頁應用程式框架，因輕量靈活而受許多開發者喜愛 十二、自動化與部署 自動化和部署是指使用不同的工具和技術，來讓程式碼的建立和執行過程更加自動化和簡化，有助於提高效率、降低錯誤，並讓應用程式更容易管理和維護。 這個過程包括以下幾個主要方面： 基礎設施即程式碼（Infrastructure as Code）：這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理，使其更易管理和自動化。 持續集成/持續部署（CI/CD）：指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質，並使新功能能夠快速部署到生產環境。 容器化：即使用Docker和Docker Compose等工具，將應用程式和其相關的依賴項打包成容器的過程，可使應用程式在不同環境中更容易部署和執行。 Docker工作流程示意 想當數據工程師，如何培養能力？ 在學生可以學習統計、資工、資料科學等科系的課程，或是透過相關實習或競賽來摸索對此領域的興趣。此外，網路上有許多付費課程、YouTube上的免費資源，也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源！ 要記得，這些相關技術日新月異，即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的，正因為技術不停在改變，你也不需要強求把上面所有技能練到精通，而是掌握重要的基本概念與保持開放的學習態度。 數據工程師可以為企業做什麼？ 數據工程師日常就是與數據打交道，主要包含收集、讀取、清理，探勘與管理企業的資料，以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法，產生更有價值的結果或應用方式，幫助企業做出更好的決策、優化業務流程，例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此，數據工程師對於企業的重要性不言而喻。 然而，企業想挖掘數據最大價值，並不能只靠數據工程師。一個完整的數據團隊，通常包含數據工程師、數據科學家、數據分析師三種角色，各司其職、專業分工。他們在日常工作流程中扮演各自的角色，互相協作，完成各種不同的專案——這也是為何我們最後要強調，除了技術以外，溝通與協作等軟技能也非常重要！ （原文標題：2023 年想成為數據工程師的 12 項必備技能） [joblist_plugin title='推薦【數據／資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3'] 【數據／資料工程師】職場常見證照整理： 序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者，您應該具備主題專業知識，能夠將各種結構化、非結構化和串流資料系統中的資料，整合...＜詳情＞Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...＜詳情＞Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論，以及虛擬化、容器化的技術成熟...＜詳情＞Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格：1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...＜詳情＞Amazon Web Services5台灣風險數據分析師除了相關法遵外，應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...＜詳情＞社團法人台灣風險管理協會更多數據相關證照＜前往＞ 【數據／資料工程師】職場再進修課程推薦： 課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中，我們將帶你從學習基礎 Python 出發，了解各種常見資料檔案格式與編碼，透過 Python 進行資料表單或檔案的自動化彙整與分析...＜課程介紹＞GA4+GTM網站數據分析實戰課專業的教學設計，以第一線網站數據分析工作者角度，剖析 GA4 四大要領，從觀念的理解到上手實作，提升你的數據分析能力。…＜課程介紹＞成為數據分析師的第一把鑰匙：用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發，來設計這門課程，適合零基礎、初入門、想轉職作數據分析師的你!…＜課程介紹＞零基礎成為Python金融數據分析師｜金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始，包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學，製作Python爬蟲工具…＜課程介紹＞更多數據相關課程＜前往＞

陳贈文 文章分類：AI課程 參訓課程：掌握 Claude Code 從零打造企業級全端開發應用實戰班 現　　職：軟體工程師 用 Claude Code 打造全端應用，AI 結對編程讓開發效率大幅提升！ 👨‍💻 學員背景 資訊科技產業軟體工程師，負責系統後端開發、伺服器維護與架構設計。 🎯 參訓目的 隨著 AI 技術興起，工作上需要更高的開發效率，因此希望學會 AI 工具整合於開發流程，加速專案交付。 🏆 最大收穫 學會將 Claude Code 與 gstack 實戰應用於企業級專案，透過 AI 結對編程顯著提升開發效率，並掌握提示詞工程與錯誤除錯技巧。 📝 產業背景與職務內容 我目前在資訊科技產業擔任軟體工程師，主要負責系統後端開發、伺服器維護與整體架構設計。日常工作除了撰寫與優化程式碼之外，也需要處理系統的除錯與效能提升，確保企業內部各式應用服務能穩定運行，並隨時支援新功能的擴充與上線。 📚 選擇恆逸課程的原因 隨著 AI 技術爆發，工作上越來越需要快速交付專案。為了大幅提升開發效率，我希望能將 AI 工具無縫導入工作流程。恆逸的這堂課主打「Claude Code」與「gstack」實戰，正好完全命中我渴望從零打造現代化全端應用、加速開發週期的迫切需求。 👨‍🏫 講師教學特色 授課講師最讓我印象深刻的是，能將複雜的技術概念具象化，對每天面對冷冰冰程式碼的工程師來說非常有幫助！講師不只是唸簡報，而是直接打開編輯器，Live Demo 展示如何一步步使用 Claude Code 輔助開發。講解 gstack 技術棧時，特別強調各元件的整合邏輯。以往自己摸索常卡在環境設定或版本相容性問題，但講師用幽默比喻，把前後端資料流與 AI 協作的觀念講得很清楚。每當我們實作遇到報錯，講師總能一針見血指出問題，還會故意示範「AI 可能會寫出的錯誤程式碼」，手把手教我們如何引導、修正 Claude Code 的輸出。這種「不怕犯錯、從除錯中學習」的氛圍，大大降低了我對新技術的學習焦慮。講師也常分享業界實戰經驗，讓我們不只學工具，更學到企業級開發的架構思維。整堂課充滿破關解謎的成就感，讓我覺得「學得超好、任督二脈被打通」！ 💡 課程中最有收穫的技術或觀念 在上課過程中，我最有收穫的是徹底打破了對 AI 寫程式的刻板印象。以前覺得 AI 生成的程式碼難以直接套用在企業級專案，但在這堂課實作 gstack 全端應用時，我真正體會到「AI 結對編程」。精華在於運用 Claude Code 從零開始搭建 gstack 架構，學會如何精準下達 Prompt，讓 Claude Code 快速生成樣板程式碼，自己則專注於核心業務邏輯。遇到複雜資料庫連線或 API 路由規劃時，直接請 Claude Code 提供建議，甚至協助找出效能瓶頸並重構。這堂課強調實戰而非死記硬背考照。建議上課時一定要親自動手寫程式，遇到 Claude 產出不如預期時，就是練習「提示詞工程」的最佳時機。學會與 Claude 溝通、引導它寫出符合企業標準的程式碼，是我這趟學習中最寶貴的收穫。 🚀 課程對工作實務的幫助 結訓回到工作崗位後，課程效益立刻顯現。最近公司要開發內部自動化監控儀表板，若照以往流程，光是前端、後端 API 到資料庫，至少要一兩週。這次我直接應用課程學到的 gstack 架構，全程搭配 Claude Code 輔助，讓 Claude Code 生成 API 框架，快速完成前後端資料綁定。遇到不熟悉的模組套件，也能直接問 Claude Code 並取得實作範例。結果，原本預估兩週的專案，我只花不到四天就交付，程式碼品質與架構甚至比以前純手工寫的還好！開發效率大幅提升，不僅讓我準時下班，也讓主管注意到我導入新技術與高效率產出的能力。這門課帶來的「實質生產力躍升」，已成為我年底績效考核時爭取加薪、升遷的最佳籌碼。對於想在 AI 時代保持競爭力的軟體工程師來說，這絕對是投資報酬率極高的實戰課程！ 完整文章：https://ucom.uuu.com.tw/web/Testimony/Article/12901

當收到公司主動邀約的面試機會，要如何評估？企業主動邀的面試機會，錄取機率比較高嗎？作者指出，從公司招募主管的角度來說，主動應徵的履歷只有約2成符合職缺的學經歷門檻，因此，公司喜歡放寬搜尋條件尋找，也透過面談的過程，進一步修正心目中理想人選。 文／日光福利社 本文目錄（點擊可快速前往） 公司主動邀面試，錄取機會更大嗎？有公司主動邀約面試，更是檢視自己的好時機企業主動邀約面試，但和原本經驗關聯不大，要答應嗎？ 當手機號碼傳來不知名市話的來電，你會否會接起？天下掉下來的面談機會，是否值得把握？檢視自己，當下是否還有對外界的好奇心，與面談的精力。 當公司透過104發送邀請訊息，更積極的，直接透過手機或是email，希望邀請自己參與面試，你會有什麼反應？ 正想換工作，剛好看到這個機會 沒有想換工作，看看市場機會也好 煩死了，詐騙電話 延伸閱讀：你會把104履歷打開嗎？沒找工作也要「開放履歷」？3招秘技提升面試邀約率 公司主動邀面試，錄取機會更大嗎？ 雖然是面試邀請，並不代表來面試就會錄取 從公司招募主管的角度來說，主動應徵的履歷只有約2成符合職缺的學經歷門檻，因此，公司喜歡放寬搜尋條件尋找，也透過面談的過程，進一步修正心目中理想人選，所以對面談者而言，並非勝券在握。 就算錄取機會很大，招募流程難以預料 當有一定工作經驗後，面談機會很多時候是靠人品，主動邀請面談的，除了人資提供給主管的履歷外，還有內部同仁引薦的人選，即使雙方確定情投意合，都有各種可能會拉長招募流程，延宕了你進公司的時間。職涯的每個選擇若是都能給自己充裕的時間，例如至少半年一年，以這樣的時程往前推，因為這個邀請提早開始感受自己身體的回應，提早開始向外看機會，是好事。 有公司主動邀約面試，更是檢視自己的好時機 職場是否永遠一帆風順？難免有倦怠 我們說滾石不生苔，確認自己有熱情的領域後全力以赴，在同個領域累積資歷與薪酬，的確是職涯發展最有效率的方式之一。然而，正確的路筆直往前走，愛吃的食物每天吃，也難免會感覺美中不足；真心喜歡的事業，每天做還是難免會有倦怠，或是想逃避那種一成不變的感受。心裡明白，也不是一定要停下來，除了給自己放假，其實轉換一下心情，去其他公司面試，會有不同的啟發與收穫。 也許就在面談過程中，找到了新的學習方向，或是看到現有工作對自己的特殊價值，透過與陌生人的理念溝通，沒有熟悉的固有的框架，說不準打通了當下在職涯糾結的觀點。 自我檢視：你是對這個邀請沒有回應，還是沒有心力回應？ 沒有規定邀請了就一定要答應，端看自己當下對職位與公司的感受，關乎於是否被吸引。要知道，每一次的「出征」都是一場演出。你可以拒絕，但是一定要檢視自己是否有體力回應。 你以為裸辭的人都是抗壓性不夠，意氣用事的結果嗎？追根究底，是因為對工作不知節制的結果，對主管與公司的交辦事項使命必達，把眾人之事看得比自己的生活平衡與健康重要；又或者，其實很清楚自己的重心是什麼，但是在日復一日的輪軸中加速並失速中，漸漸失去了平衡。 這時候，天外飛來一筆的面談邀約，就像是這個快轉節奏的暫停鍵，從接到電話、走出辦公室，深怕還沒有答應邀約，就不小心被同事聽到的漏拍心跳時刻，問問自己，想去嗎？有力氣去嗎？你可以Say「No」，但是一定要好好的看待自己面對選擇的狀態，是否有足夠的精力去應付一個可能的機會，沒有人可以任意的把你逼到一個沒有選擇的選擇，除了你自己。「先離職再找工作」多半不是為了一時爽，冰凍三尺非一日之寒。 延伸閱讀：面試邀約如何回覆？收到多個面試機會，順序怎麼排？4種回覆範例不NG 企業主動邀約面試，但和原本經驗關聯不大，要答應嗎？ 關於選擇與被選擇之間的微妙 如果你覺得邀約你的機會和你原本經驗的關聯性不大，在你還想看人生其他更多可能性之前，更要優先考慮一下。 在這個講求專業的世代，所謂的專業，是根據經驗，你實際經歷過的事情累積而來，如果是自己專業領域的工作職位，你自己找或是別人找，其實你的掌握度是相對高的，意思是，這一場面談你預期獲得的資訊，很可能是原本就熟悉的資訊；相反的，如果邀請你的，不完全和自己經驗重疊，例如：是不同產業的相關職位，一來公司方會想好好聽你說，因為他邀請你，他準備好要聽你說；二來你透過面談的雙向交流，可以知道比自己Google搜尋更直接的資訊。要知道，當自己遙望經歷關聯性小的職位，採取主動投遞履歷的策略，是要和相關經驗的候選人一同爭取那2成的面談邀約，相對不容易。 絮絮叨叨說了一串，倒也不是鼓勵大家多多接受面談邀約，更像是透過短暫幾句交談的過程，總結了大家的千頭萬緒。希望電話那端的你，無論有沒有接受面談邀約，邀約本身都給予了祝福與收穫。 （原文標題：當面談機會向你招手）

產品負責人（Product Owner，PO）和產品經理（Product Manager，PM）在現代企業中都扮演重要角色，但他們的職責和職位目標有所不同。以下是對這兩個角色的詳細說明及其區別： 【產品負責人】（Product Owner，PO） 1. 主要職責： ✔ 產品願景與目標：負責定義產品的願景、目標和方向。 ✔ 優先級設定：決定產品待辦事項（Product Backlog）的優先級，確保開發團隊集中精力在最重要的任務上。 ✔ 需求管理：與利益相關者溝通，了解他們的需求並將其轉化為具體的產品需求和功能。 ✔ 開發過程參與：在敏捷開發環境中，參與日常的Scrum會議，提供反饋和決策支持。 ✔ 產品驗收：確認每個開發周期（Sprint）完成的工作是否符合預期，並決定是否接受這些工作。 2. 典型工作環境： ✔ 多數在敏捷開發環境中工作，特別是使用Scrum框架的公司。 ✔ 與開發團隊、Scrum Master和其他利益相關者密切合作。 【產品經理】（Product Manager，PM） 1. 主要職責： ✔ 市場研究與戰略制定：負責市場分析、競爭分析，並制定產品戰略和路線圖。 ✔ 產品生命周期管理：從產品的概念階段到產品退市，負責整個產品生命周期的管理。 ✔ 跨部門協作：與市場營銷、銷售、客戶支持和開發團隊合作，確保產品在市場上的成功。 ✔ 商業目標達成：確保產品能夠滿足公司的商業目標，如收入增長、用戶增長和市場份額擴大。 ✔ 用戶回饋和持續改進：收集和分析用戶回饋，並根據回饋持續改進產品。 2. 典型工作環境： ✔ 多數在中大型企業中工作，產品線複雜且需要長期戰略規劃。 ✔ 經常參與高層決策，涉及公司戰略層面的討論。 【薪水比較】 薪水差異取決於多種因素，包括地理位置、行業、公司的規模和產品的複雜度等。一般而言，產品經理的薪水可能會較高，因為他們通常負責更廣泛的產品戰略和商業目標。 以下是一些影響薪水的主要因素： 1. 地理位置：不同地區的薪水水平有所不同。例如，在矽谷，這兩個角色的薪水都相對較高。 2. 行業：在高科技和金融等高薪行業，這兩個角色的薪水也會較高。 3. 經驗和資歷：有更多經驗和較高資歷的專業人士薪水通常較高。 4. 公司規模和產品複雜度：大公司和產品線複雜的公司通常會提供較高的薪水。 總結來說，產品負責人（PO）更多地集中於具體產品的開發和交付，與開發團隊的日常互動較多，而產品經理（PM）則更關注產品的整體戰略和市場成功，涉及的職責範圍更廣。薪水方面，根據上述因素，產品經理的薪水往往會略高於產品負責人，但這不是絕對的，具體還需根據個別情況而定。 想了解更多可以看>https://www.pmtone.com/product-owner-vs-product-manager/