104學習

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

在 Excel 中，樞紐分析表（Pivot Table）和VLOOKUP 函數是非常重要且實用的工具，因為它們能夠快速處理和分析大量數據，以下是這兩個功能為何如此受推崇的原因： 1. 樞紐分析表（Pivot Table） 樞紐分析表是一個強大的資料匯總和分析工具，能夠快速地從大量的資料中生成摘要。它的重要性包括： 🟢快速彙總：不需要寫任何公式，樞紐分析表可以在短時間內對數據進行彙總、計數、平均、總和等多種操作。 🟢靈活性：用戶可以拖放欄位，自由地更改數據的呈現方式，按照不同的維度分析數據（例如按日期、產品、地區等）。 🟢動態調整：可以隨時調整分析的方向（行、列的變化）來得到不同的視角。 🟢即時分析：只要資料更新，樞紐表格可以馬上更新分析結果，無需重新手動計算。 2. VLOOKUP 函數 VLOOKUP 是一個非常常用的查找函數，用來在表格中垂直查找並提取數據。它的重要性包括： 🟢數據查找：能夠在一個大型表格中快速查找特定值，例如根據產品編號找到對應的價格或庫存。 🟢整合數據：可以從不同的資料來源中合併數據。例如，你可以從一個表中根據客戶編號找到對應的客戶資料。 🟢減少重複操作：通過 VLOOKUP 可以減少手動查找數據的時間，大大提高工作效率。 這兩個功能幫助用戶輕鬆處理和分析大量資料，是日常數據處理中不可或缺的工具。 【相關課程學習推薦】 【函數入門】別再土法煉鋼！你一定要懂的Excel函數 https://nabi.104.com.tw/course/tibame/d3a059d0-7ccf-4ca7-b017-cceccb1bffba 無痛起步-Excel VBA超入門實戰 https://nabi.104.com.tw/course/tibame/99370a7a-53cc-45d1-b616-fe9f890703c9 一日速成-零基礎Excel入門班 https://nabi.104.com.tw/course/tibame/f2577f72-5fce-47ef-a4ff-571cddf108c9 王作桓 | 職場救星! 從Excel基本功到進階實務精華 https://nabi.104.com.tw/course/tibame/2032ca9a-1b4f-456f-a64b-4d2966878376 【進階函數】Excel高效秘訣！上班族不可不知的進階函數 https://nabi.104.com.tw/course/tibame/7120fa0d-8637-4e89-92f5-6c0eb6d05389

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✨

▉ 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

收集到的名片、手寫簽到表、舊聯絡資料超難整理？作者示範用ChatGPT Work讀取名片、手寫簽到表與舊CSV，教你擷取聯絡人資料並建立Excel清單，逐步統一公司名稱、電話與職稱格式，合併重複資料，快速完成部門共用聯絡人名單。本文節錄自《ChatGPT AI Agent 工作術》。 文／施威銘研究室 本文目錄（點擊可快速前往） 名片、簽到表和舊CSV散一堆？整理成部門共用聯絡清單【步驟1】先擷取資料，不急著合併【步驟2】統一名稱與格式，並補上分類【步驟3】合併重複資料，建立共用清單3分鐘帶你一次看懂：完整動作影片教學！ 名片、簽到表和舊CSV散一堆？整理成部門共用聯絡清單 活動、展會或客戶拜訪結束後，聯絡資料常常散在不同地方：有人拍了名片，有人留下手寫簽到表，資料夾裡還有一份很久以前整理過的聯絡人CSV。這些資料如果沒有統一整理，很容易出現同一家公司重複建檔、電話格式不一致、窗口資料缺漏，或找不到後續該聯絡誰的問題。 本節將透過ChatGPT讀取名片照片、簽到表照片與既有CSV，整理成一份部門共用的聯絡人清單。完成後，Excel會保留原始擷取結果、格式統一後的資料、共用聯絡清單，以及仍需人工確認的項目，方便後續查找、分類與分工。 名片、簽到表、既有聯絡人CSV資料示意圖。本文示範用ChatGPT讀取名片照片、簽到表照片與既有CSV，整理成一份部門共用的聯絡人清單。（圖／旗標科技《ChatGPT AI Agent 工作術》） 必備工具： 桌面版ChatGPT：切換至Work模式（免費版帳戶目前可以透過桌面版使用Work模式，但無法透過網頁版及手機版使用。）下載ChatGPT Windows桌面版>> 範例資料檔：此範例包含名片照片、手寫簽到表照片及既有的聯絡人CSV。 Spreadsheets外掛：用來建立Excel檔案。 Microsoft Excel：檢視外掛生成的檔案是否正確。 註：Spreadsheets外掛中包含兩種不同用途的技能：Spreadsheets與Excel Live Control。本例使用Spreadsheets技能，用來建立及整理試算表；另一項Excel Live Control則可直接操作目前桌機中開啟的Excel。 【步驟1】先擷取資料，不急著合併 面對格式不同的聯絡資料時，不建議一開始就要求ChatGPT同時清理、合併及刪除重複項目。一旦辨識錯誤，會很難判斷問題出在資料擷取還是後續整理。 首先，將名片照片、簽到表照片與舊聯絡人CSV集中放入同一個資料夾。接著在桌面版ChatGPT切換至Work模式，建立專案並選擇該資料夾作為工作資料夾，讓ChatGPT可以直接讀取其中的所有檔案。 這一步只先擷取各來源中的聯絡資訊，建立初步清單，不進行格式修改或重複資料合併。完成後，再檢查姓名、公司名稱、電話與Email是否讀取正確。 提示詞 @Spreadsheets請整理工作資料夾中的聯絡資料檔案，包含名片照片、手寫簽到表照片與舊聯絡人CSV，並先建立一份新的Excel初步清單。請先擷取以下欄位：姓名、公司名稱、職稱、電話、Email、網站、資料來源、備註。先不要合併重複資料，也不要更動資料格式。請列出你認為後續需要統一格式或人工確認的項目即可。 建立完成後，點擊Excel檔案即可直接在ChatGPT中預覽活頁簿內容；如果對特定欄位有疑問，可以選取儲存格後點擊Ask Codex，針對選定內容提問或要求修改（圖／旗標科技《ChatGPT AI Agent 工作術》） 注意！雖說可以直接在ChatGPT中檢視建立完成的Excel檔案，但因為顯示的視窗寬度有限，一旦檔案內容太多，就常會需要用到滑桿拖曳顯示被遮住的內容，建議直接使用Excel開啟檔案檢視內容。1. 右鍵點擊檔名後 2. 選擇在Default App中開啟，即可使用Excel開啟檔案。 「待確認項目」頁籤會集中列出無法辨識、格式不一致或可能需要人工判斷的內容，作為下一步整理資料的檢查清單（圖／旗標科技《ChatGPT AI Agent 工作術》） 確認初步清單沒有明顯的辨識錯誤後，就能根據這些問題統一資料格式。 【步驟2】統一名稱與格式，並補上分類 同一家公司在不同資料來源中，可能分別使用中文名稱、英文名稱或簡稱，例如華碩、ASUS與ASUSTeK Computer Inc.。電話也可能同時出現+886、區碼、分機或缺少區碼等不同寫法。 如果沒有先統一這些內容，後續篩選或合併資料時，同一家公司或聯絡人就可能被判斷成不同對象。 這一步除了整理公司名稱與電話，也會加入廠商分類、職稱中文說明及待確認欄位，讓聯絡清單更容易查找與分工。 提示詞 @Spreadsheets請根據前一步的「待確認項目」，將初步聯絡清單整理成一張新的「格式統一後清單」。請協助完成以下整理：1. 統一公司名稱，將同一家公司的不同寫法整理為一致名稱。2. 統一台灣電話格式；缺少區碼時，在備註標示「需確認區碼」；非台灣電話則保留原格式。3. 新增「廠商分類」欄位，依照公司性質分類。4. 新增「職稱中文說明」欄位，補充英文職稱的中文說明，不要覆蓋原始職稱。5. 新增「待確認」欄位，記錄無法判斷的姓名、公司名稱或電話。請保留原本的初步清單，另外建立新的工作表，不要直接覆蓋原資料。 活頁簿中會新增「格式統一後清單」，原始的初步清單仍會保留；公司名稱與電話會依規則統一，並新增廠商分類、職稱中文說明及待確認欄位（圖／旗標科技《ChatGPT AI Agent 工作術》） 格式統一後，原本寫法不同的公司、電話與職稱就有了共同的比對基準，接下來才能比較可靠地判斷重複資料。 【步驟3】合併重複資料，建立共用清單 這一步要根據公司名稱、姓名、電話與Email交叉比對。能明確判斷為同一人的資料才進行合併；資訊不足或比對結果不明確時，則保留到待確認清單，不直接刪除。 提示詞 @Spreadsheets請根據「格式統一後清單」，比對公司名稱、姓名、電話與Email，建立一份「共用聯絡清單」。能明確判斷為同一人的資料請合併，保留較完整的聯絡資訊，並記錄所有資料來源。如果無法確定是否為同一人，請移至「待確認資料」工作表，不要直接合併或刪除。 「共用聯絡清單」會合併已確認的重複資料，保留較完整的聯絡方式與所有資料來源；無法確認的相似資料會集中放在「待確認資料」，交由使用者進一步核對，不會直接刪除（圖／旗標科技《ChatGPT AI Agent 工作術》） 到這裡，散落在名片、簽到表與舊CSV中的聯絡資訊，就整理成一份可以共同維護的部門清單了！本例刻意將流程拆成「擷取資料、統一格式、合併重複資料」3個階段，讓每一步都能先確認結果，避免前面的錯誤一路帶進最終清單。 3分鐘帶你一次看懂：完整動作影片教學！ 節錄自：旗標科技《ChatGPT AI Agent 工作術：87 個職場實作範例 | ChatGPT Work × Plugins × Skills》／施威銘研究室 著

英文商用書信需要具備禮貌、專業以及清晰三大要素，非母語人士的你是否也對商用書信感到頭痛呢？筆者整理了五大英文書信寫作重點，從書信開場白、寫信目的、用詞用具的選擇、結尾稱謂和問候，手把手梳理書信撰寫要點，讓你的書信看起來簡潔又充滿專業度，一次就學會！文末附上撰寫範例。 一、 首先，作為書信的開場白，使用專業的開頭稱呼 例如「Dear Mr./Ms. [對方的姓氏]」或「Dear Sir/Madam」，如果對方是熟悉的同事，則可使用「Hi [對方的名字]」。 ⇨若不確定收件人性別，可以使用「Dear [對方的全名]」。 ⇨開場白應簡潔表達關心或問候，例如：「I hope this message finds you well」。 二、清楚說明寫信目的 ⇨「I am writing to inquire about...」 ⇨「I would like to follow up on...」 三、使用禮貌和專業語氣 無論是請求或提出意見，避免語氣過於直接強硬。 ⇨「Could you please...」代替「Can you...」 ⇨「I would appreciate it if...」比「I want you to...」更得體。 四、結尾語 使用適當的結尾語表達感謝和期待後續溝通。 ⇨「Thank you for your time and consideration!」 ⇨「I look forward to hearing from you soon!」 五、信件結尾的署名 結尾用語取決於對收件人的認識程度： ⇨正式的結尾用「Sincerely」、「Best regards」。 ⇨半正式的場合可以用「Kind regards」或「Best」。 商用書信避免冗長，建議直接切入主題，運用內文提到的技巧有效表達你的意思。 以下提供參考範例： Subject: Meeting Request for Project Discussion Dear Mr. OOO, I hope this email finds you well. I am writing to request a meeting to discuss the upcoming project timeline and deliverables. Would you be available for a call this Thursday at 10 AM? Please let me know if this time works for you, or suggest an alternative that suits your schedule. Thank you for your time, and I look forward to your response. Best regards, OOO[我的姓名] OOOOOOO[我的職稱]

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。

產品經理（PM）的競品分析詳細程度通常取決於以下幾個因素，競品分析的詳細程度應該根據產品需求和市場環境來靈活調整，以確保獲得足夠的訊息來做出明智的產品決策。 1. 產品階段： ✦ 早期階段：在產品概念驗證階段，競品分析可能會比較粗略，主要是了解市場上已有的解決方案、它們的主要功能和市場定位。 ✦ 開發階段：當產品進入開發階段，競品分析需要更加深入。這包括對競品的功能、用戶體驗、定價策略、優劣勢等進行詳細分析，以確保自家產品在市場上具有競爭力。 ✦ 成長階段：在產品成長階段，需要進行持續的競品分析，以跟蹤競爭對手的策略變化，確保自己的產品能夠持續優化並保持市場地位。 2. 市場競爭情況： ✦ 如果市場競爭激烈，競品分析需要更加詳細，甚至要進行定期的競品分析報告，以快速反應市場變化。 ✦ 如果市場競爭較少，可能只需定期進行高層次的競品分析即可。 3. 產品複雜性： ✦ 複雜產品（如企業級軟件、SaaS產品）通常需要更詳細的競品分析，涵蓋技術架構、整合能力、安全性、合規性等方面。 ✦ 對於比較簡單的產品，可能只需要分析核心功能和價格。 4. 企業戰略： ✦ 如果企業希望通過差異化競爭來取得市場份額，那麼競品分析需要非常深入，並且聚焦於發現競品的不足之處。 ✦ 如果企業採取的是成本領先戰略，則可能更關注於競品的定價和運營成本。 5. 目標受眾： ✦ 如果產品針對的是專業市場或小眾市場，競品分析可能需要深入了解競品的市場細分策略和針對特定用戶群體的解決方案。 ✦ 對於大眾市場產品，競品分析可能更多關注於競品的用戶體驗和市場滲透策略。 【具體應包括的內容】 ► 競品概覽：競品的主要特徵、定位、目標市場等。 ► 功能對比：核心功能的優劣勢比較，是否有獨特賣點。 ► 用戶體驗：介面設計、使用流程、用戶評價。 ► 市場反應：競品的市場表現、客戶評價、市場份額。 ► 技術分析：技術架構、性能、安全性等技術層面的對比。 ► 價格分析：競品的定價策略、優惠措施、商業模式。 ► 行銷策略：競品的品牌、推廣渠道、市場活動。

生成式AI已成為職場基本能力，履歷上只寫「會用ChatGPT」已不易突顯差異，求職者需要可量化、可驗證的AI能力證明。根據104數據，通過AI通用素養認證且回傳履歷表，企業邀約面試機會平均提升1.7倍，由104學習推出的「104 AI通用素養檢測」認證，主打快速上手且具鑑別度，通過後可串接104履歷，讓AI技能從自我描述，轉化為企業看得見的求職競爭力。  文／104學習 本文導覽 擺脫AI焦慮！這張「AI通用素養認證」如何成為你的職涯加速器？非工程師也行！30題線上測驗，5大核心考點雷達圖解析五大核心考點！測出AI素養人才鑑別度！實戰經典樣題揭密！考情境邏輯不考程式獨家通關神隊友：認證課程+實戰「AI陪練法」從履歷亮點到進階AI證照敲門磚，現在就開始！ 許多求職者最大的痛點，就在於「口頭說會」已經不足以應付現今的職場需求。企業其實很難判斷你到底只是在跟AI瞎聊，還是真的具備商業邏輯。真正的AI素養，不僅僅是下指令，而是包含風險評估、工具選型以及精準應用的綜合能力。  如果你想在履歷上把AI技能變成企業看得懂、也願意相信的「能力證明」，「104 AI通用素養檢測認證」就是你職涯升級的關鍵通行證。  擺脫AI焦慮！這張「AI通用素養認證」如何成為你的職涯加速器？ 在競爭激烈的求職市場中，為什麼這張認證能幫你的職涯開外掛？我們用104人力銀行的數據說話：  AI人才需求呈爆發式成長：根據104人力銀行數據顯示，近5年AI需求人數成長97%，企業每月平均招募約 10萬名AI人才，企業求才若渴，市場對AI人才的需求正快速上升。  面試機會直接翻倍：數據指出，通過「104 AI通用素養檢測認證」且回傳履歷表的求職者，企業主動邀約面試次數，平均提升1.7倍！當你的能力可以被明確識別，面試機會自然大幅增加。  官方認證直接回傳104履歷：這是最關鍵的優勢！只要你通過檢測（分數達60分以上），104學習每週將會定期審視，並在5到8個工作天內，自動將認證更新至你的104履歷表。當企業在篩選人才時，你的AI實力一目了然，市場能見度瞬間提升！  延伸閱讀：AI害你被裁員？104資深協理：學會用AI開外掛，未來是你挑公司 非工程師也行！30題線上測驗，5大核心考點雷達圖解析 你也許會問：「我又不是工程師，我也考得過嗎？」  不用擔心！這項檢測定位在「素養級」認證，是專門為非技術職位設計的AI敲門磚。它向未來的雇主證明了你具備「與AI協作、用AI解決問題」的通用能力。  超友善的考試方式：總共只有30題單選題，不考複雜的計算，也不需要寫任何程式碼。  隨時隨地，想考就考：完全採用線上測驗方式，只要有網路，在最舒服、沒人打擾的環境隨時都能登入系統測驗。  合格與高分門檻：滿分100分，60分即可取得認證。如果衝到70分以上代表熟練應用的「進階級」；拿到80分以上更是具備評估專案可行性的「高階級」！  延伸閱讀：擔心被取代…AI來襲 職場焦慮就醫增加 五大核心考點！測出AI素養人才鑑別度！ 「104 AI通用素養檢測認證」測驗的範圍平均分配在五大主題（各佔20%），旨在測驗你是否具備完整的AI認知結構：  AI基礎概論：理解人工智慧、機器學習與深度學習的層級關係，以及避免「數據解讀偏誤」與「模型偷看答案的資料洩露」等底層邏輯。  生成式AI：掌握大型語言模型（LLM）的文字接龍原理、提示工程（Prompt Engineering）技巧，以及企業如何評估導入RAG（檢索增強生成）或Fine-tuning（微調）。  機器學習：不考寫程式，考的是情境判斷力！理解監督式、非監督式及強化學習的任務分類，並學會用混淆矩陣（Confusion Matrix）來判斷模型好壞，破解高準確率的迷思。  專案規劃與倫理：學習AI專案生命週期，懂得如何將老闆抽象的商業目標（如：提升客戶滿意度）轉化為可衡量的「代理指標」，並防範演算法偏見與遵循GDPR等個資法規。  雲端AI服務與部署：認識微軟、Google、AWS等現成雲端認知服務，學習No-code/Low-code開發工具，並評估在聯網受限或低延遲情境下，採用「邊緣部署」的策略。  延伸閱讀：你也是膨風一族嗎？63%上班族AI能力都在灌水，為什麼會這樣？ 實戰經典樣題揭密！考情境邏輯不考程式 「AI通用素養認證」不考程式碼與工程佈署，而是重視情境與邏輯分析，特別舉例「AI基礎概論」核心考點中的實戰樣題：  【案例】某開發團隊訓練了一個預測準確度高達99%的AI模型，用來分辨照片中的動物是「哈士奇」還是「狼」。但當專家用熱力圖（Heatmap）檢驗模型決策依據時，卻發現AI根本沒有看動物的五官，而是看「背景有沒有雪地」。請問這是什麼現象？該如何解決？  💡考題核心解析：這在AI領域被稱為「聰明漢斯效應（Clever Hans Effect）」，代表AI模型只抓到了無關的作弊線索，學到的是「偽相關」而非真正的動物特徵。這題在考你懂不懂得透過「提供背景多樣化的資料」或「在訓練前將影像去背」來打破單一規律，確保模型上線後不會失準。  獨家通關神隊友：認證課程+實戰「AI陪練法」 光看考點覺得有點抽象、擔心卡關？104學習會在學員購買「104 AI通用素養檢測認證」，特別附加免費課程，幫助考生系統化準備、快速通關！  這門課程分為三個主要部分，不僅帶你看懂檢測核心、系統化複習，更會教你一套實戰「AI陪練法」，教你如何直接把ChatGPT、Gemini等AI工具變成你的專屬刷題助教：  建立個人化備考計劃：讓AI扮演學習規劃顧問，根據你的備考時間、目標分數產出每日進度。  生成考點筆記與名詞對照表：利用AI快速濃縮精華，例如將容易混淆的「精準率與召回率」、「相關性與因果性」用生活化的比喻整理成對照表，突破理解卡關。  互動式模擬測驗與弱點補強：請AI擔任命題老師，以概念題與情境題交錯出題；做完題後利用AI進行錯題分析，精準診斷盲點並安排強化練習。  延伸閱讀：如何用AI準備證照考試？Gemini Notebook學習備考超實用5步驟完整解析 從履歷亮點到進階AI證照敲門磚，現在就開始！ 在AI時代，「感覺會用」跟「拿到官方認證背書」，在企業HR眼中是完全不同的層次。取得這張「AI通用素養認證」，不只是在履歷表上建立清晰、具可信度的實力證明，也能作為邁向其他AI專業證照的入門基礎，例如準備挑戰iPAS AI應用規劃師初級前，先補齊必要的通用觀念、應用邏輯與專案思維。  準備好迎戰AI時代、讓你的面試邀約與進修路徑一起升級了嗎？透過「104 AI通用素養檢測認證」，先取得企業看得見的能力背書，也為下一張AI證照打下扎實起點！  加入【104 AI通用素養檢測】

-臨床端希望操作不要增加照護負擔； -資訊端要確認能否與既有系統串接； -行政端則得掌握時程與上線安排。 無論是院內資訊系統，還是 AI 輔助醫療工具，系統開發完成，只是走到上線前的一站。 -測試時發現流程不合用，誰來決定怎麼調整？ -臨床同仁還沒熟悉新流程，上線時程要不要變？ -一項變更，又會影響哪些單位與工作？ 這些問題很少能由單一部門回答。需要有人把需求、進度與變更的影響整理清楚，讓各單位一起確認下一步，也讓現場有時間做好準備。 如果你正在做這些協調，學習 PMP 可以幫助你把已有的實務經驗，整理成更完整的專案管理方法： ✓ 開始前，確認目標、分工與交付條件 ✓ 推進時，掌握時程、風險與變更的影響 ✓ 上線前，確認測試、驗收與現場準備 📍長宏第208屆高雄 PMP 實體班，10/18（日）確定開課。 老師現場帶領，搭配教練陪跑與共好讀書會。若遇輪班、臨時值勤或工作需要請假，也可透過預錄課程彈性補課、銜接進度。 正在參與醫療系統導入或智慧醫療專案？看看高雄實體班的課程安排： https://reurl.cc/AX2LLQ #高雄PMP #醫療專案 #智慧醫療 #專案管理

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。）

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

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）

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

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

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＞

▍報告內容重點 ➡️ 哪些工作 AI 需求成長最快？ ➡️ 哪些產業最需要 AI 人才？ ➡️ AI 技能會帶來薪資優勢嗎？ ➡️ 企業如何判斷「真的會用 AI」？ ➡️ 2026 AI 職缺最常要求的Top硬技能 ➡️ 履歷該如何展現 AI 能力？ ➡️ 求職者與企業，如何搶先布局下一波人才競爭？ 👉 適合新鮮人、在職者與想轉職的人，免費下載完整報告 https://drive.google.com/drive/folders/1cEoNKeLCMijK6r4ZLQgbcaGL0fV3afQU?usp=drive_link 💡求職者： 想知道你的職務最需要哪項AI技能？104學習AI專區會自動帶入你的當前職務，分析技能缺口、提供測驗與推薦課程 1️⃣【立即行動一】104學習AI專區👉 https://nabi.104.com.tw/ai 2️⃣【立即行動二】104 AI 素養認證​： 客觀評估 AI 應用能力，測驗通過幫你一鍵匯入履歷 👉立即測試AI素養能力 https://nabi.104.com.tw/course/104nabi/e9e13d08-2c6f-49b2-bae8-1e9418588041 3️⃣【立即行動三】國家級「iPAS+ AI 應用規劃師」已成為企業評估數位轉型人才的標準 ▶【點我免費測 iPAS+ AI應用規劃師 初級模擬測驗】 https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ▶【初級】衝刺班｜速攻考點 × 模擬實戰 × GPT刷題攻略】 https://nabi.104.com.tw/course/104nabi/19ba2cdd-5ae1-44a0-a975-01f989c92691 ▶【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題 https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e 💡企業主： 想讓員工系統性補上AI能力？104人資市集提供AI企業內訓課程，協助實現員工AI化目標 👉 了解104企業AI內訓方案 https://tw104.pse.is/98mx3p

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

有意挑戰公務人員窄門、尋求穩定職涯的求職者注意！考試院院會日前宣布通過116年公務人員初等考試相關規劃，考試日期訂於116年1月9日（五）登場，全台共設15個考區，暫定需用名額達528名，有志投入公務體系的考生請提早掌握應考時程與類科規劃！ 文／《104職場力》 本文目錄（點擊可快速前往） 116年公務人員初等考試時程表初等考試考什麼？是哪16類科？初等考試4大特色與報考門檻公務人員初等考試應考準備與報名提醒 116年公務人員初等考試時程表 項目預定時程／說明備註簡章／應考須知公告115年10月8日（四）起載於考選部全球資訊網網路報名期間115年10月27日（二）至11月5日（四）下午5時請至考選部國家考試網路報名資訊系統辦理考試日期116年1月9日（五）舉行筆試考區設置臺北、桃園、新竹、臺中、雲林、嘉義、臺南、高雄、屏東、宜蘭、花蓮、臺東、澎湖、金門、馬祖全國共15個考區同時舉行暫定需用名額528名各類科名額將依考選部公告為準 初等考試考什麼？是哪16類科？ 依銓敘部及行政院人事行政總處彙整之任用計畫，116年初等考試暫定設置16個類科，涵蓋行政與技術類別： 行政類科（15類）：一般行政、一般民政、戶政、社會行政、勞工行政、教育行政、圖書資訊管理、人事行政、財稅行政、會計、統計、廉政、經建行政、交通行政、地政 技術類科（1類）：電子工程※最終各類科詳細需用名額及職缺分配，請以115年10月8日考選部公告之正式應考須知為準。 初等考試4大特色與報考門檻 1.報考門檻親民 中華民國國民年滿18歲即可報考，無學歷限制（不限大專或高中職學歷）。 2.題型全為選擇題 公務人員初等考試各類科應試科目均為4科，且全數採用測驗式（選擇題）題型，不考申論題，是國考新手熟悉考試節奏的絕佳切入點。 3.分區就近應試 全台及離島共設15個考區，考生可依生活圈或交通便利性選擇應試地點。 4.起薪穩定與福利保障 錄取後取得委任第一職等任用資格，享有公教人員退撫儲金、年終獎金、國民旅遊卡及各項婚喪生育補助。 公務人員初等考試應考準備與報名提醒 應考須知查詢 考選部將於115年10月8日上網公告正式應考須知（包含應考資格、各科命題大綱、試題題型與錄取標準計算方式）。 報名方式 一律採「網路報名」作業，請考生預先確認國家考試網路報名資訊系統帳號密碼，並於10月27日至11月5日期間完成報名手續，避免因最後一天網路壅塞影響權益。 （資訊參考來源：考試院最新消息、考選部應考專區） 延伸閱讀： 地方特考重大變革！ 考試院：明年起地特五等併入初等考試 【2025年最新】高考/普考國家證照大公開（含：證照介紹、級別、對應職務）

2022年年度企業要求證照的證照如下，提供大家! 每個職類都會對應不同的證照，104學習精靈在2022年12月即將發表的【職場學習白皮書】的調查趨勢中發現：104人力銀行從求職媒合的數據中，求職者找工作有證照與無證照，企業在面試邀約的差異，發現：2022年至8月有證照比無證照相比較，有證照的求職者面試邀約數相較無證照的求職者高出3成5，證照在特定的職務會是個加分的敲門磚。 企業要求證照為：企業職務刊登的職務中，要求應徵者必須具備的證照條件要求；本證照的排名為：統計該證照在104刊登的職類中的涵蓋率，來做TOP 10排序 統計時間為：2022年1月至8月的刊登數 🟡TOP 1🟡 堆高機操作技術士 完整介紹: https://nabi.104.com.tw/ability/10028900 🟡TOP 2🟡 勞工安全衛生管理員 完整介紹: https://nabi.104.com.tw/ability/10046815 🟡TOP 3🟡 防火管理人員 完整介紹: https://nabi.104.com.tw/ability/10029197 🟡TOP 4🟡 國際專案管理師PMP 完整介紹: https://nabi.104.com.tw/ability/10029355 🟡TOP 5🟡 甲種勞工安全衛生業務主管 完整介紹: https://nabi.104.com.tw/ability/10040671 🟡TOP 6🟡 乙級工業配線技術士 完整介紹: https://nabi.104.com.tw/ability/10028698 🟡TOP 7🟡 不動產經紀營業員 完整介紹: https://nabi.104.com.tw/ability/10028895 🟡TOP 8🟡 國際標準ISO 9000主導稽核員 完整介紹: https://nabi.104.com.tw/ability/10029227 🟡TOP 9🟡 AutoCAD國際認證 完整介紹: https://nabi.104.com.tw/ability/10029045 🟡TOP 10🟡 品質工程師(CQE) 完整介紹: https://nabi.104.com.tw/ability/10029229 --------------------------------------------------------------- 看更多其他排行榜 📌2022年企業要求的職場工具TOP 10 排行榜 📌https://bit.ly/3Pf9C8h 📌2022年企業要求的職場技能TOP 10 排行榜 📌https://bit.ly/3Bn80DT --------------------------------------------------------------- 【104學習精靈】致力打造共學社群 在這提供各學習創作者、學習平台…等，打造出屬於您在104的學習舞台，在這您所學的紀錄在您創辦的共學社群，作為傳承，建立您專業個人形象；未來共學社群將會提供創作者互動課程平台，凝聚更多學習用戶。 ✨更多免費學習與證照資訊，都可加入【104學習精靈。IG帳號】✨ https://www.instagram.com/104nabi/

AI會先取代誰，又會留下哪些位置給人類？李開復以工作內容自由度與人際互動依賴度，提出智力、體力工作兩張職場地圖，解析難被AI取代的關鍵，以及未來最值得培養的5種能力。本文節錄自《AI未來已來》。 文／李開復 本文目錄（點擊可快速前往） 兩張地圖：我的工作還安全嗎？智力工作的四象限地圖體力工作的四象限地圖李開復：3個方向，未來的路成為團隊裡最會用AI的那個人 兩張地圖：我的工作還安全嗎？ 現在把鏡頭從你的公司拉到整個勞動力市場上。每個人都想要一張能進行自我對照的地圖，以判斷自己的工作到底安不安全。很多年前我就做過AI將改變、甚至取代人類工作的預測，事實證明我的邏輯是對的。隨著AI的飛速進步，我把這個預測更新成下面兩張地圖：一張給智力工作者，另一張給體力工作者。 下面先講兩條由兩張地圖共用的軸。 橫軸表示的是一份工作的內容自由度。低自由度意味著工作環境中有標準答案，邏輯清楚、對錯分明，機器在這裡有壓倒性優勢；高自由度意味著工作中沒有標準答案，這種工作可能看起來有一些模糊、很新穎，對隨機應變能力有很高的要求，有時連問題本身都不容易說清楚，人在這裡有優勢。這條軸的兩端並非總是截然兩分的，但大體上可以認為自由度愈低，機器愈占上風。 縱軸表示的是一份工作對人際互動的依賴度。在低依賴度一端，價值是你工作的速度、規模、成本、品質等，在這些方面，機器在未來都會更強；在高依賴度一端，價值是誰能在場承擔責任、誰值得被信任、誰能說服他人、誰能創建合法性、誰能關心別人、誰能被另一個人需要，在這些場景中，人更強。 這兩條軸劃分出四個區域：機器最占優勢的是「工作內容自由度低＋人際互動依賴度低」區域，人最占優勢的是「工作內容自由度高＋人際互動依賴度高」區域。 智力工作的四象限地圖 圖／《AI未來已來》 下面具體介紹智力工作四象限地圖的4個區域。 機器主場（工作內容自由度低＋人際互動依賴度低） 在這個區域，每項工作都有清晰且可遵循的標準答案，不需要某個特定的人在場，比如資料輸入、帳務處理等。一個很「扎心」的事實是，以前我們認為人類能力的高點之一——基礎程式碼撰寫，居然也在這個區域。因為程式碼對不對是有標準答案的。正因為有這把客觀的尺，AI在寫程式碼上才進步神速。所以如果今天你只是一個「寫程式的封閉執行者」，那麼你能留在機器主場的日子就不多了。 人機協作（工作內容自由度低＋人際互動依賴度高） 機器已經比人更會執行這個區域的工作的核心環節，但這個區域的工作仍然需要保留一部分人——可能是為了取得信任、擔負責任，或者確保合法。比如，AI已經能解讀放射科提供的影像資料了，但簽字負責的仍是主治醫生。又如，法官做出的裁決可能本就基於AI的推薦，但這一判決必須由人來做出才有合法性。 這個區域的工作者面臨的風險就是可能變得只會「蓋章」。若是如此，那麼其遲早會被取代。 開放成果（工作內容自由度高＋人際互動依賴度低） 這個區域的工作的特點是：內容很雜、很新穎，所以還得由人來做，但沒人在乎由哪一個人來做。這一類工作沒有關係溢價，如前沿研究、原創寫作、腦力激盪、給全新問題想出第一版策略等，它們處於人類智力和創造性的前沿，但很少涉及人際關係。這個區域的工作者暫時安全，但這種安全性會隨AI技術的進步逐漸下降。 人性核心（工作內容自由度高＋人際互動依賴度高） 這個區域的工作特點是內容很雜且是關於人的。這類工作的從業者多為資深人員，包括心理治療師、優良教師、資深業務等。這是目前人類最有優勢，也最安全的區域。 體力工作的四象限地圖 體力工作的四象限地圖是類似的。（如圖22所示） 圖／《AI未來已來》 左上方的部分，還涉及很多人際互動，收銀員有時要和客戶互動、理髮師需要和客戶聊天溝通，機器的滲透還相當有限。 左下方是機器主場，涵蓋的工作包括倉庫分揀、流水線裝配、產品品質檢驗等，機器正在一塊塊拿下這個區域。 在圖中愈往右的區域，機器的優勢愈小。右下方的工作包括老屋水電改造、災後救援、管道搶修等，對於這些雜亂的工作，工作者需要在不可預測的空間裡隨機應變，人仍然穩穩占優勢。而右上方涵蓋的工作，如護理、臨終關懷、助產、到府私廚等，更是隱藏著機器無法觸碰的人性核心。 這裡還有一個反直覺的現象。十年前，絕大多數人認為AI會先搶走工廠工人和卡車司機的工作，知識工作者最安全。但真實結果是大腦能幹的活比我們以為的更封閉，手腳能幹的活比我們以為的更開放。這正是「摩拉維克弔詭」在四象限地圖上的樣子。 在AI 1.0剛出現的時候，包括我在內的很多人都把創意工作當成人類的安全區，沒想到生成式AI一腳就踏了進來。創意工作可以分為以下兩種。 重組式的創意工作——公式化的行銷文案、圖庫插畫、範本設計，這類工作很快就被推到了「封閉＋交付結果」區域，AI在此已占上風。 原創式的創意工作——真正去界定一個新問題，這是AI很難觸及的，這類工作仍處於「開放＋交付結果」區域。 所以「創意能讓你安全」本身是一個過度簡化的結論，重要的是你得分清你做的是哪一種創意，究竟是有跡可循的公式重組，還是原創性極強的新想法。 李開復：3個方向，未來的路 本節的內容是給每個人的一張行動地圖，這也是你能轉達給身邊其他人的建議。地圖的價值在於告訴你：哪些仗別再打了，以及哪些方向真的通向人還占優勢的地方。整體有以下3個方向供你參考。 方向一：往「開放」靠 你要主動去尋找那些最難、標準化程度最低、最沒人願意去做的事，去問題還沒被定義清楚的地方。如果你是工程師，與其更快地寫一段標準函數，不如去啃那個連需求都沒人說得清的專案。你要去做靠品味和判斷、沒有清晰對錯的事，成為那個決定什麼值得做的人。當執行幾乎免費，稀缺的就不再是「做」，而是「選」。培養品味、磨練同理心都很有價值，你要大量去看你所從事的產業裡最好的作品，逼自己講清楚它好在哪裡。 方向二：往「複雜、風險、把關」靠 高風險的把關、跨部門的協調、要照顧各方利益與進行合規的判斷，這些愈是依賴人和規則的專案，AI愈啃不動。而且出了事，只有人能承擔責任，AI無法承擔責任。你要把自己放到「出了事要由你負責」的位置上去，那正是價值聚集的地方。 方向三：往「溫度、信任」靠 未來人類參與最多的工作，不是前沿技術領域的工作，而是「另一個人特意為我付費」的服務工作。當一個人有了更多的時間和更厚的錢包，他要的往往不只是一頓飯、一堂課，而是「我無條件信任他」、「有個人真的把心放在了我身上」的感受。人與人的關係很多時候需要時間和經歷的累積，這是AI完全無法取代的。 這裡再分享5種無論朝哪個方向走都該努力培養的能力，按重要性由高到低排列如下： 一是模糊中的判斷力（資訊不全時做對決定，並知道什麼值得做）。 二是建立信任與關係的能力（讓他人希望你在場）。 三是共情與在場能力（真正聽懂他人的話）。 四是指揮AI的能力（界定問題、拆解、委派、驗證、整合）。 五是獨特的品味與策展能力。 成為團隊裡最會用AI的那個人 最後，如果挑一件清晰且可以執行的事情來幫助你在未來獲得更強的競爭力，那麼它會是：從2026年起，成為你的團隊裡最會用AI的那個人，這是你能買到的最便宜的保險，而且別只用它追求「更快」，要用它追求「更高」，讓它把你托舉到原來達不到的層級。這正是破解「斷梯」難題的辦法。AI先取代的恰恰是初級職位，新人一開始就要和AI競爭，這第一級台階反而是最困難的；而善用AI，新人能直接交付出過去要熬幾年才拿得出的東西。 節錄自：天下文化《AI未來已來）：變革巨浪中的CEO、企業、個人轉型戰略》／李開復 著

Claude有什麼特色？要付費訂閱嗎？本文整理Claude免費版與付費方案差異，包括2026年9月Chat、Cowork合併改版後的最新功能架構，以及Docs、Slides、Design及Claude Code功能的適用情境，幫助快速判斷怎麼開始用。 ※更新日期：2026/09/21 文／《104職場力》整理 本文目錄（點擊可快速前往） 【2026年9月更新】Claude整合Chat與Cowork，並推出Docs、Slides功能Claude是什麼？適合用於哪些工作？Claude可以免費使用嗎？Claude最新訂閱方案與價格整理Claude有哪些功能？Chat／Cowork整合與付費功能比較Claude有哪些模型可以選？怎麼開始用Claude？以生成簡報PPT為例使用Claude要注意什麼？資料安全與人工查核 【2026年9月更新】Claude整合Chat與Cowork，並推出Docs、Slides功能 Anthropic於2026年9月16日宣布整合Claude的Chat與Cowork功能，並推出Docs、Slides工具。更新重點如下： Chat與Cowork整合：過去使用Claude時，需要自行選擇「Chat」聊天、或切換到「Cowork」處理多步驟任務，功能合併後，使用者直接說明需求，Claude會自行依照任務需求回答問題，或執行研究、整理資料、製作檔案等多步驟工作。 新增Claude Docs：可在對話中建立文件，支援共同編輯、留言、加入圖表與視覺內容，並分享或匯出成果。 新增Claude Slides：可從筆記、報告或對話直接生成簡報，直接在Claude內編輯、播放，或匯出PowerPoint與PDF。 Claude Design整合進對話：可直接在對話中建立及修改設計、互動原型與視覺內容，原本獨立的Design入口也繼續保留。 哪些用戶可以使用？官方指出，Chat與Cowork的整合體驗正向Pro、Max用戶分批推出，涵蓋網頁、電腦與手機；官方預告Team與Free方案將陸續跟進；Enterprise組織變更前，會至少提前30天通知管理員。若用戶仍看到Chat與Cowork選項，代表帳號尚未切換新版。 Claude Docs、Slides與Design為付費方案的Beta功能，使用時會計入訂閱方案的用量額度；Enterprise用戶須依管理員設定開放。Claude Code仍保留獨立入口。 Claude是什麼？適合用於哪些工作？ 圖／Claude 使用工具：Claude 網頁版：https://claude.ai/ 電腦版：https://claude.com/download 手機APP：iOS下載、Android下載 Claude in Chrome：下載安裝（付費訂閱功能） Claude是由Anthropic推出的AI助理，使用方式和多數生成式AI工具相同：可以用自然語言輸入問題、貼上資料、上傳文件，請它協助整理、分析、改寫、發想或產出內容，是能夠協助處理文字、資料與工作流程的數位工作夥伴。 Anthropic官方指出，Claude可以協助撰寫不同格式與風格的內容、學習新知、摘要長篇文字、撰寫程式、腦力激盪、翻譯，以及分析圖片與圖表。應用在職場上，可以運用於文章與Email改寫、長文件摘要、會議紀錄整理、企劃發想、資料比較、研究學習與程式輔助等工作。 Claude功能強項職場應用撰寫不同格式與風格的內容撰寫Email、文章初稿、簡報文字與社群文案 摘要長篇文字整理報告、會議紀錄、訪談內容與產業資料腦力激盪與討論不同觀點發想企劃方向、提案切入點與可能風險 學習新知解釋陌生概念、協助理解工作工具或專業知識翻譯語言翻譯信件、文章或跨國溝通內容建立與編輯檔案製作或編輯試算表、文件、簡報與PDF編寫程式碼撰寫、解釋與修改程式碼圖片與視覺資料分析解讀上傳的圖片或圖表，建立圖表、流程圖及互動式視覺內容多步驟任務代理交付需要多個步驟、跨檔案的工作，由Claude自行拆解執行排程工作定期產出摘要或報告 Claude可以生成圖片嗎？ 和其他AI圖片生成工具不同，Claude不會直接產生照片或插畫。但Claude可以分析使用者上傳的圖片，並在對話中建立圖表、流程圖與互動式視覺內容，這些內容是以HTML與SVG產生。 因此，Claude較適合分析圖片與呈現資訊，而不是取代專門的AI生圖工具。 Claude可以免費使用嗎？Claude最新訂閱方案與價格整理 Claude可以免費使用，也提供付費訂閱方案。免費版採用基於工作階段的使用限制，額度每5小時重設一次。由於官方並未提供免費版每個工作階段固定可傳送的訊息數，實際用量會受到對話長度、任務複雜度、模型等因素影響。 與免費版相比，付費方案（Pro、Max、Team等）除了提供較高的使用容量，也包括Claude Code、Claude Docs、Claude Slides、Claude Design、Research等進階功能。 Claude個人方案比較 方案價格（美元）使用容量官方說明Free免費有限偶爾使用Pro$20/月；$200/年繳（約$17/月）標準定期使用Max 5x$100/月Pro每個工作階段的5倍經常用Claude處理各種任務Max 20x$200/月Pro每個工作階段的20倍每天大量使用，經常與Claude協作完成多數任務 圖／Claude Claude用量怎麼計算？5小時與每週上限怎麼看？ 需要注意的是，Claude的實際用量不以固定訊息數計算，而會受到對話長度與複雜度、使用功能、模型及思考程度影響；在claude.ai、Claude Code與Claude Desktop等介面的使用量，也會共同計入方案額度。以Pro、Max個人訂閱為例，每週上限於帳號指定的固定時間重設、工作階段用量每5小時重設；部分模型或功能可能另有使用限制，須以「設定＞用量」顯示為準。 至於如何評估「要不要付費訂閱Claude」？如果使用需求不高，Claude免費版已經能用基本功能，只是使用量有限制，當對話變長、任務複雜或使用頻率較高，就可能較快碰到用量上限。 而除了評估用量限制之外，由於Pro提供更多功能及模型，也可以評估是否需要多步驟任務、程式開發、深度研究或專案整理等進階功能。若經常需要排程工作，或使用Docs、Slides、Design製作與編輯成果，也可納入付費評估。 延伸閱讀：告別Token焦慮！Anthropic提供4個降低Claude Code成本祕訣 Claude有哪些功能？Chat／Cowork整合與付費功能比較 Claude正逐步將一般聊天與原Cowork的任務執行能力整合到同一個對話中。新版使用者不必先選擇模式；尚未更新的帳號，仍可依原介面使用Chat與Cowork。Claude Code主要用於程式開發；Docs、Slides與Design則分別支援文件、簡報與視覺設計。但免費版方案不包含Claude Code，需要訂閱用戶才能使用。 功能／工具官方說明方案支援平台Claude對話Chat及Cowork合併後的主要入口。適合快速提問、腦力激盪、撰寫初稿，也能直接交付複雜、多步驟的代理式任務，並產出完成的文件或成果免費版可用基本功能；付費方案提供較高用量網頁版、電腦版、行動版；Chrome側邊欄限付費方案Claude Code互動式程式開發助理，可讀取程式專案、撰寫與修改程式碼，並讓使用者即時檢視及批准變更Claude免費方案不包含Claude Code；可透過支援的付費訂閱使用，或另採API按量計費網頁版、電腦版、Cursor、CLI、VS Code、JetBrains 功能說明方案Claude Docs支援共同編輯、選取文字留言並請Claude修改，也能加入圖表與視覺內容；手機可提出建立要求及查看，編輯需網頁或電腦版；可匯出Word、PDF、Markdown與Google Docs付費BetaClaude Slides從資料或對話生成簡報，可直接編輯、播放，匯出PowerPoint、PDF或HTML，也可用連結分享付費BetaClaude Design建立與修改設計、互動原型與視覺版面，現已可從任一對話啟用；獨立入口仍保留付費BetaResearch針對問題進行多輪搜尋與資料分析，整合不同來源並附上引用，適合產業研究、資料比較與報告準備付費方案可用Scheduled排程任務，依指定時間重複執行資訊整理、摘要或報告工作。付費方案可用，雲端排程可在電腦離線時執行付費方案可用ArtifactsClaude產出的文件、簡報、設計與互動內容等成果免費版可用；Docs、Slides、Design目前另限付費方案Projects整理相關對話與文件免費版最多5個，付費方案不限 ※分享限制：Docs、Slides與Design產出的成品都能以單一連結分享，分享範圍依功能及方案而異，開啟分享連結需有Claude帳號。其中，Claude Docs在Team與Enterprise方案僅限組織內分享 延伸閱讀：Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇Claude Cowork排程任務怎麼用？讓AI定時工作，自動產出報告教學Claude Design怎麼用？AI工具生成原型、簡報怎麼做？Anthropic設計師建議使用技巧 關閉電腦後，Claude任務還會繼續嗎？ 雲端任務在關閉筆電後仍會在背景執行，排程任務也不需要裝置在線。但若任務需要存取電腦中的本機檔案、瀏覽器或應用程式時，則仍需保持電腦開機連線，並開啟Claude Desktop。 Claude還能在哪裡用？Chrome與Office整合 除了網頁、電腦與手機App，Claude也能直接進到日常工作的工具裡： Claude in Chrome：瀏覽器擴充功能，開放付費方案使用。Claude可以讀取頁面、輸入文字、點擊連結、在頁面間導航與填寫表單，適合處理沒有API整合的內部系統或舊系統。（※使用瀏覽器代理功能時，仍建議避開涉及金流、帳號設定與對外發布的操作，並逐步確認Claude的每個動作） Claude for Microsoft 365：提供Excel、Word、PowerPoint與Outlook的外掛，可在Microsoft 365應用程式中協助處理資料、文件與郵件；付費方案可用，其中Outlook目前為Beta。 【補充】Claude for Microsoft 365外掛，是在Word、Excel等應用程式內操作；Microsoft 365 Connector則是在Claude中連接Microsoft資料。兩者的使用資格不同，Connector也開放Free方案，但需符合工作帳號及管理員授權條件。 Claude有哪些模型可以選？ Claude的用量會受到所選模型影響。目前主要可用的模型如下： 模型主要定位免費／付費Claude Haiku 4.5快速、成本較低，適合較單純的任務免費與付費方案可用Claude Sonnet 5兼顧能力與速度免費與付費方案可用Claude Opus 5深度推理、複雜程式與多步驟工作付費方案可用Claude Fable 5.1更高難度推理、長時間執行的複雜任務付費方案可用，另有用量與計費規則比較以官方最新資訊為準，實際可選模型版本依方案、帳號介面及組織設定而異 建議一般職場文書、摘要與企劃工作，可先嘗試Sonnet 5，若需要深度分析或多步驟任務時，再切換到Opus 5。Pro用戶若要使用Fable 5.1，須以額外的按量計費額度支付，不包含在原訂閱用量中。 ※Claude Mythos 5僅開放經審核的機構申請使用，一般訂閱者的模型選單中不會出現；對外開放的對應版本是加上防護機制的Claude Fable。 怎麼開始用Claude？以生成簡報PPT為例 第一次使用Claude，可以先從網頁版開始。進入claude.ai並登入帳號後，就能建立新對話，直接輸入問題、貼上文字，或上傳文件請Claude協助處理。 Claude原本就能建立可下載的PowerPoint檔案；2026年9月16日宣布推出的Slides，進一步提供在Claude內直接編輯、播放與分享簡報的流程。兩者都能協助製作簡報，但成果介面不同。 方法一、透過對話建立PowerPoint檔案 以下實作透過Claude對話建立可下載的PowerPoint檔案： 1. 登入Claude網頁版或電腦版 2. 建立新對話，說明簡報需求、提供參考資料 開啟新對話，輸入簡報需求，可以包括：主題、用途、目標讀者、預計頁數、內容架構、視覺風格等，說明越清楚生成結果會越貼近需求；若簡報需要根據既有報告、試算表、會議紀錄或研究資料製作，也可以一併上傳。如果公司有固定簡報格式，也可上傳既有簡報或品牌規範，說明希望參考的字體、色彩、語氣與版面。 舉例輸入提示詞： 製作提供給部門主管的專案進度簡報，根據上傳的資料，建立一份10頁的PowerPoint簡報（.pptx）。簡報請包含：封面、專案目標、目前進度、重要成果、關鍵數據、遭遇問題、風險、下一步行動與結論。每頁最多4個重點，每點不超過25字；適合以圖表呈現的數據，請製作成圖表。整體採簡潔專業的商務風格。只使用我提供的資料，原始資料沒有提到的內容請標示「待補充」，不要自行捏造。 如果想先建立簡報大綱，不必請Claude直接建立檔案，也可以要求：「先提出10頁簡報架構，等確認後再建立PowerPoint檔案。」 3. 等待Claude建立簡報並下載檔案 Claude會分析資料、規劃簡報結構並建立PowerPoint檔案。完成後，對話中會出現可下載的.pptx檔案。 圖／實測Claude生成簡報PPT結果 圖／實測Claude生成簡報PPT結果 4. 檢查內容或繼續要求修改 產出的簡報仍需人工檢查，確認數據、內容正確性，以及版面、圖表與文字是否容易閱讀。如果需要調整，可以在同一段對話中繼續下指令修改。 註：Claude內建PowerPoint Skill，當使用者要求建立簡報時，系統會在功能開啟的情況下自動判斷並使用，不必另外輸入Skill名稱。 方法二、使用Claude Slides（付費方案） 在對話中明確要求使用Claude Slides，或從輸入框的Output選擇簡報類型，也可由Artifacts範本開始。提供相同的資料與需求後，檢查Claude產出的投影片，直接編輯或透過對話要求修改，再於Claude內播放、分享連結，或匯出PowerPoint或PDF。 圖／明確要求使用Claude Slides產出的投影片，於Claude內可直接編修，也可播放、分享連結或匯出檔案 圖／使用Claude Slides產出的投影片，可於Claude內播放、分享連結，或匯出PowerPoint、PDF 功能比較建立PPT檔案Claude Slides主要成果可下載的.pptx檔案Claude內可持續編輯的簡報，並可下載檔案修改方式請Claude修改檔案或下載後編輯直接編輯投影片或用對話修改播放方式下載後用簡報軟體播放可在Claude內直接播放方案免費與付費方案可用付費方案Beta 【補充】Skills、Connectors與Plugins是什麼？ Claude在建立簡報、文件或試算表時，可能會自動使用Skills。Skills可以理解成Claude執行特定工作的「操作說明與工具包」，讓它能依照較固定的流程完成任務。 Anthropic目前提供PowerPoint、Word、Excel與PDF等內建Skills，開放免費版與付費方案使用。只要開啟「程式碼執行與檔案建立」功能，當使用者要求Claude建立PowerPoint簡報時，系統會自動判斷並使用相關Skill，不必另外輸入Skill名稱。 除了內建Skills，使用者也能建立個人Skill，例如加入公司的簡報規範、品牌色彩或固定報告格式，讓Claude日後依照相同標準產出內容。 Connectors則是讓Claude連接外部工具與資料來源。例如，連接Google Drive後，可以請Claude搜尋或整理雲端硬碟中的文件；連接Slack、Notion或其他服務後，Claude可在授權範圍內搜尋、讀取或分析資料；部分Connector也支援建立或修改內容，實際能力依服務與權限設定而異。 Plugins可把特定工作需要的Skills、Connectors等能力打包，讓使用者依職務或需求安裝，例如行銷、人資或資料分析工作。目前開放付費方案使用。 延伸閱讀：Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式 使用Claude要注意什麼？資料安全與人工查核 若使用個人Claude帳號處理工作內容，需注意避免將企業機密資料輸入外部AI工具。不論是客戶個資、員工薪資、帳號密碼、API金鑰、未公開營運數據及機密文件，都不應直接貼進對話或任意開放存取權限。 另外也建議確認「對話是否用於改進模型」的設定：個人方案可在「Settings（設定）>Privacy（隱私）>Help Improve our AI models」自行開關。Team與Enterprise方案資料則預設不會用於模型訓練。 Claude產出的內容也可能包含錯誤、過時資訊或不存在的引用，應回到原始資料或官方來源確認，不能把AI回答當成唯一依據。 當Claude執行任務、存取檔案或使用外部工具時，可能對資料做出實際修改。建議只開放完成任務所需的資料夾，並替重要檔案保留備份，涉及刪除、寄送、公開發布或修改重要資料時，均應再次確認。 更多【AI工具應用】推薦： AI大神Karpathy的「LLM Wiki」是什麼？改善工作流、打造知識複利 NotebookLM簡報可直接修改了！6招編輯方法改AI簡報，轉PPTX、線上都行 憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學

RICE 是一種優先級評估框架，通常用於產品管理領域，幫助產品經理在多個待辦事項或項目中確定優先級。這個框架能夠客觀地評估每個項目或功能的潛在價值，以便有效分配資源。RICE 代表以下四個要素： 1. Reach (觸及率) 衡量一段時間內有多少用戶或客戶會受到這個項目的影響。通常會以「每月影響到的用戶數」或「每個季度影響到的客戶數」來量化。 ➛ 舉例：如果你推出一個新功能，預計每月會有 5,000 個用戶使用，那麼你的 Reach 可能是 5,000。 2. Impact (影響力) 衡量該項目或功能對用戶的影響程度，通常使用一個標準化的評分系統來量化，例如：3 表示巨大的影響，2 表示高影響，1 表示中等影響，0.5 表示低影響，0.25 表示極低影響。 ➛ 舉例：如果該項目可以顯著提升用戶滿意度，那麼 Impact 分數可能是 3。 3. Confidence (信心指數) 衡量你對這個項目估算的信心程度，通常也是以百分比形式來表示。100% 表示完全有信心，50% 表示信心一般，10% 表示信心很低。 ➛ 舉例：如果你有充足的數據支持你的估算，Confidence 可能是 90%；如果是基於假設，Confidence 可能只有 50%。 4. Effort (工作量) 衡量完成這個項目需要多少資源，通常以「人月」或「人週」來表示。Effort 分數越低，表示工作量越小。 ➛ 舉例：如果某個功能需要 2 個人工作 3 個月完成，Effort 就是 6 人月。 【計算 RICE 分數】 RICE 分數的計算公式如下： RICE Score = Reach x Impact x Confidence / Effort 這個公式可以幫助你比較不同的項目，分數越高的項目優先級越高。這有助於你在資源有限的情況下，選擇對業務或產品影響最大的工作。 【如何運用 RICE 框架】 1. 收集項目訊息：為每個潛在項目或功能估算 Reach、Impact、Confidence 和 Effort。 2. 計算 RICE 分數：根據上面的公式計算每個項目的 RICE 分數。 3. 排序與優先級：將項目按 RICE 分數排序，分數越高的項目應該優先處理。 4. 資源分配：根據優先級分配團隊資源和時間，專注於高分項目。 5. 持續評估：在產品開發過程中，隨著新數據和反饋的出現，不斷重新評估和調整項目的 RICE 分數。

2026-09-23 聯合新聞網　由聯合新聞網授權轉載 英國一項大型研究發現，閱讀不只能增加孩子的閱讀能力，在孩子成年以後，也與更佳的認知能力、心理健康有關。不僅如此，這些孩子的語言學習、記憶與語言發展也較佳，就連出現壓力與憂鬱相關症狀的情況也比較少，可說是各方面帶來益處的好習慣。 據《紐約郵報》（New York Post）報導，英國劍橋大學研究團隊分析超過10萬名美國兒童與青少年的資料，從9、10歲一路追蹤至成年早期。受試者參與「青少年腦部與認知發展研究」，研究人員將他們分成兩組，一組是在2至9歲之間就養成閱讀樂趣的人，另一組則是較晚開始閱讀，甚至幾乎沒有閱讀習慣的人。 結果發現，約48%的孩子很少閱讀休閒讀物，或直到較晚的年紀才開始閱讀；而其他孩子則已經累積約3至10年的閱讀經驗。研究團隊進一步比較臨床訪談、認知測驗、心理與行為評估，以及腦部掃描結果，並考量社經背景等因素後發現，較早開始閱讀的孩子，在青少年時期的認知表現普遍較好。 這些孩子在語言學習、記憶與語言發展測驗中表現較佳，學校課業表現也往往比較好。而且好處不只停留在課業上；這些孩子出現壓力與憂鬱相關症狀的情況較少，注意力也較好，攻擊行為與違反規則等行為問題也更少。 愛看書的孩子還有一個意外優勢，那就是較低的螢幕使用時間。研究發現，從小培養閱讀習慣的孩子，到了青少年時期，不論平日或週末，看電視及使用手機、平板的時間通常較少，同時睡眠時間也比較長。 腦部掃描更顯示，早期閱讀組的青少年整體腦部區域與體積略大，其中包括與認知能力相關的腦區；另外一些出現差異的區域，也與心理健康、行為及注意力有關。 不過，研究也發現「書看太多」可能反而沒有額外好處。研究團隊估計，兒童每週進行約12小時的休閒閱讀時，相關益處最為明顯；超過這個時間後，優勢似乎開始趨於平緩，認知測驗分數甚至出現下降。研究人員推測，原因可能是孩子如果長時間埋頭看書，便可能減少運動、和朋友互動等同樣有助於大腦發展的活動。 研究人員呼籲，與其只把閱讀當成提高學業成績的工具，不如從小讓孩子找到「看書本身很好玩」的感覺。畢竟閱讀帶來的好處可能不只屬於童年，成人研究也發現，閱讀與較低壓力、較放鬆，以及較高同理心有關；年長後持續從事閱讀等刺激大腦的活動，也與較低的認知功能下降及神經退化疾病風險相關。 延伸閱讀： 時間不夠如何讀更多書？「高效能閱讀法」挑出必讀好書 OECD研究揭：全球青少年閱讀力正在下滑！AI世代如何培養「深度腦」？ 工作讀書老是分心？不只手機，這些「內外部分心物」偷走注意力

【超早鳥優惠到4/6】🔥領53折券現折🔥 【獨家-名額倒數】前20名報名再贈200元LIN點數 https://nabi.104.com.tw/course/104nabi/55c82d6e-c7a8-4732-8b7b-9378e5679091 【2 天假日直播學習營】第一屆 - AI行政工作流學習營​｜5/17(日)、5/31(日) 假日直播課 對AI工作流充滿興趣、期待應用AI提升日常行政工作效率，卻不知如何開始？ ⚡從 2週學習 × AI自動化專案實作 → 完訓取得證書⚡ 🚀本屆104提供參加的學員，專屬獨家加值服務：【104完訓認證加入履歷】🚀 🚀 本次學習營獨家特色 - 循序漸進＋實作應用🚀 ✨真實工作場景應用：手把手學習真實工作場景如何應用AI實現自動化， 老師帶你一起來闖關！ ✨完整AI專案實作：兩週循序漸進從學習、實作到應用，親手完成自己的AI工作流提案。 ✨專屬學習社群共學：加入課程專屬 LINE 群組，除了能與AI工作流領域跨領域學員夥伴一同交流實戰心得，更有講師在群組中親自為你指點迷津、解答疑惑，讓學習從教室延伸到工作現場。 【保握超早鳥優惠】