104學習

資料輸入

指能快速且準確地將各種資訊轉換成數位格式,確保資料完整無誤。這項技能要求專注力高、打字速度快,並能熟悉基本電腦操作及相關軟體,如Excel或資料庫系統。良好的資料整理能力也很重要,能協助後續分析與決策。職場中,這是基礎但不可或缺的技能,對提升工作效率和資料管理品質都有直接影響。

23,982 個相關職缺

提升你的實力,朝專業更進一步

精選課程

充實自己,讓能力持續成長

資深經理人教你超強Excel數據力
資深經理人教你超強Excel數據力
卓越績效管理與提升
卓越績效管理與提升
【線上課】高效能職場筆記法 | 電腦玩物站長的整理思考術
【線上課】高效能職場筆記法 | 電腦玩物站長的整理思考術
AI 商業數據與工作應用實戰:分析、報表與決策支援【09/30】
AI 商業數據與工作應用實戰:分析、報表與決策支援【09/30】
Office 整合應用:Word、Excel、PowerPoint 跨檔案資料管理
Office 整合應用:Word、Excel、PowerPoint 跨檔案資料管理
AI財務力:從數字到決策的智慧應用【9/3】
AI財務力:從數字到決策的智慧應用【9/3】
專案矩陣分析與應用技巧
專案矩陣分析與應用技巧
【績效管理-入門】企業績效目標設定及評估
【績效管理-入門】企業績效目標設定及評估
管好員工做對事:溝通協調力
管好員工做對事:溝通協調力
Excel職場必學統計分析
Excel職場必學統計分析

精選證照

考取專業證照,讓能力被市場看見

數位人資管理師-經理級認證 |
數位人資管理師認證學程將幫助你,運用e化系統的力量,將大量的人資行政瑣事效率化;利用聰明的流程再造,將員工視為內部顧客,全面提升員工體驗;最後發揮數據力,真正成為組織成功的策略夥伴! 獲得數位人資管理師-經理級認證,代表你具備以下能力 1.了解員工體驗的精神,與e化流程的設計思維,可協助組織全面檢視HR各流程的重要問題與精進的方向。 2.熟悉e化流程的設計方法步驟,協助組織善用數位科技的力量,優化現有制度流程,促進員工體驗。 3.清楚大數據分析的內涵,與業界實務運用案例,可幫助公司導入大數據分析專案,解決公司在人力計畫、人才發展、留才管理上碰到的重大問題。
104資訊科技股份有限公司
數位人資管理師-專員級認證 |
數位人資管理師認證學程將幫助你,運用e化系統的力量,將大量的人資行政瑣事效率化;利用聰明的流程再造,將員工視為內部顧客,全面提升員工體驗;最後發揮數據力,真正成為組織成功的策略夥伴! 獲得數位人資管理師-專員級認證,代表您具備以下能力 1.了解人力資源e化系統的重要元素,可協助組織判斷最合適的人力資源e化方案 2.熟悉人力資源e化系統各面向的實務操作,成為公司導入e化的最佳執行者。 3.具備基礎數據分析能力,使HR對公司的貢獻可被量化,可被管理。更可透過數據分析發現組織人才管理的關鍵問題。
104資訊科技股份有限公司
全方位基礎人力資源管理師認證 |
『全方位基礎人資管理師認證班』是國內目前梯次數最多、開班最廣、傳承歷史最悠久、唯一且最具系統化的人力資源管理師養成課程,透過具豐富實務經驗且熱情的專業講師團,深入淺出地引領學員循序漸進學習與交流各項主題,過程中並輔以精闢個案探討與擬真實作演練,藉此帶領學員有效提昇本身人資專業知能,並加速培養出能承接未來在人資領域中更具挑戰性任務的實力。   整體課程架構,將從「策略性人力資源管理架構」談起,先帶領學員建立對策略性人力資源管理的整體概念,並打通各項人資功能定位上的任督二脈後,接著以「工作分析」為基礎,逐步、詳實且系統化地介紹各項人力資源管理之「選、訓、用、留」的基本概念及實務,諸如:「人才招募、遴選與任用」、「績效管理與訓練發展」、「薪酬管理與員工福利」、「員工關係與留才管理」等主題。整體系列課程前後呼應、兼具理論介紹、觀念導正與實務分享,使學員對人力資源管理有完整且正確的認識,不僅有助於未來朝向其他人資專業進一步學習上做好準備外,亦能使自己在人資職涯發展上有更清楚的方向及計畫,還在猶豫? 趕快來點選報名吧!
社團法人中華人力資源管理協會
績效管理師認證 |
我們的課程設計,從策略層面的『使命與願景』、『策略地圖』、『平衡計分卡』與『目標管理』,到制度規畫層面的『績效管理的兩面向』、『績效管理的三部曲』、『強制分配』、『績效管理的目的』,及執行績效管理實務層面的『績效評核的三類方法』、『績效面談』,有系統地由淺入深,再進行實務應用。由入門的績效學理說明,再拉高層次讓您對策略管理有初步了解,進而傳授學員績效實務操作的秘訣,使學員對績效管理制度有通盤的瞭解,讓您有充分的學識足以擔任老闆及主管們策略夥伴的角色。   在公司營運的每一個關鍵時刻,「績效管理」往往扮演了極關鍵的角色!身為人力資源從業人員,從入門邁向專業人資,「績效管理」絕對是一門必修課;而「績效管理師認證班」就是幫助您精進理論與實務更上一層樓的最佳選擇!
社團法人中華人力資源管理協會
人資專案管理師認證 |
專案成敗早在專案念頭發起時就已決定大半,雖然專案管理(Project Management)早在各個產業領域深入推廣,然而對於許多人資夥伴而言,似乎還是欠缺可實際運用的成功模式。藉由每位講師多年人資專案輔導與實際推動經驗,透過理論架構與案例分享,引領大家正確地從完整人力資源體系的宏觀角度切入,順利地將專案管理(Project Management)手法與工具成功應用在人資領域的各種企劃技巧、工具軟體、簡報提案與進度掌握上,進一步協助人資夥伴提升人資專案管理的績效表現。
社團法人中華人力資源管理協會
商用數據應用師 |
「商用數據應用師」證照為企業在商用數據分析與管理應用過程所需要的人才。其扮演大數據分析、程式工具運用、商業流程理解與經營管理支援等角色。
中華企業資源規劃學會

精選貼文,掌握第一手知識

產品經理 - 學習地圖(上):技能養成篇 

產品經理是一個融合創新、邏輯與溝通的角色。隨著數位化加速,產品思維逐漸成為組織決策的核心。從技術團隊、設計部門到商業營運,產品經理肩負整合多方資源、定義方向並推動產品落地的關鍵任務。  本篇產品經理學習地圖(上):技能養成篇,將協助轉職者認識『從入門建構產品基礎思維』到中階『掌握用戶洞察與功能實作』,最終能『獨立推動策略規劃與跨部門協作』的相關職業技能,依循學習路徑,逐步成為具影響力的產品專案執行者! 文 /【104學習精靈】 本文目錄(點擊可快速前往) 產品經理是誰?為何成為熱門職業?  產品經理工作內容 產品經理與相近職類比較表 為什麼選擇產品經理? 誰適合轉職產品經理? 掌握產品經理的核心能力:必備工具技能 x 學習路徑 x 軟技能 產品經理技能 × 學習階段 對照表格 產品經理學習地圖與路徑(搭配AI工具) 成為產品經理應具備的軟技能  產品經理是誰?為何成為熱門職業?   產品經理工作內容  產品經理(Product Manager)負責定義產品要解決的問題,並與設計、工程、行銷等部門協作推動產品從構想到落地。其核心職責包含:  需求探索:透過用戶訪談、行為數據、回饋收集等方式,洞察真實需求。  功能規劃:撰寫 PRD、制定功能優先順序、評估 MVP 可行性。  專案推進:主持日常開發流程,跨部門協調資源,確保開發進度與品質。  成果驗證:追蹤產品指標(如留存率、轉換率),進行 A/B 測試與功能優化。  策略規劃:參與產品路線圖規劃,制定中長期產品方向與營收目標。  產品經理既是產品成功的推動者,也是用戶價值的守門人。其價值在於將「使用者需求 × 商業機會 × 技術可行性」三者整合為具體可執行的產品方案。  產品經理與相近職類比較表  職位 關注重點 負責內容 常見產業 產品經理(Product Manager)使用者 + 商業價值 規劃產品功能與開發節奏 科技、電商、金融、SaaS 等 專案經理 (Project Manager) 進度與成本控制 控管時程、資源、人員配置 各類型專案導向型公司 UI/UX 設計師 使用者體驗 介面設計、動線、視覺規劃 軟體、行銷、遊戲、EdTech 等 資料分析師 數據洞察 分析用戶行為、產品數據、A/B 測試 金融、零售、科技、行銷  為什麼選擇產品經理?  📈 發展潛力大|未來產業的中樞角色  不論是新創公司還是科技巨頭,產品導向已成為企業競爭的關鍵思維。  有產品就有需求,有需求就需要 PM——從 AI、SaaS、電商到 FinTech,每個行業都需要懂得「整合價值」的人。  企業不再只需要「能執行的專業者」,而是需要「能定義方向、驅動成長」的產品領導者。  🛠️能力多元|最全面的跨域訓練場  產品經理是一個訓練全腦能力的職業:👉 左腦要有邏輯與分析能力(數據、商業)👉 右腦要能發想與感知使用者(設計、體驗)👉 兩者還要能與技術部門深度協作(開發、工程)  在角色中將學會「如何說服利害關係人」「如何觀察用戶行為」「如何評估一個功能是否值得投資」,這些都是未來每一份高階職位都會需要的綜合實力。  🚀 成長彈性高|跨域轉換與職涯彈跳力強  PM 的角色可以橫跨不同產業與職能,時常需要與工程或設計專業職能有效通協作。是「所有關鍵決策職位的預備場」。  許多優秀的 PM 在職涯中轉職為:  創業者(Founder / Co-founder)  使用者體驗設計師(UX Designer)  數據分析師(Product Data Analyst)  成為產品主管、策略顧問,甚至進入 CPO、COO 等管理層  誰適合轉職產品經理?  🎓 1. 無產品背景但熱愛創新、解決問題者  你喜歡觀察生活問題、總是腦中浮現「這東西為什麼不能這樣改?」  從 side project 開始,就是最好的敲門磚。  無需程式背景,只要有邏輯、有使用者觀點,PM 是歡迎非典型背景者的職位。  💻 2. 工程師背景者  想脫離單純執行任務的角色,希望參與更多「要做什麼」的決策討論  PM 是讓工程師走向策略與產品領導的黃金道路。  技術理解力會讓你在 PM 角色上如虎添翼。  🎨 3. 設計師 / UX 專業者  有同理心、有用戶感知力的設計師,適合轉向更有產品話語權的角色。  讓你從 UI/UX 執行者,變成「產品體驗的主導者」。  許多產品團隊喜歡擁有設計底子的 PM,因為他們更懂體驗與細節。  📢 4. 商業 / 行銷 / 業務人員  熟悉市場與用戶痛點,對產品的商業價值有敏銳觀察  補足產品開發語言與邏輯,就能駕馭市場與產品之間的橋樑位置。  掌握產品經理的核心能力:必備工具技能 x 學習路徑 x 軟技能  產品經理技能 × 學習階段 對照表格   🧩 產品規劃與需求管理 📊 數據分析與驗證能力 🎨 戶體驗與設計思維 🤝跨部門協作與專案推進 基礎 - 撰寫 User Story、建立 Persona - 初步撰寫 PRD、功能清單 - 認識基本產品指標(DAU、MAU、CTR) - 初步理解 A/B 測試、使用 Google Analytics - 繪製使用者旅程圖、UX Flow - 使用 Figma 建立簡易原型 - 熟悉 Notion / Trello 等任務管理工具 - 學習基本會議記錄與任務追蹤方式 核心 - MVP 規劃、功能優先排序(RICE、Kano) - 撰寫完整 PRD、維護 Roadmap - 使用 Mixpanel / Amplitude 追蹤行為流 - 設計驗證機制(Cohort、Retention、轉換率分析) - 熟悉設計思考流程(Design Thinking) - 與設計師協作建立 Wireframe 與可用性測試 - 使用 Jira / Asana 進行敏捷開發任務管理 - 主持 Stand-up / Sprint Review / Retro 會議 進階 - 多模組產品整合與平台化思維 - 建立產品 KPI 指標並追蹤成效 - 設計數據導向決策邏輯 - 與資料分析師共構儀表板、做策略調整 - 優化使用者體驗,結合數據與測試結果反覆調整設計- 規劃用戶測試場景、引導焦點訪談 - 建立跨部門溝通 SOP 與產品知識共享 Wiki - 作為 PM Leader 引導 Junior PM、推進跨部門專案 認證 - CSPO(Scrum Product Owner)- Pragmatic PM 認證 - Google Analytics 證照- Mixpanel / Looker Studio 認證 - Google UX Design 認證- Nielsen Norman UX 課程 - PMP 專案管理師- CSM(Scrum Master 認證)  產品經理學習地圖與路徑(搭配AI工具)  🟢 第一階段:新手 PM 入門(0~6 個月)  ✅ 目標:建立基礎產品思維與跨部門語言,從具體產出中培養使用者理解與任務邏輯。  📌 學習內容:  【產品市場機會】:初步理解產品與市場的關係(例如:Who / Why)  【找出使用者需求】:撰寫 User Story、建立 Persona、使用者旅程圖  【設計思考】:練習 Wireframe / Wireflow 製作,視覺化想法  撰寫簡易 PRD:說明做什麼與為什麼  學會製作 UAT(功能性測試 / 反向測試等)  建立會議紀錄與議題追蹤清單,強化任務邏輯與流程觀  📌 AI 工具應用:  ChatGPT / Claude:生成 User Story、用戶情境模擬  Uizard / Figma AI:快速建立原型畫面與 Wireframe  Notion AI:整理任務、產出會議紀錄與需求清單  📌 備選學習:  學習基礎專案管理(甘特圖、排程、進度跟催)  練習回報 bug 與測試報告,建立與工程團隊語言  閱讀《Inspired》、《Lean UX》理解產品角色的多重任務  [course_plugin title='產品經理入門課程' keyword='PM產品經理|入門致勝攻略:打造最強怪物新人的實戰課|104獨家線上課' amount=1] 🟡 第二階段:中階 PM 成長(6~18 個月)  ✅ 目標:獨立負責一個產品模組,深化市場洞察與優先排序邏輯,開始建立產品成果思維。  📌 學習內容:  【產品市場機會】:進行競品研究、定位圖、SWOT 分析  【使用者需求】:進階訪談技巧、使用者回饋整理、Cohort 分析  【提出解決方案】:撰寫完整 PRD、定義功能 MVP、排定開發優先順序(RICE、Kano)  【產品企劃框架】:建立產品 Roadmap,依驗證結果動態調整  專案協調與跨部門簡報報告  主持 Scrum、Sprint Review 等會議,培養團隊推進力  📌 AI 工具應用:  Miro AI:協助需求 Mapping、建立 Feature Map  Amplitude / Mixpanel + AI plugins:用於用戶行為與留存分析  Jira AI / Linear AI:協助排程與任務追蹤自動化  ChatGPT:產出會議簡報、功能拆解與優先順序建議  📌 備選學習:  與工程師深度對話 API 邏輯與限制(建立技術思維)  學習使用 A/B 測試平台與分析資料結果  與設計師協作,規劃 Usability Test 測試流程  [course_plugin title='資料分析相關課程' keyword='用AI+Google Sheet建立自動化工具,打造你的業績成長引擎|104獨家' amount=1] 🔴 第三階段:資深 PM 精進(18~36 個月)  ✅ 目標:制定產品策略與願景、帶領多模組團隊與跨部門合作,具備從數據到決策的整體能力。  📌 學習內容:  【產品企劃框架】:建立成果導向型 Roadmap,結合營運目標與客戶反饋  【有效提案法】:提案簡報、策略 Buy-in、利益關係人對齊溝通(尤其是非 PM 部門)  【提出解決方案】:設計產品 KPI(DAU、留存、LTV、NSM)  【產品驗證與迭代】:產品指標監控 → 分析迭代邏輯 → 反饋進 Roadmap  建立跨部門合作 SOP、主持策略規劃會議  設計產品願景,指導 Junior PM 並進行 Mentor / Review  📌 AI 工具應用:  Power BI / Looker Studio + GPT Plugin:產出決策儀表板、進行策略預測模擬  Notion AI:整理策略紀錄、文件管理、產品 Wiki 協作  ChatGPT / Claude:撰寫產品願景草案、跨部門溝通稿  Suno / Gamma AI:製作產品簡報、提案影片輔助  📌 備選學習:  學習產品組合管理(Product Portfolio)  熟悉商業模型設計與利潤預測(可使用 Business Model Canvas)  進階使用 AI 作為產品功能的一環(如設計 AI Prompt 功能、智能推薦引擎)  [course_plugin title='產品經理實戰課程' keyword='第7屆產品經理學習營' amount=2] 成為產品經理應具備的軟技能  產品經理的成功關鍵往往不在工具,而在於這些關鍵軟實力的「日常實踐力」:  溝通協調能力  與設計、工程、商業部門建立共識  化繁為簡、拆解問題並說服他人  優先排序與決策力  在時間與資源有限下做出取捨  擁有面對模糊需求時的清晰邏輯  系統性思考能力  看見整體產品架構與模組邏輯  能理解「做這件事對誰有價值?」  同理心與觀察力  從用戶視角出發洞察潛在問題  不被表層需求誤導  學習力與適應力  快速吸收新工具、新領域知識(如 AI、資料分析)  面對變動保持彈性與專業判斷  繼續閱讀 【產品經理 - 學習地圖(下):職涯精進篇】  [joblist_plugin title='更多104【產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=產品經理&mode=s&page=1' amount='3'] 延伸閱讀: PM「產品經理」和「專案經理」差在哪?盤點工作內容及PM技能樹 PM工作內容做什麼?產品企劃/產品經理薪資待遇、履歷面試總整理|精選工作機會 PM意思有不只3種可能!為何PM工作職缺只會愈來愈多?哪種PM最熱門? 轉職PM不撞牆!從0學會提案,產品經理學習營揭3大挑戰|商業思維學院
【104職場力】・職涯規劃

數據分析師工作內容是什麼?薪水高嗎?技術能力與職涯發展指南

在大數據與AI科技浪潮下,數據分析師需求大增。數據分析師在做什麼?需具備什麼條件?職涯發展性如何?本文將深入剖析。 文 /【104學習精靈】 本文目錄(點擊可快速前往) 什麼是數據分析師?需要哪些技能?數據分析師薪資行情如何?技能與行業別是落差關鍵數據分析師職涯發展:轉職工程師薪水加乘哪些產業需要數據分析師?數據分析師的挑戰 什麼是數據分析師?需要哪些技能? 數據分析師工作內容 數據分析師,又常被稱為資料分析師(Data Analyst),負責「將數據轉化成對企業有價值的資訊」。主要工作包括,運用工具挖掘數據價值;並透過可視化工具,將複雜數據轉化成易於理解的圖表與儀表版,幫助企業解決痛點、提升績效。 數據分析師技能與工具能力分析 基礎Python商務分析簡報提案核心網路爬蟲SQL資料視覺化R語言TableauPower BI認證GA4數據分析認證進階雲端應用VBA資料擷取職涯資料科學家資料工程師▲ 數據分析師應具備技能、工具能力、職涯指引表,點選不同技能會對應到相關課程。 1. 數據分析師基礎工具能力 數據分析師需要熟悉專業數據分析工具,以快速整理、分析數據,特別是在行銷與銷售領域。 Python語言能力:數據分析師常用的入門工具,用於數據分析、資料處理。 商務分析能力:透過Excel的函數與數據透視表功能,執行數據清理與分析。 簡報提案能力:數據分析師須具備數據報表呈現能力,搭配AI工具提升簡報能力 [course_plugin title='數據分析師入門課程推薦' keyword='數據分析師|入門實戰' amount=1] [course_plugin api_type='course_id' title='數據分析師學習營課程' id='a20d4275-3867-4738-9d32-ad850fb3bc1c'] 數據分析師基礎工具推薦課程 線上 Python 新手村|練就扎實基本功 5538人感興趣    了解課程> 線上 ChatGPT x Excel | 職場必學商務數據分析術 334710人感興趣 了解課程> 線上 AI簡報3項思考力,ChatGPT倍速提升商業競爭力! 目標思考、換位思考、邏輯思考 9212人感興趣     了解課程> 延伸推薦課程 👉 成為 AI 科學家|快速闖關 Python 語法世界,程式實作不頭痛👉 Python 基礎程式設計|開外掛勇闖 Python 異世界​👉 不寫程式的大數據分析師:數據分析之王-超強excel樞紐分析👉 無痛起步-Excel VBA超入門實戰​ 👉 用Excel也能玩轉統計分析​ 2. 數據分析師核心技能 多樣化的程式語言能力以及更進階的視覺化報表工具使用,幫助數據分析師處理大量且高效的運算與工作。 R語言:適合統計分析與資料視覺化,適用於深度數據分析。 SQL:可幫助數據分析師用於資料庫查詢與數據處理,能處理大規模結構化數據。 Tableau:用於建立互動式儀表板與高階數據可視化。 Power BI:能與多種數據來源整合,適合商業報告製作。 3. 數據分析師證照 GA4(Google Analytics 4)認證:熟練GA4分析用戶行為,評估網站效能。 數據分析師核心工具推薦課程 線上 R語言/R-Studio入門─統計分析、資料探勘與機器學習的原理與實戰演練 4057人感興趣   了解課程> 線上 快速活用 MySQL,精準設計關聯式資料庫 15855人感興趣 了解課程> 線上 從Excel到Power BI數據視覺化 56517人感興趣 了解課程> 線上 Tableau數據視覺化分析快速上手 10264人感興趣 了解課程> 延伸推薦課程👉 成為 AI 科學家|資料分析師必備視覺化技能 Power BI​👉 Power BI Desktop --從基礎到資料視覺化實戰​👉 Power BI 零基礎實戰 | 培養商務數據分析力​👉 輕鬆上手Tableau商用智慧互動儀表板​👉 Google Analytics 4 數據分析師 國際認證保證班 4. 數據分析師進階升級技能 透過可視化工具將複雜的分析結果轉化為易於理解的圖表與儀表板。 網路爬蟲工具:常用於資料量龐大、多元來源的數據,透過程式語言工具進行資料挖掘與蒐集。 VBA自動化工具:Excel的高階巨集工具技能,透過程式語言設定,可幫助數據自動化高效產出。 雲端應用進階能力:當企業規模龐大,數據分析師需處理大量且複雜的資料分析,需具備機器學習與雲端技術技能,協助資料工程師與業務部門進行更準確、高效的數據預測。 數據分析師進階能力推薦課程 線上 Python 網路爬蟲 | 數據分析的第一步就是要學會爬 6276人感興趣 了解課程> 線上 財會工作秒殺技! 活用VBA,開啟你的自動化工作術! 39226人感興趣  了解課程> 線上 Oracle APEX 入門實戰! 5634人感興趣   了解課程> 延伸推薦課程​👉 成為 AI 科學家|網路爬蟲大師教你快速完成資料擷取​ 搭配5大特質(軟技能) :錄取數據分析師更容易 數據思維能力:數據分析師不僅需要處理數據,更需要具備挖掘數據背後的好奇心與敏銳度,擅長從複雜的數據中找到模式和影響變因,進而提煉出有價值的洞察。 溝通與表達能力:數據分析師常需要將技術性的數據結果轉化為非技術人員能理解的洞察,並透過簡報、報告或儀表板進行清晰的表達。 解決問題能力:數據分析師的核心價值在於解決業務中的實際問題,需理解業務需求,將模糊的問題轉化為可操作的數據分析方案,並以數據為基礎提供可行的解決建議。 自學與精進技術的能力:數據分析領域的技術更新快速,掌握自學能力是持續保持競爭力的關鍵。無論是學習新的數據工具(如雲端平台、機器學習技術),還是掌握行業最新趨勢,持續進修都至關重要。 數據安全與保護隱私的能力:數據隱私和安全問題越來越受到重視,數據分析師需確保數據的合法性與安全性,避免違反相關法規(如GDPR、CCPA),並提升對敏感數據處理的規範性。 數據分析師薪資行情如何?技能與行業別是落差關鍵 數據分析師做為數據推升關鍵角色,薪資水準因地區、行業、技能和經驗的不同而有所差,以3年以下工作經驗的平均月薪來說,行情不輸半導體工程師,加上技能門檻高,升遷與轉職機會多。 1. 台灣數據分析師薪資範圍 初階(3年以下經驗):月均薪約5.5萬。 中階(3-5年經驗):月均薪約 6.1萬。 高階(5-10年經驗):月均薪約7.1萬。(以上資料來源:104薪資情報) 2. 影響數據分析師薪資的因素 技能組合:具備機器學習、大數據工具(如Spark、Hadoop)或雲端技術(如AWS、Google Cloud)等加分技能的數據分析師,薪資水準更高。 行業差異:科技、金融、醫療等數據密集型行業的薪資相對更高。 數據分析師職涯發展:轉職工程師薪水加乘 數據分析師擁有寬廣的職涯發展空間,以下是數據分析師常見的職業成長路徑: 1. 資料科學家 如果說數據分析師是透過分析蒐集現有的數據提供解決方案;資料科學家更偏向透過處理大量且複雜數據庫提供預測性分析。 技能需求:更深度的專業技能,如進階的程式語言技能、機器學習技術和大數據工具。 課程推薦:AI資料科學家全方位學程班 2. 資料工程師 資料工程師工作著重在與數據資料庫相關程式設計與技術研發方面,包括數據建模的程式語言、AI及機器學習相關技術、大數據雲端架構技術層面,資料工程師都需要涉獵。 技能需求:數據技術導向的維護與開發,需要更高階的數據應用工具技術,如使用 ETL 工具、大數據框架、SQL等。 學習指南:資料工程師學習地圖 課程推薦:資料工程師養成班 3. 軟體工程師 部分企業因組織規模關係,會將資料工程師工作內容劃分進軟體工程師的職責中,與跟資料工程師相同,軟體工程師需要具備程式設計與系統設計能力。 技能需求:設計高階數據模型,帶領數據分析團隊,參與業務策略規劃。 學習指南:前端工程師學習地圖、後端工程師學習地圖 哪些產業需要數據分析師? 數據分析師的需求已滲透至各行各業,其中以下幾個產業需求最為旺盛: 1. 科技與軟體業(AI數據分析師) 分析用戶行為,提升產品體驗;開發推薦系統等。 2. 電商與零售業(商業數據分析師) 優化促銷活動,分析購物行為,提升轉化率。 3. 金融與保險業(金融數據分析師) 信用評分模型、風險預測,優化投資策略。 4. 醫療健康產業(醫療數據分析師) 個性化治療方案,疾病趨勢預測。 5. 半導體製造業(數據分析師) 製程數據分析,設備異常檢測。 6. 行銷與廣告業(行銷數據分析師) 廣告效果分析,用戶分群,A/B測試。 數據分析師的挑戰 首先,技術的快速發展給數據分析師帶來了學習壓力。隨著人工智慧、大數據處理工具和雲端技術的日新月異,數據分析師必須不斷更新自己的技能,掌握最新的工具與技術,如Hadoop、Spark或機器學習模型。這種技術上的「追趕」需要投入大量時間和精力,特別是在同時承擔日常工作的情況下,如何平衡學習與工作的時間分配,成為許多分析師面臨的困境。 在業務層面,數據分析師常常需要與非技術背景的同事或主管合作,這也成為一項重要的挑戰。數據分析結果通常具有高度的技術性,如何將這些複雜的分析內容用簡單、直觀的方式呈現,並與業務需求對接,是數據分析師的重要責任。當分析結論無法與業務目標完全契合時,還需要通過溝通和協調來尋求共同解決方案,這對分析師的溝通能力提出了很高的要求。 [course_plugin api_type='course_id' title='數據分析師學習營課程' id='a20d4275-3867-4738-9d32-ad850fb3bc1c'] 延伸閱讀: 產品經理 - 學習地圖(上):技能養成篇 成為雲端工程師的攻略指南:核心技能&職涯精進完整解析 如何成為後端工程師?精準掌握必備核心技能&職涯精進攻略 轉職前端工程師│工作內容、技能、薪水與職涯發展指南 想當資料工程師?工作內容、核心技能、薪水、職涯發展完整解析 [joblist_plugin title='更多104【數據分析師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&page=1&jobsource=joblist_search&indcat=1001001000,1001000000&ro=1&keyword=%E6%95%B8%E6%93%9A%E5%88%86%E6%9E%90%E5%B8%AB' amount='3']
【104職場力】・數據分析

產品經理 - 學習地圖(下):職涯精進篇 

產品經理是一個融合創新、邏輯與溝通的角色。隨著數位化加速,產品思維逐漸成為組織決策的核心。從技術團隊、設計部門到商業營運,產品經理肩負整合多方資源、定義方向並推動產品落地的關鍵任務。  本篇產品經理學習地圖(下) :職涯精進篇,將協助學習者認識『轉職產品經理的學習策略』、『產品經理薪資行情與職涯發展 』、『產品經理的挑戰與機會 』相關職業發展重點趨勢,協助轉職者掌握先機,開啟自己嚮往的產品經理職涯! 前往閱讀 【產品經理 - 學習地圖(上):技能養成篇 】  文 /【104學習精靈】 本文目錄(點擊可快速前往) 轉職產品經理的學習策略 初學者或轉職者的學習策略的四步驟學習策略 不同背景的轉職策略 產品經理薪資行情與職涯發展 產品經理薪資概況 產品經理職涯發展路徑總覽 職涯發展路徑圖哪些產業需要產品經理 產品經理的挑戰與機會產品經理的挑戰:責任高壓 × 協作複雜 × 影響難以量化產品經理的機會:橫跨多領域 × 成為整合與策略型人才 轉職產品經理的學習策略  初學者或轉職者的學習策略的四步驟學習策略  🔍 步驟一:建立觀念框架  目標是建立「什麼是產品經理」的核心理解,避免誤解 PM 僅是寫文件或開會的角色。  閱讀經典書籍:  《Inspired》(Marty Cagan)  《Lean Startup》(Eric Ries)  《Hooked》、《The Mom Test》等使用者與產品研究相關書籍  觀察與分析:  訂閱科技與產品類專欄(如《PM 的日常》、《Mr. PM》)  比較 PM 在不同產業中的角色差異(SaaS vs. FinTech vs. 教育科技)  🛠️ 步驟二:進行模擬實作  產品能力是做出來的,非讀出來的。從小型個人專案開始動手做:  撰寫 PRD(產品需求文件):說明產品目標、功能架構、使用者角色等  建立簡單原型:可使用 Figma、Uizard 或 Whimsical 畫出 Wireframe  練習模擬專案情境(例如:設計一款改善會議效率的工具)  🧰 步驟三:建立個人作品集  PM 沒有程式碼作品,作品即為「邏輯、觀察與提案」。Side Project 是最佳切入點。  自行發想一個產品點子,並完成以下交付成果:  用戶訪談紀錄、問題定義  MVP 功能列表與排序依據(Kano、RICE 等)  原型畫面(Figma)與簡報提案(Canva、Gamma)  將成果整理成:  部落格分享文章(Medium、方格子)  Notion 公開頁面或作品集 PDF  📊 步驟四:進行能力映照與導師輔助  轉職需要策略,了解自己的強項與補足點是核心。  自我分析:  是否擅長邏輯分析?是否習慣說故事與組織資料?  對技術的接受度如何?對用戶研究是否有熱情?  對照能力地圖與三階段學習模型(初階 → 中階 → 資深)  尋找導師或實務導向社群(Product School、Dcard「PM 求職」板、社群黑客松)  【成功轉職PM經驗分享: 從0學會提案,產品經理學習營揭3大挑戰 】  不同背景的轉職策略  產品經理是一個高度跨域的職位,各種專業領域的人才都能從自身優勢出發,補足關鍵能力差距,有策略地進入 PM 領域。以下列出常見背景與對應建議:  💼 背景類型 🔍 關鍵補強能力 🧭 學習策略與實作方向 工程師 / 技術人員 商業價值理解、需求轉化、使用者觀點 - 學習撰寫 PRD 並用簡單語言說明技術實作邏輯- 練習 MVP 與產品優先排序技巧(RICE、Kano)- 建立從技術到商業的提案範例 UI/UX 設計師 技術協作語言、商業邏輯、敏捷開發流程 - 學習產品開發節奏(Scrum、Sprint Planning)- 練習從用戶痛點導出產品需求- 撰寫可執行的功能清單與需求說明(非設計角度) 行銷 / 業務 / BD 用戶建模、技術合作、需求邏輯結構 - 練習撰寫 User Story、畫使用者旅程圖- 學習產品分析指標(轉換率、留存)- 製作從行銷洞察到產品設計的策略案例 專案管理 / 專案 PM 使用者思維、功能設計、產品價值評估 - 補足從需求到功能邏輯的建構訓練- 練習將項目管理轉化為產品開發週期 - 提升產品策略思維(如何達成產品願景、商業目標) 資料分析師 / 數據人員 使用者訪談、產品場景理解、功能直覺 - 將分析結果轉換成產品洞察與建議(例:為何 DAU 下降?)- 練習功能排序與使用者分群設計- 製作一份以數據為主導的功能驗證提案 教育 / 顧問背景者 技術導向邏輯、產品結構化設計 - 將課程規劃轉為產品功能流程(例:學習路徑=用戶旅程)- 建立數位化教學或平台設計專案作為產品作品集 記者 / 編輯 / 媒體人 邏輯結構、功能規劃、需求導入 - 將內容流程圖轉換為資訊架構(IA)- 練習功能導覽邏輯與用戶操作行為設計- 撰寫產品規格內容並搭配原型製作 創業者 / 自營接案者 系統化流程、團隊協作語言、規模化需求設計 - 重構既有專案成為產品流程(從接案 → 開發 → 優化)- 學習定義「核心功能」與「增強功能」- 撰寫投資簡報與產品發展路線圖  [course_plugin title='轉職產品經理經驗分享' keyword='如何成為厲害的產品經理' amount=2] 產品經理薪資行情與職涯發展  產品經理薪資概況  🎯台灣產品經理薪資  初階(3年以下經驗):月均薪約5.8萬。  中階(3- 5年經驗):月均薪約 6.1萬。  高階(5-10年經驗):月均薪約6.5萬以上。(以上資料來源:104薪資情報)  🎯薪資影響因素  產業別:FinTech、SaaS、AI、新創科技類產品,整體薪資水準高於平均  公司規模與資本:外商、大型科技平台或募資成功的新創通常提供更高總薪酬(含分紅、股票)  技術能力:具備資料分析、SQL、AI 工具應用或技術 PM 能力者,具明顯加分空間  跨部門經驗與語言能力:能帶領國際團隊或雙語溝通,具備海外市場經驗者,職位晉升與薪資天花板更高  績效可量化與作品影響力:曾成功主導產品從 0 到 1 上線、或具實際商業成效者,極具市場競爭力  產品經理職涯發展路徑總覽  🎯一般產品經理職涯階梯  階段 角色職稱 工作內容重點 初階(0–2年) Associate PM、PM 功能需求管理、協助執行開發與測試 中階(2–5年) Senior PM、產品 Owner 獨立負責模組、帶專案、做跨部門溝通 高階(5 年以上) Head of Product、Director 規劃策略、領導團隊、負責產品營收或發展方向  🎯產品經理的延伸發展方向  ▶️ A. 管理職方向 → 領導產品團隊與策略擬定  產品主管(Head of Product)  產品副總 / 首席產品官(VP of Product / CPO)  📌 適合具備團隊領導、策略思維、資源整合能力者📈 負責產品線營運績效、公司級產品策略與團隊管理  ▶️ B. 專業產品分支 → 深化專業能力與技術協作  成長產品經理(Growth PM):優化轉換率、黏著度  資料產品經理(Data PM):數據驅動決策、儀表板設計  平台產品經理(Platform PM):處理底層架構、平台服務協調  AI 產品經理(AI PM):導入 AI 模型、設計 prompt、資料運用  📌 適合具備技術基礎、數據敏感度或 AI 工具應用者📈 強調深度專精與跨部門技術協作  ▶️ C. 轉向技術 / 解決方案型職位  技術產品經理(Technical PM)→ 精通系統邏輯、API、工程流程協作  Solution PM / 客製產品經理→ 尤其常見於 B2B 領域,轉譯商業需求為技術落地方案  資料分析 / 機器學習協作產品職(Data Analyst / ML Collaborator)→ 與資料科學家共構分析產品,打造資料決策體系  📌 適合對技術工具敏感、與工程或數據團隊合作密切者  職涯發展路徑圖 產品助理 PM / 初階產品經理 │ ▼ 產品經理(Product Manager) │ ▼ 資深產品經理(Senior PM) │ ├── A. 領導團隊 → Head of Product / VP of Product / CPO │ ├── B. 深化專業能力 → │ ├── 成長 PM(Growth PM) │ ├── 資料 PM(Data PM) │ ├── 平台 PM(Platform PM) │ └── AI PM(AI Product Manager) │ └── C. 技術轉向 / 客製型產品 → ├── 技術產品經理(Technical PM) ├── 客製方案 PM(Solution PM) └── 資料協作職(Data / ML Collaborator)   哪些產業需要產品經理  幾乎所有以產品為核心的行業都需要產品經理。以下列出熱門產業與其 PM 特性:  科技平台 / SaaS : 快速上線、快速迭代  PM 需懂敏捷與成長指標  電商與新零售  用戶轉換、後台流程、金物流整合  重視跨部門協作與商業營運理解  FinTech 金融科技  必須結合法遵、用戶安全與服務介面  PM 需與法務、風控、技術密切協作  EdTech 教育科技  著重用戶黏著與內容轉化效果  常需思考平台設計與學習路徑設計  IoT 與硬體整合  PM 扮演橋梁角色,連結硬體端與 App、後台資料串接  遊戲與娛樂產業  以玩家體驗、虛擬經濟與成癮機制為優先考量  產品經理的挑戰與機會   產品經理的挑戰:責任高壓 × 協作複雜 × 影響難以量化 責任重大但權限不清 雖需對產品成效、上線時程負責,但實際並不管理設計師、工程師等資源。 📍 情境:設計端與工程端無意願更改開發排程,PM 需透過影響力而非權力協調進度。 利害關係人眾多,溝通成本極高 市場、業務、客服、用戶、技術等部門需求往往衝突,PM 是資訊總管也是「夾心餅乾」。 📍 情境:行銷部門希望推出亮點功能吸引用戶,但開發團隊評估技術複雜度高,PM 需主導「先推 MVP、後期擴充」的雙贏方案。 KPI 難以單一指標衡量 🎯 與業務不同,產品績效常依賴間接成果(如提升用戶留存、降低客服成本),評價方式難以量化。 📍 情境:推出新功能後,用戶滿意度提升但營收未立即成長,PM 需解釋產品影響是「長期復利」而非即時回報。 需求變動快速,需持續對齊戰略方向 使用者行為、競品策略與高層決策常臨時變更,PM 要即時調整計劃、重排優先順序。 📍 情境:原定第二季上線的新模組,因競品提早推出類似方案,PM 臨時調整優先順序並帶團隊加速交付。 資訊不對稱與期望管理 PM 需將技術語言與商業語言轉譯給不同部門聽懂,並同步設定合理期待。 📍 情境:業務部門以為功能改動「只是改兩行 code」,PM 需以邏輯說服其理解影響範圍與開發代價。 產品經理的機會:橫跨多領域 × 成為整合與策略型人才 深度參與產品創新與策略制定 PM 是少數能從用戶需求出發,參與產品架構、商業模式與推廣策略制定的角色。 📍 情境:PM 參與設計新會員系統,從功能設計到價格方案與活動邏輯,全面串聯 UX 與營收思維。 跨界職能大平台,橫向能力持續擴張 PM 是 UX、工程、行銷、數據的整合者,能從中學習各部門運作邏輯。 📍 延伸可能: UX 能力強 → 可轉向 Product Designer / UX Lead 商業直覺強 → 可轉向 BD、Growth Hacker 擅長數據分析 → 可成為 Data PM 或轉職 Data Analyst 善用 AI 與數據工具,提升個人效率與競爭力 新時代 PM 善用工具(如 ChatGPT、Mixpanel、Figma AI),將重複性任務自動化,將更多精力投入產品決策。 📍 情境:使用 ChatGPT 快速產出功能草稿、用 Notion AI 紀錄會議摘要,大幅提升產出速度與溝通效率。 職涯發展路徑彈性高,向上與橫向皆可擴展 根據個人強項與興趣,可發展為: ⬆️ 高階管理職(Head of Product、VP、CPO) ⬅️ 專業分支(Growth PM、AI PM、Platform PM) ➡️ 創業者、顧問、創新策略師 培養「影響力而非權力」的領導型人才 優秀 PM 不靠職權,而是靠願景整合與團隊信任來推進決策,這正是高階管理人才最需要的核心能力。 [course_plugin title='產品經理實戰課程' keyword='第7屆產品經理學習營' amount=2] 前往閱讀 【產品經理 - 學習地圖(上):技能養成篇 】  [joblist_plugin title='更多104【產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=產品經理&mode=s&page=1' amount='3'] 延伸閱讀: PM「產品經理」和「專案經理」差在哪?盤點工作內容及PM技能樹 PM工作內容做什麼?產品企劃/產品經理薪資待遇、履歷面試總整理 PM意思有不只3種可能!為何PM工作職缺只會愈來愈多?哪種PM最熱門? 轉職PM不撞牆!從0學會提案,產品經理學習營揭3大挑戰|商業思維學院
【104職場力】・職涯規劃

PM「產品經理」和「專案經理」差在哪?盤點工作內容及PM技能樹

產品經理和專案經理都稱作PM,然而其中的差異你分得清楚嗎?其實PM的職稱及負責業務範圍會依各家公司有所不同,甚至有些公司會認為兩者已經很難區分。作者認為,產品經理可以比喻為航海時代的船長,而專案經理就像是掌舵手,本文分享PM的工作內容、技能樹,以及PM工作中最重要的事! 本文目錄(點選連結可快速跳至該章節閱讀) 專案經理的工作內容 產品經理的工作內容 產品經理技能樹 市場與策略:發展產品如何少走冤枉路? 數據與技術:產品經理要了解技術?需要會寫程式嗎? 溝通與互動:PM溝通要領,尤重心態與互動方式 面對問題的思考力 在業界,產品經理(Product Manager,PDM)還是專案經理(Project Manager,PJM)都常被簡稱為「PM」,而 PM 的職稱及實際負責的業務範圍,會依照各家公司的文化與制度而有所不同;甚至有些公司或前輩會認為產品經理及專案經理在做的事情已經很難區分了,因此這篇內容是分享我所理解的差異。身邊的朋友都了解,我自己就是專案管理出身,就學時期從來不曾擔任幹部的角色,卻在出社會後,都剛好接觸到跟行政管理、專案管理相關的職務,從最早期的房仲店務、室內設計專案,到現在的軟體專案或產品開發。 依照個人經驗,專案經理平常在做的管理不外乎是「利害關係人管理」、「資源管理」、「項目管理」及「風險管理」。 專案經理的工作內容包括: 完成產品經理與公司所交代的任務。 整合資源、分解工作、有效執行資源配置。 協助開發團隊完成產品經理/客戶所定義的目標。 將產品如期如值交付給產品經理/客戶。 目標導向,重視專案進展與專案截止日與流程設計。 進行有效的風險管理,隨時處理突發情況。 需要大量溝通,對資源與品質負責。 而產品經理呢?產品經理的工作內容需要: 使產品發展符合公司的願景與商業目標。 以宏觀角度制定產品的願景、策略、價值與定位。 維度更多元,重視市場面、營銷面、產品設計與顧客體驗。 重視跨部門整合,負責產品成敗。 人們常說:「產品經理就像是產品的 CEO,關注做對的事;專案經理則像產品的保母,關注把事情做對」。我後來喜歡把產品經理比喻為航海時代的船長,他要帶產品這條船往對的方向前進,而專案經理就像是掌舵手,依照船長的指示,讓船能安穩且有效的航向目標。 產品經理技能樹 以下引用我之前在女性科技社群Tape Women n Tech(TWIT)的產品經理轉職工作坊,為了幫助新手PM 能依照自身興趣及特質選擇適合的職涯發展,特地整理出一份產品經理技能樹。 市場與策略:發展產品如何少走冤枉路? 身為產品經理,最擔心與市場脫節或開發出沒人使用的產品。包括目標族群、產業分析、競品分析、市場定位等,都是發展產品的關鍵。 個人很喜歡舉一個例子,關注市場之所以重要,是因為不能當外面世界的車子都會飛了,自己還很開心做出一個可以滾動的非電動式滑板車(懷舊除外)。還有一種是台灣經濟環境的文化,大家很容易看到別人做什麼有賺錢,就一窩蜂跟著做,最後變成削價競爭。 這不是說別人有做了,我們就不能做,而是說像以前國小第一堂課教的是「雅量」,我覺得做產品的第二堂課就要談「差異化」。看到需求,當然可以做,但產品差異化在哪裡?我們能做得比市場現有的解決方案來得好嗎?我們看到的問題是真的別人沒看到、還是因為我們沒想到的元素,是時機還沒成熟、還是這不是使用者真正在乎的事情或痛點,而導致當下沒人買單,使得表象需求無法轉成商業機會?如果資源沒人家多,又該如何劍走偏鋒,創造自己的護城河與競爭優勢呢? 觀察市場,了解競品的動態以及其他成功公司或經營者跟我們不同的觀點在哪裡,成功也許無法複製,失敗可能也很多,但這些多少可以幫助我們少走冤枉路或激盪不同的靈感。 尤其身為產品 CEO 的產品經理, 要有能力以「由上而下」(Top-Down)的方式綜觀公司及產品之間的願景與目標,再拆解對應策略與方法。也要能「由下而上」(Bottom-Up)的接受來自第一線使用者與客服的心聲,從中取得資源與資訊的拿捏與平衡,再精準投入資源並持續優化產品,以發展有綜效的產品策略與成效表現。 數據與技術:產品經理要了解技術?需要會寫程式嗎? 坊間有很多討論,產品經理要了解技術?我們認為是的。當產品經理對技術不夠了解,可能會太過天馬行空或影響團隊作業的效率,不過當產品經理太了解技術的極限,也可能會限縮思考或想像。因此,需要在持續掌握市場、敏銳的觀察的前提下,來了解技術,才能找到之間的平衡點。 軟體業PM 需要會寫程式嗎?我認為是不需要的,但是至少要知道什麼是API、資料怎麼跑、遇到事情可以安排誰來處理。當PM 有基本的技術認知,能在工作上帶來二大優勢: 與工程師精準溝通,知道程式的極限在哪。 幫助推理與思考,理解事物背後的本質。 溝通與互動:PM溝通要領,尤重心態與互動方式 身為PM,每天花最多的時間就是「溝通」。溝通是一個將資訊解碼、編譯再重新傳遞的過程。 平常總是透過不同介面,與各種利害關係人溝通。不論是對內與上層主管或開發團隊進行、還是對外向客戶或供應商。掌握溝通要領,才能提升工作效率,並推動專案與團隊前進。溝通有心態、方法、工具、情境及互動方式之分。有效的溝通,尤其重視心態與互動方式。 總結上述,我漸漸發現身為PM、甚至不限於PM,每個人都要建立一套有效的問題處理的系統與方法,才能快速應對這個世界的變化。 面對問題的思考力 產品經理是一個時常解決問題的角色,與客戶、工程師溝通。需要以庖丁解牛的精神看到問題的本質、探究事物的規律。 發現問題分析問題解決問題事後檢討優化流程辨識本質(核心問題)如何解決知識同步定義結構、類型判斷痛點何時解決本次做對什麼找出關聯比較(合理性)需求由誰解決本次忽略什麼追蹤語持續優化面對問題的5X3思維矩陣 這當中第一個步驟最為重要,即是「辨識問題」,然而很多問題不是沒發生,是並未被有效辨識出來,可觀察幾個訊號來判別問題: 是否合理:這件事情發生的原因合理嗎? 有多少影響:這件事情的發生,對組織或客戶分別有什麼影響? 比較與回顧:其他的案子有遇過類似的問題嗎? 結構化:類似的事情是否重複發生? 直覺:從經驗累積而來。 如前面討論,遇到問題最重要的是先「辨識」問題,先意識到問題的存在。例如:當我有意識自己在某方面的能力不足時,就會「分析」是什麼原因導致,並持續探索如何「解決」(包括進修與學習)、再進行後續的「檢討」與「驗證」,確認自己是否有學起來,並持續修正。 但如果過去我沒有意識到自己的不足、需要進步,而是有謎之自信覺得自己很厲害,因此沒有持續學習等,那麼我也不會是現在的自己,不敢說多厲害,但都還能應付好,並持續保持學習心態。 對於不要看「表象」,而是要去探索、辨識事物的「本質(包括真實的需求、沒說的話)」這件事,個人有一個印象蠻深刻的經驗,年輕時某次與友人吵架的過程中,看著貌似在咆哮的對方,實則內心很傷心,於是當下我選擇去與傷心的對方對話,而不是看似在生氣的他對話,我發現這樣可以更快去讓對方感受到自己被接納、重視,並能好好談,這件事帶給我很深的體會。 對了,我在分享經歷時,除了會提到策略或方法面,也會帶一些日常生活的案例與領悟。因為過去的經驗告訴我,在關注商業模式之前,要先關心使用者的痛點與體驗;而所謂的體驗,並不只是存在網上的應用程式之中,也存在於線下的真實世界,要先好好的體會、察覺自己的人生與生活才行。 節錄自:博碩文化《翻轉職涯!轉職PM的必備工作力×與工程師的協作心法/Rafeni(李星玟) 著 》 [joblist_plugin title='更多【產品經理PM】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=產品經理+PM' amount='3'] [joblist_plugin title='更多【專案經理PM】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=專案經理+PM' amount='3'] [course_plugin title='產品經理學習營|學習推薦' keyword='產品經理學習營' amount=2] 推薦閱讀: 新手 PM,你是否落入專案管理迷思?5大檢測帶你優化「專案章程」 PM是最靠近CEO的職位?看這些執行長就知道!前臉書產品經理「矽谷阿雅」帶你實戰分析 老是惹怒工程師?PM與工程師協作的12個眉角
【104職場力】・專案經理

「數據/資料工程師」12個必備技能、推薦職缺、證照進修

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>
【104職場力】・軟體工程

跳脫「解雇」陰影:善用PIP績效改善達成員工與組織共同成長

績效改善計劃(Performance Improvement Plan, PIP)日益受到重視,成為企業留才及促進員工成長的重要工具。然而,如何在人情世故與企業需求間取得平衡,是每位主管面臨的挑戰。本文深入探討PIP制度的應用技巧,強調「助人成長」的核心理念。通過良好的溝通面談,如正向肯定、關懷輔導和發展面談等技術方法,我們可以幫助員工克服問題並提升績效,同時提升組織與員工之間雙贏共好的效果,使PIP成為努力改變而非淘汰的一項重要策略工具。  文/宸碩管顧公司總經理|楊伸太博士這段文字是作者和他的身份。 原標題:績效管理與技能提升計劃(PIP)- 談如何做到顧及人情世故的PIP制度 關鍵字 PIP 員工績效輔導 績效管理 績效分析 績效面談 關懷面談 輔導面談 發展面談 本文目錄(點擊可快速前往) 前言:PIP,成為留才與助人成長利器 人才定義與PIP 績效管理循環與績效輔導回饋流程 啟動面談,做好部屬關懷與傾聽,談談『正向肯定面談』與『關懷輔導面談技巧』 啟動面談,做好部屬績效面談,談『績效輔導面談技巧』 啟動面談,做好人才發展面談,談『發展輔導面談技巧』  總結  一、前言:PIP,成為留才與助人成長利器 在現今大缺工時代下,人才辨識與人才管理、留才機制與效能,,變成為企業人資與部門主管非常重要的議題,其效能展現的核心成功關鍵就是「績效管理機制與PIP技能」了! 績效管理的三大目的是:與組織目標連結、與激勵機制(升遷與獎金)連動、助人成長(發展、訓練、輔導),而主管如果透過良好的PIP(Performance Improvement Plan)技能,肯定能在「助人成長」的領域中,讓所屬團隊同仁獲得正相關的改變與提升,進而為組織與同仁創造雙贏共好的成果! 又或者處理績效不佳的同仁員工,常常是主管心中「極度不想面對的痛點」,一方面擔心影響團隊績效與氣氛,另一方面又怕傷害員工自尊、甚至引發勞資糾紛的風險等,都是值得主管現今持續提升「運用PIP轉化為留才與助人成長或合法合情合理處理技能」的迫切重要課題! 二、人才定義與PIP 許多主管在面對績效不佳員工時,常有以下疑慮:(1.) 這個人是「能力不足」還是「意願下降」?(2.) 是「態度問題」還是「能力不足」?(3.) 值得積極培養,還是維持現狀?考慮替換?(4.) 上述這些疑慮,其實在定義前,都要先回到公司的「人才標準」,才是最客觀正確的。  一個完整的人才定義,至少要包含四個構面:(1.) 績效表現:能否達成「職位說明書」中所對應的「任務」與「工作績效目標」。(2.) 態度與意願:是否符合企業文化與團隊合作精神、以及本身對工作的意願。 (3.) 現職能力:是否具備滿足該職位所需的能力,包括個人特質與專業能 (4.) 發展潛力:是否具備「下一個職涯位置」的潛力。 再次提醒:在談 PIP 前,必須先釐清「人才」的定義,當員工在績效上出現落差時,主管與 HR 應評估的不只是「數字結果」,而是要回到「這個人是否仍符合公司的人才標準」,哪裡不符合?所對應的管理措施為何? 104人資市集 — 內訓、外訓、線上課程企業方案一站幫你搞定 > 三、績效管理循環與績效輔導回饋流程 績效管理循環的架構,整理如下圖(詳細可參考:卓越主管的關鍵四大管理) 2. 績效管理的目的(1.) 策略性:A. 協助並達成企業所追求之長短期目標B. 確實達成組織目標(轉化公司目標為個人目標)(2.) 管理性的:A. 晉升、輪調、調薪、獎懲、訓練 (3.) 發展性的:A. 改善員工績效、發展員工潛能B. 工作改善與進步C. 協助員工成長與發展 3. 績效管理循環的關鍵成功因素(1.) 績效目標連動組織目標:要能承接組織策略的目標,也就是要能將組織目標有效串接起來!(2.) 指標符合SMART原則:如下圖 Simply & Specific  簡單、明確具體的要清楚說明,而不是一個概略性的Measurable   可衡量的必須用量化的指標來訂定Achievable  可達成的具挑戰性且實際可完成的Relevant  有關連的必須與工作表現的重點相關Timely  有時間限制的在限定的時間內完成 (3.) 過程管理與追蹤、面談:過程中,進行即時的績效評估與相關面談,持續正向回饋與指導,幫助達標並與其,與員工討論本期結果與可精進方向。A. 特別提醒,在這個循環中,績效的追蹤、必要輔導與回饋的「及時性」相當關鍵,否則 PIP 只會變成一種「突如其來的挫折」!B. 因此,主管應在員工出現異常跡象時,就要及時啟動介入,也就是可以:- 透過日常回饋,正向點出不足並提出改善建議。- 若落差持續發生,則啟動正式的 PIP 流程。C. 過程中的面談,可區分以下幾種類型:- 正向肯定面談:主管發現員工有績優事件發生,想給該員工肯定與鼓勵時使用- 關懷輔導面談:主管發現有能力之員工,其工作意願突然下降或工作動力、積極度下降時,啟動即時的關懷,以利表達對員工的重視,並了解真正原因,方以協助恢復意願與動力!- 績效輔導面談:針對過程中或期末時,員工績效達成狀況不理想,或者行為態度欠佳者,推論是無意願或能力有問題時,啟動正式的績效輔導面談。- 發展輔導面談:針對績效考核後,辨識出的績優人才,進行主動式的人才發展面談。- 特別提醒,上述幾種面談類型,都要聚焦『核心目的』,同時也要及時啟動,才能獲得最佳效益! 四、啟動面談,做好部屬關懷與傾聽,談『正向肯定面談』與『關懷輔導面談技巧』 1. 肯定要及時,員工會有持續好表現:主管發現員工有績優事件發生,就可啟動正向肯定面談,同時全程一定都是正向肯定,沒有任何『提醒注意或需要改善或責備的語詞/事項』!(1.) 建議主管可多練習正向語言,同時可採用『STAR紀錄與表達法』,進行對員工深層的肯定A. Situation:情況,該正面事蹟當時的情況B. Task:任務,該正向事蹟當時員工所擔任的工作任務C. Action:行動,該正向事蹟當時員工展現的良好行為D. Result:結果,該正向事蹟當時員工展現行為後之結果 2. 主管發現有能力之員工,其工作意願突然下降或工作動力、積極度下降時,啟動即時的關懷,其操作重點如下:(1.) 關心:主管表達對該員工表現出工作表現的肯定後,針對所觀察的近況,真誠的關懷,引導其說明!(2.) 了解與分析:主管真誠傾聽與理解,同時針對導致意願下降的主因,給予分析與診斷!(3.) 必要的引導與正向鼓勵:主管在分析出主因後,找出方法,引導其重回積極動力,並多強正向鼓勵! 不知道從何開始嗎?報名【104 績效管理師】認證課程>> 五、啟動面談,做好部屬績效面談,談『績效輔導面談技巧』 績效輔導面談之步驟如下表(員工需要改善時) 面談步驟重點說明STEP1.主題說明說明本次面談的目的、所需時間及主要內容STEP 2.傾聽其說明本期工作目標完成情況對照部屬自評表,鼓勵部屬重點說明工作表現與成果積極傾聽與覆述重點STEP 3.針對考核結果進行回饋與必要的分析與溝通運用『三明治』技巧,說明與溝通考績結果說明部屬表現績優事項提供事實引導需要改善之處(表現不佳之處),可善用STAR說法偕同擬定改善的方法,並且鼓舞部屬積極實踐與達成STEP 4.設定下期目標討論與設定部屬下一期工作目標與計劃,以及應改善的工作項目,並找出部屬的培訓需求與計畫STEP 5.總結本次面談重點總結本次內容並給予正面積極的鼓勵  本績效面談,是面談類型中,最正式的面談,也最需要有面談紀錄,以利必要時(例如啟動資遣),因應勞動事件法之舉證用,補充關鍵技巧要點如下:(1.) 建立信任:強調 PIP 的目的不是要淘汰,而是協助改善,回歸「助人的初心」,將有助於員工卸下防備,願意面對問題。(2.)數據為基礎:避免流於主觀,必須以績效分析結果為依據;行為態度改善的部分,也善用上文提到的STAR說明與溝通。(3.) 真誠傾聽:必要的筆記、尊重的眼神與肢體語言,讓員工感受到主管真心願意傾聽。(4.) 同理、正向表達:過程中,都是正向語言,沒有負向語言,必要的時候也要展現同理心,例如「我理解你最近壓力很大」,減少對抗心。(5.) 問題探索:關心與詢問是否有影響工作的外在或內在因素(如家庭困難、心理壓力、技能不足)。 六、啟動面談,做好人才發展面談,談『發展輔導面談技巧』 對於績優人才,主管在現今留才大時代下,更應該著重主動引導與規劃出該類員工在組織內部的職涯發展方向,包括晉升路徑、跨職能發展或專業深耕等,讓這類人才在公司能因為看的到未來,而對組織產生更高之向心力與價值貢獻。 展開步驟(詳細可參閱:創辦人、主管退休誰來接班?給HR的關鍵人才梯隊建立指南,以及用個人發展計畫(IDP)留下好人才(上)訂定與執行6大步驟(1.) 職涯願景與目標設定(2.) 識別關鍵職涯路徑(3.) 制定階段性發展策略(4.) 資源支持之運用(5.) 定期檢視與調整 七、總結 在 PIP 中,第一步往往不是「談績效」,而是「談助人的初心」。 績效指標(成果)與職能(行為),是考核基本 考核能公平客觀合理,員工才會願意好表現 公平做出人才辨識與缺口分析,善用各類績效面談,真心誠意回饋與發展 主管的正向語言非常關鍵,請多練習與善用 平時記錄行為事例(優/待改善),及時回饋 善用人才九宮格,主管讓績優人才數增加 特別提醒,需要的時候,就要及時啟動,不要等到公司規定的績效面談時間! 正向用詞很重要,回歸助人成長的初衷! 最終,作者期許本文,能讓各HR 與主管們,針對績效管理與PIP方面,有所助益,成為留才、助人成長的助力,而不是單純的淘汰工具,也不再是「痛苦的代名詞」,而是一種讓組織與個人共同進步的正向力量。 超過7000+的HR都報名過的104人資學程!七大主題課程幫你系統化學習 >>   最划算的全方位教育訓練方案!免費申請全課程試閱 >> 看更多楊伸太博士的文章 >> 做出老闆滿意,員工服氣的雙贏調薪規劃 一次學會主管最重要的三大面談,做好人才管理 卓越主管的關鍵四大管理 缺工浪潮下,善用升遷、培訓及獎金機制積極留才 提升留任率!職能工作說明書擬定技巧  加入104人資市集官方line獲得最新優惠及活動資訊 >> 訂閱市集電子報與你分享專家文章及最新活動訊息>>
【104職場力】・績效管理

「HR人資數據分析」從步驟、使用工具到10種分析面向一次懂

文:先行智庫 原文標題:什麼是HR人資數據分析?要分析什麼?從步驟、使用工具到10種數據分析面向,本文一次告訴你! 隨著數據分析技術的成熟,以及入門門檻逐漸降低,各行各業逐漸在思考如何應用數據分析,為工作帶來全新的價值,或者是提高決策品質,甚至是創造新商業機會。身為人資夥伴,我們也可以思考手上擁有的數據,例如:出缺勤數據、績效考核數據、調薪紀錄、職務異動紀錄、員工投入度、訓練課程滿意度調查、加班紀錄等,可以如何分析?該設立哪些管理指標?能用何種圖表呈現?怎麼打造員工數據戰情室?要做到什麼樣的程度才可以?使用什麼樣的工具比較合適?在今天這篇文章,我都會幫大家詳細解答。 目錄 HR人資數據分析簡介1.1 人力資源近年發展趨勢1.2 HR人資數據分析是什麼?1.3 為什麼要做HR人資數據分析? 如何做HR人資數據分析?2.1 HR人資數據能分析什麼?2.2 有哪些數據可以做HR人資數據分析?2.3 該使用何種工具比較好?Excel還是Power BI?2.4 做HR人資數據分析的6個步驟 HR人資數據分析關鍵議題3.1 招募數據分析3.2 訓練數據分析3.3 員額數據分析3.4 離職數據分析3.5 績效數據分析3.6 證照數據分析3.7 差勤數據分析3.8 薪酬數據分析3.9 人格數據分析3.10 接班人數據分析 落實人資數據分析4.1 Power BI人資戰情儀表版4.2 實踐人資數據分析可能遭遇的難題 1. HR人資數據分析簡介 1.1  人力資源近年發展趨勢 近期人力資源發展趨勢,可以概分為三個階段。 第一階段,人資主要處理勞檢、出缺勤統計、勞健保與團保、調薪與晉升公告等庶務型工作。第二階段,人資開始成為企業的策略合作夥伴,例如:規劃具備競爭力的薪資福利、根據業務發展方向擬定訓練架構、制定能鼓勵員工的績效考核辦法、優化整體招募流程以提升企業形象。第三階段,人資走向數據驅動,例如:量化個渠道的招募招募成本、量化每個部門的缺口狀況與人力結構、從課後滿意度評分問卷找出辦課重點、善用人格測評分析結果將人才擺在適當位置。 這三個階段並不是互相取代 ,而是同時並進的。換句話說,HR不僅僅要具備運營能力,在大數據時代,也必須要有數據驅動決策的技能。人力資源在過往會被認為是以人為本的行政相關工作,但在科技進步的趨勢下,也開始要涉及數字化管理。 手把手帶你掌握E化 x 數據 x AI【數位人資管理師】 >> 1.2 HR人資數據分析是什麼? HR人資數據分析,就是運用數位工具,將與人力資源相關的數據進行分析,從中獲取洞察的過程。在這段過程,不論你是使用何種工具,如:Excel、Power BI、Tableau等都是可以的。當然也不限最終的呈現形式,如:PPT、Word、Excel、儀表板。只要HR的工作中有涉及到數字,這段過程廣義來說,就能算是HR人資數據分析了。 其實這並不是一件非常遙遠或很困難的事情,因為HR平常在做的報表或報告,基本上都會做到與數字相關的統計和分析,例如:培訓的滿意度、加班時數、敬業度調查、招募人數統計、職務異動統計等。只是在於這些統計和分析的結果,是否對於決策有正向助益。 1.3 為什麼要做HR人資數據分析? 做HR人資數據分析,最主要的目的是「做出更好的決策」,讓下決策不再憑經驗或憑感覺。例如:要去哪裡找到合適的人才?招募預算應該要如何更有效配置?招募團隊與招募工作應如何調整?我們可以透過分析「履歷收件的有效性」,做為決策的參考依據。 透過HR人資數據分析,能讓我們知道要前往的方向,與評估所需投入的資源與時間,避免將本就有限的資源,投入到代價高且多餘的項目,讓我們將精力更集中在能提升效率的工作。還能夠提高論點的說服力,也能更有底氣的協調跨部門支援。更重要的是,我們可以用數字,來衡量HR的績效表現,讓老闆可以更清楚的知道HR貢獻的價值。 2. 如何做HR人資數據分析? 2.1 HR人資數據能分析什麼? 我們可以從人資工作的流程,選、用、育、晉、留,這幾個面向先思考想解決的問題有哪些?想要知道的訊息有什麼?接著再進一步思考,要解決這些問題,需要分析哪些數據?或者是用什麼樣的數據做佐證。 例如:在招募的部份,我們就會想知道哪個招募管道效益最好?招聘預算該如何配置?在訓練的部份,老闆就會想知道辦訓練課程是否值得?如果值得,又該辦哪些的訓練對於實現業務增長是有正向助益? 2.2 有哪些數據可以做HR人資數據分析? 我們可以將數據先分成2大類,一類是HR相關的數據,另一類是非HR相關的數據。 HRIS系統、PMS系統、LMS系統、招募管理系統、證照管理系統等能倒出來的數據,都屬於HR相關的數據,例如:員工基本資料、加班時數統計、面試邀約紀錄、薪資實發清冊、獎金名冊、職務異動、晉升紀錄、敬業度調查、教育訓練滿意度調查、證照到期統計、績效分數明細表等。非HR相關的數據,像是財務數據、進出貨數據、庫存數據、不良品統計數據等。我們可以將HR數據與非HR數據做結合,這樣就能更清楚後端人力資源與前端工作的關聯性。 2.3 該使用何種工具比較好?Excel還是Power BI? 不論用什麼樣的工具,都可以用來做數據分析,沒有哪一種最好,只有哪一種最適合你,這兩種工具的使用情境是不太一樣的。如果你只是要做出一兩張圖表,而且還要將圖表貼到簡報上,Excel會比Power BI來的更容易操作。但如果你製圖的頻率很高,需要一次展示多張圖表,希望將多樣的人力資源數據都整合在一起,那Power BI會是比較適合的。簡言之,如果只是單點式的做分析,Excel就足以,如果需要做全面的整合,Power BI會是更好的選擇。 2.4 做HR人資數據分析的6個步驟 做人資數據分析有6個步驟,千萬別一下子掉入工具的選擇,我們必須依照這幾個步驟,一步一步踏穩,才能讓數據發揮它的價值。這6個步驟分別是:問題思考、資料彙整、資料清理、資料視覺化、數據洞察探索、展示報告與共享。 3. HR人資數據分析關鍵議題 你可以設計一套完整的、有系統的HR人資數據分析框架。你也可以針對招募、訓練、員額、離職、績效、證照、差勤、薪酬、人格、接班人等議題,單獨做數據分析。接下來我會針對常見的這幾個議題,做詳細介紹。 3.1 招募數據分析 大招募時代來臨,許多企業都面臨缺工與招募不到人才的問題。在招募工作中,你可以分析:要去哪裡找人?怎麼縮短人才招募時間?如何用最少成本,招募到最好的人? 要回答上述問題,我們可以從許多招募指標和數據中,找到合適的線索。還可以將這些指標建立成招募戰情儀表板,把所有的指標圖表攤在同一張儀表板上,用更宏觀的視野來看公司的招募狀況。透過客觀的數據分析,將能夠給我們足夠的決策參考情報。但如果你要做招募數據分析,就需要有招募相關的數據才行,例如:開缺報表、面試紀錄表、Offer Delivery的紀錄表。 有了情報之後,我們也可以從每一個招募工作環節,仔細檢視還能如何改善,藉由優化招募流程,解決招募工作面臨的問題,或者是採取一些創新的作法。 3.2 訓練數據分析 科技進步速度飛快,加上近期景氣低迷的因素,許多企業都意識到投資員工教育訓練的重要性。在教育訓練工作中,你可以分析:要辦什麼樣的訓練才能夠對應到公司業務發展所需?要花多少錢在教育訓練才合理?舉辦的教育訓練有沒有效? 教育訓練是一個相對比較難用數據衡量的議題,通常都只會想到分析課後回饋問卷。但如果心有餘力,也可以去蒐集前端部門有的數據,例如業務部門就有業績數據、生產線就會有不良品或停機相關的數據。接著就能夠將後端的HR數據,與前端的數據串聯做分析,以了解訓練課程的投資,對於工作成效是否有直接的助益。 3.3 員額數據分析 隨著組織不斷擴大,如何用有限的人力配置,發揮最大的價值,是做員額數據分析最重要的目的。在員額headcount的部份,你可以分析:公司員工人數和營業收入是否成正比?人力的組成結構是否健康?面對組織未來的策略發展,公司的人力配置要做哪些調整?預算數與實際員額數是否有明顯的差距? 3.4 離職數據分析 員工離職,我們除了做離職面談,其實還可以做數據分析。你可以分析:關鍵人才人才離職率、員工離職的原因統計、員工離職所產生的成本、造成員工離職的主要因素。而這些分析結果,你也可以用一些比較特殊的圖表,更精準傳遞你想訴說的訊息。 3.5 績效數據分析 人資部每年都會收到各部門主管針對部門員工做績效考核分數的數據,如果這些數據只是用來記錄就有點可惜了,我們可以將這些數字更進一步做分析,用來激發員工潛能、找出潛力人才。你可以分析:每位員工歷年來的績效趨勢、連續若干年績效表顯都很亮眼的員工、與員工績效有正相關的因素是什麼、績效與調薪之間的關係。 3.6 證照數據分析 各行業因為法規或業務發展的關係,需要考取證照。如金融業就會有壽險、證券、期貨等證照;科技製造業就會有化學品、堆高機、急救人員、工安、衛生管理等。資訊業可能就會有各原廠的認證考試。在證照的部份,你可以分析:即將到期的證照張數、證照張數的服務能量是否能滿足業務需求、每人已過期或到期的證照張數。 3.7 差勤數據分析 同仁的請假與加班狀況,會影響到員工的身心健康與工作成效。請假與加班的數據,一般都是用來通知當事人,或者是當事人的主管。但除了通知用途外,這些數據你還可以用來分析:各部門平均加班時數、哪些部門或哪些員工有異常加班的狀況、加班費的支出是否可以再降低、有哪些員工年底到了但特休使用率還未達80%。 3.8 薪酬數據分析 近期科技業大裁員的消息,讓我們意識到人事費用,對於企業而言是一筆不小的開支,需要審慎的發放與運用。該如何提高人事成本的韌性?在景氣大好時能大舉徵才?在景氣不好時又能夠有效控管人事成本?做薪酬數據分析,是首要任務。在薪酬這塊,你可以分析:公司與同業的薪資水準、人均營收與人均成本、薪資結構的合理性、薪資級距、是否逐年調薪、薪資發放的公平性。 3.9 人格數據分析 如果企業有做人格測評,通常每人都會收到一份數字化報告。但如果分開單獨看一個人的測評結果,不容易了解團隊整體的樣貌,因此我們可以將每一位員工在測評中的數據彙整後,做交叉比對,藉此分析:主管與非主管的人格特質差異、離職與在職員工的人格特質差異、各部門的人格特質是否符合業務需求。從中可以了解什麼樣的人適合擔任主管?什麼樣的人離職風險更高?團隊的組成是否有需要再調整? 3.10 接班人數據分析 許多企業在現在都面臨的接班問題,但挑選接班人除了依照主觀判斷,還要拿出客觀數據,才能夠讓接班人的挑選更具有說服力。最常見的一種方式就是人才九宮格,可以藉由績效分數和潛力分數進行判斷,找出超級明星或潛力明星。(參考文章:如何運用Power BI找出企業接班人?)當然你也可以分析每一位接班人:過往執行的重大專案數、近年績效表現、年資與年齡。 4. 落實人資數據分析 4.1 Power BI人資戰情儀表板 在做HR人資數據分析時,你可能會針對許多的管理指標,繪製出視覺化的圖表。就算準備的再周全,一樣有很高的機率,會被問到你準備資料以外的問題。而且從你取得數據,經過加工,再送到報表閱讀者手中,就已經不是即時的資料了。再加上不同的閱讀者,看報表的角度也都不盡相同,如果要針對每一個閱讀者的習慣與喜好,個別製作報表,是相當耗時耗力的工作。為了讓HR數據分析能更全面涵蓋老闆會問的問題、為了讓數據能更即時的傳到老闆手中、為了讓數據能用自助式的方式讓報表閱讀者自行篩選調整格式,我們可以透過Power BI做HR人資數據分析。請參考以下範範本: 4.2 實踐人資數據分析可能遭遇的難題 要落實人資數據分析,並不是短時間就能完成的事情,可能還會遇到許多挑戰等待你克服。最可能遇到的就是數據蒐集難題,像是缺乏重要的數據,該如何布局蒐集數據的管線與流程。也可能會遇到溝通的挑戰,像是如何讓用人單位意識到,人力資源的數據報告有利於業務增長。還可能會遇到資料整合難題,例如資料散落在各方,缺乏整合管道,如何有效率的彙整。這些問題都不是短期內就能輕鬆被解決的,但唯有這些難題被克服以後,才能夠落實人資數據分析。 了解更多Power Bi 相關的學習資源 >> 學更多【Power BI】,馬上報名 >> Power BI 資料視覺化 Power BI HR管理分析師【招募數據視覺化】 Power BI 資料清理與建模 Power BI DAX函數運用 人資必備數據Know-how都在這裡> > 用Power BI 做視覺化數據分析,企業導入時會遇到六大階段 HR數位轉型怎麼做?以數據分析為驅動 從這15個數據指標,開始建立你的招募漏斗 你的招募數據報告,老闆看不懂? 因為你沒有「資料視覺化」 HR這樣做數據分析報告,老闆才想聽!
【104職場力】

好的報告不能缺少這項「關鍵要素」!工作報告兩大類別重點解析

一份好的工作報告能幫助你精準傳遞資訊,但許多人卻經常忽略關鍵要素「數字」。為什麼報告一定要用數字?究竟如何讓你的報告更具說服力?本文節錄自《解決問題快10倍的數字工作法》,解析工作報告的兩大類型,並分享讓報告更具說服力的數字思維! 文/盧泫兌 週五10:00A工廠的意外狀況報告雖然是臨時提交,但有些部分好像還可以再完善。我覺得已經做得很好了。這是緊急報告,能準確傳達當前情況就已經很有價值了。而且能在短時間內整理出意外規模和受損情況的數據,真的很不簡單。不過還是有些遺憾。如果能補充對狀況的持續監控及後續處理進展,報告就會更加完善。 只要有職場經驗的人,應該都深刻體會過報告的重要性。一份出色的報告能滿足所有需求,但拙劣的報告卻可能製造原本不存在的問題,甚至讓主管不安到坐立難安。為什麼報告這麼難做呢? 根據字典定義,報告是「向他人告知事情的結果或狀況」。雖然這個定義看似有些抽象,但只要將報告簡化為「向主管傳遞所有與工作相關的資訊」就容易理解了。甚至像是因病無法上班,向公司請假也是一種報告。 然而,報告的定義中缺少了一個關鍵要素,那就是「How to」,也就是「如何傳遞這些資訊的方式」。如果將「How to」納入考量,重新定義報告,可以歸納出以下的結論。 報告的定義 我們所知悉的報告我們應該做的報告What事情的結果與狀況Who主管與同事When狀況報告-(即時、期限內)結果報告-成果報告How to-用數字來傳達或解釋報告 在將近20年的職場生涯中,我做過無數次報告,即使到了現在,仍然每天都要進行。而這些報告的核心始終如一,那就是「數字」。如果一份報告中缺少數字,或者對數字的解釋和邏輯不足,即便其他內容再怎麼完善,也難免會被要求重新確認後再次報告。請記住,報告的本質在於用數字清晰地呈現事情的結果或狀況,並能夠讓對方充分理解這些數字的意義。 為什麼報告一定要用數字?原因在於,每個人在工作中使用的語言和解讀方式都有所不同,也就是說,每個人會根據自身的思維框架去理解對方的話語。而在純粹依靠語言交流的報告中,溝通誤解的風險自然就會提高。 如果你已經透過工作經驗,充分了解主管和同事的溝通習慣,或許能準確捕捉他們的語言重點。但如果你在有限的時間內無法做到這一點,那麼使用明確、直觀的數字來進行報告,就成了不可或缺的方法。 以下舉例說明,假設報告中以「困難」、「很難」或「不可能」等模糊詞彙來描述,若改以數字表達,其內容將變得更具體明確,修改後的結果如下: 達成目標有一定難度。→目前距離目標還差30% 按照現在的情況,幾乎不可能達成目標。→距離目標營業額還差15億韓元。若要100%達標,接下來每個月至少需要達成5億韓元的營業額。 因為銷售狀況不如預期,很難達標。→距離目標銷售量還差2,500個 工作報告的兩大類別 依照目的不同,工作報告可以分為兩類:一類是「緊急通報」,另一類是「計畫報告」。 緊急通報:突發事件、事故或無法預測的狀況 緊急通報通常針對突發的事件、事故或不可預測的狀況,要求快速傳遞核心資訊。例如,假設某工廠發生火災,若因追求完美的報告內容,花時間整理起火原因、分析詳細數據或提出防範對策,工廠可能在這期間就已燒毀殆盡。在這種情況下,「迅速」才是通報的核心,最重要的是用最少的資訊快速回報當前狀況。然而,追求快速並不代表可以省略數據支撐。 即使是緊急通報,也需要包含一些關鍵數字,例如:是否有人員傷亡?火災規模有多大?火勢大約需要多久才能撲滅?這些可以立即掌握的數據,哪怕簡單,也應列入報告,以解答主管的疑問並協助決策。 計畫報告:公司內的日常報告 計畫報告則涵蓋了公司內大部分的日常報告類型,包括預測、分析、業績、應對方案等內容。這類報告的核心重點在於「準確」和「邏輯」。 在公司中,經常需要透過報告來分享進度或匯報成果。例如,假設收到指示要評估某項業務的可行性,或預測某產品的銷售與生產量,在收到指示時,通常也會被告知報告完成的期限。此時,比起快速完成,準確的數據和合理的邏輯才是計畫報告的關鍵。計畫報告需要提出精準的數據,並透過清晰的邏輯進行詳細解釋。 為了提升計畫報告的品質,建議回顧STEP1,檢視自己是否已經建立起良好的數字思考力,這將成為計畫報告成功的基礎。 節錄自:采實文化《解決問題快10倍的數字工作法:韓國三星經理教你4步驟用數據思考,從企劃、分析、決策到報告都事半功倍,獲得賞識和成就感》/盧泫兌 著 推薦閱讀: 你的KPI是什麼?工作也要像背九九乘法,2招牢記「關鍵指標」重要數字 寫工作報告,別只想當「好孩子」!掌握「2個要領」寫出主管想看的 亞馬遜開會為何禁用PPT?貝佐斯談「6頁報告」如何提升效率
【104職場力】・簡報技巧

產業最佳人才樣貌為何?善用測評大數據,解鎖人才密碼-以半導體業為例

在現今職場,善用大數據分析,已是用人主管與人資精準選才的成功關鍵。為此,產學龍頭強強聯手!104資訊科技與工研院共同淬鍊出《半導體人才報告書》,結合產業視野與獨家薪資、測評數據,深度揭露市場行情、人才缺口與最搶手的熱門技能。本文將另以台灣半導體三大核心職類為範例,深入探討如何利用104人力銀行累積的測評大數據,讓您即使是首次招募半導體人才,也能輕鬆上手,精準選才。 文章導覽: 別讓人才變負債:「防守」不失分,「進攻」創高分 104測評工具:實現精準選才與高效流程 視覺化案例解析:半導體三大職務的人才密碼 不靠直覺,靠數據,鎖定最佳關鍵人才! 根據人力銀行統計,半導體業近一年來,下列三大職務中類的職缺佔比,已超過半導體業總職缺數的40%:「工程研發類人員佔23.4%」、「製程規劃類人員佔9.3%」、「軟體/工程類人員佔8.4%」。接下來,我們將說明AI時代下的「數據選才」新策略:運用104測評大數據,掌握關鍵性格與職能,精準預測人選的穩定性與績效潛力。下文以半導體三大核心職類為範例進行解析。 別讓人才變負債:「防守」不失分,「進攻」創高分 選才就像投資,首先要做的,是有效降低用錯人的風險,其次才是找到能超越公司期望的優秀人才。 掌控用錯人的風險:確保人才「穩穩留任」 買錯資產的損失頂多是投資歸零,但若用錯人,不僅可能付出高達6-7倍月薪的代價,更可能為團隊甚至公司帶來無窮的困擾。主管通常能判斷人選的專業能力,但真正難以掌握的風險,往往來自於成人後不易改變的人格特質。為此,企業常透過性格評量來有效管理這類風險。104人力銀行運用其獨特的測評大數據,分析並建立了各產業、各職務的「穩定任職常模」。透過104性格報表中的「關鍵性格及其符合門檻」與「性格適合度PR值」,您就能精準掌握人選能否穩定任職的兩大類風險。延伸閱讀:選錯人代價6-7倍月薪!找出對的人能穩穩留任,擺脫招募黑洞 找出表現超越標準的人選:衡量人才的「績效潛力」 找到能穩定任職的員工,僅是選才的「基本門檻」。更進一步的目標,是找到能夠達到甚至超越公司績效標準的人才。人資學者們普遍認為,「職能(Competency)」是預測績效的有效指標。職能是一個人完成工作或任務所需的知識、技能、態度及其他特質的綜合體。每個職務都有一套該領域從業者必須具備的「關鍵職能」,這也被稱為「職能模型」。這些關鍵能力對於達成特定工作任務和績效至關重要。簡單來說,如果求職者具備職務所需的關鍵職能,便能有良好的績效表現;反之,若缺乏任何一項關鍵職能,其績效表現可能不如預期。 104測評工具:實現精準選才與高效流程 為了幫助企業有效評量和培養人才職能以提升整體績效,104人資學院深耕人才評量工具與服務已超過20年。透過長期累積的測評大數據,並結合最新的AI與大數據分析技術,104已成功建立約三萬種各產業、各職務的「穩定任職常模」,並彙整出完整的「職能模型」。這些強大的數據和工具,讓企業在選才時能做到: • 精準比對「穩定任職常模」:了解人選的「各關鍵性格是否皆達符合門檻」,確保其沒有任何關鍵性格過低而影響工作穩定性。接著,透過「性格適合度PR值」,您可以預測該人選在此職務的穩定任職程度。這個PR值代表著,在平均100個常模樣本中,該人選的適合度超越了多少人。 • 透視「職能常模」預測績效:了解人選的「各關鍵職能是否皆達符合門檻」,確保其沒有任何關鍵職能不足而妨礙其達成績效。然後,透過「職能勝任度PR值」,您可以預測該人選在此職務的績效表現。同樣地,這個PR值表示其績效潛力在平均100個常模樣本中超越了多少人。 透過詳細檢視104性格及職能測評報告,企業能清晰地看到人選在各項關鍵性格和職能上的優點與不足。不僅能幫助您分析人才潛在性格、找出績效瓶頸,更能作為新人面試、績效面談時設計面談問題的依據,做出更精準的決策。 視覺化案例解析:半導體三大職務的人才密碼 接下來,我們將透過同一個候選人,分別比對半導體產業三大職務中類常模(工程研發類人員、製程規劃類人員、軟體/工程類人員)的測評報告。以實例探究,如何依據關鍵性格、性格適合度、關鍵職能、職能勝任度等選才重點,來預測其是否適任。 案例一 ➤ 半導體業【工程研發類人員】 穩定任職評估: 該人選的「各關鍵性格皆達符合門檻」(關鍵性格總評為「合於標準」),確保他沒有任何關鍵性格過低會影響工作穩定性。其性格適合度高達PR86,預期在平均100個常模樣本中,其穩定性表現能超越86人,顯示他非常適合穩定任職於此職務。 預期績效評估: 影響工程研發類人員績效的關鍵職能包括:溝通協調、主動積極、分析思考、創新能力、品質導向、團隊合作。此人選的「各關鍵職能皆達符合門檻」(關鍵職能總評為「高於標準」),確保沒有任何關鍵職能不足而妨礙他達成績效。其職能勝任度更達PR97,預期在平均100個常模樣本中,其績效表現能超越97人,遠高於公司標準。 案例二 ➤ 半導體業【製程規劃類人員】 穩定任職評估: 該人選的「各關鍵性格皆達符合門檻」(關鍵性格總評為「高於標準」),確保他沒有任何關鍵性格過低會影響工作穩定性。其性格適合度為PR81,預期在平均100個常模樣本中能超越81人,顯示他能穩定任職此職務。 預期績效評估: 影響製程規劃類人員績效的關鍵職能包含:團隊合作、主動積極、分析思考、品質導向、創新能力、溝通協調。此人選的「各關鍵職能皆達符合門檻」(關鍵職能總評為「高於標準」),確保沒有任何關鍵職能不足而妨礙他達成績效。其職能勝任度高達PR97,預期在平均100個常模樣本中,其績效表現能超越97人,應能超越公司標準。 案例三 ➤ 半導體業【軟體/工程類人員】 穩定任職評估:該人選的「各關鍵性格皆達符合門檻」(關鍵性格總評為「高於標準」),確保他沒有任何關鍵性格過低會影響工作穩定性。其性格適合度為PR76,預期在平均100個常模樣本中能超越76人,顯示他足以穩定任職此職務。 預期績效評估:影響軟體/工程類人員績效的關鍵職能包括:溝通協調、分析思考、主動積極、創新能力、顧客服務、品質導向。此人選的「各關鍵職能皆達符合門檻」(關鍵職能總評為「高於標準」),確保沒有任何關鍵職能不足而妨礙他達成績效。其職能勝任度更達PR98,預期在平均100個常模樣本中,其績效表現能超越98人,表現卓越。 不靠直覺,靠數據,鎖定最佳關鍵人才! 透過上述案例分析,您可以清楚看見104建置的各產業與各職務常模,確實彙集了長期累積的測評大數據。這意味著,即使是剛接觸半導體產業的人資,也能輕鬆掌握評選人才的關鍵訣竅: ◎ 確保穩定任職:了解人選的「各關鍵性格是否皆達符合門檻」,確保「無任何關鍵性格過低,妨礙該員能穩定任職此工作」。接著透過「性格適合度PR值」來預測其穩定任職該職務的適合程度。 ◎ 預測工作績效:了解人選的「各關鍵職能是否皆達符合門檻」,確保「無任何關鍵職能過低,妨礙該員能達到工作績效」。並藉由「職能勝任度PR值」來預測其在該職務上的績效表現。 邁入網路數位時代,懂得善用104測評工具及大數據,將能讓您更SMART(聰明、敏捷、精確)地幫助公司達成人才甄選目標!請先登入或註冊104測評中心會員,新客獨享▶免費體驗施測看報告,搶得各關鍵職位的最佳人才! 掌握趨勢風險與關鍵對策《半導體人才報告書》➤立即領取 更多實用文章推薦 選錯人代價6-7倍月薪!找出對的人能穩穩留任,擺脫招募黑洞 章魚、劍魚、海豚,你是哪一種?五大人格×海洋角色,秒懂人才性格職場力! 選人難題,不再靠直覺!104性格測評幫你找出潛力黑馬!
【104職場力】・人才招募

留才不只靠加薪—半導體業關鍵留才解方

文/李冠輝 Baylor Li  104人資學院 資深專任顧問 在全球半導體人才激烈競爭的背景下,如何留住關鍵人才成為企業發展的當務之急。本文深入探討四大策略,幫助企業打破僅依賴薪資的傳統觀念。首先,引入雙軌職涯發展制度,為技術人才提供平等的成長機會;接著,賦能資深人才,讓他們在決策中發揮更大影響;隨後,拓展國際視野,鼓勵員工跨域發展以提升競爭力;最後,強調精準選才,以文化契合度吸引理想人選。 本文導覽 導入雙軌職涯發展制度,創造技術人才職涯發展路徑 賦能資深技術人才,創造更高工作價值 拓展國際視野,強化跨域整合,打造多元成長機會 精準選才,厚植企業DNA,吸引並留住契合度高的人才 面對全球半導體人才的激烈競爭,如何有效留住關鍵人才,已成為台灣半導體企業發展的當務之急。針對具體的留才策略提出四大重點如下: 一、導入雙軌職涯發展制度,創造技術人才職涯發展路徑 在半導體產業中,許多優秀技術人才熱衷於深耕專業領域,而非必然只能往管理職位發展。透過建立更完善的雙軌職涯發展制度,讓技術與管理人才擁有對等的晉升與發展空間。 明確定義管理職與專業職發展路徑: 設計清晰專業與管理職雙軌職涯發展路徑,透過對應的職等與職稱,定義工作職責。例如,專業職可分為資深工程師、主任工程師、技術專家或總工程師。 確保專業職與管理職薪資待遇對等: 確保相同職級的專業職與管理職能有對等的薪資水準與福利,讓技術人才不需轉任管理職也能獲得具競爭力的薪酬,在專業領域中持續深耕,降低職涯遇到瓶頸而離職的狀況 。 提供非管理職位的晉升與加薪機會: 針對專業職的晉升,應著重於其在技術創新、解決複雜問題、專案主導以及知識傳承等方面的貢獻度。定期檢視專業職的職能發展與績效表現,來給予相應的晉升與加薪機會 。 完善個人發展計畫與職能訓練地圖: 鼓勵員工與主管共同制定個人發展計畫,可涵蓋專業技術精進、跨領域學習、特定職能發展等面向,並對應專業職發展,建構清晰的職能訓練地圖,讓人才能持續成長來留才。 二、賦能資深技術人才,創造更高工作價值 資深技術人才擁有豐富經驗和深厚技術,是企業文化與知識傳承的關鍵,讓資深人才在企業中發揮更大的影響力,創造更高工作價值,讓人才提升成就感願意長期在組織內來貢獻。 提升資深技術人才參與決策: 當公司有新技術評估、製程改善或產品開發方向等重大決策,透過資深技術人才的經驗和洞察,有助於做出更精準評估,讓人才感受到自身能力對企業的影響力,增強工作成就感。 指派協助或負責關鍵技術專案: 在公司啟動重要或具挑戰的新技術專案時,配合專業職的職涯發展,指派明確技術職人才擔任專案顧問或技術負責人,賦予更高決策權與責任,來驅動關鍵技術的研發與導入。 建立導師制度與知識傳承機制: 由資深員工擔任新進人員導師,提供專業指導、職涯建議和文化融入的協助。這不僅能加速新人的適應和成長,更能讓資深員工在傳承知識的過程中,獲得成就感和價值認同。 三、拓展國際視野,強化跨域整合,打造多元成長機會 因應半導體產業全球化布局需求,具備國際移動能力與跨領域整合能力的技術與管理人才日益重要。應為員工創造更多國際接軌與跨域發展機會,激發員工潛力提升留任意願。 強化國際視野人才培育機制: 建立常態性跨國輪調計畫,搭配不同部門或事業體的輪調,拓展員工的國際視野,提升跨文化溝通能力,深入了解不同區域市場的營運模式、文化差異及技術趨勢。 鼓勵參與國際性會議與研討會: 支持員工參與半導體專業研討會。除了提供參與經費,員工在會後進行分享,將學習到的新知與公司內部同仁交流,藉此促進知識傳遞與技術創新。 建立跨部門輪調與專案合作制度: 鑑於半導體垂直分工界線逐漸模糊,鼓勵組成跨部門專案小組,共同解決複雜的技術問題或開發新產品,藉此培養員工的系統思維、整合能力及跨部門協作溝通能力 。 四、精準選才,厚植企業DNA,吸引並留住契合度高的人才 留才的關鍵,很重要是在一開始找到「對的人」。企業應更明確定義所需人才標準,將企業文化與價值觀融入招募流程,以吸引具備所需關鍵性格與職能的人才,提升人才穩定性。 將企業文化與價值觀融入招募: 在招募宣傳文案中,不僅強調公司在產品與技術上的優勢,更著重傳遞公司的企業文化與核心價值,藉由員工真實的體驗,展現公司吸引力,吸引對企業能高度認同的人才。 明確定義所需關鍵性格與職能: 針對在半導體產業不同職務所需的關鍵性格,及企業所重視的職能,企業應將這些特質與職能項目,融入招募面試的評估準則,來找到穩定性更高的人才,降低人才流失的風險。 優化選才流程面試評估鑑別力: 藉由定義人才標準,進一步於面試流程中,運用職能行為面試技巧藉由提升主管面試技巧,評估應徵者是否是企業所需的人才,避免只看硬實力與過往經驗,太直覺就做出錄取決策。 👉立即索取《2025半導體業人才報告書》完整版
【104職場力】

選才升級指南:打破面試迷思,用數據賦能結構式面談!(下)

這份報告目的在於透過104職能測評與結構式職能面談,全面評估一名應徵「廣告行銷公關業人資主管」職位的人選,以判斷其預期績效表現及職務契合度。職能測評可以提供客觀的數據參考;結構式職能面談則以收集具體行為事例,作為更細緻的評估,讓我們得以深入了解人選的行為模式。 文章導覽: 104職能測評結果概覽:預見績效潛力 結構式職能面談重點與發現:深入洞察行為實例 綜合評估與招募建議 104職能測評結果概覽:預見績效潛力 1. 整體職能勝任度預測:具「無法達標」風險 此人選的整體職能勝任度為PR23,低於該職務預期能達到績效目標的達標門檻PR30。 預期結果: 測評結果初步判斷,該人選有整體職能偏低而可能無法達成績效標準的風險。 2. 關鍵職能表現分析: 所有6項關鍵職能均達門檻: 雖然整體勝任度偏低,但測評報告顯示人選在所有6項應具備的關鍵職能上,分數皆達到或高於該職務的達標門檻,表示沒有任何單一職能分數過低到足以直接導致其績效無法達標。 主要影響職能(與常模相比偏低):溝通協調 PR38(低於常模PR70)、影響說服 PR39(低於常模PR66)、主動積極 PR56(低於常模PR68),這三項職能在與該職務的職能常模(平均表現)相比時,呈現較大的落差,是造成整體勝任度偏低的主要因素。 亮點職能(與常模相比偏高):計劃組織 PR69(高於常模PR65),人選在「計劃組織」方面表現優異,高於該職務的常模,是其顯著優勢。 結構式職能面談重點與發現:深入洞察行為實例 根據職能測評結果,面談聚焦於人選分數偏低的「溝通協調」與分數較高的「計劃組織」,以收集具體行為事例(CAR),作為更細緻的評估: 1. 針對「溝通協調」職能(測評分數偏低): ◦ 面談目的:測評顯示此職能分數最低(PR38),需釐清是否會阻礙其績效達標。 ◦ 面談提問:「與意見相左的人溝通總是有壓力的,能分享一個你如何與他們進行溝通協調的實際經歷嗎?」 ◦ 人選行為事例(CAR): 狀況 (Condition):曾有主管抱怨新的獎金計算方法不公平,人選當時聽得不是很懂,不知如何回覆。 行動 (Action):告知主管會後了解清楚再回覆;回去後與承辦同仁再次找主管談,請主管舉例,並試算新舊獎金辦法,了解抱怨點後微調成更合理的算法。 結果 (Result):成功讓該主管接受。 ◦ 主管洞察與評估: 人選雖不擅長臨場反應,但展現了「釐清雙方意見歧異點並取得共識」的關鍵行為。 用人主管認為,薪酬主管不一定需要絕佳的臨場反應能力,若能在事後清楚釐清問題並達成共識即可。 結論:該人選的「溝通協調」雖測評分數較低,但透過具體事例判斷,其不良影響尚可管控,不致構成重大任用風險。 2. 針對「計劃組織」職能(測評分數較高): ◦ 面談目的: 確認此優勢如何轉化為實際的績效表現,是否符合公司需求。 ◦ 面談提問: 「請談談你在有限時間和資源下,負責公司跨部門專案的經驗。包含:專案任務為何?你的處理過程和結果又如何?」 ◦ 人選行為事例(CAR): 狀況 (Condition): 剛到職時被指派檢視公司薪資競爭力,解決主管抱怨招募不到優秀人才的問題,且時間緊迫,需要外部同業薪資資訊。 行動 (Action): 說服老闆投資經費引進專業顧問公司;邀請並評選出資料最豐富且價格合理的本土廠商;與同仁配合顧問安排,向各主管簡報成果,並說服公司調整關鍵職務的敘薪標準。 結果 (Result): 公司調整了關鍵職務敘薪標準,主管對公司薪資水準有了信心。  ◦ 主管洞察與評估: 人選展現了「評估所需資源,尋找、協調並整合所有可用資源」的關鍵行為。 用人主管認為,雖然人選的處理方式與公司原先期望「薪酬主管應能自己搞定薪資大小事」略有不同,但考量到人力有限,人選能說服公司投入合理費用,有效解決長期困擾的招募問題,這是一個符合公司實務需求的「聰明解法」。 結論: 該人選能有效運用資源解決複雜問題,其「計劃組織」能力顯然能為公司帶來價值。 綜合評估與招募建議 • 整體判斷:儘管測評結果顯示人選的整體職能勝任度低於達標門檻,且部分職能與職能常模有落差。但透過結構式職能面談,我們得以深入了解其具體行為模式。在「溝通協調」方面,雖然不擅長臨場反應,但能有效釐清並解決問題。在「計劃組織」方面,則展現了運用外部資源解決複雜問題的能力。 • 建議:考量到目前人選難尋,且該人選雖非「理想中」完全符合所有條件,但其解決問題的策略和實際能力,顯示其仍具備應對職務挑戰的潛力,可列為錄取的備選人才之一,以應對急需的戰力缺口。 透過結合104職能測評與結構式職能面談,我們得以擺脫單憑直覺的低效選才模式。這套系統化的方法,不僅提供了客觀的數據預測,更透過深入的行為事例,幫助我們在招募過程中做出更周全、更符合公司實際需求的決策,進而迅速有效評選出高績效人才。請先登入或註冊104測評中心會員,新客獨享▶免費體驗施測看報告,親身感受職能測評如何協助您精準辨識高績效人才、建構高效團隊!
【104職場力】・人才招募

前端工程師是什麼?薪水怎破100萬?完整攻略,附:台積電前端工程師工作心得

前端(Frontend): 給人看的(介面、使用者體驗),網頁的畫面、按鈕、圖片、排版。 前端 (Frontend)是什麼? 這是使用者直接與之互動的部分,包括網頁的設計、佈局和內容。前端開發使用的技術包括HTML、CSS和JavaScript。 舉例來說:當你打開 104人力銀行,看到的畫面就是前端工程師控制的,包含不同裝置的畫面呈現~從電腦、平板或手機觀看,都是前端工程師需要留意的。 重要元素舉例 搜尋欄:讓你輸入「軟體工程師」並按下搜尋 職缺列表:顯示各種公司和薪資範圍 登入按鈕:點擊後彈出登入視窗 應徵按鈕:點了之後,系統會幫你送出履歷 前端工程師的薪水與薪水天花板 台灣整體而言前端工程師薪水中位數落在66.8萬~81萬間,天花板推估是91.3~101.6萬。 工作年資年薪中位數推估薪水天花板職缺1年以下66.8萬94.1萬1~3年71萬91.3萬3~5年78.1萬96.7萬5~10年81萬101.6萬資料來源 104薪資情報 有效樣本:575 資料更新:2025年02月10日 如何突破前端工程師的薪水天花板 選擇對的公司/產業 選擇薪水中位數高的公司:上市櫃公司年薪中位數、外商公司,公司獲利能力好,自然同樣的時間成本,能有更好的薪水保障。 選台灣重點產業:半導體業、科技業、金融業 台積電前端工程師工作心得 以下為講座精華節錄 薪水區間?年薪約30個月,新鮮人月薪約6萬。 加班很兇嗎?加班時數看跟的專案,配合專案前進。去年自己未超過100小時 公司內用的語言較多,不同的系統專案或對接的單位不同,要學習不同的語言 怎麼進台積電?平常就有寫技術部落格、每年參加IT鐵人賽、在104經營個人品牌(SEO權重優) 同事都是哪些人?(免費領取台積電工作心得與QA精華) 看懂遊戲規則:深耕5大能力,擁有更多選擇權 1.技術能力(Technical Skills),能否寫出高品質、可維護、效能優化的前端程式,並快速學習新技術應用在工作上,也能夠帶領內部技術前進(內部 Tech Talk 或自建部落格) 程式品質:乾淨、結構清晰、DRY、KISS、SOLID 效能最佳化:頁面載入時間、CDN快取、前端壓縮技術、降低不必要的 re-render 技術廣度與深度:獨立處理 CSS、JavaScript、框架(React, Vue, Angular)等核心技術、熟悉 TypeScript、State Management(Redux, Vuex)、處理前端安全問題(如 XSS, CSRF, CORS) 2.產品與專案影響力(Project & Product Impact),能有效率地完成任務,並確保產品的品質,過程中主動優化現有系統,提出新的技術方案,提升開發效率。 專案完成度:照時程交付、主動發現並解決問題、處理緊急問題 產品價值:功能是否真的提升了使用者體驗、A/B 測試或數據分析、減少技術債,提高長期維護性 3.開發效率(Development Efficiency),高效產出高品質的程式,主動提出更有效率的開發工具或流程,寫出自動化測試(如 Jest、Cypress),減少回歸測試時間。 時間管理:需求評估準確度、根據需求合理拆分任務,安排優先順序 程式碼管理:Pull Request(PR)清楚易讀、Code Review 積極參與給出建設性回饋 Debug 能力:利用 Log、DevTools、Profiler 進行高效率的問題解決 4.團隊合作與溝通(Collaboration & Communication),與其他工程師、PM、設計師、QA、數據分析師等合作單位順暢合作。指導新人、撰寫開發文件,幫助團隊快速上手。 跨部門溝通與 PM 討論需求,提供技術可行性建議與設計師合作,確保 UI/UX 最佳化與後端工程師協作,確保 API 串接順暢Code Review幫助同事提升程式碼品質接受別人的建議,改進自己的程式碼主動性主動提出問題或改善建議在團隊會議中有效表達技術方案前端工程師 團隊合作與溝通的重要性 5.創新與影響力(Innovation & Leadership),完成自己的工作外,帶來更大的影響。有能力也主動推動團隊技術決策,如選擇新框架、優化開發流程。 技術創新:引入新技術來提升開發效率、開發內部工具,幫助團隊節省時間 技術影響力:技術社群內分享知識、開源專案或貢獻 技術領導:在團隊中擔任技術導師、帶領技術專案 關鍵重點:績效不只是寫多少行程式,而是對產品和團隊的影響 開發速度:平均完成一個 Story(使用者故事)的時間 Bug 數量:新功能上線後的 Bug 率 PR 參與度:Code Review 的次數與回饋價值 前端效能:Google Lighthouse 分數、First Contentful Paint(FCP) 使用者行為變化:某個 UI 改版後,點擊率是否提升? 能力方法技術能力深入學習前端框架、優化效能、提升可維護性產品影響力確保開發的功能有助於提升使用者體驗開發效率提高 Debug 能力、善用自動化工具團隊合作提高溝通能力、參與 Code Review、幫助同事創新影響力參與技術社群、提出技術改進方案前端工程師的5大能力 前端用的技術 HTML 負責畫出網頁結構(像骨架) CSS 負責排版與設計(讓它變美) JavaScript 負責互動(讓按鈕能點、內容會變) 框架和庫:如React、Vue.js和Angular,這些工具可以幫助你更高效地開發複雜的應用程式。 響應式設計:確保網站在各種裝置上都能良好顯示,通常使用CSS框架如Bootstrap。 版本控制:如Git,用於管理和協作開發 前端工程師主要合作的夥伴 1. 後端工程師(Backend Developer) 👉 負責提供 API,讓前端能夠拿資料,確保功能運作 合作範例:你要做一個「應徵按鈕」,但這個按鈕要能讓使用者點了後,系統能自動送出履歷,這時候前端需要跟後端拿 API。討論 API 的格式:你問:「我這邊需要傳哪些資料才能應徵?」後端說:「你傳 user_id、job_id 給我,我幫你送出履歷」你:「那回應結果是什麼?我要顯示成功或失敗」後端:「如果成功,我回 status: success,失敗的話會給錯誤碼」💡 前端 + 後端 = 讓網站不只是畫面,而是能「動」起來! 3. 產品經理(PM, Product Manager)👉 負責規劃產品功能,確保開發方向符合商業目標合作範例:你做完了「應徵按鈕」,但 PM 突然跟你說:「我們希望這個按鈕能讓用戶自訂求職信」這時候你得確認:「這功能會影響到後端嗎?需要修改 API 嗎?」「這會不會影響現在的 UI 設計?」「會不會讓使用者體驗變得更複雜?」💡 前端 + PM = 確保開發出來的功能,真的是「使用者需要的」! 4. 測試工程師(QA, Quality Assurance)👉 負責測試系統,確保功能正常、不出 Bug合作範例:你開發完「應徵按鈕」,但 QA 測試時發現:BUG 1: 在 iPhone 上點擊按鈕沒反應?BUG 2: 送出履歷後沒有顯示成功提示?BUG 3: 按太快的話會連送兩次履歷?💡 前端 + QA = 確保使用者「真的能順利使用」功能! 5. 數據分析師(Data Analyst)👉 負責分析使用者行為,讓前端能做出更好的優化合作範例:你做了一個「首頁推薦職缺」功能,但數據分析師告訴你:「這個區塊的點擊率只有 5%!」 → 代表 UI 可能需要調整「使用者停留時間太短」 → 可能要加上動畫或更清楚的標題「A/B 測試顯示紅色按鈕比藍色好」 → 你需要調整設計💡 前端 + 數據分析師 = 讓 UI/UX 變得更直覺、更有效! 6. 運維/系統工程師(DevOps / SRE)👉 負責網站伺服器的運行與最佳化合作範例:你的前端代碼已經寫好了,現在要部署到正式環境可能遇到的問題:網頁載入速度太慢? → DevOps 可能會幫你設定 CDN 加速按鈕點擊後沒反應? → 可能是伺服器資源不足,需擴充某些用戶看不到最新版本? → DevOps 需要清理快取💡 前端 + DevOps = 確保你的程式能「穩定、安全」地運行! 夥伴主要合作內容影響前端的地方後端工程師提供 API,讓前端可以拿到資料決定資料怎麼傳遞UI/UX 設計師設計畫面,確保用戶體驗影響網頁排版、按鈕設計產品經理(PM)決定功能需求與優先順序決定要做什麼、怎麼做測試工程師(QA)測試功能,找出 Bug確保程式正常運行數據分析師提供使用者數據,幫助優化 UI影響 UI 設計與功能調整運維/系統工程師(DevOps)負責部署、效能優化確保網站運行順暢前端工程師的合作夥伴
【104職場力】

有任何收穫或想分享的,都來和大家一起聊聊吧!