104學習精靈

SAP
SAP
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
關於教室
關注人數 339 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • SAP
    • 關於教室
    關注人數 339 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • SAP
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    SAP 學習推薦

    全部
    影片
    文章

    不知如何開始嗎？ 先進行技能挑戰吧～

    技能挑戰：初級
    目前等級：未達初級
    2356 人已通過「初級」測驗，通過率35%，和學習精靈一起探索知識、增強能力！
    我要挑戰
    職涯診所

    07/04 13:07

    giver.104.com.tw
    離開半導體七年 在學校內當老師三年 開始在找助理工作 
    0 0 2128 0

    熱門精選

    職場英文力，你的超能力✨
    關注
    104學習精靈

    產品

    08/12 16:54

    AI 職場英文實戰力：突破英文瓶頸，無痕變高手！
    \ 購課再送100點LINE POINTS /
    厭倦了學了10年英文，卻仍無法流利溝通？
    害怕在職場上用英文表現不佳，錯失良機？
    這堂課程專為你設計，讓你輕鬆駕馭AI工具，瞬間展現流利英文！
    ⭐ 用中文操控AI，瞬間生成專業英文
    ⭐ 即學即用，快速提升溝通能力
    ⭐ 自信應對各種職場情境
    ⭐ 突破瓶頸，提升職場競爭力
    立即加入我們，讓英文不再是你的障礙，而成為你職場的強大後盾！
    AI 職場英文實戰力：突破英文瓶頸，無痕變高手！
    senior.104.com.tw
    【Live直播課】AI 職場英文實戰力：突破英文瓶頸，無痕變高手！|線上-學習課程|104高年級
    2 1 30953 2
    4031 1
    CVC (企業創投)的矛與盾
    關注
    石惠貞

    副總經理暨投資長

    06/27 14:40

    企業人工智慧基金 (Corporate AI Fund)
    2023年人工智慧興起,帶來各產業前所未有的改變,許多知名企業為了不錯失商機，紛紛成立企業人工智慧基金(Corporate AI Fund), 包含Amazon, Baidu, Cisco, Comcast, Databrick, Dropbox, Google, IBM, OpenAI, Paypal, Qualcomm, Salesforce, SAP, Softbank, Solona, Visa, Workday, Zendesk, etc. 這些企業創業夾帶豐厚資金, 帶動許多AI創新應用。
    Baidu的聊天機器人Ernie (文心一言)在Y24突破2億用戶.
    歐洲AI 獨角獸Mistral AI,獲得Cisco, Databrick, Softbank, 甚至競爭對手微軟(OpenAI)投資。
    針對企業的AI平台Cohere也獲得Nvidia, Oracle 與Salesforce的投資.
    開源機器學習平台Huggingface 的股東也包含Google, AMD, Nvidia 與AWS等.
    OpenAI早在2022年就投資四家AI創新應用,Descript, Harvey AI, Mem and Speak...
    想了解更多,可以看以下的報導,
    企業人工智慧基金 (Corporate AI Fund)
    globalventuring.com
    Corporate AI funds: The list -
    0 0 873 0
    3275 1

    推薦給你

    PM雜學相談室－新手轉職PM交流區🙌
    關注
    知識貓星球

    喵星人

    3小時前

    產品經理需要的數據分析邏輯有哪些？多角度了解用戶需求
    作為產品經理（Product Manager, PM），數據分析的邏輯是必備技能之一，因為數據驅動的決策能幫助你更好地理解用戶行為、市場趨勢以及產品的表現。以下是產品經理需要掌握的數據分析邏輯和相關的關鍵要素：
    1. 目標設定與關鍵指標 (KPIs)
    ➛ 清晰的目標設定：在開始任何數據分析之前，首先要確定分析的目標。這些目標可能是增長用戶數、提升轉換率、改善用戶留存率等。
    ➛ 關鍵績效指標 (KPIs)：選擇與業務目標緊密相關的指標來衡量成功與否。這可能包括每月活躍用戶 (MAU)、用戶終身價值 (LTV)、客戶獲取成本 (CAC)、留存率等。
    2. 數據收集與整理
    ➛ 定量與定性數據：定量數據（如轉換率、點擊率等）能提供宏觀趨勢，而定性數據（如用戶反饋、調查結果等）能揭示用戶的情感與需求。
    ➛ 數據清洗與處理：確保數據準確無誤，避免錯誤數據導致的誤判。這包括去除異常值、處理缺失數據等。
    3. 探索性數據分析（Exploratory Data Analysis, EDA）
    ➛ 識別模式與趨勢：使用數據可視化工具（如 Tableau、Google Data Studio 等）來快速發現潛在的模式或異常。
    ➛ 劃分用戶群體：通過群體劃分（Segmentation）來理解不同用戶的行為差異。例如，可以根據地區、設備、使用頻率等對用戶進行分類。
    4. 假設驗證與實驗設計
    ➛ 數據驅動的假設：根據數據提出假設，如「改進導航結構將提高轉換率」。
    ➛ A/B 測試：設計實驗來驗證假設，並通過統計檢驗來判斷是否有顯著改進。
    5. 因果關係與相關性
    ➛ 區分因果關係與相關性：了解某些變量之間是否真的存在因果關係，而不是僅僅存在相關性。這樣可以避免誤導性的決策。
    ➛ 多變量分析：考慮多個變量之間的相互作用，這對複雜的產品問題非常重要。
    6. 預測與數據建模
    ➛ 預測模型：根據歷史數據來預測未來的趨勢和表現。這可能涉及回歸分析、時間序列分析等技術。
    ➛ 風險評估：分析產品策略或決策的潛在風險，例如在某個市場投資新功能的成本效益。
    7. 決策與行動
    ➛ 數據驅動決策：根據分析結果，做出數據驅動的產品決策，並將分析結果轉化為具體的行動計劃。
    ➛ 迭代優化：根據持續的數據跟蹤和分析，定期對產品進行優化和調整。
    產品經理的數據分析邏輯需要從宏觀到微觀，多角度理解產品的表現和用戶需求，以支持戰略和戰術的決策。
    0 0 78 0
    你可能感興趣的教室